Meta Platforms社が開発するAIモデルのシリーズである「Llama」は、高性能で費用対効果が高く、比較的寛容な条件で頒布されていると多くの人々から見做されていることからシステムへの採用や派生モデルの開発等の利用が拡大しているように見受けられる。しかし、Meta社のCEOが自ら「Llamaはオープンソースである」と喧伝することで本当にLlamaがオープンソースであると誤解する傾向もあり、またLlamaライセンス契約自体に幾つかの厄介な問題が潜んでいるにも関わらず採用が進むことで今後法的な問題が生じかねないと考えられる。そこで本稿では、先ずLlamaライセンス契約のオープンソースへの適合性から解説することとする。 なお、Llamaライセンス契約のモデル利用時における注意点に関しては別の記事とする。 AIはtypoする Llamaのオープンソースへの適合性 1. オープンソース性を否
生成AIの主戦場は「出力品質」から「推論強化」へ移行 GPT-4、Gemini、Claudeといった主要モデルの性能が飛躍的に向上した2024年の生成AI競争について、松本さんは次のように振り返る。 「この1年間で、生成AIのモデルごとの性能差は急速に縮まりました。もはや“どのモデルが最も優れているのか”という問いには、単純な性能比較では答えが出せなくなっています。1回の出力品質を向上させる競争は、そろそろ限界に達しつつある。今後は『推論強化型モデル』の開発が主戦場になっていくと考えています」 言い換えると「論理的思考を強化するモデル」とも呼べるそのモデルの代表例が、24年9月にOpenAIがリリースした大規模言語モデル（LLM）「o1」だ。 「従来の生成AIは、ユーザーからの指示に対して即座に回答を生成する方式でした。より高度な推論が必要な場合は、会話を重ねながら少しずつ考えを深めるとい
ゴールシークレットプロンプトとはゴールシークレットプロンプトは、ユーザーが明確なゴールを設定し、そのゴールに向かって段階的にプロンプトを修正しながらAIと対話することを目的としています。 具体的には、ユーザーが求める情報や結果を引き出すために、AIに対して具体的な質問や指示を繰り返し行うことで、最終的な回答を得る方法です。このフレームワークは、シュンスケ氏によって考案されました。 活用メリット1. 🧠 自身の問題解決能力の向上 プロンプトを改善していく過程で、自然と「どうしたらもっと良くなる？」を考えるクセがつきます。 2. 🌈 創造的なアイデアの発掘 AIの広大なデータから、思いもよらない視点や解決策が見つかることも！新しいインスピレーションが得られます。 3. ⏱️ 時間の節約 一度作ったプロンプトを再利用すれば、次回はもっと早く、効率よくタスクを進められます。 4. 🌀 柔軟性
アーンアウトと逆アーンアウト
２０１９年に企業会計基準第２１号「企業結合会計基準」が改正されました。「対価が返還される条件付取得対価の会計処理（逆アーンアウトの会計処理）」が今まではっきりしていなかったため改正されたようですから、なぜか会社売却の対価として受領したキャッシュを返還しないといけなくなる条件付取得対価を伴うM&A取引が増えていると想定できます。 一生懸命にDCF法や調整EBITDA倍率法等で交渉して会社売却価格を決めたはずなのに、１年後の逆転負けがあるのが、逆アーンアウトです。 「なぜ会社を売った後に代金を返金しないといけないのか？」「なぜ、このような取引が増えているのか？」「セルサイドはどこに注意しておくべきか？」を知っておけば、適正条件でM&A会社売却でき、ひっくり返されるリスクを遮断できる可能性が増えると思います。 原因は主に２つ考えられます。 定義 アーンアウト（Earn-Out）は、M&A実行時に
“成功例”は3人だけの狭き門 2.3億円でアスレチックスと契約も…18歳に立ちはだかる壁（Full-Count） - Yahoo!ニュース
アスレチックスは15日（日本時間16日）、桐朋高（東京）の森井翔太郎投手とマイナー契約を結んだと発表した。高校通算45本塁打を放ち、投げては最速153キロを誇る右腕。二刀流が“夢”のメジャーに向けて大きな一歩を踏み出した。日本からNPBを経由せずに米球界に挑戦し、メジャーデビューを果たせばマック鈴木、多田野数人、田澤純一の3投手に続いて4人目となる。 【実際の様子】アスレチックスのユニホームを着て契約書にサインする森井翔太郎 過去にNPBを経由せずに米挑戦した主なアマチュア選手には、2002年にロッキーズにドラフト指名された坂本充外野手、2009年にナショナルズから指名された鷲谷修也外野手がいる。2人はともに高校卒業後に渡米して進学していた。また、2018年にはパナソニック・吉川峻平投手がダイヤモンドバックスとマイナー契約。ただ、いずれもメジャー昇格することなく引退している。最近では先月、
以下では、組織や管理、会議資料作成などの代表的な業務をどのように生成AI（例えばChatGPTや他の大規模言語モデルなど）を活用して効率化できるか、具体例を挙げて提案します。 必要に応じて導入ツールやポイントを調整してみてください。 1. 組織・管理業務への活用組織のルール策定・更新案のドラフト作成 新たに社内規定を作る際に、類似企業の事例や海外の事例を収集し、要点をまとめてドラフトを作成。 ChatGPTなど生成AIに、「●●企業のようなフラット組織を前提に、部門間権限の整理を検討してほしい」と指示して案を生成 → 社内で精査・カスタマイズ。 人材配置プランや研修計画の一次提案 例えば、「自社の商品開発チームの人材スキルマップと海外の競合企業のスキル構成例を照らし合わせ、研修計画案を作ってほしい」と生成AIに指示し、概要プランを素早く作成。 初期アイデアとして活用し、人事担当で内容をブラ
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
Llamaライセンス契約のオープンソースへの適合性について
エンジニアは「AIエージェントの管理者」になる？ LayerX松本勇気が語る、コードを書くスキルより重要なもの - エンジニアtype | 転職type
ゴールシークレットプロンプト | 曖昧な要素があっても一定レベルのアウトプットが得られる！｜mito
生成AIを使った組織内業務効率化｜本郷喜千