TD SYNNEXが提供するデータライフサイクルソリューション

YugabyteDB Japan Meetup #5 - TD Synnex 鶴野龍一郎様 講演資料

Transcript

1. Destination AI ~AI時代のデータライフサイクル～
2. 小売・サプライチェーン ライフサイエンス 加速された薬物発見 エネルギー スマートグリッド メディアと エンターテインメント コンテンツアニメーション 製造業 自動化されたカスタマーサー ビスエージェント コピーライティングと コンテンツ分析 ハイパーカスタマイズされたレ コメンド 調査分析と脅威検知 自動コード生成 生成AIの時代が来ました 業界とビジネス機能全体で広がる生成AI
3. 企業でのAI導入の障壁 1 – パブリックGPTの問題 2 – 社内のリソース不足 3 – 透明性と説明性 4 – シャドーAI 5 – 法規定等のAIフレームワークへ のコンプライアンス 6 – アップデートされた高機能のイン フラ不足 7 – 既存システムへのAIの統合 8 – 複雑なアルゴリズムと AIモデル のトレーニング 9 – データのクオリティと可用性
4. 正確性 生成型AIは不正確であったり、誤った情報を生成する可能性があります。 偏見 インターネットのデータで訓練されることがバイアスを生む可能性がありま す。 ハルシネーション（幻覚） AIは観察に基づかない応答を生成することがあります。 インフラの必要性 コンピューティングとデータには大規模な投資が必要です。 透明性 LLMsは監視された学習と非監視学習の両方を使用するため、意思決定の 根拠を説明する能力が制限される場合があり、一部の法律や医療の使用 例には十分でない場合があります。 1 – パブリックGPTの問題 回答が正し い必要があ りますか？ 開始 ChatGPT 利用可 社内に回答 の正確性を 確認できるリ ソースがあり ますか？ 回答が不正 確だった場 合の法的、 道徳的責任 を持てます か？ ChatGPT 利用可 ChatGPT 利用不可 いいえ はい はい はい いいえ Aleksandr TiulkanovによるChatGPT利用可否 判断フローチャート Jan 19　２０２３
5. 説明性 Explainability 解釈可能性 Interpretability 再現性 Repeatability 3 – 透明性と説明性 入力 結果 ブラック ボックス 入力 結果 説明可能 解釈可能 再現可能 どういう経緯で結果が出たのか不明 結果が出るまでの経緯が分かる
6. 6 企業向けのエンタープライズ AI
7. ユースケース中心 vs 企業レベル AI 技術の破壊的な性質のため、成 長を予測するのは難しいです。 膨大なエコシステムは、これらのモデ ルをサポートし、自律エージェント、迅 速なエンジニアリングフレームワーク、 アプリとエージェントのコンテキスト管 理のための長期および短期メモリスト アがあります。 生成型AIモデルはハルシネー ションを起こし、プロンプトイン ジェクションや安全上の懸念な どのリスクを引き起こす可能性 があります。 企業は、データの安全性や知的財産 の保護に関する課題に対処する必 要があります。 LLM管理には専門のハードウェア、 コスト最適化、特定のコンピューティ ングリソースが必要です。 分割されたユースケース中心のアプ ローチから、拡張可能で複数のユー スケースを備えた企業向けソリュー ションへの移行 モデルは迅速に 進化します 膨大なAIエコシ ステム 誤情報と有害なコン テンツ プライバシーと 知的財産 コスト 
 企業向けAIソリュー ションへ向けて 生成型AIは、個別のビジネスユニット内で孤立しているのではなく、企業全体の視点を必要とします。
8. プラットフォームベースのアプローチが解決策 企業向けAIプラットフォームを開発するための主要なアーキテクチャ原則: 未来志向 民主化 スケーラビリティ 階層化アーキテクチャ データの準備状況 組み込み可能なAI 統合された可視性 セルフサービス クラウドソーシング クラウドネイティブ 迅速なデプロイメント セルフマネージ 設計責任 反復可能、セキュア、監視、測 定
9. 9 APJ COE DESTINATION AI | ソリューションブループリント データセンターとエッジ パブリッククラウド Azure Stack HCI/HUB ExpressRoute Site-site VPN Point-site VPN クラウドネイティブデプロイメント向けのハイブリッドプラットフォーム Azure AKS Servers | Storage | Virtualization/OS Application Gateways Front Door Load Balancer Traffic Manager Azure Arc Servers Storage Networking Blob FileShares VM VMSS Dedicated Hosts Vnet & Subnets Firewalls Route Tables NSG Azure Arc インフラ プラットフォーム Amazon EKS Google GKE Google Anthos Azure AKS Azure Arc Amazon EKS Google GKE Google Anthos APM & ARM モニタリングとエンドポイント エンドポイント Azure Arc アプリケーション 自動化 SIEM Orchestrate クラウドネイティブアプリ Microservices DBaaS | セルフマネージド | モバイル YugabyteDB Managed | Anywhere Capella | Server | Mobile Atlas | Enterprise Server データ階層 Datawarehouse | Data lake | Open Lakehouse | Secure | Scalable Data fabric | Data lake Scalable| Cloud native Vector DB Accelerators 取り込み データエンジニアリング 探索 ファインチューニング モデル訓練 展開とサービス アプリ作成 クラウドネイティブ | マイクロサービス | サーバーレス | サービスメッシュ | ビルド | パイプライン データフロー | ストリーム処理 データエンジニアリング 機械学習 | データビジュアライゼーショ ン 機械学習 機械学習 .data DevSecOps .data .data .ai .ai .ai CODE BUILD TEST DEPLOY MONITOR セルフサービスプロビ ジョニング 一貫した環境 自動ビルドおよびデプロイ CI/CD パイプライン 構成管理 アプリログとメトリクス AI アプリ Website Mobile app Application logic APIs
10. 10 1 1 2 2 3 3 4 4 アウェアネス イネーブルメント 営業活動サポート ポストセールスサポート 市場動向 成長予測 利用事例 AI認定コース ベンダートレーニング プラクティスビルダー インプリサービス メンテナンス サポート エキスパートの紹介 AIハンズオン ソリューション APJ Destination AI 我々のミッション：パートナーの皆様が AIの領域で競争力を持てるようにサポート