Search Results BLING

打ち上げ！最初のMLプロジェクトを始める方法 🚀

機械学習の世界に初めて入る人々は、2つの頻繁な stumbling block によく遭遇します。最初の stumbling block は、学習するための適切なライブラリを選ぶことであり、選択肢が多い場合には困難な課題です。適切なライブラリを選び、いくつかのチュートリアルを終えた後でも、次の問題は最初の大規模プロジェクトを考え出し、適切にスコープを設定して学習を最大化することです。これらの問題にぶつかったことがある場合、またはツールキットに追加する新しい ML ライブラリを探している場合は、正しい場所にいます！この記事では、Sentence Transformers (ST) を例に挙げながら、新しいライブラリを使って0から100まで進むためのいくつかのヒントを紹介します。まず、STの基本的な機能を理解し、学習に適した素晴らしいライブラリであることを強調します。次に、最初の自己主導プロジェクトに取り組むための戦術を共有します。また、最初のSTプロジェクトの構築方法と、その過程で学んだことについても話しましょう 🥳 Sentence Transformers とは何ですか？ Sentence embeddings？Semantic search？Cosine similarity?!?! 😱 数週間前まで、これらの用語は私にとって混乱して頭がクラクラするほどでした。Sentence Transformers…

非常に大規模な言語モデルとその評価方法

大規模な言語モデルは、Evaluation on the Hubを使用してゼロショット分類タスクで評価することができます！ゼロショット評価は、大規模な言語モデルの性能を測定するための研究者の人気のある方法であり、明示的にラベル付けされた例を示すことなくトレーニング中に能力を学習することが示されています。Inverse Scaling Prizeは、大規模なゼロショット評価を実施し、より大きなモデルがより小さなモデルよりも性能が低いタスクを発見するための最近のコミュニティの取り組みの一例です。ハブ上での言語モデルのゼロショット評価の有効化 Evaluation on the Hubは、コードを書かずにHub上の任意のモデルを評価するのに役立ち、AutoTrainによって動作します。今では、Hub上の任意の因果言語モデルをゼロショットで評価することができます。ゼロショット評価は、トレーニングされたモデルが与えられたトークンセットを生成する可能性を測定し、ラベル付けされたトレーニングデータを必要としないため、研究者は高価なラベリング作業を省略することができます。このプロジェクトのために、AutoTrainのインフラストラクチャをアップグレードし、大規模なモデルを無償で評価することができるようにしました 🤯！ユーザーがカスタムコードを書いてGPU上で大規模なモデルを評価する方法を見つけるのは高価で時間がかかるため、これらの変更により、660億のパラメータを持つ言語モデルを2000の文長のゼロショット分類タスクで評価するのに3.5時間かかり、コミュニティ内の誰でも実行できるようになりました。Evaluation on the Hubでは現在、660億のパラメータまでのモデルの評価をサポートしており、より大きなモデルのサポートも今後提供される予定です。ゼロショットテキスト分類タスクは、プロンプトと可能な補完を含むデータセットを受け取ります。補完はプロンプトと連結され、各トークンの対数確率が合計され、正しい補完と比較するために正規化され、タスクの正確性が報告されます。このブログ記事では、WinoBiasという職業に関連するジェンダーバイアスを測定する共参照タスクにおいて、ゼロショットテキスト分類タスクを使用してさまざまなOPTモデルを評価します。WinoBiasは、モデルが職業を言及する文章においてステレオタイプな代名詞を選ぶ可能性が高いかどうかを測定し、結果はモデルのサイズに関して逆のスケーリング傾向を示していることがわかります。事例研究：WinoBiasタスクへのゼロショット評価 WinoBiasデータセットは、補完の選択肢が分類オプションであるゼロショットタスクとしてフォーマットされています。各補完は代名詞によって異なり、対象は職業に対して反ステレオタイプ的な補完に対応します（例：「開発者」は男性が主導するステレオタイプ的な職業なので、「彼女」が反ステレオタイプ的な代名詞になります）。例はこちらをご覧ください：次に、Evaluation on the…

ハギングフェイスにおけるコンピュータビジョンの状況 🤗

弊社の自慢は、コミュニティとともに人工知能の分野を民主化することです。その使命の一環として、私たちは過去1年間でコンピュータビジョンに注力し始めました。🤗 Transformersにビジョントランスフォーマー（ViT）を含めるというPRから始まったこの取り組みは、現在では8つの主要なビジョンタスク、3000以上のモデル、およびHugging Face Hub上の100以上のデータセットに成長しました。 ViTがHubに参加して以来、多くのエキサイティングな出来事がありました。このブログ記事では、コンピュータビジョンの持続的な進歩をサポートするために何が起こったのか、そして今後何がやってくるのかをまとめます。以下は、カバーする内容のリストです：サポートされているビジョンタスクとパイプライン独自のビジョンモデルのトレーニング timmとの統合 Diffusers サードパーティーライブラリのサポートデプロイメントその他多数！コミュニティの支援：一つずつのタスクを可能にする 👁 Hugging Face Hubは、次の単語予測、マスクの埋め込み、トークン分類、シーケンス分類など、さまざまなタスクのために10万以上のパブリックモデルを収容しています。現在、我々は8つの主要なビジョンタスクをサポートし、多くのモデルチェックポイントを提供しています：画像分類画像セグメンテーション（ゼロショット）オブジェクト検出ビデオ分類奥行き推定画像から画像への合成…

モーターコントロールから具現化された知能へ

人間や動物の動きを用いて、ロボットにボールをドリブルさせることや、シミュレートされた人型キャラクターに箱を運ばせたりサッカーをさせることを教える試行錯誤を通じて障害物コースを進む方法を学ぶ人型キャラクター。これにより独特な解決策が生まれることがあります。 Heessら「Emergence of locomotion behaviours in rich environments」(2017)より。 5年前、完全に関節の動く人型キャラクターに障害物コースを進む方法を教えるという課題に取り組みました。これは強化学習（RL）が試行錯誤を通じて何ができるかを示しましたが、具体的な知識がない状態から各関節にどのような力を加えるべきかを知るためには、多くのデータが必要でした。エージェントはランダムな体の震えから始まり、すぐに地面に倒れてしまいました。この問題は、以前に学んだ動きを再利用することで緩和することができます。以前に学んだ動きの再利用：エージェントが「立ち上がる」ためには大量のデータが必要でした。初めはどの関節にどのような力を加えるべきかを知らなかったため、エージェントはランダムな体の震えから始まり、すぐに地面に倒れてしまいました。この問題は、以前に学んだ動きを再利用することで緩和することができます。独特な動き：エージェントがついに障害物コースを進む方法を学んだとしても、不自然な（しかし面白い）動きパターンで進むことになります。これは、ロボットなどの実際の応用には非現実的である可能性があります。ここでは、これらの課題に対する解決策であるニューラル確率モーター原理（NPMP）と呼ばれる手法を説明し、人型フットボールの論文でどのようにこの手法が使用されているかについても議論します。この論文は、本日Science Roboticsで公開されました。また、この手法は、ビジョンからの人型の全身操作（例：物体を運ぶ人型）や現実世界でのロボット制御（例：ボールをドリブルするロボット）も可能にすることについても議論します。 NPMPを使用してデータを制御可能なモータープリミティブに絞り込む NPMPは、短期間のモーター意図を低レベルの制御信号に変換する汎用のモーター制御モジュールであり、オフラインまたはRLを介して動作キャプチャ（MoCap）データを模倣することで訓練されます。このMoCapデータは、興味のある動作を行う人間や動物にトラッカーを装着して記録されます。 MoCap軌跡（グレーで表示）を模倣するエージェントこのモデルには2つの部分があります：将来の軌跡を受け取り、モーター意図に圧縮するエンコーダー。エージェントの現在の状態とこのモーター意図に基づいて次のアクションを生成する低レベルコントローラー。 NPMPモデルはまず参照データを低レベルコントローラーに絞り込みます（左）。この低レベルコントローラーは、新しいタスクにプラグアンドプレイのモーター制御モジュールとして使用できます（右）トレーニング後、低レベルコントローラは新しいタスクを学習するために再利用できます。一方、高レベルコントローラはモーターの意図を直接最適化することができます。これにより、効率的な探索が可能になります。ランダムにサンプリングされたモーターの意図でも、連続した行動が生成されるため、最終的な解決策が制約されます。ヒューマノイドフットボールにおける発生的なチーム協調…

Technical blog

ウェブと組み込みシステムにおけるRustの実行のための9つのルール

ユーザーの要求に応じて、私は最近、range-set-blazeというクレートをWebページ内で動作するように変換しましたまた、マイクロコントローラー（組み込み）でも動作するようにしました（range-set-blazeクレートは効率的に操作を行います...

AIが宇宙へ！NASAがChatGPTのようなチャットボットを宇宙船通信に導入予定

興味深い進展として、NASAのエンジニアたちは地球の境界を超えて人工知能（AI）を宇宙にもたらす取り組みを始めています。最新の試みは、ChatGPTに似たAIアシスタントを構築し、宇宙飛行士が宇宙船と対話できるようにすることです。このコミュニケーション能力の非凡な進歩は、科学小説に描かれた未来的な領域に通じるものです。例えば、アーサー・C・クラークの「2001年宇宙の旅」に登場する象徴的なHAL 9000スーパーコンピュータと並び、木星を目指す宇宙船の乗組員と対話を行うという点で類似しています。関連記事：NVIDIAのAIモデルが地球を救う、NASAから資金調達を獲得未来的な宇宙ステーション：月のゲートウェイとNASAのAIアシスタント NASAの主な焦点は、2024年11月に打ち上げられる「地球外」宇宙ステーションである月のゲートウェイにあります。この革新的なプラットフォームは、太陽エネルギーで動作し、AIパワードアシスタントの中核となります。月のゲートウェイの重要な目的は、NASAの野心的なアルテミス計画を支援するための幅広い機能を提供することであり、宇宙飛行士を再び月の表面に案内することを目指しています。このAIアシスタントの主な目的は、宇宙船と宇宙飛行士の間に対話的な相互作用を確立することです。このシステムを通じて、宇宙船は太陽系およびそれ以上で観測された魅力的な発見を人間の相手に伝えることができます。さらに、AIアシスタントは自然な言語インタフェースを備えており、宇宙飛行士が対話的な相互作用を通じて宇宙実験に関するガイダンスや助言を求めることができます。関連記事：AIが太陽系外の新しい惑星を発見、科学者は見つけられなかった大きな飛躍：ChatGPTのようなAIが宇宙飛行士を深宇宙通信で支援人類が宇宙の深部に進出するにつれて、AIによる通信システムの導入は宇宙飛行士が宇宙船と対話する方法を革新する可能性があります。NASAのChatGPTに触発された画期的なAIアシスタントプロジェクトは、宇宙探査の未来を新たな領域に推進することを約束しています。この技術的な驚異のスプリングボードとしての月のゲートウェイを活用することで、人類の月への帰還は今まで以上に有望になります。ギャップを埋める：AIが惑星間通信を強化する方法惑星間通信は、宇宙機関にとって長い間の課題でした。AIアシスタントプロジェクトの登場により、NASAは宇宙飛行士と宇宙船との間のギャップを埋めることを目指しています。対話的な相互作用を確立することにより、この先端のAIシステムは宇宙船が驚くべき発見を共有し、それを宇宙探査の積極的な参加者に変えることができます。一方、宇宙飛行士はガイダンスや助言を求めることができ、宇宙任務を共同の取り組みに変えることができます。月のゲートウェイ：AI通信を可能にする未来的な宇宙ステーション 2024年11月に打ち上げ予定の月のゲートウェイは、NASAのAIアシスタントプロジェクトのバックボーンとなります。月の軌道に位置し、太陽エネルギーで動作するこの革新的な宇宙ステーションは、惑星間通信の中心となるでしょう。AIの能力を活用することで、宇宙飛行士、AIロボット、宇宙船の間でシームレスな相互作用が可能となり、NASAのアルテミス計画を新たな高みに導くでしょう。未来の公開：Dr. Larrisa Suzukiによる宇宙のAIビジョン NASAの著名な客員研究者であるDr. Larrisa Suzukiは、最近の優れた科学者の集まりでAIアシスタントプロジェクトを発表しました。彼女のビジョンは、リアルタイムでのトラブルや非効率を検出および解決するAIによって強化された惑星間通信ネットワークです。彼女の画期的な研究により、Dr. Suzukiは人間と機械が調和して宇宙の広大な領域で協力する未来への道を切り開いています。対話のフロンティア：AIが宇宙探査を革新する方法 AIアシスタントに自然な言語インタフェースを統合することで、新たな対話の時代が開かれます。宇宙飛行士は宇宙船と意義のある対話を行い、天体の旅からの洞察を求めたりアドバイスを求めたりすることができます。人間とAIのこのダイナミックな相互作用は、宇宙探査を前例のない高みに押し上げ、科学の進歩を促し、将来の世代の想像力を刺激します。関連記事：エイリアンにインスパイアされた宇宙船デザイン：NASAの大胆な未来への飛躍私たちの意見 ChatGPTのようなAI技術を惑星間通信に導入することは、重要な転換点となります。NASAが会話能力と惑星間通信ネットワークを搭載したAIアシスタントを展開する準備を進める中、未来には無限の可能性があります。宇宙飛行士が宇宙船と会話することで、人類は宇宙の謎を解き明かすためにさらなる驚異的な飛躍を遂げるのです。

OpenAIのChatGPTアプリがBingの統合機能を備えたブラウジング機能を導入しました

OpenAIは、AIに関する最先端の研究機関であり、彼らのAIチャットボットのプレミアムバージョンであるChatGPT Plusのサブスクリプションユーザー向けに、興奮する新機能を最近発表しました。ブラウジングの導入により、ユーザーはChatGPTアプリを使用してウェブ上で回答を検索することができます。ただし、注意点があります。ブラウジング機能は、マイクロソフトの検索エンジンであるBingのみで動作します。この記事では、この統合の意味とユーザーエクスペリエンスへの潜在的な影響について探究します。 ChatGPTでBingを使用したブラウジングの有効化 OpenAIは、ChatGPT Plusのサブスクリプションユーザーが簡単にブラウジング機能を有効化できるようにしました。ユーザーは、ChatGPTアプリの設定内の新機能セクションに移動し、「GPT-4モデル」に切り替え、ドロップダウンメニューから「Bingでブラウジング」を選択することで、この機能を利用できます。このエキサイティングな機能は、ChatGPTアプリのiOSおよびAndroidバージョンの両方で利用可能です。また読む：OpenAI、すべてのPlusユーザー向けにChatGPTプラグインを展開 | 有効化方法を学ぶ ChatGPTの知識範囲の拡大 OpenAIは、ブラウジングがChatGPTの元のトレーニングデータを超える現在のイベントやトピックに関連するクエリに特に価値があると強調しています。この機能が導入される前は、チャットボットの知識は2021年までの情報に限定されていました。ブラウジングが有効になると、ユーザーは最新かつ包括的な情報にアクセスできるため、ChatGPTの研究能力が大幅に向上します。ユーザーのエンパワーメントと研究の向上 BingをChatGPTと統合することで、ユーザーには重要な利点がもたらされます。Bingの検索機能を活用することで、ChatGPTは貴重な研究アシスタントとなり、豊富な情報にアクセスできます。ユーザーが最新のニュース、歴史的な事実、さまざまなトピックに関する洞察を必要とする場合、ブラウジング機能はChatGPTが提供できる可能性を広げます。また読む：GPT-4は自立した科学的研究が可能 Bingの独占性に関する議論ブラウジングはChatGPTの有用性を高めますが、Bingへの検索機能の制限により、一部の懸念が生じています。批判者は、利用可能な検索エンジンの幅広さを考慮すると、Bingにのみ頼ることは制約があると主張しています。OpenAIはマイクロソフトとの緊密なパートナーシップを持っているため、この統合の背後にはバイアスがあるように見えるかもしれません。それにもかかわらず、Bingは検索の精度を向上させるためにアルゴリズムを継続的に改善していると認識することが重要です。制限への対応 ChatGPTのブラウジング機能には、Bingが不正確さや制限に遭遇した場合、アプリ内で別の検索エンジンを選択するオプションがないという懸念があります。OpenAIは、将来的に検索エンジンのオプションを拡張する可能性を検討することが考えられます。Bingが現在の独占パートナーである一方で、OpenAIは他の検索エンジンと協力してユーザーにより広範な選択肢を提供し、よりバランスの取れたアプローチを確保することができるかもしれません。また読む：ChatGPTのプラグインとWebブラウジングの有用性は？ブラウジングを超える向上点ブラウジング機能に加え、OpenAIはChatGPTアプリ内でユーザーフレンドリーな改善も実装しました。検索結果をタップすると、ユーザーは直接会話の関連ポイントに移動します。このアップデートにより、検索結果とチャットのやり取りの間でシームレスなナビゲーションが可能となり、ユーザーエクスペリエンスが向上します。私たちの意見 OpenAIがChatGPTアプリでBing統合とブラウジング機能を最近導入したことは、チャットボットの機能向上において重要な一歩です。Bingへの独占性が選択肢や潜在的なバイアスについての疑問を引き起こす一方で、ブラウジングがユーザーにもたらす価値、特に現在のイベントの調査や知識の拡大においては否定できません。OpenAIは、ユーザーエクスペリエンスを継続的に改善し、マイクロソフトとの緊密なパートナーシップに基づいて将来の発展を実現することがあります。これにより、ChatGPTアプリ内でより包括的かつ多様なブラウジング体験が確保されます。

ジョン・イサザ弁護士、FAI氏によるAIとChatGPTの法的な土壌を航行する方法

私たちは、Rimon LawのパートナーであるJohn Isaza, Esq., FAIに感謝しています彼は、法的な景観の変化、プライバシー保護とイノベーションの微妙なバランス、そしてAIツールを統合する際に生じる独特の法的な意義など、多岐にわたる側面で自身の物語と貴重な洞察を共有してくれましたJohnは、AIに関連する課題や考慮事項について貴重な観点を提供しています...John Isaza, Esq., FAI がAIとChatGPTの法的景観を航海するための記事を読む»

interviews

METAのHiera：複雑さを減らして精度を高める

畳み込みニューラルネットワークは、20年以上にわたってコンピュータビジョンの分野を支配してきましたトランスフォーマーの登場により、それらは放棄されると考えられていましたしかし、多くの実践者は…

欧州とイスラエルのAIファーストスタートアップのための新しいアクセラレータ

この10週間のプログラムは、Googleとそのネットワークの最高の部分を活用して、AIをコアビジネスに使用しているスタートアップを、カスタマイズされたトレーニングとメンタリングでサポートします

Learn more about Search Results BLING - Page 6