OmniForce: On Human-Centered, Large Model Empowered and Cloud-Edge Collaborative AutoML System

要約

自動機械学習 (AutoML) は、最小限の人的労力で ML モデルを構築しようとします。
人工知能 (AI) アプリケーションを構築する際に人間をループから外すことを目的として、AutoML の一般的な領域でかなりの研究が行われていますが、AutoML がオープン環境のシナリオでどのようにうまく機能するかに焦点を当てた文献はほとんどありません。
大規模なモデルのトレーニングと更新、産業用サプライ チェーン、または産業用メタバースでは、人々は検索プロセス中にオープン ループの問題に直面することがよくあります。データを継続的に収集し、データとモデルを更新し、開発および展開環境の要件を満たし、大規模なサポートを提供する必要があります。
純粋なデータ駆動型のアプローチでオープン環境の問題に対処するには、かなりのデータ、コンピューティング リソース、専任のデータ エンジニアの労力が必要であり、現在の AutoML システムとプラットフォームは非効率的で計算処理が困難です。
人間とコンピューターの相互作用は、オープン環境 AI の問題に取り組むための実用的で実行可能な方法です。
このホワイト ペーパーでは、人間中心の AutoML (HAML) システムである OmniForce を紹介します。このシステムは、人間が支援する ML と ML が支援する人間の技術の両方を生み出し、AutoML システムを実践し、オープン環境のシナリオで適応型 AI を構築します。
具体的には、ML バージョン管理の観点から OmniForce を紹介します。
パイプライン主導の開発と展開のコラボレーション。
柔軟な検索戦略フレームワーク;
大規模なモデルを含む、広くプロビジョニングされ、クラウドソーシングされたアプリケーション アルゴリズム。
さらに、OmniForce によって構築された (大規模な) モデルは、数分で自動的にリモート サービスに変換できます。
このプロセスはサービスとしてのモデル (MaaS) と呼ばれます。
複数の検索スペースと実際の使用例で得られた実験結果は、OmniForce の有効性と効率性を示しています。

要約(オリジナル)

Automated machine learning (AutoML) seeks to build ML models with minimal human effort. While considerable research has been conducted in the area of AutoML in general, aiming to take humans out of the loop when building artificial intelligence (AI) applications, scant literature has focused on how AutoML works well in open-environment scenarios such as the process of training and updating large models, industrial supply chains or the industrial metaverse, where people often face open-loop problems during the search process: they must continuously collect data, update data and models, satisfy the requirements of the development and deployment environment, support massive devices, modify evaluation metrics, etc. Addressing the open-environment issue with pure data-driven approaches requires considerable data, computing resources, and effort from dedicated data engineers, making current AutoML systems and platforms inefficient and computationally intractable. Human-computer interaction is a practical and feasible way to tackle the problem of open-environment AI. In this paper, we introduce OmniForce, a human-centered AutoML (HAML) system that yields both human-assisted ML and ML-assisted human techniques, to put an AutoML system into practice and build adaptive AI in open-environment scenarios. Specifically, we present OmniForce in terms of ML version management; pipeline-driven development and deployment collaborations; a flexible search strategy framework; and widely provisioned and crowdsourced application algorithms, including large models. Furthermore, the (large) models constructed by OmniForce can be automatically turned into remote services in a few minutes; this process is dubbed model as a service (MaaS). Experimental results obtained in multiple search spaces and real-world use cases demonstrate the efficacy and efficiency of OmniForce.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google