Clip source: Knowledge Graph vs. Vector Database for Grounding Your LLM グラフデータベースでLLMを構築した方が、LLMと比較して、性能、正確性、ハルシネーション防止、等の面で優れている、という記事です。実際ベンチマークをしてくれてる実例を探してみたいと思います。 Knowledge Graph vs. Vector Database for Grounding Your LLMMegan Tomlin, Director of Product Marketing, Neo4j Jul 13 4 mins read 企業は、ミッションクリティカルなアプリケーションに大規模な言語モデル（LLM）を組み込むことを望んでいます。しかし、LLMの予測不可能な性質は、幻覚（不正確な推論や明らかなエラー）を引き起こす可能性があり、

Clip source: Vector Databases (are All The Rage) | by Christoph Bussler | Google Cloud - Community | Aug, 2023 | Medium (映像はDalle-Eで作成） この記事は、昨今AIの浸透で広く知られるようになったベクトルデータベースの動向について調査をしたらすごい量の情報が出てきた、という内容。 ベクトルデータベース、と称してる技術は下記のリストの通り、大量に発生しているのが現状。突然急にこんな量が現れたわけではなく、その背景には、AI技術、特に自然語処理を行うために数値情報をベクトル的に管理する技術が必要になり、それを機能としてサポートしている、というデータベースベンダーの発表が多く現れた、という話。 データをメモリ上に管理する部分（ストレージエンジン）のレベルも含めてベクトル

日本語訳： ベクトルデータベース(パート2): 内部を理解する 訳者前書き ベクトルデータベースについていろいろと調査・検証していたところ、以下の記事を見つけて、内容が非常によくまとまっており、多くの人にとっても有用な記事ではないか感じました。もはや翻訳などはDeepLやChatGPTで簡単にできる時代になりつつありますが、まだまだ検索エンジンで検索されることも多いと思いますし、少しでも参照しやすくなればと考えて、作者であるPrashanth Rao氏に許可を頂いた上で日本語に翻訳したものとなっています。 全4回の記事の第2回目となります。 元記事 Prashanth Rao氏のGitHubアカウント Prashanth Rao氏のTwitterアカウント 第1回目の日本語訳はこちら 背景 この記事はベクトルデータベースに関するシリーズの第2回目である。このシリーズの第1回目（元記事/日本

本書は、ベクトルデータベースの最適化に焦点を当てた実践的なガイドです。近年、ベクトルデータベースは多くの応用分野で利用され、高速なベクトル類似性検索が求められています。本書では、ベクトルデータベースのクエリ実行の高効率化について、ワークロードに基づくアプローチを紹介します。 Apple Machine Learning Researchの論文よりデータベースの最適化について書籍にしています。 https://machinelearning.apple.com/research/high-throughput-vector [High-Throughput Vector Similarity Search in Knowledge Graphs](https://arxiv.org/pdf/2304.01926.pdf)

文化庁は2024年4月18日、文化審議会著作権分科会法制度小委員会が3月15日付けで取りまとめた、「AIと著作権に関する考え方について」（以下、「考え方」）の概要を公表しています。 2017年に早稲田大学法学部教授の上野達弘氏は「日本は機械学習パラダイスだ」と提言し、実際のところ近年の急速な生成AIの発展・普及にAIと著作権の関係を直接的に取り扱った判例や裁判例がいまだ乏しい状態です。「考え方」は、懸念解消を求める声に応えるべく“現行の著作権法がAIとの関係でどのように適用されるか”有識者からなる審議会で検討した内容をまとめたものとなっています。 「考え方」概要ではAIと著作権についての基本的な考え方を

新刊『時短の一流、二流、三流』が好評の越川慎司氏が開設するVoicyチャンネル「トップ5%社員の習慣ラジオ」。今回は「残業の原因は『タスク渋滞』5%社員が実践するエブリシング即答」と題した放送回の模様をお届けします。誰かがボールを握って離さないことで全体が遅れる“タスク渋滞”の解消法を紹介しました。 ■音声コンテンツはこちら 90％以上が「送ったメール見てますか」のムダなやり取りを経験 越川慎司氏（以下、越川）：今回は、仕事で成果を出し続けるトップ5％社員がどのようにタスクをこなしているかについてご説明します。『AI分析でわかった　トップ5％セールスの習慣』の調査の中で私自身すごく勉強になったので、みなさんとシェアしていきたいと思います。 まず、タスク渋滞。誰かがボールを握って離さないことで全体が遅れる経験ってありませんか？　ぜんぜん返答がなく、「すぐ返信してくれたらありがたいのになぁ」み

こんにちは、渡部です。この記事はFLINTERS10周年記念ブログリレーの43日目です。 はじめに 先日Snowflakeの認定資格である「SnowPro Advanced: Architect」を取得しました。 この認定資格の説明や、資格取得までにやったことを紹介しようと思います。 資格の概要 クラウドデータウェアハウスであるSnowflakeには、SnowProという認定資格があります。 SnowProには中級レベルの「SnowPro Core」があり、その上位資格として「SnowPro Advanced」があります。 「SnowPro Advanced」の種類としては「SnowPro Advanced: Architect」、「SnowPro Advanced: Data Engineer」、「SnowPro Advanced: Data Scientist」などがあります。 私はそ

こんにちは。 株式会社FLINTER10周年記念 133日間ブログリレーの93日目を担当します、出口です。 先日、Snowflakeの認定資格である「SnowPro Core」を取得しました。 ここでは、Snowpro Coreの試験内容やまた合格するまでにやったことを書いていこうと思います。 試験を受けた背景 私の所属するデータチームではデータ基盤としてSnowflakeを利用しています。 blog.flinters.co.jp 業務でSnowflakeに触れる時間が多くなっていき、その中でもっとSnowflakeを理解したいという気持ちが高まりました。 そのため、Snowflakeの認定試験について勉強することで知識が増えるだろうと思い、受験しました。 Snowpro Coreとは？ Snowflakeの認定資格には「SnowPro Core」とその上級資格にあたる「SnowPro A

やしろです。 ちょっと前の話になりますが、Snowflakeの認定資格である”SnowPro Core”を取得しました。 その時の話はこちら 試験対策の方法について SnowPro Coreの試験対策として、演習問題やらUdemyの講座やらSnowflake Universityやら色々手を出してみました。 ですが、このときに身に沁みたのが、とにかく”公式ドキュメントを読み込む”ことの重要性でした。 他にも受験された方のブログなんかにもよく書かれているのですが、公式ドキュメントをとにかく隅から隅まで読むこと、結局はこれに尽きます。 いざ、ドキュメントを読み込もう！ なのですが、いざドキュメントを読もうと思って学習ガイドで試験範囲を確認しようとするのですがなんだかちょっと分かりづらい。 というのも、試験範囲とその該当するドキュメントのページ、というのが直接リンクしてないんですよね…。 こんな