Search Results モード

「SaaS AIの機能が堀や障壁なしでアプリケーションと出会う」

最近、いくつかのエンタープライズSaaS企業が創発型AI機能を発表しましたが、これは持続可能な競争上の優位性を欠いたAIスタートアップにとって直接的な脅威です

「このAIニュースレターはあなたが必要とするもの全てです #69」

Googleは、MicrosoftやAdobeといった企業に続き、彼らが提供するAIサービスの利用者を知的財産権侵害に関する訴訟から保護することに取り組むことを発表しました...

「枝は何も必要ありません：私たちの主観的なMLバージョニングフレームワーク」

「Gitブランチを使用したMLプロジェクトのバージョニングを簡素化し、ワークフローをシンプルにし、データとモデルを整理し、プロジェクトの関連する部分を結びつけるシンプルなアプローチ」

AIブームがクラウドサービスに与える影響の調査

「クラウドサービスはかつてデータサイエンス界で話題となりましたしかし、今や話題はAIに移っています - 無限の可能性を持つテクノロジーツールですこの変化はクラウドが過去のものとなることを意味するわけではありませんAIの人気によって、クラウドはさらに良くなるでしょうクラウドは最も...」

Cloud

オラクルは、AIとクラウドを基盤とした未来のビジョンを明らかにしました

ラリー・エリソンは、生成的AIが変革的であり、エンタープライズAIアプリケーションの構築におけるOracle Cloudの独特な利点を詳細に説明しています

「多言語AIは本当に安全なのか？低リソース言語における大規模言語モデルの脆弱性を明らかにする」

GPT-4は、方針や倫理的な制約に反する要求に対して、「ごめんなさい、それには対応できません」と答えることをデフォルトにしています。大規模な言語モデル（LLM）がチャットボットや執筆ツールなどのユーザー向けアプリケーションで使用される場合、AIの安全訓練とレッドチーミングは重要です。LLMが否定的なマテリアルを生成した場合、深刻な社会的な影響があり、誤った情報の拡散、暴力の助長、プラットフォームの破壊などが含まれます。既にある安全システムのクロス言語の弱点を見つけ、MetaやOpenAIなどの開発者が安全リスクを最小限に抑えるために進展を遂げているにもかかわらず、GPT-4で保護を回避し、否定的な反応を引き起こすために危険な入力を低リソースの自然言語にGoogle翻訳を使って単純に翻訳するだけで十分です。ブラウン大学の研究者は、英語の入力を低リソース言語に翻訳することで、AdvBenchmarkでさまざまなリソース設定を持つ12の言語をシステム的にベンチマークすることにより、GPT-4の安全フィルタを突破する確率を1%から79%に高めることを実証しています。さらに、彼らの翻訳ベースの戦略が最先端のジェイルブレイキング技術と比較して一致するか、あるいはそれを上回ることを示しており、これはGPT-4のセキュリティ対策に深刻な弱点があることを示しています。彼らの研究はいくつかの点で貢献しています。まず第一に、LLMの攻撃から高リソース言語と低リソース言語の間のギャップという形で示されるように、AI安全訓練コミュニティの差別的な扱いと言語の平等な評価の悪影響を浮き彫りにしています。また、彼らの研究は、GPT-4で現在利用可能な安全合致トレーニングが言語を横断的に一般化する必要性を示しており、低リソース言語との不一致による一般化安全の欠落モードが存在することを示しています。さらに、彼らの多言語環境の現実は、LLMの安全システムを土台にしています。世界中で低リソース言語を話す約12億人の人々がいます。したがって、安全対策を考慮する必要があります。低リソース言語の対応範囲が増えるにつれて、高リソース言語を話す悪意のある行為者でさえ、現在の予防策を容易に回避することができます。最後になりますが、この研究はより包括的で包括的なレッドチーミングの採用の緊急性を強調しています。英語中心のベンチマークに焦点を当てることで、モデルが安全であるという印象が生まれるかもしれません。しかし、安全訓練データが広く入手可能でない言語では、侵害のリスクにも依然として脆弱です。さらに重要なのは、彼らの研究結果は、LLMが低リソース言語でテキストを理解し生成する能力を学者たちがまだ正当に評価していないことを示唆しています。彼らは安全コミュニティに対して、低リソース言語を含む拡張言語カバレッジと多言語レッドチーミングデータセットを備えた強力なAI安全ガードレールの構築を求めています。

「先進的なマルチモーダル生成AIの探求」

イントロダクションテクノロジーの進歩する現代において、興奮すべき展開が現れています – 高度なマルチモーダルジェネレーティブAI。この最先端技術は、コンピューターをより革新的かつ優れたものにし、コンテンツの生成と理解を促進するものです。テキスト、画像、音声とシームレスに連携し、情報を生成するデジタルアシスタントを想像してみてください。この記事では、この技術がリアルタイム／実用的な応用や例でどのように機能するかを見ていき、さらには簡単なコードスニペットを提供して理解可能な形で説明します。それでは、進んで高度なマルチモーダルジェネレーティブAIの世界にダイブしましょう。出典- Microsoft 次のセクションでは、入力から融合、そして出力というマルチモーダルAIのコアモジュールを解き明かし、この技術がシームレスに機能する仕組みについて明確な理解を得ましょう。さらに、その能力と実世界での使用例を示す実用的なコード例も探求します。マルチモーダルAIは、私たちが想像してきた方法で機械が理解し、コミュニケーションするようになる、よりインタラクティブでクリエイティブかつ効率的なデジタル時代への飛躍です。学習目標シンプルな用語で高度なマルチモーダルジェネレーティブAIの基礎を理解する。入力、融合、出力モジュールを通じてマルチモーダルAIがどのように機能するかを探求する。実際のコード例を通じてマルチモーダルAIの内部機能を理解する。実世界の使用例についてマルチモーダルAIの実際のアプリケーションを探求する。シングルモーダルAIとマルチモーダルAIの違いとそれらの能力を区別する。実際のシナリオでマルチモーダルAIを展開する際に考慮すべき要素に深入りする。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。高度なマルチモーダルジェネレーティブAIの理解出典- LinkedIn あなたが信じられないほど賢く、さまざまな方法であなたを理解するロボットの友達、ロビーがいると想像してみてください。ビーチでの楽しい一日の面白い話をロビーに伝えたい場合、話しかける、アート/絵を描く、写真を見せるなど、さまざまな方法で彼とコミュニケーションすることができます。そして、ロビーはあなたの言葉、画像、その他を理解/ゲットすることができます。異なる方法でコミュニケーションし理解する能力が「マルチモーダル」の本質です。マルチモーダルAIはどのように機能するのか？マルチモーダルAIは、テキスト、画像、音声など、さまざまなデータモードでコンテンツを理解し生成するように設計されています。これを実現するために、次の3つの主要なモジュールを使用します。出典- Daffodil 入力モジュール…

トレンドのAI GitHub リポジトリ 2023年10月9日の週

「GitHubは人気のあるコードホスティングプラットフォームであり、開発者がさまざまなプログラミング言語やフレームワークのプロジェクトを共有し、共同作業することができますデータサイエンスの最新動向を知りたいという興味があるなら、GitHubは必須のプラットフォームですでは、さあ...」

GitHub

「LXTのテクノロジーバイスプレジデント、アムル・ヌール・エルディン – インタビューシリーズ」

アムル・ヌール・エルディンは、LXTのテクノロジー担当副社長ですアムルは、自動音声認識（ASR）の文脈での音声/音響処理と機械学習の分野で16年以上の専門的な経験を持つ博士研究員です特に近年は、深層学習技術に焦点を当てた実務経験に注力しています

このAI研究は「カンディンスキー1」という新しい手法を発表しました：COCO-30Kで優れたFIDスコアを持つ潜在拡散テキストから画像生成

“` 近年、コンピュータビジョンと生成モデリングは驚異的な進歩を遂げ、テキストから画像を生成する技術の発展につながっています。拡散ベースのモデルを含む様々な生成アーキテクチャが、生成される画像の品質と多様性の向上において重要な役割を果たしています。この記事では、33億のパラメータを持つ強力なモデル、Kandinsky1の原理、特徴、能力を探求し、測定可能な画像生成品質の最高レベルのパフォーマンスを強調します。テキストから画像を生成するモデルは、内容レベルのアーティファクトを持つ自己回帰的なアプローチからDALL-E 2やImagenといった拡散モデルへと進化しました。これらの拡散モデルは、ピクセルレベルと潜在レベルのカテゴリに分類され、信頼性と多様性においてGANを上回る画像生成の能力を持っています。これらのモデルは敵対的なトレーニングなしでテキスト条件を統合し、GLIDEやeDiff-Iなどのモデルによって示されるように、低解像度の画像を生成し、スーパーレゾリューション拡散モデルを使用して拡大します。これらの進展によってテキストから画像を生成する技術は大きく変容しました。 AIRI、Skoltech、およびSber AIの研究者らは、Kandinskyという新しいテキストから画像を生成するモデルを紹介しました。このモデルは、潜在拡散手法と画像事前モデルの組み合わせを特長としています。Kandinskyは、画像オートエンコーダーコンポーネントとして改良されたMoVQの実装を採用し、また、テキスト埋め込みをCLIPの画像埋め込みにマッピングするために画像事前モデルを別途トレーニングします。彼らの手法は、多様な生成モードをサポートし、モデルのソースコードとチェックポイントをリリースするユーザーフレンドリーなデモシステムを提供しています。 Kandinskyは、画像事前モデルと潜在拡散技術を組み合わせたテキストから画像を合成するための潜在拡散アーキテクチャを導入しています。CLIPとXLMRのテキスト埋め込みを使用して、拡散と線形マッピングを組み込んだ画像事前アプローチを採用しています。モデルは、テキストのエンコーディング、埋め込みマッピング（画像事前）、および潜在拡散の3つの主要なステップで構成されます。フルデータセットの統計に基づく視覚埋め込みの要素ごとの正規化は実装されており、拡散プロセスの収束を早めます。 Kandinskyのアーキテクチャは、256×256の解像度でCOCO-30Kバリデーションデータセットにおいて8.03の素晴らしいFIDスコアを達成するなど、テキストから画像を生成する際に強力なパフォーマンスを発揮します。また、線形事前構成は最も優れたFIDスコアを示し、視覚的およびテキストの埋め込み間に潜在的な線形関係が存在する可能性を示しています。彼らのモデルは、一部の猫の画像のサブセットで「猫事前」をトレーニングすることによっても、優れた画像生成能力を発揮します。全体的に、Kandinskyはテキストから画像を生成する最先端モデルと競合しています。 Kandinskyは、拡散ベースのシステムとして、画像生成および処理のタスクにおける最先端のパフォーマーとして浮上しています。彼らの研究は、線形事前が有望であり、視覚的およびテキストの埋め込み間に線形な関係が存在する可能性を示しています。ウェブアプリやTelegramボットなどのユーザーフレンドリーなインターフェースはアクセシビリティを向上させます。今後の研究の方向性としては、高度な画像エンコーダの活用、UNetアーキテクチャの向上、テキストプロンプトの改善、より高解像度の画像の生成、ローカル編集や物理ベースのコントロールなどの機能の探索が挙げられます。研究者らは、望ましくない出力の軽減のためにリアルタイムのモデレーションや頑健な分類器の導入が必要であるとの課題にも言及しています。 “`

Learn more about Search Results モード - Page 23