AI & 機械学習

Google がクラウド AI デベロッパー サービス分野のリーダーに ― 2020 年版 Gartner Magic Quadrant

CloudAutoML.jpg

※この投稿は米国時間 2020 年 2 月 28 日に、Google Cloud blog に投稿されたものの抄訳です。

人工知能(AI)や機械学習(ML)に対応したエンタープライズ アプリケーションは、日に日に増えているように見えます。あなたがデベロッパーでも、データ サイエンティストでも、アナリストでも、あるいは AI に関心があるだけでも、AI / ML 技術をフルに活用するには、ニーズを完全にサポートするプラットフォームを持つことが重要です。とはいえ、考慮すべき機能やサービスが非常に多いことから、プラットフォームの選択は大変です。そこで役に立つのがアナリスト レポートです。求める答えを見つける際の助けになる、貴重な調査結果が得られるからです。

Gartner がこのほど公開した 2020 年版の Magic Quadrant for Cloud AI Developer Services レポートで、Google はリーダーに選出されました。この評価は、AutoML をはじめとする Google の言語、視覚認識、会話、構造化データなどの AI および ML プロダクトを対象としており、これらはいずれも Google Cloud を通じて提供されています。以下では、レポートで分析されている Google Cloud プロダクトの特徴について紹介します。

多様なエンタープライズ ユース ケースをサポートする Vision AI

Google Cloud が提供する AI ポートフォリオのメリットは ML の専門家でなくても享受できます。Vision および Video API を AutoML Vision や Video プロダクトとともに使用すれば、どんな経験レベルのデベロッパーでも、アプリケーションに知覚 AI を組み込むことができます。こうしたプロダクトは、業界をリードする予測精度を備え、クラウドまたはエッジにおいて画像や動画を理解し、それらから知見を得られるよう支援します。

Google Cloud の Computer Vision プロダクトは、視覚コンテンツを理解し、強力なカスタム ML モデルの作成に役立つさまざまな機能を提供します。

  • Vision API は、REST および RPC API を通じて、高速な画像分類にすぐに適用できる事前トレーニング済みモデルへのアクセスを提供します。

  • AutoML Vision は、使いやすいグラフィカル インターフェースを備え、独自のカスタム ML モデルのトレーニングを自動化します。モデルの精度、レイテンシ、サイズを最適化し、クラウド内のアプリケーションや多数のエッジ デバイスにエクスポートできます。

  • Video Intelligence API では、保存済み動画やストリーミング動画に含まれる膨大な数のオブジェクト、場所、アクションを自動的に認識する、事前トレーニング済みの ML モデルを利用できます。

  • AutoML Video Intelligence を使用すると、デベロッパーは ML の経験がどのレベルなのかに関係なく、動画内のオブジェクトを分類、追跡するカスタム モデルを迅速かつ簡単にトレーニングできます。

  • ML モデルの検査に使用できるオープンソースの可視化ツール What-If Tool は、モデルの解釈可能性を高め、AutoML Vision やデータラベリング サービスのためにモデルがどのように決定を行っているかの知見を提供します。

強力な事前トレーニング済み API とカスタム モデル作成機能は、企業の ML ニーズを満たす要素の一部ですが、こうしたモデルを企業のニーズに応じてどこにでもデプロイできることも、同じように重要です。そのため、AutoML Vision で作成したモデルは、仮想プライベート クラウド(VPC)、オンプレミス、Google Cloud のパブリック クラウドなど、お客様にとって最も効果的に機能する場所にコンテナを介してデプロイできます。


構造化データを使って優れたカスタム ML モデルを簡単にビルド、デプロイ

AutoML Tables を使用すれば、データ サイエンティスト、アナリスト、デベロッパーのチーム全体が、非常に高速かつ大規模に、最先端の ML モデルを構造化データに基づいて自動的にビルドしてデプロイできます。ML モデルを作成するには、デベロッパーは通常、できるだけ完全でクリーンなトレーニング データを必要とします。AutoML Tables は、データセットの欠損データ、高いカーディナリティ、個々の特徴量の分散に関する情報を提供し、これらを自動的に処理します。続いてトレーニングでは、数値特徴量の正規化や、One-Hot エンコーディングの作成からカテゴリー特徴量の埋め込みに至るまで、幅広い特徴量エンジニアリング タスクを自動化します。

AutoML Tables はさらに、コードレス GUI や Python SDK オプションに加え、自動化されたデータ前処理、特徴量エンジニアリング、ハイパーパラメータやニューラル / ツリー アーキテクチャ探索、評価、モデルの説明可能性、デプロイといった機能を提供します。こうした機能により、カスタム ML モデルの本番運用までに要する時間を、数か月から数日へと大幅に短縮できます。


お客様のグローバル展開に対応

ビジネスのグローバル化がますます進むなか、どの国や地域にお住まいでも、どの言語のお客様にも対応できることは、大きな差別化要素となります。そのため、Google Cloud プロダクトの多くは他のプロバイダーよりも多くの言語をサポートしています。たとえば、次のとおりです。

Google Cloud はこうした強力な言語サポートにより、お客様のビジネスのグローバルな成長を支援します。

AI の利用拡大が進むにつれて、Google プロダクトやサービスを活用して AI 対応を強化する企業が増えています。私たち Google Cloud は、あらゆる規模の組織のデベロッパーが、AI への取り組みの進度に関係なく、AI / ML をワークフローに迅速かつ簡単に組み込めるよう支援することに力を注いでいます。AI の活用法をもっと知りたい方は、Gartner 2020 Magic Quadrant for Cloud AI Developer Services レポートの全文をご覧ください。無料でダウンロードいただけます。


免責事項 : Gartner, Magic Quadrant for Cloud AI Developer Services, Van Baker, Bern Elliot, Svetlana Sicular, Anthony Mullen, Erick Brethenoux, 24 February 2020。Gartner は、Gartner リサーチの発行物に掲載された特定のベンダー、製品またはサービスを推奨するものではありません。また、最高のレーティングまたはその他の評価を得たベンダーのみを選択するようテクノロジーの利用者に助言するものではありません。Gartner リサーチの発行物は、Gartner リサーチの見解を表したものであり、事実を表現したものではありません。Gartner は、明示または黙示を問わず、本リサーチの商品性や特定目的への適合性を含め、一切の保証を行うものではありません。

- By Levent Besik, Director of Product Management, Google Cloud Artificial Intelligence, Google Cloud