「ChatGPT Meetup」は、プロンプティングからOpenAI API、さらには周辺のライブラリやHubのエコシステムまで広く活用の助けになる知見を共有し、みんなで手を動かして楽しむためのコミュニティです。2回目に登壇したのは、株式会社リンクアンドモチベーションの岡田大輔氏。OpenAIからAzure OpenAI Serviceへの移行について発表しました。 登壇者の自己紹介 岡田大輔氏：機能開発を「ChatGPT」を使ってやってみたので、そこからわかったことを共有させていただければなと思います。 最初に自己紹介です。岡田大輔といいます。リンクアンドモチベーションで働いていて、今4年目です。アプリのエンジニアをしています。ふだんはRailsとVueでWebアプリを作っているのですが、今回は、機能開発のところで（ChatGPTを）いろいろ触ってみました。 ChatGPTを使った機能開

ホーム ニューストップ ニュース（ニュースリリース） ブレインパッド、スリーシェイクとデータ加工ツール「Reckoner」の販売代理店契約を締結、効率的なデータ活用を実現 ブレインパッド、スリーシェイクとデータ加工ツール「Reckoner」の販売代理店契約を締結、効率的なデータ活用を実現 株式会社ブレインパッド（本社：東京都港区、代表取締役社長 CEO：関口　朋宏、以下ブレインパッド）は、SREおよびセキュリティのプロフェッショナル集団である株式会社スリーシェイク（本社：東京都新宿区、代表取締役社長：吉田 拓真、以下スリーシェイク）と、データ加工・連携ツール「Reckoner（レコナー）」において、販売代理店契約を締結したことを発表いたします。 今後当社は、技術力に強みを持つスリーシェイクとの連携により、当社が提供するデータ活用基盤「Smart Strategic Platform」（SS

3人に1人が「生成AI」夏休みの宿題に活用、一番使われたツールは「ChatGPT」　学校や保護者も肯定意見が上回る 学生の3人に1人が夏休みの宿題に生成AIを活用し、8割が「宿題がはかどった」と感じている──スマートフォンアプリ情報サイト「Appliv（アプリヴ）」を運営するナイル（品川区）がそんな調査結果を発表した。 調査によれば、夏休みの宿題があると答えた学生の男女533人のうち、34.1％（182人）が生成AIを活用したという。 使われた生成AIのツールは？ 使われたツールは、多い順に「ChatGPT」（134人）、「Bard」（33人）、「Bing Chat」（31人）、「AIチャットくん」（26人）、「Perplexity AI」（25人）、「宿題ポケット」（25人）、「Stable Diffusion」（21人）、その他（7人）だった。

科学的知識は主に書籍や科学誌に保存されていますが、PDF形式が一般的です。しかし、この形式は特に数学的表現においてセマンティック情報の損失を引き起こします。この問題に対処するために、Meta AIの研究チームは『Nougat（Neural Optical Understanding for Academic Documents）』という新しいOCR（光学式文字認識）技術を開発しました。 Nougatは、数式や文章が複雑に配置された画像であっても、それをマークアップ言語に高品質で変換する能力を持っています。この技術は、新しい論文だけでなく、電子データが存在しない古い書類などの解析にも非常に有用です。 参照論文情報 タイトル：Nougat: Neural Optical Understanding for Academic Documents 著者：Lukas Blecher, Guillem

東京大学松尾研究室発のAIスタートアップ、ELYZAは8月29日、Metaが開発した大規模言語モデル（LLM）「Llama 2」に日本語の追加学習を行い開発した、70億パラメータの日本語LLM「ELYZA-japanese-Llama-2-7b」の一般公開を開始した。本モデルは、研究および商業目的での利用が可能。 「ELYZA-japanese-Llama-2-7b」は、Metaの英語ベースLLM「Llama-2-7b-chat」に対して、約180億トークンの日本語テキストで追加学習を行ったモデル。70億のパラメータ数は、公開されている日本語のLLMとしては最大規模になる。日本語の追加学習には、OSCARやWikipediaなどに含まれる日本語テキストデータが使用されている。 全部で4つのバージョンが公開されており、ELYZA独自の事後学習を施した「ELYZA-japanese-Llama

2023-09-042023-09-05 ChatGPTの知っておくと便利な機能「Custom instructions」とは何か ChatGPTを頻繁に活用していると、ChatGPTが似たような回答を繰り返したり、最初に指示したプロンプトが考慮されなくなったりといった局面によく遭遇する。 例えば、「IoTについて小学生でもわかるように説明して」というプロンプトで指示をして、最初の文では指示通りわかりやすい回答をしてくれるが、その回答に対してさらに質問を進めていると、「小学生でもわかるように」という指示が考慮されなくる、というような状況だ。 使用されている言葉や表現はわかりやすく、「小学生でもわかるように」という指示が考慮されている。 上の写真のように、最初の文では小学生でもわかるようなわかりやすい言葉で説明してくれている。 しかし、続けて前文の「セキュリティ面での注意点」について質問する

概要 機械学習モデルのファインチューニングは、特定のタスクに対してモデルを最適化する一般的な手法です。しかし、ファインチューニングを行う前に、適切なデータセットを用意する必要があります。 この記事では、Pythonを使用して簡単にファインチューニング用のデータセットを作成する方法を紹介します。 内容 事前準備:ライブラリのインストールとトークナイザーの準備 datasetsとtransformersを使えば簡単にファインチューニングができます。 まずdatasetsをinstallします。

渋谷駅周辺にAIカメラ100台設置 2023年7月開始、1人1人に合わせた理想の渋谷へ渋谷をスマートシティ化し1人1人に合わせた理想の渋谷のまちづくりを エッジAIカメラソリューション「IDEA（イデア）」を提供するIntelligence Design株式会社(本社：東京都渋谷区、代表取締役：中澤 拓二、以下「当社」)は、一般社団法人渋谷未来デザイン（所在地：東京都渋谷区、代表理事：小泉 秀樹、以下「渋谷未来デザイン」）、一般社団法人渋谷再開発協会（所在地：東京都渋谷区、会長：安冨 正文、以下「渋谷再開発協会」）と共に、渋谷をスマートシティ化し1人1人に合わせた理想の渋谷のまちづくりを目的として、渋谷駅周辺に100台のエッジAIカメラを設置し、人流データの取得・解析を2023年7月を目途に開始いたします。 ▶渋谷100台AIカメラ設置プロジェクト 特設サイト：https://idea.i

Vertex AIの競争優位性は3つある──。Google Cloudのトーマス・クリアンCEO（最高経営責任者）は、Nextに合わせた日経クロステックなどのグループ取材でこう語った。競合であるAmazon Web Service（アマゾン・ウェブ・サービス、AWS）の機械学習開発基盤「Amazon SageMaker」、生成AIサービス「Amazon Bedrock」との比較を問われた際の回答だ。 1つ目はLLMのモデルの幅広さだ。「我々は様々な自社開発モデルを提供している」。クリアンCEOはこう説明した。AWSもAmazon Bedrockで自社開発LLMの「Amazon Titan」を提供しているものの、モデルの種類の豊富さではグーグルに軍配が上がる。 グーグルはNextで独自LLMのアップグレードを発表。「PaLM 2」はサポートする自然言語を38に拡大し、入力トークンの上限も引き

Googleが現地時間2023年8月29日、AI開発・運用を簡単に行える機械学習プラットフォーム「Vertex AI」の対応モデル増加や、企業によるジェネレーティブAIを用いたアプリ構築を支援するための機能追加を発表しました。 Vertex AI Next 2023 announcements | Google Cloud Blog https://cloud.google.com/blog/products/ai-machine-learning/vertex-ai-next-2023-announcements/ Googleは年次開発者向けイベント「Google Cloud Next'23」の中で、基盤モデルと企業データとの連携、カスタマイズなどを行うことが可能なVertex AIの機能拡張を行うことを発表しました。 Vertex AIにおいてジェネレーティブAIモデルのカタログ機能

OpenAIがChatGPTの企業向け有料プラン「ChatGPT Enterprise」を2023年8月28日(月)に発表しました。ChatGPT EnterpriseではGPT-4を無制限に利用可能で、動作速度は最大2倍になるとのこと。さらに、データ送受信時の暗号化機能も提供されるなど、セキュリティ面も重視されています。 ChatGPT Enterprise https://openai.com/enterprise Introducing ChatGPT Enterprise https://openai.com/blog/introducing-chatgpt-enterprise ChatGPTの有料プランである「ChatGPT Plus」では、機能強化版言語モデル「GPT-4」を用いて高精度な会話が可能です。しかし、記事作成時点ではChatGPT Plus加入者であってもメッセー

ウェブサイトへのトラフィックが若干下落したChatGPT 今後年平均35.6％で成長を続け、2030年には1093億ドルに達すると予想されるジェネレーティブAI市場（Grand View Research予測）。ChatGPTを開発するOpenAIだけでなく、OpenAIの元研究者らが立ち上げたAnthropic、アルファベット傘下のAI企業ディープマインド、イーロン・マスク氏が新たに立ち上げたxAIなどの参入により、競争は激化する見込みだ。 現在、ジェネレーティブAI市場で最も利用者が多いとみられているのがOpenAIが展開するChatGPT。Exploding Topicの7月13日時点のまとめによると、ChatGPTの現在のユーザー数は1億人以上という。しかし後発組の追い上げなどの影響で、ChatGPT利用者の増加率は若干停滞気味となっている。 ChatGPTウェブサイトへの訪問回数

米Meta（メタ）は米国時間2023年8月24日、プログラムのソースコードを生成するAI（人工知能）「Code Llama」を公開した。同社の大規模言語モデル（LLM）「Llama 2」をベースとした生成AIで、Llama 2と同様に無料で商用利用可能なツールとして提供する。 自然言語によるプロンプト（指示）に従ってコードを生成するほか、入力したコードをデバッグする機能も備える。PythonやC++、Java、PHP、Typescript、Javascript、C#、Bashなど、一般的に使用される多くのプログラミング言語に対応する。 3つのパラメーターサイズのモデルを提供する。パラメーター数はそれぞれ70億、130億、340億で、いずれも5000億トークン（おおよその単語数）のコードとコード関連データでトレーニングされているという。サイズの小さい70億と130億のモデルは、リアルタイム性

こんにちは。高橋です。普段はコンサルとしてデータ分析を活用したデジタルマーケティング支援をやっております。最近では『データ分析力を高める　ビジネスパーソンのためのSQL入門』を出版してSQLを使ったデータ分析の普及活動を頑張っております。 今回は自分が本業や複業などで色々なデータ分析案件に携わった経験から意思決定に繋げるためのデータ分析のステップについてまとめてみました。 正しくデータ分析ができているかデータ分析がビジネスにおいて重要であるということは、今の時代当たり前になりつつあります。 どんな企業でも、どんなビジネスパーソンでもデータを活用する流れはもはや止めることはできない時代に来ています。 しかし、実際にデータ分析が正しくできているかと言うと、必ずしもそうではないと感じることがあります。 データを見ただけて終わる 今あるデータから何かわからない？ そもそも使えるデータなんてない デ

こんにちは、igaです。 先日は台風の影響が出る前に出かけられて、リフレッシュできました。 今回は、Azure OpenAIとチャットする際に、独自データを使用してみます。 独自データの使用（原文の表記はon your data）は、2023年8月現在パブリックプレビューとして利用できる機能です。 techcommunity.microsoft.com 独自データの使用（以降、on your dataと表記します）により、例えば企業内ドキュメントやFAQをAzure OpenAIに検索させることで、ユーザーからのチャットでの問い合わせに対して企業内ドキュメントやFAQを検索した結果をAzure OpenAIがチャットの応答として返すことができるようになります。 今回は、on your dataを利用するまでの流れを試したいと思います。 on your dataのポイント on your d

画像生成AI二強の最新動向 マイクロソフトの検索エンジンBingで画像生成機能が追加されたほか、デザインプラットフォームCanvaでも画像生成が可能になるなど、生成AI技術を活用した画像生成ツールが身近な存在になりつつある。 この画像生成領域を牽引してきたのは、Stable Diffusionを展開するStability AI（ロンドン拠点）とMidjourneyを展開するMidjourney, Inc（サンフランシスコ拠点）の2社だ。 ChatGPTの開発企業として知られるOpenAIも画像生成AI「DALL-E」を開発しているが、現時点では、画像のクオリティでStable DiffusionとMidjourneyには及ばず、後塵を拝する状況となっている。そんな中、Stability AIが最新の画像生成モデルをリリース、画像クオリティがさらに向上したとして注目を集めている。 Stabi

LLM（大規模言語モデル）は、自然言語処理（NLP）の分野で使用される深層学習モデルの一種であり、その主な目的は、膨大な量のテキストデータを学習し、人間のような自然な言語生成や理解を実現することです。 技術的な側面からもう少しお話すると、LLMは深層学習の技術を用いた複雑なモデルで、その基盤となるのはニューラルネットワークと呼ばれる人間の脳のニューロンの働きを模倣する計算モデルです。 このニューラルネットワークは、複数の層からなる構造で入力データを受け取り、パターンを学習して予測や分類を行うことができます。特に、LLMは巨大なテキストデータを入力とし、大量のパラメータを調整しながら言語構造を学習させています。 代表的なLLMの例として Googleの「PaLM」 OpenAIの「ChatGPT」 オープンソースなモデルとしてMetaが開発した「Llama」、Databricksが開発した「

AI機能搭載Pythonライブラリ、PandasAIとAzure OpenAIでデータ分析を楽しく！機密性の高いデータも安心分析Pythonデータ分析StreamlitLLMAzureOpenAIService みなさん、こんにちは。突然の質問ですが、PythonのライブラリであるPandasAIをご存じでしょうか？ データに対して、自然言語により質問をすることができるようになるライブラリです。本記事ではこのPandasAIと、高度なセキュリティ機能を備えたAzure OpenAI Serviceを組み合わせたデータ分析についてデモ画面を交えてご紹介します。 （ここでは既にMicrosoft社のAzure OpenAI Serviceを契約されていて、また、少しPythonコードが読める方をイメージして書かせていただいていますが、ざっと眺めるだけでももちろん結構です。まだ、ご存じない方に「

※9月7日（木）15:00〜のオンラインLiveイベントの詳細はこちら（https://www.datarobot.com/jp/webinars/summer_launch_23/ ） ※当資料は、2023年8月10日に米国で発表されたニュースリリース（https://www.datarobot.com/newsroom/press/datarobot-announces-new-generative-ai-offering/ ）の抄訳版です。 バリュー・ドリブン AIのリーダーであるDataRobot（本社：マサチューセッツ州ボストン、CEO：Debanjan Saha）は、プラットフォーム機能とAIエキスパートによる支援サービスを含む生成AIへの新たなる取り組みを発表しました。 このサービスは、DataRobot AI Platformに生成型AIと予測型AIの両方の機能を独自に統合

コピーですぐに使える！ChatGPT100選 職種別・業種別・部署別 ChatGPTの台頭で、われわれの仕事は大きく変わろうとしている。日進月歩のAI（人工知能）が社内の膨大なデータを学習。末端の社員まで、業務を個別にコンサルティングされる未来が近づいている。だが、足元では「業務でうまく使えない」「思ったほど役に立たない」といった諦めの声が現場から聞こえるようになってきた。そこで実用性にこだわって、職種別・業種別・部署別に役立つChatGPTの例文（プロンプト）を徹底収集。コピペしてすぐに使える100個以上のプロンプトを独占公開。仕事に効く記事をお届けする。 バックナンバー一覧 ChatGPTの台頭で、われわれの仕事は大きく変わろうとしている。日進月歩のAI（人工知能）が社内の膨大なデータを学習。末端の社員まで、業務を個別にコンサルティングされる未来が近づいている。だが、足元では「業務でう

「japanese-large-lm」は、同社が以前から取り組んでいる日本語の大規模言語モデル「HyperCLOVA」の研究開発プロジェクトと並行して、Massive LM開発ユニットにより開発された。 なお、本モデルのライセンスは、商用利用が可能な「Apache License 2.0」となっている。 同モデルの訓練には、同社独自の大規模日本語Webコーパスが利用され、Web由来のテキスト特有のノイズを除去するために、同社NLPチームのメンバーが開発したOSSの「HojiChar」によるフィルタリング処理が適用されている。また、最終的な学習には約650GBのコーパスが利用されている。加えて本モデルでは、「3D Parallelism」「Activation Checkpointing」などの手法を用い、学習を高速化している。 学習したモデルの性能評価には、Perplexityスコア（PP

1. ファインチューニングの利点ファインチューニングの利点は、次のとおりです。 (1) プロンプトよりも高品質な応答 (2) プロンプトに収まりきらないより多くの例の適用 (3) プロンプトの短縮によるトークン数 (コスト) の節約 (4) プロンプトの短縮による処理時間の短縮 モデルは膨大な量のテキストで事前学習されており、このモデルを効果的に利用するため、プロンプトに手順や応答の例を指定する手法が使われます。この例を使用してタスクの実行方法を示すことを「Few-Shot」と呼びます。 ファインチューニングで、プロンプトに収まりきらないより多くの例で学習することにより、さまざまなタスクでより良い結果を達成できるようになります。プロンプトに多くの例を指定する必要はなくなります。これによりトークン (コスト) が節約され、処理時間も短縮されます。 2. ファインチューニングの使用料金ファイン

LangChainについて詳しく学びたい LangChainの主要機能であるModels・Prompts・Data Connection・Agents・Memory・Chainsを理解したい LangChainとは？ 【LangChain公式】https://python.langchain.com/en/latest/index.html LangChainとは、ChatGPTを代表とするような大規模言語モデル（LLM）の機能を拡張し、サービスとして展開する際に役立つライブラリです。 LangChainでできること 専門タスクに対応できる LLMは多くの自然言語タスクを効果的に実行できますが、深いドメイン知識や専門知識を必要とする質問やタスクに対して具体的な回答を提供できない可能性があります。 たとえば、医学や法律などの特定の分野に関する質問に回答するためにLLMを使用したいとします。L

対話型AIのChatGPTを開発したOpenAIが、2023年3月にリリースしたGPTモデルファミリー「GPT-3.5 Turbo」のファインチューニング(微調整)機能を発表しました。GPT-3.5 Turboをファインチューニングすることにより、「出力する言語を固定する」「応答の言葉遣いをブランドや企業のイメージに沿ったものにする」など、ユーザーの用途に合わせたカスタマイズが可能になるとのことです。 GPT-3.5 Turbo fine-tuning and API updates https://openai.com/blog/gpt-3-5-turbo-fine-tuning-and-api-updates OpenAI brings fine-tuning to GPT-3.5 Turbo | TechCrunch https://techcrunch.com/2023/08/22

Inkitt（インキット）はアマチュア作家が小説を投稿、公開できる無料プラットフォームを提供するスタートアップだ。同社はInkittに掲載された小説の「読者による読まれ方」をアルゴリズム分析し、「ヒットセラーになりそうな」小説を選択、別に運営する有料アプリ「Galatea（ガラテア）」で正式に公開するというシステムに乗せて刊行物を次々に世に問うている。また、ストーリー展開のABテストをして読者の反応をみる、といったAI編集機能も実装している。 「ハリー・ポッター」の刊行、出版社13社が断った つまりInkittは、読まれる小説の卵のデータを「読者から」収集、データ解析、選別したのち、有償で販売する、という、古い出版業界の度肝を抜くような新規のビジネスモデルで大成功している出版社なのだ。 同社のコミュニティにはこれまでに少なくとも、700万人の読者と30万人の作家が参加している。また、コロナ

価格変動制を導入しているチケット価格の決定、人員配置やショーの編成といった運営計画は動員予測に基づいている。予測精度をAIによって高め、収益性や顧客満足度を高める。（出所：日経クロステック） 誤差11％程度にまで縮小 サンリオピューロランドでは以前から、過去の動員実績や経験を基に来場者数を予測していた。チケット価格の設定に用いたり、ショーの編成などパーク運営の準備に用いたりするためだ。ただし、従来の人による予測では誤差が20％程度あったという。今回、動員予測AIシステムの導入によって2023年8月1日時点では誤差を11％程度にまで縮小できた。 同施設では2022年4月、入場チケット価格の変動制を導入した。混雑が予想される日は価格を高くすることで来場者数を平準化し、過度な混雑を減らしながらテーマパークの収益を高めようという狙いだ。こうした効果を得るためには、動員予測の精度向上が不可欠だった。

ChatGPTがコンサルタント・アドバイザリー業務に与える影響 中野仁氏（以下、中野）：前提が変わっていて。やはりコーディングというものづくりのところ、実装系のところは、もうかなりのインパクトが出るということは確定しています。 一方で何をやるか、いわゆるコンサルタントとかが入っていくような領域。分担でいうとたぶん山下さん（山下鎮寛氏）の領域だと思うんですけれど、そこでの変化みたいな、インパクトみたいなところはどうですか？ 先ほど、販売システムとかの「要件定義書を作って生成してくれちゃうじゃん」みたいな話も十分ドン引きだったんですが。最初に山下さんと話した時に「これも作れちゃいますよね？」みたいな話（がいろいろと出てきた状態）だったんですが、そこはどういうインパクトが（出てくることが）ほぼ確定している感じですか？ 山下鎮寛氏（以下、山下）：正直、コンサルタント・アドバイザリー業務における人月

この図はざっくりと3つの領域に分かれます。まず左下が従来のプログラミングの領域です。これは簡単に言うと「プログラムは間違ってはいけない定形な仕事を奪う」ということです。次にその上の士業が責任を取る領域です。これは「責任」を取る人がいないと成立しない仕事です。ミスが発生した際に罰則を与えるという形で、ミスの発生を防いでいます。最後に右側のホワイトカラーの仕事の領域です。ホワイトカラーの仕事は入出力が不定形であり、作業フローも非定型であったりします。そのため、多少のミスはあっても仕方ないという前提の上で仕事が行われています。 機械学習がビジネスに組み込まれるにつれ、ホワイトカラーの仕事領域はそれらによって少しずつ代替されつつあります。その図がこちらになります。 ホワイトカラーの担っていた領域は、表データの機械学習（重回帰や、Lasso回帰、SVM、RandomForest、LightGBMなど

カリフォルニア大学バークレー校の研究チームが脳波を分析して「聞いていた音楽」を再構成する技術を開発しました。開発された技術では音階の変化やフレーズの一部を判別可能なほど鮮明に音楽を再構成できます。 Music can be reconstructed from human auditory cortex activity using nonlinear decoding models | PLOS Biology https://doi.org/10.1371/journal.pbio.3002176 Brain recordings capture musicality of speech — with help from Pink Floyd | Berkeley https://news.berkeley.edu/2023/08/15/releases-20230811 研究チームは

評価指標の重要性 データ分析失敗事例集という書籍を読んで「評価指標って大事だな（小学生並みの感想）」と思ったので、個人的な覚え書きとしてメモ。 データ分析失敗事例集に加えて、ほぼ積読状態だった評価指標入門から、ポイントをまとめます。 評価指標とは何か？どうやって決めるか？ 一番大事な話として、そもそも（この記事では特に機械学習分野での）「評価指標とは何か？」「どうやって決めるか？」という大問題がありますが、私が語るのは恐れ多いので、本記事では省略します。 一番難しくて、重要だからこそ、簡単に説明できないのでこの記事を読んであらためて気になったら、最初に紹介したような本を読んでみると良いかもしれません。 評価指標の分類 機械学習は「教師あり学習」「教師なし学習」「強化学習」と大きく3つに分けられるという話を聞いたことがある人は多いかもしれません。そのうち代表的な「教師あり学習」をさらに大きく

","naka5":"<!-- BFF501 PC記事下（中⑤企画）パーツ＝1541 -->","naka6":"<!-- BFF486 PC記事下（中⑥デジ編）パーツ＝8826 --><!-- /news/esi/ichikiji/c6/default.htm -->","naka6Sp":"<!-- BFF3053 SP記事下（中⑥デジ編）パーツ＝8826 -->","adcreative72":"<!-- BFF920 広告枠）ADCREATIVE-72 こんな特集も -->\n<!-- Ad BGN -->\n<!-- dfptag ＰＣ誘導枠５行 ★ここから -->\n<div class=\"p_infeed_list_wrapper\" id=\"p_infeed_list1\">\n <div class=\"p_infeed_list\">\n <div class=\"

「ChatGPT Meetup」は、プロンプティングからOpenAI API、さらには周辺のライブラリやHubのエコシステムまで広く活用の助けになる知見を共有し、みんなで手を動かして楽しむためのコミュニティです。1回目に登壇したのは、吉海将太氏。ChatdollKit×ChatGPTで開発した音声会話AIBotについて発表しました。 「AIと音声でおしゃべりしたい」という悩みはありませんか？ 吉海将太氏：「ChatdollKit×ChatGPTで音声会話AIBotを作ろう！」というタイトルで、吉海が発表いたします。けっこう真面目な発表が多い中、僕のはすごくライトなものなので（笑）、リラックスして聞いてもらえればと思います。 自己紹介です。「Yoshikai」というのが本名で、ハンドルネーム「tinjyuu」で活動していますが、ハンドルネームであまり呼ばれたくないのでよろしくお願いします（笑

この現象はいささか不可解に感じられる。なぜなら、生成人工知能（AI）モデルはユーザーからの入力を利用して自らを訓練し続けるため、時間とともにより多くの入力が蓄積されるほど賢くなるはずだからだ。 その謎の答えは、「ドリフト」と呼ばれる概念にあるかもしれない。 「ドリフト」とは、大規模言語モデル（LLM）が予期しない、あるいは予測不可能な振る舞いをし、元のパラメーターから逸脱してしまうことだ。こうした現象は、複雑なAIモデルの一部を改善しようとした結果、他の部分の性能が低下することで発生する可能性がある。 カリフォルニア大学バークレー校とスタンフォード大学の研究チームが、ドリフト現象を検証するための研究で、広く用いられているLLM「GPT-3.5」（ChatGPTの基盤）と「GPT-4」（新しい「Bing」と「ChatGPT Plus」の基盤）の経時的変化を調査した。 この研究では、両LLMの

はじめに 2023/08/03発売の「データ分析失敗事例集 ―失敗から学び、成功を手にする―」を知り合いのご厚意により頂いたので、読んでみたところ非常に面白かったので、感想をブログにまとめようと思います。 www.kyoritsu-pub.co.jp 全編通していい意味で社会性フィルターが外れていて、これを出版することは非常な苦労があったと察します。著者に敬意を評して、本ブログでも特に配慮などはせずに感想を書いていこうと思います。(何か問題があったらコメント欄で教えてください。コメントは公開前に自分にメールが来るようになってます。) 本書の概要 本書ではデータ分析の失敗談を短編小説のように楽しむことができる。 技術的な話はあまりないが、一部の専門用語については基本的な理解があると読みやすい。 例えば、BERT, 傾向スコア, Redshift, Tydyverseと聞いて、どういうものでど

会食の本質は「店選び」ではない「今度〇〇社と会食セッティングするから店選びとロジよろしく！」 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 二次会のロジ -二次会があるかわからない上に人数が未確定の状態で店の予約を