ゼロコード機械学習の秘密

この段階では、人工知能の応用シナリオが増加し、市場規模が拡大しており、機械学習の価値がますます顕著になっています。デジタル変革を実現するために機械学習技術を適用し始める企業が増えています。

[[443069]]

たとえば、求人ウェブサイトでは毎日何万もの履歴書を処理し、何百もの企業のさまざまな職種に正確に配布しています。配信の精度が高まれば高まるほど、ユーザーの信頼が高まり、ウェブサイトビジネスは自然に健全に発展します。しかし、履歴書の数が多い場合、手作業による分類や選別は非効率であり、配布の正確性を保証することは困難です。現時点では、人工知能技術を使用して、機械学習のトレーニングを通じてこの問題を解決することができます。

採用サイトでは、過去の応募者の履歴書をデータとして記録し、採用に成功した人の履歴書の内容に基づいてキー識別タグを設定できます。これらのラベルは、採用企業のさまざまな職務要件に一つずつ対応しており、各履歴書には、最終的に採用されたかどうかを示す記録があり、採用企業のニーズをより深く理解することができます。次に、機械のトレーニングを開始し、履歴書の半分を取り出し、これらの履歴書から学習して機械にパターンを見つけ出させます。

トレーニング後、残りの半分の履歴書を使用してマシンをテストします。成功率が十分に高ければ、機械は新しく受け取った履歴書が雇用に適しているかどうかを判断できます。

機械学習におけるモデリングとアルゴリズムの問​​題

しかし、データの収集と処理はほとんどの業界にとって課題です。機械学習の 3 つの要素には、データ、アルゴリズム、計算能力が含まれており、いずれも欠かすことはできません。つまり、業界で機械学習技術をうまく応用したいのであれば、まずは前述の「十分な履歴書」のような豊富なデータの蓄積が必要であり、前述の「履歴書の応用に成功するモデルを見つける」のと同じように、これらのデータをデジタルモデルに構築する能力を備え、これらのモデルを使用して、前述の「履歴書の残り半分でテストする」などの管理、制御、分析、判断などの機能を実現する必要があります。

現状の観点から見ると、企業が機械学習を迅速に開始することは依然として問題です。企業はまず豊富なデータを蓄積し、次にさまざまなモデルを確立し、最後にこれらのモデルを使用して管理、制御、分析、判断などの機能を実現する必要があるためです。しかし、ほとんどの企業では、機械学習の普及にあたり、業界のスキルを持つ人が AI を理解しておらず、AI を理解している人が業界の技術蓄積を欠いているという知識の壁にぶつかります。その結果、企業が膨大な量のデータを蓄積していたとしても、そのデータを適切にモデル化し、機械が理解できる知識に効果的に変換することができません。たとえ業界知識と AI の理解の両方を持っている人がいたとしても、インテリジェントなビジネス処理を実装できるのは、自分の業界内、あるいは特定の企業内に限られます。これにより、機械学習の普及が困難になります。

企業が機械学習のスキルを迅速かつ簡単に習得する方法はあるのでしょうか?

コーディングは不要で、機械学習の敷居を下げます。Amazon Web Services は、お客様がデータの価値を最大限に引き出せるよう、機械学習の使用敷居を下げるお手伝いをすることに尽力しています。 2017 年、Amazon Web Services は re:Invent で重要な AI サービスである Amazon SageMaker を発表しました。これは、その年で最も戦略的に重要な製品発表でもありました。 Amazon SageMaker は、データサイエンティストを含むさまざまな役割のアプリケーションを迅速に構築するためのエンドツーエンドの機械学習テクノロジー サービスを提供できます。

2021 re:Invent Global Conference で、Amazon Web Services は Amazon SageMaker に 6 つの新機能を導入しました。その中でも、Amazon SageMaker Canvas は機械学習の利用の敷居をさらに下げます。ビジネスアナリストはポイントアンドクリックのインターフェースを使用して、コーディングなしでより正確な機械学習予測を行うことができます。

Amazon SageMaker Canvas は、機械学習の経験がまったくない人を対象としています。つまり、生産加工業、建設製造業、さらには人事・業務分析業など、機械学習の経験がなくても、コードフリーの機械学習予測サービスを簡単に利用することができます。

Amazon SageMaker Canvas は、機械学習モデルの多くのステップを視覚的でインタラクティブな UI に変換し、ユーザーの AI ビジネス アプリケーションの問題を解決します。コードを 1 行も書かずに機械学習予測モデルを迅速に生成できると主張しています。お客様は、Amazon SageMaker Canvas をデータストア (Amazon Redshift、Amazon S3、Snowflake、ローカルデータストア、ローカルファイルなど) に接続できます。

re:Invent カンファレンスでの Amazon SageMaker Canvas のデモンストレーションでは、ドラッグ アンド ドロップでデータをアップロードし、モデルを指定してクリックするだけですぐに生成できるため、機械学習プロセス全体を自動的に完了し、非常に高い機械学習精度の学習モデルを取得できます。

たとえば、高級車とオートバイの世界的メーカーである BMW グループは、顧客、製品、従業員、プロセスに付加価値を生み出すために、バリュー チェーン全体に人工知能を導入しています。 Amazon SageMaker Canvas は、BMW グループ全体で AI/機械学習を拡張します。 Amazon SageMaker Canvas は、BMW グループの中核データサイエンスチームが連携して、ビジネスユーザーが作成したモデルを本番環境に導入する前に評価できるようにもサポートしています。

Amazon Web Services では、コーディングなしで機械学習を実装できるだけでなく、Amazon SageMaker Studio Lab を通じて無料の機械学習開発環境も提供しており、より多くの人々が AI テクノロジーを理解し、機械学習を誰もが利用できるようになります。

現在、世界中の多くの研究者やデータサイエンティストが Amazon SageMaker を使用して、機械学習モデルを迅速に構築、トレーニング、デプロイしています。 Amazon SageMaker Studio Lab を使用するユーザーは、Amazon Web Services アカウントを所有したり、請求の詳細を提供したりする必要がありません。Web ブラウザから電子メールで登録するだけで済みます。Amazon SageMaker Studio Lab は、無制限のユーザーセッション、機械学習モデルの無料トレーニング用の 15 GB の永続ストレージ、最大 12 時間の CPU コンピューティングと 4 時間の GPU コンピューティングをユーザーに提供します。

Amazon SageMaker Studio Lab を使用すると、ユーザーはラップトップを開いたり閉じたりするのと同じくらい簡単に、機械学習プロジェクトを開始、停止、再開できます。クラウド リソースを構築、拡張、管理する必要はありません。ユーザーが実験を完了し、アイデアを実践したい場合は、機械学習プロジェクトを Amazon SageMaker Studio に簡単にエクスポートして、Amazon Web Services でモデルをデプロイおよび拡張できます。

無料の学習環境により、より多くのユーザーが機械学習技術を学ぶ機会を得ることができます。 Amazon SageMaker Studio Lab は、データサイエンティスト向けの無料のプロトタイピング環境としても機能し、ユーザーは無料で機械学習モデルの構築とトレーニングを迅速かつ簡単に開始できます。

ペンシルバニア大学工学部は、現代のコンピュータ発祥の地です。1946 年に、世界初の大規模汎用電子デジタルコンピュータ ENIAC が誕生しました。ペンシルバニア大学で70年以上コンピューターおよび情報科学の教授を務めているダン・ロス氏は、機械学習を使ったプログラミングで最も難しい部分の一つは、構築する環境を構成することだと考えている。これには通常、学生がコンピューティングインスタンスとセキュリティポリシーを選択し、クレジットカードを提供する必要がある。 Amazon SageMaker Studio Lab は、これらのセットアップの複雑さを排除し、無料で強力な実験環境を提供します。これにより、機械学習環境の設定に時間を費やすことなくコードを記述できるようになります。

スマート イベントにより、機械学習の能力がより多くの人々の手に渡ります。Amazon は今年初め、新しいリーダーシップ原則を発表しました。「成功と規模には、より大きな責任が伴います。」

アマゾン ウェブ サービスでは、人工知能や機械学習技術をより広く普及させるために、Amazon Future Engineer、Amazon Girls' Tech Day、Amazon Get IT などの若手研究者向けの科学、技術、工学、数学 (STEM) 教育プログラムや、大学との連携など、この新しいリーダーシップ原則を実装する取り組みも強化しています。

アマゾン ウェブ サービスは、機械学習の能力をより多くの人々の手に届けるために、Amazon DeepRacer チャンピオンシップ カップ、トレーニングと認定、機械学習大学、機械学習ナノ学位などのプロジェクトを通じて、人工知能と機械学習の普及も推進します。2025 年までに世界中で 2,900 万人をトレーニングする予定です。

理論を実践し、Amazon DeepRacer を使用して機械学習モデルをトレーニングし、仮想レースカーを運転する方法を学びます。学生は、Amazon DeepRacer Student League で仮想レースカーをテストすることもできます。 Amazon DeepRacer 学生リーグは、機械学習を搭載した完全自律型の 1/18 スケールの自動車、3D レーシング シミュレーター、世界的な競争を通じて、あらゆるスキル レベルの人が機械学習モデルの構築方法を学ぶのに役立ちます。

Capital One、BMW、Deloitte、JPMorgan Chase、Accenture、Liberty Mutual などの企業はすでに Amazon DeepRacer を使用して、従業員が自ら機械学習モデルを構築、トレーニング、デプロイできるようにしています。

人工知能と機械学習の普及を促進するための数百万ドルの奨学金

それだけでなく、Amazon Web Services では、最大 1,000 万ドルの Amazon AI & ML 奨学金プログラムも提供しており、世界中の恵まれない地域の若者や学生に報奨金を支給し、労働者インテリジェンスや機械学習関連の仕事に将来就くための準備を支援しています。

このプログラムでは、数十時間分の無料の機械学習モデルトレーニングと教材の提供に加えて、恵まれないグループやサービスが行き届いていない地域の 2,000 人の学生に Python Udacity Nanodegree 人工知能プログラミング プログラムの奨学金も提供し、受給者に機械学習の基本的なプログラミング ツールとテクニックを提供します。

Amazon Web Services AI および機械学習奨学金プログラムは、Intel との提携により提供され、人材変革プラットフォームである Udacity によってサポートされており、世界中の学生に、機械学習の基礎とその実際の応用を網羅した数十時間の無料トレーニング モジュールとチュートリアルへのアクセスを提供します。

コードフリーの機械学習、無料の機械学習開発環境、1,000 万ドルの奨学金プログラム、スマート コンペティションの開催など、Amazon Web Services が人工知能と機械学習技術の普及に全力を尽くしていることがわかります。