株式会社ログラスの生成AI/LLMチームの松岡(@little_hand_s)です。 GPTs、話題ですね！！使ってますか？(GPTsとは、ChatGPTの機能をカスタマイズして、目的に合わせたツールを自由に作成できる機能です) そして、もうすぐアドベントカレンダーの時期ですね、ブログを書く予定はありますか？ ブログを書くのって、結構気合がいりますよね。 あれって、文字列を書くこと自体とよりも、 何を書くか どういう切り口の記事にするか どういう構成にするか といったことにに脳のエネルギーを使うんですよね。 逆にいうと、これらのステップをクリアすれば、ブログ執筆のハードルはぐっと下がります。 そこで今回、GPTが執筆者にインタビューをしてくれて、それに応じるだけでブログの構成がどんどん決まっていくような執筆アシスタントGPTを作ってみたのです。 そしてもちろん、この記事も執筆アシスタントG

2023年のAIニュース振り返りと押さえておくべき2024年のAIトレンドを知る特設サイト「Ledge.ai 23to24」を公開

こんにちは！株式会社 ABEJA で ABEJA Platform 開発を行っている坂井（@Yagami360）です。世間では ChatGPT などの大規模言語モデル（LLM）による対話型 AI が盛り上がってますね。クオリティーも凄いし AI 業界以外でも盛り上がってると嬉しいですよね。この数年で一段と AI の社会実装が業界以外の人にも目に見える形で進んできたなあと実感しております。 自分は普段業務では ABEJA Platform という AI プロダクトやその周辺プロダクトのバックエンド開発とフロントエンド開発をやっているのですが、AI 業界所属していながら ChatGPT などの LLM 全然追いかけれていない状態になっちゃてて自責の念にかられているので、このブログ執筆という良い機会に ChatGPT の仕組みについて調べてみました。 本記事の対象読者としては、以下のようになりま

目次[非表示] 1.はじめに 2.AI関連の指針・原則・ガイドラインの動向 2.1.国内における分野横断の主なAI関連の指針・原則・ガイドライン 3.ChatGPTの業務利用に関する動向 3.1.ChatGPT等の業務利用を推進する企業様のニュース 3.2.ChatGPTの業務利用を制限・禁止する企業様のニュース 3.3.AIサービスの業務利用に関するガイドライン策定のニュース 4.ChatGPTのプライバシーポリシーと利用規約における留意点 4.1.情報漏えい 4.2.情報の正確性 4.3.参照 5.ChatGPT Web版の業務利用における情報セキュリティ上の留意点のまとめ 5.1.情報漏えい 5.2.情報の正確性 6.まとめ はじめに昨今、ChatGPTに関する話題に注目が集まるなか、「業務利用」について検討される企業様が増加しています。実際に、クラウドリスク評価「Assured（ア

大量の文章から学習することで、多言語を取り扱う能力だけでなく、高度な推論能力まで手に入れました。 GPT-3.5、とりわけその初期モデルのCodexはGitHubに存在する5400万の公開リポジトリから採取された159GBのPythonコードでGPT-3をfine-tuning（微調整）することで生まれました。ChatGPTがとりわけPythonが得意なのはここから来ています。 ChatGPTの学習データを考えることはその能力を発揮させるときに極めて有効です。質問時も以下のように、『⁠涼宮ハルヒの憂鬱』というライトノベル作品について日本語で聞いたときはSOS団の略称を間違えるなどしますが、英語ではほぼ期待通りの回答を見せます。 図1 『ハルヒの憂鬱』について日本語で聞いた場合の回答 図2 『ハルヒの憂鬱』について英語で聞いた場合の回答 知ったかぶりをするChatGPT ところで、ChatG

AI・人工知能EXPOの感想 来場者が多い スーツ姿が多い よく見るとおっさんしかいない 各社の展示内容がコピペを疑うほど似ている Chatbotが減ってGUIのAI開発ツールが増えた GRID社のブースがでかすぎる SIベンダの無理やりAIに寄せました感がスゴイ 人材育成とオフショアがトレンドっぽい — マスクド・アナライズ (@maskedanl) April 5, 2019 こんな主観まみれな感想がやたら伸びてしまったので、ちょっと真面目にAI・人工知能EXPOの感想を書いてみる。 ■全体の印象来場者はスーツ姿が多く、年齢は30-50代といったところ。6-70代と思しき人もいるが、ボケ防止AIを探しているのか、老後の資金をAIに投資するのか、ただの展示会マニアなのかはわからない。 来場者は業種のカードを下げており、「製造」「通信・IT」が6割程度、残りは金融・社会インフラ・医療・専門

世界で著しく膨脹・発展を続ける自動運転業界。市場を牽引する大手メーカーからIT・技術分野で革新の一翼を担うスタートアップまで、モビリティ業界の最前線を発信します。 取材依頼・情報提供：問い合わせフォーム から

はじめに Estimatorのチュートリアルをなぞる データの読み込み 下準備 モデルの構築 モデルの学習 モデルの評価 学習済モデルを用いた予測 TensorBoard おわりに はじめに TensorFlowのEstimatorに関するチュートリアルは、既に公式のGet Startedに挙がっております。 しかし、なんというか、機能がてんこ盛り故に触りづらい雰囲気が出てしまっています。 きっと初心者にとって見たいチュートリアルというのは、KerasやPyTorchなどがそうであるように、 Numpyのデータをどうやって渡していけば良いのかという点にあるように思います。 Estimatorのチュートリアルをなぞる ここでは公式のGet Started Get Started with Graph Execution  |  TensorFlow をなぞって行きます。ただ、ここのコードの通

こんにちは。 Deep Learningを自分でゼロから組んで(fine tuningとかではなく)、全部ゼロから学習させるのって大変ですよね。 特に、ハイパーパラメーターの設定にすごく悩みます。トップカンファレンスに出されているような高精度の論文では、そういうハイパーパラメーターはさも当然かのごとく設定されているので、まぁモデルを使い回す分には特に問題ないんですが、自分で決めようとすると本当に悩ましいです。 また、Deep Learingは学習に非常に時間がかかりますし、それぞれのハイパーパラメーターの相互関係とかもあり、問題の切り分けが難しいです。 その意味で、グリッドサーチなども対象を決めてやらざるをえず、その場合でもあたりをつけておきたいのが正直な所だと思います。 ということで、ハイパーパラメーターにはいくつも種類があるんですが、今回はその中でも、Batch sizeについてどうや

TensorFlowの計算グラフのメリット tf.Variableの作成方法 tf.Variable params: returns: tf.get_variable 変数の使い回し方 スコープ tf.variable_scope tf.name_scope 変数の再利用 変数の種類 まとめ TensorFlowの変数の扱い方は、一般的なプログラミング言語の変数とは随分異なります。TensorFlowや計算グラフを使用したディープラーニングライブラリを使い始めの方は、慣れるのに時間がかかるかもしれません。 本記事では、TensorFlowの変数の使い方に焦点を当てて、 計算グラフのメリット 変数の初期化方法 変数の使い回し方 スコープの切り方 変数の種類 について詳しく見ていきます。TensorFlowの変数を使いこなせるようになると、独自のロジックも組むことが出来るようになります。 Te

ディープラーニングは習うより慣れろかも ファッションでディープラーニングをしているディープラーニング芸人からあげです。私は、特に専門家でも何でもないのですが、機械学習に興味もって、ディープラーニングに関することブログでアウトプットしているうちに「AIに関する本に名前がクレジットされたり」「AI解析のオンラインコンテスト#Aidemynoteで特別賞受賞したり」「ラズパイマガジンという商業誌にAI関係で記事を書いたり」「ディープラーニングおじさんの記事がバズったあげくITmediaで取り上げられたり」と多少なりとも価値を提供できるようになってきました。 何の知識もバックグラウンドも、大した能力も無い自分が、どうやって知識を身につけることができたかというと、色々本も読んだのですが、実際に手を動かしてプログラムを組んで、実問題に対して試行錯誤した結果をブログにアウトプットし続けたことが大きいのか

日本ソフトウェア科学会 キックオフシンポジウム 基調講演２ Speaker: 杉山将（理研AIP／東京大学）Read less

(注：2017/04/08、いただいたフィードバックを元に翻訳を修正いたしました。 @liaoyuanw ) この記事は、私の著書 『Deep Learning with Python（Pythonを使ったディープラーニング）』 （Manning Publications刊)の第9章2部を編集したものです。現状のディープラーニングの限界とその将来に関する2つのシリーズ記事の一部です。 既にディープラーニングに深く親しんでいる人を対象にしています（例：著書の1章から8章を読んだ人）。読者に相当の予備知識があるものと想定して書かれたものです。 ディープラーニング：　幾何学的観察 ディープラーニングに関して何より驚かされるのは、そのシンプルさです。10年前は、機械認識の問題において、勾配降下法で訓練したシンプルなパラメトリックモデルを使い、これほど見事な結果に到達するなど誰も想像しませんでした。

機械学習を含む人工知能を扱えるITエンジニアの人材不足は深刻で、GoogleやAppleなどのIT大手の会社は挙って人材獲得競争を行なっています。 米大手人材サービスのglassdoorによると、アメリカでの機械学習エンジニアの平均年収は$120,931（約1350万円）となっています。未経験者〜1年までの機械学習エンジニアの年収でも、$100,551（約1121万円）と非常に高額です。 対して、日本のリクルートTech総研が実施した30代前半のエンジニアの年収調査では、システム開発（Web・オープン系）の平均年収で512万円というデータがあります。 冒頭でも触れた通り、これから機械学習エンジニアの不足は明らかであり、より一層、給料の高騰が期待できるわけです！現在、ソフトウェアエンジニアとして活躍されている方々も、キャリアップを目指して機械学習を勉強されている方も多いはずです。 そこで、本

教科書が読めていない子どもたちは、勉強に行き詰まるだけでなく、将来も困難が…（ペイレスイメージズ/アフロ） ツイッターをやっていると、いろんな方からのリプライがある。楽しいやりとりもあれば、新たに様々なことを教わったりする場合もあるが、一定層からの批判、非難、揶揄、侮蔑、罵倒の類いが押し寄せる時もある。様々な考えがあって当然なので、私の意見や感じ方に同意や共感しない人がたくさんいるのは不思議でもなんでもないのだが、こうしたリプライには、トンチンカンな反応が少なくない。 私が書いてもいない……どころか、考えたこともない「主張」に激しく反論するものも、かなりある。 「私の書いたことの意味が分かってないのではないか?!」 「文脈が読み取れていないのではないか」 と感じることは、しばしばだ。 そんな経験が重なって、最近は、この手のものを瞬時に見分ける、ある種の勘も働くようになった。さっさとミュート

この記事は、以下の方向けに執筆しています。 ・とにかくAIブームに乗りたい方 ・転職してAI案件に携わりたい方 ・AIに必要な知識だけをざっくり身に付けたい方 関連記事：AI人材になるにはスキルよりまず職種を選択しよう 清水亮さんがAI人材の不足を言われてから、人材不足感は一向に変わっておらず、むしろ不足感が強まっている。企業が本格的に取り組み始めたのに、検証できる人材が誰もいない。データ分析経験があったり、Pythonでnumpyとか少し触れる人が、AI人材として急に売れっ子になるのを何度も見てきたし、その流れはしばらく続くんだと思う。 BIベンダも最近その流れに乗って売り込み始めた。コンサル会社は、AIコンサルと言い始めた。SIベンダは、AIの専門部署をたくさん作り始めた。メーカーもR&D中心にAI人材を採用しはじめてる。 CONNPASSで機械学習と名の付くセミナーはすべて人気で埋ま

「ロボットは東大に入れるか」プロジェクトでぶつかった「ある疑問」国立情報学研究所（NII）の社会共有知研究センター。 「ロボットは東大に入れるか（東ロボ）」プロジェクトで知られる人工知能（AI）の研究チームが、子どもたちの読解力テストに着手した。 なぜ、AI研究者が「読解力」に関心をもつのか。 そこには、AIの限界を探る研究の過程でぶつかった、ある疑問が関係している。 センター長の数学者・新井紀子さんに話を聞いた。 今日（11月14日）の「東ロボ　2016成果報告会」で冒頭あいさつする新井紀子教授。東ロボプロジェクトは2011年にスタートしたAIは国語が苦手――なぜ、AI研究者が「読解力」に関心を？ 東ロボは、問題を解き、正解も出すが、読んで理解しているわけではない。 現段階のAIにとって、文章の意味を理解することは、不可能に近い。 そうすると、特に難しいのが国語と英語だ。 国語では、20