アトラシアンが製品群にAIを搭載。社内文書や共有情報を学習し、自然言語で社内の情報やプロジェクト進捗などを質問できる「Atlassian Intelligence」発表
バーチャルエージェントが対応 サービスデスク機能を提供するJira Service managementでは、新しくチームに加入した社員に対して、バーチャルエージェントがナレッジベースから得た知識などに基づいて自然言語で対応してくれます。 下記では新しくチームに参加したメンバーからの依頼で、バーチャルエージェントのCharlie（チャーリー）がFigmaの環境設定を実行してくれます。 サービスデスクのバーチャルエージェントは24時間365日対応してくれるため、サービスデスクにとっては省力化が、従業員にとってはサービスレベルの向上が期待できます。 社内やチーム特有の用語も説明してくれる Atlassian Inteligenceは社内用語や社内やチーム特有の略語なども理解しています。そのため、中途入社の社員やチームに途中から合流したスタッフがConfluenceなどで共有されているドキュメン
eventid venueid catid dateid eventname starttime 4410 7 9 1836 Linkin Park 2008-01-10 14:00:00 3044 245 7 1843 The Frogs 2008-01-17 15:00:00 2428 243 7 1854 The Frogs 2008-01-28 19:00:00 2360 238 7 1856 Macbeth 2008-01-30 19:30:00 8596 112 9 1859 Missy Higgins 2008-02-02 15:00:00 2911 231 7 1873 November 2008-02-16 19:30:00 1278 247 6 1889 High Society 2008-03-04 20:00:00 6583 123 9 1891 Black Eye
OpenAIのFunction Callingが出たときに、GPTを使って自然言語でツールを操作するというのをやったんだけど、この程度にGPT使う必要なくない？という感じもしたので、GPTなどLLM使わずに実装してみました。 LLM使わずに実現できることはLLM使わないほうがよさげ。 前回のブログ、これです。 こんな感じで動くようになっています。 ツールのテキスト操作にGPTなんかいらんかったんや！ サクサク動くわ。 pic.twitter.com/JAD3grWJGx— きしだൠ(K1S) (@kis) 2023年7月1日 GPT4使ったときはこんな感じ OpenAIのFunction Callingでツール操作を試すやつ、GPT-4だとかなり文脈を理解してくれるし、位置関係も結構ただしく扱ってくれる。しかし遅い。 pic.twitter.com/nkijZpcnP6— きしだൠ(K1S
3つの要点 ✔️ 文章要約タスクに特化した事前学習モデルであるPEGASUSが登場 ✔️Gap Sentence Generation(GSG)を導入 ✔️12の文章要約タスクで高性能、少ない学習データで既存モデルを超える PEGASUS: Pre-training with Extracted Gap-sentences for Abstractive Summarization written by Jingqing Zhang, Yao Zhao, Mohammad Saleh, Peter J. Liu (Submitted on 18 Dec 2019) subjects : Computation and Language (cs.CL) はじめに Transformerを用いた事前学習モデルには、BERT、XLNet、RoBERTa、ALBERTなどがあります。これらのモデル
ビジネス用生成AIアシスタント「Amazon Q」公開 自然言語でアプリ作れる「Amazon Q Apps」も
米Amazon傘下のAmazon Web Services（AWS）は4月30日（現地時間）、ソフトウェア開発や社内データの参照など、ビジネス利用に特化した生成AIアシスタント「Amazon Q」の一般提供を始めた。 2023年11月に発表したサービスを一般向けにリリースした。料金は1ユーザー当たり20ドルから。英語版のみ。 ユーザーは、チャットUIを通じて、コード生成やテスト・デバッグ、計画・推論、生成したコードの変換、新たなコードの実装など、ソフトウェア開発を効率化できる。 企業のデータベース基盤に接続すれば、コードベースや製品情報、業績、人材などの質問に回答させることができる他、データの要約やトレンド解析なども可能だ。 社内データから生成AIアプリを構築できる新機能「Amazon Q Apps」のプレビューも発表した。自然言語でアプリの説明を記述するだけで、求める業務を遂行するアプリ
議論において「論理的整合性」は重要ではない 自然言語は論理的整合性を守れるように作られていないので 自然言語で語られた主張の大半は論理的整合性を持たない そんなに論理的整合性が好きなら、一生数学かプログラミングをやってろ
2016年に新卒でNTTデータに入社。同氏が所属するData＆Intelligence事業部では法人顧客に対するコンサルティングを手掛け、データ分析からデータ分析の基盤提供などを含めて顧客のデータ活用を支援する。大学院では機械学習を研究。入社後、自然言語処理に面白さを感じ、文書読解エンジン「LITRON（リトロン）」の開発に携わる。（撮影：日経クロステック） AI（人工知能）が文書を読解し、そこから知識を抽出する――。こう書くと簡単そうに見えるが、適切な結果を得るための「読解し、抽出する」過程には開発者の技術が凝縮している。今回、本連載に登場するNTTデータ コンサルティング統括部 コンサルティング担当 主任の齋藤洋はこの過程、つまり自然言語データの構造化を効率化する技術の開発に携わっている2016年入社の若手社員だ。 専門用語や独特の言い回しが頻出するビジネス文書・学術文書などを分析し、
「spaCy 3.1」では、トレーニング中に予測ドキュメントに注釈を設定するパイプラインコンポーネントを指定できるようになり、パイプライン内の前のコンポーネントの予測を、後続のコンポーネントの機能として簡単に使用可能になっている。 また、任意の重複する可能性のあるテキストのスパンにラベルを付けられ、重複する場合と重複しない場合があるスパンの候補を提案するsuggester関数と、各候補の0個以上のラベルを予測するラベラーモデルで構成される、SpanCategorizerが追加された。 さらに、EntityRecognizerが既知の不正な注釈で更新できるようになり、部分的でスパースなデータを利用可能になったほか、カタロニア語の新たなコアファミリとdanish-bert-botxo重み付けを使用したデンマーク語の新しいトランスフォーマーベースのパイプラインなど、5つの新たなパイプラインパッケ
BERTを超えた自然言語処理の最新モデル「XLNet」
3つの要点 ✔️ 自然言語処理でBERTを超える新しい事前学習モデルであるXLNetが登場 ✔️ マスク間の依存関係を学べないというBERTの弱点を、単語の並べ替えによって解決 ✔️ 長文読解タスクであるRACEで人を超えるスコアを達成 XLNet: Generalized Autoregressive Pretraining for Language Understanding written by Zhilin Yang, Zihang Dai, Yiming Yang, Jaime Carbonell, Ruslan Salakhutdinov, Quoc V. Le (Submitted on 19 Jun 2019 (v1), last revised 2 Jan 2020 (this version, v2)) Comments: Published by NIPS 2019.
英語ではあるが、詳細な説明は要らないだろう。簡単に概説しておくと、右側にはダウンロード数順で人気のデータセットが一覧表示されている。 キーワード検索できるだけでなく、左側の［Task Categories］（タスクのカテゴリー：問題種別の大まかな大分類）／［Tasks］（タスク：より具体的な問題種別）／［Languages］（言語）／［Multilinguality］（多言語性）／［Sizes］（データサイズ）／［Licenses］（ライセンス）でフィルタリングできる。 機械学習の際に「どのデータセットを使えばよいか」を悩むことはよくあると思うが、このランキング表示は非常に参考になるのではないだろうか。 各データセットのページ内容 図1のデータセット名（例えばwikitext）をクリックしてページを開くと、図2のように表示される。 これも直観的に把握できると思うので、細かな説明は不要だと思
前回はテキストマイニングの手法と OSS を用いた実践について紹介しました。今回は、Google の T5(Text-to-Text Transfer Transformer) によるテキスト生成について、学習や推論のコード例と実験結果を交えてご紹介します。 1. はじめに 本記事では Google の T5(Text-to-Text Transfer Transformer) 1によるテキスト生成について、学習や推論のコード例と実験結果を交えてご紹介します。実験としては livedoor ニュースコーパス2での文章分類、やさしい日本語コーパス3及びやさしい日本語拡張コーパス4を用いたやさしい日本語変換を行いました。今回も Google Colaboratory で動かすことを想定したコードスニペットを入れていきますので、実際に動かしたり対象を変えてみたりして試して頂けると良いかと思います
「Python自然言語処理入門」が自然言語処理の基礎にとても良かった - karaage. [からあげ]
Python自然言語処理入門を読みました 以前レビューを書いた「ディープラーニングの数学」の作者、IBMの赤石さんから、出版社様経由で「Python自然言語処理入門」を献本いただきました。 現場で使える! Python自然言語処理入門 (AI & TECHNOLOGY) 作者:赤石 雅典,江澤 美保出版社/メーカー: 翔泳社発売日: 2020/01/20メディア: 単行本（ソフトカバー） 「ディープラーニングの数学」は、「ゼロから作るDeep Learning」に並ぶ良書と書かせていただきましたが、今回の本も自然言語処理を扱ったゼロから作るシリーズの「ゼロから作るDeep Learning ❷ ―自然言語処理編」と対になるような位置付けの良い本と思いました。 じっくり読んでいたので、読了に時間がかかってしまい、本の発売から時間が経った今更のレビューになってしまいましたが、簡単に紹介をしたい
![「Python自然言語処理入門」が自然言語処理の基礎にとても良かった - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/c4815e772b700227360cc4bcb53c62fcb2271132/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20200112%2F20200112201529.jpg)
3つの要点 ✔️その１ 高速・高精度な自然言語処理モデルELECTRAが登場 ✔️その２ 低精度なGeneratorにより入力を置換することで、文全体から効率的に学習を行う ✔️その３ RoBERTaの約1/4の学習量で同等の性能を発揮 ELECTRA: PRE-TRAINING TEXT ENCODERS AS DISCRIMINATORS RATHER THAN GENERATORS written by Kevin Clark, Minh-Thang Luong, Quoc V. Le, Christopher D. Manning (26 Sep 2019 (modified: 10 Mar 2020)) Comments: accepted by ICLR 2020 Subjects: Machine Learning (cs.LG); Machine Learning (sta
人工知能（AI）が人間のものと区別ができないほど巧みな文章を生成したり、コミュニケーションロボットが大きな支障なく会話を進めたりするのが当たり前になってきた。コンピューターで言葉を扱う自然言語処理技術がこの数年で急進展したためだ。言語というあいまいで揺らぎの大きい情報を機械が上手に扱えるようになってきた。自然言語処理の応用範囲も広がり、社会や産業のDX（デジタルトランスフォーメーション）のカギを
このコースについてspaCyは産業応用向きの自然言語処理用Pythonライブラリです。この無料のオンラインコースでは、ルールベースと機械学習を用いた先進的な自然言語処理システムをspaCyで作る方法をインタラクティブに学ぶことができます。 私について私はspaCyのコア開発者で、Explosionの共同創業者の一人のInesです。AIや機械学習、自然言語処理の最新の開発ツールを専門としており、Web関連のものを作るのも大好きです。 spaCyウェブサイトソースファイルInesのTwitter
今回のひとこと 「自然言語の研究者でも、生成AIの中でなにが起こっているのかがわからない。そこで、2023年秋には130億パラメータ、2023年度中には1750億パラメータの日本語に強い大規模言語モデルを構築し、原理解明に取り組む」 研究と事業を密接に考えていく 国立情報学研究所（NII）の5代目所長に黒橋禎夫氏が就任した。 黒橋所長は、1994年に京都大学大学院工学研究科博士課程修了。2006年4 月から京都大学大学院 情報学研究科教授として、長年に渡り、自然言語処理、知識情報処理の研究に従事。2023年4月に国立情報学研究所長に就いた。 現在も、京都大学大学院情報学研究科特定教授を併任しており、NIIで8割、京都大学で2割という勤務体系だ。 生成AI分野に精通しており、「ChatGPTの仕組みと社会へのインパクト」と題した黒橋所長のYouTube動画は、すでに3万回以上が再生されている
The Qiita Advent Calendar 2019 is supported by the following companies, organizations, and services.
自然言語処理の歴史
様々な資料から収集した世界と日本の自然言語処理の歴史年表をまとめました。 もし間違いがありましたらお詫びすると共に、ご指摘いただければ訂正します。
テーブルデータ向けの自然言語特徴抽出術
例としてあげるデータは全て、atmaCup#10のものです。また、この記事の内容はこちらのノートブックで実験を行っています。 データの例。'title'、'description'など自然言語を含むカラムが存在する。 参考: 自然言語処理におけるEmbeddingの方法一覧とサンプルコード Bag of Wordsベースの手法 文書をトークンの集合として扱う手法です。トークンとしてはよく単語が選ばれますが、自分でtokenizerを設定して文章を単語以外のtokenの集合として扱うこともできます。また、日本語などの言語においてはトークン化が自明でないため、MeCabなどを用いてトークン化することがかなり多いです。 コラム MeCabを用いたトークン化
機械学習分野の国際会議「NeurIPS 2020」（Neural Information Processing Systems）が、2020年12月6日から12日までオンラインで開催され、論文投稿数9000以上と盛り上がりを見せた。その中でBest Paper Awards（最優秀論文賞）に選ばれた論文の1つが「Language Models are Few-Shot Learners」だ。イーロン・マスク氏が創業した米企業OpenAIが2020年5月にプレプリントを公開した「GPT-3」が掲載された論文だ。 GPT-3は、入力した簡単な言葉から、人間が書いたかのような文章を生成する。高い精度の文章を生成する自然言語処理（Natural Language Processing、NLP）モデルとして注目を集めた。とはいえ、前バージョンモデルのGPT-2でその精度を実証していたため、一般的には
これまでの経歴５月からMNTSQにジョインしました、自然言語処理エンジニアの稲村と申します。自然言語処理自体には昔から関心があり、大学院では日本語データセットの自動作成をテーマに比較的基礎寄りの研究をしていました。研究の道には進みませんでしたが、自然言語処理技術を深く理解して使えるようになりたいという想いがあったため、学生時代に十分に取り組めなかった自然言語処理の応用に関われそうな会社にこれまでお世話になってきました。働き始めてから３年目になりますが、振り返ってみると、新卒当初に意識していた機械学習エンジニアやデータエンジニアと呼ばれるシステム開発寄りのキャリアというよりも、自然言語処理に軸足を置いて、最新の研究で得られた成果の検証・導入や、古典的な手法も視野に入れた技術応用の探索がやってきたことの中心となっています。 前職はMNTSQの関連会社である、株式会社PKSHA Technolo
汎用自然言語モデル「BERT」は、どんな仕組みで動いているのか？ コンピュータの文脈理解について解説
前回は、センター試験の英語読解問題に必要となる単語分散表現による単語理解について説明しました。紹介した単語分散表現獲得の例では、決まった範囲の周辺単語から単語分散表現を獲得していました。しかしながら、この方法では1単語で1つの意味しか表現することができず、多義語のように文脈で意味が変化する単語には対応できません。 例えば、「have」という単語は「I have a dog」だと「飼っている」という意味になり「I have breakfast」だと「食べる」という意味になります。多義語は意味ごとに周辺単語の種類も異なるため、それを1つの意味だけで捉えようとするのは困難です。 その解決方法の一つとして、文章に含まれる単語全体を使って単語分散表現を獲得する文脈理解を行います。文章全体を入力として単語分散表現を求めるので、文章ごとに異なる単語分散表現を獲得することができます。 次に紹介する「Tra
【開催報告&資料公開】ML@Loft #6 × MLPP #4 – 自然言語・レコメンド・時系列解析 | Amazon Web Services
AWS Startup ブログ 【開催報告&資料公開】ML@Loft #6 × MLPP #4 – 自然言語・レコメンド・時系列解析 ML@Loft #6 × MLPP #4 「自然言語・レコメンド・時系列解析 」 AWS 機械学習ソリューションアーキテクトの宇都宮 ( Twitter: @shokout ) です。本ブログでは ML@Loft 第6回 x MLPP 第４回「NLP/レコメンド/時系列解析」の開催概要を報告いたします。 ML@Loft は、 機械学習を AWS 上でプロダクション運用しているデベロッパー・データサイエンティストのためのコミュニティイベントです。毎月テーマを設定し、前半は各分野のエキスパートの方々からの LT、後半は機械学習のサービス導入のノウハウや様々なツラミについて、LT のご講演者の方々を交えて参加者全員参加型のお悩み相談ラウンドテーブルという構成で A
Amazon CloudWatch のクエリを自然言語で生成できるようになりました (プレビュー) #AWSreInvent | DevelopersIO
どんなクエリを投げれば良いのか分からない こんにちは、のんピ(@non____97)です。 皆さんはCloudWatch Logs InsightsやCloudWatch Metrics Insightsにどんなクエリを投げれば良いのか分からないなと思ったことはありますか? 私はあります。 CloudWatch Metrics Insightsにはビルダー機能は存在しますが、それでも慣れていない方からするとハードルは高いように思えます。 今回、アップデートによりCloudWatch Logs InsightsやCloudWatch Metrics Insightsにて自然言語でクエリ生成ができるようになりました。 (2023/11/26時点ではプレビューです) AWS Blogsも公開されています。 Use natural language to query Amazon CloudWat
自然言語処理（NLP）を用いた読解タスクにおいて、人間の性能をAIが上回るケースが増えてきていることを皆さんはご存じでしょうか？ 自然言語処理という言葉自体がメジャーというわけではないため、そもそも自然言語処理で何ができるの？ という方も多いと思います。 そんな方でも、日常生活で一度は「Google翻訳」などの機械翻訳を利用したことがあると思います。また、Appleの「Siri」やスマートスピーカーの「Alexa」のようなバーチャルアシスタントは、音声認識や自然言語処理の技術で成り立っているため、近年の自然言語処理はすでに普及しているのです。 本連載は、以下の3部構成になっています。 自然言語処理とはどのようなものなのか 自然言語処理の一連の流れ センター試験英語の読解問題にチャレンジ この連載で扱うのは、難しい自然言語処理技術のほんの一部分になります。「自然言語処理って何に使えるの？」と
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
Red Hat、自然言語からAnsible Playbookコードを生成する「Ansible Lightspeed」発表。IBM WatsonのAIを利用
Red Hat、自然言語からAnsible Playbookコードを生成する「Ansible Lightspeed」発表。IBM WatsonのAIを利用 Red Hatは、構成自動化ツールAnsibleのPlaybookコードを、自然言語を基に自動的に生成してくれる「Ansible Lightspeed」を発表しました。 Visual Studio Codeから利用可能で、コードの生成にはIBM Watson Code Assistantのドメイン特化型AIを利用していると説明されています。
［CEDEC 2023］ゲームにおける自然言語処理が解説されたセッションをレポート。世界が変われば言葉も変わる 編集部：荒井陽介 CEDEC開催初日の2023年8月23日，スクウェア・エニックスの森 友亮氏による講演「デジタルゲームのための自然言語処理（NLP） - ゲームの『ことば』のあそびかた」が行われた。 ChatGPTに代表される大規模言語モデルは，私たちが日常で使っているような言葉（自然言語）でコンピュータとやりとりすることを可能にしたが，それをゲームで活用すると，どんな機能が実現できるのか，注意するべき点は何なのか，といったことが語られた講演の模様をレポートしよう。 スクウェア・エニックス AI部 AIリサーチャー 森 友亮氏 森氏はまず，ゲームで自然言語が使えるようになったときに実現できそうな機能を提示した。 NPCとの会話では，「ここは●●の村です」といったような決まり切っ
Transformerとは？AI自然言語学習の技術を解説 皆さん、「AI」や「深層学習モデル」という単語を耳にすることが最近増えてきたのではないかと思います。 しかし、その仕組みについて知りたいと感じても、「私には難しそう...」と敬遠してしまっている方も多いのではないでしょうか? 本記事ではAIの最新技術「Transformer」について、数式を用いず分かりやすく説明し、その応用についても紹介します! 本記事で概要を掴んでいただき、さらに詳しく知りたい方にはぜひ原論文をお読みいただければと思います！ 目次 1. Transformerとは 2. 基本知識 3. Transfromerの構造 4. Transformerの発展モデル 5. Transformerの実装フレームワーク 6. Transformer事例紹介 7. クリスタルメソッドでのtransformerを用いた取り組み 8
言語的抽象化で突破するプロンプトコーディング（自然言語強化学習コーディングと高級言語強化学習コーディングの違い）｜落合陽一
GPT-4が出てからプロンプトコーディングが楽しい．極意がある．言語である．言語である抽象性を使うことで新規オブジェクト定義も強化学習もそして，説明可能AIの文脈も含めて研究可能なのである． 1. オブジェクトを作成 2. オブジェクトはサブオブジェクトを持つ 3. サブオブジェクトは特定の知識や能力を持つ 4. サブオブジェクトは特定の状態を認識する能力を持つ 5. 初期状態は特定の条件を満たす 6. サブオブジェクトは特定の状態を認識できる 7. 管理オブジェクトが存在 8.… https://t.co/VtdivKnM3a pic.twitter.com/4lckde5uyf — 落合陽一 Yoichi OCHIAI (@ochyai) March 20, 2023
［速報］Android StudioもチャットAIを搭載へ「Android Studio Bot」発表。コードの自動生成、クラッシュしたログの解析、自然言語での質問など。Google I/O 2023
Googleは5月10日（日本時間5月11日未明）、米カリフォルニア州マウンテンビューで開催中のイベント「Google I/O 2023」で、Android Studioに搭載されるAIの新機能「Android Studio Bot」を発表しました。 Android Studio BotはGoogleが開発した最新の大規模言語モデルPaLM 2を用い、Androidアプリケーションに関するさまざまな質問に自然言語で回答するほか、コードの自動生成、ログの解析などが可能と説明されています。 下記はデモ動画からの引用です。Android Studio Botに「アプリケーションにダークテーマを追加するにはどうすればいい？」と質問。するとAIが回答とともにコードを生成してくれます。 生成されたコードは「Add to Editor」ボタンをクリックすると自動的にAndroid Studioのコードエ
マイクロソフト、AIが人間を支援する「Copilot for everything」を推進。3DアニメツールのMayaで自然言語による操作をAutodeskと開発中。Microsoft Build 2022
マイクロソフト、AIが人間を支援する「Copilot for everything」を推進。3DアニメツールのMayaで自然言語による操作をAutodeskと開発中。Microsoft Build 2022 マイクロソフトは人間のプログラミングをAIが支援するサービス「GitHub Copilot」を公開していますが、今後こうしたAIによる人間の支援をさまざまなアプリケーションに拡大するビジョン「Copilot for everything」を、開催中のイベント「Microsoft Build 2022」の基調講演で明らかにしました。
はじめに 自然言語処理（Natural Language Processing: NLP）の文脈から誕生したTransformerはそのモデルのシンプルさにもかかわらず、大きな成果をあげることに成功しました。そのため、その後NLPにブレイクスルーをもたらしたBERTやGPT-2などのモデルはTransformerをもとにつくられています。現在（2020年）では、DETRなど最新の物体検出モデルにも使われるようになり、Transformerは機械学習を学ぶ上では避けて通ることができないモデル・アイディアであるといえるでしょう。 今回は、近年の最重要モデルといえるTransformerについて発表論文「All you need is attention」を中心に、その誕生背景からモデル概念まで一から解説したいと思います。 なお、今回の内容は以下の二つに大別されます。 ．Transformerが
【自然言語処理入門】日本語ストップワードの考察【品詞別】 - ミエルカAI は、自然言語処理技術を中心とした、RPA開発・サイト改善・流入改善レコメンドエンジンを開発
ストップワードの除去は自然言語処理やテキストマイニングにおける重要な作業です． 解析の精度を上げるために不要な記号や単語を等をデータセットから除去します． ストップワードの選定にはタスクに特化した分析が必要ですが，ある程度整理されているデータがあるととても助かります． そこで，今回は私が自然言語処理のタスクでよく行う，日本語のストップワードについてまとめました． また単語の分布などから，品詞ごとのストップワードに対する考察も行いました． このことからストップワードを介して自然言語処理のあまり語らることのない知識などをご共有できればと思います． （この記事の考察部分は主に自然言語処理の初心者を対象とした入門記事です．） 目次 1. 自然言語処理・ストップワードとは 2. 分析の対象 3. 単語の分布に対する考察 ┣ 出現頻度 上位300件 ┗ 出現頻度と単語 4. 品詞ごとに考察 ┣ 名詞
冴えるヒロイン（ミライ小町）の制作事例を通じた、自然言語処理AIによるキャラクター性の抽出と反映【CEDEC2021】 | Gamer
本セッションに登壇したのは、バンダイナムコ研究所の技術開発本部先端技術部AI課に所属する頼 展韜氏と石原 健司氏。AIがいかにテキストでキャラクターの魅力を立たせるか、AIがどのようにセリフ制作現場をサポートするか、といった観点からセッションを進行していった。
自然言語からインフラ構成コードを自動生成してくれる「Pulumi AI」発表。AWS、Azure、Cloudflare、Kubernetes、Datadogなど130以上に対応 | テクノエッジ TechnoEdge
ITジャーナリスト／Publickeyブロガー。IT系の雑誌編集者、オンラインメディア発行人を経て独立。2009年にPublickeyを開始しました。 クラウドをはじめとするITインフラの構成をコードで定義する、いわゆるInfrastructure as Codeツール「Pulumi」を提供するPulumi社は、自然言語からインフラ構成コードを自動生成する「Pulumi AI」を含む、AIを活用した新サービス群「Pulumi Insights」を発表しました。 PulumiはTypeScriptやPython、Go、Javaといった一般的なプログラミング言語を使ってインフラの構成コードを記述できるのが大きな特徴です。Pulumi Insightsは、そのPulumiをベースにした拡張機能です。 AIが130以上のインフラやサービスの構成コードを生成Pulumi Insightsの目玉機能が
by ScribblingGeek Googleが「Bidirectional Encoder Representations from Transformers(BERT)」と呼ばれる自然言語処理モデルを2018年10月に発表しました。BERTはGoogleの検索エンジンでも使用されており、Wikipediaのエントリやニュース記事、古書などのデジタル化された情報から学習を行います。しかし、このBERTの学習スタイルは、ネット上の情報源に眠る偏見や差別も一緒に学習してしまうという問題が指摘されています。 We Teach A.I. Systems Everything, Including Our Biases - The New York Times https://www.nytimes.com/2019/11/11/technology/artificial-intelligenc
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
自然言語からSQLのクエリ生成ができるAmazon Q generative SQLを触ってみた（プレビュー）
ChatGPTなどLLMを使わずに自然言語でツールを操作する - きしだのHatena
「PEGASUS」文章要約に特化した自然言語処理モデル登場！
議論において「論理的整合性」は重要ではない 自然言語は論理的整合性を守..
Microsoft、ChatGPTによる自然言語でロボットの制御に成功
自然言語を「特徴量」ととらえる、教師あり学習の効率を劇的に高めた若手AI開発者
PythonとCythonによる自然言語処理ライブラリ「spaCy 3.1」がリリース
Hugging FaceのDatasets： 自然言語処理のデータセット提供サイト
「Skype」に「ほんやくコンニャク」機能？ 音声認識＋自然言語処理で異言語対話を容易に／話した言葉を即座に翻訳して自分の声とテキストで伝達。2023年にリリースへ
はじめての自然言語処理 T5 によるテキスト生成の検証 | オブジェクトの広場
「ELECTRA」新たな自然言語処理モデルが示したMLMの問題点とは！？
AIに言葉の意味はわかるか 進化する自然言語処理 日経サイエンス - 日本経済新聞
spaCyを使った先進的な自然言語処理 · 無料のオンラインコース
自然言語の研究者でも、生成系AIの中でなにが起こっているのかがわからない (1/3)
「ポートピア連続殺人事件」を題材にしたAI技術デモが無料公開されるも……／自然言語生成機能が省かれたためか、ゲームの進行すら難しい内容に
自然言語処理のカレンダー | Advent Calendar 2019 - Qiita
キーワードから小説や画像を自動生成 自然言語処理の革命児「GPT-3」の衝撃
専門知で深まる自然言語処理を求めて | MNTSQ, Ltd.
コンピュータはどうやって言葉を認識しているのか？ 自然言語処理（NLP）を基礎から解説
【入門編】自然言語処理（NLP）とは | 意味・仕組み・活用例・課題 | Ledge.ai
［CEDEC 2023］ゲームにおける自然言語処理が解説されたセッションをレポート。世界が変われば言葉も変わる
Transformerとは？AI自然言語学習の技術を解説
自然言語処理の必須知識 Transformer を徹底解説！
Googleの自然言語処理モデル「BERT」はインターネット上から偏見を吸収してしまうという指摘