[AI モデルを要求] フォーム

  • リリースバージョン: Australia
  • 更新日 2026年03月12日
  • 所要時間：4分

    • [AI モデルを要求] フォームは、AI モデルを開発または調達するための要求プロセスを簡素化するように設計されています。この問診票フォームでは、承認プロセスを進める前に、必要なすべての詳細、補足ドキュメント、およびコンプライアンスに関する考慮事項がキャプチャされていることを確認します。

    フィールド値の説明については、次の表を参照してください。

    表 : 1. [AI モデルを要求] フォーム
    フィールド 説明
    詳細
    名前 AI モデルの一意の名前。たとえば、 ServiceNow Now LLM 1.0 です。
    状況 AI モデルのステータスがドラフト、開発中、または展開済みのいずれであるかを示します。状況の詳細については、「AI asset lifecycle」を参照してください。
    バージョン AI モデルのバージョン番号。例:v1.0。
    説明 AI システム、そのコア機能、および使用目的の簡単な説明。たとえば、 ServiceNow 大規模言語モデル (LLM) は、 ServiceNow プラットフォーム内の会話機能を強化し、ワークフローを自動化するように設計された高度な AI 主導型ソリューションです。自然言語処理を活用して、ユーザーのインタラクションを改善し、サービスデリバリを合理化し、インテリジェントなインサイトを提供し、最終的に企業の運用効率を向上させます。
    所有権
    プロバイダー AI モデルの提供を担当する組織。ServiceNow など。
    管理担当者 AI モデルの管理を担当するユーザー。
    サードパーティモデル
    モデルカード AI モデルの目的、アーキテクチャ、パフォーマンス、透明性のための倫理的考慮事項に関する詳細なドキュメント。
    モデルの重み情報 追加のモデル情報 (利用可能な場合)。たとえば、重み付けとバイアスプロジェクトを参照してください。
    注:
    この情報は、主に組織内で開発された AI モデルに適用されます。
    サポートされている言語 AI モデルでサポートされている言語。たとえば、英語、フランス語、イタリア語、ドイツ語、スペイン語などです。
    ベースモデル プライマリ AI モデルに関連するベースモデル。ベースモデルは、大規模なデータセットで事前にトレーニングされた基本的な AI モデルであり、特定のユースケースに合わせてさらに微調整できます。これらのモデルは、ドメイン固有のデータと要件に適応させることで、特殊な AI モデルを開発するための開始点として機能します。例:Mixtral。
    注:
    基本モデルは、組織内で開発された AI モデルにのみ適用されます。
    トレーニング手順 AI モデルのトレーニングに使用される手順。オプションは次のとおりです。
    • ディシジョンツリー:意思決定に使用されるツリー状のモデルで、各ノードが条件を表し、分岐が結果につながります。分類および回帰タスクに広く使用されています。
    • 半教師あり学習:少量のラベル付きデータと大量のラベルなしデータを組み合わせて学習効率を向上させる機械学習アプローチ。
    • 命令の分割: AI モデルがタスク固有の指示でトレーニングされ、人間のようなコマンドに従う能力を向上させるプロセス。
    • Supervised Finetuning: 事前トレーニング済みモデルをラベル付きデータでさらにトレーニングして、特定のタスクのパフォーマンスを向上させる手法。
    • ディープニューラルネットワーク:ディープラーニングで使用される、データの複雑なパターンを学習できる相互接続されたニューロンの複数のレイヤーを備えたAIモデルの一種。
    • 線形回帰:従属変数と1つ以上の独立変数の間の関係を直線を使用してモデル化する統計的手法。
    • ロジスティック回帰:シグモイド関数を使用して確率を推定することにより、カテゴリの結果 (はいまたはいいえなど) を予測する分類アルゴリズム。
    • ランダムフォレスト:複数の決定木を組み合わせて精度を向上させ、分類タスクと回帰タスクの過適合を減らすアンサンブル学習方法。
    • 教師あり学習:モデルがラベル付きデータから学習し、入力を正しい出力にマッピングする機械学習アプローチ。
    • 教師なし学習:モデルが事前定義されたカテゴリなしでラベルなしデータのパターンと構造を識別する学習方法。
    • 強化学習:エージェントが環境と対話し、報酬とペナルティを通じて最適なアクションを学習する学習アプローチ。
    • 転移学習:事前トレーニング済みモデルを新しい関連するタスクに適合させて、より少ないトレーニングデータでパフォーマンスを向上させる手法。
    コンテキストウィンドウ 応答または予測を生成するときに AI モデルが処理できるトークンの数。例:16385。
    モデルサイズ (MB) AI モデルが占有するストレージスペース (MB)。
    注:
    [モデルサイズ (MB)] フィールドは整数値のみをサポートしています。
    モデルパラメーター情報 AI モデルの動作とパフォーマンスを決定する、トレーニング中に学習された内部変数。たとえば、モデルのパラメーターの数が 175 であるとします。
    評価メトリクスレポート テストまたは評価中に AI モデルの有効性を評価するために使用されるパフォーマンス測定結果。たとえば、モデルの精度が 85% で、幻覚率が 15% であるとすることができます。
    トレーニングデータセット AI モデルのトレーニングに使用されるデータセットのコレクション。
    評価データセット AI モデルの評価またはテストに使用されるデータセットのコレクション。たとえば、P1 インシデントデータセットなどです。
    その他詳細
    展開の指針 トレーニング済み AI モデルを実稼働環境に統合して展開するプロセス。
    必要なインフラストラクチャ AI モデルの展開と実行に必要なハードウェアリソースとソフトウェアリソースの説明。たとえば、A100タイプのグラフィックスプロセッシングユニット(GPU)が1つ必要であるとすることができます。