Docs
Gen AI solutions

基礎モデルによる生成的AIソリューションの開発

最終更新: 2025年4月17日
基礎モデルによる生成的AIソリューションの開発

IBM watsonx.aiの基礎モデルを使って、ジェネレーティブAIソリューションを開発することができます。 入力コンテンツからコンテンツを生成、分類、要約、抽出するプロンプトを作成できます。 IBMモデルまたはオープンソースモデルから選択。 プロンプトの出力をカスタマイズしたり、推論のパフォーマンスを最適化するために、基礎モデルを調整することができます。

ジェネレーティブAI機能

watsonx.ai では、以下の機能とリソースを含むジェネレーティブAIソリューションを作成できます。

prompting
基盤モデルモデルに応答を生成するよう指示するプロンプトを作成する。 文書やその他のメディアとチャットしたり、プロンプトを再利用するための変数を含めたり、有害なコンテンツを削除したり、その他のプロンプトやモデルの設定を制御したりすることができます。
建築プロンプトを参照。
エージェント AI
ユーザーとのインタラクションの流れを制御するエージェントとして機能するための、 基盤モデルモデルのワークフローを構築する。
Chat APIによるエージェント駆動型ワークフローの構築 を参照してください。
検索拡張生成
RAGパターンを構築し、文書にある事実をモデルの根拠とする。 RAGパターンをカスタマイズして、文書からテキストを抽出したり、ベクトルインデックスを作成したり、検索されたコンテンツを再ランク付けしたりすることができる。 データとユースケースに基づいて、最適化されたプロダクション品質のRAGパターンの検索を自動化することができます。
検索拡張生成 を参照。
予測
過去の時系列データに基づいて将来の値を予測する。
将来価値の予測を参照。
基盤モデル
Watsonx.ai にはさまざまな基盤モデルあり、試してみることができる。 それ以外の場合は、デプロイ・オンデマンド・モデルを選択するか、カスタム・モデルをインポートしてデプロイすることができます。
対応基盤モデル を参照。
モデルのチューニング
同じモデルファミリーの大きなモデルに匹敵する結果を得るために、より小さな基盤モデルチューニングする。
基盤モデルチューニング を参照。
評価
ユースケースに合わせた定量的な指標とカスタマイズ可能な基準で、ジェネレーティブAI 資産評価・比較します。
AIモデルの評価を参照。

ジェネレーティブAIソリューションの計画に関するヒントは、 AIソリューションの計画を参照。

働き方

生成AIソリューションのコードを書くことができる。 タスクとAPIのリストについては、 Coding Generative AI Solutionsを参照のこと。

UIのツールを使って、ノー・コードまたはロー・コードで作業することができる：

財団モデル・アーキテクチャ

ファウンデーション・モデルは、数十億のパラメーターを持ち、テラバイトのデータで学習された大規模なAIモデルである。 ファウンデーションモデルは、テキスト、コード、画像の生成、分類、会話など、さまざまなタスクをこなすことができる。 大規模言語モデルは、テキストやコードに関連するタスクを実行できる基盤モデルサブセットである。

ファウンデーション・モデルは、AIシステムにとって根本的に異なるモデル・アーキテクチャと目的を示している。 以下の図は、従来の機械学習AIモデルと生成AIの基盤モデル違いを示している。

従来のAIモデルと基盤モデルの比較

図に示すように、従来のAIモデルは特定のタスクに特化している。 従来のAIモデルのほとんどは、機械学習を使って構築される。機械学習には、取り組みたい特定のタスクを網羅する、大規模で構造化され、十分にラベル付けされたデータセットが必要だ。 多くの場合、これらのデータセットは手作業で調達、キュレーション、ラベル付けをしなければならないジョブ 訓練された後、従来のAIモデルは1つのタスクをうまくこなすことができる。 従来のAIモデルは、学習データのパターンから学習したものを使って、未知のデータの結果を予測する。 AutoAIやJupyterノートブックなどのツールを使って、特定のユースケースのための機械学習モデルを作成し、それをデプロイすることができる。

対照的に、 基盤モデル、大規模で多様なラベルなしデータセットで学習され、さまざまなタスクに使用することができる。 ファウンデーションモデルは、自然言語翻訳タスクにおいて、次に来る可能性の高い単語を計算してテキストを生成するために最初に使用された。 しかし、モデルプロバイダーは、適切な入力を促せば、基礎モデルが他のさまざまなタスクをうまくこなせることを学びつつある。 独自の基礎モデルを作成する代わりに、既存の配備済みモデルとエンジニアのプロンプトを使用して、必要な結果を生成します。

詳細情報