信頼性の高い機械学習 ―SRE原則を活用したMLOps

本書の上梓に寄せて

機械学習（ML）は、まだ始まったばかりの驚異的な技術革新の波の中心です。MLは、2000年代の「データ駆動型」の波が去った後を引き継ぎ、利用可能な最新の情報に基づいて、ほぼ瞬時に忠実度の高い意思決定を機械が行うことを可能にします。それらのことが相互作用を起こし、組織のパフォーマンスを改善し、顧客体験を向上させることを約束するモデル駆動型意思決定の新時代をもたらします。

MLモデルの生産的利用を支援するため、MLの実践を本来の学術的な追求から完全なエンジニアリング分野へと急速に進化させる必要がありました。かつては研究者、サイエンティスト、データサイエンティストの独壇場であったものが、今ではMLエンジニア、MLOpsエンジニア、ソフトウェアエンジニア、データエンジニアなどが、少なくとも同等に責任を負うようになりました。

機械学習の役割は、単にモデルを機能させることから、組織のニーズを満たす方法で確実に機能させることへと健全なシフトと進化が見られます。これは、組織が効率的にモデルを作成し、提供できるシステムを構築すること、失敗しないようにシステムを強化すること、失敗した場合の回復を可能にすること、そして何より重要なのは、1つのプロジェクトから次のプロジェクトへ、組織を改善するのに役立つ学習ループの過程でこれら全てを行うことを意味します。

幸いなことに、機械学習コミュニティは、この全てを達成するために必要な知識をゼロから構築する必要はありません。MLOpsと呼ばれるようになった分野の実践者たちは、従来のソフトウェアプロジェクトにおけるDevOpsの実践を通じて培われた膨大な知識の恩恵を受けてきました。

MLOpsの第一波は、モデルの開発と展開に技術とプロセスの規律を適用することに焦点が当てられ、組織がモデルを ...