Databricksにおける生成AIアプリの紹介

Mosaic AI は、検索拡張生成 (RAG) チャットボットからツール呼び出しエージェントまで、単純な GenAI アプリケーションと複雑な GenAI アプリケーションの両方をサポートします。このユーザー ガイドでは、Databricks 上の GenAI アプリとエージェント システムの背後にある主要な概念について説明し、GenAI アプリの構築、評価、スケーリングに関するガイダンスを提供します。

• • 始める: ノーコード GenAI
  • UI ベースのテストとプロトタイピングには AI Playground をお試しください。
• • MLflow 3 入門: GenAI 向け
  • GenAI のトレース、評価、および人間によるフィードバックには MLflow をお試しください。
• • コンセプト: Databricks 上の GenAI
  • GenAI モデル、エージェント、ツール、アプリについて学びます。
• • プラットフォーム: GenAIの主な機能
  • Databricks 上の GenAI の主な機能の詳細をご覧ください。

GenAIアプリの構築を始める

Databricks で UI ベースおよびコード ベースの GenAI を試してみてください。

チュートリアル	説明
始めましょう: コードなしで LLM をクエリし、AI エージェントのプロトタイプを作成する	UI ベースのテストとプロトタイピングのためのAI Playgroundについて詳しく学びます。
MLflow 3 入門: GenAI 向け	GenAI のトレース、評価、および人間によるフィードバックには MLflowをお試しください。
DatabricksでLLMのクエリを使い始める	コードを使用して GenAI モデルをクエリするには、基盤モデルAPIsを使用します。

GenAIの概念を学ぶ

モデル、エージェント、ツール、アプリなどの GenAI の基本的な概念を理解します。

ガイド	説明
コンセプト: DatabricksでのAIの生成	GenAI モデル、エージェント、ツール、アプリについて学びます。
生成AIアプリの構築における主な課題	GenAI の主な課題と、Databricks がそれらにどのように対処するかについて学びます。
エージェントシステムの設計パターン	単純なチェーンから複雑なマルチエージェント システムまで、エージェント設計のオプションとトレードオフについて学習します。

Databricks の機能を使用して GenAI アプリを構築する

ノーコードまたはローコードのアプローチの場合は、まず次の点を理解してください。

機能	説明
Agent Bricks	一般的なユースケース向けに、ドメイン固有の高品質 AI エージェント システムを構築および最適化します。
AI Playground	GenAI モデルとエージェントをクエリし、プロンプト エンジニアリングを実行し、UI でツール呼び出しエージェントのプロトタイプを作成します。
AI関数	AI タスク用の組み込み SQL 関数を呼び出します。

コードファーストのアプローチでは、まず次の点を理解してください。

機能	説明
生成AI向けMLflow	トレースと可観測性、評価とモニタリングにはMLflow使用します。
モデルサービングの基盤モデル	Databricksでホストされる基盤モデルAPIsや外部モデルなどの GenAI モデル エンドポイントを使用します。
Vector Search	RAG およびその他のエージェント システムのベクトル インデックスを作成し、クエリを実行します。
モザイク AI エージェントフレームワーク	コードを使用して AI エージェントを構築および展開します。
AIゲートウェイ	GenAI モデルとエンドポイントへのアクセスを管理および監視します。

より詳細なリストについては、 GenAI の Mosaic AI 機能を参照してください。

一般的な知能とデータ知能

• 汎用知能 とは、多様なテキストに対する広範な事前トレーニングから LLM が本質的に知っていることを指します。これは言語の流暢さと一般的な推論に役立ちます。
• データ インテリジェンスとは、組織のドメイン固有のデータとAPIs指します。 これには、顧客記録、製品情報、ナレッジ ベース、独自のビジネス環境を反映するドキュメントなどが含まれる場合があります。

エージェント システムはLLMこれら 2 つの知識ソースを融合します。LLM の広範で一般的な知識から始まり、次に、お金またはドメイン固有のデータを取り込んで、詳細な質問に答えたり、特殊なアクションを実行したりします。 Databricks を使用すると、あらゆるレベルで GenAI アプリにデータ インテリジェンスを埋め込むことができます。

• ベクトルインデックスやGenieなどのデータソース

• エージェント（カスタムエージェント設計とAgent Bricksからの自動設計の両方を含む）

• 評価データとメトリクス

• 評価データに基づく迅速な最適化

• モデルのファインチューニング (カスタムファインチューニングとAgent Bricksによる自動チューニングの両方を含む)

GenAI vs. ML vs. ディープラーニング

生成型人工知能 (GenAI)、機械学習 (ML)、ディープラーニング (DL) 間の境界は曖昧になることがあります。このガイドは GenAI に焦点を当てていますが、次のDatabricksプラットフォーム機能はML 、ディープラーニング、および GenAI をサポートしています。

• モデルサービングは、ML、ディープラーニング、GenAI モデルをサポートします。これをGenAI バッチ推論に使用したり、カスタム モデルサービングを使用してエージェントや微調整されたモデルを展開したりするために使用できます。

• サーバーレス GPU コンピュートと機械学習用の GPU 対応Databricks Runtime使用して、 ML 、ディープラーニング、GenAI モデルをトレーニングしたり微調整したりできます。

• MLflowエクスペリメント追跡は、クラシックMLと GenAI エクスペリメントおよび実行の両方を追跡するために使用できます。

• Databricks Feature Store は、従来の ML と GenAI の両方の構造化データを管理および提供するために使用できます。