構造化された日付欄と明文化した期限ルールから、請求書の期限超過を判定する処理がある。日付の意味、タイムゾーン、欠損時の扱いも定義済みである。
別の処理では多様な言い回しの問い合わせを分類する。確認済み事例を用意し、ルールによる方法と機械学習を使う方法を、品質・費用・保守の観点で比較する。
この要件に対する説明として適切なものを2つ選べ。
明確な固定条件は決定的な処理で満たせる場合がある。多様な文章の分類では機械学習を候補として比較するが、すべての規則ベースの仕組みがAIの範囲外とは説明しない。
詳細解説
何を正しい期限超過とするかは依然として必要である。モデルを選んでも、入力の意味や例外条件は消えない。
AIには記号や論理規則を扱うアプローチもある。機械学習を使わないことを、AI全般に属さないという断定へ広げない。
規則の数だけでは比較結果は決まらない。代表事例での品質、誤りへの対応、費用、保守負担を含めて評価する。
パターンを学ぶ方法が役立つ可能性はあるが、採用前に実際の目的に合う品質と費用を比較する。
既に定義した比較規則を適用できる。予測モデルを追加すること自体ではなく、必要な結果を正しく得られるかで判断する。
公式資料で確認する
以下の項目を公式資料の記述と照合して確認します。
AIF-C01 Task1.2のAI/MLが適さない場合と費用対効果の項目、AWSのsymbolic AIの説明を照合する。架空の日付比較と問い合わせ分類について、規則・必要な正解・比較基準を整理する。
参考にした公式資料
確認できる内容
固定条件の処理へ機械学習を追加すべきとは限らないと説明できる。規則を使う仕組みが全てAIの範囲外という断定を避け、分類の採用判断には品質と費用の比較が必要と分かる。
理解のポイント
- 固定条件
- 機械学習の用途
- 記号的AI
- 比較と費用
確認時の注意
- 確認環境: 現行AIF-C01の該当Taskと関連するAWS一次資料の確認。架空の例で概念を比較し、実モデルの訓練・推論は行わない。
- AWS公式ドキュメントで、対象サービスが提供する機能と前提条件を確認する。
- モデル、データ、アプリケーション、利用者の責任分界を混同しない。
基礎のおさらい
固定条件を予測へ置き換える必要を確かめる
定義済みの日付比較を実行することと、過去の例から結果を推定することは異なる。明確な結果を求める処理には、予測を使わずに要件を満たす方法も検討する。
AIと機械学習を同一視しない
記号や規則を使うAIのアプローチもある。一方、あらゆる日付比較や自動化をAIと呼ぶ必要もない。名称よりも、どの処理が要件に必要かを説明する。
比較の基準をそろえる
問い合わせ分類は代表例、言い換え、例外を含めて品質を確認する。学習を使うことや規則の多さだけで採用を決めず、保守・費用・誤りへの対応を同じ条件で比較する。