機械学習コード化の時代が到来
The Age of Machine Learning As Code Has Arrived
機械学習(ML)は、電力網やパンデミック下のスーパーマーケットの在庫管理などの基幹インフラに適用されつつある。Transformerアーキテクチャは、自然言語処理だけでなく、音声、コンピュータビジョン、タンパク質構造予測など、幅広いMLタスクで汎用的なアーキテクチャとして登場している。MLのイノベーションのペースは速く、専門知識なしでビジネス価値を迅速に生み出すための近道が求められている。MLはソフトウェアエンジニアリングのベストプラクティス(バージョン管理、再利用性、テスト容易性、自動化、デプロイ、監視など)をデータサイエンスとMLにも適用する必要がある。DevOpsの考え方をMLに適用するMLOpsが重要視されている。Kaggle調査によると、75%の回答者がクラウドサービスを使用し、45%以上がエンタープライズMLプラットフォームを利用している。Hugging Faceは、MLモデルのトレーニング、最適化、デプロイを容易にし、モデルを迅速かつ頻繁に本番環境に投入することをミッションとしている。Transformerの使用率は年々増加しており、転移学習によりトレーニング時間と計算コストを削減し、ビジネス価値をより早く提供できる。Hugging Faceは、GitHubで52,000以上のスターを獲得し、Kaggle調査でも10%以上の利用率を示している。
本記事はMLOpsの普及とHugging Faceのプラットフォーム成長を概観するもので、具体的な新規発表や投資判断に直結する事象は含まれていない。ただし、Hugging FaceがMLモデルのデプロイ基盤として急速に普及し、企業のML導入における標準プラットフォームになりつつあるという潮流は、AI/MLツールチェーンへの投資テーマとして注目に値する。Kaggle調査での利用率10%超、GitHub 52,000超のスターは同社の市場ポジションを示す指標だが、本記事は既存の調査結果の紹介にとどまっており、新たな投資判断のトリガーとなる情報は乏しい。