「Midjourney」「Stable Diffusion」などの画像生成AIや、チャットAIボット「ChatGPT」をはじめ、様々なサービスが登場してきた生成AI（ジェネレーティブAI）。 現在SNSでは、「Suno AI」という新たな自動作曲AIサービスが話題です。 神前暁さんやtofubeatsさんといった第一線で活躍する音楽プロデューサーも、試しに「Suno AI」を使ってみた結果をXに投稿。 その自然な出来栄えに、神前暁さんは「アレンジやMixがそれっぽくなるのは想定内だったけどメロも70点くらいのを平気でポンポン出してくる。このサビなんて少し手を加えれば結構売れるのでは？ってレベル」と、驚きを露わにしています。 話題のSuno AIを試してみたけどヤバいですねコレは… アレンジやMixがそれっぽくなるのは想定内だったけどメロも70点くらいのを平気でポンポン出してくる。このサビな

データ分析もChatGPTの機能（旧Code Interpreter）でできるか、やったみた【番外編】：AI・データサイエンス超入門 ChatGPTの「高度データ分析」機能がデータサイエンスを変える？　素人でも簡単にデータ分析ができるようになるのか？　筆者が実際に挑戦し、実体験に基づく感想と洞察をお届けします。連載の流れとは関係がない番外編です。

こんにちは、ウォンテッドリーでデータサイエンティストをしている合田(@jy_msc)です。先週末は atmaCup #16 に参加してモクモクとコードを書いていました。来週の日曜まで開催されているので、興味ある方はぜひ参加してみてください！ この記事は、Wantedly Advent Calendar 2023 の11日目の投稿です。前回の記事は「Rustを使ったOS開発 - 普段のRustと同じ様にOSを実装したい」でした。 私は5年前から Kaggle に参加しており、今年の6月にようやく Kaggle Grandmaster になることができました。ちょうど良い節目だと思うので、これまでのデータ分析コンペの参加実績を振り返ったり、データ分析コンペに夢中に取り組み続けてきたことで得られたであろう自身の変化に関して言語化してみます。 ※本記事で述べる内容は私自身の経験に基づく私見ですので

Micro-benchmark of the multi-head attention, run-time in us. Flash-Decoding achieves almost constant run-time as the sequence length scales to up to 64k. The up to 8x speedup end-to-end measured earlier is made possible because the attention itself is up to 50x faster than FlashAttention. Up until sequence length 32k, the attention time is roughly constant, because Flash-Decoding manages to fully

「Google Colab」で「Gemini API」を試したので、まとめました。 1. Gemini API「Gemini API」は、「Google DeepMind」が開発したマルチモーダル大規模言語モデル「Gemini」を利用するためのAPIです。 3. Gemini API の準備Colabでの「Gemini API」の準備手順は、次のとおりです。 (1) パッケージのインストール。 # パッケージのインストール !pip install -q -U google-generativeai(2) 「Google AI Studio」からAPIキーを取得し、Colabのシークレットマネージャーに登録。 キーは「GOOGLE_API_KEY」とします。 import google.generativeai as genai from google.colab import userd

import google.generativeai as genai import PIL.Image import os genai.configure(api_key=os.environ["GOOGLE_API_KEY"]) img = PIL.Image.open('path/to/image.png') model = genai.GenerativeModel(model_name="gemini-1.5-flash") response = model.generate_content(["What is in this photo?", img]) print(response.text) const { GoogleGenerativeAI } = require("@google/generative-ai"); const fs = require("fs"); c

Gemini API と Google AI Studio を使用すると、Google の最新モデルを使い始めることができます。Gemini モデル ファミリー全体にアクセスでき、アイデアを拡張可能な実際のアプリケーションに変換できます。

Send feedback Gemini API quickstart Stay organized with collections Save and categorize content based on your preferences. This quickstart shows you how to get started with the Gemini API using the SDK of your choice. Python Node.js Go Dart (Flutter) Android Swift Web REST Prerequisites Install the Gemini API SDK Set up authentication The easiest way to authenticate to the Gemini API is to configu

Send feedback Generate content with the Gemini API Stay organized with collections Save and categorize content based on your preferences. Use generateContent or streamGenerateContent to generate content with Gemini. The Gemini model family includes models that work with multimodal prompt requests. The term multimodal indicates that you can use more than one modality, or type of input, in a prompt.

2023年11月のイベント「Microsoft Ignite 2023」で発表された言語モデルの「Phi-2」がリリースされました。パラメーター数は27億で小規模なモデルとなっているものの、最大で25倍のモデルと同等の性能を発揮できます。 Phi-2: The surprising power of small language models - Microsoft Research https://www.microsoft.com/en-us/research/blog/phi-2-the-surprising-power-of-small-language-models/ Today, we share our teams’ latest contributions, Phi-2 and promptbase. Phi-2 outperforms other existing sma

Get started using GPT-4 Turbo with images with the Azure OpenAI Service. GPT-4 Turbo model upgrade The latest GA release of GPT-4 Turbo is: gpt-4 Version: turbo-2024-04-09 This is the replacement for the following preview models: gpt-4 Version: 1106-Preview gpt-4 Version: 0125-Preview gpt-4 Version: vision-preview Differences between OpenAI and Azure OpenAI GPT-4 Turbo GA Models OpenAI's version o

Microsoft Ignite 2023 にて、これらのモデルが近いうちに Azure OpenAI Service でも利用可能になることが発表されていましたが、このたびマルチモーダル入力対応の GPT-4 Turbo with Vision のプレビューが開始しました。(テキスト入力のみを受け付ける無印 GPT-4 Turbo は一足先にプレビュー開始していました。) 参考 New models and developer products announced at DevDay (本家 OpenAI) Azure OpenAI Service Launches GPT-4 Turbo and GPT-3.5-Turbo-1106 Models GPT-4 および GPT-4 Turbo プレビュー モデル 利用可能なリージョン 執筆時点で GPT-4 Turbo with Visi

講演概要ツール・環境 ChatGPTは、統計的な学習モデルによって、驚くほど滑らかに自然な対話を自動生成することができ、ここ半年の間にも社会に多大なインパクトを与えつつある。一方でChatGPTは、数を数えることや掛け算のような計算問題を解くのは苦手であり、小学生でも解けるような問題をしばしば間違えることが知られている。本講演では、アルゴリズムや計算量の観点から、ChatGPTがなぜ計算問題が苦手なのかを述べ、ChatGPTの能力の限界や、計算手順を理解するとはどういうことかについて論ずる。 講演映像

というNBER論文が上がっている（H/T Mostly Economics；ungated版へのリンクがある著者の一人のページ）。原題は「Regulating Artificial Intelligence」で、著者はJoao Guerreiro（UCLA）、Sergio Rebelo（ノースウエスタン大）、Pedro Teles（ポルトガル銀行）。 以下はその要旨。 We consider an environment in which there is substantial uncertainty about the potential negative external effects of AI algorithms. We find that subjecting algorithm implementation to regulatory approval or mandat

ホームブリューLLMの時代 2023.12.13 Updated by Ryo Shimizu on December 13, 2023, 13:11 pm JST AIの自家醸造(ホームブリュー)が世界的に流行りつつある。 最も有名なのはCivitAIのような、さまざまなキャラクターや衣装、ポーズをフィーチャーしたものだろう。 civitaiのサイトに行けば、世界中の趣味人が作った「自家醸造の」AIモデルを眺めることができる。GPU搭載マシンがあれば、ダウンロードしてきて自宅で「自家醸造」することもできるし、Civitaiにお金を払えば誰かの自家醸造モデルを使って違う絵を描くこともできる。 こうした自家醸造モデルの多くは、LoRAという形式で配布されている。LoRAはより規模の大きなAI(この連載ではニューラルネットを単にAIと呼ぶ)を部分的に微調整するもので、ファイルサイズを小さく抑え

オープンソースの失われた10年と「オープンソースAI」の行方 2023.12.13 Updated by yomoyomo on December 13, 2023, 07:34 am JST 今年も残り少なくなり、2023年を振り返る記事が出始めてますが、来年を占うというのも年末にありがちだったりします。今年最後は、自分もそういうのをやろうかぼんやり考えていたのですが、先月におけるOpenAIのサム・アルトマンの電撃的解任から数日後の復活という劇的な展開、そして2023年を通して悪目立ちし続けたイーロン・マスクの広告出稿を停止した世界的大企業である広告主に対して「くたばれ」と言い放つ自爆行為を目の当たりにすると、毒気が抜けるというか、一寸先のことすら何も分からんよ、という気分にもなります。 来年の今頃、AGI（汎用人工知能）が人類を支配してても驚かないっすね（投げやり）。 オライリー・メ

クラウド市場シェア首位のアマゾン・ウェブ・サービス（AWS）で10月に開催された全社会議の文字起こしを、Business Insider編集部は独自ルート経由で入手した。 Arantza Pena Popo/Insider; Noah Berger/Getty Images 10月に開催されたアマゾン・ウェブ・サービス（AWS）の全社ミーティングでは、複数の経営幹部がほぼ2時間にわたって代わる代わるに発言し、従業員たちが成し遂げた直近1年間の業績を絶賛した。 同社はクラウド市場シェア首位の地位を不動のものとし、アマゾン（Amazon）の利益の大半を稼ぎ出す大黒柱に成長した。祝うべきことはいくらでもあった。 ところが、全社ミーティングも間もなく終了という質疑応答の場面で、ある従業員から彼自身を含む従業員の扱いに関する質問が飛び出すと、お祝いムードは一変した。 Business Insider

米Teslaは12月12日（現地時間）、新型2足歩行ロボット「Optimus Gen 2」を発表した。公式X（旧Twitter）アカウントでデモ動画を公開。前モデルに当たる「Optimus Gen 1」からの改善点として、指に触覚センサーを搭載した他、軽量化や移動速度の向上に成功したとしている。 黒と銀を基調としたボディカラーから、黒と白に変わり、2021年に発表した「Tesla bot」のコンセプトに近づいた。前モデルよりも丸みを帯びた部分が増え、より人間らしいデザインとなった。デモ動画によると、Optimus Gen 2にはTeslaが設計したアクチュエータとセンサーを採用。前モデルよりもロボット全身のバランスが改善した他、歩行速度が30％速くなり、体重も10kg軽くなった。

ガジェット全般、サイエンス、宇宙、音楽、モータースポーツetc... 電気・ネットワーク技術者。実績媒体Engadget日本版, Autoblog日本版, Forbes JAPAN他 テスラはX（Twitter）でヒト型ロボット「Optimus」の第2世代（Gen 2）となるバージョンを公開しました。紹介動画では、前世代バージョンよりも立居振舞が自然な雰囲気に近づいたように見えます。 Optimusプロジェクトに携わっているTeslaのMilan Kovac氏は、このOptimusの歩く映像にはCGIは一切使われておらず、再生速度を早めてもいないとXへの投稿で述べ、明らかに歩くのに苦労していた前バージョンよりもスムーズになったその姿を紹介しています。 もっとも改善が印象的なのは手の部分で、11DoFの自由度を備え、左右10本の指をスムーズに動かし、指先の圧力センサーの効果により生卵もソフト

Metaが2023年10月に発売したスマートグラス「Ray-Ban Meta」で、服を識別してファッションの質問に答えたり、文章を翻訳したりしてくれる会話アシスタント「Meta AI」への早期アクセスプログラムが開始されました。Metaのマーク・ザッカーバーグCEOのInstagramアカウントでは、実際にRay-Ban Metaに搭載されたMeta AIに質問した動画も公開されています。 Look and ask with Meta AI on Ray-Ban Meta smart glasses | Meta Store https://www.meta.com/ja-jp/help/smart-glasses/articles/voice-controls/look-and-ask-ray-ban-meta-smart-glasses/ Meta’s AI for Ray-Ban s

漠然としていた不安の原因と解決策が徐々に具体化　生成AIの業務利用開始は目前？：国内ニュースフラッシュ「生成AI」（2023年10～12月） その関心の高さを裏付けるように、日々多くの生成AIのニュースが流れている。だが、その全てを把握するのは至難の業だ。そこで本稿は、2023年10月から12月までに＠ITに掲載された生成AI関連のニュースを編集者の目線でまとめ、解説する。 毎日のように生成AI（人工知能）に関するニュースが報道されている。業界、業種、企業規模にかかわらず関心が高まる生成AIだが、その数の多さから「実態をなかなか把握できない」と感じる人もいるだろう。そこで本稿は、2023年10月から12月までに＠ITに掲載された生成AI関連のニュースを編集者の目線でまとめ、解説する。 多様な分野で活用が進む生成AI 生成AIが注目されたきっかけは、OpenAIの「ChatGPT」であること

【読売新聞】　スーパーコンピューターと人工知能（ＡＩ）を使い、新薬の開発を効率化する取り組みが広がっている。新薬候補となる膨大な種類の化合物をＡＩが絞り込むことで、人手に頼っていた作業を大幅に省力化できる。欧米で先行してきたが、日本

生成AIの技術が急速に進化するなか、日本ではこれを利用した子供の性的画像の問題が深刻化している。欧米ではこうした画像が厳しく規制される一方、日本ではなぜ野放しにされているのか。背景にある日本の司法や文化的な価値観を中国紙が専門家に取材した。 日本では、生成AIによって作られた児童の性的画像の大量流出が問題になっている。 地元メディアの報道によれば、国内のIT企業が法律の抜け穴をつき、生成AIによる児童ポルノを生産しているという。 人権活動家はこうした動向を憂慮しているが、日本の政治家は問題の介入には消極的だ。1998年に「子ども虐待ネグレクト防止ネットワーク（現・特定非営利活動法人チャイルドファーストジャパン）」を創設した山田不二子は、政府が生成AIによる児童ポルノの問題を放置していることを批判し、子供たちが性産業に取り込まれると懸念する。 「日本の法律では児童ポルノは違法とされていますが

【シリコンバレー=山田遼太郎、ニューヨーク=清水石珠実】生成AI（人工知能）を開発する米新興企業オープンAIは13日、独メディア大手のアクセル・シュプリンガーと提携したと発表した。対話型サービスChat（チャット）GPTがアクセル・シュプリンガーの記事を基にニュースの要約をつくれるようになる。オープンAIは記事の利用に対価を支払う。チャットGPTが利用者への回答の生成にメディア大手のコンテンツ

「面倒なことはChatGPTにやらせよう」はどんな本か？ 「ChatGPTに面倒なことをやらせてしまおう」というタイトル通りの内容の本です。AIの小難しい理論的な話は最低限にして、実用・エンジニアリングに最大限に振っています。 特にChatGPT Plusの有料版に特化しています。GPT-4と様々な拡張機能と呼ばれる機能、具体的にはBrowsing、Advanced Data Analysis、DALL・E、GPT-4V等の機能をフル活用します。 2023年11月のOpenAIの大規模アップデートにも完全対応しています。実は、その関係で全体の半分近くをかなりの急ピッチで書き直したのですが、そのかいもあり、商業誌でアップデートに対応したChatGPTの実用本としては、最速のタイミングでの販売になるのではないかと思います。 書籍の詳細は以下です。 面倒なことはChatGPTにやらせよう (KS

以下この本の容を紹介します。 はじめにTwitterではカレーちゃんという名前で活動しております。普段はAIエンジニアとして働いており、趣味ではKaggleというデータ分析コンペティションで、「GrandMaster」という称号を獲得しております。 今年の3月にリリースされた、ChatGPTの「GPT-4」や「プログラミングが使えるAdvanced Data AnalysisというChatGPTの拡張機能」にとてもハマって使い倒しており、ChatGPTについての本を執筆することになりました。 面倒なことはChatGPTにやらせよう！本書は「面倒なことを ChatGPT にお願いして楽になろう」という趣旨の本 です。 ChatGPTの有料版では次の機能を使うことができます。 ・GPT-4（ChatGPTとの会話） ・DALL•E（画像生成） ・Browsing（Web検索） ・Advance

「AIとビジネス」をテーマに、業種業態、部署の垣根を超え、産業を活性化するヒントを得るためのビジネスカンファレンス「Gen AI EXPO」（主催：弁護士ドットコム株式会社）。今回は、生成AIのエヴァンジェリストとして活躍し、「深津式プロンプト」を編み出し世に広めた深津貴之氏が登壇した特別セッション「ChatGPT活用術」の模様をお伝えします。深津式プロンプトの誕生や、自分を成長させるためのChatGPTの使い方などが語られました。 「ChatGPT」と言えばの深津貴之氏が登壇 田上嘉一氏（以下、田上）：本セッションをご視聴のみなさん、こんにちは。弁護士ドットコムの田上と申します。今日は深津さんをお招きしてAIアシスタントの活用方法というテーマでお話ししていきたいと思います。 深津さんに関してはもうご紹介する必要もないかなと思いますが、クリエイター集団THE GUILDの代表とnoteのC

2023年12月頃から「ChatGPTが質問に答えてくれない」という現象が複数報告されており、OpenAIが調査を開始する事態に発展しています。新たに、ChatGPTの性能低下は「冬は休むもの」ということをAIが学習しているからではないかという説が浮上しています。 As ChatGPT gets “lazy,” people test “winter break hypothesis” as the cause | Ars Technica https://arstechnica.com/information-technology/2023/12/is-chatgpt-becoming-lazier-because-its-december-people-run-tests-to-find-out/ ChatGPTの性能が低下しているという報告は2023年12月頃から寄せられるようになり

ウィキペディアのトピック（ワード）の閲覧数を見れば、世界の人々の関心が見えてくる。 2023年度のランキングは、世界の人々が人工知能（AI）に大きな関心を寄せていることや、インド人の影響力の高まりがうかがえるものだった。 2023年、ウィキペディアは840億回以上も閲覧された。そして栄えある閲覧数ナンバーワンに輝いたのは、4940万回以上閲覧されたOpenAIの「ChatGPT」についての記事だ。 生成AIへの関心が高まった2023年 今年ChatGPTが爆発的に普及し、史上最速で1億人のアクティブユーザーを獲得したことを思えば、「ChatGPT」が閲覧数1位となったのは不思議ではないだろう。 世界中の企業がジェネレーティブAIの開発に膨大な資金を投じ、関連ハイテク企業もまたAI技術革新を支える半導体チップの製造に躍起になるなど、AIは世界の超大国の地政学的関係にも影響を与える重要な技術と

生成AIの進歩はマジで早い。Stable Diffusion関連だけでも毎日のように新規手法が発表され、せっかく身につけたスキルも数週間後には完全に時代遅れのものになっていることも珍しくはない。 中でも、ここ最近もっとも注目されているのは「LCM」だろう。 LCMとはLatent Consistency Model（潜在一貫性モデル）の略で、大雑把に言えば「画質を多少犠牲にすることで信じられないほど高速化」する仕組みだ。 さらにStable Diffusion開発元の本家Stability.aiからも、LCMとは異なるが「SDXL Turbo」という高速モデルが発表された。果たしてどれほど早くなったのか、それぞれ検証してみることにする。 LCMってどういう仕組？ とはいえこれだけでは少し雑すぎるので、もう少し詳しく説明しよう。 Stable DiffusionはLDM（潜在拡散モデル）とい

古文書カメラは、スマートフォンで撮影したくずし字資料をAI-OCR技術で手軽に解読可能な無料アプリ。今回のアップデートでは学習データの追加とAI-OCRモデルの刷新を行い、100枚程度のサンプルでフルオート処理をした場合の精度を計測したところ、とくに手書きの古文書に対して大幅な解読精度の改善が認められたという。 あわせて、さまざまな条件下で撮影した画像に対応できるよう画像編集機能を追加。斜めから撮影した画像の補正する「台形補正」、シミやノイズなどを軽減する「ノイズ除去」、余分な画像を除去する「トリミング」、資料画像を回転できる「角度補正」、モノクロ状態で白黒を反転する「白黒反転」を利用できる。また、これまでの1日あたり10回だった解読機能の利用回数を30回に増加させた。利用回数は毎日0時にリセットされる。 関連記事 Pixel Foldの「デュアルスクリーン通訳モード」が日本でも利用可能に

13回分のまとめ7月からはじまったこの連載。当初、編集長から月4本と言われていたが、流石にそれは厳しく平均月2本となっている。 生成AIは技術の進歩/進化が凄まじいペースで数ヶ月前はもうかなり古い話になることもあり、今回はこれまでの13回分をまとめてみたい。 第一回～三回

脅威に感じたり、まだまだ不足している部分を指摘する一方で、「こういう使い方なら効率がすごく上がる」といったポジティブなアイデアが次々と生まれていて、さすがシンセサイザー、サンプリング、物理モデリング、ループベース制作、VOCALOIDといった破壊的技術をいくつもくぐりぬけてきただけのことはあります。 前回はSunoが作ったものをそのまま公開したのですが、全体的な完成度は相当に高いとはいえ、不満なポイントはいくつかあります。 ・ボーカルと伴奏が合っていない部分がある ・節回しで不自然なところがある ・全体的に音質が良くない ・無理やり展開しているところがある ・エンディングまで到達しておらず尻切れトンボ でも、楽曲としては非常に気に入っているので、部分的に直すことができればベスト。じゃあこれをベースに作り直してみようと考えたのです。最小限のアレンジを施した「歌ってみた」。これが目標です。 今

■プレゼンテーションタイトル ・会社名 ・所属 ・氏名 ・2023/12/21 ■目次 ・企画の概要 ・課題 ・提案内容 ・実施要領 ・予算 ・期待できる効果 ・スケジュール ・懸念点 ■企画の概要 ・企画のコンセプト ■課題 ・提案の背景 ・解決したい課題の定義 ■提案内容 ・課題の解決方法 ■実施要領 ・実施する対象範囲(スコープ) ・チーム体制(役割分担) ・やらないことリスト ■予算 ・実際の予算 ■期待できる効果 ・損益シミュレーション ・定量目標 ・定性目標 ■スケジュール ・準備期間 ・実施期間 ・評価方法 ■懸念点

ユーザーローカルは12月13日、プレゼンテーション資料（.pptx）をAIで自動生成する「パワポ生成AI」の無償提供を始めた。フォーム内にメモを入力するだけで、企画書や講義資料などをPowerPoint（パワポ）形式で自動生成・ダウンロードできる。 「企画書・提案書」「新商品の紹介」「講義資料」などからテンプレートを選び、内容に合わせてテキストを編集した後、「パワポファイルをダウンロードする」ボタンを押せば、すぐにパワポ資料が作成される。 キーワードをいくつか入力するだけで、生成AIがあらすじを考える「アウトライン自動生成」機能も搭載。同社独自のAIで、関連しそうな単語をサジェストし、資料に盛り込みたい単語を追加選択すると、ChatGPTと連携してアウトラインを自動生成する。 作成した資料内にイメージ画像を自動的に挿入する機能を備えた。今後、内容に沿った画像素材をAIで自動作成する機能も提