AIBR プレミアム
拓海さん、最近うちの部下が「lakehouse（Lakehouse、データレイクとデータウェアハウスの融合基盤）を使えばデータ活用が進む」と言うんですが、正直ピンと来なくて。そもそもRumbleMLって何なんですか。
素晴らしい着眼点ですね！RumbleMLはRumbleML（RumbleML、湖の家上で動く宣言型の機械学習ライブラリ）の提案だと考えてください。要点は「データ準備から学習・推論までを一つの言語で書ける」点ですよ。
宣言型の言語って言われても…うちの現場はExcelでゴリゴリやってます。これって要するに現場の作業を一つにまとめて自動化できるということですか？
その理解でほぼ正しいですよ。簡単に言うと、JSONiq（JSONiq、宣言型JSON処理言語）という一つの言語でデータの整形、学習データの作成、モデルの学習、推論結果の管理まで記述できるのがRumbleMLの魅力です。大丈夫、一緒に追っていきましょうね。
なるほど。で、今ある仕組み、たとえばApache Spark（Spark、分散処理エンジン）やspark.ml（spark.ml、Sparkの機械学習ライブラリ）を捨てる必要はあるんですか。
いい質問です。RumbleMLは既存のSparkの機能を取り込みつつ、RumbleDB（RumbleDB、分散JSONiq実行エンジン）上でJSONiqにより宣言的に使えるようにするアプローチです。捨てるのではなく、同等の性能を保ちつつ使いやすさを上げるイメージですよ。
投資対効果が重要でして、学習や推論の速度が落ちるなら導入は難しいと考えています。性能面は本当に大丈夫なんですか。
それも大切な視点です。論文ではRumbleMLがSparkに対して性能上の劣化がないことを示しています。ポイントは処理を無駄に移し替えず、宣言的記述を効率的に分散実行に変換する点にあります。要点を3つにまとめると、統一言語、宣言的最適化、既存エコシステムとの互換性です。
現場の人間が使えるかどうかも気になります。うちの担当はプログラミングは得意ではありませんが、学習データの作り方くらいは教えればできます。導入で現場は混乱しませんか。
安心してください。JSONiqは宣言的なため、手順を細かく書くのではなく「何を得たいか」を記述するだけで済みます。例えるなら、材料リストと完成品の写真を渡すだけで、処理フローを自動で組み立てるようなものです。大丈夫、一緒に段階的にやれば必ずできますよ。
よくわかりました。つまりRumbleMLは「データ整備からモデル管理までを一言語で宣言的に書けて、既存のSpark相当の性能を維持する仕組み」と理解してよいですね。ありがとうございます、拓海さん。
素晴らしいまとめですね！その理解で会議に臨めば、現場と経営の橋渡しができますよ。必要なら会議で使える短い説明フレーズも用意しますね。
