Category: Artificial Intelligence

製造業の設計領域における生成 AI 活用の可能性と限界について「身体性」の概念から考察します。AI の特性を理解し、適材適所で活用することで、製造業の生産性向上に貢献できるでしょう。

製造業の設計領域における生成 AI 活用の可能性と限界について「身体性」の概念から考察します。AI の特性を理解し、適材適所で活用することで、製造業の生産性向上に貢献できるでしょう。

2025 年 3 月の国際女性デー (IWD) を祝うにあたり、私は 3 月 17 日週末、深圳で「Women […]

3 月 14 日に開催された第 5 回 AWS Pi Day に参加してくださった皆様、ありがとうございました […]

北半球の天候が良くなるにつれて、学びやつながりの機会が増えます。3 月 10 日週、私はサンフランシスコにいま […]

製造業における「モノ」と「コト」の融合事例として注目される岩崎電気様の取り組み。80年以上の歴史を持つ照明専門メーカーが、 AWS の生成AIサービス「 Amazon Bedrock 」を活用して道路冠水自動検知システムを開発しました。従来は専用センサーが必要だった冠水検知を、カメラ付き照明と生成 AI の組み合わせで実現。監視員の労力を80%削減し、24時間リアルタイム監視を可能にしています。企画から約2ヶ月という短期間でプロトタイプを完成させ、 GenU を用いた効率的な検証とコスト効率を考慮した AI モデルの使い分けが成功要因となりました。暗所でも照明との一体化により鮮明な画像で冠水検知が可能になり、今後は検知対象を火災や交通事故にも拡大する計画で、生成 AI 活用による製品開発の可能性を広げています。

この投稿は、JR東日本、ドイツ鉄道、JEISが、車両外観検査の画像にAIを活用する取り組みについて紹介したものです。従来の手法の課題を克服するため、大規模マルチモーダルAIを用いた異常画像検知システムの実現可能性を検証しました。

このブログ記事では、売上予測を例にテスト用に作成した合成データを使って Chronos を Amazon SageMaker Pipeline に統合するプロセスを案内します。これにより、最小限のデータで正確かつ効率的な予測が可能になります。ファインチューニングからデプロイメントまでの全ワークフローをオーケストレーションする機能の使い方を学びます。この解説を通じて、開発プロセスを合理化し、Chronos をあらゆる時系列データに適用して、予測アプローチを変革する準備が整います。

【サンブリッジ様の生成AI活用事例】
わずか 2 週間で Amazon Bedrock と Kendra を活用した社内AIチャットボットを構築し、1 週間で約 29 時間の業務時間削減を実現。
Slack との連携で問い合わせを集約し、分散していた社内ドキュメントへのアクセス問題を解決した先進的な取り組みをご紹介します。

このブログでは、独立系ソフトウェアベンダー (ISV) 、医療提供者、および保険支払機関が、一般に公開されている人工的に生成されたデータセットを使用して、AWS Entity Resolution を活用して関連する患者レコードを特定、およびマッチングする方法をデモンストレーションします。