ドメイン駆動ソフトウェア設計を強化するための生成AIの活用

TL;DR（結論）

ドメイン駆動設計（DDD）におけるメタモデル作成の自動化を目指し、Code Llama 7Bを4ビット量子化とLoRAを用いて、消費者向けGPUという限られた計算資源環境下で微調整した。 実世界のプロジェクトデータを用いた学習により、単純なプロンプトから構文的に正しいJSONオブジェクトを生成することに成功し、設計プロセスの効率化とリソース削減の可能性を示した。 評価指標としてBLEUスコアと損失関数を用い、明確なプロンプトでは100%の構文的正しさを達成したが、トークン制限による繰り返しやデータ分割に起因する構造的課題も確認された。

なぜこの問題か

顧客志向のソフトウェアを開発するためには、効率的なツールと手法が求められる。その中でもドメイン駆動設計（DDD）は、アプリケーションのドメインを正確に理解しモデル化することを強調する強力なフレームワークである。従来、このプロセスではシステム設計者がGUIツールなどを用いて、ドメイン固有言語（DSL）をJSONやUMLの形式で記述し、ドメインモデル（DM）を手動で作成してきた。このドメインモデルは、その後の反復的なソフトウェア開発の基礎となり、コードフレームワークの派生やプロトタイプの作成に利用される重要な資産である。しかし、初期のドメインモデル生成は手作業による負担が大きく、設計プロセスのボトルネックとなっていた。 また、現代のソフトウェア開発において生成AIの活用が期待されているが、企業の機密保持の観点から、商用の大規模言語モデル（LLM）をそのまま利用することは困難な場合が多い。データの機密性を守るためには、外部のクラウドサービスに依存せず、ローカル環境でモデルを運用する必要がある。しかし、多くの中小企業や個人の開発環境では、計算リソースが限られているという課題がある。…

核心：何を提案したのか

本論文では、生成AIを用いてドメイン駆動設計におけるメタモデル生成を部分的に自動化する手法を提案している。具体的には、Meta社が公開しているオープンウェイトモデルである「Code Llama 7B」をベースモデルとして採用し、特定のDDDプロジェクトのデータに基づいて微調整（ファインチューニング）を行うことで、ドメイン固有のJSONオブジェクトを自動生成するプロトタイプを開発した。このアプローチにより、システムプロンプトを通じた単純な対話だけで、新しいドメインモデルの一部を自動的に構築することが可能になる。 技術的な核心は、限られたリソースで高性能なモデルを実現するための最適化手法の組み合わせにある。まず、モデルのサイズを削減するために「4ビット量子化（4-bit Quantization）」を適用した。…

続きはログイン/プランで閲覧できます。