Search Results SDK

「紙からピクセルへ：手書きテキストのデジタル化のための最良の技術の評価」

「組織は、歴史的な手書き文書をデジタル化するという煩雑で高額な作業に長い間取り組んできました以前は、AWS Textractなどの光学文字認識（OCR）技術を使用していましたが…」

ヘリオットワット大学とAlana AIの研究者は、大規模言語モデルに基づく新しい具現化対話エージェント「FurChat」を提案しています

大規模言語モデル（LLMs）は、技術が飛躍的に進歩する世界で中心的な役割を果たしています。これらのLLMsは、非常に洗練されたコンピュータプログラムであり、驚くほど自然な方法で人間の言語を理解し、生成し、相互作用することができます。最近の研究では、FurChatとして知られる革新的な具現化対話エージェントが公開されました。GPT-3.5のようなLLMsは、自然言語処理において可能なことの境界を em>押し広げています。それらは文脈を理解し、質問に答え、通常の人間が書いたかのように感じるテキストを生成することさえできます。この強力な機能により、ロボティクスなどのさまざまな領域で無数の機会が開かれています。 Heriot-Watt大学とAlana AIの研究者たちは、受付係として機能し、ダイナミックな会話を行い、表情を介して感情を伝える革命的なシステムであるFurChatを提案しています。National RobotariumでのFurChatの展開は、その変革の可能性を象徴しており、訪問者との自然な会話を促し、施設、ニュース、研究、および今後のイベントに関するさまざまな情報を提供しています。人間の顔に非常に似た3Dマスクを持ち、そのマスクにアニメーションされた表情を投影するためにマイクロプロジェクタを使用しているヒューマノイドロボットバストのFurhatロボット。ロボットは、頭部を動かしてうなずくことができるように監視されたプラットフォームに取り付けられており、リアルな相互作用を向上させています。コミュニケーションを容易にするために、Furhatはマイクロフォンアレイとスピーカーを備えており、人間の話し言葉を認識して応答することができます。システムは、シームレスなアプリケーションのために設計されています。対話管理には、NLU、DM、およびカスタムデータベースの3つの主要なコンポーネントが関与しています。NLUは、着信テキストを分析し、意図を分類し、信頼性を評価します。DMは、会話の流れを維持し、LLMsにプロンプトを送信し、応答を処理します。カスタムデータベースは、Nation Robotariumのウェブサイトをウェブスクレイピングして作成され、ユーザーの意図に関連するデータを提供します。プロンプトエンジニアリングは、LLMから自然な応答を生成するために、フューショットラーニングとプロンプトラーニングのテクニックを組み合わせています。ジェスチャーパーシングは、Furhat SDKの顔の動作とLLMのテキストからの感情認識を活用し、話し言葉と顔の表情を同期させることで、没入型のインタラクションを作り出しています。テキストから音声への変換にはAmazon Pollyが使用されており、FurhatOSで利用できます。将来、研究者たちはその能力を拡張する準備を進めています。彼らは、受付ロボットの分野での活発な研究領域である多人数の相互作用を可能にすることを目指しています。さらに、言語モデルの幻覚による問題に取り組むために、言語モデルの微調整や直接的な会話生成といった戦略を探求する予定です。研究者にとっての重要なマイルストーンは、SigdialカンファレンスでのFurChatのデモンストレーションです。これは、システムの能力をより広範な同僚や専門家の視聴者に示すプラットフォームとなります。

Amazon SageMakerで@remoteデコレータを使用してFalcon 7Bやその他のLLMを微調整する

今日、生成型AIモデルはテキスト要約、Q&A、画像やビデオの生成など、さまざまなタスクをカバーしています出力の品質を向上させるために、n-短期学習、プロンプトエンジニアリング、検索補完生成（RAG）およびファインチューニングなどの手法が使用されていますファインチューニングにより、これらの生成型AIモデルを調整して、ドメイン固有の改善されたパフォーマンスを達成することができます

Distributed Tracing Best Practices’の日本語訳は以下の通りです：分散トレーシングのベストプラクティス

分散トレーシングは現代の観測スタックでの定番となっていますマイクロサービスへの移行に伴い、私たちはサービス同士の相互作用を観測する新しい方法が必要でした

「Hugging Faceを使用してAmazon SageMakerでのメール分類により、クライアントの成功管理を加速する」

この記事では、SageMakerがScalableのデータサイエンスチームが効率的にデータサイエンスプロジェクトのライフサイクルを管理するのをどのようにサポートしているか、具体的にはメール分類プロジェクトについて共有しますライフサイクルは、SageMaker Studioによるデータ分析と探索の初期フェーズで始まり、SageMakerトレーニング、推論、およびHugging Face DLCを使用したモデルの実験と展開に移行し、他のAWSサービスと統合されたSageMakerパイプラインによるトレーニングパイプラインで完了します

言語の壁を乗り越えるシームレスなサポートのためにAmazon Translateでアプリケーションログを翻訳する

この投稿では、アプリケーションログが英語以外の言語で表示される場合に、開発者やサポートチームがデバッグやサポートを行う際に直面する課題について取り上げます提案される解決策は、CloudWatchの非英語ログを自動的にAmazon Translateを使用して翻訳し、解決策を環境に展開するためのステップバイステップのガイダンスを提供します

「量子ブースト：cuQuantumとPennyLaneによるスーパーコンピュータ上でのシミュレーション」

ロングアイランドの大西洋岸から10マイル離れた場所で、Shinjae Yooさんはエンジンを回転させています。彼はアメリカエネルギー省のブルックヘブン国立研究所で計算科学者および機械学習グループのリーダーとして働いており、新しいソフトウェアのおかげで初めてスーパーコンピュータ上で量子コンピューティングシミュレーションを実行する準備をしています。 Yooさんのエンジン、National Energy Research Scientific Computing Center（NERSC）のPerlmutterスーパーコンピュータは、トロントを拠点とするXanaduの量子プログラミングフレームワークであるPennyLaneの最新バージョンを使用しています。このオープンソースソフトウェアは、NVIDIAのcuQuantumソフトウェア開発キットを基にしており、高性能クラスターのNVIDIA GPU上でシミュレーションを実行することができます。性能は重要です。なぜなら、Yooさんのような研究者は海洋サイズのデータセットを処理する必要があるからです。彼はPerlmutterの256台のNVIDIA A100 Tensor Core GPU上でプログラムを実行し、約3ダースのキュビット（量子コンピュータが使用するパワフルな計算機）をシミュレートします。それは現在のほとんどの研究者がモデル化できるキュビットの数の約2倍です。パワフルで使いやすい NVIDIAのcuQuantum SDKと併用されるPennyLaneのマルチノードバージョンは、量子システムの大規模なシミュレーションを高速化する複雑な作業を簡略化します。「これにより、私のインターンたちでも最大規模のシミュレーションを実行できるようになるため、とても興奮しています」とYooさんは言います。彼のチームはPennyLaneを使用した6つのプロジェクトを進行中です。ブルックヘブンのShinjae YooさんがPerlmutterスーパーコンピュータ上で彼の量子ワークを拡大する準備をしています。彼の研究は高エネルギー物理学と機械学習の進歩を目指しています。他の研究者は、量子シミュレーションを使用して化学や材料科学を新たなレベルに引き上げています。量子コンピューティングは企業の研究開発センターでも進行中です。…

「コンプライアンス自動化標準ソリューション（COMPASS）, パート1 パーソナと役割」

「これは私たちのシリーズの最初の部分であり、組織やクラウドプロバイダが連続的なコンプライアンスを達成しようとする際に直面する課題を説明しています」

TIIのFalcon 180B基本モデルは、Amazon SageMaker JumpStartを通じて利用可能です

今日は、テクノロジーイノベーション研究所（TII）が開発したFalcon 180B基礎モデルが、お客様がAmazon SageMaker JumpStartを通じて利用できることをお知らせいたしますこのモデルは、推論実行のためのワンクリック展開が可能ですFalcon 180Bは、1800億パラメータのサイズであり、3.5兆トークンの巨大なデータセットでトレーニングされていますFalcon 180Bは、公開された重みを持つ最大かつ最もパフォーマンスの高いモデルの一つですSageMaker JumpStartを使用して、このモデルをお試しいただけますSageMaker JumpStartは、アルゴリズム、モデル、および機械学習（ML）ソリューションへのアクセスを提供するMLハブであり、迅速にMLを始めることができますこの記事では、SageMaker JumpStartを介してFalcon 180Bモデルを発見して展開する方法について説明します

「Amazon SageMaker Pipelinesを使用した機械学習ワークフローの構築のためのベストプラクティスとデザインパターン」

この投稿では、SageMakerパイプラインの価値を最大化し、開発体験をシームレスにするためのベストプラクティスをいくつか紹介しますまた、SageMakerパイプラインを構築する際の一般的なデザインシナリオとパターンについても説明し、それらに対処するための例も提供します

Learn more about Search Results SDK - Page 12