Search Results ランキング

AIの力なぜウェブ開発者はまだ絶対的な存在なのか

AIは今日の流行語です多くのソフトウェア会社が開発中にそれを使用していますが、みんな同じことを言っていますAIは開発者を代替することはできませんなぜなら、見てみましょう

「LinkedInプロフィールでコールバック率を向上させる」

「履歴書に包括的なLinkedInプロフィールを含める候補者は、面接を受ける確率が71％高いことが証明されています」

Career Advice

Google Researchにおける責任あるAI：パーセプションの公平性

Google ResearchのPerception Fairnessチームの共同リーダーであるSusanna RiccoとUtsav Prabhuが投稿しました。 Googleの責任あるAI研究は、異なるバックグラウンドと専門知識を持つチーム間、研究者と製品開発者間、そして最終的には広範なコミュニティとの協力の基盤の上に築かれています。パーセプションフェアネスチームは、コンピュータビジョンと機械学習（ML）のフェアネスに関する深い専門知識と、Googleをはじめとする製品にパワーを与える知覚システムを構築する研究者との直接的なつながりを組み合わせることで進歩を推進しています。私たちはGoogleのAI原則に基づいて、システムを包括的に設計するために協力して取り組んでいます。パーセプションフェアネス研究は、Googleの製品をパワーにする最新の基盤と生成モデルを含む高度なマルチモーダルモデルの設計、開発、展開にわたります。私たちのチームのミッションは、特に基盤モデルと生成AIに関連するマルチモーダルMLシステムにおける公平性と包括性のフロンティアを推進することです。これには、分類、ローカリゼーション、キャプション付け、検索、ビジュアルな質問応答、テキストから画像またはビデオの生成、生成画像とビデオの編集などの中核技術コンポーネントが含まれます。私たちは、これらのアプリケーションにおいて公平性と包括性を最優先のパフォーマンス目標とすることができると信じています。私たちの研究は、開発サイクル全体でこれらの目標を積極的に設計するための新しい分析と緩和策を開放することに焦点を当てています。私たちは、次のような核心の問いに答えます：MLをどのように使用して、人種、文化、社会的アイデンティティの人々の知覚を責任を持ってモデル化し、公平性と包括性を促進することができるのか？どのようなシステムのバイアス（例：特定の肌の色の人物の画像でのパフォーマンスの低下）を計測することができ、これらの指標を使用してより良いアルゴリズムを設計することができるのか？より包括的なアルゴリズムとシステムを構築し、障害が発生した場合に迅速に対応するにはどうすればよいのか？メディアにおける人々の表現の測定画像やビデオを編集、キュレーション、または作成することができるMLシステムは、世界中の視聴者の信念を形成または強化することができます。これには、ステレオタイプの強化、人々のグループの傷つけや消去などの表現上の害を減らすための研究は、コンテンツと社会的な文脈の両方を深く理解することにかかっています。これは、異なる観察者が自分自身や自分のコミュニティをどのように捉え、他者がどのように表現されているかにかかっています。責任を持って行われるべき社会的カテゴリの研究とその方法については、この分野で大いに議論があります。私たちの研究は、社会学と社会心理学に基づき、人間の知覚に合致し、問題の主観性を受け入れ、微妙な測定と緩和を可能にするスケーラブルなソリューションに向けて取り組んでいます。例として、私たちはMonk Skin Toneスケールを使用した画像の肌のトーンの人間の知覚と注釈の違いに関する研究を行っています。私たちのツールは、大規模なコンテンツコレクションにおける表現を研究するためにも使用されています。Media Understanding for Social Exploration（MUSE）プロジェクトを通じて、私たちは学術研究者、非営利団体、主要な消費者ブランドと提携して、主流メディアや広告コンテンツのパターンを理解しています。この研究は、2017年に最初に発表され、ハリウッド映画のジェンダー平等を分析した共著研究で始まりました。それ以来、私たちは分析のスケールと深さを増してきました。2019年には、270万本以上のYouTube広告に基づく調査結果を公開しました。最新の研究では、12年以上にわたる人気のある米国のテレビ番組における知覚される性別プレゼンテーション、知覚される年齢、肌のトーンの交差点での表現を調査しています。これらの研究は、コンテンツクリエーターや広告主に洞察を提供し、私たち自身の研究をさらに進めています。メディアコレクションにおける表現パターンを明らかにするためにスケールで分析できるコンピュータシグナルのイラスト（実際のデータではありません）。[ビデオコレクション/ゲッティイメージズ] 進んでいくにつれて、私たちはMLの公平性に焦点を当てる概念と、それが責任を持って適用される領域を拡大しています。人々の写真の写実的なイメージを超えて、私たちはイラストや抽象的な人型のキャラクターの表現をモデル化するツールの開発に取り組んでいます。さらに、人間の姿が全くない画像さえも含めて、コミュニティや文化の表現をモデル化するツールを開発しています。最後に、描かれているのは誰だけでなく、それらがどのように描かれているかについても考える必要があります。周囲の画像コンテンツ、関連するテキスト、そして広範な文化的文脈を通じて伝えられる物語は何かを推論する必要があります。知覚システムのバイアス特性の分析高度なMLシステムの構築は複雑であり、製品の動作を決定するさまざまな利害関係者が情報を提供しています。全体的な品質は、ユーザーエクスペリエンスのプロキシとしてテストデータセット上の要約統計（全体的な正確度など）を使用してこれまでに定義され、測定されてきました。しかし、すべてのユーザーが同じ方法で製品を経験するわけではありません。知覚の公平性は、要約統計を超えた微妙なシステムの振る舞いの実測を可能にし、これらの指標をシステムの品質に直接関連付けて製品の動作とローンチの意思決定に重要な役割を果たします。これは思っているよりもはるかに難しいことです。複雑なバイアスの問題（例：交差するサブグループ間のパフォーマンスの不均衡やステレオタイプの強化のインスタンス）を重要なニュアンスを失うことなく、わずかな数の指標に凝縮することは非常に困難です。また、公平性の指標と他の製品の指標（ユーザー満足度、正確性、レイテンシなど）の相互作用のバランスを取ることも課題です。これらはしばしば相反するとされながらも互換性があるとされるものです。広範なユーザーの満足度は、公平性と包含の目標を達成することに一致しているにもかかわらず、研究者が自分の仕事を「正確性と公平性のトレードオフの最適化」と表現するのは一般的です。私たちは、Open Imagesの一部としてMIAPデータセットを構築し、複雑なシステムの社会的に関連する概念の知覚とバイアスの検出の研究を活用して、コンピュータビジョンにおけるMLの公平性研究を推進するリソースを作成しました。オリジナルの写真クレジット…

「Rを使った南アメリカのマッピング：ジオビジュアライゼーションの詳細解説」

「あなたは、子供の頃から地図と地理を楽しんでいたデータサイエンティストで、アマチュアのVoAGI作家ですねグラフを使った次の仕事のための良いテーマを探していますね、そして、最も…」

『協力の力：オープンソースプロジェクトがAIを進化させる方法』

この記事では、オープンソースプロジェクトが革新的なAIソリューションの創造に与える深い影響について探求します

Artificial Intelligence

「生成AIの組織化：データサイエンスチームから得た5つの教訓」

「経営陣が曖昧な約束をした後、新しいGen AIの機能が組織全体に組み込まれることを利害関係者に約束した後、あなたのタイガーチームはMVPを作成するためにスプリントしました」

「全てのOECDおよびG20加盟国において、インドがAIスキルと人材で1位にランクされました」

技術の絶え間ない進化の中で、一つのスキルが輝く存在となりました。それが人工知能（AI）です。インドはその膨大な技術労働力を活かし、AIスキル競争のリードを取っています。この国のテックに精通した専門家たちはAIを受け入れ、自身のキャリアを再構築し、産業全体にイノベーションをもたらしています。ソフトウェアとサービス業協会（Nasscom）の報告書によると、インドはAI領域でのリーダーシップを発揮しています。この国は、すべてのOECDとG20の国の中でAIスキルの普及率とAI人材の集中度でトップのランキングを獲得しています。この記事では、インドがどのようにAIの領域でこの高みを達成し、その仕事の景観について語っています。また読む：サム・オルトマン氏とナレンドラ・モディ首相の重要な会談：インドのAIの未来を描くインドのAIリーダーシップ：ランキングと認識 Nasscomの報告書は、AIの統合への取り組みを示しています。さらに、インドはAI科学論文の世界ランキングで5位を獲得し、AI研究への貢献を強調しています。インドはG20とOECD諸国の中でAIスキル浸透率が最も高く、3.09という指標を示しています。これは、他の国々と比べて、インドのテック人材がAIスキルを持っている可能性が3倍高いことを示しています。大きな上昇：インドのAIスキルのブーム AIが主流になるという話題がスキルの向上の波を引き起こしました。LinkedInプラットフォームでは、2016年1月以来、インド人が自分のプロフィールにAIスキルを追加する数が驚異的に14倍増加しました。この急増は、職業の場でAIの重要性が増していることを強調しています。インドはテックのパワーハウスであり、47万人のテックに精通した労働力を持っています。それにもかかわらず、その大規模なテック人材プールにもかかわらず、インドはAIの専門家の不足という問題に直面しています。AIスキルの需要が急増しており、それはAIがさまざまなセクターで変革の力を持っていることを示しています。また読む：G20向けのAIベースのポータルを提案するインド：中小企業にとってのゲームチェンジャー需要と供給のジレンマ：インドのAI人材の探求インドはAIとデータサイエンスに従事している専門家416,000人を誇っていますが、今後数年間で213,000人の専門家のギャップが広がると予想されています。世界経済フォーラムによると、インドの雇用の景色が22%変化するという予測は、新興のAIの役割の重要性を一層強調しています。企業はAIの専門家を確保するためにあらゆる手段を講じています。生成的なAIの役割に対する求人は1年間で50%増加し、これらのポジションへの求職は驚異的な12,300%増加しました。AIの人材需要は否応なく存在し、企業はこれらの専門家を引き付け、確保するために相当な報酬を提供する意思があります。また読む：AWSとAccelが「ML Elevate 2023」を立ち上げ、インドのAIスタートアップエコシステムを力強くサポートギャップを埋める：インドのAIの進化 2022年8月時点で、インドのデータサイエンスとAIの専門家の需要は629,000人であり、人材基盤は416,000人に達しました。この大規模な人材プールにもかかわらず、国内には51%の需要と供給のギャップがあります。このギャップは、アメリカなどの主要な経済国と比べてはるかに低いですが、それでも重要です。インドのAIの雇用の景色は、MLエンジニア、データエンジニア、データサイエンティスト、データアーキテクト、DevOpsエンジニアという5つの主要な役割で占められています。これらの役割は、全国のAIの求人の73%を占めています。インドは160万人以上のデジタル人材プールを持ち、グローバルな人材ハブとして台頭しています。また読む：インドと海外でのAIエンジニアの給与[2023年版] 地域の違い：インド全国のAIの給与インドのシリコンバレーとも呼ばれるバンガロールは、機械学習（ML）の専門家の給与が最も高いです。一方、チェンナイの平均ML給与は全国平均の5%を下回っています。この違いは、AIの報酬における地域のニュアンスを示しています。さまざまなAIの役割には異なる報酬パッケージが付いています。機械学習エンジニア、データアナリスト、AI研究者は需要が高く、印象的な給与を得ています。コンピュータビジョンエンジニア、AIプロダクトマネージャー、AIコンサルタントも需要と報酬が増加しています。国境を越えて：AIの専門家のグローバルな機会インドの国境を超えて、AIの専門家は世界的に高い給与を受け取っています。NetflixのAIに特化したプロダクトマネージャーなどの役職は、6桁を超える報酬を提供しており、AIの専門知識への世界的な需要を示しています。Amazon、Google、ゴールドマン・サックスなどのテックジャイアントは、AIとMLの専門家に大きな投資をする意欲があります。また読む:…

「より良い機械学習システムの構築 – 第3章：モデリング楽しみが始まります」

こんにちは、お帰りなさいまたここでお会いできてうれしいですあなたがもっと良いプロフェッショナルになりたいという意欲、より良い仕事をしたいという願望、そしてより良いMLシステムを構築したいということを本当に感謝していますあなたは素晴らしいです、これからも頑張ってください！このシリーズでは、私は...

「作曲家はいつ最も成功するのか？」

「シンガーソングライターは、どの年齢で最も成功するのか？先日、古いスティービー・ワンダーの曲を聴いた時に、私はこれについて考えました私の印象では、数学者のように、シンガーソングライターは彼らの...」

セーフコーダーを紹介します

今日は、エンタープライズ向けのコードアシスタントソリューションであるSafeCoderの発表をお知らせいたします。 SafeCoderの目標は、エンタープライズ向けに完全に準拠し、自己ホスト型のペアプログラマーを提供することで、ソフトウェア開発の生産性を向上させることです。マーケティングの言葉で言えば、「独自のオンプレミスGitHub Copilot」です。さらに詳しく見ていく前に、以下のことを知っておく必要があります: SafeCoderはモデルではなく、完全なエンドツーエンドの商用ソリューションです SafeCoderはセキュリティとプライバシーを中心に設計されており、トレーニングや推論中にコードがVPCから出ることはありません SafeCoderは、顧客が独自のインフラストラクチャ上で自己ホストすることを前提としています SafeCoderは、顧客が独自のCode Large Language Modelを所有することを目指して設計されています SafeCoderの利点は何ですか？ GitHub CopilotなどのLLMを活用したコードアシスタントソリューションは、生産性の向上に大きく貢献しています。エンタープライズでは、企業のコードベースに合わせてCode LLMを調整し、独自のCode LLMを作成することで、補完の信頼性と関連性を向上させ、さらなる生産性の向上を実現できます。例えば、Googleの内部LLMコードアシスタントは、内部のコードベースをトレーニングデータとして学習することで、25-34%の補完受け入れ率を報告しています。しかし、クローズドソースのCode LLMを利用して内部のコードアシスタントを作成することは、コンプライアンスとセキュリティの問題につながります。トレーニング中には、クローズドソースのCode LLMを内部のコードベースに微調整するために、このコードベースを第三者に公開する必要があります。そして、推論中には、微調整されたCode LLMがトレーニングデータセットからコードを「漏洩」させる可能性があります。コンプライアンス要件を満たすためには、企業は自社のインフラストラクチャ内で微調整されたCode LLMを展開する必要がありますが、クローズドソースのLLMではそれは不可能です。 Hugging Faceでは、SafeCoderによって顧客が独自のCode LLMを構築できるようになります。最新のオープンソースモデルとライブラリを使用して、独自のコードベースに微調整されたCode…

Learn more about Search Results ランキング - Page 14