- 第56回（2023/01/30）: MLOps 2023年の予想 - Looking into 2023: Predictions for a New Year in MLOps
- Looking into 2023: Predictions for a New Year in MLOpsの紹介
- 2023年にMLOps領域でどのようなトレンドが見られるかを予想した内容
- 第26回収録で取り上げた記事の2023年版
- From ML Models to AI Apps
- モデル構築からモデルをアプリケーションに組み込む流れが進んでいく
- デリバリーの観点が求められる傾向がより加速する
- リアルタイム性や意思決定の自動化
- From Siloed to Collaborative and Continuous MLOps
- モデルが本番環境に行かない理由として、サイロ化した組織が挙げられる
- サイロ化の解消のため、複数チームが協力し合って進めていく動きが強まる
- MLOpsの構造を一気通貫に対応できるAutoMLOpsのアプローチによる推進が進められていく
- AutoMLOpsによる自動化（学習や意思決定）をどのように扱っていくのかは気になる
- AutoMLOpsを実現するOSSは提供されつつある
- MLRun
- Nuclio
- Shifting the Focus to Operational and Post-Production Challenges
- モデル開発から運用上の課題に対して焦点がシフトしていく
- 自動化, 監視, ガバナンス
- モデルが継続的にパフォーマンスを維持していることが重視されていく傾向
- 問題が発生した時の通知を行うなど
- 紹介記事に挙げられているモニタリング項目の例
- データ・コンセプトドリフト
- モデル性能の問題
- データ品質の問題
- モデルの偏り（バイアス）
- Adversarial Attacks（敵対的な攻撃）
- ビジネスKPI
- アプリケーションのパフォーマンス
- インフラの使用環境
- モデルの陳腐化
- 異常検知
- Moving AI to the Center of the Business
- AIをビジネスの中心に据える傾向が強まる
- 経営レベルでの直接的な関与が重要になっていく
- ラタム航空（南米最大の航空会社）の例
- CEO自らAI主導の全社横断戦略を掲げ、AIを基軸としたビジネスモデルの転換を推進
- 500以上のモデルを本番運用し、コスト削減や生産性向上につなげた
2022年がMLOpsが成熟の年だとすれば、2023年はMLOpsのスケーラビリティの年になる