Search Results A

AIと機械学習のためのReactJS：強力な組み合わせ

このブログ記事では、ReactJSとAI/MLが組み合わされることで、パワフルでインタラクティブなウェブアプリケーションを構築する方法について探っていきます

「Microsoft AIが意図せずに秘密の情報を公開し、3年間にわたって38TBの機密データへのアクセス権を提供しました」

「過剰供給されたSASトークンが、約3年間にわたってGitHub上で38TBもの大量の個人データを公開していた物語」

人工知能（AI）のイノベーションのペースは驚くべきものです。AIは現在、ロボティクス、IoT、ビッグデータなどの技術の推進力となっており、ChatGPTなどの生成型AIツールも広範な注目を集めています。AIによって、コンピューターは膨大なデータからスマートな意思決定と発見をすることができ、将来的にさらなるイノベーションの道を拓くことができるでしょう。しかし、このAIの台頭は一部の人々の懸念を引き起こしました。彼らはAIが仕事を奪い、将来的には人間と独立して運営される可能性を恐れています。本記事では、なぜ人々がAIを恐れ、その恐怖や誤解をどのように扱い、軽減することができるのかを探っています。 AIはどのように人間の生活を改善できるのか？医療医療業界は既にAIによる変革を体験しています。AIはデータ分析能力を活用して、より速く正確に病気を検出することができます。たとえば、がんの兆候を治療が容易な段階で発見することができます。また、薬剤の開発プロセスを効率化し、患者の状態をチェックする仮想看護師のような役割も果たすことができます。交通自動運転車がより普及するにつれて、交通業界は革命を起こすことになります。これらの車はAIを活用して安全かつ効率的に運転し、事故を減らし、旅行を容易にします。さらに、AIはナビゲーションを補助し、質問に答え、運転をより便利で楽しいものにするためのスマートボイスアシスタントなど、他の役割でも活躍しています。さらに、AIは車の設計にも創造的に活用されています。車を効率的で快適で環境に優しいものにするための新しいアイデアを開発することができます。教育 AIは、さまざまな年齢の人々のために教育を変革する力を持っています。機械学習や人間の言語理解、顔認識などのスマートテクノロジーを活用して学習を改善することができます。たとえば、AIは通常の教科書をデジタル化し、画面から学びやすくすることができます。また、AIはプラギアリズムを発見するのにも役立ち、公平な学習を保証します。さらに、AIは生徒が授業を難しいと感じるか簡単すぎると感じるかを感情を見ることで判断し、学習をより適応的に調整することもできます。これらの分野に加えて、AIはさまざまな他の産業を変革する潜在能力を持っています。現在は、チャットボットや仮想アシスタントによる顧客サービスの向上に貢献しています。また、AIはスマートホームにおいても、サーモスタットや照明などのデバイスを制御し、暮らしをよりスマートにしています。AIの可能性は広大で、さらに拡大し続けています。その有用性にもかかわらず、AIに対する懸念は増え続けています。では、人々がAIを恐れる理由について考えましょう。「AIの潜在能力を認識し、それを日常業務に取り入れる方法を積極的に探し求める先見の明るい企業は、成功に向けた位置づけをしています。AI対人間の問題ではありません。AIは人間の能力を補完し、これまで以上の成果をあげるために人間と協力する存在です。私たちの共同責任は、チームを教育し、この技術を活用して個々の効率と生産性を向上させるだけでなく、産業全体の向上のためにその未来を展望することです。共に、無類の進歩とイノベーションをもたらす機会を持っています。」−Pixisの共同創設者兼グローバルCEO Shubham A. Mishra−である。なぜ人々はAIを恐れているのか？ 2023年3月、イーロン・マスクを含む1000人以上のAIの専門家が、リスクを適切に理解するために数か月間大規模なAIシステムの開発を一時停止するよう求める公開書簡を発表しました。この恐怖の背後にある主な理由の1つは、専門家たちが近い将来、AIが人間から独立して作業できるようになる可能性があると信じていることです。AIシステムが進化する速度を考慮すると、かつてSFの可能性とされていたシナリオが時間の問題とされています。専門家たちはまた、AIが人間の自律性を脅かすだろうと予測しており、パターン認識、分析、複雑な意思決定などのタスクにおいて、コンピューターが人間の知能を追い越すか、さらに上回る可能性があると考えています。人工知能は、知識があるだけでなく、私たちの情報をプライベートに保つという人間の関心事も尊重するようになって欲しいと思っています。間違ったやり方で行えば、それはかなり危険です。大量のデータを持つことは、迷惑メールの停止や好みのものを提案するなど、善意のことをするのに役立つことがあります。しかし、時にはプライバシーや公正な扱いにも影響を与えることがあります。仕事の喪失の恐怖は、人々がAIに不安を感じる別の理由です。数ヶ月前、BTは2030年までに最大55,000人の仕事を削減することを決定し、AIに進出しています。AIは教育にも影響を及ぼしており、ChatGPTのようなツールを使用して学生のエッセイを素早く書くことができ、GPT-4は米国の司法試験で好成績を収めました。ただし、人工汎用知能（AGI）について話すと、リスクはさらに深刻であり、命にも関わる可能性さえあります。 AIの課題とリスクをどのように克服するか？政府は、テック企業がAIを訓練するために使用できる計算能力とデータの量を制限することができます。 AIがアクセスできる知識を制限することもできます。例えば、バイオテクノロジー、核兵器、個人情報などの情報を隠すことができます。…

大規模な言語モデルは本当に行動し思考できるのか？イリノイ大学アーバナ・シャンペーン校の研究者が意思決定の向上のためにLATSを導入

LLMは、推論や意思決定のタスクにおいて価値のある存在となっています。複雑な問題を連続したステップに分解することで優れたパフォーマンスを発揮しますが、自己整合性や多段階分解といった方法を用いることで更なる改善が可能です。LLMはまた、さまざまなドメインにおける意思決定にも有効ですが、動的な環境への適応には苦労することがよくあります。Monte Carlo tree search (MCTS)などの木構造ベースの探索手法を活用することで、LATSはLLMの能力を探索し代替案を展開し、別個の価値関数のトレーニングの必要性を排除します。推論と意思決定能力を持つ自律エージェントは、AIの重要な焦点です。従来の強化学習が主流でしたが、LLMはその代替手段となります。LLMは、自然言語処理や複雑な環境を含む推論や適応性のタスクで優れた成績を収めています。ただし、彼らの能力を向上させるためのプロンプト技術では、思慮深い意思決定が不足していることがよくあります。イリノイ大学の研究者たちは、LATSというフレームワークを紹介し、意思決定、計画、推論のためのLLMの能力を結集させました。LATSは、LLMをエージェント、価値関数、最適化器として再定義します。MCTSを活用して異なる意思決定パスを探索し、外部のフィードバックを統合して適応型の問題解決を行います。実験的評価では、GPT-4やGPT-3.5などのLLMを用い、プログラミングやWeb閲覧など多様なドメインで高得点を獲得しました。 LATSは、プログラミング、HotPotQA、WebShopなどの異なるドメインをカバーした広範な実験的評価を通じて、その多目的性と効果を示しています。GPT-4を用いたプログラミングにおいては、驚異的な94.4%の成功率を達成しました。WebShopでのWeb閲覧では、GPT-3.5を用いて平均スコア75.9を達成し、その多様な応用可能性を示しました。彼らの結果は、LLMを活用した自律的な意思決定を強化するための有望なフレームワークであるLATSを示しています。利用可能な情報源は、フレームワークの効果を紹介し評価することに重点を置いており、潜在的な欠点についての詳細な情報が必要です。まとめると、本研究では、意思決定を向上させるためにLLMの様々な側面を統合したLATSというフレームワークを紹介しました。LATSは、探索アルゴリズム、外部のフィードバック、経験的な学習を組み込むことで、以前の制約を克服しています。多様なドメインでの実験的評価は、LATSの効果を示し、追加のトレーニングなしでの自律的な意思決定のためのその多用途性を強調しています。LATS内で提案されたシナジーは、汎用性のあるエージェントの開発を推進するための約束を持っています。しかし、LATSフレームワークの自律的な推論と意思決定への応用における制約と改善の余地については、さらなる研究と分析が必要です。

記述的な質問に対する戦略的なデータ分析’ (Kijutsu-teki na shitsumon ni tai suru senryakuteki na data bunseki)

ディスクリプティブな質問のための戦略的データ分析（パート2）←ここにいます診断的な質問のための戦略的データ分析（パート3）←まもなく！戦略的データ...

プリンストン大学とメタAIの研究者たちは、長い文脈を要約ノードの木に最初に処理する新しい方法、MemWalkerを導入しました

自己注意力を持つTransformerアーキテクチャと、モデルサイズと事前学習データの増加により、大規模言語モデル（LLM）において重要な進展が見られました。LLMの容量が向上するにつれ、ユーザーは推論中により長い入力シーケンスをより頻繁に使用したいと考えるようになりました。その結果、法的な研究や科学的な研究などの長いテキストの分析、および長い会話の管理を容易にするサービスの需要が増加しています。これらのタスクでは、巨大な情報量の消費に関連する長いコンテキスト処理時間が非常に有用です。進展にもかかわらず、自己注意機構の制約は、シーケンスの長さが増すと追跡する必要のあるメモリ量も増すことでより顕著になります。この問題に対処するために、よりコンパクトかつ効果的な注意メカニズムの開発、外挿または補間された位置埋め込みを使用した微調整、次のテキストセグメントに情報を引き継ぐための再帰を使用すること、適切な箇所を取得することなど、いくつかの方法が使用されてきました。しかし、これらの方法には依然として固有の制約があります。スライダーをどこまでもドラッグしても、コンテキストウィンドウのサイズは変わらず、すべての箇所が同じ重みを持つわけではありません。再帰は無制限の長さのシーケンスに対応できますが、しばしば前の部分の詳細を忘れてしまいます。従来の方法とは異なり、プリンストン大学とMeta AIの研究者は、有限なコンテキストウィンドウを持つモデルを対話的なエージェントとしてアプローチする、完全に新しい方法を開発しました。この目標を達成するために、彼らはMEMWALKERと呼ばれる、長いテキストを反復的なLLMベースの方法でモデルに導く手法を提案しています。 MEMWALKERは次の2つのステップで構成されるプロセスです：メモリツリーの構築ツリーを使用して進路を案内する長大な文書は、LLMが処理できるように、最初のフェーズで処理しやすいセグメントに分割されます。LLMはそれぞれのセグメントからの情報を統合された要約ノードに圧縮します。これらの要約ノードからツリー構造が構築され、さらに上位の要約ノードにまとめられます。ユーザーの問い合わせを処理する際、LLMはツリーの始点に戻ります。LLMは各ツリーブランチを見て、テキストを分析して質問に答えるパスを見つけます。これにより、MEMWALKERはユーザーの微調整を必要とせずに、ネイティブ言語で長いテキストの重要な部分を迅速に処理することができます。 MEMWALKERの分析では、チームは3つの異なるタイプの拡張コンテキストの質問に回答する際に、再帰、検索、およびバニラLLMベースラインよりも優れた性能を発揮することがわかりました。8,000〜16,000のトークンを処理できる他のオープンな長いコンテキストのシステムはMEMWALKERのパフォーマンスには及びませんでした。 MEMWALKERの性能を評価し、ナビゲーションの決定に関する推論、トラバース中のワーキングメモリの使用、およびナビゲーション初期段階での誤りの修正などを示しています。チームはまた、MEMWALKERの3つの主な欠点について議論しました：シーケンスが長くなると、メモリツリーの生成が非常にスケーラブルでない可能性があります。研究結果は、LLMが大規模（70億以上）であり、MEMWALKERが効果的に機能するために指示に合わせて調整される必要があることを示しています。 MEMWALKERの対話的な読み取り能力は、ゼロショットのプロンプティングに限定されており、任意の方法で微調整を使用していません。それにもかかわらず、チームはMEMWALKERが将来の興味深い研究の道を開拓すると信じており、ツリー以外のデータ構造への使用拡大や、対話的な読み取りタスクのパフォーマンスの最適化など、さまざまな研究に展開する可能性があると考えています。

QA-LoRA：GPUで量子化された大規模言語モデルを微調整する

最新鋭の大規模言語モデル（LLM）は、数十億のパラメータで事前トレーニングされます事前トレーニングされたLLMは多くのタスクをこなせますが、ファイントゥーンが行われるとより優れた性能を発揮しますLoRAのおかげで…

「AIと自動化ソフトウェアがビール業界を変える7つの方法」

AIと自動化は、あらゆる業界で状況を変えており、ビール製造業者は特にこのテクノロジーに基づいた革新的なソフトウェアツールによって恩恵を受けています以下に、現代のソリューションがどのように助けになるかのいくつかの例をご紹介します画像の出典 Pexels 在庫管理の効率化ビール業界が効率改善に向けて進展している際に考慮すべきことは、以下の7つの方法によってAIと自動化ソフトウェアがビール業界を変えていることです詳しくはこちらをご覧ください

Tech

「スカイラインから街並みまで： SHoP Architectsが革新的なデザインを具体化する方法」

ニューヨーク市に拠点を置く建築会社、SHoP Architectsでは、機能する新興技術を取り入れることで業界のプロフェッショナルが視覚的な傑作を創造することを目指しています。 SHoPのビジュアライゼーションディレクターであるFanさんは、建築ビジュアライゼーションとデザインの分野に広範な専門知識を持っています。彼女は都市のスカイラインやストリートシーンにおいて、確定的で画期的で持続性のあるアプローチを取ります。 Fanさんと彼女のチームは、静止画からリアルタイムの歩行シミュレーションまで、様々な建築ビジュアライゼーションプロジェクトに取り組んでいます。彼らはAdobe Photoshop、Autodesk 3ds Max、Autodesk Revit、Epic GamesのUnreal Engineなど、プロジェクトの進行に合わせて複数の創造的なアプリケーションを使用します。SHoPはプロジェクトの開始時に建築家と直接協力し、設計プロセス中の迅速な意思決定を助けるための画像やアニメーションを提供します。チームは常に新たな技術を統合し、未開拓のイノベーションの機会を追求し、研究開発を推進しています。Fanさんはリアルタイムと伝統的なレンダリング、拡張現実とAIを自身の創造的なワークフローに取り入れることが多いです。デザインを結集させる詳細なディテールを捉えるために、SHoPはNVIDIA RTX A5500を利用しています。Fanさんはまた、NVIDIA RTXアンバサダープログラムの一員でもあり、RTX技術を使用して多様な業界のプロフェッショナルの業務をより大きくするためにデザイナーやクリエイターとのつながりを生み出しています。最新のRTXの能力を備えているFanさんは、リアルタイムのビジュアライゼーションやAI、デジタルツインアプリケーションの領域での限界突破を続けたいと考えています。全ての画像はSHoP Architectsの提供です。創造的な体験の再定義 3Dモデルは真実の唯一の源として重要な役割を果たしており、そのためにSHoPのデザイナーは創造性や生産性の低下を心配せずに詳細なモデルやビジュアライゼーションを作成するための高度な技術が必要です。以前、チームはCPUベースの製品を使用しており、そのために担当できる仕事や研究開発の範囲が限られていました。しかし、RTXを使用することでデザイナーは複雑なデザインを作成し、他の人との連携を継続しながらコミュニケーションできるようになりました。 RTX A5500を利用することにより、Fanさんは効率と高品質なレンダリングを優先することができ、コンピューティングパワーの制約を気にする必要がありません。「NVIDIAのプロフェッショナルなRTX GPUは現在、グラフィックスカードソリューションの業界標準として知られています」とFanさんは述べています。「RTXは、ハードウェアの制約を心配することなく上述のすべての作業を行うために私たちにパフォーマンスとパワーを提供してくれます。」…

「AIオバマ」とフェイクニュースキャスター：AIオーディオがTikTokを席巻する方式

TikTokアカウントは、A.I.によって生成された声の助けを借りて誤情報を拡散しています

Learn more about Search Results A - Page 157