人工知能と機械学習のワークロードをクラウドに置く

putilov_denis - Stock.adobe.com

人工知能 (AI) と機械学習 (ML) は、最も誇大宣伝されているエンタープライズ テクノロジの 1 つであり、効率性とコスト削減を期待して取締役会や、自動運転車や自動運転車などの開発によって一般の人々の想像力を惹きつけてきました。クアッドコプターのエアタクシー。

もちろん、現実はもっと平凡で、企業はオンラインでの製品の推奨や生産ラインの欠陥の発見などの分野を自動化するために AI に注目しています。 組織は、金融サービス、小売、エネルギーなどの垂直産業で AI を使用しています。その用途には、不正防止やローンの業績分析、季節商品の需要予測、エネルギー グリッドを最適化するための膨大なデータの処理などが含まれます。

これらすべては、『2001 年宇宙の旅』の HAL に沿ったインテリジェントなマシンとしての AI という考えには及ばない。 しかし、依然として急成長している市場であり、データからより多くの価値を引き出し、ビジネス インテリジェンスと分析を自動化して意思決定を改善しようとしている企業によって推進されています。

たとえば、業界アナリスト会社 Gartner は、AI ソフトウェアの世界市場は今年 620 億米ドルに達し、最も急速に成長するのはナレッジ マネジメントであると予測しています。 同社によると、調査対象となった CIO の 48% がすでに人工知能と機械学習を導入しているか、今後 12 か月以内に導入する予定であるとのことです。

企業はクラウド インフラストラクチャの低い初期コストと拡張性を活用できるため、この成長の多くはクラウド コンピューティングの発展によって推進されています。 たとえば、Gartner は、クラウド コンピューティングを AI と ML の成長を促進する 5 つの要因の 1 つとして挙げており、クラウド コンピューティングにより企業は「より複雑さを軽減しながら AI をより迅速に実験し、運用できる」ようになります。

さらに、大手パブリック クラウド プロバイダーは、産業および流通プロセスをサポートする画像認識、文書処理、エッジ アプリケーションなどの独自の AI モジュールを開発しています。

AI と ML の最も急速に成長しているアプリケーションの一部は、電子商取引と広告関連であり、企業は支出パターンを分析して推奨事項を作成し、自動化を使用して広告をターゲットにしようとしています。 これにより、すでにクラウド上に存在する増大するビジネス データの量が活用され、データの移動に伴うコストと複雑さが削減されます。

また、クラウドを使用すると、組織は高度な分析機能やコンピューティング機能を利用できるようになりますが、これらの機能は社内で構築すると費用対効果が低いことがよくあります。 これには、専用のグラフィックス プロセッシング ユニット (GPU) と、クラウド ストレージによって可能になる非常に大容量のストレージ ボリュームの使用が含まれます。

「このような機能は、GPU 処理などの多くの組織のオンプレミス製品では手の届かないものです。これは、組織のデジタル戦略におけるクラウド機能の重要性を示しています」と、顧問会社 PA Consulting の AI 責任者 Lee Howells 氏は述べています。

企業はまた、クラウドベースのサービスを通じて AI の使用に関する専門知識を蓄積しています。 成長分野の 1 つは AIOps です。AIOps では、組織が人工知能を使用して、特にクラウドでの IT 運用を最適化します。

もう1つはMLOpsで、ガートナーによれば、これは複数のAIモデルを運用し、「複合AI環境」を構築するものだという。 これにより、企業はより小さな構成要素からより包括的で機能的なモデルを構築できるようになります。 これらのブロックは、オンプレミス システム、社内、またはハイブリッド環境でホストできます。

クラウド サービス プロバイダーが IT の構成要素 (コンピューティング、ストレージ、ネットワーキング) を提供するのと同じように、さまざまな人工知能および機械学習モデルを構築しています。 また、企業やサードパーティのテクノロジー企業が自社のアプリケーションに組み込める、AI および ML ベースのサービスも提供しています。

これらの AI 製品はエンドツーエンドのプロセスである必要はなく、多くの場合、そうではありません。 代わりに、企業が自社で提供するにはコストがかかる、または複雑になる機能を提供します。 しかし、これらは企業のセキュリティや規制要件を損なうことなく実行できる機能や、大規模なデータ移行を伴う機能でもあります。

これらの AI モジュールの例には、画像処理と画像認識、文書処理と分析、翻訳などがあります。

「私たちはエコシステムの中で事業を行っています。私たちは人々からレンガを購入し、そのレンガで家やその他のものを建てます。そして、それらの家を個人の顧客に届けます」と、ロボットプロセスオートメーションである Digital Workforce の CEO、Mika Vainio-Mattila 氏は述べています。 （RPA）会社です。 同社はクラウド テクノロジーを使用して、Microsoft Azure またはプライベート クラウドで実行できる「サービスとしてのロボット」などの自動化サービスの顧客への提供を拡大しています。

Vainio-Mattila 氏は、AI はすでにビジネス自動化の重要な部分を占めていると述べています。 「おそらく最も普及しているのはインテリジェントな文書処理であり、基本的には構造化されていない文書を理解するものです」と彼は言います。

「目的は、これらの文書を『ロボット』、つまり自動化されたデジタル エージェントにとって意味のあるものにし、それらの文書内のデータを使って処理を行うことです。これは、私たちが AI ツールやテクノロジーの最も多くの使用を見てきた分野であり、私たちがこれまでに活用してきた分野でもあります」 AI を最も活用したのは私たち自身でした。」

同氏は、大手パブリッククラウド企業からAIツールやモデルを提供する動きが強まっていると見ている。 当初は、サードパーティのソフトウェア サプライヤーまたは彼の会社などのサービス プロバイダーが対象ですが、クラウド ソリューション プロバイダー (CSP) がさらに多くの AI テクノロジーをユーザー企業に直接提供することも期待しています。

「これは興味深い分野です。なぜなら、大手クラウド プロバイダーが、明らかに Google が先頭に立ち、Microsoft や Amazon、その他の企業、IBM も非常に密接に追随していますが、非構造化情報を解読するための ML および AI ベースのサービスを中心としたサービスを実装しているからです。これには、非構造化情報を解読するためのサービスが含まれます。写真や翻訳の認識や分類。」

これらは、他の人が再利用できるように設計された「汎用」テクノロジーです。 ビジネス アプリケーションは多くの場合、ユースケースに特化しているため、企業のビジネス ニーズに合わせて調整するには専門家が必要です。 そして、自動運転車などのアプリケーションよりも、バックオフィス業務に重点が置かれています。

PA ConsultingのHowells氏によると、クラウドプロバイダーは「ドメイン固有」モジュールも提供しているという。 これらはすでに金融サービス、製造、ヘルスケアの分野で進化している、と彼は言います。

実際、クラウドで提供される AI サービスの範囲は幅広く、増加し続けています。 「クラウドの大手企業は、誰もが利用して実行できるモデルを持っています」とコンサルタント会社 Dufrain のデータ エンジニアリング担当アソシエート ディレクター、ティム ボウズ氏は言います。 「2、3 年前はすべてサードパーティのテクノロジーでしたが、現在は独自のツールを構築しています。」

たとえば、Azure は、ユーザーが AI 呼び出しを通じてアクセスできる視覚、音声、言語、意思決定 AI モデルを備えた Azure AI を提供しています。 Microsoft は、そのサービスを応用 AI サービス、コグニティブ サービス、機械学習、AI インフラストラクチャに分類しています。

Google は、いくつか例を挙げると、AI インフラストラクチャ、Vertex AI、ML プラットフォーム、データ サイエンス サービス、メディア翻訳、音声テキスト変換などを提供しています。 その Cloud Inference API を使用すると、企業は Google のクラウドに保存されている大規模なデータセットを操作できます。 当然のことながら、同社はクラウド GPU を提供しています。

アマゾン ウェブ サービス (AWS) は、画像認識やビデオ分析、翻訳、チャットボット用の会話型 AI、自然言語処理、開発者向けの一連のサービスなど、幅広い AI ベースのサービスも提供しています。 AWS は健康および産業モジュールも宣伝しています。

大規模なエンタープライズ ソフトウェアおよびサービスとしてのソフトウェア (SaaS) プロバイダーも、独自の AI 製品を提供しています。 これらには、Salesforce (ML および予測分析)、Oracle (事前トレーニング済みモデル、コンピューター ビジョン、NLP を含む ML ツール)、IBM (Watson Studio および Watson Services) が含まれます。 IBM は、組織が環境リスクを理解するのに役立つ AI ベースの特定のツール セットも開発しました。

専門企業には、H2O.ai、UIPath、Blue Prism、Snaplogic が含まれますが、後者の 3 社は、純粋な AI プロバイダーというよりも、インテリジェント オートメーションまたは RPA 企業と呼ぶ方が適切かもしれません。

ただし、それは紙一重です。 Snaplogic の最高技術責任者 (CTO) である Jeremiah Stone 氏によると、企業は、より成熟したテクノロジーの方が適切である場合でも、実験ベースで AI に目を向けることがよくあります。

「おそらく、私がこれまで見てきた取り組みの 60% か 70% は、少なくとも最初は、よりよく理解されているアプローチでよりよく解決できる可能性がある問題を解決する方法として AI と ML の探索を開始しています。」と彼は言います。 「しかし、それは許されることです。なぜなら、私たちは人間として、ソフトウェアやテクノロジーが私たちに何をしてくれるかについて常に極度の楽観主義を持っているからです。そうしなければ、私たちは前に進むことはできないでしょう。」

AIの実験は長期的な利益をもたらすだろうと彼は言う。

クラウド上の AI には他にも制限があります。 何よりもまず、クラウドベースのサービスは汎用データまたは汎用プロセスに最適です。 これにより、組織は、サードパーティとのデータ共有に伴うセキュリティ、プライバシー、規制のハードルを克服できます。

AI ツールは、データを移動しないことでこれに対抗します。データはローカルのビジネス アプリケーションまたはデータベースに留まります。 また、クラウドのセキュリティは向上しており、より多くの企業がクラウドを利用したいと考えています。

「一部の組織は、最も機密性の高いデータをオンプレミスに保管することを好みます。しかし、クラウド プロバイダーが業界をリードするセキュリティ機能を提供しているため、そうする理由は急速に減少しています」と PA Consulting の Howells 氏は述べています。

それにもかかわらず、コストがかかるにもかかわらず、独自の AI モデルを構築し、独自のトレーニングを行うことを好む企業もあります。 AI が製品であり、自動運転車がその代表的な例である場合、企業はモデルの知的財産を所有したいと考えるでしょう。

しかしそれでも、組織は汎用データとモデルを使用できる領域から恩恵を受けることができます。 天気は一例ですが、画像認識は別の例になる可能性があります。

AI システムに対して非常に特殊な要求を持つ企業であっても、モデルのトレーニング用にクラウド内の膨大なデータ リソースの恩恵を受ける可能性があります。 場合によっては、クラウド プロバイダーの合成データを使用することも考えられます。これにより、データ共有によるセキュリティやプライバシーの問題を気にせずにモデルをトレーニングできるようになります。

そして、何よりもまずクラウド サービス プロバイダーから提供されるこれらのサービスに反対する人は業界にはほとんどいません。