Google Cloud で生成 AI アプリケーションを構築する
Google Cloud では、エンタープライズ クラスのスケーリング、セキュリティ、オブザーバビリティを備えた生成 AI アプリケーションの構築に使用できる、さまざまなプロダクトとツールを提供しています。
このページでは、生成 AI アプリケーションの開発段階、ユースケースに最適なプロダクトとツールを選択する方法、最初に必要なドキュメントについて説明します。
生成 AI 開発の基礎を学ぶ
生成 AI と従来の AI の使い分け
生成 AI アプリケーション開発の概要
生成 AI アプリケーションのインフラストラクチャを選択する
生成 AI アプリケーションの構築に最適なプロダクト、フレームワーク、ツールについて説明します。クラウドでホストされる生成 AI アプリケーションの一般的なコンポーネントには、次のようなものがあります。
- アプリケーション ホスティング: アプリケーションをホストするコンピューティング。アプリケーションは、Google Cloud のクライアント ライブラリと SDK を使用して、さまざまな Cloud プロダクトと通信できます。
- モデル ホスティング: 生成モデルのスケーラブルで安全なホスティング。
- モデル: テキスト、チャット、画像、コード、エンベディング、マルチモーダルの生成モデル。
- グラウンディング ソリューション: 検証可能な最新の情報源とモデルの出力を関連付けます。
- データベース: アプリケーションのデータを保存します。SQL クエリによってプロンプトを拡張したり、pgvector などの拡張機能を使用してデータをベクトル エンベディングとして保存することで、既存のデータベースをグラウンディング ソリューションとして再利用できます。
- ストレージ: 画像、動画、静的ウェブ フロントエンドなどのファイルを保存します。ストレージを未加工のグラウンディング データ(PDF など)として使用することもできます。このデータを後でエンベディングに変換し、ベクトル データベースに保存します。
以降のセクションでは、これらの各コンポーネントについて説明します。この情報を参考にして、試してみる Google Cloud プロダクトを選択してください。
アプリケーション ホスティング インフラストラクチャ
![アプリケーション ホスティングに適したサービスの選択をユーザーに示すディシジョン ツリー。](https://cloud.google.com/static/docs/ai-ml/generative-ai/images/decision-app-hosting.png?authuser=8&hl=ja)
以下を使用できます。
モデル ホスティング インフラストラクチャ
以下を使用できます。
モデル
以下を使用できます。
- Gemini
- Codey
- Imagen
- テキスト エンベディング
- Vertex AI Model Garden(オープンソース モデル)
- HuggingFace Model Hub(オープンソース モデル)
グラウンディング
モデルから裏付けのある正確なレスポンスを取得するには、生成 AI アプリケーションをリアルタイム データでグラウンディングすることをおすすめします。これは、検索拡張生成(RAG)と呼ばれます。
ベクトル データベースの独自のデータでグラウンディングを実装できます。これは、類似性検索などのオペレーションに最適な形式です。Google Cloud は、さまざまなユースケースに対応する複数のベクトル データベース ソリューションを提供しています。
注: Cloud SQL や Firestore などの既存のデータベースにクエリを実行し、モデルのプロンプトで結果を使用することで、従来の(ベクトル以外の)データベースをグラウンディングに使用できます。
以下を使用できます。
- Vertex AI Agent Builder(旧称 Enterprise Search、Gen AI App Builder、Discovery Engine)
- ベクトル検索(旧称 Matching Engine)
- AlloyDB for PostgreSQL
- Cloud SQL
- BigQuery
API によるグラウンディング
Vertex AI Extensions(限定公開プレビュー)
Vertex AI のグラウンディング
構築を開始する
開発環境を設定する
Google Cloud CLI をインストールする
IDE に Cloud Code 拡張機能をインストールする
認証を設定する
LangChain を設定する
プロンプトを設計してモデルを評価する
プロンプト設計の概要
Vertex AI Studio
生成 AI プロンプト サンプル
Vertex AI の生成モデルを使用したアイディエーション
コードサンプル
ウェブ chatbot: Google ストアに関する質問に回答する
Vertex AI Agent Builder と Firebase を使用して、ウェブベースの質問応答 chatbot を作成する方法について説明します。
Eventarc と Vertex AI を使用した Chat アプリ
Vertex AI で事前トレーニング済みの基盤モデルを呼び出すシンプルな Python Flask アプリケーションを構築する方法について説明します。
Gemini でマーケティング キャンペーンを生成する
Vertex AI の Gemini、Cloud Run、Streamlit を使用して、マーケティング キャンペーンのアイデアを生成するためのウェブアプリを構築します。
「The Practitioner's Guide to MLOps」を使用した質問応答アプリ
Vertex AI Search と LangChain を使用して、モデルのプロンプトを検証可能な知識ソースに根拠づける方法について説明します(Google Cloud ホワイトペーパー)。
Weather API Request Helper: Gemini を使用した関数呼び出し
LLM を使用してリクエスト本文に挿入し、その内容を外部 API に送信する関数呼び出しの実装方法について説明します。
アーキテクチャのガイダンスとジャンプ スタート ソリューション
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
このリファレンス アーキテクチャを使用して、Vertex AI と AlloyDB for PostgreSQL を使用した検索拡張生成(RAG)対応の生成 AI アプリケーションを実行するためのインフラストラクチャを設計します。
GKE を使用した RAG 対応生成 AI アプリケーション用のインフラストラクチャ
このリファレンス アーキテクチャを使用して、GKE、Cloud SQL、および Ray、Hugging Face、LangChain などのオープンソース ツールを使用した、検索拡張生成(RAG)対応の生成 AI アプリケーションを実行するインフラストラクチャを設計します。
Google Cloud で AI / ML ワークロードのストレージを設計する
このドキュメントでは、主要な AI ワークロードと ML ワークロード向けに Google Cloud が備えるさまざまなストレージ オプションをどのように使用し、統合するかについての設計ガイダンスを提供します。
ジャンプ スタート ソリューション: ドキュメントの要約
Vertex AI を使用して長いドキュメントをワンクリックで要約するサンプル アプリケーションをデプロイします。
ジャンプ スタート ソリューション: Cloud SQL を使用する生成 AI の RAG
Cloud SQL に保存されたベクトル エンベディングを使用して、チャット アプリケーションからの応答の精度を向上させるワンクリック サンプル アプリケーションをデプロイします。
ジャンプ スタート ソリューション: 生成 AI ナレッジベース
一連のドキュメントから質問と回答のペアを抽出するワンクリック サンプル アプリケーションと、ドキュメントがアップロードされたときにアプリケーションをトリガーするパイプラインをデプロイします。