Arrikto が Kubeflow をサービスとして導入し、MLOps プラットフォームを拡張

Arriktoの使命は、データサイエンティストが機械学習モデルをより迅速に構築・展開できるようにすることです。2020年後半に1,000万ドルのシリーズAラウンドで資金調達を行った同社は、機械学習運用を構築するためのクラウドネイティブなオープンソースプロジェクトであるKubeflowを基盤としてプラットフォームを構築しています。Kubeflowは元々Googleによって開発されましたが、現在は主にコミュニティによって管理されています。これまでArriktoの主力製品は、自社のデータセンターや仮想プライベートクラウドでKubeflowを実行したい企業向けに、セルフマネージド型のエンタープライズ向けKubeflowディストリビューション（「Enterprise Kubeflow」と名付けられていました）でした。本日、同社はKubeflowのフルマネージド版もリリースしました。

「機械学習モデルを実験段階から本番環境へと移行させるのは、信じられないほど複雑です」と、ArriktoのCEO兼共同創業者であるコンスタンティノス・ヴェネツァノプロス氏は語った。「これにはいくつかの共通点があります。まず第一に、データサイエンティストは本質的に運用の専門家ではなく、運用担当者はデータサイエンティストではありません。そして、彼らはデータサイエンティストになりたくないのです。第二に、ここ数年で機械学習ツールが爆発的に増加しました。しかし、それらは非常に断片化されており、多くの統合が必要です。そのため、人々は全てを統合するのに苦労しています。この2つの要因が、参入障壁を大きく高めています。」

Arriktoは、フルマネージドのKubeflowを通じて、企業にMLパイプラインの高速化を支援し、データサイエンティストがインフラストラクチャの煩わしさから解放されるプラットフォームを提供することを目指しています。同時に、データサイエンティストが既に使い慣れているツール（ノートブック、TensorFlow、PyTorch、Hugging Faceなど）を引き続き利用できるようにもします。「私たちは、多くの企業が真の機械学習機能を導入する上で妨げとなっている技術的な障壁を打ち破りたいのです」とVenetsanopoulos氏は述べています。

同社は、Kubeflowをサービスとして提供することで、データサイエンティストはエンドツーエンドのMLopsプラットフォームに即座にアクセスできるようになると主張しています。これは本質的には、ArriktoのEnterprise Kubeflowに多数のカスタム自動化ツールを追加したもので、Kubernetesプラットフォームの詳細をすべて抽象化しています。

現時点では、Arrikto は単一のクラウド上でのみ実行されますが、長期的には、低レイテンシを保証するために 3 つの主要クラウド プロバイダーをサポートする予定です (また、クラウド間で大量のデータを移動する必要性を軽減する予定です)。

興味深いことに、ベネツァノプロス氏は、現時点で同社の最大の競争相手はAWSのSageMakerのような他のマネージドサービスではなく、オープンソースツールを組み合わせて独自のプラットフォームを構築しようとしている企業であると主張している。

「Kubeflow as a Serviceは、データサイエンティストとDevOpsエンジニアの両方に、IT部門にインフラストラクチャを依頼することなく、Kubernetes上でMLOpsプラットフォームを利用する最も簡単な方法を提供します」とVenetsanopoulos氏は述べています。「組織がオンプレミスでもクラウドでも、本番環境にKubeflowを導入する場合、ArriktoのKubeflow as a Serviceはプロセスを加速させます。」