イントロ「Amazonのこの商品をチェックした人はこの商品もチェックしています」や「YouTubeのあなたへのおすすめ」、「Twitterのおすすめユーザー」などのレコメンド機能は多くのWebサービスに組み込まれております。そのレコメンドによって、ついつい商品をたくさん買ってしまったり、夜遅くまで動画を見てしまった経験はないでしょうか。 この記事では、レコメンドシステムの裏側はどのような仕組みになっているのか、そもそもレコメンドとはどういうものなのかを具体例を交えながら俯瞰できればと思います。レコメンドシステムのアルゴリズムの詳細には触れず、ビジネスにおいてどのような形で実装されているかにフォーカスしています。ネット上に公開されているレコメンドに関するスライドや記事、論文のリンクをまとめましたので、アルゴリズムの詳細などはリンク先の記事でご確認ください。 対象の読者は、自社のサービスにレコ
イントロNetflixは、スマホやPCがあれば、どこでもいつでも、映画やドラマを見放題で楽しむことができます。今年はお家時間が増えたことで、Netflixをより満喫している方も多いのではないでしょうか。実際に、2020年1月〜3月に会員が全世界で1600万人ほど増え、合計1億8000万人を超えています。 Netflixをいくつかの数字で見てみると、さらにその凄さに驚かされます。 ・全世界のインターネット通信量(下り)の15%をNetflixが占めており、YouTubeを超える世界一の動画サービス ・時価総額が20兆円超え ・サブスクリプション収入が月々約1500億円 そんな多くのユーザーを有するNetflixの魅力の１つに、推薦システムがあります。Netflixのホーム画面には、今話題の作品やユーザーにパーソナライズ化されたおすすめの作品が並びます。 Googleの検索と違って、Netfl
イントロChatGPTやBing、NotionAIなどの大規模自然言語モデル(LLM)を活用したサービスが注目を集めています。対話、要約、翻訳、アイデア生成などの多様なタスクにおいて、とても性能が高いです。ただ、ChatGPTでは、ときどき嘘が混じっていたり、文献が捏造されたりすることがあります。 ChatGPTとの対話画面（結果の書籍は存在しない）それを防ぐために、BingやPerplexityでは、文献を引用した上で、なるべく嘘が紛れ込まない形で回答してくれます。 Perplexityでは引用もつけてくれるしかし、これらのAIは、Web上の公開されている一部のデータを元に学習しているので、公開されてないデータに対しては当然ながら、正しく回答できません。 そこで、この記事では、自社が保有しているデータをChatGPTに組み込んで、自社オリジナルのPerplexityのようなシステムを作る
Masa 🇬🇧 on Twitter: "一昨年、統計学もプログラミングもまともに勉強したことがなかったので両方学べるcouseraの↓のコースを履修しました。統計、数学の知識がなくても学べ、直感的な説明で分かりやすかった。英語だけどたしか日本語字幕もあったはず。統計学の… https://t.co/3EaasdwS0g"
一昨年、統計学もプログラミングもまともに勉強したことがなかったので両方学べるcouseraの↓のコースを履修しました。統計、数学の知識がなくても学べ、直感的な説明で分かりやすかった。英語だけどたしか日本語字幕もあったはず。統計学の… https://t.co/3EaasdwS0g
イントロ「実験室内で培養した人の「ミニ脳」にゲームをプレイさせることに成功、AIよりも速いわずか5分で習得」というニュースが話題になっています。 脳細胞をトレーの中で人工培養させて、その細胞に卓球ゲームの「Pong」をプレイさせたところ、たった５分で学習し、ラリーが続くようになったと報告されています。まるで、マトリックスの映画のようで、この技術を使った未来がワクワクすると同時にちょっと怖くもあります。一体、どんな技術を使って、脳細胞に卓球ゲームを学習させたのでしょうか。このニュースを取り上げている記事は多かったのですが、中身の仕組みについて解説している記事は多くありませんでした。そこで、このブログ記事では、ミニ脳にゲームを学習させた仕組みを自分の勉強がてらに、備忘録的にざっくりとまとめたいと思います。（そのため、自分の理解や記述が間違っている箇所があるかもしれません。もしありましたらお知ら
MASA👾🤍 on Twitter: "すばらしい……。 ついにイスラエルが対空レーザーシステム「アイアンビーム」の開発に成功した。 ロケット弾、迫撃砲弾、無人機と小型の空中目標の迎撃に全て成功。 しかも一発あたりのコストはわずかに3.5ドル！！ https://t.co/x1uZNniNhZ"
すばらしい……。 ついにイスラエルが対空レーザーシステム「アイアンビーム」の開発に成功した。 ロケット弾、迫撃砲弾、無人機と小型の空中目標の迎撃に全て成功。 しかも一発あたりのコストはわずかに3.5ドル！！ https://t.co/x1uZNniNhZ
MASA on Twitter: "Kamil Galeevさんの分析、さすがプロだけあって説得力がある。 現在ウクライナで起きている事が全て説明できる。"
Kamil Galeevさんの分析、さすがプロだけあって説得力がある。 現在ウクライナで起きている事が全て説明できる。
MASA👾🤍 on Twitter: "例のFSBの内部告発者からの新しい手紙が届いた。 最後まで読んだが頭がクラクラするな。正気の沙汰とは思えない。 ロシア政府はこの期におよんでバルト三国とポーランドにミサイル攻撃をして、NATOを分裂させるシナリオらしい。 https://t.co/3hmWWi7wWn"
例のFSBの内部告発者からの新しい手紙が届いた。 最後まで読んだが頭がクラクラするな。正気の沙汰とは思えない。 ロシア政府はこの期におよんでバルト三国とポーランドにミサイル攻撃をして、NATOを分裂させるシナリオらしい。 https://t.co/3hmWWi7wWn
手元で動く軽量の大規模言語モデルを日本語でファインチューニングしてみました(Alpaca-LoRA)｜masa_kazama
イントロ最近、ChatGPTやGPT-4などの大規模言語モデル(LLM)が急速に注目を集めています。要約タスクや質疑応答タスクなど様々なタスクで高い性能を発揮しています。これらのモデルはビジネス分野での応用が非常に期待されており、GoogleやMicrosoftが自社サービスとの連携を進めているという報道も相次いでいます。 今回は、手元で動作する軽量な大規模言語モデル「Alpaca-LoRA」を日本語にファインチューニングしてみました。この記事では、そのファインチューニングのプロセスや応用例について簡単に解説していきます。ChatGPTやGPT-4は、モデルがブラックボックスでありAPI経由でしか入力を与えて出力を得ることができません。さらに、現時点（2023年3月20日）では、独自のデータを用いてファインチューニングを行うこともできません。 しかし、Alpaca-LoRAというモデルを用
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
これから推薦システムを作る方向けの推薦システム入門｜masa_kazama
Netflixを支える推薦システムの裏側｜masa_kazama
ChatGPTに自社データを組み込んで新しい検索体験を模索してみました｜masa_kazama
人工培養された脳細胞によるゲームプレイの仕組み 〜自由エネルギー原理について〜｜masa_kazama