Search Results ML

このAIニュースレターは、あなたが必要とするすべてです＃71

今週、ジョー・バイデン大統領は人工知能の規制を再び注目させるために、人工知能の監督を目的とする行政命令に署名しましたこの指令は様々な政府機関に要請し、…

「エンドツーエンドの推薦システムの構築」

私が非常に興味を持つ機械学習の領域は、製品やサービスの推奨を通じてユーザーの体験を個別化することですこの情熱を追求するために、エンドトゥエンドで取り組むことに決めました...

「プロジェクト管理におけるGenAIスキルの緊急性」

今日のGenerative AI（GenAI）の未来についての議論には、課題に先手を打ち、混乱を乗り越え、リスクを最小限に抑えることがすべて重要ですこのような課題への対応は、プロジェクト管理の専門家が数十年にわたり行ってきた仕事の一環でもありますしかし、これらの問題に日々慣れ親しんでいるにもかかわらず、多くのプロジェクトの専門家は、自身の準備がいかに不足しているかに気づくかもしれません

メタとUNC-Chapel Hillの研究者は、「Branch-Solve-Merge」という革新的なプログラムを導入しました：複雑な言語課題における大規模言語モデルの性能を向上させるプログラム

「BRANCH-SOLVE-MERGE（BSM）」は、複雑な自然言語タスクにおける大規模な言語モデル（LLM）を向上させるためのプログラムです。BSMは、枝分かれ、解決、統合のモジュールを含み、サブタスクを計画し、解決し、組み合わせるためのものです。Vicuna、LLaMA-2-chat、GPT-4などのモデルに適用されることで、BSMは人間-LLMの一致を向上させ、バイアスを減らし、LLaMA-2-chatがほとんどのドメインでGPT-4を凌駕するか、追い越す能力を得ることができます。また、ストーリーの結びつきと満足感も制約ストーリー生成において増加します。 LLMは多様な言語タスクで優れていますが、複雑さには助けが必要です。BSMはLLMプログラムであり、各タスクをステップに分割し、異なるプロンプトでそれぞれをパラメータ化します。これは従来の順次的アプローチとは異なり、LLMの評価や制約付きテキスト生成などのタスクを対象にしており、並列分解を活用することで価値のある解決策を提供します。このプロセスは、全体的な評価の必要性に対応し、複雑なテキスト生成タスクにおけるLLMの評価のための貴重な解決策となります。 LLMはテキスト生成においては優れていますが、複雑な多目的タスクにおいては助けが必要です。UNCチャペルヒル大学とMeta研究者は、このような課題に取り組むためのBSMという手法を提案しています。BSMは枝分かれ、解決、統合のモジュールを使用してタスクを並列のサブタスクに分解します。LLMの応答評価と制約付きテキスト生成に適用することで、BSMはこれらのタスクの正確さ、一貫性および制約の満足度を向上させ、LLaMA-2-chat、Vicuna、GPT-4などのさまざまなLLMに利益をもたらします。BSMは、複雑な言語タスクにおけるLLMの性能向上に向けた、有望な解決策を提供します。 BSMは複雑な言語タスクを枝分かれ、解決、統合の3つのモジュールに分解します。LLMの応答評価と制約付きテキスト生成に適用することで、BSMは正確さと一貫性を向上させ、バイアスを減らします。人間-LLMの一致を26%まで向上させ、制約の満足度を12%向上させます。BSMは多機能で分解ベースのアプローチであり、さまざまなLLMに適用できるため、さまざまなタスクとスケールでのLLM評価の向上に有望です。 BSMはLLaMA-2-70B-chatのターン1およびターン2の質問に対して、LLM-人間の一致度を12ポイント向上させます。また、ポジションバイアスと長さバイアスでは34%のバイアスを削減します。BSMは、LLaMA-2のような弱いオープンソースモデルがGPT-4と競合できるようにします。BSMの性能はさまざまなドメインにわたり、さまざまなカテゴリでGPT-4と匹敵または迫る結果を残し、一致度を向上させ、バイアスを軽減します。また、数学などのクラスでLLaMA-2-70B-chatやGPT-4を上回り、基準ベースの質問の評価に優れ、一致度を向上させ、ポジションバイアスを軽減します。 BSMの手法は、LLMの評価とテキスト生成におけるつながり、計画、タスクの分解に関する重要な課題に取り組んでいます。BSMの枝分かれ、解決、統合のモジュールは、LLMの応答評価と制約付きテキスト生成を改善し、正確さ、一貫性、人間-LLMの一致度を向上させます。BSMはバイアスを軽減し、ストーリーの結びつきを高め、制約の満足度を向上させます。さまざまなLLMおよびドメインで効果的であり、さまざまなタスクでGPT-4を凌駕することさえあります。BSMは、さまざまなタスクにおいてLLMパフォーマンスを向上させるための多機能かつ有望な手法です。この研究に関する論文をチェックしてください。この研究には研究者の皆さんによる全てのクレジットがあります。また、最新のAI研究ニュースや面白いAIプロジェクトなどを共有している32k+のML SubReddit、40k+のFacebookコミュニティ、Discordチャネル、およびメールニュースレターにも参加してみてください。私たちの仕事が好きなら、ニュースレターもきっと気に入るでしょう。また、TelegramとWhatsAppでもご利用いただけます。記事「リサーチャーのMetaとUNC-Chapel HillがBranch-Solve-Mergeを導入：複雑な言語タスクで大規模言語モデルのパフォーマンスを向上させる革命的なプログラム」は、MarkTechPostで最初に掲載されました。

マイクロソフトAzure Functionsとは何ですか？

イントロダクションマイクロソフト・アジュールの幅広いサービスは、独自のニッチを作り出すことに成功しています。アジュール・ファンクションは、優れたダイナミックで効果的なサーバーレス・コンピューティング・ソリューションです。この記事では、アジュール・ファンクションの機能や利用方法、実際の使用例をハンズオンで紹介します。アジュール・ファンクションとは何ですか？アジュール・ファンクションは、イベント駆動型のサーバーレス・コンピューティング・プラットフォームで、開発者がアプリケーション開発を効率化するためのツールです。ハードウェアの複雑さを抽象化し、コアのビジネスロジックに集中できます。開発者は複雑なオーケストレーションを簡素化し、クラウド上でスケーラブルなソリューションをローカルに開発・デプロイすることができます。トリガーとバインディングを介して、アジュール・ファンクションはシームレスにアジュールサービスと連携します。アジュール・ファンクションはどのように動作しますか？アジュール・ファンクションは、サーバーレス・コンピューティングの原則に基づいて動作し、イベントトリガーに基づくコードの実行をインフラストラクチャの管理なしで簡単かつ効率的に行う方法を提供しています。その動作の主な側面は以下の通りです：トリガー：アジュール・ファンクションは、HTTPリクエスト、データベースの更新、メッセージキューのメッセージ、タイマーなど、さまざまなイベントトリガーに応答します。各ファンクションは特定のトリガーと関連付けられます。自動スケーリング：トリガーがアクティブ化されると、必要なコンピューティングリソースを動的に割り当て、さまざまなワークロードに応じた効率的なスケーリングを実現します。リソースは自動的にプロビジョニングおよび解除され、実際のコンピュート時間のみが請求されます。実行環境：開発者は好みのプログラミング言語（C＃、JavaScript、Python、Javaなど）でコードを書き、ファンクションにランタイム環境を提供する「ファンクションアプリ」内で実行します。ステートレス：アジュール・ファンクションはステートレス設計されており、呼び出し間で永続的な状態を保持しません。必要な状態情報は通常、ストレージサービスやデータベースなど外部で管理されます。統合：アジュール・ファンクションはさまざまなアジュールサービスや外部システムとシームレスに統合し、強力なイベント駆動型アプリケーションを作成できます。データベースに接続したり、外部イベントに基づいてアクションをトリガーしたり、結果をデータストアに保存したり、通知を送信したりすることができます。アジュール・ファンクションを使用するのは誰ですか？アジュール・ファンクションはマイクロソフト・アジュールが提供する多目的なサーバーレス・コンピューティング・サービスであり、さまざまなユーザーや産業で利用されています。以下は、それぞれのユーザーグループについての簡単な紹介と共に、誰がそれを使用しているかをまとめた表です。ユーザーグループ利用例利点開発者クラウドネイティブアプリケーション：開発者はアジュール・ファンクションを使用してクラウドネイティブアプリケーションを構築し、デプロイします。 – インフラストラクチャ管理ではなく、コードの記述に焦点を当てることができます。 – 負荷が増えるにつれて自動的にスケールします。イベント駆動型マイクロサービス：…

「カートゥーンアニメーションの未来を照らす：ラインドローイングインビトのイノベーション」

“`html 1900年代初頭にアニメーション制作が始まって以来、カートゥーンアニメーションは大きな進歩を遂げてきました。アニメーターが手描きでフレームを1枚ずつ描いていた時代から、カラーリゼーションや特殊効果などアニメーション制作の特定のタスクを支援するために自動化技術が導入されましたが、各フレームのキャラクターの線画を手描きするという基本的な作業は2Dアニメーションにおいては労働集約的なものです。 2つのキーフレームから中間線画を自動生成するためのアルゴリズムの開発、一般的に「インビート」と呼ばれるプロセスは、業界内で生産性を大幅に向上させる潜在的な能力を持っています。線画のインビートは、一般的なフレーム補完と比較して、線画の希薄さにより独特のチャレンジがあります。これらの線画は通常、約3%の黒いピクセルを含み、残りのイメージは白い背景になっています。この特異性は、既存のラスタイメージベースのフレーム補完手法に対して2つの重要な課題を提起します。まず、線画のテクスチャの欠如により、フレーム補完においてピクセルごとの対応を正確に計算することが困難になり、単一のピクセルに対する複数の類似の一致候補による不正確な動きの予測が生じます。次に、フレーム補完で使用されるワーピングとブレンディング技術は、線と背景の重要な境界をぼかすことがあり、詳細の大幅な損失を引き起こします。上記の問題を考慮して、「AnimeInbet」と呼ばれる新しい深層学習フレームワークが提案されました。このフレームワークは、ラスタイメージではなくジオメトリ化された形式で線画のインビートを実行します。アプローチの概要は以下の図に示されています。このプロセスでは、ソースイメージをベクトルグラフに変換して中間グラフを合成します。この改変は、先に述べた課題に対処します。ジオメトリ領域のマッチングプロセスは、すべてのピクセルではなく密集したジオメトリエンドポイント頂点に焦点を当てることで、潜在的な曖昧さを減らし、対応の正確性を高めます。さらに、配置プロセスでは、線画のトポロジーを保持するため、複雑で緻密な線構造の保持が可能です。 AnimeInbetフレームワークの基本的なコンセプトは、2つの入力線画グラフ間のマッチング頂点の特定を行い、それらを再配置して新しい中間グラフを作成することです。プロセスは、頂点のエンコーディング戦略の開発から始まります。これにより、まばらに描かれた線のエンドポイントのジオメトリ的特徴を区別することができます。その後、頂点対応トランスフォーマーを使用して、2つの入力線画のエンドポイント間でのマッチングを確立します。マッチした頂点からのシフトベクトルは、集約された特徴の類似性に基づいて一致しない頂点に伝播され、すべてのエンドポイントの再配置を容易にします。最後に、フレームのインビート中に覆われる頂点とエッジを除去するための可視性マスクを予測し、クリーンで完全な中間フレームの作成を確保します。頂点対応の教師付きトレーニングをサポートするために、MixamoLine240という新しいデータセットが導入されました。このユニークなデータセットは、グラウンドトゥルースのジオメトリ化および頂点のマッチングラベルを持つ線画を提供しています。データセットの2D線画は、3Dモデルの特定のエッジから選択的に生成され、エンドポイントはインデックス付きの3D頂点に対応します。3D頂点を参照点として使用することで、データセットの頂点レベルでの頂点対応ラベルの正確性と一貫性を確保しています。既存の手法と比較して、AnimeInbetフレームワークは、クリーンで完全な中間線画を生成する能力を実証しています。研究からのいくつかの例を以下に報告します。 “` これは、アニメインベットの要約であり、ラスター画像ではなく幾何化された形式で線画のインビトゥイングを行う新しいAI技術です。興味があり、詳細を学びたい場合は、以下のリンクを参照してください。

「YouTube動画の要約を作成するためのAIアシスタントの完全ガイド — Part 2」のための完全ガイド

このシリーズの前の部分では、YouTubeのビデオのトランスクリプトを取得しましたこの記事では、そのトランスクリプトを取り上げ、テキストを要約するパイプラインを作成します

「NExT-GPT あらゆるモダリティに対応したマルチモーダル大規模言語モデル」の紹介

マルチモーダルな大規模言語モデルの未来

language models

「Data Enthusiasts向けにエキサイティングな新機能を解放するChatGPT Plus」

OpenAIは、この最先端のAIとのコミュニケーション方法を完全に変えると約束するベータバージョンをリリースしています。これはChatGPT Plusのサブスクライバーにとってエキサイティングな進歩です。この待ち望まれた最新版の重要な追加機能は、ファイルのアップロードと分析の機能、そしてマルチモーダルのサポートです。これらの革新的な追加機能により、ChatGPTエンタープライズでしか利用できなかったオフィス機能の一部が、個別のチャットボットのサブスクライバーにも提供されるようになりました。この記事では、これらの新機能がどのようにAIの利用方法を変えるかについて詳しく説明します。詳細はこちら： ChatGPTとは？知っておくべきすべてのことファイルのアップロードと分析：データ愛好家にとっての革命的な機能 ChatGPT Plusのアップデートで最も注目すべき機能の1つは、アップロードしたファイルをチャットボットのインターフェースに直接追加できることです。この機能により、ユーザーは新しい可能性を手に入れ、大きな進歩を遂げることができます。手作業で情報をコピー＆ペーストする必要がなくなるため、時間と労力が節約されます。どのように機能するのか？ ChatGPTは、ユーザーがアップロードしたファイルを処理して評価するために少し時間がかかります。ファイルが処理された後、チャットボットは質問や回答の提供、またはユーザーの要求に応じてデータの視覚化を作成するなど、さまざまな方法でサポートすることができます。これにより、研究者、アナリスト、データ愛好家は、より効果的なデータ分析のための強力なツールを手に入れることができます。コンテキストに基づく直感的なマルチモーダルサポート ChatGPT Plusのアップデートには、革命的な第2の機能であるマルチモーダルサポートが追加されました。以前のバージョンでは、ユーザーがメニューから「Bingで閲覧する」などのオプションを選択する必要がありましたが、この新しい機能は人工知能のコンテキスト理解を使用して、ユーザーのニーズを自動的に検出します。 ChatGPT Plusのメンバーは、もはやモードや設定に苦労する必要がありません。会話のコンテキストによってAIシステムの振る舞いが自動的に変更されます。この直感的なアプローチにより、ユーザーエクスペリエンスがよりシンプルになり、ChatGPTの相互作用の自然さとスムーズさが向上します。アクセシビリティの向上これらの新機能のリリースにアクセスできるのは、上位のユーザーに限られるわけではありません。ChatGPT Plusのメンバーは、ファイルのアップロードとマルチモーダルサポートを利用することができるようになりました。これにより、AIを活用したデータ分析やコンテンツ作成の対象が広がります。未来の一端を垣間見る ChatGPTエコシステムが発展するにつれて、未来には何が待っているのかは想像するにすぎません。最新のアップデートは、ユーザーエクスペリエンスの向上とAIへのアクセス性の向上に対するOpenAIの取り組みを示しています。ChatGPT Plusは、人工知能の洗練された能力についてさらに学ぶためのプラットフォームです。詳細はこちら： OpenAIがユーザーエクスペリエンスを革新するために導入した6つのエキサイティングなChatGPTの機能私たちの意見 OpenAIは、ChatGPT Plusのメンバー向けにファイルのアップロード、分析、およびマルチモーダルサポートの新しいベータ版機能をリリースしました。これらのアップデートにより、AIによるデータ分析やコンテンツ作成がより簡単で便利になりました。OpenAIは人工知能のエキサイティングな分野をリードしています。ChatGPT Plusを使用して、人工知能の果てしない可能性を探索しましょう。

ゲームプレイ再創造：AI革命

ゲームでAI革命を探求しましょう！この詳細な解説では、生成AIがゲームプレイを変革し、プレイヤーの興味を豊かにし、経済成長を促進していることが明らかになります

Learn more about Search Results ML - Page 176