クラウドコンピューティング

クラウドコンピューティングとは、サーバー、ストレージ、データベース、ネットワーキング、ソフトウェア、分析、インテリジェンスなど、コンピューティングサービスをインターネット（「クラウド」）経由でオンデマンドで提供することです。組織は、独自のコンピューティングインフラストラクチャを所有および維持する代わりに、Amazon Web Services（AWS）、Google Cloud、Microsoft Azureなどのクラウドプロバイダーからこれらのサービスにアクセスできます。このモデルにより、迅速なイノベーション、柔軟なリソース、および規模の経済が実現し、最新の人工知能（AI）および機械学習（ML）の不可欠な基盤となっています。米国国立標準技術研究所（NIST）によって定義されているように、その中心的な考え方は、構成可能なコンピューティングリソースの共有プールへのユビキタスで便利でオンデマンドのネットワークアクセスを提供することです。

クラウドコンピューティングの仕組み

クラウドプロバイダーは、大量のハードウェアを備えたデータセンターのグローバルネットワークを維持しています。彼らはさまざまなモデルを通じてサービスを提供しており、最も一般的なものは次のとおりです。

• Infrastructure as a Service (IaaS): 仮想マシン、ストレージ、ネットワークなどの基本的なコンピューティングリソースを提供します。これにより、ユーザーは最大限の制御が可能になり、カスタムの深層学習環境に最適です。
• サービスとしてのプラットフォーム（PaaS）: インフラストラクチャの構築と維持の複雑さなしに、顧客がアプリケーションを開発、実行、および管理できるプラットフォームを提供します。これには、マネージドデータベースとKubernetesサービスが含まれます。
• サービスとしてのソフトウェア（SaaS）: サブスクリプションベースでインターネット経由でソフトウェアアプリケーションを提供します。Ultralytics HUBは、コンピュータビジョンモデルのトレーニングと管理のためのツールを提供するSaaSプラットフォームの一例です。

この構造により、コスト削減、グローバルなスケーラビリティ、高いパフォーマンス、強化されたデータセキュリティなどの主要な利点が実現します。これらは、Cloud Security Alliance（CSA）などの組織との提携により管理されています。

AIと機械学習における重要性

クラウドは、今日のAI開発の主要なエンジンです。Ultralytics YOLOのような高度なモデルをトレーニングするには、膨大な計算能力とデータが必要であり、これらをローカルでホストすることは非現実的であることがよくあります。

主な用途：

• 強力なモデルのトレーニング： クラウドは、大規模なデータセットでの分散トレーニングに必要なGPUやTPUのような高性能ハードウェアへのアクセスを提供します。Ultralytics HUB Cloud Trainingのようなプラットフォームは、これを活用してモデル開発を加速します。
• 大規模データセットの管理：AIモデルは、大量の学習データでトレーニングされます。クラウドストレージソリューションは、ImageNetから物体検出のような特定のタスク向けのカスタムコレクションまで、これらのデータセットにスケーラブルでアクセス可能なリポジトリを提供します。
• スケーラブルなモデルのデプロイ： モデルがトレーニングされると、リアルタイム推論のためにクラウドにデプロイできます。クラウドの伸縮自在な性質により、アプリケーションは需要の変動に合わせて自動的にスケールできます。これは、MLOpsの基本原則です。ドキュメントで、さまざまなモデルのデプロイオプションについて詳しく学ぶことができます。

実際のアプリケーション

1. 自動車におけるAI: 自動運転車を開発している企業は、ペタバイト単位の運転データを収集します。歩行者、車両、道路標識を識別できる知覚モデルをトレーニングおよび検証するために、クラウドベースのGPUクラスターを使用します。このプロセスについては、自動車向けAIソリューションのページで詳しく説明しています。
2. ヘルスケアにおけるAI: 研究病院は、安全なHIPAA準拠のクラウド環境を使用して、医用画像解析用の診断モデルをトレーニングする場合があります。匿名化されたデータをプールすることで、PyTorchのようなフレームワークを使用して、X線またはMRIの異常を検出する堅牢なモデルを構築し、ヘルスケアにおけるAIを改善するための、より迅速かつ正確な診断につながります。

クラウドコンピューティングと関連概念

• サーバーレスコンピューティング： サーバーレスコンピューティングは、クラウドコンピューティング内の実行モデルであり、その代替ではありません。より広範なクラウドコンピューティングは、仮想サーバー（IaaS）の管理を伴う場合がありますが、サーバーレスはすべてのサーバー管理を抽象化します。コード（関数として）を提供するだけで、クラウドプロバイダーはそれを実行するためのリソースを自動的にプロビジョニングし、必要に応じてゼロから大規模なボリュームに拡張します。
• エッジコンピューティング： エッジコンピューティングは、ネットワークの「エッジ」にあるデバイス上で、データソースの近くでローカルにデータを処理することを含みます。これは、クラウドコンピューティングの集中型モデルとは対照的です。ただし、これらはハイブリッドアプローチで一緒に使用されることがよくあります。たとえば、エッジAIデバイス（NVIDIA Jetsonなど）は、初期の物体検出を実行し、長期保存、集約、またはより集中的な分析のために、関連するメタデータのみをクラウドに送信する場合があります。このアプローチは、エッジの低レイテンシとクラウドの巨大なパワーを組み合わせたものです。エッジデバイスへのアプリケーションのデプロイに関する詳細な洞察は、私たちのブログでご覧いただけます。