「Amazon SageMaker」「Cloud AutoML」を解説
機械学習を使いやすくするAWSとGoogleのクラウドサービス、その利点は
機械学習はデータサイエンスのスキルを必要とする複雑なテクノロジーだ。Amazon、グーグルなどのクラウドプロバイダーはAIをもっと使いやすいものにすることを目指しているが、まだ改善の余地もある。
パブリッククラウドプロバイダーは、AIと機械学習のためのサービスを市場に投入し続けている。こうしたクラウドプロバイダーによると、極めて経験の少ない開発者でもそのテクノロジーを利用できるようにするためだという。こうしたサービスは機械学習アプリを作成するための学習時間を短縮する一方で、まだ成長の余地もある。
Amazon Web Services（AWS）の「Amazon SageMaker」とGoogleの「Cloud AutoML」の2つも、ベンダーが多数のAI専門家やデータサイエンティストを用意しなくても使用できると主張する機械学習サービスだ。
Cloud AutoMLはグラフィカルインタフェースを備え、オブジェクト認識モデルや画像検出モデルをユーザーが簡単にトレーニングできる。このサービスは、機械学習システムを立ち上げて稼働させるのに必要とされていた、従来の多くの要件を取り除く。具体的にはデータの手動セットアップ、モデルトレーニングプロセス、アプリケーションへの導入などが不要になる。Googleの「Cloud AutoML Natural Language」を介して、フロントエンドで自然言語処理を使用する機能も提供される。
クラウドプロバイダーが認識する人材格差
Amazon SageMakerは、AWSクラウドプラットフォームへの導入に加えて、学習モデルとその関連データの開発速度を上げるもう1つのMachine Learning as a Service（MLaaS）ツールだ。
Cloud AutoMLと同様、Amazon SageMakerでも使いやすさが重視される。このサービスはProject Jupyterの「Jupyter Notebook」との統合などの機能が利用できる。この機能で、機械学習エンジンの支えとなるデータソースに素早くアクセスできる。Amazon SageMakerには、AWSプラットフォームを用いた大規模データセットに最適化された、すぐに使えるアルゴリズムも用意されている。
従来、定番の機械学習システムの問題は、システムを効果的に使用するために、その方法を熟知していなければならないことだ。テクノロジーが複雑になると、それだけ多くのミスが生まれる恐れがある。異なる種類の機械学習処理に同じアルゴリズムを使用したり、データ異常値を効率的に見つけられなかったりするようなミスだ。
こうした課題は主として、データアナリティクス人材や、ビッグデータや機械学習のスキルを持った人材の不足から生まれる。これは単純に、これらの分野にある程度の経験がない企業は、機械学習用のデータを適切に準備したり、アルゴリズムを開発したり、学習モデルを構築して導入することができないことを意味する。
このような状況に対処するため、AWSとGoogleは学習にかかる時間の短縮を目指すようになっている。Amazon SageMakerやCloud AutoMLのような機械学習サービスは、一般ユーザーと開発者の両方を引き付ける可能性が高い。その理由は例えば次のように幾つか存在する。
- エラーの可能性の低減
これらの製品は、機械学習ベースのシステムをセットアップして使用するというプロセス全体でユーザーをガイドする。それによってエラーの数が減る。このことは、物足りないサンドボックス環境を補って余りある。これらのサービスが用意するサンドボックス環境には、もっと多くの経験を必要とする他の一部の機械学習ツールに比べると制約がある。
- テクノロジーの利用可能性の拡大
GUIのおかげで誰もがPCを簡単に使えるようになった。それと同様、Amazon SageMakerやCloud AutoMLのようなサービスは、通常ならこうしたテクノロジーを使おうとしないユーザーにも機械学習の使用を広めるだろう。
- 生産性の向上
これらのサービスは機械学習システムを作成するのに必要な時間を短縮する。そのため、開発者がより迅速に動けるようになり、最も関心のあること、つまり、アプリケーションの構築に専念できるようになる。
クラウドサービスは完璧ではない
これらのクラウドベースのAIサービスはまだ簡単なものではない。開発者は、相変わらず一部の機械学習の概念について基礎を理解していることが求められる。例えば既存のデータからモデルを構築する方法などだ。
とはいえAmazon SageMakerやCloud AutoMLのようなサービスは今後数年にわたって進化を続けていくだろう。開発者やユーザーを遠ざける機械学習の複雑さを簡略にするベンダーのアプローチについても同様だ。いつかは、シンプル過ぎず複雑過ぎることもない、満足できる落としどころが見つかるだろう。
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
[株式会社うるる] 「入札市場」攻略ガイド：効率的に落札するためのポイントを徹底解説 -
製品資料
[株式会社うるる] 入札情報に特化した「販路拡大」「効率化」のためのサポートツールとは？ -
市場調査・トレンド
[株式会社うるる] 公共入札に成功する企業と失敗する企業の「5つの違い」 -
製品資料
[日本ビジネスシステムズ株式会社] 専門家が教える、Microsoft 365の「テナント統合／分離」を成功に導く秘訣 -
製品資料
[rakumo株式会社] Microsoft 365での情報埋没を防ぐ、社内ナレッジを資産化する情報ポータル活用
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
PHP脆弱性「PHP2Shell」で2260万件に影響 情シスの緊急チェックリスト
-
2
「Microsoft 365」が乗っ取られる MFAを破る“本物の画面”の恐怖
-
3
Claude利用8割のGMO、AI人材の評価軸が「トークン管理」に変わった
-
4
「Windows」の不要なファイルを安全に消して容量を空ける方法
-
5
なぜ「Gemini 4 Argon」は出遅れたのか？ Googleが狙う“逆転のシナリオ”
-
6
半数がブルーカラー転向を視野に？ ベテランエンジニアを追い込む“54歳の壁”
-
7
「テザリング依存」に潜む落とし穴 “遅いVPN”を解消するネット構築術
-
8
「IT運用・情報システム業務」に関するアンケート
-
9
被害額は過去最高額 それでも「サイバー犯罪者が捕まらない」3つの理由
-
10
AI導入が失敗する“真犯人”は現場のマニュアル 7割が陥る「標準化」のわな
ホワイトペーパーランキング PR
-
1
AI駆動攻撃にどう対抗する？ 超速の攻撃からエンドポイントを保護する方法
-
2
2026年のサイバーセキュリティには何が必要か？ 最新データに学ぶ傾向と対策
-
3
経験豊富な即戦力人材に直接アプローチできる、「攻めの採用」への転換術
-
4
「IT史に名を残すシステム障害」8選
-
5
最速72分でデータが流出？ 最新の脅威トレンドや侵入手法から分かった防衛策
-
6
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
-
7
AI駆動開発のスピードと安全性を両立 「品質・セキュリティ管理」の実践ガイド
-
8
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
-
9
「標的型攻撃メール」事例・サンプル集
-
10
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
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