機械学習を活用したDXプロジェクト、推進してみたいですよね。AutoMLを使用すればデータサイエンスの専門知識がなくとも機械学習の結果モデルを使用できます。

AutoMLとは、機械学習のプロセスの一部が自動化されているOSSやクラウド型サービスの総称で、これを使用すればデータサイエンスの専門知識がなくとも、機械学習したモデルを手にすることができます。

AutoMLで機械学習を自走しませんか?

従来の機械学習モデルの開発プロセスは、時間を要する専門的で反復的なステップを繰り返し行うスキル集約型の作業そのものでした。ドメイン知識に基づき、使用する統計モデルや係数のバリエーションを比較しながら効力確認を進めるモデル生成のプロセスには多くの時間を要し、このこと自体がスピード感やスケール展開への障壁となりDXの推進力を奪う一つの要因にもなりました。

AutoMLは、こういった機械学習のプロセスの一部(全部ではありませんが主要ステップの多く)を自動化しますので、時間及び人的コストを削減して、AIのポテンシャルを気軽に活用できるメリットがあります。

AutoMLにもタイプがある

OSS(オープンソース、プラットフォーム)タイプのAutoMLにはAuto-sklearnやPycare等といったものがあり、プログラミングスキルを持つ人がデータサイエンスの専門知識無しに機械学習モデルの生成を可能にします。これらOSSを利用するにあたりソフトウェアの稼働環境を除き、機械学習部分は無料で使用することができます。

もう一つはクラウドサービスタイプです。人気なのはGoogle社のCloud AutoMLやMicrosoft社のAzure Machine Learning等のようですが、ベンチャー系サービスもあります。
これらクラウド型サービスは優れたエンドユーザー向けインターフェース(管理画面)を持ち、プログラミングの知識無しに機械学習モデルを生成できます。というのも、機械学習の主要ステップとなる特徴量の抽出、モデル/アルゴリズムの選定、ハイパーパラメーターの調整などが自動化され、ユーザーはそれと意識せずに利用できるようになっているからです。

これらサービスタイプのAutoMLは有料です。使用する方式や学習量によって料金は異なります(モデル生成時から利用料が発生します)が、最先端AIモデルを即座にノーコードで利用することができ、比較的優れた結果を得ることができると言えます。AIの可能性をDXに組み込みたいなら、先ずAutoMLサービスを試してみては如何でしょうか。

AutoMLでノーコードで出来ること。例えば、

カスタムラベルを使用した画像の [分類、タグ付け]

画像に写っている物体を自動的に識別 [物体・ラベル検出]

画像を複数の部分もしくは領域に分割する[セグメンテーション]

カスタムラベルに従って動画のショットを分類する[シーン分類]

動画内から対象とする[オブキェクトの検出とトラッキング]

カスタムラベルを使用した[ドキュメント分類]

テキストから特定の[エンティティ抽出]

テキストに含まれる[感情抽出]

音声から[感情抽出]

画像に写った文字を[光学式文字認識]

テキスト、音声の[翻訳]

●DXご担当者様によるAutoMLサービスの活用をご支援をしています

クラウドサービス型AutoMLはデータさえ用意できれば、すぐにも稼働環境が使用できます。さまざまな業界のご担当者自らがAutoMLを使用してこんなことができます。
● 専門スタッフ無しで機械学習モデルを生成しDXプロセスに組み込む
● プロジェクト時間の短縮とリソースの効率化
● アジャイル型で課題解決ソリューションを提供

AutoMLを利用することで、機械学習モデルを生成することが目的ではなく、モデルを使用したDXの推進という本来の目的達成にむけたシナリオに集中することができます。

当社の「AutoML活用ご支援」を、おすすめする理由

クラウドサービス型AutoMLでは、名だたる企業の最先端AIモデルを即座にノーコードで利用することができ、そこそこの利用料はかかるものの、比較的優れた結果を得ることができると言えます。一方で、AutoMLは機械学習を汎用的なプロセスで自動化します。従って、AutoMLによるデータ解釈には”汎用性の限界”があるとも言えます。そんな時、手段/サービスの選択、データ加工、アノテーション支援(必要であればシステム化)といったAutoMLに対する当社知見がお役に立つかもしれません。

モデルができたら、
できたモデルは適合率と再現率のトレードオフの視点で検証し、期待に満たない場合は、データの収集方法やアノテーションの見直しによる学習モデルの再構築を行います。つまり判断ポイントをしっかり学ばせるために必要なデータを再投入するだけ(他に手段がありません)。
場合によっては、ドメイン知識や活用のアイデアが、精度向上やコスト問題を解決するかもしれません。

学習済みモデルを使用した推論の精度があがったら、利用に向けアプリケーションへの組込みやモデルの維持・運用のシステム化を検討します。できたモデルを利用し続けるにはサービス料が発生しますので、利用形態に合わせたコスト予算(あるいは逆)を計画・対応する必要があります。

こういったAutoMLを活用したプロジェクトの一連の過程に寄り添い、代表的なクラウドサービスの実装スキルをもって貴社をご支援します。
AutoML活用の主体はあくまで貴社/ご担当者様です。

※当社は、Google Cloud Serviceのセルパートナーです。
※当社は、Amazon Partner Networkのアドバンスドテクノロジーパートナーです。
AutoML利用のためのクラウドサービス選択、アカウント登録・環境セットアップから行います。

こんな課題をお持ちのDXご担当者様へ

  • AIでやりたいことがあるが、どう進めてよいか分からない。ノーコードで使えるAutoMLなら自分たちで進めたい。

  • 活用シナリオはあるが、データが使える形になっていない。データ加工からお願いしたい。

  • データはある。今すぐ活用(POC)してみて期待がもてそうなら予算化したい。

  • カメラ映像に記録された要素を自動報告したい。どの程度の規模感(予算)と精度がでるか知りたい。

先ずは、私たちにご相談ください

堀越 英朗(HIDEAKI HORIKOSHI)
DX、AIOTソリューション事業部
ソリューションエンジニア

小泉 智弘(TOMOHIRO KOIZUMI)
クラウド & AIソリューション事業部
エンジニア

関連するサービス、コラムはこちら