Search Results on

Amazon SageMakerを使用してモデルの精度を向上させるために、ファンデーションモデルを使用します

「住宅の価値を決定することは機械学習（ML）の典型的な例ですこの投稿では、ビジュアル質問応答（VQA）のために特に設計されたオープンソースモデルの使用について説明しますVQAでは、自然言語を使用して写真に質問ができ、質問に対する回答も平易な言葉で受け取ることができますこの投稿での目標は、この技術を使用して何が可能かを皆さんに示し、インスピレーションを与えることです」

フィリップスは、Amazon SageMakerをベースにしたMLOpsプラットフォームでAI対応のヘルスケアソリューションの開発を加速しています

これはAWSとフィリップスの共同ブログですフィリップスは意義あるイノベーションを通じて人々の生活を改善することに焦点を当てたヘルステクノロジーカンパニーです同社は2014年以来、顧客にPhilips HealthSuite Platformを提供しており、これは医療およびライフサイエンス企業が患者ケアを向上させるために使用する数十のAWSサービスを統合しています

「LoRAを使用してAmazon SageMakerでWhisperモデルを微調整する」

「ウィスパーは、ウェブ上の言語とタスクの幅広いデータを使用してトレーニングされた、自動音声認識（ASR）モデルですしかし、マラーティー語やドラヴィダ語などの資源の少ない言語においては、性能が低下するという制約がありますこの制約は、ファインチューニングによって解消できますしかし、ウィスパーのファインチューニング […]」

「UCLA研究者が「Rephrase and Respond」（RaR）を導入、LLMsの人間の質問理解を向上させる新しい人工知能手法を紹介」

研究チームは、Rephrase and Respond（RaR）という方法を導入しました。これは、LLMsのパフォーマンスを向上させるために、人間の質問を再表現し拡張させることができるように設計されたものです。この手法は、異なるタスクで効果があり、翻訳された質問の利用を向上させる二段階のバリアントによって、他の方法と比較して著しいパフォーマンスの向上が確認されました。実験では、Chain-of-Thought（CoT）手法との補完性を強調した研究結果も示されました。 RaRによって、LLMsは人間が投げかける質問を再表現し拡張したり、単一のプロンプトに応答することができます。RaRは、CoTの手法と比較して費用対効果の高いトークンの使用を特徴としています。人間とLLMsの思考フレームの違いを解消することで、意味の明瞭性を向上させることを目指しています。評価タスクには、日付理解と最後の文字の連結などが含まれており、GPT-4の応答を中国の慣用句のタスクのゼロショット精度や言語モデリング、ステレオタイプ、フェアスコアなどの指標で評価しています。この研究は、人間とLLMsの間の誤解に取り組み、認知バイアスや思考フレームがコミュニケーションに与える影響を強調しています。LLMsの応答品質を向上させるために正確なプロンプトを作成することの重要性を強調しています。RaRは、LLMsが人間が投げかける質問を再表現し拡張するための費用対効果の高いアプローチを提案しており、その理解力と正確性を向上させることを目指しています。CoTの手法と比較しても優れた結果が得られることが示されています。ベンチマークデータセットの曖昧さに対処し、LLMsのパフォーマンスを向上させ、公平な評価に貢献することを目指しています。 RaRの手法は、LLMsに単一のプロンプトに応答するように人間が投げかける質問を再表現し拡張することを可能にします。RaRの二段階バリアントでは、再表現LLMに続いて応答LLMを行うことが提案されています。このアプローチは、理論的および実証的な比較によってRaRとCoT手法の補完性を強調しています。実験結果は、さまざまなタスクにおけるさまざまなモデルのパフォーマンスを向上させるRaRの効果を示しています。 RaRはCoT手法との補完性が強調され、組み合わせたパフォーマンスがさらに向上します。トークン数を減らして優れた結果を達成するCoTに比べて費用効果があります。RaRは、高度なモデルから能力の低いモデルへの質問の転送を容易にし、曖昧さに対処します。公平なLLMの能力評価と厳密な人間作成タスクのレビューを提唱しています。RaRの教師なしでトレーニング不要な特性は、すべての質問に対する経済的利便性を高めています。ベンチマークデータセットでの実証的評価によって効果が確認されたRaRは、CoT手法と補完的な位置づけがなされています。向上した質問品質の他のモデルへの転用可能性が強調され、RaRの費用対効果、教師なしの性質、広範な適用性が強調されています。公平なLLMの能力評価と特定の能力を対象とした人間作成タスクの厳密なレビューの重要性を強調し、この自然言語理解の進歩の重要性を強調しています。 RaRの方法に関する将来の研究では、他のプロンプト技術との組み合わせによってLLMのパフォーマンスを向上させることを探求する必要があります。RaRの拡大性と一般化性をさまざまなLLMアーキテクチャとデータセットで調査する必要があります。実世界の応用とユーザーケースでのRaRの評価は、その実用性を評価することになります。異なる再表現戦略の影響を探索し、潜在的な制約に対処し、LLMの能力の公平な評価方法を開発する、再表現された質問を生成するための自動化手法など、さらなる研究の必要性があります。他のプロンプト手法との比較のための標準化されたベンチマークは、この分野の研究を向上させることができます。

「MM-VID for GPT-4V(ision)による進化するAIビデオ理解の解放」

世界中で、個人は毎日さまざまなビデオを作成しています。ユーザー生成のライブストリーム、ビデオゲームのライブストリーム、ショートクリップ、映画、スポーツの放送、広告などです。多目的VoAGIとして、ビデオはテキスト、ビジュアル、オーディオなどさまざまな形態で情報とコンテンツを伝えます。これら多様な形態から学習できる方法を開発することは、手作業でキュレーションされたデータセットの制約を超えて、非キュレーションのリアルワールドのビデオを分析する能力が向上した認知的なマシンの設計にとって重要です。ただし、この表現の豊かさは、長時間のビデオに取り組む際に特にビデオの理解を探求する際にさまざまな課題をもたらします。特に1時間を超えるビデオの微妙さを把握するには、複数のエピソードをまたぐイメージとオーディオシーケンスの分析方法が必要です。この複雑さは、異なる情報源から情報を抽出し、スピーカーを識別し、キャラクターを識別し、物語の一貫性を維持する必要性とともに増加します。さらに、ビデオの証拠に基づいて質問に答えるには、コンテンツ、文脈、字幕の深い理解が求められます。ライブストリーミングやゲームのビデオでは、リアルタイムでの動的な環境の処理において追加の課題が生じます。セマンティックな理解と長期的な戦略的計画への関与が必要です。近年、大規模な事前トレーニング済みのビデオ-言語モデルにおいて大きな進展が達成され、ビデオコンテンツに対する優れた推論能力が示されています。しかし、これらのモデルは通常、短いクリップ（例：10秒のビデオ）や事前定義されたアクションクラスでトレーニングされています。そのため、これらのモデルは複雑なリアルワールドのビデオの微妙な理解を提供することに制約が生じる場合があります。リアルワールドのビデオの理解の複雑さには、シーン内の個人の特定とその行動の明確化が含まれます。さらに、これらの行動の時期や方法を特定する必要があります。また、さまざまなシーンで微妙なニュアンスやビジュアルの手がかりを認識する必要があります。この研究の主たる目的は、これらの課題に取り組み、リアルワールドのビデオ理解に直接適用可能な手法を探求することです。アプローチは、延長ビデオコンテンツを一貫したストーリーに分解し、これらの生成されたストーリーをビデオ分析に使用することを含みます。大規模なマルチモーダルモデル（LMM）の最近の進展、GPT-4V（ision）などの進歩により、入力画像とテキストの両方の処理において優れた理解能力が示されました。これにより、LMMの応用範囲をビデオドメインに拡大することに関心が集まっています。本記事で報告された研究では、ビデオ理解のために専門ツールをGPT-4Vと統合するシステムであるMM-VIDを紹介しています。システムの概要は以下の図に示されています。入力ビデオを受け取ると、MM-VIDはマルチモーダルの前処理を開始し、シーン検出と自動音声認識（ASR）を含めてビデオから重要な情報を収集します。その後、シーン検出アルゴリズムに基づいて入力ビデオを複数のクリップに分割します。次に、GPT-4Vを使用し、クリップレベルのビデオフレームを入力として、各ビデオクリップの詳細な説明を生成します。最後に、GPT-4Vは、クリップレベルのビデオの説明、ASR、および利用可能なビデオのメタデータに基づいて、全体のビデオに対する一貫したスクリプトを生成します。生成されたスクリプトは、MM-VIDがさまざまなビデオタスクを実行するための力を与えます。この研究からのいくつかの例を以下に報告します。これがMM-VIDの概要であり、GPT-4Vと専門ツールを統合した新しいAIシステムです。興味があり、さらに詳しく知りたい場合は、以下に引用されたリンクを参照してください。

Amazon SageMaker JumpStartを通じてLlama 2 Chat LLMを使用するための最適なプロンプトの実施方法

「Llama 2は、AIの革新の最前線に立ち、洗練されたトランスフォーマー基盤上で開発された先進的な自己回帰言語モデルを具現化しています英語を主要な言語集中として、商業および研究の領域で多様なアプリケーションに対応するようカスタマイズされていますそのモデルパラメータは、驚異的な70億からすばらしい[…]にスケールします」

Amazon SageMakerの自動モデルチューニングを使用して、事前に選択されたアルゴリズムを使用してカスタムのAutoMLジョブを実装します

AutoMLは、機械学習（ML）プロジェクトのライフサイクルの初めに、データから迅速かつ一般的な洞察を得ることができます前もって最適な前処理テクニックやアルゴリズムの種類を理解することで、適切なモデルの開発、トレーニング、展開にかかる時間を短縮できますこれは、すべてのモデルの開発プロセスで重要な役割を果たします[...]

「Pythonデータ操作スキルを向上させるための2つのタスク」

新しいツールを学ぶ際には、通常、ドキュメントを読んだり、チュートリアルを見たり、記事を読んだり、例題を解いたりすることがありますこれは十分なアプローチであり、ある程度まではツールの学習に役立つでしょう...

この中国のAI研究は、最新のSOTAビジュアル言語モデルGPT-4V(ision)の詳細な評価と自動運転シナリオへの応用を提供しています

上海人工知能研究所、GigaAI、華東師範大学、香港中文大学、WeRide.aiの研究チームは、自律走行シナリオでのGPT-4V(ision)と呼ばれるビジュアル言語モデルの適用可能性を評価しています。GPT-4Vは、シーン理解と因果推論の分野で優れた性能を発揮し、さまざまなシナリオの処理と意図の認識において潜在的な可能性を示しています。方向判断や信号機の認識には依然として課題があり、さらなる研究と開発が必要とされています。この研究は、自動運転の実際の運転状況におけるGPT-4Vの有望な能力を明らかにし、改善のための具体的な領域を特定しています。この研究では、自律運転の状況でGPT-4V(ision)のシーン理解、意思決定、運転能力を評価しています。包括的なテストにより、GPT-4Vは既存のシステムに比べてシーン理解と因果推論の分野で優れたパフォーマンスを示しています。ただし、方向判断や信号機の認識などのタスクには課題が残り、自律運転能力を向上させるためにさらなる研究と開発が求められています。この研究結果は、GPT-4Vの潜在能力を強調し、引き続きの探索と改善の努力を通じて特定の制約に取り組む必要性を強調しています。従来の自律車両へのアプローチでは、オブジェクトの正確な認識と他の交通参加者の意図の理解に課題があります。LLMはこれらの問題に対処する可能性がありますが、視覚データの処理能力に制約があります。GPT-4Vの登場により、自動運転におけるシーン理解と因果推論を向上させる機会が提供されます。この研究は、実際の運転状況で様々な条件の認識と意思決定能力を包括的に評価し、自動運転の将来の研究に基礎的な示唆を提供することを目指しています。この手法は、自律運転シナリオの文脈におけるGPT-4V(ision)の包括的な評価を提供しており、ドライビングシーンの理解、意思決定、ドライバーとしての役割を評価しています。基本的なシーン認識、複雑な因果推論、さまざまな条件下でのリアルタイムの意思決定などのタスクが含まれます。評価には、オープンソースのデータセット、CARLAシミュレーション、インターネットからの選りすぐりの画像やビデオが使用されています。 GPT-4Vは、現行の自律システムに比べてシーン理解と因果推論の能力が向上しており、配布範囲外のシナリオの処理、意図の認識、実際の運転状況での的確な意思決定能力を示しています。ただし、方向判断、信号機の認識、ビジョンの基礎付け、空間推論などの課題が残っています。この評価は、GPT-4Vの能力が既存のシステムを上回っており、自動運転の将来の研究に基礎的な示唆を提供しています。この研究は、自律運転シナリオにおいてGPT-4V(ision)の包括的な評価を行い、既存のシステムに比べてシーン理解と因果推論の優れた性能を明らかにしています。GPT-4Vは、配布範囲外の手順の処理、意図の認識、実際の運転状況での的確な意思決定能力を示し、潜在的な可能性を示しています。ただし、方向判断、信号機の認識、ビジョンの基礎付け、空間推論などの課題が残ります。この研究は、方向判断、信号機の認識、ビジョンの基礎付け、空間推論の課題に対処するための追加の研究と開発の必要性を認識しています。また、最新バージョンのGPT-4Vでは、現在の研究で提示されたテスト結果と異なる応答が得られる可能性があることを指摘しています。

「AWS Partition Projections Athenaクエリのパフォーマンス向上」

この記事では、AWS Athenaクエリのパフォーマンス向上の分析と、パーティションプロジェクション機能の利点について説明します

Learn more about Search Results on - Page 17