9月9日、The Decoderが「Hugging Face's new ML Intern lets anyone run machine learning experiments through a simple chat」と題した記事を公開した。Hugging Faceが、チャットUIに話しかけるだけで機械学習実験の全工程を自動実行するAIアシスタント「ML Intern」をリリースした——コードを一行も書かず、予算上限を設定するだけで、モデルの訓練からデモ公開まで完結するという。No-codeでMLを民主化しようとする試みが各所で進むなか、Hugging Faceが打ち出したアプローチは何が新しいのか。
チャットで話しかけるだけでモデルが訓練される
ML InternはHugging Faceのチャットボットに組み込まれたAIアシスタントだ。使い方はシンプルで、ユーザーがやりたいことを自然言語で伝えるだけでよい。ML Internはその内容を受け取り、Hugging Face Hub、GitHub、Webを横断して適切なモデル・データセット・ツールを自動で探し出す。
Hugging Face Hubとは、数十万件以上のモデル・データセット・Spacesが集積するHugging Face社のプラットフォームで、OSSコミュニティにおけるML資産の中核として機能している。ML InternはこのHubを検索・活用のベースとすることで、ゼロから構築することなく既存資産を再利用できる設計になっている。
コードを書く必要はなく、MLの専門知識も不要だ。Google AutoML、Amazon SageMaker Canvas、DataRobotといった既存のNo-code MLツールがGUIベースの操作を前提としているのに対し、ML Internはチャットによる自然言語指示のみで完結する点が異なる。
特徴的なのはコスト管理の仕組みだ。実験を始める前に、ML Internは必要なコンピューティングコストを見積もり、予算を提案する。ユーザーが承認した上限を超えることはなく、予算オーバーの心配がない。
承認後は自律的に動き続ける
予算が承認されると、あとはML Internが自律的に処理を進める。具体的には以下を自動でこなす：
- データセットの作成
- モデルの訓練
- 実行中ジョブの監視
- 結果のHubへのアップロード
- レポートの作成
- デモの構築
各訓練ジョブには専用のダッシュボードが用意されており、進捗をリアルタイムで追える。
元記事が引用したデモ動画では、約6時間の訓練ジョブが約0.5ドル以下で完了した例が紹介されている。個人や小規模チームにとっても現実的なコスト感だ。クラウドGPUのスポット利用が一般化した現在、コンピューティングコスト自体は下がりつつあるが、その恩恵を受けるにはインフラの知識が必要だった。ML Internはその障壁を取り除く構成になっている。
NvidiaによるHugging Face買収報道の最中のリリース
ML Internが公開されたタイミングで、Hugging FaceはNvidiaによる買収報道の最中にある。買収の交渉・進行状況についての詳細は現時点では明らかにされていないが、CEOのJensen Huang氏はプラットフォームをオープンかつハードウェア中立のまま維持すると約束している。ML Internがどのハードウェア上で動作するかは現時点で明示されていないが、この方針が維持されるなら特定のGPUベンダーへの依存は避けられる見込みだ。
Hugging Faceはこれまでも、TransformersライブラリやDiffusersライブラリの公開、Hubの無償提供などを通じてMLコミュニティの裾野を広げてきた。ML Internはその延長線上にある取り組みといえるが、「チャットで完結する自律実行」という点では、これまでのツール提供とは一線を画すアプローチだ。
MLの実験を「誰でもできる」ものにするアプローチとして、ML Internは敷居を大きく下げる構成になっている。コスト見積もりを事前に挟む設計は、使い過ぎを防ぐ実用的な配慮だ。一方で、自律実行の精度や、生成されるモデルの品質がどの程度かは、実際に使ってみなければわからない部分も残る。No-code MLの潮流が加速するなかで、自然言語インターフェースがその標準になるかどうか、ML Internはその試金石となりそうだ。
詳細はHugging Face's new ML Intern lets anyone run machine learning experiments through a simple chatを参照していただきたい。
