ログインしていませんこのページを閲覧するにはログインしてください。
みなさんこんにちは。キャディ(CADDi)でML/MLOpsチームのグループリーダをしている稲葉です。今日は、エルピクセル(LPIXEL)さんと一緒にオフラインイベントを開催しましたので、そのイベントレポートをお伝えしたいと思います。 はじめに イベントの詳細は、connpassのページをご確認いただけると幸いです。このイベントを開催するにあたってエルピクセルさんとも色々と議論したのですが、AIを製品として市場にリリースしているエルピクセル株式会社、キャディ株式会社からどういう点を意識してプロダクト開発しているかをお話すると実際の開発現場がイメージできるのではないかという話になりました。また、Machine Learning Engineert・Engineering Managerそれぞれの立場からお伝えすることで、AI製品化プロセス全体の話ができるのではないかと思い、このような内容で開
はじめまして!4月に G-gen に入社した奥田梨紗です。この度 Google Cloud Next '24 in Las Vegas で発表された Gemini in BigQuery を試してみたので手順等をご紹介します。 はじめに Gemini in BigQuery とは 試したこと Google Cloud 側へ利用申請を行う BigQuery キャンバスを作成 Gemini in BigQuery を用いて SQL やグラフを作成 例1: 特定の数値でデータを分類する 例2: 分類分け 例3:グラフを作成 関連記事 はじめに Gemini in BigQuery とは Google Cloud Next '24 で発表された Gemini for Google Cloud の機能の1つです。 データキャンバスを作成し、自然言語(いわゆる普段話す言葉)をプロンプトに入力することで
[論文紹介コード付] 時系列Transformerを自然言語処理のお作法で鍛えたらゼロショットで未来の系列を予測することができました タイトル:Chronos: Learning the Language of Time Series 著者:Abdul Fatir Ansari1∗ , Lorenzo Stella1∗ , Caner Turkmen1 , Xiyuan Zhang2† , Pedro Mercado1 , Huibin Shen1 , Oleksandr Shchur1 , Syama Sundar Rangapuram1 , Sebastian Pineda Arango3‡ , Shubham Kapoor1 , Jasper Zschiegner, Danielle C. Maddix1 , Michael W. Mahoney4 , Kari Torkkola4
こんにちは、メルカリの生成AIチームで ML Engineer をしている ML_Bear です。 以前の記事[1]では商品レコメンド改善のお話をさせていただきましたが、今回は、大規模言語モデル (LLM) やその周辺技術を活用して30億を超える商品のカテゴリ分類を行なった事例を紹介します。 ChatGPTの登場によりLLMブームに火がついたということもあり、LLMは会話を通じて利用するものだと認識されている方が多いと思いますが、LLMが有する高い思考能力はさまざまなタスクを解決するためのツールとしても非常に有用です。他方、その処理速度の遅さや費用は大規模なプロジェクトでの活用にあたっての障壁となり得ます。 本記事では、こうしたLLMの課題を克服するためにさまざまな工夫を施し、LLM及びその周辺技術のポテンシャルを最大限に引き出して大規模商品データのカテゴリ分類問題を解決した取り組みについ
AIの本体と言える大規模言語モデル(LLM)のトレーニングはほとんどの場合PyTorchやPythonを使用して行われていますが、そうしたトレーニングを純粋なC言語のみで実装したツール「llm.c」が登場しました。まだ最適化が行われておらず従来の手法に速度面では敗北していますが、GPT-2のトレーニングを行う実装を約1000行のクリーンなコードで行えています。 GitHub - karpathy/llm.c: LLM training in simple, raw C/CUDA https://github.com/karpathy/llm.c 作者のアンドレイ・カルパシー氏はOpenAIの創設グループの一員で、テスラのAIディレクターだった事もある人物です。 llm.cを使用することで、245MBの容量を持つPyTorchや107MBの容量を持つcPythonを使用せずに大規模言語モデル
このコーナーでは、2014年から先端テクノロジーの研究を論文単位で記事にしているWebメディア「Seamless」(シームレス)を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 X: @shiropen2 米Appleに所属する研究者らが発表した論文「Ferret-UI: Grounded Mobile UI Understanding with Multimodal LLMs」は、iPhoneやAndroidなどのモバイルUI画面をより深く理解し、インタラクションできるように設計されたマルチモーダル大規模言語モデル(MLLM)を提案した研究報告である。 Ferret-UIは、モバイルUIの画面上で、多様な入力形式(点、ボックス、スケッチ)を用いて参照タスク(ウィジェット分類、アイコン認識、OCRなど)を実行し、グラウンディングタスク(ウィジェット検索、
受講するには総務省のWebサイトへの登録が必要だが、登録料や受講料は無料だ。ドコモgaccoが運営するオンライン講座プラットフォーム「gacco」で受講できる。 講座は1回当たり10分程度 社会人のためのデータサイエンス入門は、社会人や大学生を対象とした、統計データ分析の基本的な知識を学べる入門編講座で総務省は「統計学の基礎や統計データの見方などを学習し、身近なデータの活用に役立てられる」としている。2015年3月に開講し、これまで延べ約19万2000人が受講した。 関連記事 密ベクトル(Dense Vector)とは? 疎ベクトル(Sparse Vector)との違い 全てまたはほとんどの成分が0以外の数値を持つベクトルを「密ベクトル」と呼び、その代表例にはテキストなどのEmbedding(埋め込み表現)がある。また、大部分の成分が0で、一部のみが0以外の数値を持つベクトルを「疎ベクトル
2024年4月10日、MetaがAIワークロード向けに設計した自社開発のAIチップ「Meta Training and Inference Accelerator(MTIA)」の第2世代を発表しました。第1世代と比較してパフォーマンスが大幅に向上し、すでにMetaのデータセンターに導入されているとのことです。 Our next generation Meta Training and Inference Accelerator https://ai.meta.com/blog/next-generation-meta-training-inference-accelerator-AI-MTIA/ Introducing Our Next Generation Infrastructure for AI | Meta https://about.fb.com/news/2024/04/int
米アップルは低迷するコンピューター販売のてこ入れを目指し、「Mac」シリーズの刷新を準備している。人工知能(AI)に焦点を当てて設計された新たな独自プロセッサーを搭載する予定だという。 同社は5カ月前に「M3」チップを搭載した初のMacをリリースしたばかりだが、事情に詳しい複数の関係者によると、すでに次世代「M4」プロセッサーの生産に近づいている。アップルはMacシリーズの全モデルを「M4」でアップデートしようとしているという。未発表情報であることを理由に関係者は匿名で明らかにした。 新型Macは同社にとって重要な位置づけとなる。Macの売上高は2022年にピークを迎え、2023年9月通期では27%減少。ホリデー商戦を含む23年10-12月(第1四半期)は横ばいだった。 アップルはまた、マイクロソフトやアルファベット傘下グーグルなどに比べて出遅れているAI分野でも巻き返しを図っている。新型
2024年4月8日に渡米した日本の岸田文雄首相は、アメリカのジョー・バイデン大統領と日米首脳会談を行い、さまざまな分野での日米の連携強化について協議しました。この中で、日本企業とNVIDIA・Arm・Amazon・Microsoftといった大手IT企業が1億1000万ドル(約170億円)の資金提供を行う、産学連携の共同AI研究パートナーシップが発表されています。 FACT SHEET: Japan Official Visit with State Dinner to the United States | The White House https://www.whitehouse.gov/briefing-room/statements-releases/2024/04/10/fact-sheet-japan-official-visit-with-state-dinner-to-th
アメリカ・民主党のアダム・シフ下院議員がAI企業に対し、生成AIモデルの開発に使用した著作権のある素材を開示することを義務付ける「生成AI著作権開示法(Generative AI Copyright Disclosure Act)」案を提出しました。この法案は、AI企業が著作権のあるコンテンツを不正に使用してツールを開発しているのではないかという懸念から生まれたものです。 Rep. Schiff Introduces Groundbreaking Bill to Create AI Transparency Between Creators and Companies https://schiff.house.gov/news/press-releases/rep-schiff-introduces-groundbreaking-bill-to-create-ai-transparency
Microsoft Copilotの新機能「ノートブック」の使い方 Microsoft Copilot(旧:Bing Chat)に新機能として「ノートブック」が追加された。プロンプトに入力可能な文字数が1万8000文字と増え、ちょっと長めの文章でも校正や要約、英訳の依頼が可能になった。この「ノートブック」の使い方と、使用上の注意点を紹介する。 Microsoftの生成AIチャット機能「Microsoft Copilot(旧:Bing Chat、以下Copilot)」は、無料でGPT-4 Turbo相当の大規模言語モデル(LLM)が利用可能だ。Webブラウザで利用可能なので、Windows OSだけでなく、macOSやChrome OSなどでも使える。ただ、プロンプトに入力できる文字数(トークン数)が2000文字に制限されており、長めの文章を校正したり要約したりさせるには文字数が足りなかった
この記事は新野淳一氏のブログ「Publickey」に掲載された「Google Cloud、AIワークロードに特化したストレージ「Hyperdisk ML」発表。競合となるAWSやAzureの高速ストレージより100倍高速と説明。Google Cloud Next '24」(2024年4月11日掲載)を、ITmedia NEWS編集部で一部編集し、転載したものです。 米Google Cloudは日本時間4月10日未明から開催中のイベント「Google Cloud Next '24」で、AIの推論やサービングのワークロード向けに最適化されたブロック ストレージ サービス「Hyperdisk ML」を発表しました。 説明によると、Hyperdisk MLは一般的なストレージサービスと比較して、AIモデルの読み込み時間を最大12倍高速化し、最大で2500インスタンスが同じボリュームにアクセスでき、
今までで最もインパクトのあるGPTsが完成しました。 その名も、「GAS Interpreter」です。 このGPTは名前の通り、Code Interpreter のように Google Apps Script コードを生成し、その実行までを行います。 他者に使ってもらうものではなく、自分専用のプライベートGPTです。 人によっては、Code Interpreter よりも便利です。なぜかというと、インターネットアクセスができることに加えて、GAS の便利で豊富なライブラリやリソースが活用できるためです。 例を示します。 GAS Interpreter の可能性以下に示す、いくつかの業務フローの実例をGAS Interpreterで行い、業務活用への可能性を示します。 今日の予定を聞きます今日の予定を教えて下さい 正確に今日の予定を教えてくれました。 会議参加者の相手に連絡したいので、その
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 企業における生成AIの活用は、実証実験から実装の段階へ移ってきているようだ。そこで、IT業界動向の観点から筆者が気になっているのは、システムインテグレーター(以下、SIer)がそうした生成AI需要を取り込んでビジネス拡大につなげられるかだ。それに関連した興味深い最新調査結果の発表があったので、今回はそれを基に生成AI需要に対するSIerの動きを探ってみたい。 企業の生成AI導入率19%、まだまだ潜在需要あり 興味深い最新調査結果とは、MM総研が先頃発表した「企業における言語系の生成AIや大規模言語モデル(LLM)の利用動向調査」のことだ。1599社を対象に3月中旬、ウェブアンケート形式で調査を行ったもので、本稿ではその中からSIerの動
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 日本時間4月11日午前2時過ぎ、OpenAIのAIチャットボット「ChatGPT」の動作がおかしくなったと、複数のユーザーがSNSに問題を報告し始めました。 ウェブサイトの運用状況をトラッキングしているサイトDowndetectorや、OpenAIのステータスページでも明らかに問題が発生していたことが確認できます。 複数のユーザーは、X(Twitter)に問題発生時にChatGPTが吐き出したエラーメッセージのスクリーンショットを投稿しました。 そこには「GPT-4の現在の使用上限に達しました。あとでもう一度試すか、デフォルトのモデルを使って続行できます」と記されていますが、メッセージを報告したユーザーの何人
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