Search Results コミュニティ

ナレッジグラフ、ハードウェアの選択、Pythonのワークフロー、およびその他の11月に読むべきもの

データと機械学習の専門家にとって、1年間のイベント満載な時期もいよいよ終盤に入ってきました皆さんの中には、新しいスキルを学ぶために最後の力を振り絞り、最新の研究に追いつくために奮闘している方も多いことでしょう

「データエンジニアリングをマスターするための5つの無料コース」

データエンジニアは、データを活用した会社において、データのワークフロー全体に必要なインフラとツールを準備・管理する必要があります

Data Engineering

データサイエンスプロジェクトにおけるGitHubのトップ5の代替案

「このブログでは、GitHubが提供する以上の大規模データセット、モデル、ワークフロー、およびコラボレーションの専門的な機能を持つデータサイエンティスト向けに設計された5つのプラットフォームについて議論しています」

Data science

このAI研究レビューでは、衛星画像とディープラーニングの統合による資産ベースの貧困の測定について探求しています

ルンド大学とハルムスタッド大学の研究者は、衛星画像と深層機械学習による貧困推定の説明可能なAIに関するレビューを実施しました。透明性、解釈性、およびドメイン知識を重視したこの32の論文の分析により、説明可能な機械学習のこれらの重要な要素はバラつきがあり、貧困と福祉の科学的な洞察と発見の要求を完全に満たすことができないことが明らかになっています。この研究では、調査データをグラウンドトゥルースとして貧困/富を予測し、都市部および農村地域に適用し、深層ニューラルネットワークを含む32の論文を分析することで、これらのコア要素の状況のバラつきを明らかにしています。現在の状況は、貧困と福祉に関する洞察に対する科学的な要件を満たしていないと論じています。このレビューは、開発コミュニティ内での広範な普及と受け入れの重要性を強調しています。導入部では、脆弱なコミュニティの特定と貧困の決定要因の理解における課題について言及し、情報のギャップと家計調査の制約を引用しています。深層機械学習と衛星画像がこれらの課題の克服に役立つ可能性を強調し、科学的なプロセスでの説明可能性、透明性、解釈性、およびドメイン知識の必要性を強調しています。調査データ、衛星画像、および深層ニューラルネットワークを使用した貧困/富の予測における説明可能な機械学習の状況を評価することで、広範な普及と開発コミュニティ内での受け入れを促進することが目的です。総合的な文献レビューを行い、特定の基準を満たす32の研究を分析した結果、説明可能な機械学習のコア要素である透明性、解釈性、およびドメイン知識の状況は、科学的な要件を満たすことができず、バラつきがあります。解釈性と説明性は弱く、モデルを解釈したり予測データを説明したりするための努力が限られています。ドメイン知識は、選択のための特徴ベースのモデルではよく使用されますが、他の側面ではあまり使用されていません。実験結果は、富の指標の制約や低解像度衛星画像の影響などの洞察を示しています。一つの論文は、ドメイン知識の強い仮説と肯定的な評価によって際立っています。貧困、機械学習、および衛星画像のドメインでは、説明可能な機械学習アプローチにおける透明性、解釈性、およびドメイン知識の状況は異なり、科学的な要件を満たしていません。開発コミュニティ内での広範な普及にとって重要な説明可能性は、単なる解釈性を超えています。レビューされた論文の透明性はバラバラであり、いくつかはよく文書化されており、他のいくつかは再現性に欠けています。解釈性と説明性の欠点は依然として存在し、モデルを解釈したり予測データを説明したりする研究者はほとんどいません。特徴ベースのモデルではドメイン知識が一般的に使用されますが、他のモデリングの側面では広くは適用されていません。影響の特徴のソートとランキングは重要な将来の研究方向です。

ダックAIは、DuckTrackを紹介します：マルチモーダルコンピュータインタラクションデータコレクター

ユーザーの相互作用の正確で精密なトラッキングは、コンピューターエージェントの機能を進化させる上で重要な基盤となります。このタスクは、インテリジェントシステムの開発とトレーニングにおいて中心的な役割を果たしています。認知プロセスを模倣し、独立して業務を実行することを目的としたこれらのシステムの効果は、ユーザーの相互作用の慎重な調査と体系的な記録に依存しています。ダックAIの研究者は、コンピューターエージェントが収集されたデータに適切に訓練されるように、さまざまな入力を正確に記録するためのDuckTrackを開発しました。DuckTrackは、主要なオペレーティングシステムと互換性のある使いやすいデスクトップアプリを通じて、マウス、キーボード、画面のビデオ、および音声データを同期して収集します。さらに、DuckTrackはコミュニティデータ収集イニシアチブを開始しました。このオープンソースの取り組みでは、さまざまなコンピューターの相互作用データの収集に参加する貢献者を募集しています。 DuckTrackは、すべての主要なオペレーティングシステムでスムーズに動作し、Pythonで作成されています。 DuckTrackの機能概要には、マウスおよびキーボードアクションの正確で精密な記録と再生の能力が示されています。リサーチャーは、画面の録画をOBSと統合することで、その汎用性をさらに向上させると述べています。 DeepTruckでは、描画タスクにおいて構造的類似性指数（SSIM）は常に0.9を超えています。各イベントは、市場に存在する既存のトラッカーよりも低い誤差範囲で0.03ms ± 0.4msで記録されています。 DuckTrackは、パフォーマンスメトリックにおいて卓越したコミットメントを示しており、最高のトラッキングおよび再生ソリューションを求めるユーザーにとって信頼性のある選択肢となっています。しかし、DuckTrackにも一定の制限があります。再生時にダブルクリックやトリプルクリックをリアルに再現することは現実的には難しく、これらのアクションの正確性に影響を与えます。さらに、DuckTrackはトラックパッドのジェスチャーを記録することができず、ゲームなどの生の情報を含むシナリオで入力をキャプチャする際に制限があります。開発者たちは、これらの制限に対処し、コミュニティとの関与を継続することでDuckTrackの能力を向上させるために積極的に取り組んでいます。リサーチャーは、M2 Pro MBP 14（macOS Sonoma 14.0を実行）、Intel i7-10510U System76 Lemur Pro 9（PopOS！…

「Amazon SageMaker ClarifyとMLOpsサービスを使用して、LLM評価をスケールで運用化する」

ここ数年、大規模言語モデル（LLM）は類稀なる能力を持ち、テキストの理解、生成、操作が可能な優れたツールとして注目されてきましたその潜在能力は、会話エージェントからコンテンツ生成、情報検索まで広範囲にわたり、あらゆる産業を革新する可能性を秘めていますしかし、この潜在能力を生かす一方で、責任ある利用と...

ピカ1.0：ビデオ作成のための新しいAIモデル

世界中で生成AIに魅了されているPikaは、AIを活用した動画作成に特化したスタートアップで、Lightspeed Venture Partnersが主導する最新の資金調達ラウンドで驚異的な5500万ドルを獲得しました。この資本の流入は、ビデオ作成の風景を変革する革新的なビデオ撮影ツールのスイートであるPika 1.0のローンチと一致しています。わずか6か月前から始まったPikaの旅は、すでに週に数百万の動画を生成する50万人のユーザーコミュニティを集めました。 Pika 1.0の発表 Pikaの野心的な目標であるビデオ制作の簡素化は、さまざまなスタイル（「3Dアニメーション」、「アニメ」、「シネマティック」など）でビデオを編集することができる生成AIモデルを搭載したPika 1.0の開発につながりました。この革新的なプラットフォームは、ステルスモードから現れ、衣服の変更やキャラクターの追加など、AIを使用した動画の長さの拡張やスタイルの変換、さらには編集まで可能なツールを紹介しています。今の問題は、Pika 1.0がしばしば複雑でリソース集約型なビデオ作成プロセスを本当に革新できるのかということです。 Pikaの競争力 RunwayやStability AIなどの競合他社がひしめく分野で、Pikaはビデオ編集体験を引き上げるという特徴を持って差別化しています。特に、Pika 1.0ではビデオキャンバスやアスペクト比を拡大する機能を提供し、ユーザーに前例のない創造的な自由を提供します。プラットフォームが普及するにつれて、GoogleやMetaなどの業界の巨人たちもビデオ用生成AIツールへの参入を示しています。 LightspeedのPikaへの信頼競合が存在する風景にもかかわらず、PikaとStability AIの両方に投資しているLightspeed Venture Partnersは、Pikaの変革の可能性に自信を示しています。ライトスピードを代表するマイケル・ミニャーノ氏は、Pikaの技術的な基盤と創造性への早期の情熱によって、このプラットフォームがプロ品質のビデオ作成を民主化するリーダーとなることを信じています。この支持は、Pikaが個人が自分のストーリーを視覚的に共有する方法を再構築する上で重要な役割を果たす可能性があることを示唆しています。生成AIの台頭 Pikaの急速な成長は、さまざまなアプリケーションでの生成AIへの需要の急増を反映しています。IDCによると、生成AIへの投資額は今年160億ドルから2027年には驚異的な1,430億ドルにまで急増すると予想されています。生成AIは2023年の全体のAI支出のわずか9%を占めるに過ぎないが、同社は次の5年間で28%に大幅に急増すると予想しています。このトレンドはプロフェッショナルに限られたものではありません。最近の調査によると、Z世代もますます生成AIツールを受け入れています。もっと読む：GoogleのBARDはYouTubeの動画について「観て質問に答える」ことができるようになりました課題と将来の展望生成AIが広まるにつれて、課題が待ち受けています。O’Reillyの2023年のレポートでは、法外な結果やセキュリティの問題、公正性や偏り、プライバシーの問題など、さまざまな懸念に直面する、企業のAI採用者の26%が生成AIのパイロット運用の初期段階にあることが示されています。ビジネスのユースケースの特定や、AI生成コンテンツの所有権に関する法的な複雑さも、この業界を妨げています。私たちの見解…

「生成AIに関する一般的な迷信を解明する網羅的な探求」

イントロダクションテクノロジーは常に変化しており、生成的人工知能は近年の最も革命的な進展の一つです。この革新的な技術は前例のない急成長を見せており、フォーブスの分析によれば、2025年までに生成的AI市場は驚異的な$2000億（投資）に達すると予測されています。新技術のように、生成的AIはその可能性についての理解を妨げる神秘的な迷信に包まれています。この包括的な調査では、業界の専門家や思想リーダーの洞察に基づいて、生成的AIにまつわる5つの一般的な迷信に深く踏み込みます。生成的AIの急成長迷信を解き明かす前に、生成的AI革命の範囲を正確に理解することが重要です。この技術は、創造芸術、教育、医療、金融など、さまざまな分野で広く使われています。その爆発的な成長は数字で示されており、生成的AIの能力向上に向けた投資と研究が大幅に増加しています。この急増は、問題解決、創造性、データ分析へのアプローチのパラダイムシフトを象徴しています。それでは、生成的AIにまつわる幻想をいくつか解明してみましょう。迷信1: 生成的AIは人間を置き換える生成的AIが人々が従来行ってきた仕事を機械が取り替えることで大量失業を引き起こす可能性がある、という考えは、この技術にまつわる一つの持続的な懸念です。この誤解は明らかですが、AIの存在場所を単純化しすぎています。生成的AIは、人間の能力を向上させることを目指しており、完全に置き換えることはありません。繰り返しや時間のかかる仕事、データ集約的な仕事などを自動化することで、人々は高次の思考、創造性、困難な問題解決に集中することができます。生成的AIの協働的な側面と人間の生産性の向上を強調する必要があります。AIがルーチンタスクを処理する間、個人はより意味のある戦略的な業務に従事することができ、全体的な効率とイノベーションに貢献します。迷信2: 生成的AIはデータ専門家のためだけのものもう一つの一般的な誤解は、生成的AIはデータ専門家や高度な技術的知識を持つ人々のためのツールだということです。AIモデルを作成するためには洗練されたアルゴリズムやデータ操作が必要ですが、この分野はすぐに変化して、生成的AIがより一般的に利用可能になっています。ユーザーフレンドリーなプラットフォームやツールの開発により、生成的AIの力は技術的な専門知識を持つ人々以外にもアクセス可能になりました。AIの民主化により、デザイン、マーケティング、医療、教育など、さまざまな分野で創造性が促進されるようになります。生成的AIの応用範囲は広がり、さまざまな職業がその可能性にアクセスすることができるようになります。迷信3: AIは偏らず、正当なものである生成的AIを含むAIにまつわる持続的な迷信の一つは、完全な公正さと健全な判断で動作するという前提です。現実には、AIシステムは訓練に使用されるデータの偏りと同じくらい偏りがあります。AIモデルは偏った結果をもたらすことがあります。これらの偏りに対して認識し、対処することは、生成的AIの開発と展開において重要です。企業や研究者は、透明性、公平性、責任を重視した倫理的なAIの実践を実装するために積極的に取り組んでいます。バイアスを積極的に特定し、軽減することにより、AIコミュニティは有害なステレオタイプを持続させることなく、社会に積極的に貢献するシステムを作り出そうとしています。迷信4: 生成的AIは教育を破壊し、盗作を可能にする生成的AIが教育に与える影響についての懸念は、広範な盗作が引き起こされる可能性があるという点に集中しています。また、学術機関の信頼性が損なわれる可能性もあります。AIがコンテンツを生成することは事実ですが、この技術の責任ある使用には倫理的な考慮が必要です。教育機関は、高度な盗作検出ツールを導入し、学生に倫理的な実践を促すことによって、生成的AIの台頭に適応しています。重要なのは、個々の人々にAIツールの責任ある使用について教育し、オリジナリティと批判的思考の重要性を強調することです。倫理的に使用される場合、生成的AIは創造性、協力、革新的な思考を育むことにより、教育体験を向上させる可能性があります。神話5：AIモデルが大きいほど良い生成型AIモデルの効果はそのサイズに比例するという信念は一般的な誤解です。ただし、大きいモデルにはいくつかの利点がある場合もあります。例えば、膨大なデータから学習し処理する能力が向上します。しかし、AIの微妙な動態を過度に簡略化して大きければ良いという考えは誤りです。生成型AIモデルの効果は複数の要素に依存します。トレーニングデータの品質やモデルのアーキテクチャが任務に適しているかなどが含まれます。特定の状況では、小さいがより緻密なモデルの方が大きなモデルよりも優れたパフォーマンスを発揮することもあります。モデルのサイズ、計算リソース、実世界でのパフォーマンスのトレードオフを考慮することが生成型AIシステムの作成と実装において重要です。…

新しいツールと機能の発表：責任あるAIイノベーションを可能にする

生成AIの急速な成長は、有望な新しいイノベーションをもたらし、同時に新たな課題も引き起こしていますこれらの課題には、生成AI以前から存在したバイアスや説明可能性などの共通のものだけでなく、基盤モデル（FMs）に固有のものも含まれますこれには、幻覚や有害性などが含まれますAWSでは、責任を持って生成AIの開発に取り組んでいます[…]

創造性とAIに関するレフィク・アナドールとの対話

Mira Lane は、先駆的なアーティスト Refik Anadol と共に、AIが創造力を強化している方法を探求しています

AI

Learn more about Search Results コミュニティ - Page 17