このAIニュースレターは、あなたが必要とするすべてです＃71

「このAIビューティー＆ファッション情報誌は、あなたの必要を叶える全てです＃71」

アート・フィッシュの週間AIニュース

先週、ジョー・バイデン大統領は人工知能の監督を目的として、執行令に署名することでAI規制に再び注目を集めました。この指令により、さまざまな政府機関がAIの安全性、データプライバシー、サイバーセキュリティに関する新しいガイドラインの策定を求められます。注目すべき部分としては、プライバシー保護に関する研究に資金を充てることが含まれています。政府は明らかに、プライバシー、公正、市民権などの領域で規制を重視しています。ただし、この執行令は議会の支持がない限り、法的な効力を持ちません。今後の数か月間では、欧州連合からの取り組みが見られる可能性があり、中国からは既に厳格な規制が見られています。

このニュースは、Xで（以前のTwitter）大きな議論を引き起こしました。著名なAI研究者たちは、AI規制に対する懸念とオープンソースプロジェクトへの潜在的な悪影響についてコメントしました。アンドリュー・エンジ氏は「明らかにオープンソースと競合しなくて済む大手企業が存在します」とコメントしました。一方、メタの最高データサイエンティストであるヤン・ルクン氏は、「もし…恐怖を煽るキャンペーンが成功した場合、*避けられなく*小数の企業がAIを制御することになるでしょう」と述べました。AIのリスクを軽減し、大企業だけを優遇する壁を防ぐ正しいバランスを見つけることは困難であることが明らかです。

– ルイ・ピータース — Towards AIの共同創設者兼CEO

5分で読める/見れるおすすめの記事/動画

LLMマスター：LLMのパフォーマンスを評価するトップストラテジー

このガイドでは、大規模言語モデル（LLM）の効果的な評価とベンチマークの方法について共有しています。パープレキシティ、その他の評価指標、およびLLMのパフォーマンスを比較するための厳選されたベンチマークについて詳しく学ぶことができます。また、ニーズやタスクに適したモデルを選択するための実用的なツールも提供しています。

2. LLMの出力の評価

このブログ記事では、LLMによって生成された出力の評価についていくつかの技術を紹介しています。また、ユーザーフィードバックや人間の注釈者などの技術や、LLMを使用した人間の評価方法の複製についても解説しています。

3. LLMチャットボットの動作：検索拡張生成（RAG）によるチャットの探索

この記事では、チャットボットの生成部分を構築することに焦点を当て、RAGによってLLMチャットボットを強化する方法について説明しています。RAGは、APIを外部データに接続して拡張生成を可能にするChatエンドポイントの重要なコンポーネントです。

4. 順序の重要性：AIが逆さまに苦労する理由

この記事では、大規模言語モデルに逆さまの呪いが及ぼす影響について解説しています。人間とは異なり、LLMは情報の逆転を伴う質問にうまく答えることができない場合があります。さらに、LLMは人間の熟練度が高い領域で苦戦することが分かっています。

5. アリストテレスによると、ChatGPTは思考できるのでしょうか？

この投稿では、ChatGPTなどの大規模言語モデル（LLM）がアリストテレスの演繹法のような推論能力を持っているかという哲学的な問題について議論しています。具体的には、AIと哲学、特に論理的な推論の関係を探求しています。

論文とリポジトリ

QMoE：兆パラメータモデルの実用的な1ビット圧縮

QMoEは、SwitchTransformerなどの兆パラメータモデルを<1ビット/パラメータに圧縮する実用的な解決策です。精度の損失を最小限に抑えながら、20倍の圧縮率を実現し、手頃なハードウェア上で効率的に実行することができます。

2. JudgeLM：ファインチューニングされた大規模言語モデルはスケーラブルな判定者です

JudgeLMは、大規模言語モデルの評価を向上させるために、スケーラブルな判定者としてファインチューニングを行う手法です。データセットのコンパイルと拡張技術を使用することで、JudgeLMはバイアスに対処し、ベンチマークで優れたパフォーマンスを発揮します。人間の判断を凌駕し、さまざまな形式で優れた柔軟性を示します。

3. コントラスティブ・プリファレンス・ラーニング：強化学習なしで人間のフィードバックから学習する

コントラスティブ・プリファレンス・ラーニング（CPL）は、従来の強化学習手法を必要としない人間のフィードバックからの強化学習の新しいアプローチです。報酬ではなく後悔に焦点を当てることで、CPLは学習プロセスを簡素化し、高次元の強化学習に効果的に適用する可能性を持っています。

4. ConvNets Match Vision Transformers at Scale

Google DeepMindによる研究では、畳み込みニューラルネットワーク（ConvNets）とビジョン・トランスフォーマー（ViTs）を大規模な画像分類について比較しています。要約すると、同様のリソースが与えられた場合、ConvNetsとViTsは同様のパフォーマンスを発揮します。

5. HallusionBench：思うがままに見えますか？それとも見えるがままに思いますか？

HallusionBenchは、GPT4-VやLLaVA-1.5などのビジョン・ランゲージ・モデルでの言語妄想と視覚錯覚を研究するために設計された新しいベンチマークです。このベンチマークは、モデルが画像コンテキストを考慮して推論する能力を問い、ビジョンモジュールの潜在的な弱点を明らかにします。

これらの論文とニュースの要約を楽しんでいますか？毎日の要約を受け取る！

Learn AI Togetherコミュニティセクション！

週のミーム！

ミームシェア：rucha8062

Discordからの注目コミュニティ投稿

NYLeeは、LLMベースのアプリケーションパターンに対応する統一的でオープンで拡張可能なフレームワークであるLLMwarreを開発しました。このプロジェクトは、初心者から最も洗練されたAI開発者まで誰でも使用できる包括的なツールセットを提供します。これには、PDFおよびOfficeドキュメントの解析、テキストのチャンキング、Milvus、FAISS、またはPineconeを使用した埋め込みベクトル、ハイブリッド検索などが含まれます。GitHubで確認してサポートする。ここでフィードバックを共有してください！

週のAI投票！

ディスコードでのディスカッションに参加する。

TAIキュレーションセクション

今週の記事

YouTubeビデオ要約のためのAIアシスタントの作成完全ガイド — Part 1 by Amin Kamali

この記事は、YouTubeビデオを要約するためのAIアシスタントをステップバイステップで構築するための3つのブログ記事のうちの1つです。OpenAIのWhisperを使用してYouTubeビデオのトランスクリプトをキャプチャするための詳細な手順から始め、Langchainを使用したテキスト要約、GradioとHugging Face Spacesを使用した解決プロトタイプのデモンストレーションまでを説明しています。