Search Results Neo4j

AI（人工知能）開発の先頭を走る13の企業

AIの未来は今日作られています！ODSCウエストのAIエキスポでは、未来がどのように展開し、AIの軌道がこれからの数年間でどのようになるかがわかる絶好の機会ですなので、いくつかの会社が基礎を築いている様子を見てみましょう

West 2023

「あなた自身のODSCウエストスケジュールの作り方」

人は完全に同じではないので、会議体験も非常に個別化されるべきです実践トレーニングセッション、専門家によるワークショップ、業界の著名人からの講演、AIエキスポとデモ会場、ネットワーキングイベント、Ai X イノベーションサミットなど、ODSC Westは...

「2023年のトップ10オープンソースデータサイエンスツールの比較概要」

データサイエンスの旅に役立つオープンソースツールをお探しですか？もうこれ以上探す必要はありませんこれらのゲームチェンジャーを発見して、データに基づいた意思決定を向上させましょう

Data science

‘未知に挑む検索強化生成 (RAG) | AIが人間の知識と出会う場所’

導入私たちの高速なデジタル世界では、人工知能はその驚くべき能力で私たちを驚かせ続けています。その最新のブレイクスルーの一つが、RAG（Retrieval Augmented Generation）として愛されています。このイノベーションは、司書と作家のスキルを融合させたようなデジタルの魔法使いのような存在です。これは私たちが情報を見つけて解釈する方法を変え、知識にアクセスすることが以前よりも簡単で洞察力に富む未来を約束しています。学習目標 Retrieval Augmented Generation (RAG)の基本的な概念を理解する。 RAGが検索と生成のAIアプローチを組み合わせる方法を理解する。クエリから応答まで、RAGの内部動作に洞察する。効率性とカスタマイズ性の観点から、RAGの重要性を認識する。さまざまな分野でのRAGの多様な応用を発見する。 RAG技術の将来の発展と影響を展望する。広範なデジタル知識と人間の相互作用のギャップを埋めるRAGの価値を認識する。この記事は、Data Science Blogathonの一部として公開されました。 RAGとは何ですか？まずは基本から理解しましょう。RAGは、2つの異なるAIアプローチを組み合わせています：出典 – Hyro 検索…

LLMs（Language Model）と知識グラフ

LLMとは何ですか？ Large Language Models (LLMs)は、人間の言語を理解し生成できるAIツールです。これらは、膨大な量のテキストデータでトレーニングされた数十億のパラメータを持つ強力なニューラルネットワークです。これらのモデルの広範なトレーニングにより、人間の言語の構造と意味について深い理解を持っています。 LLMsは、翻訳、感情分析、チャットボットの会話など、さまざまな言語タスクを実行することができます。LLMsは、複雑なテキスト情報を理解し、エンティティとその関係を認識し、繋がりを保ち、文法的に正しいテキストを生成することができます。ナレッジグラフとは何ですか？ナレッジグラフは、異なるエンティティに関するデータと情報を表し結びつけるデータベースです。これには、オブジェクト、人物、場所を表すノードと、ノード間の関係を定義するエッジが含まれます。これにより、機械はエンティティがどのように関連し、属性を共有し、私たちの周りの世界の異なるものとの関係を把握することができます。ナレッジグラフは、YouTubeの推奨ビデオ、保険詐欺の検出、小売業での製品推奨、予測モデリングなど、さまざまなアプリケーションで使用することができます。出典：https://arxiv.org/pdf/2306.08302.pdf | ナレッジグラフの例 LLMsとナレッジグラフ LLMsの主な制限の1つは、「ブラックボックス」であること、つまり、彼らが結論にどのようにたどり着いているかを理解するのが難しいということです。さらに、彼らはしばしば事実情報を把握し取得するのが難しく、幻覚として知られる誤りや不正確さが生じることがあります。ここで、ナレッジグラフがLLMsを推論するための外部知識を提供することができます。ただし、ナレッジグラフは構築が困難であり、進化している性質を持っています。そのため、LLMsとナレッジグラフを一緒に使用して、それぞれの強みを最大限に活かすことは良いアイデアです。 LLMsは、次の3つのアプローチを使用してナレッジグラフ（KGs）と組み合わせることができます： KGを活用したLLMs：これらは、トレーニング中にKGをLLMsに統合し、より理解力を高めるために使用します。 LLMを拡張したKGs：LLMsは、埋め込み、完了、質問応答など、さまざまなKGタスクを改善することができます。シナジー効果のあるLLMs + KGs：LLMsとKGsは互いに補完し合い、データと知識に基づいた双方向の推論を促進します。 KGを活用したLLMs LLMsは、広範なテキストデータから学習することによって、さまざまな言語タスクで優れた能力を持つことで知られています。ただし、誤った情報（幻覚）を生成したり、解釈可能性に欠けたりするという批判も受けています。研究者は、これらの問題に対処するために、LLMsをナレッジグラフ（KGs）で拡張することを提案しています。 KGsは構造化された知識を保存しており、それを使用してLLMsの理解を向上させることができます。一部の手法では、LLMの事前トレーニング中にKGsを統合して知識の獲得を支援し、他の手法では推論中にKGsを使用してドメイン固有の知識アクセスを向上させます。KGsは、LLMsの推論と事実の解釈に使用され、透明性を改善します。…