本文へ移動

すべての AI 動向

今日 2 件

10月24日

土曜日
  1. Amazon Quick SightのレイヤーマップがGeoJSONで点とルートの描画に対応

    Amazon Quick Sightのレイヤーマップが、GeoJSONのPointとLineStringの2種類のジオメトリに対応した。店舗などの具体的な位置を地図上に示したり、配送経路や航空路線などのルートを描画したりできる。GeoJSONファイルの上限は100MBで、Quick Sightのデータセットとは共有のjoin keyで関連付ける必要があり、各レイヤーは一度に1種類のジオメトリのみを描画する。

  2. AWS CDKでSageMaker AIエンドポイントの自動スケーリングをオーケストレーション

    SageMaker AIのリアルタイムエンドポイントを更新する際、自動スケーリングが登録済みだとデプロイが失敗する問題について、AWSは再利用可能なCDK constructを提示した。3つのCloudFormationカスタムリソースを使い、エンドポイント更新の前後でスケーリングターゲットを自動的に登録解除・再登録する。

  3. OpenAI、10億人超のChatGPTユーザーを支えるオンラインストレージの拡張手法(後編)

    OpenAIは信頼性の高いマルチテナント構成、グローバルキャッシュ、Azure Cosmos DBを用いてHabitatストレージシステムを拡張し、ChatGPTの読み取り速度を12倍に向上させた。このシステムは10億人を超えるChatGPTユーザーの規模を支える必要がある。

10月23日

金曜日
  1. Allen AI、衛星埋め込みモデルOlmoEarth v1.3を公開 全球の事前計算済み埋め込みとブラウザツールも提供

    Allen AIは衛星埋め込みモデルOlmoEarth v1.3を公開した。1年分のSentinel-1、Sentinel-2、Landsatの時系列データを読み込み、地球上の10メートルピクセルごとに128次元のベクトルを生成する。最初の64次元だけでも利用できる。

  2. Amazon SageMaker AI 上の TTS 自動スケーリング目標値、推測はもう不要

    自前でホストする TTS エンドポイントの自動スケーリング目標値を推測に頼る問題に対し、AWS は Amazon SageMaker AI のリアルタイムエンドポイントに 8200 万パラメータの Kokoro-82M をデプロイし、実測した Q_max(1 インスタンスが SLO 内で処理できる最大同時実行数)と T_total(スケールアウト 1 回のエンドツーエンド所要時間)から、スケールアウトしきい値、スケールインしきい値、2 つのクールダウン時間を算出した。

  3. HIPAA準拠環境でのAI導入:Amazon QuickのPHIデータガバナンス機能

    Amazon QuickはAWSのHIPAA対象サービスで、Web、デスクトップ、モバイルの各クライアントはAWS BAA締結後にPHIを扱える。プラットフォームのチャットエージェントは、臨床ノートなどの非構造化コンテンツと、請求・会員記録などの構造化データをまたいで多段階タスクを実行し、コネクタとMCPを通じて外部システムに接続する。

  4. Amazon SageMaker AI、訓練セッションAPIを発表 GPU管理なしで独自の訓練ループを記述可能

    Amazon SageMaker AIの訓練セッションAPIは、抽象化の層を訓練操作まで下げるものだ。開発者はローカルのPythonで訓練ループを書き、forward_backward、optim_step、sampleなどの呼び出しでマネージドGPU上で実行する。モデルとLoRAの読み込み、分散実行、障害復旧、チェックポイント保存はサービス側が担う。

  5. AWS、SageMaker AIでGPU管理不要のモデルカスタマイズ向けトレーニングセッションを提供開始

    AWSは、SageMaker AIのサーバーレスモデルカスタマイズにおけるトレーニングセッションが正式に利用可能になったと発表した。ユーザーはカスタム損失関数や報酬シグナルを含むトレーニングループを自ら記述・調整でき、GPUの割り当て、分散実行、障害復旧、チェックポイントの保存はプラットフォームが担う。

  6. IskayPet、Amazon Bedrock Managed Knowledge Basesで企業知識を統合する方法

    IskayPetはAmazon Bedrock Managed Knowledge Basesを基に企業知識アシスタントを構築し、従業員が小売運営、獣医療、人事オンボーディング、購買などの文書を自然言語で照会できるようにした。4言語・3カ国をカバーし、RAGインフラを自前で管理する必要はない。

10月22日

木曜日
  1. NVIDIA、AIファクトリー向けエンドツーエンド可観測性を実現するMinervaを発表

    NVIDIAはAIOpsプラットフォーム「Minerva」を発表した。インフラとAIワークロードのテレメトリデータを集約し、専用AIモデルでデータを実行可能な洞察に変換する。GPU、SuperNIC、スイッチ、ストレージ、スケジューラ、ジョブをまたぐ動的ナレッジグラフを構築し、毎時数十億のデータポイントを分析。大量のアラートを根本原因付きの単一イベントに集約できる。

  2. IBM Granite時系列モデルのアンサンブル予測:4アーキテクチャを組み合わせ、再学習不要

    IBMはHugging FaceでGranite Timeseries Ensembleを公開した。PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1、TTM-r3の4つの事前学習済みGranite時系列モデルを統一的な予測インターフェースに組み合わせたもので、再学習もアンサンブル重みの fitting も不要だ。

  3. NVIDIAのオープンモデルが欧州公共部門の新たなプロジェクトを後押し

    NVIDIAは欧州各国政府やパートナーと公共部門のAIプロジェクトを推進する。欧州委員会はdeepsetのHaystack Enterprise Platformを基盤にAI@ECを拡張し、ポーランドはNVIDIA DGX BasePODとMONAIで医用画像プラットフォームを構築、ドイツのMaternaはオンプレミス型プラットフォームSinfonieを発表した。

  4. NVIDIAが欧州小売をどう変えるか:デジタル発見から実店舗運営まで

    NVIDIAはオープンモデルとフィジカルインテリジェンスで欧州の小売を変革している。ShopifyはNVIDIA Nemotron 3.5 LightningをポストトレーニングしてGraphQLサブエージェントを構築し、社内ベンチマークで主要なフロンティアモデルを上回る精度を達成、サービスコストを90%削減し、応答速度を7倍にした。

  5. 欧州の金融機関、NVIDIAの高速計算とオープンウェイトモデルで独自インテリジェンスを構築

    RevolutはNVIDIAの高速計算を基盤に、単一の基盤モデルPRAGMAで技術スタックを再構築している。Blackwell Ultra GPU上でcuDFとDynamo-Tritonを用いて本番展開を拡大し、当初は8000万人の顧客にサービスを提供、3倍の拡張に対応できる設計だ。

  6. マルチエージェントシステムの5つの本番課題とDeep Insightの解決策

    AWSソリューションアーキテクチャチームがマルチエージェントシステムDeep Insightをオープンソース化した。Coordinator、Planner、Supervisor、Coder、Validator、Reporter、Trackerなどのエージェントが、CSVデータ分析から引用付きDOCXレポートの自動生成までを担う。

  7. AWS PrivateLink で Amazon Quick の企業内ネットワークへのプライベートアクセスを実現する方法

    AWS は、AWS PrivateLink の VPC エンドポイントと Quick の VPC 接続を通じて、Amazon Quick がパブリックインターネットを経由せずに企業ファイアウォール背後のオンプレミスデータソースへアクセスできるようにする構成を公開した。

  8. U.S. Hunger、Amazon Quickで経営陣とデータをつなぐ

    米国の非営利団体U.S. HungerはAmazon Quickを活用し、経営陣が組織のデータを直接探索できるようにした。SQL Serverのデータは毎晩2時にSPICEインメモリエンジンへ更新される。Quick Spacesは経営チームに共有のKPI定義、財務文書、分析スペースを提供し、現在17名の同僚がアクセス権を持ち、経営幹部、技術、Full Cartプロジェクト、財務、コンプライアンスなどの職能をカバーしている。

  9. Strands Agents ベースの適応型エージェントフレームワーク AAIF、ローカル SLM でリクエストを振り分け、複雑なタスクは Amazon Bedrock へ

    Strands Agents で構築した Adaptive Agentic Intelligence Framework(AAIF)は、llama3.2:1b をオーケストレーション層としてリクエストを分類し、定型タスクは Ollama のローカル SLM で処理、複雑な分析は boto3 経由で Amazon Bedrock にルーティングする。

  10. OpenAI、フロンティアAIの民主的ガバナンス第2部を提示:サイバー防御者を支援

    OpenAIはフロンティアAIの民主的ガバナンスに関するシリーズ第2部を公開し、フロンティアAI、より強固な保護措置、サイバーセキュリティの近代化、レジリエンスの高い公共機関を通じてサイバー防御者を支援することを提唱した。このブループリントは、防御側がフロンティアAIの能力を活用できるようにすると同時に、より厳格な保護メカニズムとサイバーセキュリティ近代化の取り組みを整備することに焦点を当てている。