【ASPICE】MLE.2 機械学習アーキテクチャ Basic Practices (BP) とは？基本プラクティスの解説と説明

2026年8月21日2026年8月24日

PAM 4.0 versionに更新いたしました！

ASPICE解説は下記リンクよりアクセスください
プロセスアセスメントモデルはコチラから
※当該解説をより詳細に知りたい方はアセスメントモデルを参照ください

ASPICE他プロセスエリアの解説へ

MLE.2で求められることとは？

MLE.2（機械学習アーキテクチャ）の目的は、ML要求事項と整合性の取れた、学習およびデプロイを支える機械学習アーキテクチャを確立し、定義済みの基準に照らしてそのアーキテクチャを評価することです。

MLアーキテクチャは、ソフトウェアアーキテクチャ（SWE.2）の中で「機械学習によって実現する」と識別された部分に対応するものであり、MLモデル本体だけでなく、前処理・後処理を担うソフトウェアコンポーネントも含めて構成されます。

MLE.2で得られる成果

MLアーキテクチャが開発されている
学習の土台となるハイパーパラメータの範囲および初期値が決定されている
MLアーキテクチャ要素の評価が行われている
MLアーキテクチャ要素のインタフェースが定義されている
MLアーキテクチャ要素のリソース消費目標が定義されている
MLアーキテクチャ要素とML要求事項との間で、一貫性および双方向のトレーサビリティが確立されている
MLアーキテクチャが合意され、全ての関係者に伝達されている

MLE.2の基本プラクティス（Basic Practice）

基本プラクティスの詳しい説明へ

MLE.2 機械学習アーキテクチャには合計7つの基本プラクティス（BP1～BP7）が存在します。

MLE.2.BP1

BP1では、MLアーキテクチャの開発が求められています。

MLモデルの前処理・後処理、そしてMLモデルを作成・学習・テスト・デプロイするために必要なハイパーパラメータの詳細を含む、MLアーキテクチャを開発し文書化する必要があります。

MLモデルの詳細として必要になる情報には、レイヤー構成、活性化関数、誤差などが挙げられますが、個々のニューロン単位まで記述する必要は必ずしもありません。また、学習時に使用するMLモデルと、実運用にデプロイされるMLモデルとでは、詳細度や構成が異なる場合がある点にも注意が必要です。

MLE.2.BP2

BP2では、ハイパーパラメータの範囲および初期値の決定が求められています。

学習の出発点となる、ハイパーパラメータの取り得る範囲と初期値を決定し、文書化する必要があります。

学習率、ネットワークの層数・ニューロン数のスケーリング、損失関数など、モデルの学習をコントロールするパラメータについて、あらかじめ範囲と初期値を定めておくことで、MLE.3（機械学習トレーニング）における最適化の出発点が明確になります。

MLE.2.BP3

BP3では、MLアーキテクチャ要素の分析が求められています。

MLアーキテクチャ要素を分析するための基準を定義したうえで、その基準に従ってMLアーキテクチャ要素を分析する必要があります。

分析基準の例としては、信頼性や説明可能性などが挙げられます。単に動くモデルを作るだけでなく、「なぜその構成を選んだか」を評価できる状態にしておくことが求められます。

MLE.2.BP4

BP4では、MLアーキテクチャ要素のインタフェース定義が求められています。

各MLアーキテクチャ要素について、関連するソフトウェアコンポーネントとのインタフェースを含めて、内部インタフェースおよび外部インタフェースを決定し、文書化する必要があります。

MLE.2.BP5

P5では、MLアーキテクチャ要素のリソース消費目標の定義が求められています。

学習時およびデプロイ時のそれぞれについて、関連する全てのMLアーキテクチャ要素に対するリソース消費目標（メモリ、計算資源など）を決定し、文書化する必要があります。

学習環境と実運用環境とでは利用可能なハードウェアリソースが大きく異なることが多いため、両方のフェーズを見据えてリソース消費の目標値を定めておくことがポイントです。

MLE.2.BP6

BP6では、一貫性の確保および双方向トレーサビリティの確立が求められています。

MLアーキテクチャ要素とML要求事項との間で、一貫性を確保するとともに双方向のトレーサビリティを確立する必要があります。

双方向トレーサビリティは、一貫性の担保に加え、変更依頼の影響分析や検証カバレッジの証明を支えます。ただし、トレースリンクの存在自体は内容としての整合性を保証しない点に注意が必要です。なお、このトレーサビリティは、MLアーキテクチャ要素に対して適切な抽象度のレベルで確立すればよいとされています（要素の細部まで逐一トレースする必要はない）。