Google、バーチャルAIサミットでVertex AIの新ツールをプレビュー - TechRepublic

Google、バーチャルAIサミットでVertex AIの新ツールをプレビュー - TechRepublic

トピック — 人工知能

出版

アレン・バーナードの画像

Google の新しいツールとパートナーシップは、機械学習をより簡単に導入し、現実世界で活用できるように設計されています。

2018年8月19日 マウンテンビュー / カリフォルニア州 / 米国 - シリコンバレーのGoogle本社、Googleplexにある建物の一つにGoogleのロゴが掲げられている。
画像: Sundry Photography/Adobe Stock

Googleは木曜日、機械学習モデルを本番環境へ大規模に導入しやすくするためのVertex AIプラットフォームの新たな製品機能とパートナーシップを発表しました。これらの新しいツール、機能、パートナーシップは、本日東部夏時間正午に開催されるバーチャルApplied AI Summitでプレビューされます。

参照:メタバース チートシート: 知っておくべきことすべて (無料 PDF) (TechRepublic)

新しい Vertex AI 機能

トレーニング削減サーバー

TensorflowとPyTorchの両方をサポートするVertex AI Training Reduction Serverは、NVIDIA GPU上でのマルチノード分散トレーニングの帯域幅を最適化し、レイテンシを削減します。Googleによると、TRSは「BERTのような大規模な言語ワークロードに必要なトレーニング時間を大幅に短縮し、さらに異なるアプローチ間でコストの均衡を実現します」とのことです。

TRSは、12のデプロイメント手順をワンクリックに削減することで、Jupyter Notebookのデプロイメントを簡素化します。この機能は、ルーチンタスクを削減し、MLの本番環境へのデプロイメントを加速するように設計されています。

表形式のワークフロー

Tabular Workflows には、モデル構築とデプロイのプロセスにおける各ステップを視覚的に確認・解釈できる Glassbox とマネージド AutoML パイプラインが含まれています。これにより、データサイエンティストは 1 テラバイトを超える大規模なデータセットを、精度を損なうことなくトレーニングできます。ユーザーは、プロセスのどの部分を自動化し、どの部分を独自にエンジニアリングするかを選択できます。

Tabular Workflowsの要素は、既存のVertex AIパイプラインにも統合できます。Googleは、TabNetなどの高度な研究モデル、モデル特徴選択、モデル蒸留など、新しいマネージドアルゴリズムも追加しました。今後、Workflowsには、Temporal Fusion TransformersなどのGoogle独自のモデルや、XGboostやWide & Deepなどのオープンソースモデルが追加される予定です。

サーバーレス Spark

ML モデルの本番環境への導入を迅速化し、データ モデリング機能をデータ サイエンス環境に直接統合するために、Google は Serverless Spark ツールを発表したほか、Neo4j および Labelbox との提携により、ML モデル ビルダーが構造化データ、グラフ データ、非構造化データを処理できるようにしました。

構造化データの場合、Google Serverless Spark を使用すると、データ サイエンティストはノートブック上でサーバーレス Spark セッションを起動し、インタラクティブにコードを開発できるようになります。

参照:人工知能倫理ポリシー(TechRepublic Premium)

グラフデータに関しては、GoogleはNeo4jとの提携を発表しました。これにより、データサイエンティストはNeo4j内の接続データから特徴量を探索、分析、エンジニアリングし、Vertex AIを使用して単一プラットフォームからモデルをデプロイできるようになります。Neo4j Graph Data ScienceとVertex AIを活用することで、データサイエンティストは不正行為や異常検知、レコメンデーションエンジン、顧客360、物流といったユースケース全体でグラフベースの入力データを活用できます。

非構造化データについては、Google と Labelbox の提携により、データ サイエンティストは非構造化データを使用して Vertex AI 上で機械学習モデルを構築できます。

例に基づく説明

データ サイエンティストが本番環境の ML モデルを管理および維持できるよう、Google は Vertex AI の Example-based Explains をプレビューします。サンプルベースの説明を使用して問題を迅速に診断および解決することで、データ サイエンティストはトレーニング データ内のラベル付けが誤っているサンプルを特定したり、モデルの精度を向上させるために収集すべきデータを発見したりできます。

記事をシェア

こちらもご覧ください

  • 機械学習エンジニアになる方法:チートシート
  • 採用キット: 人工知能アーキテクト
  • 採用キット: 機械学習エンジニア
  • 人工知能:さらに読むべき記事
アレン・バーナードの画像

アレン・バーナード

フリーランスのビジネスライター兼ジャーナリストであるアレン・バーナード氏は、CIOUpdate.com、eSecurityPlanet.com、ITSMWatch.com、EnterpriseNetworkingPlanet.comの元編集長です。20年間のキャリアを通じて、バーナード氏はテクノロジーとビジネスの交差点を経営層に解説することに注力してきました。クラウドの黎明期から現代のサイバーセキュリティの課題まで、あらゆるテーマを執筆しています。

Tagged: