Learn more about Search Results モード - Page 7

「マイクロソフトの研究者が提案するMAIRA-1：胸部X線写真（CXR）から放射線報告書を生成するための放射線学専用マルチモーダルモデル」

Microsoftの研究チームは、MAIRA-1と呼ばれる放射線学に特化したマルチモーダルモデルを開発することで、胸部X線画像（CXR）のための高品質なレポートの生成問題に取り組みました。このモデルは、CXRに特化した画像エンコーダと、Vicuna-7Bに基づく微調整されたLLMを利用し、Findingsセクションに焦点を当てたテキストベースのデータ増強を行います。この研究は、課題を認識し、将来のバージョンでは現在と過去の研究情報を取り入れて情報の錯覚を減らすことを提案しています。 研究で探求されている既存の手法は、PaLMやVicuna-7Bなどのマルチモーダル機能を持つLLMを使用して、胸部X線写真から叙述的な放射線学のレポートを作成することです。評価プロセスには、ROUGE-LやBLEU-4といった従来のNLPメトリックや、臨床的に関連のある側面に焦点を当てた放射線学固有のメトリックが含まれます。この研究は、所見の詳細な説明を提供することの重要性を強調しています。現在の評価手法の制約にも対処しながら、機械学習が放射線学のレポート生成において持つ可能性を示しています。 MAIRA-1の方法は、ビジョンと言語モデルを組み合わせて、胸部X線写真から詳細な放射線学レポートを生成します。このアプローチは、臨床的なレポート生成の特定の課題に対応し、品質と臨床的な関連性を測定するメトリックを使用して評価されます。研究結果は、MAIRA-1の方法が放射線学レポートの正確さと臨床的な有用性を向上させることができることを示しており、医学画像の機械学習における進歩を表しています。 提案されたMAIRA-1は、胸部X線写真のための放射線学に特化したマルチモーダルモデルです。このモデルは、CXR画像エンコーダ、学習可能なアダプタ、および微調整されたLLM（Vicuna-7B）を利用して、画像と言語を融合させ、レポートの品質と臨床的な有用性を向上させます。さらに、追加のレポートのためにGPT-3.5を使用したテキストベースのデータ増強を行います。評価メトリックには、従来のNLP指標（ROUGE-L、BLEU-4、METEOR）と放射線学固有の指標（RadGraph-F1、RGER、ChexBertベクトル）が含まれ、臨床的な関連性を評価します。 MAIRA-1は、胸部X線レポートの生成において、RadCliQメトリックや放射線科医に合致した語彙メトリックの向上を示しました。モデルの性能は所見のクラスによって異なり、成功と課題が観察されました。MAIRA-1は、通常の評価手法では捉えられない微妙な不具合モードを効果的に解明し、言語上と放射線学固有の側面をカバーする評価メトリックによって示されました。MAIRA-1は胸部X線レポートの包括的な評価を提供します。 まとめると、MAIRA-1は、ドメイン固有の画像エンコーダと的確かつ正確に微妙な所見を特定する能力を備えた既存のモデルを上回る、胸部X線レポートの生成において非常に効果的なモデルです。ただし、既存の手法の制約と臨床的な文脈の重要性を評価することも重要です。モデルの改善のためには、多様なデータセットと複数の画像を考慮する必要があります。 MAIRA-1の将来の発展では、GPT-3.5と前回の作業で示されているように、現在のおよび以前の研究からの情報を取り入れてレポートの錯誤を軽減することができるようになるかもしれません。クリニカルエンティティの抽出における外部モデルへの依存に対処するために、将来の取り組みでは強化学習アプローチを検討することができます。より大規模かつ多様なデータセットでの強化トレーニングや複数の画像と視点の考慮を進め、MAIRA-1の性能をさらに高めることが推奨されます。

マイクロソフトの研究者がConfidential Consortium Framework (CCF)を紹介：セキュアな状態を持つCIAアプリケーションを開発するための汎用AIフレームワーク

「CIA Trinity（CIAトリニティ）」は、よく知られた情報セキュリティフレームワークであり、データの機密性、整合性の保護、高い可用性の3つの属性で構成されています。各属性から始めて、研究チームは信頼性の高い多者参加アプリケーションを信頼できないインフラストラクチャ上で実行することに焦点を当てています。個人データのプライバシーを保護する責任は組織にあります。この責務は法律によってますます規制されるようになり、実施しない場合の影響は、たとえばGDPRの場合には売上高の4%になる可能性があります。企業は知的財産を保護したり、競争力を獲得したり、秘密を守る必要がある場合でも、データを秘密に保つことを望む場合があります。 実行中の秘密はより難しいですが、静止状態と飛行中の暗号化は試された方法です。さらに、秘密は単独では部分的にしか解決されません。むしろ、任意のデータを保護する問題をキーの保護にまで縮小し、そのキーは一連の確立されたガイドラインに従って制御、保管、発行される必要があります。これは整合性の保護です。組織は、自らの管理下のデータを違法または偶発的な変更から保護し、データの機密性を維持するという二重の責任を負います。データにアクセスするコードの整合性の維持は、データの秘密を維持するために頻繁に必要とされます。コードの整合性と透明性を組み合わせることで、データを共有するパーティーは情報の意図した使用方法に合意することができます。 たとえば、銀行は政府のために要求を処理することで反マネーロンダリング法に従うことができますが、顧客の完全な情報は提供しません。クラウドコンピューティングの広範な普及により、アプリケーションに低い参入障壁とコストの比例的な拡張性を提供するため、これらのシステムの信頼できる計算基盤（TCB）は時間の経過とともに拡大しています。信頼できないクラウドインフラストラクチャを使用する場合、リモートでデータの整合性と機密性を確保することはより困難です。そのため、健康、金融、または政府に関連するような非常に敏感なアプリケーションは、パブリッククラウドに移行することができません。 この困難な状況を考慮すると、次の研究課題にはまだ回答が必要です：クラウドプロバイダを多者参加アプリケーションのTCBから排除しつつ、開発者がクラウドの計算とストレージリソースを活用できるようにすることは可能でしょうか？多者参加シナリオの需要が増える中で、互いに完全に信頼しないパーティー間でデータシステムを統合することは特に重要です。多くのソースからのデータを統合し、それを協力して利用して価値を向上させ、新しいユースケースを作成することができます。ただし、機密性と整合性には制約があり、研究チームは複数の異なる参加者のニーズとアクセス権限を考慮する必要があります。 現代のデジタルインフラストラクチャがますます重要になっているため、アプリケーションは信頼性があり、高い可用性が求められます。デジタルインフラストラクチャは、必要な一貫性とコストトレードオフであっても、100%の利用可能性を保証することはできませんので、通常の運用中に予想される障害に対して堅牢である必要があります。研究チームは、非常に実用的でありながら倫理的に優れたアプローチを取る必要があります。これには、信頼できないクラウドインフラストラクチャや多者参加の信頼できないガバナンスなど、様々な状態保持アプリケーションや現代の展開シナリオをサポートするCIAアプリケーションの作成が含まれます。 マイクロソフト、KU Leuven、ケンブリッジ大学の研究チームは、この研究のConfidential Consortium Framework（CCF）を提案しています。CCFは、分散トラストと集中クラウドコンピューティングを統合しています。リモートで証明可能な機密性と整合性により、CCFはクラウドベースの信頼性の高い実行環境を利用しています。さらに、トランザクションキーバリューストアとステートマシンレプリケーションは、高い可用性と監査を実現するために不変の台帳と組み合わせられています。CCFの柔軟性により、開発者は高度に調整可能な監視のために独自の多者参加ガバナンスアーキテクチャを使用し、アプリケーションロジックを適用することができます。 クラウドコンピューティングや多者参加協力において、この研究チームはデータの機密性、整合性の保護、高い可用性などを探求する多くの研究チームの1つです。CCFは、多くの先行システムとは異なり、孤立した安全な実行ソリューション（代わりに二次的なストレージシステムに依存）または孤立したデータストレージソリューション（台帳、データベース、またはキーバリューストアの形式）のいずれかを提供するのではなく、実行とストレージの両方を可能にするエンドツーエンドのソリューションを提供します。CCFは、信頼できる計算基盤、柔軟性のあるプログラミングアプローチ、セキュリティと使いやすさのバランスを備えています。さらに、CCFは、スナップショット、ライブコード更新、再構成、災害復旧、インデックスなどの機能に依存するAzure Managed CCFやAzure Confidential Ledgerなどのサービスを通じて本番環境で信頼されています。これは、汎用で自己完結型の設計の重要性を強調しています。

「BigQueryの新しい生成AI機能」

「VertexAIをBigQueryに接続し、ML.GENERATE_TEXT関数を使用してデータエンジニアリングの生産性を向上させる方法の完全なチュートリアル」

「Amazon SageMakerは、企業がユーザーをSageMakerにオンボードするために、SageMakerドメインのセットアップを簡単化します」

機械学習（ML）の採用を規模化するにつれて、組織は新たなインフラストラクチャを効率的かつ信頼性のある方法で展開し、ML環境へのチームのオンボードを求めていますその中でも、ユーザーの役割と活動に基づいた認証と詳細な権限設定の構築は一つの課題です例えば、MLOpsエンジニアは通常、モデルの展開活動を行います

無料でChatGPT-4にアクセスするための7つの簡単な方法

イントロダクション AIの進化する風景の中で、OpenAIが今まで作り上げた最も素晴らしい創造物、ChatGPT-4を紹介します。このパワフルな言語モデルは高度な言語能力だけでなく、画期的なビジョンコンポーネントも持っています。推論テストでの優れたパフォーマンスと26の言語をサポートする機能により、GPT-4はOpenAIの最も多目的なモデルとして立ち上がっています。通常はChatGPTのプラス会員限定ですが、このガイドではChatGPT-4への無料アクセスの鍵を紹介します。 ChatGPT-4への無料アクセス方法を7つ紹介しましょう！ 方法1：Bingで無料でChatGPTを使用する Bingで無料でChatGPT-4を使用する方法は、MicrosoftのBing検索エンジンと統合されたChatGPT-4の機能を利用するシンプルなプロセスです。無料でBing上でChatGPT-4を最大限活用するために、以下の手順に従ってください： Bingにアクセス：[bing.com](https://www.bing.com/)に移動して、公式のBingウェブサイトにアクセスします。 今すぐチャット：Bingで「今すぐチャット」の機能を探します。これはホームページやChatGPT-4に関連する特定のセクションに目立つ形で表示されるかもしれません。 クリエイティブモードに切り替え：チャットインターフェイスに入ったら、「クリエイティブ」モードに切り替えます。このモードは特にChatGPT-4モデルを使って応答を生成します。 質問する：クリエイティブモードが有効になったら、質問やプロンプトを入力し始めます。ChatGPT-4は、高度な言語理解に基づいて、入力を処理し応答を生成します。 Bingアプリの利用：より多目的な体験をするために、スマートフォンにBingアプリをインストールすることを検討してください。アプリ内で「GPT-4」のトグルを有効にすると、制限なくChatGPT-4にアクセスできます。 マルチモーダルな機能：BingでChatGPT-4のマルチモーダルな機能を探索してください。直接画像をBingにアップロードすることで、ChatGPT-4がテキストだけでなく視覚的なプロンプトからも応答を生成できる能力を活用できます。 これらの手順に従うことで、ユーザーはBingでChatGPT-4を自由に利用でき、最新のモデルであるPrometheusの能力にアクセスすることができます。MicrosoftはChatGPT-4をBingに統合し、高度な言語処理を利用したダイナミックな会話と情報の取得が可能なユーザーに提供しています。この統合により、Bingはライブなインターネット応答、画像生成、引用の検索などの機能を提供することで、ChatGPT-4に無料でアクセスするための貴重なツールとなります。 方法2：Hugging FaceでChatGPT-4を評価する Hugging Faceは、ユーザーが無料で利用できる「Chat-with-GPT4」というプラットフォームを提供しています。このウェブアプリはHugging Faceにホストされており、OpenAIのAPIに直接接続されているため、ユーザーは最新のGPT-4モデルと対話をすることができます。 Hugging Face上で無料でChatGPT-4を使用する方法は以下の通りです： プラットフォームにアクセス：Hugging Faceのウェブサイトまたは彼らのプラットフォームにホストされたChatGPT-4ウェブアプリにアクセスします。 ユーザーインターフェイス：プラットフォームは使いやすいインターフェースを提供し、ユーザーはテキストプロンプトを入力しChatGPT-4と対話することができます。 無料アクセス：Hugging Faceはユーザーに対してChatGPT-4への無料アクセスを提供し、コストなしにモデルと実験、対話ができる環境を提供しています。…

「Amazon Titanを使用して簡単に意味論的画像検索を構築する」

デジタル出版社は、品質を損なうことなく、新しいコンテンツを迅速に生成・公開するために、常にメディアワークフローを効率化・自動化する方法を探し続けていますテキストの本質を捉えるために画像を追加することは、読む体験を向上させることができます機械学習技術を使うことで、そのような画像を発見することができます「印象的な画像は...」

フォートペック族のメンバーとグーグラーが集まり、社会的な利益をもたらす技術について学び、祝福し、支援するために出会います

「責任あるイノベーションに重点を置くGoogleチームが、モンタナ州のフォートペック族を訪れ、関係構築と双方向の学びを行いました」

「SageMakerキャンバスモデルリーダーボードを使用して、高度な設定を持つ機械学習モデルを構築し、評価します」

「Amazon SageMaker Canvas は、アナリストや市民データサイエンティストが、自身のビジネスニーズに合わせた正確な機械学習（ML）の予測を生成するためのノーコードの作業スペースです今日から、SageMaker Canvas は、アンサンブルまたはハイパーパラメータの最適化といった高度なモデルビルドの設定、トレーニングと検証データの分割比率のカスタマイズなどをサポートしています」

大規模に基礎モデルをトレーニングするためのAmazon SageMaker HyperPodの紹介

基盤モデル（FMs）の構築には、数十億から数千億のパラメータを持つモデルを大量のデータで訓練するために、大規模なクラスタの構築、維持、最適化が必要ですモデルのトレーニングの進行状況を数日または数週間失わずに、障害や環境変化に対応できる堅牢な環境を構築することは、運用上の課題です

「Amazon SageMakerを使用してクラシカルなMLとLLMsを簡単にパッケージ化し、デプロイする方法 – パート1：PySDKの改善」

Amazon SageMakerは、開発者やデータサイエンティストが迅速かつ簡単に、いかなるスケールでも機械学習（ML）モデルを構築、トレーニング、展開できるようにする完全管理型サービスですSageMakerは、モデルをAPI呼び出しを介して直接本番環境に展開することを簡単にしますモデルはコンテナにパッケージ化され、堅牢かつスケーラブルな展開が可能です尽管[...]

Find the right Blockchain Investment for you

Web 3.0 is coming, whether buy Coins, NFTs or just Coding, everyone can participate.

Advertising with us