このページの本文へ

今年もビルダーを魅了!AWS re:Invent 2019レポート 第4回

機械学習向けIDE「SageMaker Studio」からAIコードレビュー「CodeGuru」まで、機械学習関連の新発表

「平均的な開発者にも機械学習の力を」―AWSジャシーCEO基調講演

2019年12月24日 07時00分更新

文● 大塚昭彦/TECH.ASCII.jp

  • この記事をはてなブックマークに追加
  • 本文印刷

SageMaker:自動化(Auto ML)の課題解消を目指す「SageMaker Autopilot」

 ジャシー氏は、より簡単に機械学習を利用したいユーザー向けの自動化された機械学習、“Auto ML”に話を進めた。トレーニングのための十分なデータはあるが、機械学習に取り組むノウハウや人員、時間がないという企業も多い。そうした企業にとってAuto MLは有益なソリューションだが、そこには「課題もあった」とジャシー氏は指摘する。

 「自動化された仕組みでモデルをビルドすると、具体的にどうやってビルドされたのかがわからず“ブラックボックス化”してしまう。そのため、そこからモデルをさらに進化させて予測精度を向上させることができない。また別の課題もある。機械学習の用途によっては『精度はそこそこでも高速に予測できるモデル』が必要なケースがあるが、そうしたものにも対応できなかった」

 Auto MLのメリットを享受しつつ、こうした課題を解消するものとして、「可視性やコントロール性を失わない」自動化されたトレーニングを実現するツール「Amazon SageMaker Autopilot」が発表された。これもSageMaker Studioに統合されており、同日より一般提供を開始している。

モデルの自動トレーニングツール「Amazon SageMaker Autopilot」を発表。可視性を担保しモデルの“ブラックボックス化”を防ぐ点も特徴

 ユーザーはトレーニングデータとなるCSVファイル(テーブルデータ)を用意するだけだ。あとはAutopilotがデータの自動変換、ベストなアルゴリズムの選択を行い、パラメーターやアルゴリズムなどの設定を変化させながら最大50のモデルを生成する。SageMaker Studio上ではこの多数のモデルを精度順でリスト(ランキング)表示し、各モデルの詳細な設定などはNotebook形式で参照できる。

 これにより、どのような根拠で予測されているのかを可視化する一方で、精度と速度のトレードオフにも柔軟に対応ができると、ジャシー氏は説明した。またAutopilotで開発したモデルについても、前述したSageMaker StudioやModel Monitorなどの機能群は同じように利用できる。

Autopilotのデモも披露された。住宅の大きさや価格に関するデータをCSVファイルでS3に保存、SageMaker StudioからAutopilotを走らせると、自動的に異なるデータとアルゴリズム、パラメータの組み合わせを繰り返し試行し、良い結果が出たモデルをランキング表示する。Model Monitorなどを使ってモデルを検証することも可能

 ジャシー氏の基調講演では触れられなかったが、機械学習関連ではもうひとつ「Amazon Augmented AI(Amazon A2I)」という新サービスも一般提供開始となっている。これは、機械学習アプリケーションによる予測の信頼性が低い場合に必要となる、人間によるレビューのワークフローを簡単に構築できるサービスだ。信頼スコアに応じて自動的にレビューを人間に割り当てることができる。さらに人間のレビュアーは自社従業員だけでなく、「Amazon Mechanical Turk」や「AWS Marketplace」のサードパーティベンダーへのアウトソーシングも可能となっている。

今回の新発表を加えた「Amazon SageMaker」シリーズのサービス群と位置付け(公式サイトより)

カテゴリートップへ

この連載の記事