インフラ
ステップ1
AIワークロード向けの計算リソース
クラウドGPUインフラは、GPUアクセラレーションが有効なワークロードに計算リソースを提供できます。実際上の利点は、ハードウェアを自社で所有・保守する代わりに、リモートのハードウェアを利用できることです。特定のワークロードに対応しているかどうかは、環境とサービス利用条件によって異なります。
- 多くのリソースを必要とするAIタスクの評価に有用
- 適切なソフトウェアとワークロードの設定が引き続き必要です
AIインフラストラクチャ
GMI Cloudとは何で、何ができるのですか？
GMI Cloudは、クラウドGPUコンピューティングに関連するAIインフラストラクチャのプロバイダーです。このGmicloudガイドでは、すべての訪問者があらゆるモデル、デプロイ方法、アクセス方法を利用できるとは限らないことを踏まえ、一般的な作業の流れを説明します。
リンク先について
gmicloud.onlineは独立したガイドであり、GMI Cloudの公式サイトではありません。アクションリンクを開くと、別のホスティング型AIモデルAPIであるSynexaに移動します。これらのリンクでGMI Cloudのアカウントが開設されたり、GPUが予約されたり、入力内容が転送されたり、無料利用枠が保証されたりすることはありません。先に進む前に、リンク先の最新のモデル一覧と利用規約をご確認ください。
Synexaのモデルを見る一文での定義
要するに、GMI CloudはAI作業に必要なコンピューティングインフラストラクチャへのアクセスに関わるサービスです。特定のモデルやアプリケーションをすぐに使えることを保証するものではありません。
仕組み
重要なのは、計算リソースを確保することと、完成したAIの結果を得ることは異なるという点です。その間に必要な手順は、サービスやワークロードによって異なります。
-
1
ワークロードを定義する
ジョブがモデルの学習、推論、実験、またはその他のGPUを多用するタスクのどれに当たるかを決めます。その選択によって、必要なソフトウェア、メモリ、デプロイ方法が決まります。
-
2
環境を準備する
ワークロードに適したコンピューティング環境を選び、必要なモデルと依存関係をインストールまたは設定します。クラウドインフラストラクチャは作業を実行する場所を提供しますが、完成したアプリケーションが自動的に用意されるわけではありません。
-
3
実行して確認する
入力を送信し、ジョブを監視して、出力とリソース使用量を確認します。結果や性能が目標に達していない場合は、本番運用に移せると判断する前に、設定やワークロードを見直します。
ワークロードに必要なもの
これらはワークロードを計画する際の要件であり、GMI Cloudの特定のインターフェースで各項目の入力が求められるという意味ではありません。
必須
任意
-
明確に定義されたAIタスクと、その出力を評価する方法
-
そのタスクに適したモデルまたはソフトウェアスタック
-
処理する許可を得ている入力データ
-
必要なリソースとサービス利用条件を確認するための計画
-
他の人も結果を利用する必要がある場合のデプロイ計画任意
関連する質問
AIコンピューティングの利用方法を比較している場合は、次に検討すべき実務上の疑問について、以下のGmicloudのガイドが参考になります。
できること／できないこと
GMI Cloudはワークロードを実行するためのインフラです。モデルの選択から完成品の提供まで、すべての工程が自動で行われることを保証するものではありません。
インフラ
責任
ステップ 2
プラットフォームは完成済みのモデルではありません
GPUの処理能力があっても、モデルがすでに学習済みで、精度が十分であり、データの利用許諾を得ていて、ユーザー向けにデプロイされているとは限りません。ソフトウェアの選択、結果の検証、アプリケーションでの障害や機密情報の取り扱い方の決定は、引き続きチームの責任です。
- 出力を信頼する前にモデルの適合性を確認する
- 現在の機能をサービスに直接確認する
誰が利用するか
最適な選択肢は、基盤となるコンピューティングリソース、すぐに使えるAIツール、自分で管理できるハードウェアのどれが必要かによって異なります。
または
または
または
選択肢 1
AIワークロードを構築または運用する場合
クラウドGPUインフラを検討してください。
実行するソフトウェアをチームで設定・評価できるなら、リモートコンピューティング環境は実験、推論、デプロイに適している場合があります。
選択肢 2
AIツールで成果を得たい場合
特定のタスクに特化したアプリケーションを検討してください。
モデル、環境、コンピューティングリソースを管理する必要がないなら、完成済みのツールの方が適した出発点になる場合があります。
選択肢 3
物理的な機器を直接管理する必要がある場合
ローカルで管理するGPUを検討してください。
ハードウェアを所有すると、保守、処理能力、運用面でのトレードオフが変わります。クラウドサービスを選ぶのとは別の判断です。
確認しておきたい制約
1
普遍的な機能一覧はありません
一般的な定義だけでは、現在提供されているGPU、地域、モデル、デプロイ方法を確認できません。
代わりに行うこと
ワークロードに必要な具体的な機能について、プロバイダーの最新のドキュメントを確認してください。
2
結果は保証されません
コンピューティングリソースにアクセスできるだけでは、モデルの精度、出力品質、許容可能なパフォーマンスを判断できません。
代わりに行うこと
代表的なワークロードをテストし、その結果を独自の基準に照らして評価してください。
3
データの承認は自動的には行われません
インフラストラクチャが利用可能であることだけでは、義務に基づいてデータをアップロードまたは処理できるかどうかは判断できません。
代わりに行うこと
機密性の高い入力を送信する前に、データの取り扱い要件と適用されるサービス規約を確認してください。
別のモデルAPIオプションを検討する
GPUインフラストラクチャの管理が目的でない場合、このリンクから別のホステッドモデルAPIであるSynexaが開きます。最新のモデルカタログ、アカウント要件、料金を確認してください。これはGMI Cloudのアカウントでも、このガイドの続きでもありません。
独自のFAQ
GMI Cloudは、AIワークロード向けのクラウドGPUインフラストラクチャに関連しています。実際には、クラウドインフラストラクチャはコンピューティングタスクを実行するためのリモート環境を提供しますが、それだけで完成済みかつ検証済みのAIアプリケーションを提供するものではありません。
GPUはプロセッサであり、クラウドサービスはコンピューティングリソースと、それらを使用するための環境へのアクセスを提供します。GMI Cloudは、単一の物理プロセッサではなく、この区別におけるサービス側を指します。
コンピューティング能力とモデル作成は別のものです。チームには、適切なモデルまたはトレーニングプロセス、適切なデータ、ソフトウェア構成、そして結果を評価する方法が依然として必要です。
自分たちでハードウェアをすべて運用せずに、GPUを大量に使用するAI業務を計画している開発者やチームに適している可能性があります。完成した出力だけが必要な場合は、タスクに特化したAIアプリケーションのほうが適しているかもしれません。