Search Results で見る

「PyTorchで最初のニューラルネットワークを開発する」

私はしばらくの間、ディープラーニングの分野で働いており、チュートリアルを書いてきました主にTensorFlowに焦点を当ててきましたが、PyTorchは他の非常に広く使われているディープラーニングパッケージです私は...

ドリームクラフト3D：ブートストラップされた拡散先行での階層的3D生成

「生成AIモデルは、AI業界内でしばらくの間、注目のトピックとなっています2D生成モデルの最近の成功は、私たちが今日の視覚コンテンツを作成するために使用する方法を築き上げましたAIコミュニティは2D生成モデルで驚異的な成功を収めましたが、3Dコンテンツの生成はまだ…」

Learning to build—Towards AI コミュニティニュースレター第1号

私たちは最新のニュースレターをお知らせすることをとても楽しみにしています！それは私たちの共同体についてのすべてですコラボレーションの機会、素晴らしい記事、投票など、興味深い情報をまとめて共有します

「（ベクター）インデックスの隠れた世界」

「ChatGPTの一般公開以来、LLM、RAG、およびベクターデータベースについての新しいコンテンツが掲載されることなく経過した日はほとんどありませんテクノロジー界はLLMの可能性を巡って大いに盛り上がっています」

「深層学習モデルの可視化方法」

ディープラーニングモデルは通常非常に複雑です多くの伝統的な機械学習モデルが数百のパラメータで済むことがありますが、ディープラーニングモデルは数百万または数十億のパラメータを持っていますオープンAIが2023年春にリリースした大規模言語モデルGPT-4は、約2兆のパラメータを持っていると噂されていますそれは･･･

ML Model Development

生成AIの逆説を調和させる：生成と理解における人間と機械の知能の相反する進化の道

ChatGPTからGPT4まで、DALL-E 2/3、Midjourneyまで、最新の生成AIの波は世界中で前例のない注目を集めています。この魅力は、「知性」と思われるものは人間の能力をも超えることで、それに対する深刻なリスクへの懸念とともに抑制されています。現在の生成モデルは、言語と視覚の両分野での長年の経験と専門知識を持つ専門家にも挑戦できる結果を生み出す可能性があり、これは機械が人間の知能を超えたという主張を説得力を持って支持しています。同時に、モデルの出力を詳しく調べると、専門家でない人にとっても驚きのある基本的な理解のミスが明らかになります。これは、矛盾のように思える問題を提起します：これらのモデルの明らかに超人的な力をどのように説明できるのか、同時に多くの人が修正できる基本的なミスを保持しています。彼らは、現在の生成モデルの能力構成と人間の知能の構成との違いからこの矛盾が生じると示唆しています。具体的には、ワシントン大学とアレン人工知能研究所の研究者たちは、この研究で「生成AIパラドックス仮説」を提案し、調査しました。この仮説は、生成モデルは専門家のような出力を直接生成するように訓練されているため、専門家のような出力通訳よりも創造的である可能性があるというものです。対照的に、人々はほとんど常に専門家レベルの結果を提供する前に基礎的な理解を必要とします。彼らは制御された研究で、言語と視覚のモーダリティを横断する生成モデルの生成と理解の能力を評価するために、「理解」という概念を構築するために2つの観点を使用します。つまり、1）生成タスクが与えられた場合、モデルは同じタスクの識別バージョンで適切な回答を選択できるか、および2）正解である場合、モデルは生成された応答の性質と適格性についてのクエリにどの程度応答できるかということです。したがって、2つの異なる実験設定があります：尋問と選択です。彼らの結果はタスクやモーダリティによって異なるものの、特定の傾向が明らかになります。選択的評価においては、モデルは生成タスクの文脈でしばしば人と同等のパフォーマンスを発揮するか、さらに優れていますが、識別的な状況では人間ほど優れていません。後続の調査では、人間の識別パフォーマンスは敵対的な入力に対してより強く、GPT4よりも生成パフォーマンスとより密接に関連していることが明らかになります。モデルと人間の識別のギャップは、タスクの複雑さが増すにつれて拡大します。同様に、尋問評価ではモデルは様々なタスクに対して高品質な出力を提供できますが、同じ生成に関する質問に答える際には頻繁にミスを comしがちであり、彼らの理解力は人間の理解力で改善が必要です。著者たちは、生成モデルと人間の能力構成の違いに関するさまざまな説明を検討しています。たとえば、モデルトレーニングの目標や入力の種類と量などです。彼らの結論には、いくつかの重要な影響があります。まず、現在の知性に基づいている現行の人間の経験に基づく考えが人工知能には適応しないかもしれないことを示唆しています。AIの能力は多くの側面で人間の知性に類似しているかまたはそれを超えていますが、その実際の特性は人間の思考プロセスの予想されるパターンとは大幅に異なる場合があります。反対に、彼らの結果は、生成モデルから人間の知性と認知についての結論を引き出すことはできないと警告しています。なぜなら、生成モデルの専門家のような出力は、非人間的なメカニズムを覆い隠している可能性があるからです。全体として、モデルを人間の知性と比較するのではなく、生成AIのパラドックスはそれらを興味深い対照として見ることを示唆しています。

Learn more about Search Results で見る - Page 4

「PyTorchで最初のニューラルネットワークを開発する」

ドリームクラフト3D：ブートストラップされた拡散先行での階層的3D生成

Learning to build—Towards AI コミュニティニュースレター第1号

「（ベクター）インデックスの隠れた世界」

「ストリーミングLLMの紹介無限長の入力に対するLLM」

「深層学習モデルの可視化方法」

生成AIの逆説を調和させる：生成と理解における人間と機械の知能の相反する進化の道

「AIコーディング：Google Bardは優れたPython開発者ですか？」

基本に戻ろう：プロビット回帰

「では、なぜ私たちはレコメンデーションシステムを気にする必要があるのでしょうか…？フィーチャリング：トンプソンサンプリングへの優しい紹介」

Find the right Blockchain Investment for you