GoogleCloud PCA資格の学習記録 - AI / ML編

はじめに

Google CloudのPCA(Professional Cloud Architect)認定資格取得に向けて学習した内容を自分なりに整理します。Google Cloudのサービスに限らず、それを扱う上での関連知識についても触れています。
本記事は AI / ML編ということで、下記の要素を扱います。

• Vertex AI
  • モデル作成: AutoML
  • 大規模言語モデル: Generative AI Studio
  • 機械学習のトレーニング: 旧称 Google Cloud Machine Learning （Cloud ML Engine）
• Google Cloudが提供するAI関連のAPI群
  • Cloud Vision API
  • Speech-To-Text / Text-To-Speech API
  • Cloud Natural Language API
  • Cloud Translation API

この記事における「現在」や「最近」などの表現は、特に断らない限り2025年6月時点を指します

Vertex AI

• 機械学習モデルの構築からデプロイ、運用までを包括的にサポートするマネージドサービス
• トレーニング用データの管理、モデルのトレーニング、モデルのデプロイというパイプラインの管理を行う
• コードなしでモデルを構築するAutoMLと、ユーザー自信で定義したカスタムモデルの両方に対応
• 高度なカスタマイズを行えることが、後述のAPI群よりも有利な点
  • 逆に簡単な組込みAIであれば、API群が向いている

モデル作成: AutoML

• コードなしでモデルを構築できる機能群
  • 画像分類、自然言語処理など
  • 内部ではTensorFlowベース
• データソースとしてCloud StorageやBigQueryを使用可能
  • Cloud Storageは、主に画像・動画・音声・非構造データの保存用
  • BigQueryは、構造化データの教師データを保持し、Vertex AIにわたす前の前処理を行うこともある

大規模言語モデル: Generative AI Studio

• PaLMやGeminiなどの大規模言語モデル（LLM）を使ったアプリ開発を支援するUIツール
• プロンプトのチューニングや評価などが可能
• デプロイしたモデルは、Cloud RunやCloud FunctionsなどにAPIとして組み込める

機械学習のトレーニング: 旧称 Google Cloud Machine Learning （Cloud ML Engine）

• 機械学習モデルのトレーニングに特化
  • モデルの監視・バージョン管理・再学習まで一元化している
• TensorFLow や PyTorch などのフレームワークに対応
  • TensorFlowはGoogleが開発したフレームワーク

Google Cloudが提供するAI関連のAPI群

Vertex AIほど高度にカスタマイズするのではなく、簡単な組込みAIが欲しい場合にはAPI群が利用できる
これらはプリビルト（事前学習済み）なサービス

Cloud Vision API

• 画像認識を行い、ラベル検出やOCR、顔検出などを行うためのAPI
• Cloud Storageの画像と連携し、Cloud Functionsでトリガー処理を自動化できる
• リアルタイムの処理が可能
  • 動画（を分割した画像）に対してのOCRなどを行いたい場合、現状ではVision APIのみが対応している
    • Cloud Video Intelligence APIはリアルタイム処理に対応していないため

Speech-To-Text / Text-To-Speech API

• 音声を認識してテキスト情報にしたり、テキストから音声合成を行ったりするAPI
• 音声データはCloud Storageから取得する
• ストリーミング処理ではPub/SubやCloud Functionsと組み合わせる

Cloud Natural Language API

• 自然言語処理（NLP）のためのAPI
  • テキストの構文解析、感情分析、エンティティ抽出などを行う
• REST APIベースでどこからも呼び出し可能
• Cloud Functionsなどから利用しやすい

Cloud Translation API

• テキストの翻訳及び言語検出を行うAPI
  • 数十の言語をサポート
• WebアプリやCloud Runのマイクロサービスとの連携に適している
• Cloud Video Intelligence API
• 動画ファイルを分析して、ラベル検出やショット分割、顔や人物の検出、文字起こし（Speech-To-Text との連携）などを提供する
• 動画内のコンテンツを構造化する目的で利用される
• あくまで動画ファイルに対するバッチ処理（事後処理）を提供するものなので、ストリーミング動画やリアルタイム処理には非対応
• Cloud Storage上の動画ファイルに対応
• 解析結果の構造化データはBigQueryに保存し、検索できる