Search Results 財務

「マシンラーニングによるNBAの給与予測」

NBAは、スポーツの中でも最も利益の上がる競争力のあるリーグの一つとして際立っていますここ数年、NBA選手の給与は上昇傾向にありますが、その背後には感動的なものがあります...

最近のグローバルな世論調査では、半数以上の回答者が、この新興技術を金融計画や医療ガイダンスなどの機密性の高い分野に利用すると回答しました。しかし、幻覚、ディスインフォメーション、バイアスなどの問題があるという懸念もあります。機械学習の最近の発展により、特に大規模言語モデル（LLMs）は、チャットボットや医療診断からロボットまで、さまざまな分野で利用されています。言語モデルの評価とその能力と限界をより良く理解するために、異なるベンチマークが開発されています。例えば、GLUEやSuperGLUEのような、全般的な言語理解を評価するための標準化されたテストが開発されています。最近では、HELMが多様なユースケースと指標でLLMsの包括的なテストとして発表されました。LLMsがますます多くの分野で使用されるにつれて、その信頼性についての疑念が高まっています。既存のLLMの信頼性評価は、主に頑健性や過信などの要素に焦点を当てた狭義の評価です。さらに、大規模言語モデルの能力の向上は、LLMsの信頼性の問題を悪化させる可能性があります。特に、GPT-3.5とGPT-4は、対話向けに最適化された特殊な最適化手法により、指示に従う能力が向上しています。これにより、ユーザーはトーンや役割などの適応や個別化の変数をカスタマイズすることができます。テキストの埋め込みにしか適していなかった古いモデルと比較して、改善された機能により、質問応答やディスカッション中の短いデモンストレーションを通じた文脈学習などの機能が追加されます。 GPTモデルの信頼性を徹底的に評価するために、一部の研究者グループは、さまざまなシナリオ、タスク、メトリック、データセットを用いて、8つの信頼性視点に絞り込み評価を行いました。グループの最も重要な目標は、GPTモデルの頑健性を困難な状況で測定し、さまざまな信頼性の文脈でのパフォーマンスを評価することです。このレビューでは、一貫性を確認し複製可能な結果を得るために、GPT-3.5とGPT-4モデルに焦点を当てています。 GPT-3.5とGPT-4について話しましょう GPT-3の後継であるGPT-3.5とGPT-4により、新しい形の相互作用が可能になりました。これらの最先端モデルは、スケーラビリティと効率性の向上、およびトレーニング手法の改善を経ています。 GPT-3.5やGPT-4のような事前学習済みの自己回帰（デコーダのみ）トランスフォーマーは、先行モデルと同様に、左から右にトークンごとにテキストトークンを生成し、それらのトークンに対して行った予測をフィードバックします。GPT-3に比べて改善されたものの、GPT-3.5のモデルパラメータの数は1750億のままです。GPT-4のパラメータセットの正確なサイズや事前トレーニングコーパスの詳細は不明ですが、GPT-3.5よりも大きな財務投資がトレーニングに必要です。 GPT-3.5とGPT-4は、次のトークンの確率を最大化するために従来の自己回帰事前トレーニング損失を使用します。さらに、LLMsが指示に従い、人間の理想と一致する結果を生成することを確認するために、GPT-3.5とGPT-4は人間のフィードバックからの強化学習を使用します。これらのモデルは、OpenAI APIクエリングシステムを使用してアクセスすることができます。APIコールを介して温度や最大トークンを調整することで、出力を制御することが可能です。科学者たちはまた、これらのモデルが静的ではなく変化することを指摘しています。実験では、安定したバリアントのモデルを使用して信頼性の結果を保証しています。毒性、ステレオタイプに対するバイアス、敵対的攻撃に対する頑健性、OODインスタンスに対する頑健性、敵対的なデモンストレーションに対する頑健性、プライバシー、倫理、公平性の観点から、研究者はGPT-4とGPT-3.5の信頼性に関する詳細な評価を行っています。一般的に、GPT-4は全般的にGPT-3.5よりも優れた性能を示しています。ただし、GPT-4は指示により忠実に従うため、操作が容易になる可能性があり、ジェイルブレイキングや誤解を招く（敵対的な）システムのプロンプトやデモンストレーションに対して新しいセキュリティ上の懸念が生じます。さらに、これらの例は、モデルの信頼性に影響を与えるさまざまな特性や入力のプロパティがあることを示しており、追加の調査が必要です。これらの評価に基づいて、GPTモデルを使用してLLMsを保護するために、次の研究の方向性が検討される可能性があります。より多くの共同評価。GPTモデルのさまざまな信頼性の視点を検討するために、1-2回のディスカッションなどの静的なデータセットを主に使用しています。巨大な言語モデルが進化するにつれ、これらの脆弱性がより深刻になるかどうかを判断するために、対話型ディスカッションでLLMsを調査することが重要です。文脈による学習の誤認は、偽のデモンストレーションやシステムプロンプト以外にも大きな問題です。これらは、モデルの弱点をテストし、最悪のケースでのパフォーマンスを把握するために、さまざまなジェイルブレイキングシステムプロンプトや偽（敵対的な）デモを提供します。対話に偽の情報を意図的に注入することで、モデルの出力を操作することができます（いわゆる「ハニーポット会話」）。さまざまなバイアスの形式に対するモデルの感受性を観察することは魅力的です。関連する敵を考慮した評価。ほとんどの研究は、各シナリオで1つの敵のみを考慮に入れていますが、実際には、経済的なインセンティブが十分にあれば、様々なライバルが結託してモデルを騙すことが可能です。そのため、協調的かつ秘密裏な敵対的行動に対するモデルの潜在的な感受性を調査することは重要です。特定の設定での信頼性の評価。感情分類やNLIタスクなどの標準的なタスクは、ここで提示された評価においてGPTモデルの一般的な脆弱性を示しています。法律や教育などの分野でGPTモデルが広く使用されていることを考慮して、これら特定のアプリケーションにおける弱点を評価することは重要です。 GPTモデルの信頼性を確認する。LLMの経験的な評価は重要ですが、特に安全性の重要なセクターでは、保証が欠けることがしばしばあります。さらに、その不連続な構造により、GPTモデルの厳密な検証が困難になります。具体的な機能に基づいた保証と検証を提供したり、モデルの抽象化に基づいた検証を提供したり、ディスクリートな空間を対応する連続的な空間（意味の保持を持つ埋め込み空間など）にマッピングして検証を行うなど、難しい問題をより管理しやすいサブ問題に分割することができます。 GPTモデルを保護するための追加情報と推論分析の組み込み。統計のみに基づいているGPTモデルは改善する必要があり、複雑な問題を論理的に推論することはできません。モデルの結果の信頼性を保証するために、ドメイン知識と論理的推論の能力を言語モデルに提供し、基本的なドメイン知識や論理を満たすように結果を保護することが必要かもしれません。ゲーム理論に基づいたGPTモデルの安全性を確保する。作成時に使用される「役割プレイ」のシステムプロンプトは、モデルが役割を切り替えたり操作したりするだけで簡単に騙されることを示しています。これは、GPTモデルの対話中にさまざまな役割を作り出して、モデルの応答の一貫性を保証し、モデルが自己矛盾に陥ることを防ぐためのものです。特定のタスクを割り当てて、モデルが状況を徹底的に理解し、信頼性のある結果を提供することが可能です。特定のガイドラインと条件に基づいてGPTのバージョンをテストする。モデルは一般的な適用性に基づいて評価されますが、ユーザーにはセキュリティや信頼性のニーズがあり、それを考慮する必要があります。したがって、ユーザーのニーズや指示を特定の論理空間や設計コンテキストにマッピングし、出力がこれらの基準を満たしているかどうかを評価することは、モデルの監査をより効率的かつ効果的に行うために不可欠です。

「NVIDIAの収益報告書がAI革命での優位性を明らかに」

近年、AIは技術の進歩の中心であり、イノベーションを促進し、産業を再構築していますグラフィック処理の能力で知られるNVIDIAは、AIの台頭に伴う広範な経済的および技術的な利益の証として高くそびえ立っています彼らの最近の財務報告は、この企業がどれだけ重要な存在になっているかを明らかにしています

NVIDIA

データサイエンスのための善利益を超えて、より良い世界へ

「データ分析の力を活用して企業内でポジティブな変化を起こし、収益性を向上させましょう」

「ESGレポーティングとは何ですか？」

会社の環境、社会、ガバナンス（ESG）報告の包括的かつ効果的なためのデータ分析の活用

あなたのGen AIプロジェクトで活用するための10のヒントとトリック

現在、実際に利用されている生成型AIアプリケーションはあまり多くはありませんここで言っているのは、それらがエンドユーザーによって展開され、活発に使用されていることを意味します（デモ、POC、および抽出型AIは含まれません）生成型AIは…

スタートアップに参加する前に、データエンジニアが尋ねるべきトップ5の質問

「スタートアップに参加したいのか？ a16zによってIPOを控えた素敵なEシリーズのスタートアップのことは言っていない私が言っているのは、シードからシリーズBまでの本物のスタートアップだ毎日が…」

「AIによるPaytmによるインド経済の保護：金融セキュリティの革新」

インドの金融セクターの景観を再定義する画期的な動きとして、Paytmという有名ブランドの親会社であるOne 97 Communications Ltdが、インド規模のAIシステムを導入する準備を進めています。Paytmの最高経営責任者であるVijay Shekhar Sharma氏は、この取り組みを発表し、金融機関がリスクと詐欺を検出・対処するのを支援することを目指しています。この野心的なイニシアチブにより、Paytmはフィンテックにおいて波を起こし、セキュリティ、イノベーション、堅実な成長をもたらす未来のインドを目指しています。また、次の記事もご覧ください：最先端のAIを用いて支払い詐欺に立ち向かうインドの取り組み進歩への道：Paytmの開拓的な旅 Paytmの旅の中心には革新の遺産があります。Vijay Shekhar Sharma氏は、株主への手紙で、モバイル決済をインドに紹介する上でのブランドの先駆的な役割を強調しました。QRコードの再構築から革命的なSoundbox技術まで、Paytmの貢献はデジタル決済の大規模な普及を牽引し、インドをフィンテックイノベーションの最前線に位置づけています。技術革命の先駆けインドのフィンテック領域の成長潜力は比類ないものです。Vijay Shekhar Sharma氏は、インドを支払い技術、ソフトウェア、ハードウェアの潜在的な輸出国として捉えています。5億人の支払い消費者と1億人の商人の見込みを踏まえると、インドはデジタルトランスフォーメーションの未曾有の時代の中心に立っており、Digital Indiaイニシアティブとオープンかつスケーラブルな決済エコシステムを支える規制サポートによって推進されています。 Paytmの影響力は支払いにとどまりません。同社の貸付プラットフォームは好調で、約1500億ルピーの融資を実現しています。PoSシステムや開拓的なSoundboxなどの革新的なデバイスによって、Paytmの加盟店数は800万人に急増しています。後者はQRコードを介した成功したUPI支払いを発表し、業界全体に波及効果をもたらしました。また、次の記事もご覧ください：RBIがConversational AIとオフライン決済に取り組む AI革命：Paytmの最高傑作を公開 Paytmの大胆な野心の中心には、国家規模の先進的なAIシステムの構築があります。この堅牢なAIインフラストラクチャは、金融機関が潜在的なリスクと詐欺を検出するだけでなく、AIの進歩によってもたらされる新たな脅威から保護することを目指しています。PaytmのAIへの投資は、技術リーダーシップへの取り組みと一致して、人工汎用知能ソフトウェアスタックの開発にも及んでいます。 PaytmのAIの取り組みは国境を超えています。インド内でこの革新的なAIシステムを発想し、作り上げることで、Paytmは世界的な舞台でも期待を持てる資産を創造し、インドの技術力を活用するビジョンを示しています。インドの金融利益を守るという使命に加え、国境を超えるイノベーションに対するPaytmの献身が強調されています。また、次の記事もご覧ください：AIを活用したKYC登録が簡単に未来への航海：Paytmの未来のビジョン…

「10 最高のワークフロー自動化ツール」

現代の速いデジタルの世界では、効率は単なる流行語以上のものです - 必要不可欠なものですビジネスが拡大し、プロセスが複雑化するにつれて、手作業の操作はしばしば煩雑で時間のかかるものになります解決策は何でしょうか？ワークフロー自動化ツールですこれらのツールによって繰り返しのタスクを効率化することで、時間を節約するだけでなく、人為的なエラーのリスクも減らすことができます[…]

best of

データサイエンスプロジェクトを効果的に構造化する方法

「以前は、顧客がさまざまな回帰および分類タスクに取り組むために、類似モデルや推薦システム、NLP問題、予測など様々なデータサイエンスプロジェクトに従事していました」

Learn more about Search Results 財務 - Page 18