LLM（大規模言語モデル）は、自然言語処理（NLP）の分野で使用される深層学習モデルの一種であり、その主な目的は、膨大な量のテキストデータを学習し、人間のような自然な言語生成や理解を実現することです。 技術的な側面からもう少しお話すると、LLMは深層学習の技術を用いた複雑なモデルで、その基盤となるのはニューラルネットワークと呼ばれる人間の脳のニューロンの働きを模倣する計算モデルです。 このニューラルネットワークは、複数の層からなる構造で入力データを受け取り、パターンを学習して予測や分類を行うことができます。特に、LLMは巨大なテキストデータを入力とし、大量のパラメータを調整しながら言語構造を学習させています。 代表的なLLMの例として Googleの「PaLM」 OpenAIの「ChatGPT」 オープンソースなモデルとしてMetaが開発した「Llama」、Databricksが開発した「

本記事は、当社オウンドメディア「Doors」に移転しました。 約5秒後に自動的にリダイレクトします。 このたびブレインパッドは、LLM/Generative AIに関する研究プロジェクトを立ち上げ、この「Platinum Data Blog」を通じてLLM/Generative AIに関するさまざまな情報を発信をしています。 この記事では、「copilotとしての生成AI」という視点で概況を捉え、LLM/Generative AIの可能性と実用段階における諸問題について考察していきます。 はじめに 生成AIを活用したサービス/プロダクトの分類 分類方針 入出力による分類結果を俯瞰する 入出力による分類とトレンド Text to Text (Text or Image) to Image Text (and Speech) to Speech, Speech to Speech copilo

本記事は、当社オウンドメディア「Doors」に移転しました。 約5秒後に自動的にリダイレクトします。 このたびブレインパッドは、LLM/Generative AIに関する研究プロジェクトを立ち上げ、この「Platinum Data Blog」を通じてLLM/Generative AIに関するさまざまな情報を発信をしています。 この記事では、生成AIの中でも、テキスト、画像、動画、3Dデータ、オーディオデータ、モーションなど多岐にわたるマルチモーダル系のタスクについて、全2回の連載でご紹介します。【第1回目の記事はこちら。】 こんにちは、アナリティクスサービス部の八登です。 昨今話題をさらっている生成AIですが、その中でマルチモーダル系のタスクに大きな関心が集まっています。 ここでマルチモーダル系とは、AIが同時に複数の形式を扱うことができる、ということを表しています。 モーダルの例としては

本記事は、当社オウンドメディア「Doors」に移転しました。 約5秒後に自動的にリダイレクトします。 このたびブレインパッドは、LLM/Generative AIに関する研究プロジェクトを立ち上げ、この「Platinum Data Blog」を通じてLLM/Generative AIに関するさまざまな情報を発信をしています。 ChatGPTなど高性能な会話型AIの学習プロセスとして採用されているRLHFとは、一体何者なのかをご紹介します！ こんにちは。アナリティクスサービス部の橋本です。 今回は、ChatGPTなど高性能な会話型AIの学習プロセスとして採用されているRLHF（Reinforcement Learning from Human Feedback、人間からのフィードバックを用いた強化学習）とは一体何者なのかをご紹介させていただきます。 ChatGPTなどの会話型AIが、どんな学

いったい、どれがDX？ 「DX（デジタルトランスフォーメーション）」が色んなところで使われるたびにモヤモヤしたり、「そもそも、DXってなんなんだろう？」と思う方、多いのではないでしょうか。話題、流行っている言葉ほど、色んな意味合いで使われることが多いですよね。 さて、では皆さんは、「DX」と聞いて何を思い浮かべるでしょうか？下記に、思いつくものをざっくりと挙げてみました。 このように、DXに該当する言葉は多々ありますが、企業で共通理解がなされないまま「DXをしよう」や「DXを進めよう」というと、「既存業務のデジタル化」なのか、「新しいビジネスモデルによる経営改革なのか」で現場が迷い、「何から始めるべきか」を議論して終わらない状況になってしまうことが往々にして起こり得ます。 だからこそ、DXとは何かをしっかり整理し、本質を理解することが重要です。

ChatGPTで記述式アンケート解析がゼロコストに｜LLMを経営効果に変えた！東京電力エナジーパートナーの生成AI活用事例

本記事は、当社オウンドメディア「Doors」に移転しました。 約5秒後に自動的にリダイレクトします。 「レコメンドつれづれ」は、レコメンド手法の概念や実装方法を中心に、レコメンドに関する基礎的な内容から最近流行りの技術まで幅広くご紹介する連載です。第3回は、レコメンドの評価方法について、代表的な評価方法・指標をピックアップしてご紹介します。 こんにちは。アナリティクスサービス本部の小田です。レコメンドについて考察していく連載の第3回です。 第1回 協調フィルタリングのコンセプトを知る 第2回 協調フィルタリングの実装 第2回では、協調フィルタリングの実装を行いました。本連載では今後各種手法を実装しながら比較していく予定ですが、その前にレコメンドの評価について確認したいと思います。といっても、レコメンド全体の評価となるとシステムやユーザビリティの評価など広範にわたりますので、今回はアルゴリズ