Google Cloud Vertex AIを徹底解説

Googleはデータサイエンティストや人工知能（AI）研究者が使いやすくアクセス可能なツールを提供するために、精力的に取り組んでいます。

Googleが提供している人気のあるツールには、TensorFlowやGoogle Colabが含まれます。さらに一歩進めて、Cloud AI、Cloud AutoML、BigQueryMLなどのツールがGoogle Cloud Platformに導入され、データサイエンティストや機械学習エンジニアの作業を容易にしています。

利用可能なAIツールの充実度を考えると、データ分析、モデル訓練、本番環境へのデプロイ、モニタリングといったプロセスが往復することがよくあります。GoogleのVertex AIでは、全てのクラウドオファリングが提供され、管理されます。

Google Vertex AIとは？概要解説

Vertex AIは、管理型の機械学習プラットフォームで、Googleのクラウドサービス全体を一か所で利用してAIモデルをデプロイやメンテナンスできます。Googleは、ワークフローに影響を与えないようにサービスが稼働し続けることを確認します。したがって、インフラの維持について心配する必要はありません。

管理型プラットフォームとして、Vertex AIはあなたの作業を自動化し、機械学習ワークフローのより重要な部分に集中できるようにします。Vertex AIを利用することで、Googleは初心者に使いやすさを提供し、専門家には基本的なタスクで時間を節約する機会を提供します。

モデルの訓練を大幅に簡単にし、他の競合するAIプラットフォーム（Azure Machine Learningなど）と比較して必要なコードの行数を約80％削減するとGoogleは謳っています。

GoogleのVertex AIは、業界でMLOpsを促進するための機械学習およびAI開発者向けのプラットフォームとして提供されています。AIはビジネスに革新的な可能性を持っています。しかし、それを効果的に実装することは常に課題です。そのため、効率を上げるためにMLOpsというアプローチがますます推奨されています。

Google Vertex AIの主要機能

機械学習やAIの開発者である場合、Vertex AIで何ができるかは概ねご理解頂いているかも知れません。ここでは、Google Vertex AIの主要機能をご紹介します。

統一された機械学習ワークフロー

AutoML、Explainable、Vizier、Edge Managerなどのツールを使って機械学習モデルに取り組むことができます。そして、すべてが1つのプラットフォームからアクセスできることは画期的です。

カスタムコードを使って訓練し、それでも必要なすべてのものが1つのリポジトリに保存されるようにすることができます。

事前学習済みAPI

ワークフローを簡単にするだけでなく、ものごとを速くするために、ビジョン、ビデオ、自然言語などの事前学習済みAPIが提供されます。

既存のアプリケーションに簡単に統合したり、新しいアプリケーションを使ってそれを作成したりすることができます。そのため、他のAI APIプラットフォームを検索して作業を行う必要はないかもしれません。

革新的でシンプルなものを開発している場合、GoogleのVertex AIは、利用可能な事前学習済みAPIを使用して、短時間でソリューションを開発するのに役立ちます。

シームレスなデータからAIへの統合

BigQueryMLがSQLクエリを使用して機械学習モデルを作成および実行するために広く使用されていることは驚くことではありません。

Vertex AIを利用すると、データセットをプラットフォームにエクスポートしてワークフローに統合することができます。したがって、エンドツーエンドの統合が可能になります。

すべてのオープンソースフレームワークに対応

PyTorchとTensorFlowのモデルをデプロイするときには、異なるワークフローに適応する必要があるかもしれません。しかしGoogle Vertex AIは、有用な全てのオープンソースモデルをサポートしています。

これは、カスタムコードで作成されたモデルであろうとAutoMLを使用して作成されたモデルであろうと、すべてのモデルを同じ方法で扱うことができます。

Google Vertex AI活用するベネフィット

MLOpsはその一つですが、Vertex AIが導入する他の重要なベネフィットもいくつかあります。特に強調すべき重要なものは以下の通りです。

インフラ構築のための時間と費用を節約

Vertex AIは、使用した分だけ支払う従量課金制であるため、自身のインフラ（例えばKubernetesを通じて）を設定するコストを削減するのに役立ちます。また、機械学習モデルの訓練のための自分自身のインフラを設定したり、管理したりする労力を大幅に減らせます。

したがって、経験が少ないアナリストや研究者でも、一部の作業を進めることができます。

初心者から専門家まで幅広いユーザーが利用可能

多くの作業をコーディング（または設定）せずに行えることを考えると、初心者にとっては絶好の選択肢となります。機械学習モデルの訓練とデプロイを容易に学べる機会を提供します。

そして専門家にとっては、事前訓練されたAPIと基本的なタスク/機能を達成するためのさまざまな管理ツールへのアクセスを提供することで時間を節約します。

ますます複雑なタスクを解決する道を開く

Google Vertex AIは機械学習のワークフローを簡単にします。したがって、単純な問題を抱える人は誰でもすぐに解決策を見つけることができます。それにより、ユーザーがますます複雑な問題を解決するのに集中させることができます

本番環境へのデプロイメントのリスクを軽減

Google Vertex AIはデプロイメントに適したモデルのリスクを軽減するのに役立ちます。したがって、プロダクトを自信を持って実装することができます。

Google Vertex AIの使用を開始する

出典：Google Cloud

始める前に、記事執筆時点では。、利用可能な多くのツールがまだプレビュー段階（変更の対象）であることを注意しておくことが重要です。したがって、まだ本番環境には適していないかもしれません。

Google Cloud Platformのトライアルにサインアップすると、90日間で使用できる300ドルの無料クレジットが提供されます。詳細は公式の料金ページを確認してください。

Google Vertex AIの製品ページにアクセスして始めてみてください。

Google Vertex AIのユースケース・活用事例

開発者はBigQueryとCloud Storageからデータを取り込み、Vertex Data Labelingを使用して高品質の訓練データを注釈付けし、より正確に予測することができます。

Vertex Feature Storeは、ML特徴を提供、共有、再利用するために使用することができます。彼らは、ML実験を追跡するためのVertex Experimentsと、ML実験を視覚化するためのVertex TensorBoardを使用することができます。

Vertex PipelinesはMLOpsプロセスを簡素化し、Vertex Trainingは完全に管理された訓練サービスを提供します。さらに、Vertex Vizierは最大の予測精度を提供し、Vertex PredictionはHTTPを介したオンラインサービスやバッチ予測による大量スコアリングのためのモデルをプロダクションにデプロイするプロセスを簡素化します。

開発者は、詳細なモデル評価指標と特徴属性を取得することができます。さらに、現在実験段階にあるVertex ML Edge Managerは、柔軟なAPIを用いたエッジ推論と自動化プロセスの監視とデプロイメントを容易にすることができます。これにより、開発者はAIをプライベートクラウド、パブリッククラウド、オンプレミス、エッジデバイス間で分散することができます。

Vertex Predictionサービスにデプロイされたモデルについては、継続的な監視がモデルのパフォーマンスの簡単な監視を提供します。信号が逸脱したときに警告し、原因を特定し、モデルの再訓練パイプラインをトリガします。

Vertex ML Metadataを使用すると、Vertex Pipelinesのコンポーネントへの入力と出力を追跡することが容易になり、アーティファクト、系統、実行の追跡が可能になります。最後に、開発者は、自分のコードからカスタムメタデータを追跡し、Python SDKを使用してメタデータを問い合わせることができます。

まとめ

この記事でGoogle Cloud Vertex AIについて解説しました。Googleのこの新しいプラットフォームは、AIと機械学習の開発と実装を大きく進化させる可能性を秘めています。その一体型設計、豊富なツールとサービス、そしてユーザーに優れた柔軟性とコントロールを提供することで、Vertex AIはAIと機械学習のプロジェクトをより効率的で生産的なものにすることができます。

Vertex AIは、初心者からエキスパートまで、さまざまなレベルのユーザーに対して有益なツールを提供します。今後のAIと機械学習の発展に向けて、Vertex AIは間違いなく重要なプレーヤーとなるでしょう。そのユニークな特性と機能を理解し、それを利用することで、あなたのAIと機械学習の旅は新たな道を開くことでしょう。