Kubernetes on ベアメタル、Watson×iOSアプリ開発者向けなどの新発表、「IBM THINK 2018」レポート

「ビジネスのためのAIとクラウド」WatsonとIBM Cloudの新発表まとめ

継続的ディープラーニングサービス、iOSアプリへのWatson組み込みキット

　また「Watson Studio」では、今回新たに「Deep Learning as a Service」が提供開始された。Watson Studioは、データプラットフォームとAIプラットフォームを統合することで、容易かつ継続的な機械学習／ディープラーニングのトレーニングを可能にするIBM Cloud上のツールセットだ。データアセットカタログ「Watson Knowledge Catalog」やWatsonAPIとも連携する。

「Watson Studio」（中段）は、多様なデータアセットを用いて継続的な機械学習／ディープラーニングを行うためのクラウドツールキット。学習で強化されたWatsonはAPIを介してさまざまなアプリケーションで利用できる

　Deep Learning as a Serviceは、オープンソースのディープラーニングフレームワーク（TensorFlow、Caffe、PyTorchなど）をあらかじめ組み込んでおり、コーディングなしで操作できるGUIの「ニューラルネットワークモデラー」を備えるなど、ディープラーニングモデルの構築をより容易にする。ケニー氏は、これによってディープラーニングモデルのトレーニングにかかる時間が「数カ月から数週間へと短縮される」と説明した。

Watson Studioの「Deep Learning as a Service」管理画面。GUIのニューラルネットワークモデラー、実行結果のグラフ化機能などを備える

　コンテナ／Kubernetesベースのプライベートクラウド（CaaS／PaaS）基盤である「IBM Cloud Private」では、この基盤にデータサイエンティスト向けのアプリケーションコンテナ群（Db2、Db2 Warehouse、Data ScienceExperience、InformationAnalyzer、InformationGovernance Catalogueなど）を追加した「Cloud Private for Data」が発表された。

　Cloud Private for Dataは、Watson Studioと連携することにより、オンプレミス／IBM Cloud間で機械学習モデルやデータセットなどをシームレスにやり取りできる。そのため、たとえばオンプレミスからデータを出さずにトレーニングしたモデルを、クラウド上のアプリケーションで活用することも容易にできるという。また、データサイエンティストとアプリケーション開発者の間の“距離”を縮めることも期待できる。

プライベートクラウド環境でデータサイエンティスト向けアプリケーション群を提供する「Cloud Private for Data」。クラウド上のWatson Studioとも連携する

　IBMでは業務モバイルアプリ領域においてアップルと提携してきたが、今回はiOSアプリ開発者向けに「IBM Watson Services for Core ML」が発表された。これは、iOSが備える機械学習フレームワーク「Core ML」にWatsonが対応し、iOSアプリ内からWatsonサービスを活用しやすくするもの。まずは画像認識（Visual Recognition）サービスから対応を開始する。発表によると、米コカコーラ・カンパニーが先行導入して、フィールドサービスにおける活用（画像認識による問題識別、コグニティブ診断、拡張現実／AR修理サポート）に取り組んでいるという。また、開発者を支援するコンソール／Swiftツール群「IBM Cloud Developer Console for Apple」もリリースしている。

iOSアプリにWatsonサービスを組み込むための「IBM Watson Services for Core ML」を発表

NVIDIA GPUとの高速インターコネクトを備える“企業AI向けサーバー”

　ディープラーニング／機械学習領域においてはハードウェアの新製品発表も行われた。新製品である「Power Systems AC922」サーバーにおいて、CPU－NVIDIA GPU間のダイレクト／高速インターコネクトである「NVLINK」を備えたPOWER9プロセッサを採用している。NVLINKは、PCIe（32GB／秒）を利用するx86サーバー比で9倍以上となる、300GB／秒の帯域幅を持つインターコネクトである。

“エンタプライズAI向けサーバー”として発表された「Power Systems AC922」

NVLINKは、CPUとNVIDIA Tesla V100 GPUを300GB／秒で結ぶインターコネクト仕様

　IBM Cognitive Solutions SVP／IBM Researchのジョン・ケリー（Dr. John E. Kelly III）氏は、「これまで機械学習処理に1時間かかっていたものが、およそ1分間に短縮でき、しかもマシンサイズが10分の1になる」と紹介したうえで、こうした処理スピードの加速は、あらゆる分野においてAIの採用に「巨大なインパクトをもたらすだろう」と述べた。

ケリー氏の基調講演では、NVIDIA創業者でCEOのジェンスン・ファン（Jensen Huang）氏もゲスト登壇した

　AI／コグニティブ向けインフラ製品ディレクターのヒラリー・ハンター（Hillery Hunter）氏とIBMコグニティブシステムVPのステファニー・チアース（Stefanie Chiras）氏は、IBM Researchがチューリッヒのラボで実施した比較試験の結果を紹介した。このテストはテラバイトクラス、42億件に及ぶWeb広告クリックログデータにロジスティック回帰分析を適用し、クリック率（CTR）の予測を行うための機械学習トレーニング処理だ。

　ハードウェア（上述したPOWER9サーバー）面の最適化と同時に、アルゴリズムの改良などソフトウェア面での最適化を図った結果、Google Cloud上のTensorflowクラスタ（89マシン）で70分かかっていたこの処理が、およそ90秒で済むようになったという。およそ46倍の高速化だ。さらにハンター氏は、このアルゴリズムは広告CTRの予測だけでなく、回答が2値（YES/NO）となる幅広い領域での予測に使えると説明した。

　「テラスケールのデータでこのスピードなので、データセットがもっと小さければほとんど一瞬で終わるだろう」（ハンター氏）

　「今回の結果は限界ぎりぎりの数値ではなく、パフォーマンスはまだ伸ばせると考えている。また、他のアルゴリズムについても対応を進め、機械学習処理を加速させていきたい」（チアース氏）

IBM Accelerated Cognitive Infrastructure担当ディレクター／IBMフェローのヒラリー・ハンター（Hillery Hunter）氏

IBM Cognitive System VPのステファニー・チアース（Stefanie Chiras）氏