Search Results A

「ウォルマートの大胆な動き：50000人の企業従業員に生成型AIアシスタントを装備する」

画期的な取り組みとして、小売り大手のウォルマートが、5万人の企業従業員に生成型AIアシスタントを提供する計画を発表しましたウォルマートのエグゼクティブVPであるドナ・モリスによって発表されたこの動きは、組織全体での業務の効率化、生産性の向上、意思決定の改善を目指していますAIの統合を考えた企業は多いですが、[…]

Generative AI

『AIのおそらく知られていないトップ4の活用法』

人工知能（AI）が今やその形成期に入っていることを考えると、10年未満でAIが何をもたらすかを想像するのは難しいです自律的なシステムが開発されるまでまだ長い道のりがありますが、AI技術は人間の創造性にのみ予約されていたタスクにおいても効果を証明しています...おそらく知らなかったAIのトップ4の利用方法続きを読む »

Tech

ローカルマシン上でGenAI LLMsのパワーを解放しましょう！

はじめに GenAI LLMsのリリース以来、私たちはそれらをある方法または別の方法で使用しています。最も一般的な方法は、OpenAIのウェブサイトなどのウェブサイトを介して、OpenAIのGPT3.5 API、GoogleのPaLM API、またはHugging Face、Perplexity.aiなどの他のウェブサイトを介してChatGPTやLarge Language Modelsを使用することです。これらのアプローチのいずれにおいても、私たちのデータはコンピュータの外部に送信されます。これらのウェブサイトは最高のセキュリティを保証しているとはいえ、何が起こるかわかりませんので、サイバー攻撃のリスクがあるかもしれません。時には、これらのLarge Language Modelsをローカルで実行し、可能であればローカルでチューニングしたい場合もあります。この記事では、Oobaboogaを使用して、つまりLLMsをローカルで設定する方法について説明します。学習目標ローカルシステムに大規模な言語モデルを展開することの意義と課題を理解する。大規模な言語モデルを実行するためのローカル環境を作成する方法を学ぶ。与えられたCPU、RAM、およびGPU Vramの仕様で実行できるモデルを調べる。 Hugging Faceから任意の大規模な言語モデルをローカルで使用するためのダウンロード方法を学ぶ。大規模な言語モデルを実行するためにGPUメモリを割り当てる方法を確認する。この記事はData Science Blogathonの一環として公開されました。 Oobaboogaとは何ですか？ OobaboogaはLarge…

学生と機関のためのChatGPTプラグインで学習を向上させる

イントロダクション ChatGPTは、最も高度な会話型AIモデルの一つとして急速に注目を集めており、多様なトピックにわたって人間らしいテキストを生成する能力でユーザーを魅了しています。無料版のChatGPTは人気がありますが、学生や機関向けのChatGPTプラグインを利用することで、ユーザーは自分の体験をカスタマイズし、ウェブを閲覧し、特定の産業や興味に合わせた専門知識モジュールにアクセスすることができます。 ChatGPTプラグインは、大学や機関で学生の教育体験を向上させるためのプラットフォームを提供します。これらのプラグインは、専門ツールやリソースを取り入れることで、チャットボットの応答を特定の学術的要求に合わせることができます。プラグインによって、メインモデルの機能が拡張され、言語翻訳サービス、特定の科目に関する洞察、または難解な数学の問題の解決などが可能となります。さらに、学習の好みも異なるため、新しい改良された学習方法を促進することができます。学習目標 ChatGPTプラグインの基本的な利用例を理解する。学生や教育機関向けの人気で影響力のあるChatGPTプラグインのキュレートされたリストに深入りする。学生が新しい概念を学び、問題を理解し、分析し、解決するためにこれらのプラグインを使用できる現実世界の利用例を分析する。 ChatGPTプラグインを使用したデータ分析のためのコードベースの入力と出力生成に深入りする。この記事は、データサイエンスブログマラソンの一環として公開されました。生成型AIとChatGPTプラグイン生成型AIは、与えられた入力から新しい出力を生成することで、デジタルでの作成、分析、および対話を革新しました。ChatGPTは、一貫した文脈に基づいた応答を生成する能力で人気のあるプラットフォームとなっていますが、プラグインの統合により、より専門的な機能、他のソフトウェアとのシームレスな統合、そして教育機関や学生を含むさまざまな産業に対応したユーザーエクスペリエンスを提供することができます。学生向け人気のあるChatGPTプラグイン学生向けの人気のあるChatGPTプラグインの一部は以下の通りです：ダイアグラム：ChatGPT-4のダイアグラムプラグインは、ダイアグラムを使った視覚的な説明を容易にします。Mermaid、GraphViz、PlantUMLなどの異なる構文をサポートしています。ユーザーは説明や既存のダイアグラムへの変更を処理することができます。 ScholarAI：ScholarAIは、査読付きの学術論文や研究論文にアクセスするために使用できるプラグインです。このプラグインを使用することで、学生は関連する査読付きの研究を迅速にクエリでき、科学的な研究の改善や洞察を得るための信頼性のあるデータを確保することができます。 PDFでチャット：チャットウィズPDFは、ChatGPTを通じてインターネットからPDFファイルにアクセスし、クエリを行うことができるユーティリティです。この堅牢なユーティリティを使用すると、リンクを指定するだけでPDFから洞察を得るプロセスが簡素化されます。学生は文書の内容から質問をしたり、特定の詳細を求めることができます。ウルフラム：ウルフラムプラグインは、ChatGPTの機能を強化し、計算ツール、数学関数、整理された情報、最新のデータ、視覚化機能に接続することで、数学の処理やデータの計算を含むさまざまな操作を行うことができます。これは、ダイアグラムなどの入力ダイアグラムから取得したデータを使用して数学を読み取り、処理、計算するといった操作と組み合わせることも可能です。ビデオインサイト：ビデオインサイトプラグインは、リアルタイムでビデオコンテンツを分析し、価値ある洞察を得るのに役立ちます。学生は、長い講義ビデオからキーポイントの復習や要約を迅速に行い、メモを作成するためにこのプラグインを使用することができます。オープンレクチャー：オープンレクチャープラグインは、大学レベルのコンテンツや講義にアクセスするために使用することができます。ポケットに大学の講義、書籍、学習ノートのデジタルアーカイブを所有することを目的としています。コードインタプリタ：コードインタプリタは、AIチャットボットのデータのアップロード、コードの記述と編集、さまざまな操作と分析を行う能力を向上させるマルチ機能プラグインです。ChatGPTにデータの分析、チャートの作成、ファイルの編集、数学の計算を依頼することができます。データ分析などに使用することもできます。ダイアグラムプラグイン Diagram Pluginとその使用方法について詳しく見てみましょう。Diagram Pluginは、複雑なアイデアやプロセスを表現するための可視化を作成するために使用できます。その機能を活用することで、学生はそれらを説明してデジタルダイアグラムを描くことができます。…

「Seaborn KDE プロット上のデータポイントを自動的に抽出してラベル付けする方法」

カーネル密度推定プロットは、データポイントの分布を可視化するための方法であり、ヒストグラムと似ていますヒストグラムは観測値をビンに分けて数えますが、KDEプロットはデータを滑らかに表現します...

エッジコンピューティングにおけるAI：リアルタイムを向上させるアルゴリズムの実装

エッジコンピューティングは、IoTデバイス、センサー、ネットワークスイッチなどのデータソースの近くに計算を配置する革新的なアプローチです

「KafkaとRisingwaveを使用したFormula 1のストリーミングデータパイプラインの構築」

Formula 1のデータ、Python、Kafka、RisingWaveを使用して、ストリーミングデータパイプラインを構築し、Grafanaでリアルタイムデータをすべて可視化します

Data Engineering

「プロジェクト管理のための最高のAIツール（2023年9月）」

Notion AI 最新の人工知能技術により、ブログエントリー、ミーティングの議題、セールスメールなど、どんなものでもNotion AIが迅速かつ簡単に作成を支援します。AIの無限の可能性を引き出すことで、ユーザーは時間を節約し、より速く書くことができます。Notion AIは複雑な段落やページの先行作業を行い、スペルや文法の修正、インライン翻訳、詩の作成などにも役立ちます。Notion AIの助けを借りて、ユーザーは思考の幅を広げ、創造的なアウトプットを向上させることができます。Notion AIのアルファ版は11月16日にリリースされ、ウェイトリストに登録した順にアクセスが可能となります。早期アクセス期間中、Notion AIは無料で利用できます。 ClickUp ClickUpは、あらゆる規模や業界のグループ内およびグループ間のコミュニケーションを改善するオールインワンのプロジェクト管理ソリューションです。その柔軟性と使いやすさから、ClickUpは製品の作成と計画のためのプロダクトマネジメントソリューションの代表的な選択肢となりました。製品計画、ロードマップ、新製品リリースなどのための多くの使いやすいプロダクトチームのテンプレートを備えたカスタマイズ可能なプラットフォームです。ClickUpの柔軟性と便利な機能により、各チームはプラットフォームを自分たちの要件やプロセスの微妙なニュアンスに合わせて変更することができます。 Ayanza Ayanzaは、チームの健康と生産性に関心を持つ人工知能管理プラットフォームです。ナビゲーションが簡単で、プロジェクト管理のテンプレートのバラエティとチャット機能を備えたニュースフィードボードが付属しており、チームとのコミュニケーションをソーシャルメディアのような更新ストリームを通じて維持することができます。Ayanzaは、革新的な人工知能のアプローチを取り入れており、チームがより大きな成功を達成するのに役立ちます。AyanzaのAI統合により、アイデアの発想、迅速なアイデア共有、より深いワークフロー理解を促進することで、チームの士気とオープンなコミュニケーションが向上します。AIライターに質問をしてわずかな言葉で即座の回答を受け取ることもできます。情報を提供し、簡単に完了するためのユニークなレポートを作成することは常に複雑でしたが、ルーチンワークを迅速に行うことでストレスを軽減できます。 Process.st 企業は、Process.stまたはProcess Streetを使用してプロセスを管理し、効率を改善することができます。このシステムはChatGPTによって駆動されており、プロジェクトの作業を自動化し、生産性を向上させます。協力は、プロセスとタスクの管理の最も重要な要素です。主な機能には、プロジェクト管理、成果物のトラッキング、自動チェックイン、強化されたデータ分析、およびルーチンのジョブ管理が含まれます。Slack、Zapier、Trelloなどのプロジェクト管理アプリケーションをProcess Streetと統合することもできます。プロジェクトプランナープロジェクトプランナーは、クラウドベースのプロジェクト管理ソフトウェアで、コスト管理、プロジェクトスケジュール、タスクパフォーマンスのレポート、リアルタイムコミュニケーションを容易にします。PAIという人工知能によるソフトウェアソリューションを導入することで、Project Plannerの機能が拡張されました。タスクやドキュメントの自動生成を自動化することで、PAIはチームワークをサポートします。このハブは、チームメンバーからステークホルダー、マネージャーまで、プロジェクトの開発の各段階で関係者全員に情報を提供するために構築されています。 Project Insight (PI) Project Insight…

「新しいAIの研究が、化学的な匂いを説明する能力において、機械学習モデルが人間レベルのスキルを達成することを示している」という

神経科学における基本的な課題は、刺激の物理的特性と知覚的特性の関連性を理解することです。視覚の色や聴覚の音高のように、他の感覚では物理的特性と知覚的品質の間に確立されたマッピングが存在しますが、この研究では化学構造と嗅覚の知覚の間のマッピングは適切に理解されていないことが示されています。これらの懸念に対処するため、研究者は化学構造を嗅覚知覚にマッピングするためのニューラルネットワークベースのモデルを開発し、知覚的な距離と階層を捉えるPrincipal odor map（POM）を作成しました。彼らは5,000の分子と嗅覚ラベルのデータセットで実験し、モデルを訓練し、将来の検証チャレンジを行いました。その結果、モデルの予測が新しい嗅覚物質に対する人間の評価と非常に一致することが示されました。POMは知覚的な関係を保持し、従来の構造ベースのマップを上回る性能を発揮しました。この研究は、機械学習が嗅覚空間をマッピングし、嗅覚知覚を理解する可能性を強調しています。研究者は、さまざまなモデルの嗅覚好みを予測するためにグラフニューラルネットワーク（GNN）モデルを従来のカウントベースのフィンガープリントモデルと比較しました。GNNモデルは、55％の嗅覚ラベルについて人間の審査員の評価に追いついたり上回ったりする性能を発揮しました。化学反応中の不純物は、刺激セットでの臭いの知覚に寄与する可能性のある要素として特定されました。GNNモデルは、明確な構造的決定要因と多くの訓練例を持つラベルに対して最も優れた性能を発揮しましたが、審査員のパフォーマンスはラベルに対する熟知度によって異なりました。 Principal odor map（POM）の堅牢性を評価するために、研究者は分子構造と臭いの知覚のマッピングにおける逆説的な関係を50％のケースでPOMが正しく予測する結果を得ましたが、基準モデルは90％で大幅に悪化しました。POMの座標に基づく線形モデルは、化学情報学モデルよりも嗅覚適用性、臭いの検出閾値、および複数のデータセット間の知覚的類似性を予測する性能が優れていました。この人間の嗅覚の駆動マップは、分子構造と臭い知覚の複雑な関係のさらなる探索の基盤を提供します。これにより、化学、嗅覚神経科学、心理物理学の分野が進展することが期待されます。

オラクルと一緒にXRを開発しよう、エピソード6 AIサマライザー＋ジェネレーター

このチュートリアルでは、ユーザーの周囲からのさまざまな入力を使用し、それをAIで処理し、要約/生成AIを返すミックスドリアリティアプリの完全なソースを提供します

Learn more about Search Results A - Page 239