Search Results A

「AIが執筆プロセスに民主化をもたらしている」

「AIではなく、データプライバシー法の欠如が存在の脅威です」

今年の夏には、新しい「Black Mirror」のエピソードが公開され、再び不安な問いを投げかけましたもし私たちが技術的な世界の限界を一歩進みすぎたらどうなるのか？生成AIへのアクセスが広まる中で…

出生前診断の革命：PAICSディープラーニングシステムが神経超音波画像から胎児の頭蓋内奇形の検出を強化する方法をご覧ください

人工知能（AI）特にディープラーニング（DL）は、医療画像と医療における成長している応用分野である。DLに関連する研究の多くは、検証済みのデータセットと既知の真のラベルを使用してモデルのパフォーマンスを後ろ向きに評価することに集中してきた。しかし、DLの支援が超音波医師の診断能力にどのように影響するかを調べた研究はほとんどなく、さらにDLが臨床診断の支援にどのように効果的に役立つかを探った研究はほとんどありません。本研究では、36名の超音波医師を募集して多読者クロスオーバーランダム化比較試験（RCT）を実施しました。彼らは胎児脳の超音波画像と動画を評価することを課せられ、PAICSシステムの支援なしとPAICSシステムの支援の2つの異なるモードで行いました。主な目的は、PAICSの胎児頭蓋内奇形の診断支援効果を評価し、他の補助診断方法と比較することです。この研究の結果は、PAICSシステムのディープラーニングの機能によって増強された2つの画像と動画の読み取りモードは、中枢神経系の奇形分類の正確性を大幅に向上させることを示しています。これは、PAICSシステムが胎児頭蓋内奇形の検出において超音波医師の診断能力を大幅に向上させる大きな約束を持っていることを示しています。研究の過程で、異常な頭蓋内所見を持つ734人の胎児と正常な胎児19709人がスキャンされました。ただし、画像の品質や冗長性などの問題があるため、異常所見を持つ254人の胎児と正常な胎児19631人を除外しました。最終的に、559人の胎児からの709枚の元画像と動画（549枚の画像と160本の動画）が選択基準を満たし、研究に含まれました。試験の結果からは、PAICSは脳超音波データから胎児頭蓋内奇形を特定する際に、同時に使用する場合も第二のモードで使用する場合も、超音波医師の診断能力を向上させる潜在能力を持っていることが示唆されます。全ての読者にとって、PAICSの同時使用のほうがより効果的であることに留意する価値があります。先天性頭蓋内奇形の検出において、PAICSが提供する支援を徹底的に評価するために、より多くの症例を用いた実際の臨床環境でのさらなる研究が必要とされます。

Uncategorized

「You.comがYouRetrieverをリリース：You.comの検索APIへの最もシンプルなインターフェース」

You.comは、You.com Search APIへの最もシンプルなインターフェースであるYouRetrieverをリリースしました。 You.com Search APIは、RAG（Retrieval Augmented Generation）アプリケーションを考慮してLLMs向けに開発されました。彼らは、APIをさまざまなデータセットでテストして、LLMのRAG-QA環境での効率を確立するための基準を確立しました。また、You.com Search APIとGoogle Search APIの違いと類似点を詳細に分析しました。彼らは、RAG-QA環境でLLMを評価するためのフレームワークを提供しました。彼らは、レトリーバーがHotpot QAでどれだけうまく機能するかを評価するために、RetrievalQA Chainを使用しました。Hotpotデータセットには、クエリ、回答、およびその文脈が含まれています。LLMが意図的に誤った言語に騙されないようにするための「distractor」モードを使用する場合、文脈は質問/回答に応じて変更されることがあります。テストの1つでは、データセットの元の文脈を検索APIが返すテキストの断片で置き換えるというものでした。情報を検索するため、APIはデータセットで提供されるスニペットのリストだけに頼るのではなく、インターネット全体を検索します。したがって、この場合、インターネットは分散させるテキストとしての役割を果たします。LLMと検索APIの効果をテストする際、彼らはシステムを「ウェブディストラクター」シナリオと呼んでいます。可能な限り、より充実した情報の断片を返します。また、近々、返されるテキストの量を単一のサンプルから完全なページまで選択できるようになります。デフォルトのパラメータを使用すると、” great Keith”の27の結果があり、一部の文書には一部の内容が含まれています。RAG-QA環境で作業するLLMにとって、当社の検索APIは特に便利です。彼らはHotPotQAデータセット上でテストを行いました。この情報をHuggingfaceデータセットから取得するために、彼らはdatasetsライブラリを使用しています。ここでは、分散者の代わりにフルウィキを使用していますが、先に述べたように、彼らは検索APIを利用して自分たちの文脈を生成します。設定するための詳細な手順については、https://documentation.you.com/openai-language-model-integrationをご覧ください。 You.comは近々、より広範な検索調査を公開する予定ですので、情報をお楽しみに。アーリーアクセスパートナーになりたい方は、[email protected]に自己紹介、ユースケース、および予想される毎日のコール数に関する情報を書いてください。

ジェネラティブAIを活用したシフトレフトテストの推進

「ジェネラティブAIがシフトレフトテストを向上させ、優れたソフトウェア開発のためのテストケースの自動生成と予測的なバグ発見を行う方法を発見してください」

「限定招待：今朝のAIボットについての私のトークに参加しませんか！」

昨年、会話型AIおよびチャットボットの世界は急激に広がり、私はその洞察を共有したいと思っていますChatbotsLifeやBecomingHuman.Aiの創設者として、私はこの波の一部になっていただきたいです

FlashAttentionアルゴリズムの深い探求-パート3

私たちのFlash Attentionシリーズの第3部へようこそ！このセグメントでは、FlashAttention V1アルゴリズムの内部機能について、その核となる概念と原則を解説していきますもし…

中国の研究者が提案する、新しい知識統合における大規模言語モデルの評価における画期的な人工知能ベンチマーク「ALCUNA」

大規模言語モデル（LLM）の新しい知識の取り扱い能力を評価することは困難です。北京大学の研究者たちは、既存のエンティティの属性と関係を修正することで新しい知識を生成する方法であるKnowGenを紹介しました。ALCUNAというベンチマークは、LLMの知識理解と区別能力を評価します。彼らの研究では、LLMは新しい知識と既存の知識の推論に苦労することが明らかになりました。新しいシナリオにLLMを適用する際の注意の重要性を強調し、新しい知識の取り扱いにおけるLLMの開発を促します。 FLAN-T5、GPT-3、OPT、LLama、GPT-4などのLLMは、商業製品に応用されるさまざまな自然言語タスクで優れた成果を収めてきました。既存のベンチマークは彼らのパフォーマンスを評価していますが、既存の知識に依存しています。研究者たちは、Know-GenとALCUNAベンチマークを提案し、LLMの新しい知識の取り扱いを評価することで、新しいシナリオや専門知識でLLMを使用する際の注意が必要であり、この文脈での開発を促進することを目指しています。 LLMはさまざまなタスクで優れた成果を収めていますが、既存のベンチマークでは新しい知識の取り扱い能力を測定する必要があるかもしれません。進化する情報のために、LLMの新しい知識の取り扱いの評価は重要です。重複する訓練データとテストデータはメモリの評価に影響を与える可能性があります。新しい知識のベンチマークを構築することは困難ですが、必要です。 Know-Genは、エンティティの属性と関係を修正することで新しい知識を生成する方法です。ゼロショットとフューショットの手法、およびCoT推論形式でLLMを評価します。彼らの研究では、人工的なエンティティの類似性が親エンティティに与える影響、属性と名前の類似性の評価を探究しています。ChatGPT、Alpaca-7B、Vicuna-13B、ChatGLM-6Bなどの複数のLLMがこれらのベンチマークで評価されます。新しい知識の取り扱いを評価するALCUNAベンチマークでLLMのパフォーマンスがもっと良くなると良いです。ChatGPTが最も優れており、Vicunaが2番目に優れたモデルです。フューショット設定は一般的にゼロショットを上回り、CoT推論形式が優れています。LLMは知識の関連付けとマルチホップの推論に最も苦労しています。エンティティの類似性が彼らの理解に影響を与えます。彼らの方法は、LLMの新しい知識を評価することの重要性を強調し、この文脈での進歩を促すためにKnow-GenとALCUNAベンチマークを提案しています。提案されたメソッドは生物学データに限定されていますが、本体論的表現に従う他のドメインでも応用可能性があります。クローズドソースモデルとスケールのため、評価はわずかなLLMモデルに制約されており、より広範なモデルで評価する必要があります。LLMの新しい知識の取り扱いを強調していますが、現行ベンチマークの制限の詳細な分析は不足しています。また、Know-Genアプローチを使用した新しい知識の生成やLLMの新しい知識のコンテキストでの責任ある使用に関連する潜在的なバイアスや倫理的な影響には触れていません。 KnowGenとALCUNAベンチマークは、LLMの新しい知識の取り扱いを評価するのに役立ちます。ChatGPTが最も優れており、Vicunaが2番目に優れたモデルですが、LLMの新しい知識と既存の知識の推論においてパフォーマンスはもっと良くなると良いです。フューショット設定はゼロショットを上回り、CoT推論が優れています。LLMは知識の関連付けに苦労しており、さらなる開発の必要性が強調されます。LLMを新しい知識とともに使用する際には注意が必要であり、これらのベンチマークがこの文脈でのLLMの開発を進めることが期待されています。

人工知能の進歩：成均館大学の革新的なメモリシステム「Memoria」が長いシーケンスの複雑なタスクにおけるトランスフォーマーのパフォーマンスを向上させます

最近の数年間、機械学習は共通の課題に直面してきました：トランスフォーマーの制限されたストレージ容量。これらのモデルは、連続データ内のパターンを解読することでその優れた能力を発揮しますが、長いデータシーケンスに直面した場合は改善する必要があります。入力長を拡張する従来のアプローチは、人間の認知を特徴付ける選択的かつ効率的なデータ処理を再現するために改訂する必要があります。これは、確立された神経心理学理論に着想を得ています。これらの制限に対して、人間の記憶の原則からインスピレーションを得た潜在的な解決策が現れました。この革新的なメモリシステムは、トランスフォーマーモデルの性能を向上させる可能性があります。作業記憶、短期記憶、長期記憶という複数のメモリレベルで情報（「エングラム」と呼ばれる）を保存し、取り出します。接続の重みの変更は、ヘブの法則に従うことで、人間の記憶関連付けが形成される方法を模倣します。このメモリシステムに関する初期の実験は確かに期待を持たせています。既存のトランスフォーマーベースのモデルと統合された場合、この革新的なアプローチはさまざまなタスクでの長期依存関係の考慮において、彼らの能力を大幅に向上させます。特に、従来のソートや言語モデリングの手法を凌駕し、伝統的なトランスフォーマーが直面する短期記憶の制約に対する効果的な解決策を提供します。この革新的なメモリアーキテクチャは、特定の個人や機関への依存から解放されており、機械学習を革新する潜在能力を持っています。研究者がその能力をより深く探求するにつれて、複雑なタスクに応用され、トランスフォーマーベースのモデルのパフォーマンスをさらに高めることができるでしょう。この開発は、長いデータシーケンスに対処するためのトランスフォーマーの能力を強化し、人工知能と自然言語処理の注目すべき進歩を約束する、進行中の探求における重要な前進を表しています。結論として、機械学習コミュニティでは、トランスフォーマーモデルが長いデータシーケンスを処理する能力の制約が長い間課題となってきました。しかし、人間の記憶の原則に触発された有望な解決策が現れ、新たな可能性の時代を迎えています。この革新的なメモリアーキテクチャは、特定の名前や機関への依存せずに動作し、機械学習の景色を再構築する潜在能力を持ち、以前は到達困難と考えられていた複雑なタスクに取り組む能力と強化されたパフォーマンスを提供します。研究者がこの新しいアプローチをさらに探求するにつれて、AIと自然言語処理には興味深い展望が待っています。

「2023年および2024年に注目すべきトップ7のAIトレンド」

私たちの世界は重要な変化を遂げており、私を含めいくつかの人々は、AIがテクノロジーの領域だけでなく、社会にも深い変革をもたらすと信じていますAIのトレンドは今まで以上に速く変化しています...

Learn more about Search Results A - Page 120