ディープラーニングを本番環境へ導入する方法
TwitterやSpotifyがディープラーニング（深層学習）の活用で重視していること
ディープラーニング（深層学習）モデルを本番環境に導入して、ビジネスに良いインパクトを与えようとするなら、モデルの設計やテストのような基本事項に目を向けることが重要となる。
自動走行車、コンピュータビジョン、音声認識の開発にディープラーニング（深層学習）モデルを導入し成功を収めたという話をよく耳にする。だがディープラーニングを本番環境へ導入するときは、依然として分析の基本事項が問題になる。
米国で開催された「Deep Learning Summit」のプレゼンテーションで、Twitterのエンジニアリングマネジャー、ニコラス・クンチャツキー氏は次のように語った。「ディープラーニングの導入時には、特徴の選択、モデルの簡素化、A/Bテストによるモデルへの変化など、分析での従来の考慮事項が重要になる」
「メディアには取り上げられていないが、実際Twitterではディープラーニングが多くの価値が生み出している」（クンチャツキー氏）
併せて読みたいお薦めの記事
ディープラーニングの活用
ディープラーニングの課題
Twitter操作の中心に位置するディープラーニング
現在、ディープラーニングはTwitterの大黒柱といっても過言ではない。これまでのソーシャルネットワークの大半は、フォローしている人々のツイートを投稿日時順にタイムラインへ表示してきた。だが2016年上期、Twitterはツイートをランク順にタイムラインに表示する仕様に変更した。これはFacebookがニュースフィードをランク付けして表示するのに似ている。新しいアプローチでは、アルゴリズムが人々のツイートのコンテンツを評価し、ユーザーにとっての魅力度を判断して、それを基にユーザーのタイムラインに表示する。
このプロセスには自然言語処理から画像認識まで、多くのディープラーニングが関与している。「幾つか壁を乗り越えたとして、当社はメディアから多くの注目を集めている」（クンチャツキー氏）
だが基盤となるモデルを本番環境に移行したら、そのモデルが円滑に機能することこそ重要になると同氏は話す。モデルでは、膨大な量のコンテンツがほぼリアルタイムにユーザーのタイムラインに表示されるため、待ち時間を短く抑えるには、モデルを余裕のある状態にする必要がある。つまり、ほんの数ミリ秒で結果を返さなくてはならない。同氏によれば、変更によってユーザー操作性を損なうリスクを避けるためにもテストが極めて重要になるという。
ユーザー操作性が全て
Spotifyで機械学習のリーダーを務めるデビッド・マーガトロイド氏によると、ディープラーニングを本番環境に導入するには、ユーザー操作性に関するセンスが求められるという。
「実際に重要なのは、人々の心に響く製品モデルを見つけることだ」とDeep Learning Summitのプレゼンテーションで同氏は述べた。「それが見つからなければ、モデルはどこかの棚に置かれたまま、誰にも使われることはないだろう」
同氏は、Spotifyで同社の「Discover Weekly」機能を使ってその方法を説明した。Discover Weekly機能はレコメンデーションエンジンで、ユーザーが過去に聞いたアーティストの種類を基に新しい音楽の検索を支援する。マーガトロイド氏の話では、曲とアーティストを結び付けるディープラーニングアルゴリズムは、少し時間はかかるが、正しく機能しているという。
だがレコメンデーションは、チームが考えていたほど多くのリスナーに使われなかった。そこでレコメンデーションを表示するユーザーインタフェースを詳しく調べたところ、基本的にはアルバムカバーをコレクションとして集めて表示するだけで、どれを選ぶかはユーザー任せにしていることが分かった。これにはユーザーの先入観や偏見が入り込む余地がある。
現在のDiscover Weekly機能では、ユーザー別にプレイリストを生成するようになっている。ユーザーは再生ボタンを押すだけだ。
直感に基づく訂正の余地
ディープラーニングを本番環境に導入するときにもう1つ重要な考慮事項は、オーバーライドのプログラミングだ。マーガトロイド氏によれば、人間にとって奇妙に見えるレコメンデーションをモデルが提供し始めることがよくあるため、直感を基に訂正できる余地があると便利だという。
だが長い時間をかけて変化する出力によってモデルを進化させているため、手作業による制御は部分的にすべきだと同氏は語る。こうした制御は適切に行えば重要だが、「そうしなくてはならないのは嘆かわしいことだ」とマーガトロイド氏は話した。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[株式会社MatrixFlow] 「物流リソース最適化」ガイド：人員・配車・傭車を出庫依頼の確定前に決めきる -
製品資料
[株式会社キーエンス] なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは -
製品資料
[株式会社セールスフォース・ジャパン] 「CRMは設計と無関係」は本当か？ PLMとの融合で実現する高速開発 -
事例
[日本ヒューレット・パッカード合同会社] AIエージェントの時代にどう備える？ 「新たな働き手」を支える3要素とは -
製品資料
[日本ヒューレット・パッカード合同会社] “横並びの自動化”から脱却、AI活用で生産性と競争力を高める秘訣
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
ChatGPTは“検索しまくり”でGeminiは“淡泊”？ データが明かすAIの裏側
-
2
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
3
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
4
「朝8時にバッチが終わらない」データ爆発の危機をJPX総研はどう乗り越えたか
-
5
「IBM iはDXのボトルネック」は誤解 意外と知らない今風モダナイズの効果
-
6
損保ジャパンはなぜ「COBOL」を捨てなかったのか？ 脱メインフレームの真相
-
7
「何から始めればいい？」 情報漏えい対策で悲鳴を上げる中小企業のリアル
-
8
情シスの約8割が転職や退職を意識 調査で分かった“辞めたくなる最大の理由”
-
9
「中堅・中小企業のネットワーク・セキュリティ運用実態」に関するアンケート
-
10
「レガシーシステム・老朽化システムの運用課題と刷新」に関するアンケート
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
2
家庭用Wi-Fiルーターの業務利用は危険？ 避けるべき理由と具体的な対策
-
3
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
4
プログラミング不要で誰でも実現できる、ネットワーク運用管理の自動化とは
-
5
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
6
LLMが兵器化？ 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
7
なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは
-
8
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
-
9
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
10
“あのファイル転送”で暗躍するノーウェアランサム
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー