HPE, AI 모델 개발 가속화 위한 ML Ops 플랫폼 출시

새로운 HPE 이니셔티브는 데이터 과학자의 내부 IT 팀 의존도를 줄여 AI 모델 구축을 가속화하는 것을 목표로 합니다.

Hewlett-Packard Enterprise(HPE)는 지난 11월 BlueData 인수를 통해 얻은 플랫폼을 기반으로 공식 HPE ML Ops 이니셔티브를 오늘 출시했습니다.

목표는 머신러닝 및 딥러닝 알고리즘을 사용하여 AI 모델 구축 및 배포를 가속화하도록 특별히 설계된 DevOps 프레임워크 세트를 IT 조직에 제공하는 것이라고 HPE BlueData 부문 부사장 겸 총괄 매니저 아난트 친타마네니(Anant Chintamaneni)는 말합니다.

많은 조직이 AI 모델을 구축하기 위해 데이터 과학자를 고용했지만, 이를 프로덕션 환경에 통합하기 위한 구조화된 접근 방식이 부족합니다.

"운영화하는 방법을 모릅니다."라고 친타마네니는 말합니다.

HPE ML Ops는 코드, 모델, 프로젝트 저장소를 통해 일반적인 지속적 통합/지속적 배포(CI/CD) 플랫폼과 관련된 프로세스를 연상시키는 워크플로를 가능하게 합니다.

참고: Gartner: 조직 77% AI 배포 목표, 인력 기술 부족이 채택 방해

Blue Data 인수로 HPE는 컨테이너 기반 EPIC 플랫폼에 접근할 수 있게 되었으며, 이는 데이터 과학자가 직접 환경을 구축할 수 있게 합니다. 그들은 머신러닝 도구와 AI 모델 훈련에 사용될 데이터 과학 노트북이 미리 채워진 셀프 서비스 샌드박스를 사용하여 AI 모델을 구축하고 업데이트할 수 있는 환경을 사용할 수 있습니다. HPE ML Ops는 데이터 준비와 모델 구축부터 훈련, 모니터링, 협업까지 머신러닝 라이프사이클 전체를 다루며 AI 배포 시간을 주 단위에서 일 단위로 단축한다고 친타마네니는 말합니다.

HPE ML Ops 솔루션은 Keras, MXNet, PyTorch, TensorFlow 등 다양한 오픈소스 머신러닝 및 딥러닝 프레임워크와 Dataiku, H2O.ai 같은 HPE 파트너의 상용 머신러닝 애플리케이션을 지원합니다. 플랫폼은 온프레미스나 퍼블릭 클라우드에 배포할 수 있으며 다양한 인증 프로토콜과 통합되어 사이버 보안을 보장합니다.

이러한 기능들은 데이터 과학자의 내부 IT 팀 의존도를 줄여 AI 모델 구축 시간을 가속화한다고 친타마네니는 말합니다.

많은 조직이 AI 모델이 얼마나 자주 재훈련되고 업데이트되어야 하는지 과소평가합니다. 조직은 자주 새로운 데이터 소스에 접근하게 되며 이는 AI 모델에 반영되어야 합니다. 더 많은 애플리케이션이 실시간으로 데이터를 소비하기 시작하면서 평가해야 할 데이터 양만 증가할 것입니다.

데이터 과학자가 특정 프로세스에 대해 가정한 많은 것들도 진화하는 비즈니스 조건에 따라 변경될 수 있습니다. 몇 주 전 최적의 결과를 제공했던 AI 모델이 다른 AI 모델로 대체되어야 할 수도 있습니다. 오늘날 조직이 직면한 과제는 AI 모델을 지속적으로 업데이트하고 훈련하기 위한 프레임워크가 없다는 것입니다. Gartner 추산에 따르면, 2021년까지 머신러닝 프로젝트의 최소 50%가 운영화 프로세스 부족으로 완전히 배포되지 않을 것입니다.

AI는 많은 데이터 과학자들이 인정하기를 꺼리는 것보다 훨씬 더 많은 시행착오를 포함합니다. 구축되는 많은 AI 모델은 데이터 과학자를 다시 도면으로 되돌려 보낼 수 있는 편향에 대해 검증되어야 합니다. 정적인 AI 모델이라는 것은 없습니다. 조직이 이 데이터 관리 현실을 빨리 받아들일수록 AI 투자 수익이 더 빨리 나타날 것입니다.