googleとopenaiに関するmasadreamのブックマーク (4)

  • AIツールの次のレベル「AIエージェント」とは何なのか専門家が解説

    近年急速に発達しているAIの分野として、自然な会話や文章の生成ができるChatGPTのようなチャットボットや、テキストを入力するだけで高度な画像やイラストを生成できる画像生成AIを思い浮かべる人は多いはず。そんな中、OpenAIGoogleなどの大手テクノロジー企業は、AIのさらなる発展の波として「AIエージェント」の計画を発表しています。今後のAIの鍵を握るAIエージェントとはどのようなものなのか、アメリカのクイニピアック大学でコンピュータサイエンスを専門とするブライアン・オニール氏が解説しています。 What is an AI agent? A computer scientist explains the next wave of artificial intelligence tools https://theconversation.com/what-is-an-ai-agen

    AIツールの次のレベル「AIエージェント」とは何なのか専門家が解説
    masadream
    masadream 2025/01/02
    2025年は自律型AIエージェントが本格普及し始める年。
  • AIエージェント到来

    生成AI人工知能)の活用が“第2章”に突入している。今後の生成AIの主役は、ユーザーの指示から意図をくみ取り、仕事や日常生活におけるあらゆる作業や手続きを実行してくれる「AIエージェント」に変わりつつある。生成AI技術の1つである大規模言語モデル(LLM)を利用したこれまでの対話型AIは、ユーザーの質問に回答する「話し相手」に過ぎなかった。 AIエージェントは、ユーザーが自然言語で与えた指示をLLMが解釈し、適切な手段を選択して自律的に処理を実行する。従業員の出張を支援するAIエージェントを例に考えてみよう。AIエージェントはユーザーと出張について対話しながら、裏でWeb検索やAPI(アプリケーション・プログラミング・インターフェース)などを使って、場所や予算といった希望に合ったフライトや宿泊先を探し出す。さらに予約サイトに接続し、フライトや宿泊先を実際に予約する。AIエージェントから

    AIエージェント到来
    masadream
    masadream 2025/01/01
    AIエージェント現状まとめ。わかりやす
  • 【随時更新】主要な大規模言語モデル比較表

    これはなに? 自著 「つくりながら学ぶ!生成AIアプリ&エージェント開発入門」 に掲載するために作ったOpenAI・Anthropic・GoogleのLLMの一覧表です。 各社が新しいモデルを出すたびにの内容が陳腐化するため、この記事に最新の情報を更新していきます。 各社のモデルの主要諸元・費用に加えて、自分の印象を書いてあります。 性能の目安としてChatbot Arenaのスコアを参考までに添付しています これはあくまで参考用かつ英語での評価なので、スコアが一番高いものがいい、もしくは低いからダメというわけではありません。 少なくともこの記事に掲載されているモデルは、スコアが低いものでも単純な翻訳などでは十分な性能を持っています。そして何より高性能モデルとは比較にならないほど高速です。 用途や使用言語によって試してみて最適なものを選ぶのが良いでしょう [PR] 宣伝 の紹介は↓に書

    【随時更新】主要な大規模言語モデル比較表
  • オープンソースの生成AIが「GPT-4」に一歩及ばない理由

    一方では、常に進化を続けるきら星のごときコントリビュータ―たちによって、数多くのオープンソースの大規模言語モデルが作られ続けている。その中でも特に有名なのが、Metaの「Llama 2」だ。一方、クローズドソースの大規模言語モデルの代表例は、商用モデルとして定評がある2つのモデルである、OpenAIの「GPT-4」と、ベンチャーキャピタルの支援を受けているスタートアップAnthropicの言語モデル「Claude 2」だろう。 これらのモデルをテストして互いに比較する方法の1つに、特定の分野(例えば医療知識)の質問に回答させ、その善し悪しを比べるというやり方がある。 権威のある医学論文誌を発行しているNew England Jounal of Medicineが創刊した新論文誌「NEJM AI」に最近掲載された、ペパーダイン大学、カリフォルニア大学ロサンゼルス校、カリフォルニア大学リバーサ

    オープンソースの生成AIが「GPT-4」に一歩及ばない理由
    masadream
    masadream 2024/02/17
    クローズドデータを学習に使えることが性能向上差に繋がる。連合学習、モデル蒸留がギャップを埋めるアプローチになる。
  • 1