Search Results A

「PythonでゼロからGANモデルを構築およびトレーニングする」

GAN（Generative Adversarial Networks）は、新しいリアルな画像を合成することができる強力な生成モデルの一種です読者は完全な実装を通じて進んでいくことで、GANがどのように機能するかについての堅固な理解を深めることができます...

ハッギングフェイスのオートトレインを使用して、ミストラルAI 7B LLMの微調整の方法

最先端のLLMの微調整方法を学びましょう

language models

AI + No-Code 開発者のイノベーションを再定義するヴァイラルコンボ

開発者が絶対に取り戻せないものは時間です著者は、AIに支えられた低コード/ノーコードプラットフォームの価値について議論し、より早い開発時間とビジネスの適応力の向上を促進しています

Artificial Intelligence

OpenAIはGPT-4をターボチャージしています：高速かつ手頃な価格で生成型AIを革命化

ジェネレーティブAIの世界は、OpenAIが最新のブレイクスルー、GPT-4 Turboを発表すると大いに盛り上がっています。この革命的なアップデートは、よりアクセスしやすくすると同時に、ChatGPTの能力を急速に向上させることを約束しています。高速性とコストパフォーマンスの向上により、GPT-4 TurboはジェネレーティブAIの限界を再定義することになるでしょう。本記事では、GPT-4 Turboの素晴らしい機能について詳しく見ていき、データ愛好家のフィールドを革命化する可能性を探ります。 GPT-4 Turboの力 OpenAIはGPT-4 Turboにより、速度と効率性の点で大きく進歩しました。この新しいモデルは、より高速な応答を生成するために微調整されており、リアルタイムの会話がスムーズで魅力的になります。レイテンシーが低下したことにより、ユーザーはChatGPTとのシームレスな対話を体験でき、より自然でダイナミックな会話の流れが可能になります。GPT-4 Turboの高速化はゲームチェンジャーであり、データ愛好家やAI愛好家に新たな可能性を開拓します。データ愛好家向けの拡張機能 GPT-4 Turboは、データ愛好家のニーズに特化した多くの拡張機能をもたらします。その中でも注目すべき機能の一つは、より大規模なデータセットを扱う能力です。これにより、ユーザーはより広範かつ複雑なデータをモデルに学習させることが可能となります。これにより、データ愛好家はより高い精度と効率性で実世界の問題に取り組むことができるようになります。さらに、GPT-4 Turboは改良されたマルチタスク機能を導入し、パフォーマンスを損なうことなく複数のプロジェクトに取り組めるようになります。この高い汎用性により、GPT-4 Turboはさまざまな領域のデータ愛好家にとって貴重なツールとなります。高性能AIへの手頃なアクセス OpenAIは、GPT-4 Turboの低価格化によりAIの民主化に大きな進展を遂げました。このモデルの利用コストを削減することで、OpenAIは最先端のジェネレーティブAIをより広範なユーザーにアクセスしやすくすることを目指しています。この動きにより、スタートアップ、研究者、開発者は以前は財務的な障壁に直面していたため、高度なAIモデルの力を利用することが可能になります。GPT-4 Turboを介して、OpenAIは技術の革新だけでなく、AIへのアクセスの革新を成し遂げています。私たちの意見 GPT-4 Turboのリリースは、ジェネレーティブAIの分野における重要な節目となります。OpenAIの高速化とコストパフォーマンスの向上への取り組みは、新たな可能性の時代を切り開きました。拡張された機能と低価格化により、GPT-4 Turboはデータ愛好家、研究者、開発者がAIイノベーションの限界に挑戦する力を与えるでしょう。ジェネレーティブAIの新しい章を迎えるなかで、GPT-4 Turboがさまざまな産業やAIコミュニティ全体に与える変革的な影響を想像することは、興奮を覚えます。

エンタープライズデータの力を活用するための生成AI：Amazon Kendra、LangChain、および大規模言語モデルによる洞察

広範な知識を持つ大規模言語モデル（LLM）は、ほぼあらゆるトピックについて人間らしいテキストを生成することができますしかし、大量のデータセットでの訓練は、専門的なタスクに対しての利用価値を制限します継続的な学習がなければ、これらのモデルは初期の訓練後に現れる新しいデータやトレンドに無関心ですさらに、新しいLLMを訓練するためのコストも[…]

(Samsung no AI to chippu gijutsu no mirai e no senken no myōyaku)

サムスンエレクトロニクスは、韓国ソウルにあるサムスンの研究開発キャンパスで開催されたサムスンAIフォーラム2023で主役となり、人工知能とコンピュータエンジニアリングの画期的な進歩を披露しました。創造的なAIと持続可能な開発を重視した2日間のカンファレンスは、業界のエキスパート、学者、研究者、学生を一堂に集め、AIと半導体技術の未来を形作る意義深い議論の場を提供しました。創造的なAI技術の台頭サムスンリサーチが主導するフォーラムでは、創造的なAI技術の急速な進歩について深く探求され、日常生活と仕事の両方を再定義するとされています。基調講演者であるサムスンリサーチグローバルAIセンターエグゼクティブバイスプレジデントの金大炫氏は、サムスンが創造的なAI研究で業界と学界をサポートし、協力することにコミットしていると述べました。著名なプレゼンテーションには、OpenAIのHyung Won Chung博士が大規模言語モデル（LLM）の課題と将来の軌跡について述べ、Jason Wei氏がLLMによってもたらされるパラダイムシフトを探求しました。マルチモーダルAI技術のトレンド韓国大学教授の徐弘錫氏は、テキストや画像などさまざまなデータタイプを同時に処理できるマルチモーダルAI技術についての洞察を共有しました。午後のセッションでは、国内の主要な大学の院生が国際AIジャーナルに掲載された論文を発表しました。ソウル大学は効率的なコード生成と検索技術を披露し、韓国科学技術院（KAIST）と延世大学のチームは、言語モデルの細かい評価能力およびテキストからイメージの生成技術を実演しました。 Samsung Gaussの公開最後のセッションでは、伝説的な数学者カール・フリードリッヒ・ガウスにちなんで名付けられた包括的な創造的なAIモデルであるSamsung Gaussが公開されました。このモデルは、世界的な現象と知識を参照して消費者の生活を向上させることを目的としています。Samsung Gauss Languageはメールの作成やコンテンツの翻訳などのタスクを容易にし、Samsung Gauss Codeは社内ソフトウェア開発を最適化し、Samsung Gauss Imageはクリエイティブな編集や解像度向上が可能な生成画像モデルです。 Samsung Gaussの将来の応用現在は従業員の生産性向上に活用されていますが、Samsung Gaussは様々なSamsung製品への応用拡大が予想され、新しいユーザーエクスペリエンスを約束しています。この記事では、SamsungのAI技術の開発と安全なAIの利用に焦点を当てています。AIレッドチームを通じて、SamsungはAIプロセス全体でセキュリティとプライバシーの問題に積極的に取り組んでおり、倫理的な原則に従っています。私たちの意見サムスンAIフォーラム2023が終了するにつれて、創造的なAIとSamsung…

コヒアAIがコヒアのEmbed v3モデルを公開：信頼できるMTEBとBEIRベンチマークに基づく最先端のパフォーマンスを提供

<img alt=”” src=”https://ai.miximages.com/www.marktechpost.com/wp-content/uploads/2023/11/Screenshot-2023-11-07-at-4.19.45-PM-1024×571.png”/><img alt=”” src=”https://ai.miximages.com/www.marktechpost.com/wp-content/uploads/2023/11/Screenshot-2023-11-07-at-4.19.45-PM-150×150.png”/>テキスト埋め込みモデルでは、実際のデータの品質が異なる場合に、テキストデータの中で最も関連性の高い情報を見つけることが難しいという課題があります。この問題は、貴重な情報を探すユーザーにとっても、開発者やアプリケーションにとっても重要なハードルとなる可能性があります。既存の解決策は、この課題に対処しようと試みていますが、最も関連性の高い情報を提供する必要があります。OpenAIのada-002モデルは、クエリに関連するドキュメントを取得するかもしれませんが、情報の提供において効果的ではない場合があります。この制約は、検索エンジンや情報検索を強化した生成AI（RAG）システムなどのアプリケーションにとっても厄介な問題です。Cohere研究チームがCohereのEmbed v3モデルを発表しました。これはデジタル・ディテクティブの役割を果たし、クエリに関連するコンテンツを特定するだけでなく、その情報の重要性に基づいて優れた順位付けを行います。Embed v3のパフォーマンス指標は、その能力の確かな証拠を提供しています。Massive Text Embedding Benchmark（MTEB）やBenchmark for Evaluating Information Retrieval（BEIR）などのベンチマークテストでは、Embed v3が多くの他のモデルを一貫して上回っています。さまざまなドキュメントから情報を合成するセマンティックサーチやマルチホップの質問などのタスクにおいて優れたパフォーマンスを発揮します。Embed v3の特筆すべき機能の1つは、その効率性です。数十億の埋め込みと効率的に作業するための管理可能なインフラストラクチャが必要です。input_typeと呼ばれる興味深い機能を導入し、モデルを特定のタスクに合わせてカスタマイズすることで、結果の品質をさらに向上させます。さらに、Embed v3の汎用性は英語にとどまりません。フランス語、中国語、フィンランド語など、100以上の言語をサポートしており、ユーザーはさまざまな言語で検索を行うことができます。まとめると、CohereのEmbed v3はテキストデータを探索し、関連性の高い情報や有益な内容を見つけるための価値あるソリューションです。価値ある情報を効率的に特定し、順位付けすることで、検索アプリケーションやRAGシステムの強化に信頼性のある手法を提供します。Embed v3は、膨大な情報の世界をナビゲートすることを簡素化し、検索体験をより生産的かつ効率的にします。優れたパフォーマンス、メッシーなデータへの強さ、費用効果の高さにより、Embed v3は開発者とユーザーのニーズに応えるテキスト埋め込み技術の重要な進歩として際立っています。自分で試してみるには、<a href=”https://www.voagi.com/m42-presents-med42-an-openaccess-clinical-large-language-model-llm-for-easy-access-to-medical.html”>ここからEmbed v3にアクセス</a>してください。

「AWS Inferentia2を使って、あなたのラマ生成時間を短縮しましょう」

Hugging Faceブログの前の投稿で、第2世代のAWS InferentiaアクセラレータであるAWS Inferentia2を紹介し、optimum-neuronを使用して、標準のテキストとビジョンタスクのためにHugging FaceモデルをAWS Inferentia 2インスタンス上で迅速に展開する方法を説明しました。 AWS Neuron SDKとのさらなる統合の一環として、🤗optimum-neuronを使用して、AWS Inferentia2上でテキスト生成のためのLLMモデルを展開することができるようになりました。デモンストレーションには、Llama 2、ハブで最も人気のあるモデルの一つ、を選択するのが最も適しています。 Inferentia2インスタンスに🤗optimum-neuronをセットアップするおすすめは、Hugging Face Neuron Deep Learning AMI（DLAMI）を使用することです。DLAMIには、必要なライブラリが事前にパッケージ化されており、Optimum Neuron、Neuron Drivers、Transformers、Datasets、およびAccelerateも含まれています。また、Hugging Face…

ケンブリッジ大学の研究者が50,000枚の合成された写真リアルな足のイメージデータセットと新しいAIライブラリを紹介

健康、ファッション、フィットネス産業は、写真から人体の3Dモデルを復元する難しいコンピュータビジョンの課題に非常に興味があります。この研究では、人間の足の3Dモデルを再構築する問題に取り組んでいます。正確な足のモデルは、シューズの購入、オーソティクス、個人の健康管理に役立ちます。また、写真から3Dモデルを復元するアイデアは、これらのビジネスのデジタル市場が成長するにつれて非常に魅力的になっています。既存の足の再構築ソリューションには、4つのタイプがあります。高価なスキャニング装置、ノイズの多いポイントクラウドの再構築、デプスマップやTrueDepthカメラのような携帯電話ベースのセンサーを使用した再構築、Structure from Motion（SfM）に続くMulti-View Stereo（MVS）、絵の輪郭に生成的な足のモデルをフィットさせる方法です。これらのオプションのいずれも、家庭で精密なスキャンを行うには十分ではありません。多くの人々が高価なスキャニング装置を手に入れることはできません。携帯電話ベースのセンサーは広く利用できず、使いやすくもありません。ノイズの多いポイントクラウドは、レンダリングや測定などの後続の活動に利用することが困難です。さらに、生成的な足のモデルは品質が低く制約があり、イメージからのシルエットのみを使用することにより、イメージから得られる幾何学的情報の量に制約があります。これは、少数のビューの状況において特に問題となります。SfMは、画像間の密な特徴のマッチングに多くの入力ビューを必要とし、MVSはノイズの多いポイントクラウドを生成することもあります。また、足の3Dグラウンドトゥルースデータとのペア写真の不足も、これらの手法の性能を制約しています。このため、ケンブリッジ大学の研究者たちは、FOUND（Foot Optimisation using Uncertain Normals for Surface Deformation）と呼ばれるアルゴリズムを提案しています。このアルゴリズムは、ピクセルごとの表面法線の不確実性を利用して、従来のマルチビュー再構築手法を改善します。彼らの手法は、最小限の校正済みRGB写真の入力数を必要としますが、幾何学的情報がないシルエットのみを利用して、表面法線とキーポイントを補完的な手がかりとして使用します。また、このようなシグナルのデータの希少性を乗り越えるために、人工的に写真のリアルなラベルと対応付けた豊富なコレクションも提供します。以下に、彼らの主な貢献を示します： • SynFootという大規模なシンセティックデータセットをリリースしました。このデータセットには、正確なシルエット、表面法線、キーポイントのラベルが付いた、5万枚のフォトリアルな足の写真が含まれます。このような情報を実際の写真で取得するには高価なスキャニング装置が必要ですが、彼らのデータセットは大規模なスケーラビリティを持っています。彼らは、8つの実際の足のスキャンのみを持っていながら、彼らのシンセティックデータセットが足の写真内の十分な変動を捉え、下流のタスクに対して実際の画像に一般化できることを示しています。また、474枚の14つの実際の足の写真と、高解像度の3Dスキャンとピクセル単位での表面法線のグラウンドトゥルースとの対応データセットも提供します。最後に、大規模なシンセティックデータセットの効果的な作成を可能にするBlenderのプロプライエタリPythonライブラリも公開します。 • 彼らは、不確実性を考慮した表面法線推定ネットワークが、8つの足のスキャンからのシンセティックデータのみを用いて、実際のフィールドでの足の写真に一般化できることを示しています。人工的な足の写真と実際の足の写真とのドメインの差を減らすために、彼らは積極的な外観と視点の拡張を使用しています。ネットワークは、各ピクセルで関連する不確実性と表面法線を計算します。不確実性をしきい値処理することで、別のネットワークを訓練する必要なく正確なシルエットを得ることができます。また、最適化スキームにおいて予測の正確性が不確実な場合に表面法線のロスに重みを付けるために、推定された不確実性を使用することで、ロバスト性を向上させることができます。 • 彼らは、ディファレンシャブルレンダリングを使用して生成的な足のモデルを校正済み写真のシリーズに適合させるための最適化戦略を提供します。彼らのパイプラインは、表面再構築のための最先端のフォトグラメトリよりも優れており、不確実性を考慮しており、ビューの数が限られている場合でも完全なメッシュを再構築することができます。また、ユーザーの携帯電話から得られたデータにも使用することができます。

(CodeGPT AIコミュニティで話題となっている新たなコード生成ツールにご紹介します)

新しいAIコード生成ツールの中で、CodeGPTはプログラマーの間で好評を博しています。CodeGPTはVisual Studio Codeのアドオンであり、GPT-3言語モデルを活用してコードを生成し、言語を翻訳し、さまざまなタイプのコンテンツを書き、質問に答えることができます。 CodeGPTは現在開発中ですが、開発者がコードを作成する方法を変える可能性があります。CodeGPTが自然言語を理解する能力は、他のAIコード生成ツールとは異なる特徴の一つです。つまり、形式的なプログラミング用語を使用せずに、開発者は自然言語で書かれた説明に基づいてCodeGPTにコードの構築を指示することができます。特に新しい言語やフレームワークを学ぶ開発者にとって、このような時間の節約は大きなものになることがあります。 CodeGPTのもう一つの利点は、効率的でより独自なコードを生成できる能力です。CodeGPTは実際のプロジェクトの大量のコードコーパスでトレーニングされているため、各プログラミング言語の標準と規範に精通しています。最後に、CodeGPTには頻繁に更新と改良が行われます。CodeGPTチームはソフトウェアを新しい機能で常に更新し、発生する問題を修正します。これにより、CodeGPTは常にコード生成、言語翻訳、コンテンツ作成、質問に答えるなどのさまざまなタスクで改善され続けています。 CodeGPTの応用範囲： CodeGPTは不完全または曖昧なコードスニペットを自動的に完成させることができます。特に大規模で複雑なコードベースの扱いにおいて、エンジニアにとって時間の節約になります。 CodeGPTで関数、クラス、さらにはプログラム全体を生成することができます。これは、基本的なコードを素早く生成したり、新しいコンセプトを開発したりするのに役立ちます。 CodeGPTの支援により、コードの再構築が容易になり、より独自で書きやすいコード構造をプログラマーに推奨します。また、一般的なセキュリティの欠陥を見つけて修正するのにも役立ちます。コードのデバッグに関しては、CodeGPTはミスの可能性のある理由を提案し、修正方法に関するアドバイスを提供する便利なツールです。バグの発見：CodeGPTは、開発者が潜在的な問題を特定し、コードの正確性をチェックするためのテストを提供することで、コードの欠陥を明らかにするのに役立ちます。適切に使用すると、CodeGPTはプログラマがコードを生成する速度、効率、品質を向上させる強力なツールです。 CodeGPTを入手できる場所：https://marketplace.visualstudio.com/items?itemName=DanielSanVoAGI.dscodegpt&ssr=false Mistralはこちらからダウンロードして使用することができます：https://docs.codegpt.co/docs/tutorial-ai-providers/ollama Introducing CodeGPT, running the @MistralAI 7B model locally in…

Learn more about Search Results A - Page 100