Search Results A

データ可視化のリニューアル：Pandasでの時間ベースのリサンプリングのマスタリング

「Pandasを使って時間ベースのデータ可視化の力を解き放ちましょうデータをリサンプリングし、洞察に満ちた時間的な傑作に変えていきましょう」

Data science

クロスヘアに捧げられたジェネレーティブAI：CISOたちが戦うサイバーセキュリティ

ChatGPTと大規模な言語モデル（LLM）は、生成型AIが多くのビジネスプロセスにどのように影響を与えるかの初期の兆候です

AIとオープンソースソフトウェア：誕生時に分かれたか？

この記事では、ルイスがオープンソースソフトウェアと機械学習の交差点と将来について読者と共有します多くの記事が機械学習コミュニティによってオープンソースソフトウェアがどのように使用されているかをカバーしていますが、この投稿では両者の類似点に焦点を当てています...

Artificial Intelligence

「LangChainとOpenAI GPTを使用して初めてのAIエージェントを構築する方法」

「この分野は新しいですが、既にAutoGPT、HuggingGPT、MetaGPT、そしてMicrosoftのAutoGenなど、多くの素晴らしいプロジェクトが見られましたそしてこれはまだ始まったばかりです！ですので、この記事では...」

私たちは本当に人工知能AIウォーターマーキングを信頼できるのでしょうか？このAI論文は、現在のディープフェイクの防御方法の脆弱性を暴きます

生成型人工知能の領域における急速な進歩は、デジタルコンテンツの制作の風景に重要な変化をもたらしました。これらのAIアルゴリズムは進化し、より広く利用可能になり、非常に魅力的な偽のデジタルコンテンツを作成することが可能になりました。ディープフェイクは、写真や動画、音声などのハイパーリアルなメディア形式であり、視聴者や聴衆を誤導する可能性があり、誤情報、詐欺、名誉毀損、感情的な苦痛につながる懸念が高まっています。その結果、AIが生成した情報を特定し、そのソースを追跡することは大きな課題となっています。本物のコンテンツとAIが生成した素材を区別することが不可欠となった最近の生成型AIモデルの開発により、本物のコンテンツとAIが生成した素材の違いを見分けるためにウォーターマーキングが一つの手法として開発されました。メリーランド大学コンピューターサイエンス学部の研究者たちによる最近の研究では、ウォーターマーキングや分類器ベースのディープフェイク検出器など、いくつかのAI画像検出器の抵抗性に焦点を当てています。この研究では、微妙な画像の摂動を導入するウォーターマーキング技術に対する拡散浄化攻撃に対する逃避エラー率、つまりウォーターマークがないと検出される割合、とスプーフィングエラー率、つまりウォーターマークがあると検出される割合、の間に基本的なトレードオフが存在することが明らかにされています。偽陰性と偽陽性の防止のバランスについて調査されています。偽陰性とは、AIが生成したのに誤ってAIによるものと認識された実際の画像のことであり、偽陽性とは、実際のものなのにAIが生成したものと誤って検出されたAIが生成した画像のことです。この研究では、微小な摂動を導入するウォーターマーキング技術に対して拡散浄化攻撃が画像からウォーターマークを効果的に除去することができることが経験的に証明されました。ウォーターマーキング技術によって微妙に変化させられた画像は、この攻撃によりより脆弱になります。一方、ウォーターマーキング技術によって画像が大きく変化する場合、拡散浄化攻撃の成功率が低くなります。したがって、研究ではモデルの代替敵対攻撃と呼ばれる、ウォーターマーキングモデルを欺くことでウォーターマークを効果的に除去する方法を提案しています。この研究では、ウォーターマーキング技術がスプーフィング攻撃に対してどれだけ脆弱であるかが強調されています。スプーフィング攻撃では、攻撃者は実際の画像（不適切または露骨なもの）がウォーターマーク付きの画像と誤解されることを望んでいます。研究では、ウォーターマーキング技術へのブラックボックスアクセスのみでウォーターマーク付きノイズ画像を作成することができることを示しています。これは、攻撃者がウォーターマーキング技術の内部動作を知らないことを意味します。このノイズ画像を実際の写真に追加することで、攻撃者は誤って本物の写真をウォーターマーク付きとしてラベル付けすることができ、悪影響を及ぼす可能性があります。この研究の主な貢献は以下のとおりです。本研究では、拡散浄化攻撃に対して画像ウォーターマーキングにおける逃避エラーとスプーフィングエラーの基本的なトレードオフを特定しました。高度な画像ウォーターマーキング手法においてウォーターマークを効果的に除去するためのモデルの代替敵対攻撃が開発されました。ウォーターマーキング手法に対するスプーフィング攻撃が特定され、ウォーターマーキング技術開発者の評判に損害を与える可能性があります。ディープフェイク検出器の堅牢性と信頼性のトレードオフが検知されました。結論として、この研究は、悪意のある攻撃や増え続けるAI生成物に対して、特にウォーターマーキング技術などのAI画像検出器の困難さと弱点を明確にしています。これらの課題に対処し、克服するためには、生成型AI時代において検出方法を創造し、向上させることがいかに重要であるかを強調しています。

ノースウェスタン大学の研究者たちは、最初の人工知能（AI）システムを開発しましたこのシステムは、ゼロからロボットを知的に設計することができます

画期的な成果として、ノースウェスタン大学を率いる研究チームが自律的にロボットを創造しデザインする人工知能（AI）システムを発表しました。この技術の驚異は、数秒で累代の進化過程を圧縮することにより、ロボット工学の領域において飛躍的な進歩を遂げました。このAIの優れた能力は、平らな表面を移動する能力を持つロボットを作成するように指示することで証明されました。自然がこの能力を完成させるために計り知れない時間を要したのに対し、新しいアルゴリズムはわずかな分数で達成し、チームはこれを「瞬間進化」と呼んでいます。このAIの特徴は、一般的なパーソナルコンピュータ上で動作できる能力です。これにより、エネルギーを消費するスーパーコンピューターや大量のデータセットの必要性がなくなります。これに対して、既存のAIシステムはこれらのリソースに頼ることが多く、真の革新なしに過去のデザインを単純に複製しています。ノースウェスタン大学マコーミック工学部のチームは、この開発をパラダイムシフトと見なしています。彼らは、AIによる設計アルゴリズムが通常の進化の経路を迂回し、人間のバイアスを回避することを強調しています。その適応性は、素早く新しい構造を生成することで明らかです。この成果は、研究者の以前の研究の一環として構築されており、彼は生物学的細胞だけで作られたロボットであるキセノボットの開発で注目を集めました。新しいAIは、人工生命の可能性の探求をさらに前進させるものです。現在のロボットは地味ですが、無機材料から構築され、研究者たちはこれを直接世界と対話する能力を持つ新たな時代のAI設計ツールへの前兆と考えています。このAIの創造的なプロセスは本当に素晴らしいものです。動きのない石鹸サイズのブロックを出発点に、システムは設計を反復的に磨きます。各ステップで進捗を評価し、欠陥を特定し、構造を洗練させます。AIは、たった9回の繰り返しで26秒で歩行能力に優れたロボットを作り出します。驚くべきことに、AIは独自に、自然が長い時間をかけて進化した解決策を同じものに辿り着きます：足。ただし、独自のアプローチを考案します。その結果、ロボットは3本の足、背びれ、平らな顔、戦略的に配置された穴を持つ姿となります。これらの穴の目的はまだ謎ですが、研究者たちはこれが重量軽減と柔軟性の向上に貢献し、ロボットの足が歩行するために適度に屈曲できるようにするのではないかと推測しています。 AIのデザインの物理世界での妥当性を検証するため、チームは3Dプリンティング技術を利用しています。彼らは、ロボットの形状周りの空間を捉えるマルドを作成し、それを液状シリコーンゴムで満たします。固化した後、ロボットは柔軟な構造を示します。制御された空気の膨張と収縮により、ロボットは安定した動きを実現し、AIの設計の実現可能性を更に確認します。科学者たちは、このロボットの非伝統的なデザインに魅了され、驚愕しています。人間が設計したロボットとは異なり、AIの創造物は確立された基準に挑戦し、新たな可能性の領域を開拓します。この革命的な進歩は、検索と救助から医療介入までの領域を変革し、イノベーションと問題解決の新たな時代をもたらすことを約束しています。 AIでデザインされたツールの潜在的な応用範囲は広大です。災害現場を航行したり、人体内に進入して診断や治療を行う類似のロボットが存在する未来を思い描いてみてください。これらの可能性を実現する上で唯一の障害は、それらを想像する能力にありますが、AIはこの障害を克服する準備ができているようです。

スタンフォード大学研究者が提案するMAPTree：強化された堅牢性とパフォーマンスを備えたベイジアンアプローチに基づく決定木生成

決定木は、分類と回帰の両方のタスクに使用できる人気のある機械学習アルゴリズムです。それらはデータセットを最も重要な特性に基づいて再帰的にサブセットに分割することで動作します。木の構造は、属性に基づいて選択を指定する各内部ノード、選択の結果を表す各枝、結果を表す各リーフノードを示します。それらは、効率性、適応性、解釈性に対して評価されています。スタンフォード大学のチームが「MAPTree：ベイジアン決定木を使用した「最適」を超える決定木」という作品で、MAPTreeアルゴリズムを開発しました。この方法は、特定のデータセット用に作成されたベイジアン分類および回帰ツリー（BCART）の事後分布を適切に評価することにより、最大事後ツリーを決定します。研究結果は、MAPTreeがこれまで最適と考えられていた決定木モデルを成功裏に強化できることを示しています。ベイジアン分類および回帰ツリー（BCART）は、利用可能なデータに基づいてツリー構造上の事後分布を導入する先進的な手法となりました。この手法は従来の貪欲法を上回る優れたツリー構造を生成する傾向があります。ただし、ミキシング時間が指数関数的に長くなる欠点や、しばしば局所最小値に取り込まれるという課題も抱えています。研究者たちは、AND/OR探索問題とベイジアン分類および回帰ツリー（BCART）の最大事後推論との形式的な関連性を開発し、問題の基本的な構造を明らかにしました。研究者たちは、この研究の主眼は個々の決定木の作成にあると強調しています。これにより、決定木の誘導を全体的な目的関数を最大化するグローバル最適化問題と見なす最適な決定木の概念に異議を唱えます。より洗練された手法として、ベイジアン分類および回帰ツリー（BCART）は利用可能なデータに基づいてツリーのアーキテクチャにわたる事後分布を提供します。この手法は従来の貪欲法と比較して優れたツリーアーキテクチャを生成します。研究者たちはまた、MAPTreeが以前のサンプリングベースの戦略に比べて計算効率においても優れた結果を提供することを強調しました。MAPTreeによって見つかったツリーは、現在利用可能な最先端のアルゴリズムよりも性能が優れているか同等の性能を発揮し、環境への影響が少ないです。研究者たちは、CP4IMデータセットからの16のデータセットのコレクションを使用して、MAPTreeおよびベースライン技術によって作成されたモデルの汎化精度、対数尤度、およびツリーサイズを評価しました。MAPTreeは、テスト精度または対数尤度でベースラインを上回るか、同等の性能の場合でも明らかにスリムな決定木を生成します。まとめとして、MAPTreeは現行の方法論に比べてより速く、より効果的かつ効率的な代替手法を提供し、決定木モデリングにおける重要な進歩を示しています。そのデータ分析と機械学習への潜在的な影響は強調できず、専門家に優れたパフォーマンスと効率性を備えた決定木の構築の強力なツールを提供しています。

SynthIA（Synthetic Intelligent Agent）7B-v1.3に会ってください：オルカスタイルのデータセットで訓練されたミストラル-7B-v0.1モデルです

SynthIA-7B-v1.3は、7兆パラメーターの大規模な言語モデル（LLM）です。実際には、OrcaスタイルのデータセットでトレーニングされたMistral-7B-v0.1モデルであり、方向の指示に従い、深く議論することができます。SynthIA-7B-v1.3は完全に制約されておらず、次のようなさまざまな用途に活用することができます: テキストの作成、言語の翻訳、オリジナルコンテンツの生成、質問に対する洞察に富んだ応答が、すべてこのスキルセットの範囲内です。要求を注意深く実行し、指示に従います。質問が簡単か難しいか、一般的か非常識かにかかわらず、常に十分かつ正確に回答するべきです。詩、コード、脚本、音楽、手紙、メールなどのクリエイティブなテキスト形式を生成することができます。 SynthIA-7B-v1.3は、多くの潜在的な用途を持つ強力で柔軟なLLMです。以下にいくつかの例を挙げます: 記事、ブログ、物語、詩など、SynthIA-7B-v1.3を使用して生成できる書面作品は多岐に渡ります。クリエイティブな文章執筆や言語翻訳にも使用できます。 SynthIA-7B-v1.3は、研究者の学習を支援するツールです。仮説の開発、論文の要約、レポートの作成などの形式で使用できます。 SynthIA-7B-v1.3は、教室での教育ツールとして利用することができます。カリキュラム資料の作成、学生の疑問の解決、学生の作品の評価など、多くの教育的な応用があります。商業利用：SynthIA-7B-v1.3は、企業プロセスの改善に利用できます。製品/サービスのアイデア形成、カスタマーサポートの応答作成、マーケティングなどの潜在的な応用があります。 SynthIA-7B-v1.3ユーザーガイド使用する場合は、SynthIA-7B-v1.3をHugging Face Transformersで見つけることができます。モデルの読み込みが完了したら、質問や指示を与えてコミュニケーションすることができます。詩の生成、テキストの翻訳、最新のニュースのレポートなど、さまざまなタスクをモデルに訓練することができます。主な特徴 SynthIA-7B-v1.3は、7兆パラメーターという非常にパワフルで包括的なLLMの一つです。フィルタされていません。したがって、物議を醸すまたは敏感なテーマを含むあらゆる主題についての文章を生成することができます。長尺の会話や指示の従いに重点を置くため、文章執筆、研究、教育、ビジネス関連の相互作用に最適です。 SynthIA-7B-v1.3を最大限に活用する方法 SynthIA-7B-v1.3の最大限の活用についてのいくつかの提案: 指示や提案はできるだけ詳細にしてください。詳細な情報を提供するほど、モデルがニーズを理解し、期待される結果を生み出す能力が向上します。モデルに何をしたいかのサンプルを与えてみてください。例えば、特定のスタイルで書かれた詩の例を使用してモデルを訓練すれば、そのようなスタイルで書かれた詩を生成するようにすることができます。複雑な作業を簡単な作業に分割してください。これにより、モデルの作業完了能力が向上します。 SynthIA-7B-v1.3の使用には熟練が必要な場合もありますが、練習を重ねることで、プロの品質の文章を生成し、多くの目標を達成することができます。…

Google DeepMindは、直接報酬微調整（DRaFT）を導入しました：微分可能な報酬関数を最大化するための効果的な人工知能手法における拡散モデルの微調整

拡散モデルは、さまざまなデータタイプでの生成モデリングを革新しました。ただし、テキストの説明から見た目の良い画像を生成するなどの実際のアプリケーションでは、微調整がしばしば必要です。テキストから画像への拡散モデルは、分類器フリーガイダンスやLAIONエステティックなどのキュレーションされたデータセットの技術を用いて、整列と画像の品質を向上させるための手法を採用しています。研究では、勾配ベースのリワード微調整に対する明解で効率的な方法を提示しています。これには、拡散サンプリングプロセスを通じて微分を行うという概念を導入しています。彼らは直接リワード微調整（DRaFT）という概念を紹介し、通常50ステップの展開計算グラフとして表されるサンプリングチェーン全体に対して逆伝播を行います。効果的なメモリ管理と計算コストのために、彼らは勾配チェックポイント技術を利用し、全体のモデルパラメータを変更する代わりにLoRAウェイトを最適化します。上記の画像は、人間の好みのリワードモデルを使用したDRaFTを示しています。さらに、著者はDRaFTメソッドの効率とパフォーマンスを向上させるための改良を紹介しています。まず、彼らはDRaFT-Kというバリエーションを提案しています。これは、微調整の勾配を計算する際にサンプリングの最後のKステップのみに逆伝播を制限するものです。実証結果は、この切り詰められた勾配アプローチが、同じトレーニングステップ数でのフル逆伝播よりも優れたパフォーマンスを発揮することを示しています。フル逆伝播は勾配の爆発という問題を引き起こすことがあるためです。さらに、著者はDRaFT-LVという、複数のノイズサンプルを平均化して低分散勾配推定を計算するDRaFT-1の変形を導入して、アプローチの効率をさらに向上させます。研究の著者は、DRaFTを安定拡散1.4に適用し、さまざまなリワード関数とプロンプトセットを使用して評価を行いました。彼らの勾配を活用した手法は、RLベースの微調整ベースラインと比較して、著しく効率的な利点を示しました。たとえば、LAIONエステティッククラシファイアからスコアを最大化する場合、RLアルゴリズムと比較して200倍以上の高速化が実現しました。彼らが提案したバリエーションの1つであるDRaFT-LVは、従来の勾配ベースの微調整手法であるReFLよりも約2倍の速さで学習するという優れた効率を示しました。さらに、DRaFTモデルと事前学習モデルを組み合わせたり、ミキシングやスケーリングを通じてLoRAウェイトを調整することで、DRaFTの汎用性を示しています。まとめると、微分可能なリワードによる拡散モデルの直接微調整は、画像、テキストなどの応用範囲において生成モデリング技術の改善に有望な手法です。その効率性、汎用性、効果性が、機械学習および生成モデリングの研究者や実践者のツールキットにおける貴重な追加要素となります。

「LangChainとOpenAIを使用して文書の理解を向上させる方法」

ジェネレーティブAIと言語モデルの飛躍的な成長により、文書から情報を理解し抽出する能力が向上しており、私たちはGPTのような機械が人間を支援する新たな時代を目撃しています

Learn more about Search Results A - Page 170