機械学習に便利な Google Cloud (旧GCP) の「 AI Platform 」とは？概要、機能、料金体系、できることまで徹底解説！

2022.02.10

機械学習に便利な Google Cloud (GCP) の「 AI Platform 」とは？概要、機能、料金体系、できることまで徹底解説！

AI Hub
AI Platform
Cloud
機械学習

Google Cloud Platform （ GCP ）に搭載されている「 AI Platform 」をご存知でしょうか？ AI /機械学習に関連するサービスであり、自社で AI （人工知能）を活用する上では、必要不可欠なものとなっています。

AI Platform を活用することで、機械学習における様々な環境構築を効率化することができ、自社の生産性を大きく向上させることができます。本記事では、 AI Platform の基礎的な内容から、機能、料金体系、できることまで一挙にご紹介します。

Google Cloud Platform （ GCP ）とは？

Google Cloud Platform （ GCP ）は Google が提供するパブリッククラウドサービスです。同じ種別のサービスとしては、 Microsoft 提供の「 Azure 」や Amazon 提供の「 AWS 」などが挙げられます。

GCP は、セキュアで高い安定性を持つ Google の IT プラットフォーム環境を自社で利用することができます。ビッグデータや Google Workspace との連携など、『クラウド利用を越えた先の IT 戦略』をシームレスに実現することが可能です。

また、「 BigQuery 」などの優れたデータ解析ツールが用意されているため、一部のエキスパートだけでなく、組織全体でデータを活用し、経営戦略の策定や業務改善に繋げていくことが可能です。

さらに GCP には AI /機械学習に関連するサービスも多く搭載されており、 AI Platform もそのうちのひとつです。 AI Platform に関する詳細は、次章で詳しくご説明します。

機械学習に便利な AI Platform とは？

AI Platform は、機械学習における様々な環境構築を効率的に行うことができるプラットフォームです。

機械学習を進めていくためには、学習や推論などを行うための環境が必要になりますが、AI Platform を活用することで ML （ Machine Learning ：機械学習）のプロジェクトを概念化の段階から本番環境やデプロイ環境へ、迅速かつ費用効率の高い方法で移行することが可能になります。

AI Platform には、専門的なデータエンジニアリングツールから、「ロックインのない（既存サービスからの移行が容易にできる）」柔軟なツールまで、幅広いサービスが内包されているため、自社の状況に合わせて、独自の機械学習アプリケーションを構築し、実行することができます。

AI Platform の利用イメージとしては、はじめに学習用データの前処理としてデータラベリングを行い、学習のモデル開発時には環境を自動的に構築します。そして、推論など本番時の環境も自動的に構築することができます。

特に学習、本番時はコンピューティングリソースを多く必要とするため、リソースの一時的な拡張が必要になりますが、 AI Platform では拡張までを自動化することが可能です。

次章では、 AI Platform の機能を具体的にご説明します。

AI Platform の機能

AI Platform Data Labeling

まず学習用のデータを準備するためには、「アノテーション」と呼ばれるデータに意味を持たせる作業が必要です。これを Data Labeling を活用して、人の手を使いながら進めていきます。

AI Platform Training

機械学習では多くのコンピューティングリソースを利用するため、学習時間を短縮させるためにも分散処理を行うための環境準備が必要になります。 AI Platform Training はこの環境準備を自動的に行うことができ、学習が終わると環境を自動的に終了します。

AI Platform Predictions

本番環境で推論などを実行する際にはスケーラブル（自由自在に拡大・縮小ができること）な環境を再度準備する必要がありますが、 AI Platform Predictions を活用することで、自動的に環境を整備することができます。

AI Platform Notebooks

前項までの一連の作業は、通常 Jupyter Lab という開発環境で行います。Jupyter Lab は非常に有用な環境ですが、セットアップには仮想環境のインスタンス立ち上げ、ライブラリのインストール、 NVIDIA ドライバーのインストールなど、様々な作業が必要になります。

AI Platform Notebooks はこれらの環境セットアップを自動で行い、よくありがちなチーム作業時の環境のバージョンの差異も統一して準備することができます。

AI Hub

AI Hub を活用することで AI Platform Notebooks 環境で構築した成果物を組織内へ公開・共有することが可能になります。また、デプロイや本場環境への移行などもスムーズにできるようになり、業務効率化に直結します。

AI Platform でできること

機械学習の環境を手間なく構築できる

AI Platform に搭載されている機能を活用することで、機械学習に必要な環境を手間なく構築できます。

例えば、「 AI Platform Training 」を使えば、分散処理を行うための環境を自動的に整備することができ、「 AI Platform Predictions 」は推論を実行するための環境を自動的に構築します。

このように、 AI Platform は様々な環境を自動構築してくれる点が優れたサービスであり、機械学習を進める上での作業効率化に大きく寄与します。

AI 開発までのリードタイムを短縮できる

本来、 AI 開発における一連の作業は「 Jupyter Lab 」と呼ばれる開発環境で行うのが一般的です。Jupyter Lab は機械学習の開発環境におけるデファクトスタンダードとなっているオープンソースです。

Jupyter Lab は便利なツールですが、利用するためには様々なプロセスが必要になります。例えば、「仮想環境のインスタンスの立ち上げ」「ライブラリのインストール」「 NVIDIA ドライバーのインストール」などが挙げられます。

「 AI Platform Notebooks 」を使えば、これらのセットアップを自動化できるため、 AI 開発までのリードタイムを短縮することが可能になります。

幅広い機械学習アプリケーションを開発できる

AI Platform の大きな特徴として、豊富な機能が数多く揃っている点が挙げられます。気軽に使えるものから専門的なエンジニアリングツールまで、用途に合わせて利用できる幅広いサービスが搭載されています。

そのため、 AI Platform を使うことで、自社の状況に合わせた様々な機械学習アプリケーションを開発することができます。リソース拡張も自動的に行うことができ、手間な作業や煩雑な管理は必要ありません。

AI Platform の料金体系

AI Platform はモデルのトレーニングと予測の実行に対して料金が発生します。また、プロジェクトと予算に合わせて選べる様々な料金オプションが用意されています。

例えば、「 AI Platform Vizier 」「 AI Platform Notebooks 」「 AI Platform Deep Learning Containers 」「 AI Platform Deep Learning VM Image 」「 AI Platform Pipelines 」などの使用では料金が発生しませんが、これらのプロダクトで使用する GCP のリソースに対しては課金されます。

また、「 AI Platform Data Labeling Service 」の料金は、ラベル付けタスクの種類、ヒューマンラベリングの数、生成されたアノテーションユニットの数に基づいて計算されます。

AI Platform の料金体系はリージョンごとに金額も異なります。そのため、詳細は Google 公式ページをご参照ください。