機械学習のトレーニングとデプロイを加速、4つのユースケースで学ぶ成功への道

　生成AIは、これまで困難だったイノベーション推進とコスト削減の両立を可能とするテクノロジーの1つだ。その成果を得るには、複雑な学習モデルが必要になるが、特定のユースケースに合わせて拡張やカスタマイズが可能な「基盤モデル」が登場したことで、構築の負担が軽減され始めている。

　例えば、多国籍自動車メーカーのHyundai Motor Companyの取り組みだ。自動運転車の開発では、コンピュータビジョン（CV）モデルのトレーニングが重要になるが、大量の画像トレーニングには膨大な時間を要する。そこで基盤モデル、さらにスケーラブルなクラウド環境を活用したところ、トレーニング時間を10分の1に圧縮でき、開発時間の多くをデータの準備に使えるようになったという。

　同社の他にも、自然言語処理や不正行為検出、レコメンデーションなどのユースケースで、画期的な成果を挙げている企業が次々に出現している。本資料では、機械学習のこれら4つの代表的なユースケースと、それぞれの成功事例を詳しく紹介していく。