クラウドコンピューティング大手の AWS が機械学習に長期的に賭けているのはなぜでしょうか?

クラウドコンピューティング大手の AWS が機械学習に長期的に賭けているのはなぜでしょうか?

[[375905]]

Amazon Web Services (AWS) はどのようにして世界トップのクラウドコンピューティング企業になったのでしょうか?参照として使用できる一連の方法論がありますか?

AWS は Amazon のクラウド コンピューティング サービス プラットフォームとして、14 年前に開始されました。クラウドコンピューティングの分野における AWS の継続的な成長と革新の秘密を一言で説明するのは困難です。最近、機械学習は AWS 内でも非常に重要な事業となっており、そこから AWS のクラウドコンピューティングにおける戦略の一部をまとめることができるかもしれません。

AWSが公開したデータによると、2016年に3つの機械学習サービスを開始してから5年間で、AWSは合計776以上の機械学習サービスと機能をリリースしました。 2019 年のデータによると、248 の新しい機械学習サービスと機能がリリースされ、その年にリリースされた新しいサービスと機能の総数 (2,345) のうち、機械学習が 10% 以上を占めました。

ますます深化する機械学習サービス<br /> 中国のクラウドサービスプロバイダーが業界に参入し、徐々に差別化された開発の方向性を定めている一方で、遠く離れた米国にある世界的なクラウドコンピューティングの巨人であるAWSは、機械学習サービスを熱心に推進している。

最近の「Amazon re:Invent 2020 カンファレンス」で、AWS CEO のアンディ・ジャシー氏は基調講演で冗談めかしてこう語った。「2019 年は機械学習について 75 分話しましたが、2020 年はやり方を変えたいと思っています。」そして、彼自身の説明であろうと顧客の証言であろうと、「機械学習」は彼の3時間のスピーチの中で75回以上言及されました。

クラウド コンピューティングの発展は、機械学習の活発な発展のための肥沃な土壌を提供しました。アマゾンの副社長兼CTOであるヴェルナー・フォーゲルス博士は、「2021年に世界を変える8つのテクノロジートレンド」の予測の中で、2020年には機械学習が主流となり、今後3年間で世界は過去30年間よりも多くのデータを生成するだろうと述べました。機械学習モデルと組み合わせることで、データ取り込みおよび集約ツールの使用は、あらゆる分野で情報を処理する唯一の実用的な方法になります。

AWS は機械学習の方向性を見極めた上で、機械学習の将来についてトレンド判断を下し、機械学習分野で提供するサービスはますます充実しています。

2016 年から 2020 年にかけて、AWS が開始した機械学習サービスの数がもっとも急速に増加したのは 2017 年から 2018 年でした。この期間中、機械学習サービスの数は2017年の60から155から215に増加しました。それ以来、AWSの機械学習サービスは年間「200以上」の割合で成長しています。

これまで、AWS の機械学習サービスは、トップ、ミドル、ボトムの 3 レベルのサービスフレームワークを形成してきました。

AWS 機械学習サービスフレームワーク図

最初のレイヤーは AI サービスで、ビジョン、音声テキスト変換、チャットボットなどのすぐに使用できるサービスが含まれます。

2 番目のレイヤーは Amazon SageMaker サービスです。このタイプのサービスは、ユーザーがデータに自動的にラベルを付けるのに役立ち、完全に管理された機械学習プラットフォームである SageMaker スタジオ統合開発環境を提供します。

3 番目の層は機械学習フレームワークとインフラストラクチャです。このタイプのサービスには、ユーザーが選択できるさまざまな機械学習フレームワークと、コンピューティング チップ、サーバーなどのインフラストラクチャが含まれます。

「当社の機械学習ソリューションは、データを迅速にシミュレートし、データの価値を掘り出すことができます。データ管理システムを変更することで、コンピューティングと分析をすべてのビジネスに統合できます」とアンディ・ジャシー氏はスピーチで述べました。

これが AWS の素晴らしさです。これは機械学習を一般的なサービスに抽象化したものであり、データレイク、データ ウェアハウス、データ インテリジェンスなどの現在人気のあるサービスに不可欠なツールです。業界の属性や使用シナリオを強調するのではなく、「機械学習」というサービスが IT とビジネスの効率をどのように向上させるかだけを強調します。どこで、どのような業界で、どのようなシナリオで使用されるかは、お客様が最終決定権を持ちます。

同時に、機械学習はよりアクセスしやすく、使いやすくなります。 Andy Jassy 氏の意見では、機械学習は機械学習の専門家だけがトレーニング、調整、構築、展開するべきではなく、「機械学習をより多くのビルダーに拡張する」必要があります。これらの「ビルダー」には、機械学習についてあまり知らないデータアナリストや IT ビジネス担当者が含まれます。

AWS が開始した機械学習サービスである SageMaker が、AWS 史上最も急速に成長しているサービスになったことも事実によって証明されています。現在、AWS の機械学習および人工知能サービスを利用している顧客は世界中で 10 万社を超えています。

さまざまな顧客ニーズが AWS の革新の原動力となっています<br /> AWS からより詳細な製品イノベーション計画を入手しようとしないでください。 Titanium Media APP がさまざまな AWS 担当者に複数回インタビューしたところ、「イノベーションを維持する方法」という質問に対する答えは常に「顧客中心」でした。実際、さまざまな顧客によって生み出された機械学習の需要は、機械学習の分野における AWS の継続的な革新を促進してきました。

AWS Greater China クラウドサービス製品管理担当ゼネラルマネージャー Gu Fan 氏は、SageMaker の例を挙げて次のように述べた。「お客様からは、昨年リリースされたものはすべて優れていると評価されていますが、機械学習には確かに難しい問題があります。それは、生データをモデルに必要なコア機能に素早く変換し、このステップを高速化する方法です。」

こうしたニーズに応えて、AWS は機械学習向け特徴量ファクトリーである機械学習サービス「AWS Data Wrangler」を開始しました。ここでの「特徴」は機械学習の用語です。機械学習モデリングには関数計算が必要です。データの「特徴」を関数に入力すると、「ラベル」を出力できます。機械学習ツールはラベルを使用して、データが猫なのか、犬なのか、それとも何か他のものか識別します。従来の機械学習ツールでは、顧客はさまざまなデータソースを接続し、データをキャプチャしてフォーマットし、後続のプロセスに入る前にデータ機能を実行する必要がありました。

AWS Data Wrangler を使用すると、Data Wrangler は単一の機能と複合機能の両方をすばやく変換できます。また、SageMaker Studio では、変換プロセス全体を視覚化できるため、プロセスへの介入が容易になります。

一方、機械学習フレームワークに関しては、現在、ほとんどの機械学習プラットフォームは Tensorflow のみをサポートする傾向があります。しかし、AWS の顧客調査では、機械学習を専門とする人の中には、実際にどの機械学習フレームワークを使用するかを選択できるようにしたいと考えている人がいることがわかりました。

「AWS はすべての主要な機械学習フレームワークをサポートしています。当社には複数のチームがあり、1 つのチームは Tensorflow を最適化し、別のチームは PyTorch を最適化し、さらに別のチームは MXNet に重点を置いています。そのため、お客様はこれらすべてのフレームワークで最高のパフォーマンスを得ることができます。」アンディ・ジャシー氏は演説でこう述べた。

顧客のツールに対する需要により、AWS サービスには、機械学習製品ラインだけでなく、他の製品ラインにおいても一定の柔軟性と互換性がもたらされます。

Amazon Aurora は、MySQL および PostgreSQL と互換性のある AWS のクラウドネイティブなリレーショナル データベースです。主な利用シナリオはプライベートクラウドであり、利用コストは他の商用データベースの 10 分の 1 です。 Severless(サーバーレスコンピューティング)のユースケースが増え続ける中、Aurora が Severless をサポートできるかどうかを尋ねるお客様もおり、AWS では上記のニーズを満たすために Aurora Severless V2 をリリースしました。

アンディ・ジャシー氏は率直にこう語った。「これを実行すると、Aurora を使用している一部の顧客が Aurora Severless に移行するでしょう。これはある程度 AWS の収益の低下を引き起こすように思われるかもしれませんが、これはまさに AWS が製品を作る際に考える異なる方法です。私たちは顧客の意見に耳を傾けます。Aurora Severless は Aurora 事業にある程度影響を与えましたが、これは顧客が必要としていることです。長期的には、顧客がクラウドでより多くのコストを節約し、より多くの資金をイノベーションに使うことができるようになると信じています。」

SaaS とエッジハードウェアを実行する<br /> 中国のクラウドコンピューティングサービスプロバイダーは、その発展において「境界」を強く意識しています。設立当初は、パートナーエコシステムを獲得するために、各社とも「SaaS はやらない」といった発言をしていました。しかし、産業用インターネットの大幅な進歩により、SaaS はすべてのクラウド コンピューティング サービス プロバイダーが顧客に提供するサービスになりました。

しかし、AWS の場合、顧客からの強い需要があれば、AWS は自ら制限を設けることはありません。顧客がそれを必要とし、AWS がそれを提供できるため、それに基づいて革新を起こすことができます。このサービスがパートナーが提供するサービスと競合する場合、両者は対等に競争することができ、選択は顧客に委ねられます。

前述したように、AWS の機械学習サービスには「トップ・ミドル・ボトム」のサービスフレームワークがあります。トップレベルの AI サービスには、機械学習の利用の敷居を下げるために立ち上げられた SaaS サービスもいくつか含まれています。 AWSは、機械学習技術がさまざまな業界で広く採用されるにつれて、機械学習のアプリケーションはますます増えていくだろうと述べた。

少し前に、AWS と BlackBerry は、自動車メーカーがデータの収集と分析を自動化し、パーソナライズされた運転と乗車体験を提供できるようにするインテリジェント車両データ プラットフォームである IVY のリリースを発表しました。

最近、産業分野でも、AWS は 5 つのターゲットを絞った機械学習サービスを開始しました。その中で、Amazon Monitron と Amazon Lookout for Equipment は、産業企業が機械学習を通じて予知保全を実行できるようにし、AWS Panorama Appliance と AWS Panorama SDK は、コンピュータービジョンを通じて産業運営と職場の安全性を向上させ、Amazon Lookout for Vision は、低コストで迅速かつ正確に画像とビデオの視覚的異常監視を実行できるようにします。

AWS Panorama オールインワンマシンは、実際には AWS によって設計され、エッジに展開されたハードウェアデバイスであることは注目に値します。 AWS のグローバル副社長である Swami Sivasubramanian 氏は Titanium Media APP に対し、顧客がすでにローカルカメラを持っている場合は、それを産業現場のネットワークに接続してカメラのデータストリームを自動的に識別し、産業用カメラと対話できると語った。

SaaS サービスを提供するだけでなく、必要に応じてハードウェア機器も提供します。そのため、AWS はサービス展開モデルの定義においてよりオープンな姿勢を採用し、イノベーションに制限を設けていません。一方、あるコンセプトが人気を博しても、AWS がそれに追随することはほとんどありません。

「当社には 2 つの原則があります。1 つは、魚を与えるよりも魚の釣り方を教える方がよいということです。当社は、お客様が能力を高め、ツールを提供し、その使い方を教えるお手伝いをしたいと考えています。2 つ目は、エンジニアリングに実際にギャップがあり、お客様が支援を必要としているときに、製品プロトタイプの形でビジネス上の問題を迅速に解決できるよう支援することです。」 AWS Greater Chinaのクラウドサービス製品管理担当ゼネラルマネージャー、Gu Fan氏は要約の中でこう述べた。

データによると、AWS は 2011 年に機械学習サービスを含む 80 を超える重要なサービスと機能をリリースしました。 2012年に約160件2016年には1,017件2019年には2,345件に増加しました。

これほど多くのサービスがある中で、AWS はどのようにしてイノベーションが確実に実装されるようにしているのでしょうか?

「当社の製品の少なくとも90%は、完全に顧客のニーズに基づいて開発されています。私たちが製品を発売するのを見たら、まず、社会や世界中にそのような需要を持つ顧客がたくさんいるはずだと信じなければなりません」とAWSグレーターチャイナの主任クラウドコンピューティング企業戦略コンサルタント、張霞氏は語った。

同時に、製品が発売されたときに、すべての顧客がそれを使用する必要はありません。 「re:Invent が何かをリリースするたびに、お客様は自分たちのニーズを念頭に置いてカンファレンスを視聴するため、非常に興奮しています。新規ユーザー向けでも既存ユーザー向けでも、イノベーションが実装されないという問題はありません。」

<<:  5G時代に欠かせないキーテクノロジー:エッジコンピューティングリファレンスアーキテクチャ3.0の詳細解説

>>:  テンセントは独自のテンセントJDK、マイクロサービスクラウドネイティブなどのシナリオをオープンソース化

推薦する

Microsoft 365: 少ないリソースでより多くの成果を上げるハードコアツールを選択する

Office 365 は、完全に人工知能ベースの生産性向上プラットフォームとして、Microsoft...

クラウド コンピューティング戦略を策定する際に IT およびビジネス リーダーが犯す 10 のよくある間違い

「優れたクラウド戦略は、10~20ページからなる短くて実行可能な文書であるべきだ」とガートナーの副社...

微博マーケティングを成功させる鍵を簡単に分析:トピック選択のスキルを習得する

現在、Weibo を通じたマーケティングは重要な手段の 1 つになっています。Weibo はすぐに共...

国営クラウドが軌道から外れると、パブリック クラウド サービス プロバイダーにとってどのような危険とチャンスが生まれるのでしょうか。

最近、地方の国有資産管理委員会が発行した「国有企業のクラウドへの移行を加速し、国有資産クラウドシステ...

Webmaster Network レポート: 電子商取引が「資金調達の饗宴」を繰り広げ、Google は Checkout を閉鎖

1. Guahao.comプラットフォームは最近Taobao Lifeに正式に接続されました記者らは...

金融業界のデジタル変革にはマルチクラウド戦略が第一の選択肢

デジタル変革のプロセスが加速するということは、多くの金融機関がクラウドへの移行という問題に直面するこ...

海外の流行TシャツサイトShirtPunchが新ゲームをリリースし、7か月で3000万を稼いだ

最近、流行のTシャツを販売している「ShirtPunch」(サイトの紹介はこちら)という非常に興味深...

昨年を総括し、今年展開する Aruba のマジック クアドラントの秘密は何でしょうか?

2022年1月12日午後、アルバは「変化を把握し、未来を予見する」をテーマに、北京で2022年新年メ...

クラウド変革を成功に導く道: 考慮すべき重要な要素

クラウド変革は企業にさまざまなメリットをもたらしますが、成功するには慎重な計画と実行が必要です。クラ...

H5ゲームチャンネル運営の必読記事:現状、課題、そして将来

大手ウェブゲーム会社を辞めてH5ゲームプロジェクトに参加してからほぼ1年が経ちました。この1年間、私...

ウェイト8ウェブサイトの内部ページ最適化の簡単な分析

中国のトップ比較ショッピング サイトの 1 つとして、SmartPoint は誰もが知っていると思い...

微博はツイッターよりも「トラフィック転換」やネットワークマーケティングに適している

この記事は@Gemini Entertainment Leifeng.com専用です。転載の際は出典...

#blackfriday# *ウェブマスター推奨* fastcomet - 日本のホスティング/超高速/無料ドメイン名/無制限のウェブサイト構築

Fastcomet はついにブラックフライデー プロモーションを開始しました。仮想ホスト、クラウド ...

SEOを行うということは良心を持って行うことです

Baidu は新しい検索システムを立ち上げようとしています。皆さんご存知だと思いますが、著者はこれは...