Google Cloud Next'24 にて Google Cloudの生成 AI エコシステムはなぜ良いのか？について発表しました｜吉田 拓真 / スリーシェイク
Google Cloud Next'24 にて Google Cloudの生成 AI エコシステムはなぜ良いのか？について発表しました Google Cloud Next'24のJapan Sessionにて、生成AIがエンジニアリングだけでなく、エンジニアリングがコアになるビジネス（SIer, ISVベンダー,SaaSベンダー）自体をどう変えていくのかについて登壇してきましたので、その話をしたいと思います。 生成AIはエンジニア不足を解消し、新しいビジネスモデルを提供する生成AIは予想以上に我々の日々の業務を変えようとしています。 例えばGemini単体だけでなく、Gemini Code AssistやGemini in Databasesなどを併用していくことで少人数で複雑なプロジェクトを短期間で回してく体制を構築し、更に早期にエンジニアを育成していくスキームが構築することができますね
Vertex AI Searchで外部Webサイトから要約回答を生成するRAGを構築してみた - G-gen Tech Blog
G-gen 又吉です。当記事では、LangChain と Vertex AI Search で Google Cloud 公式ドキュメントから回答を生成する LLM を構築してみたいと思います。 はじめに Vertex AI Search and Conversation とは LangChain とは 今回の構成 環境構築 API の有効化 Vertex AI Search データストア アプリ 実行環境 初期設定 ライブラリインストール ユーティリティ関数 モデルの初期化 Vertex AI Search 関数 テキスト分割関数 RAG を実行する関数 実行 はじめに Vertex AI Search and Conversation とは Vertex AI Search and Conversation とは、Google の生成 AI 技術を簡単に利用するためのフルマネージドの
日本特殊陶業 : 生成 AI とBigQuery を駆使して構築する効率的な統合データ基盤 - Vertex AI による SQL 記述支援 | Google Cloud 公式ブログ
日本特殊陶業 : 生成 AI とBigQuery を駆使して構築する効率的な統合データ基盤 - Vertex AI による SQL 記述支援 Niterra グループ 日本特殊陶業株式会社（以下、日本特殊陶業）はスパークプラグをはじめとした内燃機関用関連商品、並びにニューセラミック商品の製造および販売を手がける、国際的な総合セラミックスメーカーです。 同社は、これまでも Google Cloud を有効活用されてきましたが、より優れたサービス提供を目指し、 BigQuery を中心とした統合データ基盤を同社内で展開しました。この統合データ基盤を、よりユーザーに有効活用してもらうため、生成AIによる SQL の記述支援を実現しています。 今回は日本特殊陶業グローバル戦略本部 DX 戦略室の寺嶋拓弥氏からのお話を伺い、その取り組みと成果について詳しくご紹介いたします。 利用している Googl
生成AIでチャットボットを作るときの具体的なコツ (PaLM 2/chat-bison) - G-gen Tech Blog
G-gen タナです。Google Cloud (旧称 GCP) の生成 AI チャットモデルである PaLM 2 の chat-bison モデルを使い、運用を考慮に入れたチャットツールを作成してみましたのでご紹介します。 はじめに 前提知識 Vertex AI PaLM API サンプルコード (Python) ステートフルとステートレス 運用化のポイント ポイント1: チャットボットをステートレスにする 課題 解決策 運用性の検証 応用 ポイント2: 回答スタイルを指定 概要 やり方 動作確認 トラブルシューティング 初期設定 ロジック適用 FastAPI を App Engine でデプロイ PaLM 2 の chat-bisonモデルの運用化のコツ はじめに 先日、「Googleの生成AI、PaLM 2をSlack連携して社内ツールとして導入してみた」というブログ記事で、PaLM
Vertex AI Search (旧称 Gen App Builder の Enterprise Search) の日本語版を試してみた
<span class=\"biz-smb-fs-p1\"><b>クラウドエンジニア<br>\r\n 姜 春花</b></span></p>\r\n<p>ソフトバンクのクラウドエンジニアとしてGoogle Cloudを担当しています。</p>\r\n<p> </p>\r\n"}}" id="text-f04a30c685" class="cmp-text"> クラウドエンジニア 姜 春花 ソフトバンクのクラウドエンジニアとしてGoogle Cloudを担当しています。 「Google」とのキーワードを聞くと何をイメージしますか？</p>\r\n<p>多くの方は、「Google検索」をすぐ思い出すと思います。皆さんのイメージ通り、Google は検索会社と言っても過言ではないほど、世の中にとても便利な検索ツールを提供して多くの人をさまざまな形で支えています。<br>\r\n<br>
Vertex AI PipelinesのTips | フューチャー技術ブログ
はじめにこんにちは、フューチャーでアルバイトをしている平野です。今回は、Vertex AI Pipelinesを利用してみて分かったTipsについて、いくつかピックアップしてまとめました。なお、コードは全てPython・Kubeflowを用いた場合を記載しています。 前提知識Vertex AI Pipelinesとは、GCP上でMLパイプライン機能を提供するサービスです。サーバーレス方式でMLワークフローをオーケストレートします。 基本的な使い方などについては様々なドキュメントがあるので今回は省略しますが、主には以下の公式ドキュメントを参考にしました。 Vertex AI のドキュメント 公式のドキュメントです。Vertex AIの概要、チュートリアル、コードサンプルなどがまとめられています。 Kubeflowのドキュメント Vertex AI Pipelinesを使う際に参照することにな
Vertex AI の概要 | Google Cloud
フィードバックを送信 Vertex AI の概要 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 Vertex AI は、ML モデルと AI アプリケーションのトレーニングとデプロイを行い、AI を活用したアプリケーションで使用する大規模言語モデル（LLM）をカスタマイズできる機械学習（ML）プラットフォームです。Vertex AI は、データ エンジニアリング、データ サイエンス、ML エンジニアリングのワークフローを統合し、チームによる共通のツールセットを使用したコラボレーション、Google Cloud のメリットを利用したアプリケーションのスケーリングを実現します。 Vertex AI には、モデルのトレーニングとデプロイのオプションが複数用意されています。 AutoML を使用すると、コードの記述やデータ分割の準備を行わずに、表形式、画像、テキ
Google CloudのAI/ML開発プラットフォームVertex AIは結局何ができるのか | DevelopersIO
データアナリティクス事業本部 インテグレーション部 機械学習チームの貞松です。 先日のGoogle Cloud Next'23の熱も冷めやらぬ中、Google CloudのAI/MLサービスについてのキャッチアップを進めている今日この頃です。 今回はGoogle Cloud上でのAI/ML開発プラットフォームであるVertex AIについて整理していきます。 クラウドサービス全般的にありがちな話ですが、機能単位でのユーザーガイドやリファレンスを見て、結局のところ何ができるのかわからないケースもあるのではないでしょうか。特にVertex AIは利用可能な機能が多岐に渡っているので、全体像を把握するのが難しい面もあります。 本記事では、AI/ML開発で必要な要素について、Vertex AIでできることを起点として、それに対応する機能を逆引き的に紹介していきます。 Vertex AIでできること
Vertex AI Matching Engineの検索速度を試す | Wantedly Engineer Blog
バックエンドエンジニアの@nasaです。Google Cloudの近似最近傍探索サービスのVertex AI Matching Engineを試したのでその話を書こうと思います。 Vertex AI Matching Engine(以下Matching Engine)の自体の説明はしないつもりなので詳しく知りたい人は公式ブログを見てみてください〜 本記事ではMatching Engineのindex作成速度、検索速度について書こうと思います。 TL;DR768次元ベクトル10万件でのindex作成は50分ほどデプロイは5分ほど。ただしindex作成からしばらくたってデプロイすると50分ほど(おそらくindexを再構築している)1万件取得する際の検索速度は12msほど検索までのオーバーヘッドはあるものの検索自体は爆速で終わりますね。取得件数が多くても問題なく捌けているので大規模な検索にも使え
Vertex AI Search and Conversationが一般提供されたので触ってみました【Conversation編】
「新しいアプリ」を押すと以下のようにSearchやConversationを選ぶ画面になります。 今回はConversationですので、「チャット」を選択します。 何やら、Agentの設定画面になりました。 どうやらチャットを作るためにエージェントの名前等を決めるようですね。 会社名を埋め、「続行」に進みます。 データストアでは今回用にバケットを作っていきたいと思います。 「CREATE NEW DATA STORE」に進みます。 今回は弊社のリクルートサイトよりデータを取得し、構造化されたデータを使用したデータストアを作っていこうと思います。 「Cloud Storage」を選択していきます。 以下でバケットを選べる画面になるので、「参照」を押して進みます。 「＋」を押して、バケットを作成する画面に進みます。 バケット情報は以下のように入力しました。 バケット作成後、ＣＳＶデータをバケ
Vertex AI Matching Engine: フルマネージドで利用する Google のベクトル検索
はじめに 本記事では Vertex AI Matching Engine とは何かを簡単に説明して、使い始めるための手順を説明します。本記事の目的は、ベクトル検索を実現するために Matching Engine を使えるようになってもらうことです。 記事全体を理解するためにはある程度のクラウドやプログラミングの知識が必要です 必要に応じて補足したり、リンクしたりしています Matching Engine の背景にある論文等の解説はしません 使い始めるための手順の中でいくつか選択肢があるとき、今後主流になりそうな選択肢の手順のみを説明します とにかくまずは使ってみたいという方は、Vertex AI Matching Engine を使ってみるまで読み飛ばすか、次のチュートリアルを実施してください。 ベクトル検索で何ができるの？ 昨今ではテキスト、画像、ユーザー行動など様々なものを機械学習モデ
Vertex AI Search and Conversationを徹底解説！ - G-gen Tech Blog
G-gen の杉村です。当記事では Google の生成 AI 技術を簡単に利用できる Vertex AI Search and Conversation を解説します。 概要 Vertex AI Search and Conversation とは ユースケース 社内検索エンジン 顧客対応補助 RAG の実現 料金 Vertex AI Conversation Vertex AI Conversation とは 対応言語 デプロイ Vertex AI Search Vertex AI Search とは 対応言語 サードパーティ製品との接続 オートコンプリート スニペットと抽出コンテンツ 検索結果の要約 フォローアップ検索 ウェブサイトへのウィジェット追加 分析 アプリのオプション Enterprise edition features Advanced LLM features 機能と
新しいモデルやツールを盛り込んだ Vertex AI、エンタープライズ向け生成 AI の開発を拡張 | Google Cloud 公式ブログ
※この投稿は米国時間 2023 年 8 月 30 日に、Google Cloud blog に投稿されたものの抄訳です。 6 か月弱前に Vertex AI での生成 AI のサポートについて発表して以来、さまざまな業種のお客様による革新的なユースケースを目にしますが、感激すると同時に、身の引き締まる思いもいたします。たとえば、GE Appliances によるユーザーアプリ SmartHQ を使用すると、自宅の台所にある食材を使ってカスタムレシピを生成できます。また、起業したてのユニコーン企業である Typeface は、顧客組織が AI を活かして魅力的なブランド ストーリーを作成できるように支援しています。強力な需要のもと、Vertex AI の顧客アカウント数は前四半期の 15 倍以上に増加しています。 このたび、Google Cloud Next において、Vertex AI の
pgvector、LLM、LangChain を使用して Google Cloud データベースで AI 搭載アプリを構築する | Google Cloud 公式ブログ
postgres=> CREATE TABLE embeddings( id INTEGER, embedding vector(3) ); CREATE TABLE postgres=> INSERT INTO embeddings VALUES (1, '[1, 0, -1]'), (2, '[1, 1, 1]'), (3, '[1, 1, 50]'); INSERT 0 3 pgvector の新しい類似性検索演算子pgvector 拡張機能では、ベクトルに対して類似性のマッチングを行うための新しい演算子も導入されており、意味的に似ているベクトルを見つけることができます。このような演算子には次の 2 つがあります。 ‘<->’: 2 つのベクトル間のユークリッド距離を返します。ユークリッド距離は、ベクトルの大きさが重要なアプリケーション、たとえばマッピングやナビゲーション アプリケー
機械学習 カテゴリーの記事一覧 - ZOZO TECH BLOG
こんにちは。検索基盤部の山﨑です。検索基盤部では、ZOZOTOWNの検索機能の改善を目的とした施策の有効性をA/Bテストで検証しています。 A/Bテストは、新たな施策の有効性を評価する手法として信頼性の高い手法ではあるものの、下記のような制約があります。…
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Vertex AI を使用した RAG 対応生成 AI アプリケーション用インフラストラクチャ | Cloud アーキテクチャ センター | Google Cloud
Price Optimization Using Vertex AI Forecast | Google Cloud Blog
Introduction to Vertex AI Experiments | Google Cloud
グーグル・クラウド、生成AI関連を中心にGoogle Cloud Next '23の発表内容を日本向けに説明
What is Vertex AI Search and Conversation? | Google Cloud