ปกติในการสร้างโมเดล Machine Learning สักอันหนึ่ง เราจำเป็นต้องใช้ผู้เชี่ยวชาญเขียนโค้ดด้วยภาษา R หรือ Python เป็นพันเป็นหมื่นบรรทัด แล้วยังต้องมาคิดเรื่องของการ Deploy โมเดล และการ Serve โมเดลอีก
มารู้จักกับ… Cloud AutoML จาก Google กันดีกว่าครับ
เมื่อวันก่อนแอดได้มีโอกาสไปงาน Google DevFest Melbourne ซึ่งตอนแรกไม่ได้กะจะไป (เพราะบัตรเค้าขายหมดแล้ว) แต่จู่ ๆ ตอนเช้าเพื่อนส่งข้อความมาบอกว่ามีบัตรฟรี ก็เลยรีบอาบน้ำ เรียก Uber ไปงานเลย #ลงทุนขนาดไหน
ในงานเค้ามี 3 ห้องให้เลือกฟัง คือ Mobile, Web, และ Machine Learning โดยแต่ละห้องก็จะมี Session ให้ฟังได้ทั้งวัน แถมมีข้าวเที่ยงฟรีด้วยครับ ประหยัดค่าข้าวแถมได้ความรู้
หนึ่งใน Session ในงานนี้ เค้าพูดถึง Cloud AutoML ซึ่งเป็นบริการที่น่าสนใจมาก และมีประโยชน์มาก เลยหยิบมาเล่าให้ฟังกันครับ
Cloud AutoML คืออะไร ?
Cloud AutoML เป็นบริการจาก Google Cloud Platform ที่ทำให้ใครก็สร้าง Model Machine Learning ของตัวเองได้ แค่โยนข้อมูลเข้าไป ระบบจะทำการเทรนด้วยเทคโนโลยีสุดเทพของ Google ให้ออกมาเป็นโมเดลที่ใช้งานได้ทันที มี REST API ให้เรียกใช้ได้เลย
ข้อดีของ Cloud AutoML คืออะไร
✅ สร้างโมเดลง่าย ไม่ต้องใช้ความรู้เรื่อง Machine Learning เยอะ
✅ ได้ใช้เทคโนโลยีของ Google ทำให้เทรนโมเดลได้เร็วและอาจจะแม่นกว่าเทรนกันเอง เพราะ Google ได้ไปลองเทสใน Kaggle มาแล้ว ปรากฏว่าในบางโจทย์ AutoML ทำได้ดีกว่า 90% ของเทพ ML จากทั่วโลก!
✅ ตอนนี้ Google เปิดตัว 5 บริการที่ครอบคลุมการใช้งานหลัก ๆ ครบหมด คือ
- AutoML Vision สำหรับใช้ทำ Image Recognition / Classification
- AutoML Video Intelligence (ใหม่) สำหรับทำ Object Detection / Classification บนวีดิโอ
- AutoML Natural Language สำหรับทำ Text Classification
- AutoML Translation สำหรับทำระบบแปลภาษา
- AutoML Table (ใหม่) สำหรับทำโมเดลทำนายผลกับข้อมูลที่เป็นตาราง
✅ เทรนโมเดลเสร็จแล้วมี REST API ให้เอามาเชื่อมกับโปรแกรมภาษาใด ๆ ก็ได้ของเรา ไม่ต้องเสียเวลาทำส่วนนี้เอง
Cloud AutoML เหมาะกับใคร
แอดมองว่า AutoML เหมาะกับทีมที่มีข้อมูลอยู่ในมือ แล้วต้องการทำ ML จากข้อมูลชุดที่มีอยู่ แต่ไม่มี Data Scientist อยู่ในทีม ตัวอย่างคนที่ได้ประโยชน์ก็เช่น
- Developer ที่ต้องการพัฒนาโมเดล ML ใช้เอง
- ทีม Researcher ที่ต้องการโมเดล ML มาใช้งาน
- บริษัท Startup / Enterprise ที่อยากเห็นศักยภาพของ ML ก่อนลงทุนสร้างทีม Data
- ฯลฯ
ส่วนคนที่มีทีม Data อยู่แล้ว สามารถนำ Cloud AutoML มาใช้ประโยชน์ เช่น สร้าง Proof of Concept เสนอลูกค้าแบบเร็ว ๆ หรือใช้ AutoML สร้างโมเดลมา Benchmark เปรียบเทียบกับโมเดลที่ทีมเราสร้างขึ้นมาก็ได้ (แต่เอามา Benchmark ต้องระวังว่า AutoML จะทำออกมาได้ดีกว่าเรา ซวยเลย ?)
ข้อเสียของ Cloud AutoML
⚠️ ค่าใช้จ่ายไม่เบา – เทรนโมเดล 6 ชั่วโมงแรกฟรี ชั่วโมงถัดไป $20 / Hr และเก็บค่าเรียกโมเดลมาใช้งานอีก อย่าง AutoML Vision API คิด $3 / 1,000 รูป แต่ยังไงรวมแล้วก็ถูกกว่าจ้าง Data Scientist มาสร้างโมเดล และจ้าง Data Engineer มาดูแลระบบแน่นอนครับ
⚠️ ไม่สามารถเอาโมเดลออกมารันเองได้ – โมเดล ML ที่เราสร้างจะติดอยู่กับ Google ตลอด ต้องจ่ายเงินใน Google เพื่อใช้ไปเรื่อย ๆ
⚠️ โมเดลเป็น Blackbox – ต่อจากข้อที่แล้วว่าเราเอาโมเดลออกมารันเองไม่ได้ ก็ยิ่งยากที่จะทำความเข้าใจโมเดลนั้นครับ บางทีโมเดล AutoML อาจจะแม่นมากก็จริง แต่การที่อธิบายไม่ได้ก็อาจจะทำให้ใช้ไม่ได้ในหลายสถานการณ์ครับ เช่น เรื่องของการแพทย์ ที่คุณหมออาจจะไม่เชื่อผลของโมเดล ถ้าเราอธิบายไม่ได้ว่าผลมาจากไหน
⚠️ อาจติดปัญหา Privacy ของข้อมูล – สำหรับบริษัทใหญ่ ๆ ที่มี Policy เรื่องการควบคุม Data ที่ค่อนข้างแน่นหนา การจะอัพข้อมูลเข้าไปในบริการ AutoML เป็นเรื่องที่ต้องสู้รบกับทีม Security พอสมควรเลยครับ (หมายถึงทีม Cloud Security ไม่ใช่ รปภ. นะ ?)
สรุปบริการ Cloud AutoML: แล้ว Data Scientist ยุคใหม่จะอยู่รอดได้ยังไง
อันนี้เป็นความเห็นของแอดต่อบริการ Cloud AutoML ฮะ คิดว่าเป็นประโยชน์มาก และลด Cost ในการพัฒนาในระยะสั้นพอสมควร เพราะถ้าต้องจ้าง Data Scientist / Data Engineer มาทำให้ จะใช้เงินและเวลามากกว่าแน่นอนครับ
ขอทิ้งท้ายเล็กน้อยว่าหลายคนอาจจะเริ่มคิดว่าในเมื่อ AutoML มันเก่งขนาดนี้แล้ว มีเหตุผลอะไรที่บริษัทจะต้องจ้าง Data Scientist อีก จะตกงานกันมั้ย?
อย่าเป็น Data Scientist ที่วัน ๆ สร้างโมเดลเป็นอย่างเดียว แต่ต้องเป็น Data Scientist ที่สร้างความสัมพันธ์กับคนในบริษัท สร้างความเชื่อเรื่อง Data ให้กับพนักงานคนอื่น ขยันหาความรู้รอบด้าน ให้เรากลายเป็นคนควบคุมเครื่องมือเหล่านั้นแทน
แอดเพิร์ธ @ Data Science ชิลชิล
สำหรับใครมีคำถาม ข้อสงสัย อยากรู้อะไรเพิ่มเติม หรือเหงาอยากคุยเล่นเฉย ๆ ก็ทักแอดมาได้ในเพจ Data Science ชิลชิล นะครับ
