Azure OpenAIで自社データを取り込んだChatbotを実現する。 | DevelopersIO
Azure OpenAI に新機能として自社データを利用する方法が提供されました。 どのようにデータを登録するのか、またどのように利用するのかをまとめてみます。 事前準備 Azure Subscription Azure OpenAI Azure OpenAI Serviceは使い始めるのに、今は申し込みが必要となっているので、もしまだリソースを作成することができない場合は、リソース作成時にこのようなメッセージが表示されているので、こちらのフォームから申し込みます。 モデルのデプロイ Azure OpenAIではリソースを作成するだけでは利用することはできず、モデルをデプロイすることで利用することができます。 モデルのデプロイはAzure OpenAI Studioから行います。 左側メニューより「管理」-「デプロイ」から「＋新しいデプロイの作成」でデプロイしていきます。 デプロイは、一つ
チューリングテストもパスしそうな文章生成AI、GPT-3はプレゼン資料作りもこなす！ | Techable(テッカブル)
5月のリリース当時には実用性の面で期待外れとの声が聞かれた文章生成AI、GPT-3の活用事例が挙がってきている。 徳島県在住のBemmu SepponenさんはGPT-3をプレゼン用スライドの制作に用いたようだ。ほかにも、GPT-3を用いて指定したウェブアプリケーションを生成するサービスなんかも登場している。 プレゼン用スライドの文章を生成GPT-3はOpenAIが開発したTransformerベースのモデル。文章を与えると、次に続く文章を生成してくれる。インターネット上の膨大な文章によりトレーニングされていて、なんと1750億個のパラメーターを持つ（先代のGPT-2は15億個）。 英語を話すユニコーンの話など、創造的な文章の生成が得意なイメージのGPT-3だが、プレゼン用スライドの文章生成は実用的とも捉えられるだろう。 Bemmuさんは、プロンプトに「関西のHacker Newsのイベン
GPT-3の衝撃 - ディープラーニングブログ
この1週間はGPT-3のユースケースの広さに驚かされる毎日でした． シリコンバレーでは話題騒然ですが日本ではほとんど話題になっていないので，勢いで書くことにしました． GPT-3はOpenAIが開発した言語生成モデルです．名前の由来であるGenerative Pretrained Transformerの通り，自然言語処理で広く使われるTransformerモデルを言語生成タスクで事前学習しています． 先月申請すれば誰でもGPT-3を利用できるOpenAI APIが発表され，様々な業種の開発者によって驚くべきデモンストレーションがいくつも公開されています． 特に話し言葉からJSXやReactのコードを生成するデモは著名なベンチャーキャピタルから注目を集め，誇大広告気味だと警鐘を鳴らす事態に発展しています． This is mind blowing. With GPT-3, I built
OpenAIが超高精度な言語モデル「GPT-3」用いたAIモデルをAPIとして利用可能に、Wikipediaの内容を「質問」で検索するデモムービーも
非常に精度の高い文章を生成できるため「あまりにも危険過ぎる」と危惧されていた言語モデル「GPT-2」の開発元である「OpenAI」が、次世代文章生成言語モデルの「GPT-3」を用いたAIモデルが利用可能になるAPIを発表しました。これにより、OpenAIのAIモデルを製品に組み込んだり、AIモデルを駆使した新しいアプリケーションを開発したりすることが可能になります。 OpenAI API https://openai.com/blog/openai-api/ OpenAI to sell its headline-grabbing text generator as an API https://thenextweb.com/neural/2020/06/11/openai-to-sell-its-headline-grabbing-text-generator-as-an-api/ Op
OpenAI、まことしやかなフェイクニュースも簡単生成の言語モデル「GPT-2」の限定版をオープンソース化
OpenAI、まことしやかなフェイクニュースも簡単生成の言語モデル「GPT-2」の限定版をオープンソース化 イーロン・マスク氏が共同会長を務める非営利の米AI（人工知能）研究企業OpenAIは2月14日（現地時間）、自然言語の文章を生成する言語モデル「GPT-2」を発表した。 この技術が悪意あるアプリに流用される懸念から、GPT-2をオープンソース化はせず、縮小版モデルと論文のみ公開した。 GPT-2は、40Gバイト分のネット上のテキストの次の単語を予測するためだけに訓練されたTransformerベースの言語モデル。800万のWebページのデータセットで訓練し、15億のパラメータを持つ。 大きな特徴は、固有の訓練用データセットではなく、Webページのデータセットをそのまま使ったことだ。Wikipediaやニュース、書籍など特定のデータで訓練された他の言語モデル（米GoogleのBERTな
スキーマ定義言語 Protocol Buffers と protoc-gen-swagger を使って Web API のスキマを埋めよう - VOYAGE GROUP techlog
VOYAGE Lighthouse Studio の海老原 (@co3k) です。先日 30 歳になった記念としてタイトルはオヤジギャグです。 さて、普段は 神ゲー攻略 というゲーム攻略サイトを運営しているのですが、とある派生サービスを立ち上げるにあたり、 Web API スキーマ定義を gRPC に基づく形式の Protocol Buffers で書き、 protoc-gen-swagger プラグインを介して OpenAPI 定義ファイルとして生成する、というアプローチを採りました。 yugui さんの素晴らしい記事、「今さらProtocol Buffersと、手に馴染む道具の話」によってスキーマ定義言語としての Protocol Buffers がにわかに注目を浴びて以降、似たようなことをやりたいという方もいらっしゃるのではないでしょうか。 ところが、おそらく単体で protoc-g
Scaling Kubernetes to 2,500 nodes
We’ve been running Kubernetes for deep learning research for over two years. While our largest-scale workloads manage bare cloud VMs directly, Kubernetes provides a fast iteration cycle, reasonable scalability, and a lack of boilerplate which makes it ideal for most of our experiments. We now operate several Kubernetes clusters (some in the cloud and some on physical hardware), the largest of whic
More on Dota 2
Our Dota 2 result shows that self-play can catapult the performance of machine learning systems from far below human level to superhuman, given sufficient compute. In the span of a month, our system went from barely matching a high-ranked player to beating the top pros and has continued to improve since then. Supervised deep learning systems can only be as good as their training datasets, but in s
Gym
Gym is a standard API for reinforcement learning, and a diverse collection of reference environments# The Gym interface is simple, pythonic, and capable of representing general RL problems: import gym env = gym.make("LunarLander-v2", render_mode="human") observation, info = env.reset(seed=42) for _ in range(1000): action = policy(observation) # User-defined policy function observation, reward, ter
遺伝的アルゴリズムxニューラルネットワーク（NeuroEvolution）でOpen AI Gymの山登りをさせた話 - Qiita
どうも、オリィ研究所（http://orylab.com/） の ryo_grid こと神林です。 今回は前回、Open AI Gymの二足歩行ロボを歩かせたNEATという手法で、他の課題も解けるか試してみようということで、パワー不足の車が振り子の要領で勢いをつけて山を登る、という課題を解かせてみます。 前回のお話 前回は遺伝的アルゴリズムとニューラルネットワークを組み合わせた手法であるNEAT(NeuroEvolution of Augmenting Topologies)を用いて二足歩行ロボを歩かせました。 遺伝的アルゴリズムxニューラルネットワーク（NeuroEvolution）でOpen AI Gymの二足歩行ロボを歩かせた話 ただ、パラメータが多数あり、課題ごとにチューニングしないと性能が出ないのではないかという点に疑問が残りました。 そこで、今回は上述の課題を同じプログラムを用
遺伝的アルゴリズムxニューラルネットワーク（NeuroEvolution）でOpen AI Gymの二足歩行ロボを歩かせた話 - Qiita
遺伝的アルゴリズムxニューラルネットワーク（NeuroEvolution）でOpen AI Gymの二足歩行ロボを歩かせた話遺伝的アルゴリズムMachineLearningDeepLearning強化学習OpenAIGym どうも、オリィ研究所（http://orylab.com/） の ryo_grid こと神林です。 今回は以前試してなかなかうまくいかなかったOpen AI Gymの二足歩行ロボの強化学習へ再チャレンジした話と、その中で知ったNEAT(NeuroEvolution of Augmenting Topologies)という手法について書きたいと思います。 前回のお話 DQN(Deep Q-learning Network)という、強化学習の手法を使って二足歩行ロボを歩かせようとしました。 結果として、学習自体は成されましたが、まともに歩くというところまではいくことができま
Deep Learning for Computer Vision (Andrej Karpathy, OpenAI)
The talks at the Deep Learning School on September 24/25, 2016 were amazing. I clipped out individual talks from the full live streams and provided links to each below in case that's useful for people who want to watch specific talks several times (like I do). Please check out the official website (http://www.bayareadlschool.org) and full live streams below. Having read, watched, and presented d
Deep Reinforcement Learning (John Schulman, OpenAI)
The talks at the Deep Learning School on September 24/25, 2016 were amazing. I clipped out individual talks from the full live streams and provided links to each below in case that's useful for people who want to watch specific talks several times (like I do). Please check out the official website (http://www.bayareadlschool.org) and full live streams below. Having read, watched, and presented d
ゲームでAIをトレーニングするジム「OpenAI Gym」の環境構築手順 on Mac OS X - Qiita
OpenAI Gym は、ゲームで人工知能を開発・評価するためのプラットフォームです。 「AI用トレーニングジム」を、OpenAIがオープン｜WIRED.jp 環境構築はほとんど手順通りに pip install やら brew install するだけでできて、 パックマンとか、 スペースインベーダーとか、 こういうのをとりあえずお試しとしてランダムに動かしてみるだけなら5行ぐらいのコードでできてしまうので、強化学習とか全然わからないけどとりあえず試してみる、というのも最初の一歩目にいいかもしれません。 以下、僕が macOS Sierra で行った環境構築手順です。 OpenAI Gymのインストール インストール手順はREADMEの こちら に書いてあります。
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
GitHub - VHellendoorn/Code-LMs: Guide to using pre-trained large language models of source code
OpenAI Platform