サーバーレス・コンピューティング

サーバーレスアーキテクチャを理解する

サーバーレスのセットアップでは、アプリケーションは多くの場合、特定のイベントによってトリガーされる独立した機能の集まりとして構成される。このモデルは一般的にFaaS（Function as a Service）として知られている。イベントには、HTTPリクエスト（API呼び出しなど）、データベースの変更、クラウドストレージへのファイルアップロード、キューシステムからのメッセージなどがある。イベントが発生すると、クラウド・プロバイダーは対応する機能を実行するために必要な計算リソースを自動的に割り当てる。実行が完了すると、これらのリソースはスケールダウンされ、保留中のリクエストがない場合はゼロになることが多い。このようなイベント駆動型の自動スケーリングアプローチは、サーバーが継続的に稼働し、アイドル状態のリソースや運用コストの上昇を招く可能性がある従来のアーキテクチャとは大きく異なる。これは、多くのAIユースケースの可変的な要求によく合致している。

AIとMLのメリット

サーバーレス・コンピューティングは、計算要求が頻繁に変化するAIやMLのワークロードに、説得力のある利点を提供する：

• 自動スケーラビリティ：予測不可能な負荷にシームレスに対応。例えば、予測を提供する推論エンジンは、突然リクエストが急増する可能性がある。サーバーレス・プラットフォームは、人手を介することなく、需要に応じてファンクション・インスタンスを自動的にスケールアップまたはスケールダウンし、一貫したパフォーマンスを保証する。これは、リアルタイムの推論を必要とするアプリケーションにとって極めて重要である。
• コスト効率：従量課金制。通常、機能によって実際に消費された計算時間に対してのみ、ミリ秒単位で課金されます。このため、アイドル状態のサーバー容量に関連するコストが発生せず、定期的なモデル・トレーニングや頻度の低いデータ処理などのタスクを経済的に行うことができます。スケールメリットの追求
• 開発サイクルの高速化インフラ管理が不要になります。開発者は、データの前処理、特徴抽出、予測ロジックの実行など、特定のタスクのコードを書くことだけに集中できる。これにより、開発と展開が加速され、異なるモデルやハイパーパラメータ・チューニング戦略の迅速な実験が容易になります（Ultralyticsガイド）。
• 簡素化されたオペレーション：運用のオーバーヘッドを削減します。オペレーティングシステムのパッチ適用、サーバー容量の管理、高可用性の確保などのタスクはクラウドプロバイダーが処理するため、MLのコアタスクにリソースを割くことができます。機械学習オペレーション（MLOps）の詳細については、こちらをご覧ください。

AI/MLの実世界での応用

サーバーレスアーキテクチャは、さまざまなAI/MLタスクに適している：

1. 画像とビデオの解析： Ultralytics YOLOモデルを使用して、ユーザーがアップロードした画像に対してオブジェクト検出を行うアプリケーションを考えてみよう。クラウドストレージ（Amazon S3や Google Cloud Storageなど）へのアップロードイベントがサーバーレス関数をトリガーします。この関数は画像をロードし、検出のためにYOLOモデルを実行し、潜在的に画像セグメンテーションを実行し、結果（バウンディングボックス、クラスラベルなど）をデータベースに保存するか、API経由で返す。システムは、事前にプロビジョニングされたサーバーを必要とせず、アップロード数に応じて自動的にスケールする。このパターンは、コンテンツモデレーションから医療画像分析まで、幅広いアプリケーションで有用です。その他の例については、Ultralyticsソリューションをご覧ください。
2. チャットボットのバックエンド： 大規模言語モデル（Large Language Models：LLM）を利用したチャットボットの多くは、受信したユーザーメッセージを処理するためにサーバーレス関数を使用している。各メッセージは、テキストを処理し、（GPT-4のような）LLM APIと対話し、必要なアクション（例えば、ベクトル検索によるデータベース検索）を実行し、応答を送り返す関数をトリガーします。リクエストごとの課金モデルは、利用パターンが変動するチャットボットに最適です。自然言語処理（NLP）の概念を探る。

サーバーレス対関連概念

サーバーレス・コンピューティングを関連技術と区別することは重要だ：

• クラウド・コンピューティングとサーバーレスの比較 クラウド・コンピューティングとは、インターネットを介してコンピューティング・サービスを提供することである。サーバーレスとは、クラウド・コンピューティングの中の特定の実行モデルで、自動リソース管理とイベント駆動機能（FaaS）に重点を置き、サーバー管理を完全に抽象化したものである。IaaS（Infrastructure as a Service）のような他のクラウドモデルでは、ユーザーが仮想マシンを管理する必要がある。
• コンテナ化とサーバーレスの比較： Dockerのようなコンテナ化ツールは、アプリケーションとその依存関係をパッケージ化する。Kubernetesのようなオーケストレーション・プラットフォームは、これらのコンテナのデプロイ、スケーリング、管理を自動化する。KubernetesはベアメタルやVMを管理するのに比べて運用負荷を軽減する一方で、基盤となるクラスタ・インフラを管理することに変わりはない。サーバーレス・プラットフォームは、このレイヤーを完全に抽象化します。UltralyticsでDockerを使用する方法をご覧ください。
• エッジ・コンピューティングとサーバーレスの比較 エッジ・コンピューティングは、データ・ソース（「エッジ」）に近いデバイスでローカルにデータを処理し、待ち時間と帯域幅の使用を削減する。サーバーレス・コンピューティングは通常、中央集中型のクラウド・データセンターで機能を実行する。エッジAIデバイス（NVIDIA Jetson上で動作するようなもの）が初期処理やフィルタリングを行い、より複雑な分析や集計のためにクラウド上のサーバーレス機能をトリガーするかもしれない。エッジ処理とクラウド処理を組み合わせたAI搭載セキュリティカメラについては、こちらをご覧ください。

代表的なサーバーレスプラットフォームには、AWS Lambda、Google Cloud Functions、Azure Functionsなどがある。これらのサービスは、サーバーレスAI/MLアプリケーションを効率的に構築・実行するために必要なインフラを提供し、多くの場合、ストレージ、データベース、メッセージング用の他のクラウドサービスと統合されている。Ultralytics HUBのようなプラットフォームは、サーバーレスセットアップを含む様々なアーキテクチャ内でのモデルのデプロイと管理をさらに効率化することができる（HUBのドキュメントを参照）。