“著作権への配慮を徹底した”画像生成AI、日本のAIベンチャーが公開 日本語対応で商用利用OK
画像生成AIの開発を手掛けるAIベンチャー・AI Picasso（東京都港区）は9月9日、学習に対する透明性が高い画像生成AI「CommonArt β」を公開した。学習には、改変などの許可がある画像データのみを使用。著作権への配慮を徹底したという。日本語に対応しており、商用利用もできる。 学習に使ったのは、「改変が許されるライセンスを持つ」「改変しても商用利用可能である」「ライセンスを変更しても良い」の3つの条件を満たす画像。この条件を満たすクリエイティブ・コモンズライセンス「CC BY 4.0」と「CC0 1.0」の画像を原則として学習用データに使い、CommonArt βに学習させた。これにより、著作物を勝手に改変したり、改変したものを勝手に販売したりすることがないようにしたという。 学習用の画像には、複数の学習用テキストを付けるなどして、学習した画像をそのまま表示しないように対応。著
商用利用できる透明性の高い日本語画像生成AI、CommonArt βを無償公開｜AI Picasso
これらのデータセットに含まれる画像のみを使っているため、学習画像に対する透明性は限りなく高いと考えております。もし問題のある画像が見つけたら、ご報告いただけると今後の開発に助かります。なお、同様の考え方を持って作成されたモデルとして、Stable Audio Open 1.0があります。 日本語と英語の文章がそのまま通じる画像生成を使ってみたいが使えないクリエイターの中には、プロンプトが英語であるから、使い勝手がわるいと思っている方も少なくないと思います。実際、画像生成AIに慣れている人も時には翻訳ソフトを使って入力している方もいるようです。しかし、翻訳ソフトを間に挟むことでニュアンスが変わるという問題も従来指摘されています。 そこで、本画像生成は日本語を日本人の話す感覚と近いかたちで処理し、画像を生成できるようにしました。具体的には入力テキストを処理する技術を通常の言語モデルから大規模言
【これがゲームチェンジャーか!】松尾研のTanuki-8BとTanuki-8x8Bを試す｜shi3z
なぜタヌキなのか? その謎は謎のままだが、とにかく日本語性能がGemini1.5Proに次ぎ、少し前のGPT-4よりも高い上に商用利用可能という太っ腹仕様なので使わない手はない。むしろこれさえあればもう誰もGPTに課金しなくて済む、そんな未来が来るのかもしれない。 しかし、Tanukiは特殊な何かをしてるらしくMLXに簡単にコンバートできずvllmで動かすときもちょっと魔改造したvllmが必要になるという。 最近ローカルづいてる吾輩としてはできればMLXで動かしたいのだがMLXがまだTanukiに対応してない(し、そもそも何をすればTanuki対応にできるのかよくわからない)ので、とりあえず「非推奨」とされてはいるものの、Macでもギリギリ動きそうなGGUF版を動かしてみた。 from llama_cpp import Llama filename = "Tanuki-8B-dpo-v1.
科学研究をAIで全自動化──論文執筆や査読ができる「The AI Scientist」 Sakana AIが発表
The AI Scientistの概念図 まず一連のアイデアをブレインストーミングし、その新規性を評価 次に自動コード生成の最新の進歩を活用したコードベースを編集し、新規アルゴリズムを実装する その後実験を行い、数値データと視覚的な要約などを収集する その結果を説明し、文脈化する科学論文を作成 最後に査読を行う 一方で同社は、The AI Scientistが悪用される可能性についても言及。論文作成が自動化が進むと、査読する人の作業量が増え、科学論文の品質管理を妨害する可能性があるとしている。このため「AIが作成した論文などにはその旨を表示し、透明性を確保する必要がある」と考えを述べている。 ただし、The AI Scientistによって人間の科学者の役割が減少するとは考えていないと同社。「むしろ、科学者の役割は変化し、新しいテクノロジーに適応し、より上位の階層に立つことになるだろう」と
日本語は外国人話者にとって難しすぎるので、新しい簡易日本語「Japhalbet」をAIに作ってもらった（CloseBox） | テクノエッジ TechnoEdge
仮想的なシステムであり、実際の普及は想定されていない。 言語学習や異文化コミュニケーションのツールとしての可能性がある。 結論ローマ字運動とJaphalbetは、どちらも日本語の表記をラテン文字化する試みという点で共通していますが、その目的、アプローチ、そして想定される使用範囲に大きな違いがあります。ローマ字運動が日本の近代化と識字率向上を主眼としていたのに対し、Japhalbetは国際的な日本語学習とコミュニケーションの促進を目指しています。 また、ローマ字運動が日本語の文法構造をほぼそのまま維持したのに対し、Japhalbetはより大胆な文法の簡略化を提案しています。これは、Japhalbetが非日本語話者にとっての理解のしやすさを重視しているためです。 結果として、ローマ字運動は日本社会に一定の影響を与え、特に技術分野での応用を見出しましたが、Japhalbetは現時点では理論的な提
そろそろ「日本語入力」にもAIパワーを注入してみないか？
5月13日（現地時間）に米OpenAIが「GPT-4o」を発表したかと思えば、翌日のGoogle I/Oでは「Gemini 1.5 Pro」のアップデートと「Gemini 1.5 Flash」のリリースを発表するなど、AI業界がにわかに活気づいている。 その他生成AIでも画像、音楽、動画といった分野で次々に画期的な機能が実装され、多くの人がその恩恵に預かろうという直前まで来ている。 ただそれを横目に、AIの活用が十分になされていないのではないかと思われる分野が、「日本語入力」だ。OS標準の入力変換エンジン以外にも、Google日本語入力やATOKといった選択肢もあるが、AIの華々しい進化の恩恵にあずかっているようには思えない。「AIが自然な言葉で受け答え」も結構だが、まずは同音異義語の正しい選択や誤変換はどうにかならないのか。 まだ組み込まれるのはこれからだと思いたいが、AIが組み込まれた
言語の壁をぶっ壊すAI AppleのCM動画批判は「日本から英語で」始まった
ITmedia NEWSにおける1週間の記事アクセス数を集計し、上位10記事を紹介する「ITmedia NEWS Weekly Top10」。今回は5月11～17日までの7日間について集計し、まとめた。 先週のアクセス1位は、複数のLINEスタンプを組み合わせて送れる「スタンプアレンジ機能」というLINEの新機能の紹介記事だった。 記事を書いたのは筆者なのだが、使い道が分からなすぎた。記事がアクセス1位になるとは心からびっくりだ。筆者がもっと若ければ、ワクワクしながらいろいろな組み合わせを試したのだろうか。自分自身から遊び心が失われている……とショックを受けたランキング結果だった。 AppleのCM動画騒動は「日本から英語で」始まった 9位は、先々週に公表された、iPad ProのCM動画が炎上した件についての解説コラムだった。iPad Proの広い用途をアピールするため、楽器やカメラなど
富士通の時田社長「日本語の生成AI開発は重要」 改良を続けることに「ゴールはない」
富士通の時田社長「日本語の生成AI開発は重要」 改良を続けることに「ゴールはない」：新春トップインタビュー ～ゲームチェンジャーを追う～ 2024年の幕が開けた――。 世界を見渡すと、3年間ほど経済を混乱させた新型コロナウイルスが終息した一方、ロシア・ウクライナ戦争、パレスチナ・イスラエル戦争では混迷を極めている。ビジネス環境は依然として不安定だ。 そんな経営環境の中、富士通は22年度（2022年4月～2023年3月）の決算で、売上高が前年比5.5％増の3兆7137億円を記録。営業利益でも同53.1％増の3356億円と過去最高益を達成した。 同社は19年6月、社長に時田隆仁氏（正式表記：「隆」は生きるの上に一）が就任後、「パーパス」を軸として社員が大切にすべき価値観や行動規範を「Fujitsu Way」として掲げている。一般消費者にとって同社は、パソコンなどハードのイメージが強かったかもし
ChatGPT vs BERT：どちらが日本語をより理解できるのか？ | Fintan
はじめに ChatGPTやGPT-4をはじめとする大規模言語モデル（LLM）の能力が大幅に向上し、自然言語処理の分野で多くの注目を集めています。これらのLLMは、さまざまな自然言語処理タスクにおいて、タスクに固有な学習データを用いてモデルをファインチューニングすることなく、推論時にタスクの説明といくつかの例を見せるだけでさまざまなタスクを解くことができます。タスクに関する指示だけを与える場合をZero-shot、いくつかの事例も与える場合をFew-shotと呼びます。 Zero-shotとFew-shotの例。「英語から日本語に翻訳してください。」と指示している。Few-shotでは、事例も与える。 ChatGPTのようなモデルは、メールの文面の生成や文書要約といったテキスト生成系のタスクで使われている例を多く見かけますが、実は自然言語理解のタスクでも高い性能を発揮することが知られています
画像生成AI「Stable Diffusion」開発元が自然な文章から画像を生成できる「DeepFloyd IF」を発表
文章(プロンプト)から画像を生成するAI「Stable Diffusion」を開発したStability AIが、新しい画像生成AI「DeepFloyd IF」をリリースしました。画像内に正しい文字を反映させる処理などの性能が向上しています。 DeepFloyd IF — DeepFloyd https://deepfloyd.ai/deepfloyd-if Stability AIが大規模言語モデルを取り入れた高性能なテキストから画像への変換モデル「DeepFloyd IF」を発表 https://ja.stability.ai/blog/deepfloyd-if-text-to-image-model DeepFloyd IFのデモページが公開されていたので実際に試してみました。まずはプロンプトを入力し、「Generate」をクリックします。今回プロンプトとして「腹部に『おやすみ』とい
AI忍者やAI猫好きを作ってAI同士のレスバを楽しめる人間禁止AI専用SNS「Chirper」が日本語対応して簡単に参加可能になったので日本語AIアカウントをタイムラインに放ってみた
「Chirper」はAIによる投稿だけで成り立っているSNSで、ユーザーは「好みの人格を与えたAIアカウント」をタイムラインに放ってAIの投稿やAI同士のやり取りを観察することができます。Chirperは登場当初は日本語対応されていなかったのですが、GIGAZINEにレビュー記事を掲載した結果、開発者からGIGAZINE公式Discordサーバー上に「日本人ユーザーが爆増したので日本語対応が決定しました」という旨の連絡が寄せられました。その後、日本語対応は迅速に進んで2023年4月30日には日本語対応版が公開。日本人ユーザーでも簡単にAI同士のSNSを楽しめるようになったので、実際にユーザー登録手順やAIユーザーの作成手順をまとめてみました。 AI Social Network | chirper https://chirper.ai/ja Chirperにアクセスすると、以下のように一般
元「嵐」担当プロデューサーが生んだ音楽生成AI、「4秒以下で作曲可能」
カンデオホテルズの館内BGMの作曲者は、実はAI（人工知能）――。開発したのは日本のスタートアップ・Amadeus Code（アマデウスコード、東京・港）だ。日本語と音楽の構造が似ていることから、自然言語処理技術を応用。世界をリードしている。 カンデオ・ホスピタリティ・マネジメントの穂積輝明会長兼社長は「チェックイン、深夜、朝食といったシーンごとに違う音楽を流したかったが、作曲家にそこまで多くの曲をつくってもらうことは難しい」と話す。既にある楽曲を流す手もあるが、版権の問題がある。そこで出合ったのが、音楽生成AIのスタートアップ・Amadeus Code（アマデウスコード、東京・港）。2019年から利用を始め、制作したオリジナルBGMは100曲を超えているという。 穂積氏はアマデウスの井上純CEO（最高経営責任者）に、「私が好きな米国のピアニストであるキース・ジャレットとジョージ・ウィンス
「GPT-4」発表 日本語でもChatGPT英語版より高性能、司法試験で上位10％、「この画像何が面白いの？」にも回答
「GPT-4」発表 日本語でもChatGPT英語版より高性能、司法試験で上位10％、「この画像何が面白いの？」にも回答（1/3 ページ） 米OpenAIは3月14日（現地時間）、大規模言語モデル「GPT-4」を発表した。テキストでのやりとりだけでなく、新たにユーザーから画像を受け取り、適切な情報も返せるようになったという。司法試験の模擬問題を解かせたところ、現在の「ChatGPT」が採用しているGPT-3.5では受験者の下位10％ほどのスコアしか取れないのに対し、GPT-4では上位10％のスコアで合格するとしている。 ChatGPTの有料版「ChatGPT Plus」やAPI経由ですでに利用できるようになっている。 専門的領域なら人間レベル 日本語でもGPT-3.5の英語版より高性能に GPT-4の性能について、同社は「現実世界のシナリオにおいては人間に劣ることも多いが、（司法試験の模擬問
文字起こしと日本語入力の未来
現在日本語を文字化するという手段は、キーボード入力を変換するためのIM（Input Method）が主力だが、開発できるのはOS提供会社と、ごく少数のサードパーティに限られる。 だが昨今、AI音声認識によるテキスト変換サービスが次々と登場し、テキスト作成にイノベーションをもたらしつつある。IM開発と違い、AI音声認識ではプレイヤーががらりと変わるというのが面白い。特にスマートスピーカーを展開している企業は常に音声データを解析しまくっているため、有利なのだろう。 Googleは直接コンシューマーユーザーにサービス提供しているが、AmazonはAWSの組み込みエンジンとして「Amazon Transcribe」を提供している。Appleは個人情報を持ちたくないだろうから、今のところ直接ビジネスをやるつもりはなさそうだ。 またベンチャーが多く参入しているのも、この世界の特徴である。国外企業もワー
1
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
「人間はもう見破れないと思った方がいい」 専門家も見破れない“AIフェイク動画”最前線 バイデン大統領の“フェイク”制作者に直撃【大石が聞く】 | TBS NEWS DIG
無課金のChatGPTを日本語で試してわかった気になるのをやめろ - 西尾泰和のScrapbox