「微妙な違いを識別するAI」を実現

メルカリは「AI出品」をなぜAWSのコンテナで運用するのか

メルカリはユーザー体験の向上や運用管理の自動化のために機械学習などのAI（人工知能）技術を取り入れ、コンテナで運用している。AI技術とコンテナの運用を具体的にどのように実現しているのだろうか。

公開 2019年11月28日 05時01分

著者

渡邉利和

[著]

印刷する

　フリーマーケットアプリケーション（以下、フリマアプリ）の「メルカリ」を提供するメルカリ社。同社がユーザー体験向上や運用管理の自動化のために取り組んでいるのが、機械学習などのAI（人工知能）技術の活用だ。AI技術の運用においてはクラウドサービス群「Amazon Web Services」（AWS）のコンテナ関連サービスを積極的に導入している。

　「メルカリが写真検索に『Amazon EKS』を活用　マネージドKubernetesの使い勝手は」では、メルカリの「写真検索」機能に機械学習を取り入れた事例を紹介。その仕組みを運用するインフラの構成要素として、コンテナオーケストレーションツール「Kubernetes」のマネージドサービス「Amazon Elastic Kubernetes Service」（Amazon EKS）を利用していることを紹介した。これに加えて、メルカリ社は「AI出品」という機能に機械学習を取り入れている。

　メルカリ社のCTO（最高技術責任者）である名村卓氏がアマゾンウェブサービスジャパンの製品説明会で語った話を基に、同社がどのようにしてコンテナを活用し、AI出品を運用しているのかを紹介する。

併せて読みたいお薦め記事

「Kubernetes」をより詳しく

コンテナの運用方法を解説

AI技術の活用領域を拡大

　名村氏は、機械学習などのAI技術をメルカリに取り入れている理由は「個人間取引では“揺らぎの大きなデータ”を扱うことになるからだ」と説明する。例えばメルカリでは同じ「iPhone」でも「ガラスが割れているiPhone」「ガラスが割れていないiPhone」など、商品の状態によって生じる差異を区別し、品目を分類している。つまり“揺らぎのあるデータ”を扱うことになるため、その微妙な差異を認識しなければならない。そのために機械学習を利用している。

　ユーザーが商品を出品する際に登録する画像を手掛かりにして、「商品のタイトル」や「カテゴリー」など入力すべき情報をシステム側が推測し、適切と思われる入力候補を提示する――。それを実現する機能がAI出品だ。

メルカリ社の名村卓氏

　写真検索とAI出品は「既に登録済みの多数の画像から、ユーザーが登録した画像と似たものを見つけ出す」という動作が共通している。ただし名村氏によれば、この2つは完全に独立した別々のシステムだという。学習結果についても共用する構造にはなっていない。

　メルカリ社の決済サービス「メルペイ」にも機械学習の機能が組み込まれている。実装している機能は、マネーロンダリングを防止する「AML」（Anti-Money Laundering）や詐欺取引の対策機能などだ。AMLは、実際の取引をトリガーとして、取引のログを収集し、一つ一つの取引が公正なものか不正なものかをチェックする仕組みになっている。「個人間の取引では、どうしても“悪い人”が参加する可能性があるので、そうした人をできるだけ迅速に発見し、市場から退場してもらうことで安心なマーケットを実現することが目的」（名村氏）だという。

　こうした機械学習機能を運用するために、メルカリ社は下記のようなAWSのサービスを活用している。

データストリーミングサービス「Amazon Kinesis」
コンテナオーケストレーションサービス「Amazon Elastic Container Service」（Amazon ECS）
コンテナ実行環境「AWS Fargate」

AWSのコンテナ環境を選んだ理由

　名村氏は、メルカリ社がコンテナ技術に注力する理由として下記の4点を挙げる。

役割ごとに最小限かつ最適な環境を提供できる
開発から本番まで統一したイメージで運用できる
マニフェスト（あるべき状態を宣言すること）ベースの運用ができる
マネージドサービスであるAmazon EKSやAmazon ECS、AWS Fargateなどを利用することで、人手やコストを削減でき、属人化の回避にもつながる

　名村氏はコンテナの運用環境にAWSを選択した理由として「クラウドサービスとしての長い歴史に裏付けられた信頼感や、ノウハウの蓄積がある」点を挙げる。コンテナに加えて、AWSが提供する各種クラウドサービスを利用できるメリットは小さくない。

　メルカリ社が保有する「億単位」（名村氏）という膨大な数の画像は、AWSのストレージサービス「Amazon Simple Storage Service」（Amazon S3）に格納している。名村氏は、Amazon S3について「可用性が高く安定しており、イベントフック（特定のイベントが発生した際に処理を実行すること）の使い勝手がいい」と評価する。

　Amazon EKSを採用するポイントになった機能は、Kubernetesが備える「CRD」（Custom Resource Definition：カスタムリソース定義）だという。CRDを使うと、KubernetesのAPI（アプリケーションプログラミングインタフェース）を拡張し、Pod（Kubernetesで運用するコンテナをグループ化したもの）のようなKubernetes本来のリソース以外にも独自にリソースを定義し、運用することが可能になる。AWSの環境においてこの機能を使用できることが、Amazon EKSを採用した決め手の一つだった。

　コンテナを活用する理由の一つとして名村氏が挙げた「マニフェストベースの運用」も、このCRDの機能があるため実現できている。「機械学習で『トレーニングをする』という工程に必要なリソースを独自に定義し、運用できる」と名村氏は説明する。1つのマニフェストの基で、複雑な構成のコンテナを簡単に動かすことができる。

　今後の展望として名村氏は「AWSが提供するサービスのさらなる“マネージド化”に期待したい」と語る。Amazon EKSやAWS Fargateのようなマネージドサービスを活用することで、運用管理の手間やコストが削減でき、本来注力すべきアプリケーション開発にリソースを割けているからこそ、期待も大きいようだ。

　AI技術もコンテナも、現在急速に環境整備が進み、より使いやすいサービスや機能が次々と登場している状況だ。とはいえ、こうした環境の進化はサービス提供側の努力だけでなく、先陣を切って実用化に取り組んでいるユーザー企業の努力があって引き起こされているものでもある。メルカリ社の取り組みは、その代表的な例と言えるだろう。

印刷する