最近のGoogle I/O 2021カンファレンスで、当クラウドプロバイダーはVertex AIの一般向け提供を発表した。Vertex AIは、人工知能モデルのデプロイとメンテナンスを促進するために設計されたマネージドな機械学習プラットフォームである。
Vertex AIを使うと、エンジニアは画像、動画、テキスト、表形式のデータセットを管理することができる。そして、Google Cloudアルゴリズムまたはカスタムトレーニングコードを使ってモデルをトレーニングし、評価するための機械学習パイプラインを構築できる。その後、オンラインまたはバッチのユースケースのモデルをすべてスケーラブルなマネージドインフラストラクチャにデプロイできる。
新しいサービスではDockerイメージが提供され、開発者がトレーニング済みモデルアーティファクトから予測を提供するために実行できる。そこでは、TensorFlow、XGBoost、Scikit-learn予測用の事前ビルド済みコンテナーが提供される。データをオンサイトまたはデバイス上に維持する必要がある場合、現在実験中のVertex ML Edge Managerは、モデルをエッジにデプロイして監視できる。
Vertex AIは、AI Platform Data Labeling、AI Platform Training and Prediction、AutoML Natural Language、AutoML Video、AutoML Vision、AutoML Tables、AI Platform Deep Learning Containersなどのレガシーサービスを置き換えるものである。
Google CloudのCloud AI担当バイスプレジデント兼ゼネラルマネージャーであるAndrew Moore氏は、クラウドプロバイダーが新しいプラットフォームの導入を決定した理由を次のように説明している。
Vertex AIの構築には2つの指針を持ちました。1つはオーケストレーションの雑草からデータサイエンティストとエンジニアを解放することです。もう1つは、AIをパイロットの苦行から本格的な生産に移行することについて誰もが真剣に取り組めるような業界全体のシフトを作ることです。
GoogleのチーフディシジョンサイエンティストであるCassie Kozyrkov氏は、AIと機械学習の開発のライフサイクル全体を管理する、新製品の主要な利点を強調している。
機械学習に、通常のツールボックスよりも80%高速に使えるスイスアーミーナイフに相当するものがあれば。良いニュースです。今日現在でそうなんです！
コメントの1つで、デウスト大学のAIと健康のマリーキュリー博士フェローであるOrnela Bardhi氏は、新しいサービスを称賛している。しかし、機械学習におけるマネージドサービスの説明責任について疑問を投げかけている。
ある会社がそのようなプラットフォームを作ろうとしていた頃でした (...) モデルが意図したとおりに動作しない場合、誰がこの場合の責任を負うでしょうか。利点の1つは「コードなしでモデルをトレーニングでき、専門知識が最小限でよい」ことを考えると。
Redditの一部のユーザは、ユーザである0xnldが示唆するように、発表されたプラットフォームが単なるリブランドであるかどうかを質問している。
記事からは明らかではありませんが、これは、昨年ベータ版だったAI Platform (Unified) のリブランドのように見えます。
Googleは別の記事で、Vertex AIを使ってMLトレーニングワークフローを合理化し、ノートパソコンやデスクトップなどのローカル環境でモデルトレーニングを実行するのを避け、代わりにVertex AIカスタムトレーニングサービスを使う方法を説明している。ビルド済みのTensorFlow 2イメージを例として使って、著者はトレーニングジョブのコードをパッケージ化する方法、トレーニングジョブを送信する方法、使うマシンを設定してトレーニング済みモデルにアクセスする方法について説明している。
Vertex AIの価格モデルは、既存のML製品に取って代わる。AutoMLモデルの場合、モデルをトレーニングしてエンドポイントにデプロイし、それを使って予測を行うことに対して、ユーザは料金を支払う。