Scikit-Learn開発陣のProbabl、GPU対応と新ツールSkoreで表データAI基盤を刷新

何が発表されたのか

Pythonにおける標準的な機械学習ライブラリである「scikit-learn」の創設者およびコア開発陣によって立ち上げられた仏スタートアップProbabl（プロバブル）は、同社が推進する次世代のデータサイエンス基盤構想とNVIDIAとの提携に関する最新状況を公開しました。

現在、世界的なAIのトレンドは大規模言語モデル（LLM）をはじめとする生成AI（Generative AI）に集中していますが、Probablの共同創業者兼執行会長であるYann Lechelle（ヤン・ルシェル）氏は「我々が焦点を当てているのは生成AIではなく、従来型の統計的機械学習（Statistical Machine Learning）と表データ（Tabular Data）の領域である」と断言します。

今回の発表では、これまで主にCPU上で実行されてきたscikit-learnの主要アルゴリズムをNVIDIA GPUにオフロードする技術開発と、機械学習モデルの実験・運用を厳密化する新しい開発者向け統合プラットフォーム「Skore（スコア）」の提供が軸となっています。オープンソースとして培われた強靭なエコシステムを維持しつつ、企業実務における表データAIのグローバル標準を目指す本格的な展開となります。

発表された機能・アップデートの全容

Scikit-learnのGPUアクセラレーションとArray APIによる抽象化

従来、scikit-learnはCPU環境での動作を前提として最適化されてきました。しかし、分析対象となるデータ量の爆発的な増加と処理速度への要求の高まりに伴い、特定の推定器（Estimator）や重いアルゴリズム処理をGPUに分散させる必要が生じています。

Probablは、Pythonデータサイエンスエコシステム内で整備されつつある「Array API」を抽象化レイヤーとして活用しています。動画内の説明資料によると、このレイヤーを介することで、ユーザー側で既存のコードを全面的に書き直すことなしに、計算処理をNVIDIAの新しいアーキテクチャのGPUへシームレスに供給できる構造を実現しています。

これにより、ハードウェアが世代交代してもソースコードの書き換えコストが発生せず、データ処理のスケールアウトを容易にします。何百万行にもおよぶ表形式のデータセットに対して、ランダムフォレストや勾配ブースティングなどの学習・推論を高速化することが可能になります。

新プラットフォーム「Skore」による厳密な実験追跡とプロダクション化

データサイエンスの実務において最大の課題とされているのが、試行錯誤の過程でコードや評価指標が散逸し、モデルの再現性が担保できなくなる点です。Probablはこの課題を解決するため、統合プラットフォーム「Skore」を提示しました。

動画内で示された画面デモ（Skore agent / Skore workspace）では、ターミナル上で「AI Data Scientist」として機能するエージェントが顧客離脱率（Customer Churn）の予測モデル（RandomForestClassifier等）を構築する過程が記録されています。画面右側のダッシュボードには「temporal evolution of experiment」として実験の時系列変化が描画され、適合率（Precision）、再現率（Recall）、ROC-AUCなどの指標が整然と並びます。

ノイズとなる試行実験を排し、本番環境に耐えうる信頼性の高まったモデル（production-ready）のみを記録・追跡できるよう、データ科学者やエンジニアに明確なワークフローを提供します。ClaudeやGPTといった多様なLLMプロバイダーのAPIと連携しながら、モデルの構築からコード追跡までを一気通貫で実施できる構成となっています。

AIエージェント時代に対応するエコシステム構築と推論効率の極大化

動画内でLechelle氏が強調したのは、ツールの「消費者」の変化です。直近12ヶ月間におけるscikit-learnのダウンロード数は20億回を記録していますが、その膨大なトラフィックの多くは人間の開発者だけでなく、プログラムコードを自動生成・実行する「AIエージェント（Agents）」によるものであると説明されています。

AIエージェントはドキュメントやフレームワークを機械的な速度で読み込み、モデルの構築や評価を自動で回し続けます。そのため、エラーの起きにくい堅牢なインターフェースと、高い計算効率が不可欠となります。

ProbablはNVIDIA InceptionプログラムやNVIDIA VC Allianceとの密接な連携を通じて、単に計算能力を高めるだけでなく「1ギガワット当たりの知能（Intelligence per Gigawatt）」の密度を最大化することを目標として掲げています。消費電力当たりのトークン処理数や計算ユニットを最大化することにより、企業がモデルを大量運用する際の全所有コスト（TCO）を最小化する戦略をとっています。

表データAI（Tabular AI）領域における市場ポジション確立

世界のビジネスデータの大半は、データベースのテーブル、CSV、スプレッドシートといった「表形式データ（Tabular Data）」として存在しています。金融の与信判断、顧客の離脱予測、在庫の需要予測、不正検知などの核心的なビジネス指標は、非構造化データ向けの生成AIよりも統計的機械学習の方が高い精度と解釈可能性を発揮します。

Probablは自らを「The Tabular AI Company」と定義し、今後5年間でこの分野における世界的なリーダー企業へと飛躍するロードマップを提示しています。フランスの国立情報学自動制御研究所（Inria）で生まれた信頼性の高いオープンソース資産を基盤に、企業市場に対応する商用ツールとサポートを提供していきます。