Search Results リリース

小さなオーディオ拡散：クラウドコンピューティングを必要としない波形拡散

2GB以下のVRAMを持つコンシューマーラップトップとGPUでオーディオ波形拡散を用いてモデルをトレーニングし、音を生成する方法を探索する

より強力な言語モデルが本当に必要なのでしょうか？

大規模な言語モデルはますます人気が高まっていますしかし、それらの開発には特定の課題にも直面することになりますGPTモデルは唯一のアプローチではありません

2023年に読むための自然言語処理に関する5冊の無料の書籍

大型言語モデルは左右中央にリリースされており、それらをより理解するためにはNLPについて知る必要があります以下には、あなたを助けるための5冊の無料の書籍があります

Natural language processing

Dropboxが、ゲームチェンジングなAIパワードツールを発表：生産性とコラボレーションの新時代

今日のデジタル世界では、常にデータに圧倒されています。以前に比べて情報がより多く利用可能になっていますが、必要な情報を見つけるのに時間がかかる場合があります。特に、タスクが複数のプログラムに分散している場合は特にそうです。AIとMLの最近の進歩により、わずか数か月で新たな機会の時代が訪れました。機械が読み書きし、私たちと話し、すべての質問に答える未来が、まるで一夜にして現れたのです。しかし、これはAIが生産性をどのように向上させるかの表面に触れるに過ぎません。顧客は、自分たちのために一から構築されたAIが欲しいと明確に示しています。彼らの質問に答え、彼らのデータとビジネスの内容に洞察を提供するAIを求めています。Dropboxチームは、ユーザーがコンテンツを最大限に活用し、生産性を最大化するための新しいAIパワードツール、Dropbox DashとDropbox AIをリリースしました。 Dashは、人工知能によって駆動される包括的な検索エンジンです。Dashを使用すると、Dropboxのコンテンツ、受信トレイ、メッセージ、開いているタブなどを含む検索を行うことができます。Google DocsやSlackなどのアプリにもそれぞれ独自の検索機能があります。Dashは機械学習を中心にしているため、使用するほど改善されます。Dashを使用するほど、自分の検索の習慣を学び、より正確にニーズを予測することができるようになります。 Dashは検索エンジンにとどまらず、コンテンツを「スタック」に整理することもできます。例えば、現在進行中の作業のためのスタックや関連する調査を行ったスタックなどを作成することができます。ユーザーの行動に基づいて、Dashは試すべき他のスタックも推奨することができます。まだ開発中ではありますが、Dropbox Dashは効果的な時間の節約と生産性向上ツールです。 DashにはStart Pageというツールもあります。一元的な検索（Dash）、スタック（進行中の作業）、最近完了したタスクへのクイックリンク、会議の要求によって、日常を効率的に進め、最も重要なことに戻ることができます。 Dropbox Dashの利点の一部は以下の通りです：この方法を使用することで、回答を探すのに時間を無駄にせずに済みます。ドキュメントや情報を探すのにかける時間を減らして、より多くのことを行えます。類似したメディアをまとめて整理することで、秩序を保つことができます。スタック内の最近の活動を表示して、開発の最新情報を把握し続けることができます。コンテンツスタックへの追加の提案を見つけることができます。興味がある場合は、Dropbox Dashのベータテストに参加することができます。https://www.dropbox.com/dash Dropbox AIチームは、ウェブサイトの最も訪れられる領域の1つであるファイルプレビューに人工知能（AI）を実装しています。長文を素早く把握したり、全体をひと通り見ることなく視聴したりすることができます。例えば、契約書や会議の記録をクリックひとつで簡単に要約することができます。山ほどのデータを探し回ることなく、まさに求めているものを見つけることができます。瞬時の回答を得るために質問するのと同じくらい簡単です。そして、まもなくユーザーはDropbox AIをすべてのフォルダとファイルで利用することができるようになります。Dropboxファイルプレビュー用の人工知能は現在ベータ版です。現在、テスト用に選ばれたDropbox Teamsに展開され、米国のすべてのDropbox…

Wandaとは：大規模言語モデルに対するシンプルで効果的なプルーニング手法の紹介

大きな言語モデル（LLM）の人気と使用率は絶えず高まっています。生成型人工知能の分野での巨大な成功を受けて、これらのモデルは大規模な経済的および社会的変革をもたらしています。最新のLLMのトレンドの一つは、OpenAIが開発したチャットボットであるChatGPTです。ChatGPTは人間を模倣し、リリース以来何百万人ものユーザーに利用されています。自然言語処理と自然言語理解に基づいて構築されたChatGPTは、質問に答えたり、ユニークで創造的なコンテンツを生成したり、長いテキストを要約したり、コードやメールを補完したりすることができます。パラメータの数が非常に多いLLMは、多くの計算リソースを要求します。これを軽減するために、モデルの量子化やネットワークの剪定などの手法が使用されています。モデルの量子化は、LLMのパラメータのビットレベル表現を削減するプロセスです。一方、ネットワークの剪定は、特定の重みを削除してニューラルネットワークのサイズを縮小することを目指します。ただし、現在のアプローチでは、再トレーニング、ゼロからのトレーニング、または反復プロセスには膨大な計算リソースが必要なため、LLMの剪定には焦点が当てられていません。これらの制約を克服するために、カーネギーメロン大学、FAIR、Meta AI、Bosch Center for AIの研究者らは、Wanda（重みと活性化による剪定）と呼ばれる剪定手法を提案しました。LLMが顕著な大きな特徴を示すという研究に着想を得て、Wandaは再トレーニングや重みの更新を必要とせずに、事前学習済みのLLMに疎さをもたらします。Wandaでは、最も小さな大きさの重みは、適切な入力活性化との乗算に基づいて剪定されます。また、重みは各モデルの出力ごとに独立して評価されます。 Wandaは再トレーニングや重みの更新を必要とせずにうまく機能し、剪定されたLLMは即座に推論に適用されます。研究では、LLMの非常にわずかな割合の隠れ状態特徴が非常に大きな大きさを持つことがわかりました。この発見を基に、チームは従来の重みの大きさの剪定指標に入力活性化を追加することで、重みの重要性を驚くほど正確に評価できることを発見しました。最も成功したオープンソースのLLMファミリーであるLLaMAを使用して、チームはWandaを実証的に評価しました。その結果、Wandaは再トレーニングや重みの更新を必要とせずに、事前学習済みのLLMから効率的な疎なネットワークを正確に特定できることが示されました。Wandaは大規模なGPTファミリーモデルに正確に機能する最近提案されたLLMの剪定手法であるSparseGPTの性能を上回り、または追い越すこともありました。まとめると、WandaはLLMの剪定の課題に対処するための有望な手法のようであり、LLMの疎さを理解するためのさらなる探求を促すことで、将来の研究の基準を提供しています。剪定技術を通じてLLMの効率性と利用可能性を向上させることにより、自然言語処理の分野での進歩を続け、これらの強力なモデルをより実用的かつ広範に活用できるようにすることができます。

Google MusicLMを使用してテキストから音楽を生成する

Googleの最新のAI音楽モデルの大きな進歩をご紹介します

Natural language processing

AIがリードジェネレーションにどのように役立つのか？

あなたのサービスや製品が優れていてもユニークであったとしても、効果的にマーケティングできなければ重要ではありません。世界中の中小企業や大手企業のオーナーは、急速に変化するマーケティングの動向に遅れをとらないようにしようとしています。私たちはAIと機械学習技術の急速な進歩により、従来の手法よりも高品質なリードをより速く生み出す非常に洗練されたAIリード生成ソリューションを持っています。人工知能は、マーケターが調査からマーケティングまでの時間を短縮することで、より効率的になるのを助けます。 AIリード生成とは何ですか？ AIリード生成とは、AI技術と戦略を使用してビジネスの見込み客やリードを特定し、引き付けるプロセスのことです。これには、AIツールやアルゴリズムを使用して調査を自動化し、見込み客を評価することが含まれます。人工知能とデータ駆動の理解を活用することで、AIリード生成はビジネスが効果的にマーケティングと営業活動を管理し、高品質のリードを見つけ出し、収益成長を促進することを可能にします。マーケティングと営業チームは、これらの洞察を活用して見込み客が顧客になる可能性を高めるための予測、推奨事項、データ駆動の対策を行うことができます。 AIリード生成の助けを借りることで、組織は見込み客の発見と対話の手順を自動化し、生産性を向上させ、変換率を向上させ、営業とマーケティングの取り組みにおける投資対効果（ROI）を向上させることができます。 AIリード生成の統計以下はAIリード生成に関する最近の統計的な事実です： 44％の企業が技術ベースの手法を使用してリードを評価しています。 59％のマーケターはリード生成においてSEOに重要な影響を与えると考えています。 73％のB2B企業はバーチャルミーティングとウェビナーが最も優れたリード生成手法の一つであると報告しています。 79％のマーケターがメールマーケティングに自動化を使用しています。 33％のマーケティング部門がノーコードまたはローコードのツールを使用しています。 56％のマーケターがリードのセグメンテーションに自動化を使用しています。他にも読む：2023年にノーコード機械学習を学ぶ理由 AIはリード生成にどのように役立っていますか？ 1. AIによるリードスコアリングと資格付け AIのアルゴリズムは、収集されたデータを分析して各リードの品質と見込みの価値を判断します。リードの関与度、興味度、および顧客になる可能性などの予め定められた基準に基づいて、リードにスコアを付けることができます。これにより、リードを分類し、最も潜在的なリードに集中することが容易になります。リードスコアリングによって、各リードには潜在的な価値と変換の可能性を反映する数値が与えられます。人口統計データ、関与度、ウェブサイトのコミュニケーション、過去の購入履歴など、リードスコアリングのパラメータとして関連する要素をすべて使用することができます。スコアが高いリードは、変換される可能性が高くなります。ターゲットパーソナに対応するリードを見つけるために、機械学習技術を使用して理想的な顧客プロファイル（ICP）を作成することができます。AI駆動のツールがウェブを検索し、デモグラフィックに合致する消費者や企業を見つけ出し、マーケティングと営業の努力の基盤として使用できる資格のある見込み客リストを作成します。 2. パーソナライズされたマーケティングとコンテンツの推奨 AIは収集されたデータと洞察を活用して、各リードのプロモーションオファーやメッセージをカスタマイズします。AIのアルゴリズムは、過去の閲覧履歴やコンテンツの使用パターンを解釈して、特定のリード同士を結びつけるカスタマイズされたコンテンツを提供することができます。…

API管理を使用してAIパワードJavaアプリを管理する

OpenAIのChatGPT APIをSpring Bootアプリケーションに統合し、オープンソースのAPIゲートウェイであるApache APISIXを使用してAPIを管理する方法を探索してください

Midjourney v5.2の新しいズームアウト機能の使い方（最良の例）

Midjourney v5.2がリリースされ、期待を裏切りませんでしたズームアウト機能は素晴らしいです

銀行向けのGoogleの新しいマネーロンダリング対策AIツールに会いましょう

Google Cloud（アルファベットの部門）は、銀行向けにマネーロンダリングAIを導入しました。提案されたAIソリューションは、人工知能（AI）によって駆動される革新的なツールであり、金融業界のマネーロンダリング対策を革新することを目指しています。この製品は、機械学習技術を利用して、銀行や他の金融機関がマネーロンダリングに関連する可疑な活動を特定し報告するための規制要件を満たすのを支援します。 Google Cloudのソリューションの特徴は、マネーロンダリング監視システムで一般的に使用される伝統的なルールベースのプログラミングからの離脱です。この非伝統的な設計選択は業界の通例に挑戦し、HSBC、Banco Bradesco、Lunarなどの主要なプレーヤーの注目を集めています。このリリースは、AIを活用してさまざまなセクターを強化する主要な米国のテック企業の持続的なトレンドと一致しています。GoogleのChatGPTの前の成功は、他の企業に類似のAI技術を統合するきっかけとなりました。金融機関は長年、大量の日次取引を分析するためにAIを活用してきました。通常、人の判断と機械学習を使用して、規制当局に報告する必要がある可能性のある可疑な活動を特定します。 Google Cloudがルールベースのシステムからの脱却する決定は、マネーロンダリングにおけるAIの潜在能力に対する重要な賭けです。このようなツールのキャリブレーションは、通常、フラグのついた活動があまりにも少ないか、あまりにも多い場合があり、コンプライアンスチームに懸念を抱かせることがあります。手動ルールの入力も高い誤検出率に寄与しています。 AIを最初に考えたアプローチで、Google Cloudはこれらの課題を緩和しようとしています。ツールのユーザーはリスク指標をカスタマイズすることができ、不必要なアラートの数を最大60％削減すると同時に、精度を向上させることができます。たとえば、HSBCはGoogle Cloudのソリューションを導入した後、最大4倍の「真の陽性」を経験しました。金融機関を説得して意思決定に機械学習を信頼させることは困難です。規制当局は特定のリスクプロファイルに合わせた明確な根拠を求めており、機械学習が人間の専門知識を完全に置き換える能力に対する懐疑心は依然として残っています。これらの懸念に対応するため、Google Cloudはソリューションにおいてより良い結果と向上した「説明可能性」を提供しています。このツールはさまざまなデータソースを活用してハイリスクな顧客を特定し、取引や文脈要因に関する詳細な情報を提供します。この透明性は金融機関と規制当局の間で信頼を築き、理解を促進します。 Google CloudのAI駆動型のマネーロンダリングソリューションは、違法な金融活動に対する取り組みを変革する潜在力を持っています。このソリューションは、機械学習にシフトすることで精度、カスタマイズ性、透明性を向上させ、金融機関や規制当局のマネーロンダリング対策に対する信頼を育みます。

Learn more about Search Results リリース - Page 97