Googleは、大規模言語モデル(LLM)利用に向けた新たな取り組みを発表した。ロボットが人間の指示に基づいて自分でコードを作成できる仕組みを示すものだという。 最新の取り組みは、ロボットが人間の曖昧な指示を理解して論理的に思考し、確実に反応できるようにする、Googleの「PaLM-SayCan」モデルをベースにしている。OpenAIの「GPT-3」 LLMや、GitHubの「Copilot」のような自動コード補完関連の機能もベースになっている。 「人間から指示が与えられた時に、ロボットが自分でコードを書いて世界とやりとりできたら、どうなるだろう」とGoogleの研究者は述べている。PaLMのような最新世代の言語モデルは、複雑な論理的思考が可能で、膨大なコードによって訓練されてきたという。「自然言語で指示を与えられると、最新の言語モデルは、汎用コードだけでなく、われわれが発見したように、
さまざまな企業や組織でAI導入が盛んになりつつある昨今では、AIに対してどのようにデータを学習させるべきかが課題となっています。 このような背景において、AIにデータを与えてパターンを学習させる機械学習の中で、「強化学習」を採用する現場も数多くあります。そこで今回は、強化学習の基礎知識やアルゴリズム、具体的な活用事例などについて解説します。 強化学習とは 強化学習とは、AIやコンピューターなどの「エージェント(学習者)」にデータを与えて学習させる「機械学習」の手法のひとつです。エージェントが与えられたデータを手掛かりに試行錯誤して学び、データの価値を最大化する学習方法を指しています。 ※機械学習について詳しく知りたい方は、以下の記事もあわせてご覧ください。 【関連記事】機械学習とは?3つの学習手法と知っておきたい活用事例 エージェントの学習方法には、強化学習の他に「教師あり学習」と「教師な
最近の話題の過熱ぶりを見ると、まるで人工知能(AI)があらゆるところにすでに入り込んでいるかのようだ。だが現実には、AIを支える技術はまだ発展途上の段階にある。実際、多くのAIの応用事例では、AI用に設計されたチップではなく、汎用のCPUやゲーム用に設計されたGPUが使用されている。IBM、Intel、Googleなどの大手IT企業や、スタートアップやベンチャーキャピタルが、AIワークロード用の新しいチップの設計に慌ただしく投資しているのは、このミスマッチを解消するためだ。 この分野に対する企業の投資は、技術が向上するに従って確実に増えていくとみられている。Gartnerによれば、2021年のAIチップ市場の総売上高は340億ドル(約5兆円)以上に達しており、2026年には860億ドル(約13兆円)規模にまで拡大するという。さらに同社は、データセンターに置かれているサーバーのうちAIワーク
大手半導体メーカーでありAI研究にも力を入れているNVIDIAが、新たな画像生成AIである「eDiffi」を発表しました。NVIDIAはeDiffiについて、世界中で話題となっている「Stable Diffusion」やOpenAIの「DALL・E2」といった従来の画像生成AIより入力テキストに忠実な画像を生成できると主張しています。 [2211.01324] eDiffi: Text-to-Image Diffusion Models with an Ensemble of Expert Denoisers https://arxiv.org/abs/2211.01324 eDiff-I: Text-to-Image Diffusion Models with Ensemble of Expert Denoisers https://deepimagination.cc/eDiffi/
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