注: 以下の翻訳の正確性は検証されていません。AIPを利用して英語版の原文から機械的に翻訳されたものです。

お知らせ

リマインダー： Foundry ニュースレターに登録すると、プラットフォーム全体の新しい製品、機能、改善点の概要を受信トレイで直接受け取れるようになりました。登録方法の詳細は、Foundry ニュースレターと製品フィードバックチャネルのお知らせを参照してください。

AIP Logic のご紹介 [GA]

公開日: 2023-12-14

AIP Logic は、大規模言語モデルを活用した関数を作成、テスト、リリースするためのノーコード開発環境です。AIP Logic を使用すると、開発環境や API 呼び出しに通常伴う複雑さを避けながら、オントロジーを活用する多機能な AI 関数を作成できます。アプリケーション作成者は、Logic の直感的なインターフェースで、プロンプトの設計、テスト、評価、監視、自動化の設定などを行えます。

AIP Logic を使用すると、非構造化入力から重要な情報をオントロジーに結び付ける、スケジュールの競合を解消する、最適な配分を見つけてアセットのパフォーマンスを最適化する、サプライチェーンの混乱に対応するなど、重要なタスクを自動化し、支援できます。

AIP Logic のランディングページ。

AIP Logic のランディングページ。

AIP Logic にアクセスする

AIP Logic には、プラットフォームのワークスペースナビゲーションバーから、またはクイック検索のショートカット CMD + J（macOS）や CTRL + J（Windows）を使用してアクセスできます。また、以下に示すように、ファイルで +新規を選択し、AIP Logic を選ぶことで、新しいロジック関数を作成することもできます。

+新規ドロップダウンメニュー。

開発ロードマップには何が含まれていますか？

現在、AIP Logic の以下の機能を開発中です。

Logic Assistant： プロンプトの作成時に AI による支援を受け、必要なツールやデータが不足していないかを確認できます。より信頼性の高い Logic 関数を作成し、プロンプトの反復改善の高速化とエラー率の低減を実現できます。
バージョン管理とブランチ： AIP Logic 関数の異なるバージョンやブランチを作成、管理、マージできます。
評価： オントロジー定義を使用して評価とテストのフレームワークを設定し、Logic 関数の有効性を測定できます。

AIP Logic をはじめる

はじめるには、はじめにを参照してください。また、主要な概念で詳細を確認できます。

派生系列のご紹介 [ベータ版]

公開日: 2023-12-14

派生系列は、リクエストに応じてベータ機能として利用可能になりました。時系列を扱うユーザーは、Quiver 分析内で時系列データに対して行った計算を、新しい方法で保存して再現できます。派生系列を Foundry リソースとして保存することで、ロジックを共有し、オントロジーにリンクできます。これにより、派生系列を生の時系列と同様に扱い、追加のストレージや計算の繰り返しを必要とせずに、必要に応じて計算できます。

有効化については、Palantir の担当者にお問い合わせください。

派生系列

派生系列は、生の時系列データに対する変換や計算を組み合わせたもので、さまざまなワークフローで再利用できるように Foundry リソースとして保存されます。

派生系列の作成

Quiver 分析で時系列データに適用した変換を、派生系列として保存できるようになりました。時系列数式や移動集計などの時系列カードには、derived series を保存オプションが追加されました。このオプションは、Quiver 分析のロジックツリー全体を、実行時に実行できる codex テンプレートに変換します。

派生系列の作成について詳しくはこちら。

派生系列の保存

詳細とオブジェクトタイプの選択を設定した後に派生系列を保存します。

派生系列の管理

さらに、派生系列の管理ページにアクセスして、派生系列リソースと codex テンプレートの両方を管理できます。派生系列に関する情報を表示し、ロジックやメタデータを変更して、派生系列テンプレートの新しいバージョンを再公開できます。

派生系列の管理について詳しくはこちら。

派生系列

派生系列の詳細を1つのビューに表示します。

開発ロードマップには何が含まれていますか？

派生系列を生の時系列と同様に分析用や業務用のアプリケーションで広く使用できるようにするため、現在、派生系列をオントロジーに保存するステップでは、系列をルートまたはセンサーのオブジェクトタイプにリンクするパイプラインをユーザーが手動で構築、維持する必要があります。オントロジーのパイプラインを手動で管理する必要をなくし、シームレスなユーザーエクスペリエンスを実現するため、派生系列ワークフローの構築を完全に自動化する機能を積極的に開発しています。

派生系列をはじめる

詳細は、以下の関連ドキュメントを参照してください。

HyperAuto V2 の同期の自動作成機能のご紹介 [GA]

公開日: 2023-12-12

HyperAuto V2 パイプラインの同期の自動作成機能が一般提供されました。HyperAuto パイプラインの設定時に、ソース内の閲覧可能な任意のテーブルを選択できます。同期がまだ存在しない場合は、HyperAuto が適切に同期を作成し、必要に応じて設定できるようにします。

Data Connection の同期がないテーブルを入力として使用する

入力設定ステップで、Data Connection の同期がないテーブルを入力として選択できるようになりました。選択した入力に同期が存在する場合、HyperAuto はデフォルトで最後に実行された同期を使用します。鉛筆アイコンの入力テーブルを設定オプションから選択した入力を再設定し、別の既存の同期を使用するか、新しい同期を作成するかを選択できます。

入力設定ウィンドウで Data Connection の同期がないテーブルを入力として使用できるようになりました。

入力設定ウィンドウで Data Connection の同期がないテーブルを入力として使用できるようになりました。

入力テーブルの設定パネルで、このテーブル用に SAP ソースから新しい同期を作成を選択し、次に保存を選択します。

入力テーブルの設定パネルで利用可能な新しい同期を作成する選択肢。

入力テーブルの設定パネルで利用可能な新しい同期を作成する選択肢。

HyperAuto パイプラインが作成されると、概要ページで設定中の同期の数を確認できます（インターフェースでは「初期化中」とも呼ばれます）。

同期が自動生成されていることを示す概要ページ。

同期が自動生成されていることを示す概要ページ。

HyperAuto は、パイプラインのロジックをデプロイする前に、概要ページに表示されている同期を作成して実行します。

HyperAuto のはじめにで詳しくはこちら。

Free-form Analysis ウィジェットの紹介

公開日: 2023-12-12

Workshop の Free-form Analysis ウィジェットを使用すると、ユーザーは Workshop アプリケーションの枠組みの中で、オブジェクトデータを柔軟かつ自主的に調査できます。一般提供が開始されたこのウィジェットでは、Quiver の充実した機能群を活用した、パスベースのシンプルな分析インターフェースを利用できます。

Free-form Analysis ウィジェットで、Workshop アプリケーション内のデータを直接調査します。

Free-form Analysis ウィジェットで、Workshop アプリケーション内のデータを直接調査します。

Workshop アプリケーション内でのシームレスなデータ探索

Free-form Analysis ウィジェットを使用すると、ユーザーは Workshop アプリケーション内でオブジェクトデータを探索し、調査内容をほかのユーザーと共有して、重複作業を減らし、ワークフローを改善できます。以前は、Workshop アプリケーション内のデータを詳しく調べるには、Contour または Quiver を使用して調査する必要がありました。

Free-form Analysis ウィジェットにより、次のユースケースでメリットを得られるようになりました。

データ探索： 既存の Workshop アプリケーション内でデータを探索し、目的に合わせた調査を作成します。
根本原因の調査： アラートを受けたユーザーは、事前に定義された可視化を基に、調査に最も関連する方向へデータを掘り下げることができます。リンクされたオブジェクトタイプの探索も可能です。
アプリケーションのプロトタイピング： アプリケーション作成者は、保存された分析を確認して、定められたワークフローから外れる一般的な調査パターンを把握し、それらを本番環境のワークフローに組み込むことができます。
コホートの作成： ユーザーはデータを掘り下げてカスタムコホートを作成し、グループとして保存して、アプリケーション内のほかの場所で使用できます。

Free-form Analysis ウィジェットをはじめる

Free-form Analysis ウィジェットを使いはじめるには、Workshop ウィジェットのホームページでこのウィジェットを検索します。次に、以下の設定を行います。

分析のベース入力となる入力オブジェクトセットを指定します。
空の状態のヘッダーと空の状態の説明を設定し、パスにカードがない場合のウィジェットの表示を定義します。
出力オブジェクトセットを指定します。この設定により出力オブジェクトセットが保存され、Workshop 内のほかの場所で参照できます。
必要に応じて、パスの保存を有効にするをオンにします。これにより、パス内の個々のカードをコピーして Notepad ドキュメントに追加できます。カードは保存済みの分析パスに含まれている場合にのみコピーできることに注意してください。

分析パスは、後で参照できるように公開または非公開で保存できます。また、Quiver で開くことや、Notepad ドキュメントにコピーすることもできます。

Free-form Analysis ウィジェットの設定

詳しくは、Free-form Analysis ウィジェットのドキュメントを参照してください。

AIP の開発者向け機能で拡張された LLM 統合のご紹介

公開日: 2023-12-07

AIP の開発者向け機能で、大規模言語モデル（LLM）の使用に対するサポートが拡張されました。以下の機能が含まれます。

Control Panel での AIP の開発者向け機能の権限管理
Python トランスフォームでの言語モデル
Functions on Objects での言語モデル
Pipeline Builder のテキストから埋め込みへの変換ボード

Control Panel での AIP の開発者向け機能の権限管理

AIP が有効なスタックの管理者は、Control Panel の新しい AIP 設定ページを使用して、AIP の開発者向けワークフロー内で LLM へのアクセスを管理できるようになりました。このページでは、カスタム LLM および Palantir が提供する LLM を使ったワークフローの構築を有効化または無効化し、構築できるユーザーグループを選択できます。

Control Panel での AIP の開発者向け機能の権限管理

Python トランスフォームで言語モデルを使用する

Python トランスフォームを使用するパイプライン作成者は、Palantir が提供する LLM や埋め込みモデルを活用するデータパイプラインをシームレスに構築できるようになりました。palantir_models Python パッケージに含まれる Python SDK を使用するだけで実現できます。

palantir_models Python パッケージを使用してデータパイプラインに LLM を組み込む

セットアップの例

以下のコードスニペットは、パイプライン開発者がロジック内で OpenAI の GPT-4 ↗ を使用するトランスフォームを実装し、プラットフォーム上のあらゆる既存のデータパイプラインで LLM の可能性を容易に活用する方法を示しています。

Copied!1
2
3
4
5
6
7
8
9
10
11
from transforms.api import transform, Input, Output
from palantir_models.transforms import OpenAiGptChatLanguageModelInput
from palantir_models.models import OpenAiGptChatLanguageModel

@transform(
    source_df=Input("/path/to/input/dataset")
    gpt_4=OpenAiGptChatLanguageModelInput("ri.language-model-service..language-model.gpt-4_azure"),
    output=Output("/path/to/output/dataset"),
)
def compute(ctx, source_df, gpt_4: OpenAiGptChatLanguageModel, output):
    ...

プラットフォーム内で利用可能な LLM とその使用方法の詳細については、ドキュメントのトランスフォーム内での Palantir が提供するモデルを参照してください。

Functions on Objects で言語モデルとやり取りする

ユーザーは、Typescript 関数で Palantir が提供する言語モデルを使用してカスタムロジックを作成できるようになり、要約、Q&A、セマンティック検索などのワークフローを容易に実現できます。更新されたモデルインポートパネルは、Palantir が提供するモデルとカスタム作成されたモデルの両方をサポートしています。インポートされたすべての LLM に対して Typescript クラスが生成され、ユーザーが作成した関数内で LLM を使用するための直感的なインターフェースが提供されます。

Palantir が提供する LLM のサンプル - 利用可能なモデルはスタックによって異なる場合があります

使用例

たとえば、以下のコードは、GPT_4 モデルを使用して、入力されたテキストに対して簡単な感情分析を実行するカスタム Typescript 関数の記述方法を示しています。

Copied!1
2
3
4
5
6
7
8
9
10
11
12
13
import { GPT_4 } from "@foundry/models-api/language-models";

@Function()
public async sentimentAnalysis(userPrompt: string): Promise<string> {
    const systemPrompt = "Provide an estimation of the sentiment the text the user has provided. \
    You may respond with either Good, Bad, or Uncertain. Only choose Good or Bad if you are overwhelmingly \
    sure that the text is either good or bad. If the text is neutral, or you are unable to determine, choose Uncertain."

    const systemMessage = { role: "SYSTEM", content: systemPrompt };
    const userMessage = { role: "USER", content: userPrompt };
    const gptResponse = await GPT_4.createChatCompletion({messages: [systemMessage, userMessage], params: { temperature: 0.7 } });
    return gptResponse.choices[0].message.content ?? "Uncertain";
}

使用方法と例の詳細については、関数内での言語モデルのドキュメントを参照してください。

Pipeline Builder のテキストから埋め込みへの変換ボード

Pipeline Builder に、強力な新しいテキストから埋め込みへの変換ボードが追加されました。埋め込みは、LLM で処理するテキスト内の単語や語句の意味を捉えるために設計された、テキストの密なベクトル表現です。埋め込みは、テキストを LLM で処理できる数値形式に変換します。

この数値表現（埋め込み）によって、単なる構文上の類似性ではなく、文脈上の類似性に基づいてテキストデータを比較できます。たとえば、「猫」、「犬」、「風船」という単語を比較する場合、埋め込みを使用すると、「猫」と「犬」は「猫」と「風船」よりも意味が近いと判断し、その理解を高度なテキスト分析や操作に活用できます。

Pipeline Builder で埋め込みを使用すると、ベクトルの類似性を評価することで、LLM がより効果的かつ細やかで正確な検索を実行できるため、セマンティック検索を伴うワークフローで特に役立ちます。

使用例

このボードは文字列の列を入力として受け取り、Palantir が提供する text-embedding-ada-002 モデルを使用して埋め込みベクトルを作成します。

テキストから埋め込みへの変換ボードの設定

これらの埋め込みは、埋め込みベクトルプロパティとしてオントロジーに追加し、下流の LLM を活用したワークフローで使用できます。

ワークフローの一部として埋め込みを使用する

詳しくはこちら

上記の機能の詳細については、以下のドキュメントを参照してください。

その他の注目事項

Foundry Developer Console

公開日: 2023-12-12

Developer Console で OpenAPI 仕様をエクスポート | Developer Console アプリケーションの OpenAPI 仕様を生成し、YAML ファイルとしてエクスポートできるようになりました。この機能には、以前のバージョン履歴から名前が変更された SDK 生成タブからアクセスできます。

Marketplace

公開日: 2023-12-12

Marketplace の製品画像の配置とレイアウトを改善 | Marketplace の製品ページで、製品画像の配置とレイアウトが改善されました。

アプリ構築 | Workshop

公開日: 2023-12-12

大規模なモジュールで埋め込みモジュールの読み込みを高速化 | この更新により、Workshop の非常に大きな埋め込みモジュールの読み込み時間が大幅に改善されます。大規模なモジュールを使用するユーザーは、最大5倍高速な読み込みを体験できます。

データ統合 | Code Repositories

公開日: 2023-12-12

高度なプルリクエスト承認ポリシー | プルリクエストの承認を設定するための、きめ細かなルールベースのシステムを導入しました。高度な PR 承認ポリシーにより、変更されたファイルに基づいて、PR を承認すべきユーザーまたはグループを指定できるようになりました。ポリシーは YAML と対話型の承認ポリシーエディターのどちらでも編集できます。

ポリシーは、新しく作成されたプルリクエストに適用されます。必要な承認者は新しいユーザーインターフェースに表示され、どのルールが満たされているか、あと何件の承認が必要かを確認できます。

この機能を使いはじめるには、保護されたブランチを作成し、コードリポジトリの設定ペインにあるブランチタブからポリシーを編集します。

Marketplace

公開日: 2023-12-12

Marketplace のモデリング統合が一般提供に | Marketplace のモデリング統合が一般提供されました。機械学習、予測、最適化、物理モデル、ビジネスルールなどのさまざまな機能ロジックをカプセル化したコンテナー化実行ファイルをパッケージ化できます。

管理 | Control Panel

公開日: 2023-12-12

AWS でホストされるスタックのエグレスポリシーを強化 | AWS でホストされるスタックのユーザーは、同じリージョン内で所有する S3 バケットへのエグレスポリシーを作成できるようになり、データアクセスをより細かく制御できます。今後の更新では、バケットのリージョンに基づいてポリシーの適用可否を明確に示すことで、ユーザーエクスペリエンスを改善する予定です。

オブジェクト監視

公開日: 2023-12-12

自動化の閲覧モードと編集モードを改善 | Object Monitoring アプリケーションでは、自動化のヘッダーにある閲覧モードセレクターが改善され、自動化の編集モードと閲覧モードを切り替える選択肢が増えました。実行モードの選択がより目立つようになり、自動化の条件アイコンが統合され、ユーザーエクスペリエンスが向上しました。

データ統合 | Code Repositories

公開日: 2023-12-12

Spark モジュールのランタイムを Spark 3.4 にアップグレード | Foundry の Spark モジュールのランタイムが Spark 3.4 にアップグレードされ、最新のパフォーマンスおよびセキュリティの改善を利用できるようになりました。このアップグレードは、Python 1.975.0、Java 1.997.0、SQL 1.861.0 より新しいバージョンのすべてのモジュールに適用されます。モジュールは自動的にアップグレードされるため、ユーザーによる操作は不要です。

Foundry Developer Console

公開日: 2023-12-12

Developer Console での API トークン作成 | Developer Console で、個人利用や CI/CD ワークフロー向けに、機能を制限した有効期間の長い API トークンを生成できるようになりました。最初に利用可能となる機能では、SDK アーティファクトリポジトリと Foundry SDK アセットバンドルの両方に対する artifacts スコープで SDK をインストールできます。アプリケーション SDK の設定ページ、またははじめにの手順から API トークンを作成ダイアログにアクセスします。

オブジェクト監視

公開日: 2023-12-12

オブジェクト監視機能を強化 | この更新では、Object Monitoring アプリケーションにいくつかの改善が加えられています。ランディングページで過去28日間の失敗イベントを表示できるようになり、最近の問題を把握しやすくなりました。また、自動化を削除するための選択肢が追加され、ワークフローの管理と保守が容易になりました。アクションメニューが再編成され、自動化のオプションが別のメニューに移動したことで、アクセスしやすくなりました。さらに、評価の遅延に関する情報も改善され、表現が明確になったほか、追加および削除されたオブジェクトに対する時間条件の組み合わせについてのヒントが追加されました。

セキュリティ | プロジェクト

公開日: 2023-12-05

プロジェクトの連絡先選択を改善 | 連絡先情報のないユーザーやグループをプロジェクトの連絡先として追加できるようになり、プロジェクト管理の柔軟性が向上しました。更新されたインターフェースでは、メールアドレスのないユーザーや連絡先情報のないグループに適した UI が表示されます。

アプリ構築 | Workshop

公開日: 2023-12-05

キーワード検索を備えた新しい PDF Viewer ウィジェット | Workshop の PDF Viewer ウィジェットが一般提供されました。キーワード検索機能を備え、一致するテキストのハイライトと自動スクロールに対応しています。この改善により、手動または変数ベースの入力による PDF ワークフローが向上します。

一致するテキストをハイライトする、新しい Workshop PDF Viewer ウィジェット。

管理 | Control Panel

公開日: 2023-12-05

Control Panel でクラウドランタイムのエグレス IP を表示 | Control Panel でクラウドランタイムのエグレス IP アドレスに直接アクセスできるようになり、API やクラウドソースのイングレスフィルタリングを設定しやすくなりました。この更新により、クラウドランタイムに必要な IP アドレスを、より適切なコンテキストで手軽に取得できます。

セキュリティ | プロジェクト

公開日: 2023-12-05

Vertex と Vortex のオントロジー依存関係をサポート | プロジェクトが Vertex と Vortex のオントロジー依存関係をサポートするようになりました。オントロジーアクセスチェッカーの機能が強化され、より効率的で正確なオントロジー管理が可能になります。

データ統合 | Code Repositories

公開日: 2023-12-05

Code Repositories で添付ファイルを関数の入力として使用 | Code Repositories で関数の入力として使用する添付ファイルをアップロードできるようになり、ライブプレビューと公開済み関数の両方で添付ファイルを使用するワークフローがよりスムーズになりました。使いはじめるには、入力データ型が Attachment または Attachment[] の関数を追加し、ライブプレビュータブを開いて添付ファイルをアップロードします。関数の使用時に利用可能な入力と出力のデータ型に関するドキュメントを参照できます。

オントロジー | オントロジー管理

公開日: 2023-12-05

オントロジー管理にアクションログの必須設定トグルを追加 | Ontology Manager に新しいアクションログを必須にするトグルを導入しました。有効にすると、指定されたオブジェクトタイプを編集するすべてのアクションでアクションログルールが必須になります。これにより、そのタイプのオブジェクトに対するすべての編集がログに記録され、可視性と追跡可能性が向上します。

オントロジーのすべての作成および編集アクションでアクションログを必須にするオブジェクトタイプの設定。

←

PREVIOUS2024 / 2024年1月

NEXT2023年11月

→