サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
ドラクエ3
www.sigfoss.com
どんな論文かと言うと、大量のドキュメントから自ら学習し、文章の意味するところを定式化された表現に変換する言語モデルを獲得する、つまり自然言語のエンコーダーモデルの学習についての研究の論文です。これ実は私の博士論文のタイトル。 たいした成果も出せずに手仕舞いしてしまった研究ですが、私の博士課程時代の夢は、この数年間で達成されたと言って過言でありません。正直生きているうちにこんなことが実現されるとは思っていなかったので、驚くばかりです。何の話をしているとかと言うと、巷で話題のChatGPTのことであり、もっと正確に言うとその基盤となっているTransformerのことです。(以後、わかりやすくChatGPTとしてしまいます) 少し話を戻しますが、私の研究の出発点は、子どもの母国語の習得課程にありました。子どもは特殊な教育をしなくても周囲からのインプットだけで、数年のうちに母国語を習得することが
ディープラーニングを使った画像認識、やってみたらうまくいきましたという話をよく目にするようになりました。 フレームワークの整備が進み、その上で動く個々のアルゴリズムの実装が公開され、中身の詳しいところまで立ち入らなくてもその高い性能を比較的簡単に利用できるようになってきたのです。これは素晴らしいことで、成熟したテクノロジーとはこうでなくてはいけません。 一方で「うまくいきました」っていうのはちと微妙な概念で、ざっくり感満載(笑)です。動作の確認程度ならいいのですが、パラメータを変更したり、学習データ数を増やしてうまく学習が進んでいるのか説明したいときなど、そのうまくいってる度をなんらかの形で数字にしたくなりますよね。 画像認識の汎用タスク(*)のうち、Classificationに対する評価は比較的簡単です。基本は各画像ごとに正解だったか不正解だったかをだせばいいわけです。(* Class
このページを最初にブックマークしてみませんか?
『株式会社Sigfoss | シグフォスは、画像認識・自然言語処理・機械学習といった人工...』の新着エントリーを見る
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