北極圏にデータセンターを構えて実質無料で冷却、Neu.roはゼロエミッションの機械学習モデル構築ソリューションを発表

企業が機械学習を活用してビジネスをより効率的に運営しようとする動きはますます活発になっているが、機械学習モデルの構築、テスト、稼働には膨大なエネルギーを必要とすることも事実だ。アーリーステージのスタートアップ企業でフルスタックのMLOps(エムエルオプス、機械学習運用基盤)ソリューションを手がけるNeu.ro(ニューロ)は、より環境負荷の少ないグリーンなアプローチに取り組んでいる。

同社は米国時間11月22日、フィンランドのクラウドインフラストラクチャパートナーであるatNorth(アトノース)とともに、ゼロエミッションのAIクラウドソリューションを発表した。

同社によると、atNorthはティア3に適合するISO 27001認定のデータセンターを提供し、そこでNVIDIA(エヌビディア)A100を搭載したDGXおよびHGXシステムを稼働させるという。80MWの電力容量を持つこのデータセンターは、すべて地熱と水力エネルギーで稼働している。さらに、北極圏に位置しているため、実質的に無料で冷却することができ、Neu.roのソリューションを使用して機械学習モデルを構築する顧客に、エネルギー効率の高いソリューションを提供できる。

Neu.roの共同設立者であるMax Prasolov(マックス・プラソロフ)氏によると、この問題を調査した結果、コンピューティングとテレコミュニケーションが世界の総エネルギー消費量の約9%を占めており、この数字は今後10年間で倍増する可能性があることがわかったという。プラソロフ氏らは機械学習モデルの構築がその中でも重要な役割を果たすと考え、自社の二酸化炭素排出量を削減するために、atNorthと提携することを決めた。

「当社ではすべてのオペレーションとすべての実験を、ゼロエミッションのクラウドに移行することに決めました。目標は、クレジットを購入して使用量を埋め合わせることができるカーボンニュートラルではありません。問題は、どうやってゼロエミッションを達成するかです。私たちは、顧客のために機械学習モデルをトレーニングする際に、非常に多くのエネルギーとコンピューティングパワーを費やしていることに気づきました。それこそが、間違いなく、我々が排出している最大のカーボンフットプリントであることを理解したのです」と、プラソロフ氏は述べている。

その一方で、同社はソフトウェアソリューションを通じて、より効率的な方法でモデルを構築する方法を考え出した。これによって必要なエネルギー量を削減し、さらに持続可能なソリューションを提供することが可能になる。

製品自体については、同社は柔軟性のあるクラウドネイティブなサービスを提供しており、そこでツールの一部を提供するものの、企業が自分たちにとって最適と考える方法で補う余地を十分に残している。

「当社のアプローチは、データの取り込みから、モニタリング、説明可能性、パイプラインエンジンなど、構築が必要なツールをすべて1つずつ構築するのではなく、相互運用性を重視しています。まだ構築されていないものを構築し、すでに存在するKubernetes(クバネティス)によるツールのユニバースに接続します」と、同社の共同設立者である Arthur McCallum(アーサー・マッカラム)氏は説明する。

このスタートアップ企業は現在、商用のソリューションを提供しているが、オープンソース版のスタックにも取り組んでおり、まもなく、おそらく年内にはリリースされる見込みだ。同社の目標は、Amazon(アマゾン)、Microsoft(マイクロソフト)、Google(グーグル)というビッグ3以外の小規模なクラウドベンダーに、クラウドベースのAIソリューションを提供することである。これには世界各地の地域的なベンダーも含まれるだろう。

Neu.roは2019年に創業し、2020年にソリューションの最初のバージョンを公開した。これまでにシード資金として230万ドル(約2億6500万円)を調達しているという。

画像クレジット:a-image / Getty Images

原文へ

(文:Ron Miller、翻訳:Hirokazu Kusakabe)

機械学習運用基盤(MLOps)スタートアップの話をよく聞くようになってきた

スタートアップとマーケットの週刊ニュースレター、The TechCrunch Exchangeへようこそ。

ああ、先週の金曜(米国時間11月19日)の午後はちょっと苦労していた。米国にいない人には、ちょっと説明が難しい。簡単に言えば、先週の終わりになって、私たちの警察と司法のシステムのある種の欠陥が明るみに出たのだ(訳注:警察のヘリコプターから撮影されたとみられる大量の監視映像が米国で流出した)。というわけで、今回のExchangeニュースレターは予定よりも短くなる。

DevOps(デブオプス)の市場は多忙で、資金も豊富だ。例えば先日はOpslyft(オプスリフト)の話を聞いた。インドと米国にまたがるこの企業は、ソフトウェアを作成する際のポストデプロイメント側のツールをまとめた統合DevOpsサービスを開発している。すばらしい企業なので、もし資本調達を発表したら、もっと時間をかけて記事を書くことになるだろう。最近の記憶に残る別の例を挙げるなら、先日公開されたプレデプロイメントDevOpsサービスであるGitLab(ギットラボ)がある。

つまり、大小を問わずのハイテク企業はDevOpsツールを構築しているということだ。そして、機械学習運用基盤(MLOps、エムエルオプス)の市場は、大きな兄弟(DevOps)と同じように急速に成長し始めている。TechCrunchは、MLOpsスタートアップのComet(コメット)が今週資金調達したことを記事にしたが、これを読んでThe Exchangeは、MLOpsスタートアップの別の資金調達イベントであるWeights & Biases(ウエイツ&バイアス)のラウンド、を取り上げたことを思い出した。

関連記事:企業の機械学習利用の空隙を満たすMLOpsのスタートアップCometが約57億円調達

こんな話を持ち出したのは、先日私たちがSapphire VenturesのJai Das(ジェイ・ダス)氏にインタビューを行い、AIによる資金調達のトレンドについての情報を収集したからだ。その対話の中で、私はAIOps(エーアイオプス)のアイデアを持ち出し、それが私たちが注目すべき第3の「Ops」カテゴリーになるのではないかと口にした。しかし、ダス氏によれば「MLOpsは基本的にAIOpsです」ということなので、2つの大きなカテゴリーに考え方をほぼ限定することができる。

とはいえ、AI(人工知能)とML(機械学習)は正確には同じものではない(ここであまり争うつもりはない、大まかな話なので)よって、2つの異なるタイプの仕事が、同じソフトウェアの中に収まるかどうかは興味深いところだ。

さらにAIについて

AIのテーマに沿って、今回はAI市場についてもう少し触れてみよう。Anna(アンナ)記者が、世界の人工知能投資の動向を論じた最近のエントリーを踏まえて、メモを用意した。彼女は、今日のAIファンドがどこに使われているのか、また「AI」という呼び名にふさわしいものの定義が変わることで、スタートアップ活動のための資金量がどのように増えていくのかについて考えている。

地理的な格差が私たちの注意を引いたが、AIの定義や応用が広がれば、資金はより均等に分配されると考えている。例えば第3四半期に新たにラテンアメリカのAIユニコーンに選ばれたのは、フードテックのNotCo(ノットコ)とデジタルIDを提供するUnico(ユニコ)の2社だった、またメキシコの融資会社Kueski(キュースキー)も大規模なラウンドを行った。私たちはこれをフィンテックと呼んでいたが、これもまたAIを活用したも企業だ。それがAIの新たな現実だとすれば、ラテンアメリカやアフリカなど、世界のあらゆる場所で、AIを活用して現実の問題に取り組むスタートアップに資金が集まるようになるのも不思議ではない。

来週はカナダにお住まいの方にはぜひ読んでいただきたいものがあるのだが、今回のAI記事の締めくくりとして前回のAI記事には少し遅れてしまったPoint72 VenturesのSri Chandrasekar(スリ・チャンドラセカール)氏からの回答をご紹介しよう。

AIに特化したスタートアップの経済性についての質問に答えて、投資家であるチャンドラセカール氏は以下のようなコメントを寄せてきた。

最近のAIへの関心のほとんどは、大規模なラウンドを調達している企業たちの収益の成長によってもたらされているのだと思います。しかし、その増収の背景にあるのは、商品の需要の高さと労働参加率の低さという極めてシンプルなものなのです。これは、Point72 Venturesのディープテック・ポートフォリオ全体に見られることです。AIは人間を補強して生産性を向上させ、場合によっては自動化に適した作業を人間に代わって行い、人間はより付加価値の高い戦略的な活動に専念できるようになります。これまでは、こうした自動化を導入するための労力が大きかったのですが、(人材不足によって)カスタマーサービスのリクエストに対応する人や受付を担当する人を雇うことができなくなると、自動化が俄然意味を持ち始めます。

最近私たちは、マクロ環境がスタートアップにどのような影響を与えるかについて、多くのことを学んでいる。インフレの進行でインシュアテックの利益が損なわれたり、「the Great Resignation(大退職時代)」が進んだりすることで、AIソフトウェアの需要が高まっているのだ。心に留めておきたい。

関連記事:暗号資産ゲームは短期的にどれだけの資金を吸収できるだろうか

その他のあれこれ

  • ユタ州を拠点とするPodium(ポディウム)の最近の巨額ラウンドを受けて、私たちは同州のより大きなスタートアップシーンを掘り下げたPitchBookの最新記事をご紹介する。ご想像の通り、数字は上向いている。
  • また、巨額ラウンドといえば、Faire(フェア)が今週、シリーズG調達を行った。だから?紹介したい興味深い成長の統計データがあったのだ。Faireは、自らの表現では「オンライン卸売市場」であり、かなり急速に成長しているビジネスだ。同社が「3倍」の収益成長と「年間10億ドル(約1141億円)以上のボリューム」を自己申告したことで、私たちの注目を集めた。もし非公開市場が、この会社をベンチャーキャピタルのフォアグラにしようと太らせているのでなければ、この会社はIPOの候補になるだろう。
  • さて他には?OKRスタートアップのKoan(コーアン)は、シリーズA調達に失敗した後、Gtmhub(ジーティーエムハブ)に売却されることになった。私たちは長年にわたってOKRソフトウェア市場について多くの記事を書いてきたので、この出来事を紹介しておきたいと思う(KoanのCEOは、公の場とメールの両方で、会社の終わりについてのメモを共有してくれたので、この件については、時間があれば来週お伝えすることになるかもしれない)。
  • そして、最後はBraze(ブレーズ)だ。ニューヨークを拠点とするソフトウェアのユニコーン企業であるBrazeは先週上場した。The Exchangeは上場日に同社のリーダーにインタビューを行った。すべてのIPO発表会と同様に、対象となる会社は、発言できること(あまり多くない)とできないこと(ほとんどすべて)に関して、かなり厳しい指導を受けていた。それでも、IPOの準備を始めたのは数年前で、実際に上場するためのプロセスを開始したのは約1年前であったという、準備プロセスについての情報を得ることができた。私たちは、2018年以降資金調達の必要がなかった同社が、なぜ直接上場を目指さなかったのかを知りたいと思った。BrazeのBill Magnuson(ビル・マグナソン)CEOは興味深い話をしてくれた。つまり最近の変化を踏まえれば、従来のやり方のIPOは一部の人々が考えているほど柔軟性に欠けるものではないというのだ。これから数週間、2021年の最後の公開を眺めながら、そのことを考える価値はあると思っている。なお、Brazeは、1株あたり65ドル(約7415円)で上場した後、現在は1株あたり94.16ドル(約1万700円)となっている。

画像クレジット:Nigel Sussman

原文へ

(文: Alex Wilhelm、翻訳:sako)

企業の機械学習利用の空隙を満たすMLOpsのスタートアップCometが約57億円調達

機械学習がビジネスを動かすための欠かせない技術になっているが、その中でモデルを構築する工程は今なお、反復と実験を必要としている。それに対しCometは、モデルをアイデアからプロダクトまで仕上げるための全体的なプラットフォームを作り、米国時間11月18日は5000万ドル(約57億円)のシリーズBを発表した。これに先立つシリーズAは、4月の1300万ドル(約15億円)だった。

OpenViewがリードしたこのBラウンドには、これまでの投資家であるScale Venture PartnersやTrilogy Equity Partners、そしてTwo Sigma Venturesが参加した。Crunchbaseのデータによると、同社の累積調達額は7000万ドル(約80億円)近くになる。

共同創業者でCEOのGideon Mendels(ギデオン・メンデルス)氏によると、プロダクトはノートパソコンでもクラウドでも、あるいはオンプレミスのクラスター上でも、どのようなプラットフォームでも使える。「Cometは実験の追跡調査からモデルのプロダクションのモニタリングまで、機械学習の全ライフサイクルを管理し最適化します。そのためデータサイエンティストに力をつけ、機械学習の技術者が開発を加速できるプラットフォームだ」とメンデルス氏はいう。

メンデルス氏によると、そのアプローチは実績を出し、同社の年間経常収益は2021年5倍になり、UberやZappos、Etsyなど150社がCometを利用している。またOpenViewのパートナーでリード投資家のMackey Craven(マッキー・クレイヴン)氏によると、彼がCometに惹かれたのは、同社が大きなチャンスを抱えた新興市場のための有効なプロダクトを作っているからだ。「私たちが今、目にしているのは、彼らを十分サポートできる大きくて永続性のある市場機会のコアとなりうるような傑出した創業チームと、そしてその市場における変化との稀なる組み合わせです。その変化の理由は、新しい市場の創造または、技術の転位によって新規参入者たちが、私たちが作り出す今後の大きな市場における価値を創造し捉えているからです」とクレイヴン氏はいう。

現在、同社の社員は50名で、4つの大陸の9カ国から来ている。計画では、2022年は100名になる予定だ。メンデルス氏によると、ダイバーシティとインクルージョンは同社の価値システムの重要部分だ。氏は「実はそれこそが、弊社の企業文化の核であり、今でも従業員の35%はマイノリティの人たちであり、今後の雇用でもそれに配慮していく」という。

同社の新製品であるArtifactsは、文書のバージョニングと同じように動作し使えるデータのバージョニングツールだ。それはデータの変更履歴を知るために、データサイエンティストたちが利用する。

メンデルス氏によると「機械学習のパイプラインで仕事をしているときCometのArtifactsがあれば、データの各回のスナップショットを自動的にバージョン化できます。変更を加えるたびに、そのバージョンができます」。そのアドバンテージはいろいろあるが、その主なものは、モデルの訓練に使っているデータがどう変わってきたか、データサイエンティストにわかることであり、訓練時のモデルのデータと最終プロダクションのデータを比べられる。

画像クレジット:yucelyilmaz/Getty Images

原文へ

(文:Ron Miller、翻訳:Hiroshi Iwatani)

Landing AIがデータセントリックMLOpsツールで次世代AIを実現するため約64.5億円の資金を確保

Landing AI(ランディングAI)は、主力製品の発売からわずか1年余りで、製造業者がより簡単かつ迅速に人工知能システムを構築・導入できるツールの開発を続けるために、5700万ドル(約64億5000万円)のシリーズA資金を獲得した。

元GoogleとBaiduのAI第1人者であるAndrew Ng(アンドリュー・ン)氏が立ち上げた同社は、AIとディープラーニングを応用して製品の欠陥をより迅速かつ正確に見つけることができる目視検査ツール「LandingLens」を開発した。

ン氏は、産業界はAIの構築にデータセントリック(=データ中心)アプローチを採用すべきだと述べている。これは、メーカーがAIモデルに何をすべきかを教えるためのより効率的な方法を提供するもので、マウスを数回クリックするだけで高度なAIモデルを1日足らずで構築できるノーコード / ローコード機能を備えている。

「我々はデータセントリックAIのムーブメントをキックオフし、他の企業がそれを話題にし始めたことを非常に喜ばしく思っています」。と同氏はTechCrunchに語った。「製造業では、工場ごとに異なることをしているので、多くのマンパワーを雇うことなく、1万社のメーカーが1万種類のモデルを作るのをいかに支援するかが問題になります」。

創業者兼CEOのアンドリュー・ン氏(画像クレジット:Landing AI)

マッキンゼーの調査によると、AIは2030年までに世界の経済に13兆ドル(約1470兆円)の実現価値を生み出すと予想されている。ン氏は、さまざまなAIモデルを構築することが依然として困難であるため、まだその多くが実現されていないと語る。

同氏は、Landing AIがこれらのモデルを構築するためのコードを解明したと考えており、製品のマーケットフィットを確認し、製品をより良くするためにチームを拡張できるようにしたいと考え、シリーズAラウンドを調達した。

インダストリアルIoT(IIoT)に特化した投資会社であるMcRock Capitalがこのラウンドを主導し、Insight Partners、Taiwania Capital、Canadian Pension Plan Investment Board(CPP Investments)、Intel Capital、Samsung Catalyst Fund、Far Eastern GroupのDRIVE Catalyst、Walsin Lihwa、AI Fundが参加した。

Landing AIは製品の構築に向けて前進しているが、ン氏は、同社がデータセントリックAIムーブメントの初期段階にあることから、さらなる進歩を遂げ、まだ不足している技術を革新していきたいと述べている。

例えば、以前、3億5千万のデータポイントを持つ音声認識システムを構築した際、それだけ多くのデータポイントのために発明されたAI技術は、欠陥を見つけるための画像が限られている製造現場ではうまく機能しないことがわかったという。データセントリックな動きの一環として、50枚以下の画像を活用して、何が欠陥なのかを明確に示すことで、ドメインエキスパートを支援するツールを開発している。

ン氏は次のように述べている。「当社はこれが機能する段階に達しており、すべてをスケールアップしたいと考えています。どうやってレシピを解読してAIを他の業界に持っていくか、何年も前から関心を持ってきましたが、データセントリックAIでようやくそれが実現しつつあります」。

画像クレジット:Landing AI

原文へ

(文:Christine Hall、翻訳:Aya Nakazato)

「はやい、やすい、巧い」エッジAIのフツパーと高速なアノテーションを提供するFastLavelが協業し国内産業のAI化推進

「はやい、やすい、巧い」エッジAIのフツパーと高速なアノテーションを提供するFastLavelが協業し国内産業のAI化を推進

AI開発に欠かせないアノテーション作業の高速化を行うFastLabel(ファストラベル)は7月29日、中⼩企業向けエッジAIシステムを提供するフツパー(Hutzper)と7月より協業し、システム連携を開始すると発表した。高速アノテーションとエッジAI技術を組合せることで、目視検査業務の効率化を目指す。

FastLabelは、AIの機械学習に用いられる「教師データ」作成に必要なアノテーション(データに関連するメタデータを埋め込む作業)の高速化を行っている。AIの産業利用では、教師データの不足や品質の低さで十分な性能が発揮できず、「実用化のボトルネック」になっているという。「AI開発を10倍速くする」をミッションとするFastLabelは、教師データの作成、分析、管理を効率化し、精度を向上させるアノテーションプラットフォーム「FastLabel」を開発・提供している。

一方、フツパーは、「はやい、やすい、巧い、AIを」をミッションに、目視検査業務を効率化する画像認識エッジAI特化型SaaS「Hutzper Insight」(フツパー・インサイト)と、画像認識AIモデル開発「Hutzper Vision」(フツパー・ビジョン)を開発・提供している。どちらも2020年設立の新しい企業だが、大手から中小まで、国内の企業に貢献している。

この協業では、両社の技術を組み合わせて、データアノテーションをエッジAIの運用オペレーションに組み込み、継続的に教師データの蓄積が可能となる機械学習基盤MLOpsを構築する。MLOpsは、機械学習用のDevOpsといった意味合いで、「機械学習」(ML。Machine Learning)とソフトウェア分野における継続的な開発手法「DevOps」を組み合わせた造語。

具体的には、フツパーの技術で認識した画像データをFastLabel側に連携し、アノテーターによるアノテーション完了後のデータをリアルタイムでフツパー側に連携するというものだ。アノテーションの難易度やデータ量に応じて、内部で処理するか、外注するか、両方を組み合わせるかが選べるという。

フツパー代表取締役CEOの大西洋氏は、「FastLabelと連携することにより、弊社のはやい・やすい・巧いAIがさらに速くなりました」と話している。今後も、エッジとクラウド間での「AIモデルの最適運用」を追究していくとのこと。

またFastLabel代表取締役CEOの鈴木健史氏は、「両者の強みを活かして製造業へのAI導入をさらに加速させていきます」と述べている。

関連記事
ソニー「IMX500」採用、動線分析のリアルタイム処理も可能なエッジAIカメラ「S+ Camera Basic」高機能版登場
レクサス製造ラインの熟練工の技を人とAIが協働し伝承、TRIARTとトヨタが「不良予兆感知システム」の試行開始
ASTINAが化粧品のグラデーション生地などランダム模様の異物も検出可能な「OKIKAE for AI外観検査」を提供
既存防犯カメラで来店客の店内行動を解析可能なエッジAI端末を提供する「AWL」が20億円調達
パトスロゴスが画像10枚から30分でAIモデルを作成できるノーコードの外観検査ソフト「DEEPS」リリース
「目についたら異常」などあいまいな官能検査も対応、ロビットが工業製品向け汎用型AI外観検査ロボを提供開始
中⼩企業向け検品・検査⼯程用エッジAIをサブスクで提供するフツパーが約1億円を資金調達
自動目視検査など製造業にAI外観検査システムを提供するMENOUが8000万円を調達
中小企業へ「はやい・やすい・巧いAI」の提供目指すフツパーが数千万円調達

カテゴリー:人工知能・AI
タグ:アノテーション(用語)エッジAI(用語)エッジコンピューティング(用語)MLOps(用語)機械学習 / ML(用語)製造業(用語)DevOps(用語)FastLabel(企業・サービス)フツパー(企業)日本(国・地域)