Search Results A

「コールセンターがAIを活用してエージェントと顧客に時間を解放する7つの方法」

CCWデジタルによる調査では、最大62％のコンタクトセンターが自動化とAIへの投資を検討していることが明らかになりました同時に、多くの消費者はセルフサービスオプションを利用したり、チャットボットとチャットしたりすることを望んでいます特に、これによって長時間の待ち時間をスキップできるのであれば、理想的な機会がコンタクトセンターのリーダーたちに提供されます...

「アニマ・アナンドクマールとともにAIを使用した科学の探求」

アニマ・アナンドクマールと一緒にAIと科学的なブレークスルーの世界への魅惑的な旅に参加しましょう。この魅力的なポッドキャストでは、カリフォルニア工科大学の尊敬されるブレン教授であり、NVIDIAのAI研究のシニアディレクターであるアナンドクマールは、AIの考え方の基礎、その異分野への影響、そして画期的なテンソルメソッドについての洞察を共有しています。天候の課題に取り組むことから科学におけるAIの役割まで、彼女はAIの影響の複雑な景色を簡略化します。アナンドクマールの専門知識が科学的探求のAIの未来を形作る方法を探ってみましょう。 Leading with Dataのこのエピソードは、Spotify、Google Podcasts、およびAppleなどの名だたるプラットフォームで利用できます。興味深いコンテンツに関わるためにお好みのプラットフォームを選択できます。アニマ・アナンドクマールとの対話から得られた重要な洞察言語モデルの進歩にもかかわらず、アルゴリズム思考はAIの進化において重要です。アニマ・アナンドクマールの異分野のバックグラウンドは、彼女のAI研究へのアプローチに大きな影響を与えています。アナンドクマールの博士課程中に開発されたテンソルメソッドは、教師なし学習において計算効率が高く、幅広い応用があります。 AIと数値計算の交差点は急速に進化しており、さまざまな科学的領域で大きなポテンシャルを持っています。 My Dojoや類似のベンチマークは、AIがオープンな環境で学習し意思決定するための舞台を設定します。将来の研究者が有意義な貢献をするためには、AIと機械学習の基礎知識が必要です。気候モデリングや量子化学など、一部の最も要求の厳しい科学的問題は、現在の計算能力に制限されています。異分野の協力は、AIを用いた複雑な科学的課題に取り組むために重要です。次回のLeading with Dataセッションに参加し、AIとデータサイエンスのリーダーたちとの洞察に満ちた議論に身を投じましょう！さて、アニマ・アナンドクマールからの質問と彼女の回答について見てみましょう。アルゴリズム思考はAIの未来をどのように形作るのでしょうか？アルゴリズム思考とは、手順のフレーミングと、それぞれの手順が他の手順よりも効率的かどうかを決定することです。言語モデルがコーディングにおいて向上しても、アルゴリズム思考は依然として重要です。私たちはそれらをガイドし続けるからです。アセンブリ言語から高レベルの言語への移行に伴い、私たちはより高レベルな抽象化へと進んでいます。現在の課題は、エラーの発生しやすいAIツールを効果的に示すことと、それらをより堅牢にするための研究を行うことです。データサイエンスへの興味を掻き立てた幼少期からの洞察を共有していただけますか？私は学びと探求を奨励してくれた家族で育つという幸運を持っていました。私の母は私たちのコミュニティで最初のエンジニアの一人であり、祖父は数学の教師でした。彼らは私に性別差別なく数学と科学への愛を植え付けました。私の両親の小規模な工場では、自動車部品の製造におけるコードの物理的な影響を目の当たりにしました。この実践的な学びと異分野の考え方は、貴重なものでした。なぜ博士課程中にネットワークセンサーとテンソルに特化することになったのですか？…

「ビルドの学び方 — Towards AI コミュニティニュースレター第2号」

「最近の数日間、OpenAIのドラマを追っていないと見逃しているよ信じられないことが起こったんだ多くの従業員がOpenAIの理事会に宛てて手紙に署名し送ったんだよ…」

『MakeBlobs + フィクショナルな合成データ：新しい(まあ、新しい)ユースケース』

「Open Data Science Conference（ODSC）の西部版から、最も注目されたパネルの1つは、合成データに関するトピックでしたこの記事では、合成データの方法について新たな視点から再訪します...」

特徴選択にANOVAを使用しますか？

「機械学習モデルを開発する際に最も重要なステップをしばしば忘れがちです — 特徴選択です適切な特徴を選ばないことは、モデルが最良のパフォーマンスを発揮できない原因となります」

Google AIは、オーディオ、ビデオ、テキストの異なるモードにわたる学習のためのマルチモダルオートリグレッシブモデルであるMirasol3Bを発表しました

機械学習の広範な領域では、さまざまなモダリティ（音声、ビデオ、テキスト）に埋め込まれた複雑さを解読することが難しいとされています。時間を合わせたモダリティと非合わせたモダリティの複雑な同期、およびビデオや音声信号の圧倒的なデータ量は、研究者たちに革新的な解決策を模索させました。そこで、Googleの専門チームが作り出した巧妙な多モーダル自己回帰モデルであるMirasol3Bが登場します。このモデルは、異なるモダリティの課題に対処し、より長いビデオ入力の処理に優れています。 Mirasol3Bのイノベーションに入る前に、多モーダル機械学習の複雑さを理解することが重要です。既存の手法では、音声やビデオなどの時間を合わせたモダリティとテキストなどの非合わせたモダリティの同期に苦慮しています。この同期の課題は、ビデオや音声信号に存在する膨大なデータ量によってさらに複雑になり、圧縮が必要なことがしばしばあります。より長いビデオ入力をシームレスに処理することができる効果的なモデルへの緊急の必要性がますます明らかになっています。 Mirasol3Bは、これらの課題に対処するパラダイムシフトを象徴しています。従来のモデルとは異なり、Mirasol3Bは時間を合わせたモダリティ（音声とビデオ）のモデリングと、テキスト情報などの非合わせたモダリティの明確なコンポーネントを含んでいます。これにより、Mirasol3Bは新しい視点をもたらします。 Mirasol3Bの成功は、時間を合わせたモダリティと文脈モダリティの巧妙な調整にかかっています。ビデオ、音声、テキストはそれぞれ異なる特性を持っています。たとえば、ビデオは高いフレームレートを持つ空間時間的な視覚信号であり、音声は高い周波数を持つ一次元の時間信号です。これらのモダリティを結び付けるために、Mirasol3Bはクロスアテンションメカニズムを使用し、時間を合わせたコンポーネント間で情報の交換を容易にしています。これにより、モデルは正確な同期の必要性なしで、異なるモダリティ間の関係を包括的に理解することができます。 Mirasol3Bの革新的な魅力は、時間を合わせたモダリティへの自己回帰モデリングの応用にあります。ビデオ入力は、管理可能なフレーム数で構成される複数のチャンクに賢明に分割されます。コンバイナーという学習モジュールがこれらのチャンクを処理し、共有の音声とビデオの特徴表現を生成します。この自己回帰戦略により、モデルは個々のチャンクとそれらの時間的な関係を把握することができます。これは意味のある理解にとって重要な要素です。コンバイナーは、Mirasol3Bの成功の中心であり、ビデオと音声の信号を効果的に調和させるために設計された学習モジュールです。このモジュールは、小さな数の出力特徴を選択することで、大量のデータの処理の課題に取り組んでいます。コンバイナーは、シンプルなトランスフォーマベースのアプローチから、差分可能なメモリユニットをサポートするトークン・チューリング・マシン（TTM）などのメモリコンバイナーまで、さまざまなスタイルで現れます。両方のスタイルが、モデルが広範なビデオと音声の入力を効率的に処理する能力に貢献しています。 Mirasol3Bのパフォーマンスは、印象的です。このモデルは、MSRVTT-QA、ActivityNet-QA、NeXT-QAなどのさまざまなベンチマークで、最先端の評価手法に常に勝る結果を示しています。80億のパラメータを持つFlamingoなどのはるかに大きなモデルと比較しても、約30億のパラメータを持つMirasol3Bは、優れた能力を示しています。特に、モデルはオープンエンドのテキスト生成設定で優れた性能を発揮し、汎化および正確な応答の生成能力を示しています。結論として、Mirasol3Bはマルチモーダルな機械学習の課題に取り組むための大きな進歩を表しています。自己回帰モデリング、時間に整列したモダリティの戦略的な分割、そして効率的なコンバイナーを組み合わせた革新的なアプローチにより、この分野で新たな基準が確立されました。比較的小型のモデルでパフォーマンスを最適化する能力は、正確さを犠牲にすることなく、Robustなマルチモーダル理解を必要とする実世界のアプリケーションにおいてMirasol3Bを有望な解決策と位置づけています。私たちが世界の複雑さを理解できるAIモデルを求める探求が続く中、Mirasol3Bはマルチモーダルの領域において進歩の光として輝きます。

このフィンランド拠点のAIスタートアップがポロを発表：革命的なオープンソース言語モデルは、ヨーロッパの多言語AI能力を向上させます

ヨーロッパの言語に対して、英語よりもデータが少ない場合に大規模な言語モデルを作成することは、人工知能の世界では困難です。テックワールドの企業たちはこの問題に取り組んでおり、最近、フィンランドのヘルシンキに拠点を置くスタートアップ企業がこの問題に対する新しい解決策を提案しました。この前までは、いくつかの言語モデルが利用可能でしたが、それらは通常特定の言語に固有で、データが少ない言語に対しては性能が向上できる可能性がありました。問題は、これらのモデルがヨーロッパの各言語の固有の特性、文化、価値基盤を捉える必要があったということです。既存の解決策は限定的であり、より包括的なものが必要でした。今では、フィンランドのAIスタートアップがPoroというオープンソースのソリューションを開発しました。これは、欧州連合の公用語である24の言語をカバーすることを目指した大規模な言語モデルです。そのアイデアは、ヨーロッパの言語の多様性を理解し表現するモデルの系列を作ることです。このスタートアップは、これがデジタル主権にとって重要であり、これらのモデルによって生み出される価値がヨーロッパにとどまるようにする必要があると考えています。 Poroは、フィンランド語などのデータが少ない言語のための言語モデルのトレーニングの課題に取り組むために設計されています。クロスリンガルトレーニングの手法を使っており、よりデータが豊富な言語（例: 英語）のデータから学び、データが少ない言語におけるパフォーマンスを向上させるのです。 Poro 34Bモデルは、342億のパラメータを持ち、ALiBiエンベッディングと呼ばれるユニークなアーキテクチャであるBLOOM変換子を使用しています。これは、PythonやJavaなどの言語やプログラミング言語をカバーする大規模なマルチリンガルデータセットでトレーニングされます。そのトレーニングは、ヨーロッパで最速のスーパーコンピュータの1つで行われ、膨大な計算能力を提供します。スタートアップは、モデルのトレーニングプロセス中にチェックポイントをリリースし、進捗状況を示しています。Poroは30％の進捗でも最先端の結果を示しており、テストではフィンランド語において既存のモデルを上回り、英語のパフォーマンスに追いつくかそれを超える見込みです。まとめると、Poroはヨーロッパの言語にとって、AIにおける一歩前進を意味します。パワフルな言語モデルを作成するだけでなく、オープンで透明性のある方法でこれを行い、ヨーロッパの言語と文化の多様性を尊重することが重要です。成功すれば、Poroは主要なテック企業からの言語モデルに代わる国産の選択肢となり得る可能性があります。記事「This Finland-Based AI Startup Unveils Poro: A Revolutionary Open Source Language Model Boosting European Multilingual…

「リアルAI社が、ヨーロッパのオープンソースの大規模言語モデルの構築プロジェクトに勝利」

2023年11月23日（木）、ベルグラードで開催されたデータサイエンスカンファレンス2023で、Real AIがISCRAプロジェクトを受賞したと発表されました。Real AIは、世界第4位のAIコンピュータクラスター「LEONARDO」において、ヨーロッパ初の人間中心のLLM（Large Language Model）を構築するために選ばれました。 LEONARDO – 世界第4位のAIクラスターボローニャのCINECAデータセンターにあるLeonardoスーパーコンピュータは、高性能なコンピューティングパワーを備えた存在です。Atos BullSequana XH2000コンピュータシステムを基盤とし、約14,000のNvidia Ampere GPUを組み込んで構築されています。2022年11月のオープン時点では、Leonardoは世界で4番目に速いスーパーコンピュータであり、ヨーロッパで2番目に速い位置にありました。この技術力は、Leonardoをヨーロッパ全体でAIアプリケーションの発展に重要な資産として位置付けています。 REAL AIの特筆すべき機会「私たちは、責任あるAIの開発にヨーロッパの答えを提供することを目指しています。UNINAとAIスーパーコンピュータークラスター’Leonardo’と共に、これを可能にすることができます。」- Real AI B.V.のCEOであるタリー・シン氏 Real AIは、Leonardoから大幅な計算能力を割り当てることにより、ゼロからLLMの開発を大幅に加速するため、初の人間中心のLLMを構築します。この野心的なプロジェクトにより、Real AIはAI開発の最前線に立ち、環境保護と技術革新に取り組むことを表明しています。プロジェクトHOMINIS:インテリジェントで中立かつ包括的なシステムのためのヒューマンセンタードなオープンソースモデル。プロジェクトHOMINISは、オープンで検査可能なデータセットを使用して、倫理的かつバイアスのないAIシステムの革新を目指しています。ウェブスケールのデータセットにおける有害性への対処により、AIの基盤モデルに持続可能な代替手段を提案しています。このプロジェクトの4つの主要目標は次のとおりです：1）科学論文や知識ベースなど、さまざまな情報源からハイバリューで多様なデータセットを編集し、バイアスのあるコンテンツを排除すること。2）トランスフォーマーモデルに関する広範な検討研究を実施し、代替アーキテクチャを探索すること。3）高度な技術を用いて基盤モデルを最適化し、コミュニティの協力のもとに予備版をリリースすること。4）倫理的一致性となるための指示のチューニングを実装し、責任あるトレーニング済みAIモデルの最終リリースにつなげること。さらに、HOMINISはFlash Attentionとルーティングといった革新的な手法を用いてエネルギー消費を削減し、データ処理効率を向上させ、モデルの干渉と知識統合を強化することを目指しています。REAL AIとUNINA、NVIDIAのパートナーシップ:The University…

ユーザーエクスペリエンスの向上：インタラクティブなチャットボットにOpenAIアシスタントAPIを実装する

イントロダクション OpenAIによるChatGPTとGPT 3モデルの導入により、世界はAIを統合したアプリケーションの使用にシフトしました。私たちが日常的に使用しているすべてのアプリケーション、電子商取引から銀行のアプリケーションまで、AIはアプリケーションのいくつかの部分、特に大規模な言語モデルを組み込んでいます。その中の1つがOpenAIアシスタントAPIであり、チャットボットと呼ばれます。OpenAIは最近、ユーザーエクスペリエンスを向上させるために設計されたベータ版のアシスタントAPIをリリースしました。学習目標特定の指示を持つ目的に特化したAIアシスタントの作成プロセスを学ぶ。アシスタントAPIにおける永続性と無限に長いスレッドの概念を探求する。 OpenAIライブラリを使用してAIアシスタントを作成し、名前、指示、モデル、ツールなどのパラメータを指定する方法を実演する。特定のスレッドでAIアシスタントを実行するためのランの作成プロセスを学ぶ。言語モデルトークン、コードインタプリタセッション、およびリトリーバルツールの使用などの要素を考慮したアシスタントAPIの価格体系を理解する。この記事はデータサイエンスブログアソンの一環として公開されました。アシスタントAPIとは何か？何ができるのか？ OpenAIは最近、ベータ版のアシスタントAPIを発表しました。このAPIを使用すると、OpenAIの大規模な言語モデルとツールを使用してAIアシスタントを構築および統合することができます。企業はこれらのアシスタントを特定の目的に合わせてカスタマイズし、その特定の用途のための関連データを提供します。このアシスタントの例としては、天気情報を提供するAI天気アシスタントや、旅行に関するクエリに答えるAIトラベルアシスタントなどがあります。これらのアシスタントは状態を保持するように設計されています。つまり、以前の会話を大部分で保持し、開発者が状態管理を心配する必要がなくなります（それをOpenAIに任せます）。典型的な流れは以下の通りです：アシスタントの作成：データの選択、使用するモデル、アシスタントへの指示、使用するツールを選択します。次に、スレッドを作成します。スレッドはユーザーのメッセージとLLM（Large Language Models）の返信を保存します。このスレッドはアシスタントの状態を管理し、OpenAIがそれに対応します。スレッドにメッセージを追加します。これはユーザーがAIアシスタントに入力するメッセージやアシスタントの応答です。最後に、そのスレッド上でアシスタントを実行します。スレッド上のメッセージに基づいて、AIアシスタントは適切な応答を提供するためにOpenAI LLMを呼び出し、次のセクションで説明する一部のツールにも連絡する場合があります。これらのアシスタント、スレッド、メッセージ、およびランはアシスタントAPIにおけるオブジェクトと呼ばれます。これらのオブジェクトに加えて、アシスタントが実行中に実行された詳細なステップを提供するRun Stepという別のオブジェクトもあります。これにより、内部の機能に関する洞察が提供されます。ツール –…

「AWS reInvent 2023での生成的AIとMLのガイド」

はい、AWS reInventの季節がやってきましたいつものように、場所はラスベガスです！カレンダーに印をつけ、ホテルを予約し、さらには航空券も購入済みですねさて、それでは第12回reInventで開催されるジェネレーティブAIと機械学習（ML）のセッションに参加するためのガイダンスが必要ですジェネレーティブAIは以前のイベントでも登場していましたが、今年はさらなる進化を遂げます基調講演中にはいくつかの注目発表がありますし、私たちのトラックのほとんどのセッションでもジェネレーティブAIを導入していますそのため、私たちのトラックを「ジェネレーティブAIとML」と呼ぶことができますこの記事では、トラックの構成とおすすめのセッションを紹介しますジェネレーティブAIに焦点を当てたトラックではありますが、他のトラックにも関連セッションがありますので、セッションカタログを閲覧する際には「ジェネレーティブAI」のタグを使用してください

Learn more about Search Results A - Page 64