Sakana AI⁠⁠、科学論文の調査から作成⁠⁠、レビューまですべてAIが自動で実行するThe AI Scientistを発表 Sakana AIは2024年8月13日、大規模言語モデル (LLM) を複数組み合わせてアイデアの生成、必要なコードの記述、実験の実行/結果の要約、視覚化、レビューまで、論文作成のライフサイクル全体を自動化するAI駆動型の論文作成システム「The AI Scientist」を発表した。 The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery 「AIサイエンティスト⁠」⁠： AIが自ら研究する時代へ（上記ブログの日本語訳） Introducing The AI Scientist: The world’s first AI system for automating sc

正木伸城 @nobushiromasaki めちゃ面白い。「それでも叱ることには意味がある」という執着をぶった斬ってくれる本。叱っても人は育たない。「叱る」を必要悪だと思っている人は多いが、間違いだ。以下の言葉はむしろ危険。①「怒る」はダメだが「叱る」は必要。②叱らないと打たれ弱い人間になる。③叱らないと学ばない――そろそろぼくらは幻想を手放すべきだ。「叱る」は想像以上に効果がない。 叱られるとぼくらは萎縮する。脳の防御システムが作動する。野生の世界ならそれが正解。命の危機にあっては、悠長にものを考える時間などないのだから。けれど、防御モードに入るとぼくらは知性や理性などの知的活動、しっかり考え・検討することができなくなる。で、結局やってしまうのは、とりあえず「言うことを聞く」といった即興反応である。「勉強しなさい！」と声を荒げられたらサッと勉強に取り組む、みたいに。 しかし、その時ぼくら

本記事は、2024年7月発売の書籍「つくりながら学ぶ！生成AIアプリ & エージェント開発入門」をベースに、私なりにGoogle Colabで動作する「生成AIエージェント」を実装してみた内容の解説です 上記の書籍「つくりながら学ぶ！ 生成AIアプリ & エージェント開発入門」(発売日 2024/7/18) [link]、著者：ML_Bear（本名: 内田 直孝）さん を参考にしながら、自分なりにいろいろ変更を加えてみて実装してみました。 Google ColaboratoryのNotebookファイルは以下となります。 本記事では今回作成してみたプログラムについて解説します。 拙著である、「つくりながら学ぶ！PyTorchによる発展ディープラーニング」などと、装丁が似ているようにも感じる？のは、マイナビ出版の（私がとても信頼している）同じ編集者の方がこちらの書籍もご担当してくださっている

●イマネ・ケリフ選手（アルジェリア代表）178cm66kg級 ●リオ五輪をみてボクシングを始める。 ●女の子がボクシングなんて、という父親の反対を押し切り2018年から選手へ。2019年時点ではIBA世界選手権33位。 ●2020年IOC東京オリンピックに出場。準々決勝で金メダル選手に敗戦。5位。 ●IBAは東京オリンピックの運営に関わっていない。 ●2022年IBA世界選手権へ出場し銀メダル。アルジェリア初の決勝進出者。 ●2023年3月のIBA世界選手権決勝進出。その前にDNA検査で失格。この結果は2022年の検査と、2023年の検査2回によるものであり性分化疾患の疑いが浮上した。 ●この性別審査は2023年から導入。危険性が伴うスポーツであり他競技より早い決断。スポーツ界には人権的観点で問題視する声も大昔からある。 ●この結果を受けスポーツ仲裁裁判所にケリフともう一人、台湾のリン・ユ

Preferred Networksの岡野原氏が、「LLMの最前線と今後の展望」というテーマで、LLMの現状と今後について話をしました。全2回。 岡野原大輔氏の自己紹介 岡野原大輔氏：今日は、たくさん資料を用意しているので、少し巻きでどんどんいきたいと思います。 さっそく自己紹介をできればと思います。（スライドを示して）私はPreferred Networksの岡野原と申します。西川と一緒に会社を経営し、もう15年ですかね。Preferred Networksという会社としては、今年10周年を迎えました。 私自身は、今、「Twitter（現X）」で@hillbigという名前で、よくいろいろな論文をツイート（ポスト）をしているので、それで知っている方もいるかもしれません。そういった最先端の研究の状況を追いながら自分たちも作って、それを社会実装していく製品、サービスなどを作っていく部分に力を入

PR提供：マイナビ 「働きやすさ」だけでは、エンゲージメントは高まらない――人材マネジメントの専門家に聞く、組織力向上のために必要なこと 急速にビジネス環境が変化する昨今、さらに労働力人口は減少局面を迎え、あらためて従業員のリテンションマネジメントや人材戦略強化の必要性が叫ばれている。こうした働き手＝人へ戦略的に投資する「人的資本経営」の観点において、従業員と組織のエンゲージメントを高めるための施策にはどんなものがあるのだろうか。 このテーマに詳しい学習院大学経済学部の守島基博教授に、「働きやすさ」と「働きがい」のバランス、働き手と企業とが価値観やパーパスを共有することの重要性、人的資本経営時代のコミュニケーションのあり方を再検討することで、働き手の定着や育成にどのような好循環が生まれるかなど、さまざまな観点から詳しくお話を伺った。 守島教授によると、企業は働き手に対してこれまで以上に自己

生成AI（人工知能）に不可欠な大規模言語モデル（LLM）の開発競争が過熱するなか、よりパラメーター数が小さい「小規模言語モデル（SLM）」が注目されている。運用コストを抑え、機微なデータを扱う分野に適しているためだ。スタートアップによる開発が先行するが、米グーグルなどビッグテックも急速に参入しつつある。LLMを導入している企業の費用は数百万ドル（数億〜十数億円）に上る場合もある。企業はAIの費用

以前、【LT大会#7】LLMの活用・機械学習・データ分析関係のいろいろな話題にふれようで、時系列基盤モデルについてLTをさせて頂きました。 他発表者のLTも面白く、私自身も時系列基盤モデルについて理解を深める良いきっかけとなりましたが、心残りはLLMを絡めた手法については時間を割けなかったことです。 そこで今回はLLM for 時系列分析に関するアイディアを簡単にまとめてみます。 おことわり 学習目的で調査・作成した内容がベースとなっており、誤りや他に面白い論文・事例がありましたら、教えて頂けますと幸いです。 主に以下Survey論文・Collectionリポジトリで取り上げられている内容の一部を対象としています。より網羅的に知りたい方は下記リソースを直接ご参照ください。 Large Language Models for Time Series: A Survey Position: W

180 characters lorem ipsum dolor sit amet, consectetur adipiscing elit. Mauris id auctor erat. Mauris cursus pharetra purus, et blandit magna condimentum et felis.

ユーザーの声を大切にする すべての組織のために。 toitta（トイッタ）は、デザインリサーチ・マーケティングリサーチに携わるチームのために考案された、インタビュー後の発話分析を支援するソリューションです。 リサーチを通してインサイトの発見・仮説の精緻化を実現するまでのプロセスにひそむ課題を、「生成AIを活用した発話の構造データ化」で解決します。 インタビューの録画・音声データをAIで処理し、データを分析しやすい形に整えることで、ハードルの高いインタビュー分析を強力にサポートします。

「障害のある子」だけ預かる里親になったワケ 閑静な住宅街の一角にある、二階建ての一軒家。可憐な花に彩られた玄関周り、あたたかな雰囲気が漂う「坂本」と表札がかかるこの家には、「坂本」と異なる姓を持つ子どもが5人暮らしている。ここ「坂本ファミリーホーム」は、何らかの事情で親と暮らせない子どもが、里親に育まれながら成長していく場所だ。 ※「ファミリーホーム」とは2009年に創設された制度で、養育者の住居で5〜6人の里子を育てる、里親を大きくしたようなもの 私にとっては3年ぶり、そしておそらく6回目となる来訪だった。里親の坂本洋子さん（67歳）が、明るい笑顔で迎えてくれる。リビングには家族旅行の集合写真や、それぞれの子の七五三や卒業式などの写真、子どもたちの作品が壁に飾られ、足を踏み入れただけで、愛情に満ち溢れた、あたたかな雰囲気を肌で感じた。 小柄ながら、いつもパワフルな“みんなのお母さん”であ

こんにちは。ベランダで育てていたバジルが虫に食べられてしまいました。ハヤトです。 しかし植物の生命力というのはすごいもので、残った茎から再び葉っぱが成長してきています。次はぜひ私が食べたいものです。 さて、成長著しいといえば生成AIアプリ開発の分野はまさに日進月歩ですが、 なかでも「Dify」は、LLMワークフローが特に便利で、注目度が急上昇中です。 今回はそんなDifyとKnowledge bases for Amazon Bedrockを連携させてRAGを構築してみます。 Difyとは？ Knowledge bases for Amazon Bedrockとは？ 今回作成するチャットボットについて AWS側の設定手順 ナレッジベースの作成 APIの作成 Lambdaの作成 API Gatewayの作成 Dify側の設定手順 カスタムツールの作成 チャットボットの作成 まとめ Difyと

はじめに Pythonのデータ解析エコシステムは日々進化を続けています。2024年現在、効率的なデータ処理、直感的な可視化、高度な機械学習の自動化など、様々な新しいツールが登場しています。本記事では、最新のPythonデータ解析ライブラリを紹介し、それぞれの特徴や使用例、実際のユースケース、そして導入方法まで詳しく解説します。 1. データ操作ライブラリ 1.1 Polars: 高速データ処理の新標準 Polarsは、Rustで実装された高速なデータ操作ライブラリです。pandasに似たAPIを持ちながら、大規模データセットでより高速に動作します。 特徴: 高速な処理速度 メモリ効率が良い pandasに似たAPI 使用例: import pandas as pd # サンプルデータを作成 data = { "age": [25, 32, 28, 35, 40, 50], "categor

◆試合直前の脳波に勝敗と強く関わるパターンを発見しました。 ◆勝敗予測モデルに試合直前の脳波データを導入することで、従来困難だった「番狂わせ」のような不確定要素の多い試合結果も高精度に予測可能なことを実証しました。 ◆将来的には脳波のパターン分類に基づく個人のメンタルコンディショニングの確立が期待できます。 日本電信電話株式会社（本社東京都千代田区、代表取締役社長：島田　明、以下「NTT」）は、eスポーツ対戦直前の脳波に勝敗と強く関わるパターンの存在を世界で初めて発見し、この脳波データから直後の試合結果を高精度に予測することに成功しました。 本成果は、競技直前の脳に最適な状態が存在することを示すとともに、競技パフォーマンスの予測に脳情報が有効であることを示すものです。将来的に、スポーツ、医療、教育などさまざまな現場で活躍する人々の脳状態の最適化によるパフォーマンス向上や、熟練者の高度なスキ

と言ってもこの点数が低いのか高いのか分かりませんので、Claude 3.5 Sonnetの点数も見ていきましょう。 Claude 3.5 Sonnetの点数 現時点で最強と名高いClaude 3.5 SonnetにもELYZA-tasks-100を解いてもらいます。 単純に問題文だけを投げる形で、temperatureは0.8にしました。 import json import anthropic from datasets import load_dataset client = anthropic.Anthropic( api_key="APIキー", ) dataset = load_dataset("elyza/ELYZA-tasks-100") test_set = dataset["test"] results = {} for i, example in enumerate(t

脳細胞ごとに担当する単語がある新たな研究では脳細胞ごとに担当する単語が存在することがしめされました / Credit:Canva . 川勝康弘横浜には明治時代に作られたとされる古い歌があります。 「赤い靴を履いた女の子、異人さんに連れられて行っちゃった」 横浜市の小学生ならば音楽の授業でこのフレーズを幾度となく歌ったことがあるかもしれません。 この短い1節を分解してみると、そのなかには「赤・靴・履く・女の子・異人・連れられる・行った」という7つの単語から構成されていることがわかります。 これまでの研究により、私たちの脳内には「意味」や「カテゴリー」に反応する細胞があることが知られています。 たとえば、靴や長靴といった特定の物体について聞いた時、脳内では単語そのものの意味に加えて「これは物体だ」として理解するのを助けるためのカテゴリー細胞が活性化するのです。 また、カテゴリー細胞には女の子・

この時はそれぞれ単独のプロンプトで小説家と編集者を演じさせましたが、今回はもうすこしシステマチックに、段階を踏んで小説を生成させてみます。 プロンプトの検討等にはkgmkm氏のリポジトリや記事を参考にさせていただきました。この場を借りてお礼申し上げます。 仕組みを相談するのにClaude (3.5 Sonnet)とやり取りをしていましたので、この記事の草稿も書いてもらいました。所々、なんとなく冗長だったり文体が違ったりしますが、面倒なのでそのままにしてあります（すみません）。 生成スクリプト生成スクリプトとプロンプト定義はgistに置きました。 https://gist.github.com/kohya-ss/68d41a9720bfbdfd87869ec970142f4b 概要近年、大規模言語モデル（LLM）の発展により、AIによる文章生成の可能性が大きく広がっています。今回はローカル環