ソリューション概要

AIをシステム化する実運用フェーズに入るお客様、システム化フェーズを見越した開発、PoCを行いたいお客様に機械学習プロジェクトを継続改善する保守・運用プロセス【MLOps】の構築をご提供いたします。時間とともに劣化するAIモデルを監視し、旧バージョンをアーカイブ管理することで、モデルの再学習といったメンテナンスや新旧バージョンを比較した性能評価など、モデルの保守・運用および再利用を容易にいたします。​

MLOpsとは

・AI開発、機械学習プロジェクトを継続的に改善する保守・運用の仕組み​
・開発段階で保守運用の仕組みを組み込むことでモデルの再利用やメンテナンスを容易にします

MLOps実現する上での重要な考え方としてML Pipelineがあり、これをワークフローとして自動化し効率的に管理を行います。​
ML Pipelineとはデータ抽出、特徴長エンジニアリング、モデル学習、モデルデプロイといった機械学習タスクを一連のパイプラインとして定義するものです。

DevOpsとの違い

MLOpsの語源としては、「DevOps」からの派生しました。従来のシステムに対して適用していたDevOpsという概念を、機械学習システムに対して拡張した概念がMLOpsです。
（MLOps = ML (機械学習) +開発 (Dev) ＋運用 (Ops) ）

MLOpsの特徴、重要性、メリット、課題

特徴 DevOpsをベースとした、機械学習ならではの開発・運用における問題に対処する点が特徴
重要性 ・機械学習モデルは運用時の環境変化にともない劣化する可能性を防げる
⇒ 機械学習プロジェクトにおいて機械学習チーム、開発チーム、運用チームが連携し、継続的にフィードバックや改善を行う
・さまざまな役割の技術者がシステムの開発・運用に関わる
⇒ 各チームの開発工程と運用工程をパイプライン化することで、データ処理やコミュニケーションを円滑化したり、デプロイなどの自動化により生産性向上を実現
メリット ・機械学習を取り入れたシステムを効率的に開発・運用できる
・人的コストの削減や、短い周期でシステムのアップデートが可能になるため、サービスレベルの向上にもつながる
課題 ・時間と人的コストがかかる
⇒ 機械学習モデルの開発・運用には、データ分析、モデル開発、モデルのデプロイ、管理や監視など、複雑な作業が多いため、時間と人的コストがかかる
・開発側と運用側の密な連携が必要
⇒ 機械学習モデルの開発・運用のサイクルを円滑に回すことを目的としているため、開発側と運用側が密に連携を取れるような組織体制が必要

なぜMLOpsが必要なのか？

AI開発、機械学習プロジェクトを継続的に改善する保守・運用の仕組み​
開発の段階で保守運用の仕組みを組み込んでおくことでモデルの再利用やメンテナンスが容易に
​ ​
＜AIモデル運用保守時の課題＞​
1.モデルの劣化を見落としている : ​
​ 作成したモデルが適切に動いているか動作状況を監視し、精度劣化などの変化を検知したい​​
2.旧モデルを参照する際にモデルとデータの紐づけが出来ていない: ​
​ 過去実験の条件やナレッジを保全し、場当たり的な実験を減らしたい​​
3.再構築・再学習などのAIモデルの再利用に手間がかかる : ​
​ パラメータ調整等、AIモデルを作成・チューニングする人の手間を減らしたい​
得られる成果
作成したモデルを継続的かつタイムリーに改良・調整を行いながら運用できるようになることで、AIが業務に与える効果を最大化できるようになります。
・運用中のAIモデル監視の導入による精度劣化などの異常の早期発見
・過去実験の条件やナレッジの保存と再利用作業の属人化の解消、引継ぎ工数の削減
・AIモデル再利用工程のGUI化による操作の簡略化、入力ミスの抑制
・AIモデル再利用(再構築・再学習)の際にコードや設定、パラメータを書き換える作業を簡略化

課題毎の解決策

＜Before＞想定課題 ＜After＞課題解決
・逐一データが変化し、モデルの精度が劣化する​
・作成したモデルの劣化や、入出力データの異常の検知が難しい
・ナレッジの保存ができておらず場当たり的な分析になっている
・コードや設定ファイルを直接書き換えに行くため、再利用方法が標準化できない
・運用の場面においても開発者に近い前提知識や学習コストが必要となるため、運用部門と開発部門に分けることが難しい​
・AIモデルを作成・管理する人の手間を減らしたい​
1. モデルを監視することで、劣化を速やかに検出することできる
2. 旧モデルをアーカイブ管理することで、新モデルの検証や​ダウングレードのために旧モデルを参照する際の手間を軽減​​
3. 上記1.、2.をモデル開発の段階で予め組み込むことで、​モデル再利用の際の利便性を向上する
 

想定される業界

各種製造業

実績例

時系列データのAIプロジェクト実行・管理機能プロトモデル開発（電子部品メーカー様）
・時系列データのAIプロジェクト実行・管理機能プロトモデル開発を行う。
・時系列分析を行う上で必要な管理システムの作成

事例：MLOps開発支援​