Vertex AIで実現するLLMデータアノテーションの効率化と自動化

Transcript

1. Google Cloud活用 AI/ML/LLM #1 機械学習 (ML) / 大規模言語モデル(LLM) の為のデータ準備 Vertex AIで実現するLLMデータ アノテーションの効率化と自動化 株式会社BLUEISH 代表取締役CEO兼CTO 為藤アキラ @AkiraTameto
2. 為藤 アキラ (Akira Tameto) 株式会社BLUEISH 代表取締役 CEO兼CTO ・直近のAIプロジェクト 　 ・画像を中心とした機械学習とLLM のハイブリッドのアーキテクト 自己紹介
3. 今回のお話
4. よくある課題 ・LLMには大量の高品質データが必要 ・手動アノテーション＝時間がかかる / コストが高い / 品質 ばらつき ・「データ増やしたいけど、全然追いつかない…」
5. Vertex AI Data Labelingの概要 t テキスト・画像・動画などのラベル付けをクラウドで一元管7 t 手動ラベリング＋自動ラベリングの両方が可能 更にAutoMLモデル活用で効率UP！ Vertex AIのラベリング機能とは？
6. 自動アノテーションの活用方法 E4 少量のデータでAutoMLモデル作S 54 大量データに一括ラベル付A 24 人間が確認・修正 → 精度UP 自動アノテーションは大きく3ステップ
7. 具体的なワークフロー 4% データの準備 （Cloud Storage / BigQuery など） a` ラベリングプロジェクト作成 （Vertex AIコンソール） y` 少量データのラベル付け “` AutoMLモデルの学習 k` 自動アノテーションの適用 u` 人間の確認・修正
8. 具体的なワークフロー 74 データの準備 （Cloud Storage / BigQuery など） HY ラベリングプロジェクト作成 （Vertex AIコンソール） y4 少量データのラベル付け “4 AutoMLモデルの学習 k4 自動アノテーションの適用 u4 人間の確認・修正
9. 具体的なワークフロー 74 データの準備 （Cloud Storage / BigQuery など） a4 ラベリングプロジェクト作成 （Vertex AIコンソール） xy 少量データのラベル付け “4 AutoMLモデルの学習 k4 自動アノテーションの適用 u4 人間の確認・修正
10. 具体的なワークフロー 74 データの準備 （Cloud Storage / BigQuery など） a4 ラベリングプロジェクト作成 （Vertex AIコンソール） y4 少量データのラベル付け “’ AutoMLモデルの学習 k4 自動アノテーションの適用 u4 人間の確認・修正
11. 具体的なワークフロー 74 データの準備 （Cloud Storage / BigQuery など） a4 ラベリングプロジェクト作成 （Vertex AIコンソール） y4 少量データのラベル付け “4 AutoMLモデルの学習 d˜ 自動アノテーションの適用 u4 人間の確認・修正
12. 具体的なワークフロー 74 データの準備 （Cloud Storage / BigQuery など） a4 ラベリングプロジェクト作成 （Vertex AIコンソール） y4 少量データのラベル付け “4 AutoMLモデルの学習 k4 自動アノテーションの適用 uo 人間の確認・修正
13. メリットと課題 8 作業時間・コスト削% 8 精度と一貫性の向 8 データ増加へのスケーラビリティ メリット 8 モデル精度への依b 8 100％自動化は難しく、Human in the Loopが必y 8 初期コストの先行投資 課題
14. まとめ 1 W 「Vertex AI＋AutoML」でラベリングを効率" W LLM開発のデータ準備をスピードアッ W People(人間) + AI でハイブリッド運用 ⁨ ⁩ まとめ
15. Thank You!