Search Results 21

元アップル社員が生成型AIをデスクトップにもたらす方法

常に進化するテックのランドスケープの中で、元Appleの従業員であるコンラッド・クレイマー、キム・ベベレット、アリ・ウェインスタインの3人は、デスクトップにおける生産性を再定義する使命に取り組んでいます。彼らのスタートアップ、ソフトウェアアプリケーションズ社は、生成的AIの力を利用して、ワークフローのショートカットを作り出し、世界中のユーザーのタスクを効率化することを約束しています。ビジョナリースタートアップの誕生ソフトウェアアプリケーションズ社は、単なる他のテックスタートアップではありません。それは、デスクトップコンピューティングの未来を見て、それを実現しようと決意した元Appleの三人のビジョナリーの作品です。彼らの目標はシンプルでありながら野心的です：生成的AIを日常的なデスクトップアプリケーションに統合し、エンドユーザーにとって複雑なタスクを簡単にすることです。この三人はすでにOpenAIのAltman、FigmaのCEOであるディラン・フィールド、シリコンバレーの他の著名な人々から650万ドルの資金を調達しています。新たなフロンティア生成的AIはこのスタートアップの革新の基盤です。具体的なプログラミングが行われていない場合にも、生成的AIはデータから学び、作られていないコンテンツを作り出すことができます。つまり、このような技術の潜在的な応用範囲は広範であり、平凡なタスクの自動化から簡単なコマンドで複雑なレポートを生成することまで可能です。詳細はこちらをご覧ください：生成的AIとは何か、そしてそれはどのように機能するのかワークフローショートカット：ゲームチェンジャーこのスタートアップの看板製品は、ワークフローショートカットに重点を置いています。これは通常のキーボードショートカットとは異なり、インテリジェントで文脈を理解し、適応するものです。ユーザーの利用習慣と好みを理解することで、これらのショートカットはニーズを予測し、単一のコマンドで複数のステップを実行することができます。これにより、貴重な時間を節約し、ユーザーの認知負荷を減らすことができます。私たちのコメントソフトウェアアプリケーションズ社によるこのイニシアチブは、生成的AIの変革的な力の証です。彼らはAppleの専門家の背景を活かして、デスクトップコンピューティングの将来において定番となる可能性のある製品を提供する準備が整っています。彼らが技術を開発し、磨き上げていくにつれ、私たちは生産性とワークフロー管理への影響を心待ちにしています。

「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」

「人工的な汎用知能（Artificial General Intelligence; AGI）の探求：AIが超人力を達成したとき」

人工知能の分野は過去10年間で大きな進歩を遂げていますが、人間レベルの知能を達成することは多くの研究者の究極の目標ですこの記事では、私は...

開発者の生産性向上：DeloitteのAmazon SageMaker Canvasを用いたノーコード/ローコード機械学習の活用方法

今日のデータ駆動型の世界では、機械学習（ML）モデルを素早く構築し展開する能力がますます重要になっていますしかし、MLモデルの構築には時間と労力、特殊な専門知識が必要ですデータの収集やクリーニングから特徴エンジニアリング、モデルの構築、調整、展開まで、MLプロジェクトは開発者にとって数か月かかることがよくありますそして経験豊富なデータ[...]

サークルブームのレビュー：最高のAIパワードソーシャルメディアツール？

「サークルブームの参考文献として、サークルブームの力を発見してみてくださいそれは最高のAIパワードソーシャルメディアツールですか？」

circleboom

予測モデルの構築：Pythonにおけるロジスティック回帰

著者によるイメージ　機械学習を始めるとき、ロジスティック回帰は最初にツールボックスに追加するアルゴリズムの一つですこれはシンプルで頑健なアルゴリズムであり、主に2値分類の課題に使用されます0と1の2つのクラスを持つ二値分類問題を考えますロジスティック回帰はロジスティックまたは...

Machine learning

「DRESS」とは、自然言語フィードバックを通じて人々と調和し、対話する大規模なビジョン言語モデル（LVLM）です

ビッグビジョン言語モデル、またはLVLMは、ビジュアルな手がかりを解釈し、ユーザーが簡単に対話するための簡単な返答を提供することができます。これは、大規模な言語モデル（LLM）を大規模なビジュアル指示の微調整と巧みに融合させることによって実現されています。しかし、LVLMは教師付き微調整（SFT）によって手作りまたはLLM生成のデータセットのみが必要です。これにより、キャプションジェネレータから指示に従うモデルに変更できるようになりますが、LVLMは依然として傷つける、悪意を持った、または役に立たない返答を生成することがあります。これは、LVLMが人間の好みとより一致する必要があることを示しています。さらに、以前の研究では、ビジュアル指示調整サンプルをマルチターン形式で組織することが推奨されていますが、異なるターン間の弱い関連性と相互依存性により、LVLMの相互作用能力が制限されています。ここで、相互作用能力は、LVLMがマルチターンインタラクションにおいて前の文脈を使用して返答を調整できるかどうかを評価します。これらの2つの欠点は、LVLMが視覚のヘルパーとしての実用性を制限します。国際SRI研究所とイリノイ大学アーバナ・シャンペーン校の研究チームが、本研究でLLMによって生成される自然言語フィードバック（NLF）を使用してユニークに教授されるLVLM「DRESS」を提案しています（図1を参照）。研究チームは、LLMに対し、具体的なルールと詳細な写真注釈を提供することで、LVLMの返答について詳細なフィードバックを提供するよう指示します。人間と一致するLLMの作成プロセスに則って、このフィードバック注釈では3つのH基準（有用性、正直さ、無害性）を考慮しています。フィードバックは、3つのH基準に沿った返答の総合的な品質を評価し、数値スコアとNLFを提供します。研究チームの手法では、NLFを批評と改善に分けています。改善NLFは、返答がゴールド基準リファレンスに合うように改善するための正確な推奨事項をLVLMに提供しますが、批評NLFは、返答の強みと欠点を評価します。この分類は、LVLMをより人間に受け入れられるものにし、相互作用能力を高めるための2種類のNLFの自然な適用を提供します。図1: 研究者はDRESSに自然言語入力を使用するよう指示し、これを批評と改善の2つのカテゴリに分けて、人間の好みと相互作用能力の両方を高めます。研究チームは、NLFの微分不可能な性質に合わせて条件付き強化学習技術を一般化し、そのようなフィードバックでLVLMをトレーニングします。具体的には、研究チームは返答に対する言語モデリング（LM）損失を使用して、DRESSをトレーニングし、2つのNLFに基づいて条件付けられた同等の返答を生成するようにします。研究チームは、数値結果の分析と解釈を通じてDRESSを改善し、ユーザーの好みとより一致するようにします。推論中のマルチターンインタラクションを通じて、研究チームは改善NLFを利用したオリジナルの返答の調整メタスキルを学習するようにDRESSをトレーニングします。研究チームは、マルチターンインタラクションでのDRESSの評価、無害性評価のための敵対的なプロンプティング、正直性評価のための画像キャプショニング、助けになるかどうかの評価のためのオープンエンドの視覚的な質問への応答を行います。実験の結果、以前のLVLMと比較して、DRESSは人間の価値と一致する返答を提供でき、フィードバックから学習し、必要に応じて返答を修正するための優れた相互作用能力を持っています。研究チームの知る限り、この取り組みはLVLMの相互作用能力と3つの3H基準を取り扱う最初の試みです。研究チームの貢献は以下の通りです: • 研究チームは、自然言語フィードバック（NLF）を使用してLVLMの相互作用能力と人間の好みに一致する能力を高めるために、批評と改善NLFに分けることを提案します。 • モデルをトレーニングして、非微分性NLFに依存したマッチング応答を提供するようにすることによって、研究チームは条件付き強化学習手法を一般化し、成功裏に非微分性NLFに対応します。従来のSOTAに比べて、研究チームの提案モデルであるDRESSは、利用価値、誠実さ、無害性の一貫性を系統的に評価した結果、9.76％、11.52％、および21.03％の相対的な改善を示しています。 • 研究グループは、63Kの注釈付き言語NLFの例を公開し、3Hの特徴を含めて一般の利用に提供しています。さらに、研究チームは無害性の一貫性とLVLM評価のための4.7Kのサンプルを含む、公開可能なデータセットを作成しました。

Learn more about Search Results 21 - Page 15

元アップル社員が生成型AIをデスクトップにもたらす方法

「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）」

「人工的な汎用知能（Artificial General Intelligence; AGI）の探求：AIが超人力を達成したとき」

開発者の生産性向上：DeloitteのAmazon SageMaker Canvasを用いたノーコード/ローコード機械学習の活用方法

サークルブームのレビュー：最高のAIパワードソーシャルメディアツール？

予測モデルの構築：Pythonにおけるロジスティック回帰

「DRESS」とは、自然言語フィードバックを通じて人々と調和し、対話する大規模なビジョン言語モデル（LVLM）です

AWSを使った生成AIを活用したクラウド上の新しい構築の時代へようこそ

「埋め込みモデルでコーパス内の意味関係を探索する」

「Amazon Titanを使用して簡単に意味論的画像検索を構築する」

Find the right Blockchain Investment for you