Language
LLM、生成 AI が MLOps プラクティスに大きな影響を与える
ホームページホームページ > ブログ > LLM、生成 AI が MLOps プラクティスに大きな影響を与える
最新ニュース

LLM、生成 AI が MLOps プラクティスに大きな影響を与える

Sep 23, 2023

記事・分析

人工知能 (AI) 開発に対する独特のニーズにより、機械学習モデルの構築と展開に合わせた MLOps プラクティスが生まれました。 生成 AI とラージ言語モデル (LLM) が新しいアプリケーションを強化するため、これらの実践は常に流動的ですが、さらに大きな変革を迎える可能性があります。

過去に機械学習 (ML) モデルで画期的な進歩があったとき、そのニュースは AI 専門家の小さなコミュニティに限定されていました。 2012 年の Image Net オブジェクト認識データベースと、2017 年に Google によって説明された Transformer ニューラル アーキテクチャは、テクノロジー意識に小さな波紋をもたらしました。

ChatGPT ではそうではありません。 これが Bing と Edge ブラウザーに追加されたとき、世界中で話題になりました。 生成 AI、LLM、基盤モデルが重要なイノベーションを示しているように見えるため、経営幹部は注意を払う必要がありました。 生成 AI は、新しい形式のチャットボット インタラクション、コンテンツの要約と生成、ソフトウェア コードの生成などを実現します。

コンサルタント会社デロイトは、生成 AI が破壊の波を引き起こしていると述べています。 2023 年にデロイトとフォーブスが 143 人の CEO を対象に実施した調査では、回答者のうち 55% が生成 AI を評価または実験しています。

一方、79% が生成 AI によって効率が向上することに同意し、調査対象者の 52% が成長機会が増加すると考えています。 Deloitte は、回答者の 37% がすでに生成 AI をある程度導入していると述べました。

LLM へのニーズと一流の ML 開発ツールの必要性により、ML Ops 分野での買収が加速しています。 一部の視聴者は「LLM Ops スペース」も区別し始めています。

多くの人は、この種の買収を人材獲得の一環として見ており、生成型 AI の見通しに影を落とすスキルの問題を浮き彫りにしています。

チームは現在、トレーニング モードと推論モードの両方で新しいテクノロジーを使いこなすことに取り組んでいます。 生成 AI のイノベーションの中心となる LLM には、分散コンピューティングをサポートする大規模なハードウェアおよびソフトウェア アーキテクチャが必要です。 人間とマシンの対話における待ち時間を短縮するには、メモリとコンピューティング リソースを調整する必要があります。 これらすべてはすぐにコストに変わり、いくつかの有望なプロジェクトを妨げます。

さらに、LLM は膨大なトレーニング データをフィードしており、そのデータは厳選され、管理されなければなりません。 LLM 出力は不安定になる可能性があります。 場合によっては、開発者は反復的なプロンプト エンジニアリングに依存し、モデルに対して繰り返しクエリを実行し、応答が到着するたびに応答のランダムな性質について熟考します。 それでも、あらゆる規模の独立系開発者やベンダーが問題解決への道を見出しています。

最近の Databricks Data and AI Summit 2023 で講演した Shreya Rajpal 氏は、「大規模言語モデルは汎用推論においては優れていますが、非常に脆弱です。大規模言語モデルから正しい出力を得るのは困難です。」と述べました。

「スケールアウトしても、期待どおりに機能するという保証はありません」と彼女はデータと AI サミットの参加者に語った。

Rajpal は、元 Apple ML シニア エンジニアであり、現在は LLM 出力の品質をより確実に保証するソフトウェアを開発するスタートアップ Guardrails AI の創設者です。

Rajpal 氏によると、LLM は正確性が重要な企業用途に適用されるため、入力を検証することが急務となっています。 検証は言語の構造と種類、冒涜的な表現や応答の長さのチェックなどを中心に行われます。 Guardrails AI では、Rajpal は LLM 出力の品質をより確実に保証するために検証ツールを追求しています。

コンテナテクノロジーは、自動化された ML 開発を推進し続けています。 データ サイエンティストと運用の間の重要なコラボレーションを促進します。 Domino Data Lab のチーフ フィールド データ サイエンティストである Josh Poduska 氏によると、LLM 特有の課題には、コンテナ管理の改善が必要です。Domino Data Lab は、2013 年の設立以来、さまざまなフォーチュン 100 企業の分析スキルを磨いています。

「今日のデータ サイエンスはコンテナに大きく基づいています。 エンタープライズ レベルでは、データ サイエンス プラットフォームの基盤を構築する上で大きな役割を果たします。 LLM は従来の機械学習とは異なる種類のコンテナを必要とするため、再現性を高めるために、より優れたコラボレーションをサポートするコンテナ管理フレームワークに新しい要件が課せられます。」