壮大な自然や音楽を前にして圧倒され、鳥肌が立つような気持ちになること。自分の存在がちっぽけなものに思えて感動すること──そうした経験を「オウ（Awe／畏怖の念）体験」と呼ぶ。 この「オウ体験」は、ただ人の心を揺さぶるだけではない。なんと性格にも影響することが研究で明らかになっているという。 人は小さなものにも「畏敬の念」を覚える 数年前、私は一人でランサローテ島に出かけてウォーキングを楽しんだ。初日に海岸沿いの坂道を歩いていて出くわした光景は、いまだに夢に見る。 巨大な黄土色の山々が空を貫いていた。黒砂のクレーターと不気味な緑色のラグーンが点在するさまは、まるで火星のよう。思わず鳥肌が立った。つかのま、私は心地よいほどちっぽけな存在になっていたのだ。休暇のあいだ、一週間毎日「オウ（Awe／畏怖の念）散歩」に出かけ、意図的に周囲に注意を向けて、未知のディテールに驚嘆するに身を任せた。 この数

毎度お馴染みlllyasvielさんがまた技術革新を起こしているので、最速解説目指して記事を書いていきます。 今回解説する技術はこちら こちらからデモが見れます ここではどのような技術か？を重点的に解説していこうと思います。 Paints-UNDOを支える二つのモデル single-frame model single-frame modelは、1つの画像とoperation stepという数字情報を入力として受け取り、1つの画像を出力するモデルになります。 これは、一つのイラストが完成するまでに1000回人間が操作 （ここでいう操作とは、ブラシストロークなどを指しているらしいです。もっというと、Ctrl-Zで戻る差分を操作とみなしてよさそう） を行うという仮定を置き、 operation stepが999（何も描かれていない真っ白なキャンバスに最初に書き込まれたストローク）から始まり、o

はじめに 欧州連合（EU）の立法機関である欧州議会は、2024年3月13日付けの本会議で、AIシステムの開発や利用に関する規制法である、AI Actの最終案を可決しました。そして、EU理事会も、同年5月21日付けで当該最終案を承認したため、世界初の包括的なAI規制としてのAI Actが、正式に成立しました[1]。 AI Actの制定過程は、2021年4月21日付けで欧州委員会が草案を公表したことに端を発しますが、その後、2022年11月以降における、Chat GPT等の生成AIの台頭を受けて、大幅な軌道修正がなされ、当初案では明確には規制対象となっていなかった「汎用目的型AIモデル」（General-purpose AI model）についても、独自の規制が設けられる方針となりました。 本記事では、そのようなAI Actによる規制の概要について、ご説明いたします。 適用範囲 (1) 「AI

Google、Google Sheetsの計算エンジンをWebAssemblyに最適化し、2倍の性能を実現したと発表 GoogleはWebブラウザ上でスプレッドシート機能を提供する「Google Sheets」の計算エンジンの性能をWebAssembyで実装し、従来のJavaScriptによる実装と比較して性能を2倍に向上させたことを明らかにしました。 これにより単純なSUM計算から複雑なクエリまで、シート上でのあらゆる計算を始め、ピボットテーブルの作成、条件付きフォーマットなどさまざまな処理が高速になるとのことです。 この性能向上は、JavaScriptで構築されていた計算エンジンをWebAssemblyに最適化したことで実現していると説明されており、そのためにWebAssemby GC（ガベージコレクション）機能を用いたとのことです。 そのため現時点ではChromeとMicrosoft

大規模言語モデル (LLM) の学習データに含まれない知識（各社の特有の書類など）を踏まえてLLMに回答させる際に最早必須となってきたRAG (Retrieval-Augumented Generation)。 今回はそんなRAGのSurvey論文を元に、RAGの変遷や構成要素、新たに出てきた技術を俯瞰していきます。 Survey論文へのリンクはこちら arxiv.org RAGとは LLMはそれ単体で回答させると、質問によってはハルシネーションや学習時のデータにはなかった情報を生成時に加味できないといった問題から正しくない回答を生成することが多々あります。例えば世間一般に公開されていない自社の就業規則や業務標準についてをChatGPTに質問しても、正しい回答は得られません。 そのような問題への対応としてRAGが使われます。 「LLM単体で適切な回答を生成できないなら、ユーザーの質問を元に

はじめまして！データサイエンティストの山内(@jof_5)です。 本記事では、日々、プロンプト開発されている皆様に向けて、プロンプトを効率的に開発する手法の一つである「自動プロンプト最適化」について記載いたします。 1. プロンプトエンジニアリングの必要性と課題 2. 自動プロンプト最適化について 2-0. 最適なプロンプトとは何か？☕ 2-1. 自動プロンプトの概要 2-2. 自動プロンプト最適化のアーキテクチャ ①Task Executor: LLMによるタスクの実行 ②Output Evaluator: 出力の評価 ③ Prompt Improver: 最適なプロンプトの生成 3. 実験結果と考察 3-1. 自動プロンプト最適化の有効性の検証 3-2. 最適化プロンプトの生成過程 3-3. 最適化されたプロンプトの特徴 3-4. プロンプト生成用LLM(Prompt Improver

この記事は "What We’ve Learned From A Year of Building with LLMs" という記事を著者の一人である Eugene Yan さんから許可を得て翻訳したものです。 https://applied-llms.org/ Thank you for giving me a permission to translate this wonderful article! 著者の方々 Eugene Yan Bryan Bischof Charles Frye Hamel Husain Jason Liu Shreya Shankar 原文の公開日 2024/６/8 今は大規模言語モデル（LLM）を使った開発がとってもエキサイティングな時期です。この1年間で、LLMは実世界のアプリケーションに対して「十分に良い」ものになりました。そして、年々良くなり、安く

BigQuery で array<struct<...>> のフィールドにデータを登録する方法のメモ。 ■テーブル定義 create table `items` ( item_id string, store_id string, stock integer ); create table `item_store_infos` ( item_id string, store_infos array< struct< store_id string, stock integer > > ); ■登録 items テーブルから items_store_info テーブルにデータを登録。 insert into `item_store_infos` (item_id, store_infos) select item_id , store_infos from ( select item_id

本記事のサマリーELYZA は、「Llama-3-ELYZA-JP」シリーズの研究開発成果を公開しました。700億パラメータのモデルは、日本語の生成能力に関するベンチマーク評価 (ELYZA Tasks 100、Japanese MT-Bench) で「GPT-4」を上回る性能を達成しました。各モデルは Meta 社の「Llama 3」シリーズをベースに日本語で追加学習を行なったものです。 ■「Llama-3-ELYZA-JP-70B」 700億パラメータモデル。「GPT-4」を上回る日本語性能を達成。無料で利用可能なデモを用意しています。 ■「Llama-3-ELYZA-JP-8B」 80億パラメータと軽量ながらも「GPT-3.5 Turbo」に匹敵する日本語性能を達成。モデルを商用利用可能な形で一般公開しました。 使用したAPIのバージョンなど、より詳細な評価結果については本記事の後段

結論から言うと、こんなことができます。 カラーイラストを線画にすることも可能です。 先日、AI-AssistantV3なるお絵描き補助AIフリーソフトを公開したのですが、多くの方から『私のPCじゃ動かん！』というご意見をいただきました。 わかる～！ちょっとAIに興味あるだけの人が20万↑のPCに手を出せるわけないよね。それが本当に使えるモノかどうかもまだわからないのに。 私もできる範囲で動作サポートするものの（抜けていたらすみません！） 元々のPCのスペック問題自体はどうしようもないジレンマに葛藤していました。 ならばスマホからでも動くシンプルなwebアプリ作ったろうじゃん！！！ と思ったので作りました。 機能限定版AI-AssistantV3みたいな立ち位置だと思って下さい。まぁ微妙にアルゴリズム違うんで厳密には別物ですが。 【追記】勘違いする方もいるっぽいので明記しておきます！ こちら

アメリカのグーグルが生成AIを活用した日本での事業戦略を発表し、47都道府県のそれぞれの地域課題に特化したAIモデルの開発を進めることを明らかにしました。 グーグルは19日、日本法人の代表が都内で説明会を開き、生成AIを活用した日本での事業戦略を発表しました。 このうち、自治体向けの事業として、47都道府県のそれぞれの地域課題に特化したAIモデルを開発し、2027年までに導入を目指すとしています。 高齢化社会や労働人口の減少などによる地域課題を想定し、大阪府との間では、求人と求職のミスマッチをAIが解消するシステムの開発を始めていて、今後、各自治体への提案を行っていくとしています。 グーグル日本法人の奥山真司代表は「日本ならではの社会課題は、大都市圏よりも地方の方が多く、地方でパートナーシップを組んで課題解決の可能性を掘り起こしていきたい」と述べました。 アメリカの大手ITでは、マイクロソ

こんにちは、note AI creative（以下、nAc）の田中です。 nAcとして今までさまざまな社内の業務改善に取り組んできましたが、中でも「議事録作成業務」は負担の大きい業務の１つでした。 セールス・カスタマーサクセスなど顧客と対面する部署では特に議事録作成は重要な業務として頻繁に発生しますが、1回あたり最大60分かかっており改善の余地がありました。 nAcが作成した生成AIのソリューションを使うことで、作業量が96%も削減され、60分の作業が2分で終わるようになりました。 議事録を生成するデモgifnote proチームの社内発表資料から抜粋この記事では、議事録作成を自動化するために作成したソリューションとその効果について紹介します。 議事録作成効率化の歴史議事録作成業務の効率化を目指し、まずは「tl;dv」というツールを導入してテストを行いました。 tl;dvは非常に機能が豊富

かなり前から「ChatGPTに学術論文を（英語で）書かせると"delve"のような普段使わないような単語が多く使われるのでバレやすい」という話がSNS以下各所で頻繁に噂されていたんですが*1、最近になってこの件について面白いpreprintが発表されていたのを知りました。それがこちらです。 もう読んで字の如しで「ChatGPTが登場して以来学術論文に使われる単語のレパートリーが劇的に変わってしまった」というのを、実際に具体的なデータに基づいて示した論文です。割と短めの読みやすい論文であることと、先述したようにSNSでは頻繁に噂されていた推測を明確化したということもあり、折角ですのでこのブログで簡単に紹介してみようと思います。 Preprintあげたのでご報告！📣 ChatGPTが使いがちな英単語ってありますよね。「delve」「realm」「utilize」あたり。 （限界助教先生の記事

TauriはRustで書かれた軽量なGUIフレームワークで、Windows、macOS、Linux向けのデスクトップアプリを開発できます。2022年6月に最初の安定版であるバージョン1.0がリリースされました。 Tauriでは、メインプロセスはRustで記述しますが、UI（User Interface）にはWeb技術を利用します。ReactやVue.jsのようなJavaScriptフレームワークがそのまま使えるので、インタラクティブで見栄えの良いUIを簡単に構築できます。同種のフレームワークにElectronがありますが、後発であるTauriにはインストーラのサイズを小さくできるなどの強みがあります。 Tauriのロゴは、おうし座の二重星であるシータタウリ（θ Tauri）をモチーフ[1]にしており、Webとネイティブアプリの相互作用を意味しています。 図1 Tauriロゴ 本稿では、Ta

Dream Machine is an AI model that makes high quality, realistic videos fast from text and images. It is a highly scalable and efficient transformer model trained directly on videos making it capable of generating physically accurate, consistent and eventful shots. Dream Machine is our first step towards building a universal imagination engine and it is available to everyone now! Try now