PaaS提供されている自動機械学習サービス、ランニングコストのメリットを試算

　産業やモノづくりの現場における機器設備の予知保全、物流・小売分野における需要予測など、AIが活躍できるビジネスシーンが増えつつある。その一方で、AIの原動力となる予測モデル、学習モデルの構築フェーズは、アルゴリズムの選択などによる試行錯誤の繰り返しが求められるなど、多大なリソースを要する現実もある。

　また、モデル構築にはプログラミングやアナリティクスの知識を兼ね備えた人材が必要というイメージも定着している。こうした常識を打ち破り、特に時間と手間がかかる予測モデル構築をノーコード化・自動化して、より幅広いユーザーにAI利用を可能とするものとして注目されている新たな技術が、PaaSとして提供される自動機械学習サービスだ。

　本資料では、クラウドベースの機械学習ツール群をリリースしているプロバイダーの代表例としてMicrosoft Azureを取り上げ、実際にどれだけのランニングコストになるのかを試算。データ転送量やストレージサイズ、コンピューティングリソースなど、多彩なシナリオに基づく試算を見るに、コストは従来のイメージよりもかなり使いやすい範囲に収まりそうだ。その内容を本資料で詳しく見ていこう。