18 分AWS re:Invent 2025:マルチエージェントAIへのHuman-in-the-Loop制御の実装(CNS428)
問題発生後の非公式な手動レビューではなく、明示的なワークフローチェックポイントとして承認ゲートを実装する方法を確認できます。
Andrej Karpathy. LLMの実体を、事前学習、トークン化、SFT、RLHF、推論RL、ツール利用、ハルシネーションまで、モデルのトレードオフを判断するためにエンジニアが必要とする詳しさで一貫して説明した、YouTube上で最も明快な動画です。一度視聴すれば、記事で扱う「GPTクラスか、オープンウェイトか、推論モデルか」という判断を、ブランド選びではなく学習レシピの選択として捉えられるようになります。
モデル名、価格、機能は急速に変化します。この動画では判断のパターンを学び、採用前に現行モデルの挙動を確認してください。
トークン、学習、ツール、障害について判断できる水準まで、現代のLLMスタックを理解できます。
エンジニアリングの経験があると理解しやすくなります。機械学習の前提知識は不要ですが、3時間半の視聴時間を確保してください。
最終確認日:2026年5月18日
同じ学習パスで次のキュレーション済みの補完動画を続けて視聴してください。
18 分問題発生後の非公式な手動レビューではなく、明示的なワークフローチェックポイントとして承認ゲートを実装する方法を確認できます。
4 分多言語埋め込みがプライベートな社内検索に重要な理由と、ローカル検索によってデータ漏えいリスクを軽減できる場面を理解できます。
17 分生成された変更を小さく、テスト済みで、責任の所在が明確な状態に保つため、レビュー境界を明示したマルチエージェント型コーディングワークフローを構築できます。
このトピックについてさらに詳しく学べる、厳選された外部コースです。
Andrew Ng
LLMを実際に使いながら、意図を持ってプロンプトを作成する方法と、生成AIが本当に役立つ場面と落とし穴になる場面を見分ける方法を学べます。誇張のない落ち着いた指導で、「ChatGPTを一度試したことがある」段階から「毎日自信を持って使う」段階へ進むのに最適な橋渡しとなる講座です。
Antje Barth · Shelbee Eigenbrode · Mike Chambers · Chris Fregly
実務家から「LLMを使った開発に本格的に取り組むなら、どの講座を受けるべきか」と聞かれたときの答えが、この講座です。研究論文のように難解ではありませんが、数理的な説明に妥協はありません。AWS寄りのデプロイメントの章も、SageMakerを使う予定がなくても役立ちます。
Google Cloud
Google's own answer to 'what is generative AI, actually' — the non-technical counterpart to Elements of AI, aimed explicitly at sales, HR, marketing, and operations roles rather than engineers. Forty-five minutes to a real mental model of how generative AI differs from classic machine learning, with no code and no jargon.