Search Results がん

「インド、人工知能を利用し言語の壁を解消へと向かう」

インドは人工知能（AI）を活用し、言語の壁を乗り越え、多様な人口の包括的参加を確保しようとしています。南西部の州であるカルナータカ州の村人たちは、結核のための国家初のAI駆動のチャットボットの作成に貢献することで、この取り組みに重要な役割を果たしています。このプロジェクトは、121以上の言語がそれぞれ10,000人以上によって話される国において、言語の多様性に対処することを目指しています。言語の多様性とAIの課題インドは、4000万以上のネイティブのカンナダ語話者を抱え、自然言語処理（NLP）でカバーされていない主要な言語を超える言語の多様性に対応するAIソリューションを提供するという重要な課題に直面しています。数億人ものインド人が言語の壁により貴重な情報や経済的な機会から排除されていることから、革新的な解決策が求められています。 AIモデルのためのデータセットの構築テック企業のKaryaは、カンナダ語を含むさまざまなインドの言語の話者数千人を巻き込み、音声データを生成することでこの言語の革命の最前線に立っています。これらのデータセットは、マイクロソフトやGoogleなどの大手テック企業によって、教育や医療などの分野でAIモデルを向上させるために利用されています。政府のイニシアチブであるBhashiniも、クラウドソーシングプラットフォームを介してAIツール向けのオープンソースデータセットの作成に取り組んでいます。データ収集の課題の克服インドの言語でデータセットを作成することへの熱意はあるものの、困難な課題が存在します。多くのインドの言語は口承の伝統を持ち、限られた電子記録と広範なコードミキシングがあります。一般的ではない言語でデータを収集するには特別な努力が必要です。マイクロソフトリサーチインドのカリカ・バーリなどの専門家は、言語、文化、社会経済的なニュアンスを考慮に入れた倫理的なクラウドソーシングの重要性を強調しています。経済価値と地域コミュニティのエンパワーメント Karyaは音声データの経済的な潜在能力に焦点を当てています。非営利団体と協力し、貧困線以下の労働者をエンパワーメントしています。最低賃金を上回る報酬を支払い、データの一部を所有させることで、Karyaは医療や農業などのコミュニティにおける経済的な価値と潜在的なAI製品開発を展望しています。多言語の包括的参画のためのAIアプリケーションインドの人口の約11％しか英語を話せず、話し言葉や音声認識に特化したAIモデルの必要性が強調されています。Googleの支援を受けたプロジェクトVaaniやAI4BharatのJugalbandiチャットボットなどのプロジェクトは、AIが言語の壁を打破することができることを示しています。Gram Vaaniなどの社会企業は、AIを活用したチャットボットを利用して福祉給付に関する質問に応答し、地域社会をエンパワーメントしています。他にも読む：インドのBharatGPTがGoogleの注目を集める私たちの意見まとめとして、インドのAIによる多言語の包括的参画への取り組みは、技術の変革力を示しています。インドは多様な人口の声を活用し、言語の壁を乗り越え、経済的な機会を創造し、コミュニティをエンパワーメントしています。AIの多様な言語への需要が高まる中で、倫理的なデータ収集とモデル開発が重要となります。インドの先駆的な取り組みは、言語の多様性に直面する国々に対してAIの包括性の可能性を示しています。

「9つの方法でAIがデータセンターセキュリティを向上させる」

データセンターは人工知能を用いて従来の技術を刷新し、サイバーセキュリティと物理セキュリティを劇的に向上させることができます以下は、データセンターセキュリティを向上させるために使用できる9つの主な方法です1. 管理の自動化 IT部門は大量の業務を抱えている場合がありますチケットの数量が多いか、絶え間なく受け付け...

組織におけるデータ文化の重要性は何ですか？

イントロダクション文化とは、誰も見ていない時に人々が行うことです。ハーブ・ケラハー（共同創業者、SouthWest Airlines）現代の急速なビジネスの景色で、情報を元にした意思決定は重要です。戦略的なトレーニングを通じてデータリテラシーを持たせることの重要性を強調する企業は、60%です。さらに、意思決定における分析の一貫した使用による顕著な収益増加の可能性を、75%のビジネスリーダーが認識しています。この記事では、データ文化の定義、実践的な戦略、および組織内での実施方法について見ていきます！データ文化とは何ですか？データ文化とは、誰も強制しないときの人々がデータとデータ関連技術をどのように使用するかです Analytics Vidhya データ文化は、データの重要性を認識するだけでなく、データが簡単にアクセス可能で一貫して意思決定プロセスに利用される組織環境を作り出すことです。データを組織の特定の部門に制限するのではなく、データは組織のあらゆる側面に浸透します。データはすべてのレベルで意思決定に影響を与え、ガイドを提供し、組織全体で一体となった情報をもとにした運営フレームワークを作り出します。例えば、マーケティングチームが顧客とのやり取りからデータを利用してキャンペーンを調整し最適化することがあります。同時に、人事部門はデータを活用して従業員のパフォーマンスや職場満足度を分析し、労働力管理に関する適切な意思決定を行います。これらのデータ駆動のアプローチは偶発的なものではなく、組織の日常業務にシームレスに統合され、根付いたデータ文化を反映しています。データ文化の実施における課題様々な業界の企業がビジネスの成長のためにデータ駆動環境に移行しています。しかし、企業でデータ文化を導入することは、さまざまな課題を伴う場合があります。データ文化の実施においてよく見られる一般的な課題と、それらを克服する方法について見てみましょう。変化への抵抗人々は一般的に、知らないことへの恐怖心から変化に抵抗する傾向があります。企業でデータ文化を採用することは大きな変化であり、すべての従業員やリーダーがこれに賛成するわけではありません。未知のことへの不慣れさ、仕事の置き換えの恐怖、または確立されたプロセスの変更に対する抵抗から、データ駆動のアプローチを受け入れることに抵抗する可能性があります。これは、データ文化の初期段階で最も一般的に見られる課題の一つです。従業員やリーダーにデータ駆動の意思決定の現実的な影響を示すことで、彼らをデータ文化の導入に動機付けることができます。同時に、包括的な変更管理戦略を実施することも、変化を受け入れるのに役立ちます。これには、従業員のデータリテラシーを向上させるためのコミュニケーション計画とトレーニングプログラムが含まれます。このようなプログラムでは、データ駆動の意思決定の利点と役割ごとの応用を強調します。データの品質とアクセシビリティデータはデータ駆動の組織で最も重要な要素です。品質の高いデータへのアクセスは、適切な処理と期待される結果を保証するものです。しかし、企業はしばしば従業員に品質の良いデータを提供することに苦労しています。一貫したデータ品質と限られたアクセシビリティは、データ文化の構築の取り組みを妨げる要因となります。品質の悪いデータに取り組むことは、正確な洞察を生み出すことができず、従業員やクライアントのデータ駆動の意思決定への信頼を損なう可能性があります。企業は、このような課題を克服するために、データガバナンスの実践に投資することを心掛ける必要があります。データ品質を確保するために検証プロセスを実施し、従業員がこのデータに簡単にアクセスできるようにデータパイプラインを設定する必要があります。さらに、アクセシビリティを向上させるために堅牢なデータインフラストラクチャを導入する必要があります。データリテラシーの不足従業員の間でデータの概念と分析に対する理解が限られている場合、データ文化の確立を妨げることがあります。データサイエンスと分析はほとんどの企業で比較的新しい概念ですので、労働力内に知識のギャップが存在しています。多くの従業員は、自身の役割やそれにもたらされるメリットについてデータ分析の応用を知らないかもしれません。また、すべてのチームメンバーが同じレベルのデータリテラシーまでトレーニングされているわけではありません。このようなデータリテラシーの不足は、洞察の誤解につながる可能性があります。企業は、知識のギャップを埋め、従業員の能力向上のための定期的なトレーニングセッションやワークショップを実施することで、データリテラシーを実現することができます。さらに、組織全体のデータリテラシーを向上させるための認識キャンペーンも実施することができます。長期的には、企業は従業員の継続的な学習をサポートするために、リソースを提供する必要があります。これにより、最新の戦略、方法論、およびデータ駆動の意思決定の応用について常に最新の情報を得ることができます。シロと分断したデータイニシアチブデータ文化を導入する際に直面するもう一つの課題は、一貫性の欠如です。これにより知識のギャップが生じます。結果として、断片化したデータイニシアチブと部門内のシロが一貫性のあるデータ文化の構築を妨げることがあります。これは、異なるチームが独立して運営される場合によく起こります。それにより洞察の共有や共同意思決定が制限されます。…

「OpenAIがGPT-6およびGPT-7の立ち上げ準備を進める：中国で商標申請」

人工知能（AI）の推進に対するコミットメントを示す戦略的な動きとして、OpenAIは最近、中国でGPT-6とGPT-7の商標を申請しました。これは、同社が以前にGPT-4と「Whisper」の商標を申請したことに続くものです。OpenAIのサービスが中国で利用できないにも関わらず、この積極的な一環は同社のグローバルなビジョンとAI技術の限界に挑戦し続ける取り組みを示しています。中国でのOpenAIの商標申請 AI分野のリーディングカンパニーであるOpenAIは、中国でGPT-6とGPT-7の商標を申請しました。現在審査中のこの申請は、科学的または研究目的のための装置および器具をカバーする第9類、および技術サービスとデザインを包括する第42類に該当します。これらの出願は、OpenAIが世界的にAI技術の最先端を維持し続けることへの取り組みを反映しています。大規模言語モデルの進展 OpenAIの生成的AIアプリケーションであるChatGPTのローンチ以来、同社は一貫して大規模言語モデル（LLM）の限界に挑戦してきました。ChatGPTは、最初に1750億のパラメータを持つGPT-3.5を基に構築され、驚異的な言語理解と生成能力を示しました。特筆すべきは、OpenAIがGPT-4を2021年3月に発表したことです。そのパラメータ数は1兆を超え、同社のLLM技術の進化に対するコミットメントを示しています。持続的なイノベーション – GPT-5およびそれ以降 OpenAIの最高経営責任者であるサム・オルトマンは、GPT-5に関する進行中の取り組みを明らかにし、マイクロソフトから追加の資金調達を計画していることを表明しました。これは、最近の内部的な論争（オルトマン氏の一時的なCEO解任を含む）にもかかわらず、イノベーションへのOpenAIの揺るぎないコミットメントを示しています。これに関連する論争は、強力なAIの開発に伴う倫理的な懸念につながると報じられており、強力なAI技術のリスクと社会的な影響の検討を強調しています。また読む: OpenAIがマイクロソフトの支援を得てGPT-5の開発に向けて準備を進めるイノベーションと倫理的考慮のバランスオルトマン氏のCEO復帰は、研究計画の前進と安全対策への投資に重点を置いています。AIの開発に関連する倫理的責任を認識するOpenAIは、イノベーションと安全性のバランスを取ることを目指しています。同社のAGIの追求は慎重ですが重要な目標であり、強力なAI技術の潜在的なリスクと社会的な影響に対する慎重なアプローチを反映しています。私たちの意見 OpenAIの中国での商標申請は、グローバルなAIの風景での存在を確立するための戦略的な一手を示しています。GPTモデルの持続的な進化は、同社がAIの未来を形作ることへのコミットメントを示しています。新しい商標の追求と組み合わせて、同社は自身の専念を示しています。OpenAIが内部の議論や外部の課題を乗り越えながら、倫理的なAIの開発は使命の中核です。AIの卓越性を求めるOpenAIの進展する物語は、テック界を魅了し続けています。イノベーションと責任が手を取り合う未来を約束します。

大ニュース：Google、ジェミニAIモデルのローンチを延期

予想外の展開となり、Googleは最先端のAIモデル「Gemini」の高い期待を集めるローンチを来年の1月まで延期することを選びました。報道によると、非英語クエリにおけるモデルの信頼性に関してパフォーマンス上の懸念が浮上し、これにより入念な微調整のプロセスが行われることとなりました。このプロセスは、GoogleのCEOであるサンダー・ピチャイが直接主導しています。グローバル対応のための日程変更情報筋による報道によれば、New York、Washington、Californiaで予定されていた盛大な公開イベントは、匿名の情報源によると静かに2024年初めに延期され、Geminiが非英語のプロンプトに対して応答する能力に関する懸念に対処することを目的としています。サンダー・ピチャイの関与 GoogleのCEOであるサンダー・ピチャイは、この延期に対して積極的なアプローチを取り、堅牢なグローバルな言語サポートを保証するための決定を個人的に支持しています。この動きは、Googleが潜在的な問題を解決し、AIモデルの能力を向上させることにより、OpenAIのGPT-4を超えることを目指していることを示しています。 OpenAIの基準を満たすための微調整関係者によれば、Googleは既に特定の面でOpenAIの高い基準に達することを実現しており、生成型AIモデルの競争の中で際立つように、Geminiの初期バージョンを洗練し、完成させるために積極的に取り組んでいます。 Geminiのマルチモーダルスキルと将来の展望 Geminiの初の発表は、I/O 2023カンファレンスでその印象的なマルチモーダル能力が強調され、従来のモデルとは一線を画しています。テキストや画像の理解を超えて、GeminiはツールやAPIの統合でも優れることを目指し、第三者開発者にとって魅力的な選択肢として位置づけています。Googleは、モバイルに焦点を当てた「Gecko」を含むさまざまなサイズを提供することを想定しています。また読む： Google I/O 2023で何が起こったのか？我々の意見 GoogleがGeminiを完成させるための課題に取り組む中、1月の改定されたローンチ日は、同社が画期的なAIモデルを提供するという確固たる決意を示しています。競合他社が設定した基準に対応し、能力を微調整することにより、Googleはこれに満足するだけでなく、それを超えることを目指しています。この遅延は、グローバルな準備と人工知能の進化する景色でGeminiを強力な競争相手として確立するための戦略的な動きを意味しています。1月の発表を待ちながら、Geminiの革新的な機能と能力への期待はますます高まり、人工知能の新時代を約束しています。

Pythonコードの行数を100行未満で使用した動的プログラミングによる在庫最適化

在庫の最適化は、さまざまなドメインで生じる幅広い問題ですその中心的な問いは次のようなものです：あなたは自転車店のマネージャーだと思います毎日、あなたはお客様と連絡を取る必要があります...

「PepCNNという名のディープラーニングツールを紹介します：シーケンス、構造、言語モデルの特徴を使用してタンパク質中のペプチド結合残基を予測するためのものです」

Griffith University、RIKEN Center for Integrative Medical Sciences、Rutgers University、および東京大学の研究者によって開発された深層学習モデルPepCNNは、タンパク質-ペプチド結合残基の予測問題に取り組んでいます。構造と配列ベースの情報を組み合わせることで、PepCNNは特異性、精度、およびAUCの指標で他の手法を上回り、タンパク質-ペプチド相互作用の理解と薬剤発見の努力を進めるための貴重なツールとなっています。タンパク質-ペプチド相互作用の理解は、細胞プロセスやがんなどの疾患メカニズムにおいて重要であり、実験手法が資源密度の高いため、計算手法が必要とされます。構造ベースと配列ベースに分類される計算モデルは代替手段を提供します。 PretCNNは、事前に学習されたタンパク質の言語モデルと露出データからの特徴量を利用し、以前の手法を上回る性能を発揮し、タンパク質-ペプチド相互作用の予測精度の向上におけるその特徴セットの重要性を強調しています。タンパク質-ペプチド相互作用とその細胞プロセスおよび疾患メカニズムにおける役割のより深い理解を得るためには、計算手法が必要です。構造ベースおよび配列ベースのモデルが開発されていますが、相互作用の複雑さにより正確性は課題となっています。PepCNNは、構造と配列ベースの情報を統合してペプチド結合残基を予測することで、既存の手法と比較して優れたパフォーマンスを発揮します。PepCNNは既存の手法と比較して優れたパフォーマンスを発揮し、薬剤発見の努力を支援し、タンパク質-ペプチド相互作用の理解を進めるための有望なツールです。 PepCNNは、半球露光、位置特異的スコア行列、および事前学習されたタンパク質言語モデルからの埋め込みなどの革新的な手法を利用して、PepBCLを含む9つの既存の手法と比較して優れた結果を達成します。その優れた特異性と精度が際立ち、そのパフォーマンスは他の先端的な手法を上回ります。これらの進歩は提案手法の効果を強調しています。深層学習に基づく予測モデルPepCNNは、PepBCLを含むさまざまな手法を上回り、特異性、精度、およびAUCが高くなりました。2つのテストセットで評価された後、PepCNNは特にAUCで著しい改善が見られました。結果は、感度が0.254、特異性が0.988、精度が0.55、MCCが0.350、およびAUCが0.843であることを示しています。今後の研究では、2D CNNアーキテクチャと転移学習技術の適用を促進するためにDeepInsightテクノロジーを統合することが目標とされています。結論として、PepCNNという高度な深層学習予測モデルは、主要なタンパク質配列からの構造および配列ベースの情報を取り入れ、特異性、精度、およびAUCにおいて既存の手法を上回り、TE125およびTE639のデータセットでのテストによって示されています。今後の研究では、DeepInsightテクノロジーの統合によるパフォーマンスの向上を目指し、2D CNNアーキテクチャと転移学習技術の適用を可能にすることが進められます。

「ジョンズホプキンスのこの論文は、時間と望遠鏡を超えて宇宙の発見の確率的カタログマッチングを加速させるデータサイエンスの役割を強調しています」

宇宙研究において、同じ星や銀河が異なる天空調査で見つかるかどうかという問題があります。現在の望遠鏡は、さまざまな種類の光を使用して、数千や数十億のオブジェクトについての大量のデータを収集します。しかし、異なる調査からのこのデータを結びつけることは非常に難しいです。古い方法では多種多様なデータの大量処理が難しく、広大な天空のイメージをカバーする巨大な部分についての、同じ天体（星や銀河など）を2つの調査が見ているかどうかを判断することが困難でした。このため、科学者は異なる天空調査からの同じオブジェクトの測定値を組み合わせることができませんでした。ジョンズ・ホプキンス大学の研究者達は、この問題を解決する新しい方法を考案しました。彼らは異なる天空調査からの観測対をスコアリングするインテリジェントなコンピュータプログラム（アルゴリズム）を作成しました。これらのスコアは、観測が同じオブジェクトである可能性を示しています。プログラムは、物体の位置、明るさ、色などを考慮して、それらが同じかどうかを判断します。この方法は非常に正確であり、大量のデータとも非常に適合します。これにより、異なる方法で捉えられた場合でも、微かなオブジェクトと明るいオブジェクトの観測を結びつけることができます。プログラムは、数十億のデータエントリを含むカタログを見ることができ、天体の対応関係を見つけることができます。スコアはまた、対応関係が正しいかどうかを確認するのにも役立ちます。このデータの結びつけ方は、データサイエンスの強みと宇宙測定に関する知識を活用しています。観測の不確実性を理解しながら、位置、明るさ、色などの事象の確率を考慮しています。これにより、異なる調査で同じものを見たときに、確実に言えるようになりました。個々の星、銀河、その他の天体に関するデータを組み合わせることで、科学者はそれらの性質、位置、動き、時間の経過に関してさらに詳しく学ぶことができます。この方法では、紫外線、光学、赤外線、X線、ガンマ線、ラジオ波など、さまざまな種類の光からの測定値を結びつけることができます。これにより、さまざまな天文望遠鏡で捉えた独特な天体をより詳しく観察することができます。星の変動から大きなブラックホールまで、さまざまなものについての新たな発見の方法です。

「AIガバナンスにおけるステークホルダー分析の包括的ガイド（パート2）」

「著者注：本記事はAIガバナンスにおけるステークホルダー分析の包括的なガイドのパート2として書かれていますパート1はこちらでご覧いただけます『包括的なガイド…』の続きへようこそ」

「BigQueryの新しい生成AI機能」

「VertexAIをBigQueryに接続し、ML.GENERATE_TEXT関数を使用してデータエンジニアリングの生産性を向上させる方法の完全なチュートリアル」

Learn more about Search Results がん - Page 10