Search Results もっと詳しく

「DeepMindのAlphaFoldによる生体分子予測の革命」

生体分子の理解を進めましょう DeepMindは先駆的なAI研究所です。Google DeepMindは画期的なAlphaFoldシステムの最新バージョンを発表しました。これは生体分子の理解において重要な飛躍となります。AlphaFoldは、タンパク質の構造を正確に予測する能力で話題になっています。最近、彼らは新しいモデルを発表し、その拡張機能を備えました。これらの機能は、リガンド、核酸、翻訳後修飾を含む、広範な生物学的に関連する分子に適用されます。 Google DeepMindのAlphaFoldは、2020年の初版リリース以来、タンパク質とその相互作用を認識する方法を変革してきました。この先端技術は、DeepMindとIsomorphic Labsの協力のもとで生み出されました。彼らは分子の予測におけるAIの限界を押し上げるために共同で取り組んできました。また読む： Google DeepMindはChatGPTを超えるアルゴリズムに取り組んでいます新しいAlphaFoldモデルの主なハイライト新しいGoogle DeepMindのAlphaFoldモデルの主なハイライトは以下の通りです：高い精度とカバレッジ：最新のAlphaFoldモデルは、ほぼProtein Data Bank（PDB）データベース内のすべての分子に対して予測を生成し、原子レベルの精度を実現します。この画期的な精度は、リガンド、タンパク質、核酸（DNAおよびRNA）、翻訳後修飾を含むさまざまな生物分子クラスにまで広がります。バイオメディカルのブレークスルーの加速：拡張された能力により、AlphaFoldはバイオメディカルの発見を加速し、新たな「デジタルバイオロジー」の時代を切り開く準備が整っています。病気の経路、ゲノミクス、生物再生可能材料、植物免疫、治療の標的、薬剤設計のメカニズム、タンパク質エンジニアリングと合成生物学の革新的なアプローチなど、研究者はより深い洞察を得ることができます。薬物探索の進歩：AlphaFoldは、特に薬物探索への影響が大きいです。このモデルは、リガンドとタンパク質の相互作用を決定するために広く使用される最もよく知られたドッキング法よりも優れた性能を発揮します。さらに、参照タンパク質構造を必要とせずにタンパク質リガンドの構造を予測できるため、新しい分子や潜在的な薬剤の設計に貴重なツールとなります。最近の進展報告では、このモデルの驚異的な精度と生物分子全般への能力が示され、多くの科学領域での進歩が確認されました。 AlphaFold：画期的なタンパク質構造予測 AlphaFoldの旅は、単一鎖タンパク質の予測から複数のタンパク質鎖を持つ複雑な構造の予測へと進化し、ついに2022年にAlphaFold 2.3がリリースされました。特筆すべきは、Google DeepMindのAlphaFoldがほぼすべてのカタログ化されたタンパク質の構造予測をAlphaFold Protein Structure…

キャルレールの最高製品責任者、ライアン・ジョンソンへのインタビューシリーズ

ライアンは、初期のスタートアップからフォーチュン100の組織まで、多様なテクノロジーと製品開発のリーダーシップ経験を15年以上持っていますCallRailのチーフプロダクトオフィサーとして、彼は最高のテクノロジーソリューションを開発し、現実世界の問題を解決することに情熱を傾けていますCallRailへの参加前は、リーダーシップチームの重要メンバーでした...

「ファストテキストを使用したシンプルなテキスト分類」となります

自然言語処理は、業務のユースケースに指数関数的に適用されていますビジネスを変革する最もシンプルなAI自動化の一つは、テキスト分類です

「スカイラインから街並みまで： SHoP Architectsが革新的なデザインを具体化する方法」

ニューヨーク市に拠点を置く建築会社、SHoP Architectsでは、機能する新興技術を取り入れることで業界のプロフェッショナルが視覚的な傑作を創造することを目指しています。 SHoPのビジュアライゼーションディレクターであるFanさんは、建築ビジュアライゼーションとデザインの分野に広範な専門知識を持っています。彼女は都市のスカイラインやストリートシーンにおいて、確定的で画期的で持続性のあるアプローチを取ります。 Fanさんと彼女のチームは、静止画からリアルタイムの歩行シミュレーションまで、様々な建築ビジュアライゼーションプロジェクトに取り組んでいます。彼らはAdobe Photoshop、Autodesk 3ds Max、Autodesk Revit、Epic GamesのUnreal Engineなど、プロジェクトの進行に合わせて複数の創造的なアプリケーションを使用します。SHoPはプロジェクトの開始時に建築家と直接協力し、設計プロセス中の迅速な意思決定を助けるための画像やアニメーションを提供します。チームは常に新たな技術を統合し、未開拓のイノベーションの機会を追求し、研究開発を推進しています。Fanさんはリアルタイムと伝統的なレンダリング、拡張現実とAIを自身の創造的なワークフローに取り入れることが多いです。デザインを結集させる詳細なディテールを捉えるために、SHoPはNVIDIA RTX A5500を利用しています。Fanさんはまた、NVIDIA RTXアンバサダープログラムの一員でもあり、RTX技術を使用して多様な業界のプロフェッショナルの業務をより大きくするためにデザイナーやクリエイターとのつながりを生み出しています。最新のRTXの能力を備えているFanさんは、リアルタイムのビジュアライゼーションやAI、デジタルツインアプリケーションの領域での限界突破を続けたいと考えています。全ての画像はSHoP Architectsの提供です。創造的な体験の再定義 3Dモデルは真実の唯一の源として重要な役割を果たしており、そのためにSHoPのデザイナーは創造性や生産性の低下を心配せずに詳細なモデルやビジュアライゼーションを作成するための高度な技術が必要です。以前、チームはCPUベースの製品を使用しており、そのために担当できる仕事や研究開発の範囲が限られていました。しかし、RTXを使用することでデザイナーは複雑なデザインを作成し、他の人との連携を継続しながらコミュニケーションできるようになりました。 RTX A5500を利用することにより、Fanさんは効率と高品質なレンダリングを優先することができ、コンピューティングパワーの制約を気にする必要がありません。「NVIDIAのプロフェッショナルなRTX GPUは現在、グラフィックスカードソリューションの業界標準として知られています」とFanさんは述べています。「RTXは、ハードウェアの制約を心配することなく上述のすべての作業を行うために私たちにパフォーマンスとパワーを提供してくれます。」…

「Googleが最新のVertex AI検索を発表：医療プロバイダに革新をもたらすゲームチェンジャー」

HLTH 2023において画期的な発表がありました。Googleは、健康産業およびライフサイエンスプロバイダー向けに特化したVertex AIの検索機能を導入することにより、医療業界の革命の舞台を設けました。この革新は、患者データへのアクセス方法や医療クエリの回答方法を変革することを約束しています。詳細について探ってみましょう。医療の検索における新時代 GoogleのVertex AIプラットフォームがこの技術的飛躍の最前線に立ちます。これは、健康産業およびライフサイエンス企業が効率的に患者データを検索できる強力な生成型AI機能を備えています。これには、FHIRデータや臨床ノートなどの重要な臨床情報源も含まれます。また、この革新はGoogleの大規模な医療言語モデル、Med-PaLM 2との統合により、他の革新とは一線を画しています。【関連記事】GoogleのMed-PaLM 2は最先端の医療AIになるでしょう Vertex AIとMed-PaLMの解説 Vertex AIはカスタマイズ可能な検索エンジンであり、生成型AI対応の検索エンジンの作成を組織に可能にする革新的な技術です。これは、特に医療分野での顧客の検索体験を設計する柔軟性を提供します。一方、Med-PaLM 2は、Googleの大規模言語モデル（LLMs）の力を活用した生成型AI技術です。このデジタルの驚異は複雑な医療質問に答えることができ、正確かつ効率的な医療ソリューションにとって貴重な資産となります。【詳細はこちら】医療における生成型AI ホリスティックな医療クエリのアプローチ Vertex AI SearchとMed-PaLM 2の融合により、医療提供者が回答を求める方法にパラダイムシフトがもたらされました。患者特定の医療問い合わせや一般的な医療質問に対して、このダイナミックなデュオがカバーしています。効率とケアの品質の向上 Google CloudのクラウドAIおよび業界ソリューションのVP兼GMであるBurak…

AI Time Journalは、「サイバーセキュリティのトレンド2023」eBookを発表し、進化する脅威の景観を明らかにします

10月12日、アメリカのサンフランシスコ—人工知能（AI）の最前線に位置する主要な出版物であるAI Time Journalは、最新の電子書籍「サイバーセキュリティトレンド2023」の発売を喜んで発表しますこの包括的なリソースは、サイバーセキュリティに関連するさまざまなトピックを探求し、専門家、愛好家、意思決定者に貴重な洞察と分析を提供しています... AI Time Journal、進化する脅威の風景における鍵となる示唆を開示する「サイバーセキュリティトレンド2023」の電子書籍をリリース詳細を読む »

「ベクターデータベースを使用してLLMアプリを作成する方法」

イントロダクション人工知能の領域では、OpenAIのGPT-4、AnthropicのClaude 2、MetaのLlama、Falcon、GoogleのPalmなど、Large Language Models（LLMs）やGenerative AIモデルが問題解決の方法を革新しています。LLMsはディープラーニングの技術を使用して、自然言語処理のタスクを実行します。この記事では、ベクトルデータベースを使用してLLMアプリを構築する方法を紹介します。おそらくAmazonの顧客サービスやFlipkartのDecision Assistantのようなチャットボットと対話したことがあるかもしれません。それらは人間に近いテキストを生成し、実際の会話と区別がつきにくいインタラクティブなユーザーエクスペリエンスを提供します。しかし、これらのLLMsは最適化する必要があります。特定のユースケースに対して非常に関連性が高く具体的な結果を生成するようにするためには。例えば、Amazonの顧客サービスアプリに「Androidアプリで言語を変更する方法は？」と尋ねた場合、正確にこのテキストでトレーニングされていないため、答えることができないかもしれません。ここでベクトルデータベースが助けになります。ベクトルデータベースは、ドメインのテキスト（この場合はヘルプドキュメント）と、注文履歴などを含むすべてのユーザーの過去のクエリを数値の埋め込みとして保存し、リアルタイムで似たようなベクトルの検索を提供します。この場合、このクエリを数値ベクトルにエンコードし、ベクトルデータベース内で類似のベクトルを検索し、最も近い隣人を見つけるために使用します。このようなヘルプを通じて、チャットボットはユーザーを正しくAmazonアプリの「言語設定の変更」セクションに案内できます。学習目標 LLMsの動作原理、制約、およびベクトルデータベースの必要性について学ぶ。埋め込みモデルの紹介と、アプリケーションでのエンコードと使用方法について学ぶ。ベクトルデータベースとそれがLLMアプリケーションアーキテクチャの一部である方法について学ぶ。ベクトルデータベースとTensorFlowを使用してLLM/Generative AIアプリケーションをコーディングする方法を学ぶ。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。 LLMsとは何ですか？ Large Language Models（LLMs）は、自然言語を処理し理解するためにディープラーニングアルゴリズムを使用する基本的な機械学習モデルです。これらのモデルは大量のテキストデータでトレーニングされ、言語のパターンやエンティティの関係を学習します。LLMsは、言語の翻訳、感情分析、チャットボットの会話などのさまざまなタイプの言語タスクを実行することができます。彼らは複雑なテキストデータを理解し、エンティティとそれらの間の関係を識別し、統率的で文法的に正確な新しいテキストを生成することができます。 LLMsについてもっと詳しく読む。 LLMsはどのように動作するのですか？ LLMsは大量のデータ（しばしばテラバイト、さらにはペタバイト）を使用してトレーニングされ、数十億または数兆のパラメータを持ち、ユーザーのプロンプトやクエリに基づいて関連する応答を予測および生成することができます。入力データをワード埋め込み、自己注意層、およびフィードフォワードネットワークを通じて処理し、意味のあるテキストを生成します。LLMアーキテクチャについてもっと読むことができます。 LLMsの制約 LLMsは非常に高い精度で応答を生成するように見えますが、多くの標準化テストでは人間を超える結果を示すことがありますが、それでもこれらのモデルには制約があります。まず第一に、彼らは自身のトレーニングデータに頼ることだけで推論を行い、データ内の特定の情報や現在の情報が欠けているかもしれません。これにより、モデルが誤ったまたは異常な応答を生成することがあります（「幻覚」とも言われます）。これを軽減するための取り組みが継続中です。第二に、モデルはユーザーの期待に合致するように振る舞ったり応答するとは限りません。…

「Non-engineers guide LLaMA 2チャットボットのトレーニング」となります

イントロダクションこのチュートリアルでは、誰でも一行のコードを書かずにオープンソースのChatGPTを構築する方法を紹介します！LLaMA 2ベースモデルを使用し、オープンソースのインストラクションデータセットでチャット用に微調整し、そのモデルを友達と共有できるチャットアプリにデプロイします。クリックだけで偉大さへの道を歩むことができます。😀 なぜこれが重要なのか？特にLLM（Large Language Models）を含む機械学習は、私たちの個人生活やビジネスにおいて重要なツールとなり、過去に例のないほど人気が高まっています。しかし、MLエンジニアリングの専門的なニッチ分野ではないほとんどの人々にとって、これらのモデルのトレーニングとデプロイメントの複雑さは手が届かないもののように思えます。機械学習の予想される未来が普遍的な個別のモデルで満たされるものになるのであれば、非技術的なバックグラウンドを持つ人々にこの技術を独自に活用する力を与えるには、将来的に課題が待ち受けています。 Hugging Faceでは、この包括的な未来への道を静かに築くために働いてきました。Spaces、AutoTrain、Inference Endpointsなどのツール群は、機械学習の世界を誰にでもアクセス可能にするために設計されています。このチュートリアルでは、この民主的な未来がどれだけアクセス可能であるかを示すために、チャットアプリを構築するためにSpaces、AutoTrain、ChatUIを使用する方法を3つの簡単なステップで紹介します。コンテキストとして、私はMLエンジニアではなく、Hugging FaceのGTMチームのメンバーです。私がこれをできるなら、あなたもできます！さあ、始めましょう！ Spacesの紹介 Hugging FaceのSpacesは、MLデモやアプリの構築とデプロイを簡単に行うためのGUIを提供するサービスです。このサービスを使用すると、GradioやStreamlitのフロントエンドを使用して素早くMLデモを構築したり、独自のアプリをDockerコンテナにアップロードしたり、あるいは事前に設定された複数のMLアプリケーションを即座にデプロイしたりすることができます。このチュートリアルでは、Spacesからの事前構成済みのDockerアプリケーションテンプレート、AutoTrainとChatUIをデプロイします。 Spacesについてもっと詳しくはこちらをご覧ください。 AutoTrainの紹介 AutoTrainは、MLエンジニアでない（または開発者でない😮）人々がコードを書かずに最先端のMLモデルをトレーニングするためのノーコードツールです。NLP、コンピュータビジョン、音声、表形式のデータなどに使用することができ、今日行うようなLLMの微調整にも使用できます。 AutoTrainについてもっと詳しくはこちらをご覧ください。 ChatUIの紹介 ChatUIはその名の通りです。Hugging Faceが提供するオープンソースのUIで、オープンソースのLLMsと対話するためのインターフェースを提供します。特に、HuggingChatという完全オープンソースのChatGPTの代替としても使用されています。 ChatUIについてもっと詳しくはこちらをご覧ください。ステップ1：新しいAutoTrain…

「メーカーに会うロボット学生がNVIDIA Jetsonを搭載した自律型車椅子を発表する」

AIの助けを借りて、ロボット、トラクターやベビーカー、さらにはスケートパークさえも自律化しています。Kabilan KBという開発者は、障害を持つ人々の移動性を向上させるため、車椅子に自律航行機能を組み込んでいます。このインドのコーヤンバトールのカルニヤ工科大学の学部生は、エッジAIとロボティクスのためにNVIDIA Jetsonプラットフォームを使用して、自律車椅子プロジェクトを進めています。この自律型電動車椅子には、デプスセンサーやLiDARセンサー、さらにはUSBカメラが接続されており、環境を認識し、ユーザーの目的地への障害物のない経路を計画することができます。 “自動車椅子を使用する人は、移動先の場所を指示することができます。それは自律航法システムにすでにプログラムされているか、割り当てられた数値とともに経路が計画されているかもしれません。たとえば、キッチンに移動したい場合は「1」を押し、寝室に移動したい場合は「2」を押せば、自律型車椅子がそこに連れて行ってくれます。”とKBは述べています。 NVIDIA Jetson Nano Developer Kitは、カメラやセンサーからのデータをリアルタイムで処理します。そして、深層学習ベースのコンピュータビジョンモデルを使用して、環境中の障害物を検出します。この開発キットは自律システムの脳として機能し、周囲の2Dマップを生成し、目的地への衝突のない経路を計画し、途中で安全なナビゲーションを確保するために、電動車椅子に更新された信号を送信します。メーカーについて KBは機械工学の経験を持っており、パンデミック中にAIとロボットに魅了されました。その際、彼は自由な時間を使って教育的なYouTube動画を検索しました。現在、彼はカルニヤ工科大学でロボットとオートメーションの学士号を取得するための勉学に励み、将来的にはロボットのスタートアップを立ち上げたいと考えています。自己教育の支持者と自称するKBは、NVIDIA Deep Learning Instituteから「Jetson Nanoでエッジ上のビデオAIアプリケーションを構築する」や「Omniverseで拡張可能な開発、カスタマイズ、公開をする」など多くの認証を受けています。ロボット技術の基礎を学んだ後、彼はNVIDIA Omniverseでシミュレーションを試み始めました。NVIDIA Omniverseは、OpenUSDフレームワークに基づいて3Dツールやアプリケーションを構築・運用するためのプラットフォームです。 “シミュレーションのためにOmniverseを使用すると、ロボットのプロトタイプモデルの大規模な投資をする必要がありません。代わりに、合成データ生成を使用することができます。それは将来のソフトウェアです。”と彼は話しています。…

AI生成テキストの検出の課題

AIによる文章や投稿の執筆支援技術は、今やあらゆるところに存在しています！ChatGPTは、言語ベースのAIの様々な応用を開放し、コンテンツ生成のあらゆる形態にAIを利用することが可能です...

Learn more about Search Results もっと詳しく - Page 2