会食の本質は「店選び」ではない「２週間後に会食のセッティングをお願い！ ４人で、いい感じの店の予約と準備を任せた！ じゃ、あとはうまくやっといてね！　よろしく！」 上司からの依頼。何度聞いても心臓の奥で嫌な汗が出るような、この瞬間。そう、会食はビジネスパーソンにとってできる限り避けたい「雑務」である。 単に店を選べばいいだけかと思ったら、大間違いだ。少し考えるだけでも気が重くなる調整とビジネスパーソンとしての機微が求められる。 上司がクライアントと会食をセッティングする背景の理解 -相手の役職やビジネス背景、会食で達成したい目的を踏まえてどのような価格帯/立地の店にすべきか 上司やクライアントの食の好みの理解 -肉料理希望と言われたがステーキ/焼肉/肉割烹/メインが肉のフレンチやイタリアン、どれを選ぶべきか 個室が必要か不要か -オープン席の場合は席間隔はどのくらい空いた店にすべきか 二次

Bard は、ジェネレーティブ AI を活用してユーザーをサポートする Google の試験運用中のサービスです。旅行プランの案を出したり、ブログ記事の構成案を作成したりと、英語での公開から 2 か月弱の間に、すでに多くのユーザーに様々な方法でお使いいただいています。 そして、本日より Bard が日本語でも利用できるようになりました。「おいしい卵焼きを作るためのコツを教えて」や「夏休みの自由研究のアイデアを出して」など、 創造性と生産性を高めるパートナーとして、 bard.google.com から、Bard をぜひお試しください。 Bard とは Bard は、Google の大規模言語モデル（ LLM : Large Language Model ）である PaLM 2 を利用しています。LLM は言語のパターンを拾い上げること、それを使って文章の中で次に来る確率の高い単語を予測する

米Metaは5月9日（現地時間）、マルチモーダルな情報をバインドするAIモデル「ImageBind」をオープンソース化したと発表した。 「マルチモーダル」は複数の「モダリティ」の処理が可能であることを示す。モダリティは、データの種類。ImageBindは、テキスト、画像および動画、音声、深度（3D）、熱（赤外線）、慣性測定単位（IMU）という6種類のモダリティの情報を単一の表現空間で学習する。 例えば、トラの写真を解析し、その吠え方、体温、動きなどの総合的な情報を生成したり、にぎやかな市場の音に基づいて市場の画像を生成したりできるという。 ImageBindは、モダリティの組み合わせごとのデータのトレーニングが不要で、複数のモダリティにわたって結合埋め込み空間を作成できる。 例えば、研究用に交通量の多い都市の道路からの音声データと熱データを1つのデータセットにすることも可能だ。 3Dセンサ

こんにちは！　画像システムグループで機械学習エンジニアをやっている小島です。 この記事では、今ホットな「Zero-shot Learning」と「Vision & Language」に関する最新情報を、CLIPという研究を起点として網羅的にサーベイをしていきます。このために論文1000本に目を通し、70本程度を記事にしました。 Zero-shotやVision & Languageは、Stable Diffusionに代表される画像生成AIとも密接に関連している技術です。この記事を通して、Vision & Languageの奥深い世界を体感できるでしょう。 注意事項 この記事は非常に長いため、全部読むのに1時間以上かかる可能性があるので、休憩を取りながら、または必要な部分だけ読んでください。各セクションを個別に読んでも問題ありません。 また、文章中の画像は、特別な記載がない限り、引用元の論

今回やりたかったこと 目標：ChatGPT(GPT-4) で一撃でスクレイピングするコードを生成 するにはどうしたらいいのか、ChatGPT のハードルとかコツとかを知りたい。 ※最終的なプロンプトの入力と出力の全文は本ページ下部に貼り付けてます。 作ったもの概要 保険組合のウォーキングイベントの会社内の3チームの歩数進捗の slack への自動投稿 bot を作成しました。 処理は大きく2つに分かれています。 ウォーキングイベントサイトから歩数をスクレイピング＆スプシへアップロード スプシの GAS で投稿文字列作成＆ slack へ自動投稿 今回 ChatGPT でやったのは1の方です。 2は前回半年前開催分のコードをほぼそのまま流用しました。 運良く（？）今回のタイミングでウォーキングイベントのサービスサイトが変わり、 HTML がまるっと変わり1のスクレイピングコードは作り直しが必

はじめに こんにちは、kenです。 GWに「暇だな～～、こんな日はVS Codeの公式ドキュメントを読むか！w」と思って何気なく読んでたらデバッグに関して知らない機能がいくつかあったので、今回はそれをご紹介したいと思います。 おそらく今から紹介する機能はあまり知られてないと思います。もし全部知ってたらVS Code完全理解者なので誇ってください。（！？） 以下に記載する内容はVS Codeの公式ドキュメントのDebuggingという章を参考にしています。 注意 これから紹介する機能は言語によって使えたり、使えなかったりします。 今から紹介する機能のデモはすべてPythonで行おうかと思ったのですが、上記の理由からPythonではサポートされていない機能についてはJavaScriptやC++で代用しました。 デバッグで使える便利な機能 ログポイント機能 行を指定しログポイントを追加すると、そ

エンジニア未経験のわたしがGitを学ぶ上で、この流れで記事を読むべきだったと思ったことを記載する。 完全に初学者意見のため、疑いながら読んでください。 私は下記の流れで学習することによって、理解をしやすいように感じた。 ①　Gitで何をしているかのイメージを掴む（コマンドなし） ②　Gitのイメージを、コマンドで実現している記事をみる ③　実際にGitのコマンドを打ちながら、出力と、頭の中のイメージのすり合わせ Gitで何をしているかのイメージを掴む（コマンドなし） こちらの記事は、Gitのイメージをコマンドなしで、わかりやすく図で示してくださっています。 記事にも記載されていますが、 ・重要なのは 「何」から「何」へ・「どんな作業」を行う のかを追う ・操作前と操作後でどんなことが起こっているのかをイメージする 上記の内容が、すごく同意で、重要だと感じている。いきなりコマンドを打ちながら

以下の記事が面白かったので、軽く要約しました。 ・Illustrating Reinforcement Learning from Human Feedback (RLHF) 1. はじめに言語モデルは、人間の入力プロンプトから多様で説得力のあるテキストを生成することで、ここ数年、目覚ましい成果をあげています。しかし、「良い」テキストかどうかは、主観的で文脈に依存するため、定義することが困難です。 「良い」テキストを生成するための損失関数の設計は難しく、ほとんどの言語モデルは、まだ単純な次のトークン予測損失（クロスエントロピーなど）で学習しています。この損失自体の欠点を補うために、BLEUやROUGEなどの人間の好みをよりよく捉えるように設計された指標も定義されています。しかしこれらは、能力測定において損失関数より適してますが、生成されたテキストを単純なルールで参照比較するため、制限があり

GPT4が登場してChatGPTが盛り上がってますね。 本記事は、GPT（を支えるTransformerという仕組み）をChatGPTユーザにとって分かりやすく説明し、その能力と限界についての見通しをよくしよう、という趣旨になります。 少し長くなりそうなので、全部で記事を3回に分けようと思います。 （１）大まかな背景と概要：本記事 （２）GPTの能力と可能性：実際の使用例とTransformerの仕組みを踏まえて説明 （３）GPTの限界と未来展望：Transformerの仕組みが持つ限界と研究の進展を予想 GPT3と4の違い： トークン長とは何か？ まずここから話を始めます。GPT-3は、パラメータ数が750億個（850GBの容量を食う）でトークン長が4097(GPT-3.5)でした。GPT-4は、パラメータ数は非公開でトークン長は32768ですので、ちょうど8倍になります。 さて、トーク

皆さんこんにちは。データサイエンティストチームYAMALEXのSsk1029Takashiです。 YAMALEXは Acroquest 社内で発足した、会社の未来の技術を創る、機械学習がメインテーマのデータサイエンスチームです。 この記事はGPTでチャットボットを作ってみるシリーズ第3弾です。 第1弾と第2弾もぜひご覧ください。 acro-engineer.hatenablog.com acro-engineer.hatenablog.com 第1弾では、GPTになるべく正確な回答をさせるために、回答の情報を持つ文書を検索し、それをもとに回答を生成するという内容を試しました。 文書をもとに回答を生成することで比較的正確な回答を取得することができました。 ただし、この回答も必ずしも正確な回答とは限らないので、どれくらい信頼していいのかを自動で判定する仕組みが欲しくなります。 今回は第1弾のシ

こんにちは。Turing株式会社の機械学習チームでインターンをしている九州大学修士1年の岩政(@colum2131)です。 Turingは完全自動運転EVの開発をするスタートアップです。 自動運転技術において、カメラやセンサ情報は正確な制御をする上で不可欠な要素である一方、自然言語やマルチモーダルな処理が必要となる状況もしばしば存在します。特に完全自動運転車においては、音声認識によってドライバーの音声命令を認識し、リアルタイムで適切な制御を行うことや、複雑な交通状況の背景にあるコンテクストを理解させるといった要求が出てきます。そのために、「基盤モデル」と呼ばれるような、自然言語処理を含む大規模モデルの学習が必要になってくると、私たちは考えています。 そこで本記事では、言語モデルの発展の流れとTuringが目指す基盤モデルの開発について紹介します！ 1. 言語モデルとは？ 近年の言語処理モデ

安倍晋三元首相銃撃事件で、殺人罪などで起訴された山上徹也被告（42）が差し入れで届いた現金について「世界平和統一家庭連合（旧統一教会）の被害に苦しむ人のために使いたい」と周囲に話していることが11日、関係者への取材でわかった。奈良県警は教団関連施設への建造物損壊容疑などで被告を近く追送検する方針で、一連の事件の捜査が終結する。

タイのバンコクでエンジニアリング・マネージャーをしている石坂です。 こちらの記事に触発されて、長年格闘している眼精疲労に対処するノウハウを書いてみます。 背景 かれこれ25年くらい眼精疲労と頭痛に悩まされる ひどいときは嘔吐や発熱を伴うことも 眼科・頭痛外来にも定期的に通うが、特別な異常は見つからず 低気圧や雨の日の頭痛もある 主な原因と思われるもの 高い眼圧 ドライアイ 肩こり ストレス ということで、対策・予防法としてはこのあたりになります。 眼圧を下げ、目の周りの筋肉をほぐす 肩や首まわりの筋肉をほぐす 運動・食事・睡眠、適切なストレス解消 以下に、個人的に役立ってきた対策を応急処置編と日頃の予防編に分けて記述します。 応急処置編 まずは眼精疲労と頭痛がすでに起きてしまっているケースでできることをいくつか挙げたいと思います。 目を温める 超定番ですが、これが一番よく効きます。目の周り

Bridge vs. Switch: What I Learned From a Data Center TourNetworking Lab: Ethernet Broadcast DomainsNetworking Lab: L3 to L2 Segments MappingNetworking Lab: Simple VLANDon't miss new posts in the series! Subscribe to the blog updates and get deep technical write-ups on Cloud Native topics direct into your inbox. TL;DR SSH Port Forwarding as a printable cheat sheet. SSH is yet another example of an

やった……！　ついに立ち食いそば放浪記が300回を達成した……!!　私（中澤）がこれほどまでに感無量となるのには理由がある。 ウマイそば屋を探して色んな町を放浪する立ち食いそば放浪記。このシリーズは私がロケットニュース24の記者になって始めた最初の連載企画にして1本目の記事であった。その時に、佐藤記者に言われた目標が300回だったのである。 苦節7年。書くのが嫌になったこともあったし、良い店が見つからないこともあった。もちろん、食べた店の数は300店どころではない。でも、やり遂げた。今、全て振り返った時、「ここは外せない」と思う都内の立ち食いそば屋が9店あるのでご紹介しよう。 ・『韃靼 穂のか』小川町 シンプルにそばそのものに着目するなら『韃靼 穂のか』は外せない。オススメメニューは韃靼そばで、のど越しの良いそばが、辛めのつゆでさらにキレキレとなる味はぜひ1度味わってみて欲しい。 ここまで

以前 TL でブラックコーヒーが飲めないのがコンプレックスという発言をみかけ、ちょうどその人にその後会うタイミングがあったため、おすすめのコーヒーを渡していた。どうやら、そのコーヒーでコーヒー環境を整えようとしているようなので、記事を書いてみる。 欲しいです！現役ドリッパーではないけど、みむらさんから以前いただいたコーヒーがとても美味しかったのもあり、年が明けたら色々と買い揃えてコーヒーデビューしたいと思ってる予備軍です😃— ka・neko (@neko314_) 2022年12月21日 大事なことは最初に どうせ、長くなるし、散文になりそうなので、最初に大事なことをまとめておこう。 豆は最初は LIGHT UP COFFEE で注文してみる 一度にいれる分量を考えて、クレバードリッパーを買う ミルは、Timemore の C3 シリーズを買う 温度調節できる細口の電気ケトルがあるとベス

田舎に住むと車の維持費がっていうけど、例え都民でも金があったら車持つんじゃないかな。 と、書いていて思ったんだだけど、田舎民だって金があれば山手線駅内側にサザエさんたちみたいな平家に駐車場つけて住むよな。 ようカネと優先順位の問題で。 追記 表現が適切じゃなかった。 都民だって公共交通機関使わずに、自家用車なりハイヤーなりでドアトゥドアしたいんじゃねーかなと。 都内はそれをするのが困難っつうだけで(駐車場が遠いし高いし、出かけた先に駐車場がないし、道は狭いし混むし)、諸問題が解決されるなら。いくら電車で寝れるとか本を読めるとか言ってもだ、そんなの家で寝て家で読んだほうが快適に決まってる。 田舎民だって、狭い家で人混みを歩くのが嫌なだけで、文化資本が近くにあるならそれはそれで嬉しいだろと。 そんだけで。 いい感じで荒れてくれて嬉しい。

母が亡くなって、1年ほどになりました。 時折ふとした瞬間に、そうだ、この世の中には、もうお母さんはいないのだなあ……、としみじみ思い出して寂しくなります。 母親が亡くなると、大げさにいえばそれ以前とそれ以降で、自分の心持ちががらっと変化してしまったような気がします。 抱えている寂しさや空しさの量が少し増えましたし、自分自身の死ということにも、よりリアリティを感じるようになってきています。 とはいえ、人生は続いていくわけで、時間が解決することもあるけれど、この寂しさや空しさを、当たり前にそこにあるものとして、これからは暮らしていくんだろうと思います。 ただ、今日この場で語りたいことは、現実的（で大切な）話、葬儀・供養についてのお金の話題です。 私、母以外にも肉親をもう2人、既に亡くしていまして、喪主の経験が3回あります（3回あれば、語る資格ありますよね？）。 さて皆さん、人がひとり亡くなると