09

5:23 - 6:19

中核オーケストレーション:理解・ルーティング・編集・ゲート

この章では、写真を受け取ってからメニューに公開するまでの中核的な流れを見ます。発表者が示す流れは、何でも一つのエージェントに任せるものではありません。画像を理解して行き先を決める役割、画像を編集する役割、編集結果を確認する役割、そして公開を止める最終確認を分けています。

全体像:判断を分けて安全に進める

基本のデータ経路は、次のようになります。写真を理解し、その結果を使ってルートを選び、必要な場合だけ編集し、品質確認を通して公開します。途中の確認に失敗した場合は、成功するまで無制限に進めるのではなく、失敗を扱う経路に移ります。

  • 画像理解・ルーティング:写真を説明し、改善するか、そのままにするかを決めます。
  • 画像編集:改善すると決まった写真を編集します。
  • QAフィードバック:編集結果を確認し、問題があれば編集側に伝えます。QAは品質保証(Quality Assurance)の略です。
  • 最終ポスト処理QA:編集と途中のQAを通った結果を、公開前にもう一度確認します。

1. 画像を理解してルートを選ぶ

まず、画像理解・ルーティングのエージェントが写真を見ます。このエージェントは、マルチモーダルな入力から画像の説明を作ります。ここでいうマルチモーダルとは、画像のように異なる種類の情報を一緒に扱うことです。発表では、その説明を大規模言語モデル(LLM)に作らせ、説明を構造化された出力に変換するとされています。

流れを細かく書くと、次の三段階です。

  1. 写真を入力します。
  2. LLMが画像の内容を説明し、その説明を決められた形式の構造化データにします。
  3. そのデータを使って、写真を改善に送るか、改善をスキップするかを選びます。

この分け方には重要な境界があります。画像を説明したり、入力画像を評価したりすることと、次に呼び出す処理を決めることは同じではありません。ルーターは、説明の文章をそのまま信じて動くのではなく、構造化された情報と判定基準を使って、運用上の分岐を選びます。発表では、この構造化データの項目や判定値までは示されていません。

2. スキップは失敗ではなく、原画像を守る選択

改善が必要ないと判断した写真は、編集に送らず、原画像を残します。これは「改善できなかった」という失敗ではありません。不必要な計算を使わず、すでに良い画像を編集によって悪くする危険も避けるための、安全性と原画像への忠実さを優先した選択です。

例えば、十分にきれいな料理写真を誤って改善経路へ送ると、品質が上がらないまま計算コストだけが増える可能性があります。さらに、編集で元の品質や料理の見え方を損なうこともあります。このため、ルーターの判断自体を評価する必要があります。

図:「Agent Orchestration」の図は、画像入力が画像理解とルーティングを通り、改善経路またはスキップ経路へ進む流れを示しています。改善した結果は生成とQAフィードバックを通ります。図の終点として見えるのは「LLM QA」と「Final Scoring / QA」であり、編集エージェント、失敗時の非公開分岐、メニューへの公開までは明示されていません。詳しくは動画の5分55秒付近をご覧ください。

3. 編集とQAの自己修正ループ

改善経路に入った写真では、編集エージェントが結果を作ります。その結果をQAが確認し、問題があればフィードバックを編集エージェントに返します。編集エージェントは、最初の入力とこのフィードバックを使って、もう一度編集できます。つまり、編集は一回で終わる固定処理ではなく、確認結果を使って自分を修正するループです。

このループには、次の二つの結果があります。

  • QAに合格すれば、結果は次の公開前確認へ進みます。
  • 何度試しても失敗する場合は、写真を公開しません。

後者はフェイルクローズ(fail-closed)の考え方です。改善結果が安全だと確認できないとき、無理に新しい画像を出すのではなく、公開しない側に倒します。発表では、編集を繰り返せる回数に上限があることが示されていますが、その数値は示されていません。改善できる写真の範囲が少し狭くなっても、問題のある結果を公開しないことを優先します。

4. 最終ポスト処理QAが公開を決める

編集と途中のQAを通った後にも、最終的なポスト処理とQAがあります。この確認が、写真をメニューに出してよいかを決める最後のゲートです。したがって、途中のQAに合格したことと、最終的に公開できることは同じではありません。

ここでのポイントは、段階ごとのQAを一つの大きな判定にまとめないことです。ルーティングは適切な行き先を選ぶための確認です。編集中のQAは、生成結果を修正するためのフィードバックです。最終QAは、ポスト処理後の結果を公開前に確認するゲートです。それぞれが別の失敗を見つける役割を持ちます。

この章で押さえること

発表の例は、実際の本番システムをすべて見せるものではなく、代表的で簡略化されたオーケストレーションです。そのため、具体的なスキーマ、プロンプト、しきい値、編集回数の上限はここから推測できません。確かな設計上の主張は、理解、ルーティング、編集、QA、最終公開ゲートをつなぎ、失敗時には安全に公開を止めることです。

まとめ

  1. 画像理解が写真を説明し、ルーターが改善またはスキップを選びます。
  2. スキップ時は原画像を残し、不要な編集によるコストと品質低下を避けます。
  3. 編集結果はQAフィードバックを受けて、上限内で自己修正します。
  4. 繰り返し失敗した結果は公開せず、最後に別のポスト処理QAでメニューへの公開を確認します。
100% スペースキーとドラッグで移動 | Ctrl/Cmdとホイールで拡大縮小