信頼性の高い機械学習 ―SRE原則を活用したMLOps

まえがき

本書は、機械学習がどのように機能するかについての本ではありません。機械学習を機能させる方法について書かれた本です。

機械学習（ML）の仕組みは興味深いものです。MLを取り囲みサポートする数学、アルゴリズム、統計的洞察は、それ自体が興味深いものであり、適切なデータに適用されたときに達成できるものは、まさに魔法としか言いようがありません。しかし、本書では少し違うことをしています。私たちはアルゴリズム指向ではなくシステム全体指向です。つまり、アルゴリズム以外の全てについて話します。他の多くの著作ではMLのアルゴリズムが詳細にカバーされていますが、本書では意図的にMLのライフサイクル全体に焦点が当てられており、類書では見られないほどのページが割かれています。

つまり、データを正しく責任を持って扱うこと、信頼できるモデルを構築すること、運用環境へのスムーズな（そして可逆的な）道筋を確保すること、更新の安全性、コスト、パフォーマンス、ビジネス目標、組織構造に関する懸念など、厄介で複雑、そして時にはフラストレーションのたまる作業についてお話しします。私たちは、MLを読者の組織で確実に実現するために必要な全てをカバーしようと試みています。

本書を書いた理由

私たちは、「MLとAIの技術が現在、加速度的にコンピューティングと社会を再構築している」という誇大広告の少なくとも一部を強く信じています。その点において、世間の誇大宣伝は、いくつかの点で民間の現実に追いついていません†1。しかし、私たちはまた、現実世界のMLシステムの多くが、実際にどれほど滑稽なほどに信頼性が低く、問題を抱えているかを理解するのに十分なほど地に足のついた経験も積んでいます。テクノロジー関連の報道機関は宇宙飛行について記事を書いていますが、ほとんどの企業は依然として自転車で直立姿勢を保つのに苦労しています。今はまだ初期の頃です。今こそ、MLで何ができるか、そして組織がそこからどのような利益を得られるのかに積極的に注目する絶好の機会です。 ...