Apple初の空間コンピューターである「Apple Vision Pro」が、外科手術で活躍していることが明らかになっています。 Apple Vision Pro used to assist in shoulder surgery https://appleinsider.com/articles/24/04/03/apple-vision-pro-is-getting-more-wear-time-in-the-surgical-theater Apple Vision Pro é usado em cirurgia ortopédica no Brasil - MacMagazine https://macmagazine.com.br/post/2024/04/19/apple-vision-pro-e-usado-em-cirurgia-ortopedica-no-brasil/

by nrkbeta 「すべての経済的意思決定が厳密に合理的であるとは限らない」という理論を提唱した心理学者・行動経済学者のダニエル・カーネマン氏が、2024年3月27日に90歳で亡くなりました。 Best-selling psychologist and Nobel economist Daniel Kahneman dies at 90 : NPR https://www.npr.org/2024/03/27/1241206604/thinking-fast-slow-psychology-behavioral-economics-daniel-kahneman-obit-nobel Daniel Kahneman – Biographical - NobelPrize.org https://www.nobelprize.org/prizes/economic-sciences/20

ローソンの「天下一品こってりフェア」が2024年2月27日(火)に始まりました。天下一品の「こってりスープ」を1年半かけて再現したという「天下一品監修 こってりラーメン」の他に「天下一品監修 こってり天津チャーハン」「天下一品監修 こってりスープ餃子5個入」「天下一品監修 こってりスープ仕立ての炒飯おにぎり」「天下一品監修 こってりカレーパン」「天下一品監修 からあげクンこってり味」といった商品が登場したので、どれだけ天下一品の味を再現できているのか確かめるべく6品とも実際に買って食べてみました。 天下一品　こってりフェア開催！｜ローソン研究所 https://www.lawson.co.jp/lab/tsuushin/art/1480942_4659.html ローソンに到着。入口付近では天下一品こってりフェアの開催がアピールされています。 ラーメンコーナで目当ての「天下一品監修 こって

大規模言語モデルや画像生成AIなどの機械学習モデルでは、ファインチューニングやLoRA(Low Rank Adaptation)といった手法によって、モデルの重みを微調整し、特定のタスクや目的に沿った出力を行うようにカスタマイズすることができます。香港科技大学の研究チームが、LoRAよりも計算コストと時間を削減できる新たな手法「DoRA(Weight-Decomposed Low-Rank Adaptation)」を発表しました。 [2402.09353] DoRA: Weight-Decomposed Low-Rank Adaptation https://arxiv.org/abs/2402.09353 Improving LoRA: Implementing Weight-Decomposed Low-Rank Adaptation (DoRA) from Scratch https

Googleがテキスト・画像・ムービーをまとめて処理できるマルチモーダルAI「Gemini」の次世代モデルとして「Gemini 1.5」を発表しました。処理できるトークン数の上限が100万まで上昇したほか、従来の1.0モデルと比べて少ない計算で高い品質の結果を提供できるとのことです。 Google Japan Blog: 次世代モデル、 Gemini 1.5 を発表 https://japan.googleblog.com/2024/02/gemini-15.html 従来モデルであるGemini 1.0は「GPT-4を超える性能のマルチモーダルAI」として2023年12月6日に登場しました。最上位モデルのGemini 1.0 Ultraを使用したハンズオンムービーではまるで人間かと思うような受け答えをしている様子が確認できます。 文字・音声・画像を同時に処理して人間以上に自然なやりとりが

Googleの研究チームが動画生成AI「Lumiere」を2024年1月24日(水)に発表しました。Lumiereではフレーム同士が自然につながった違和感の少ない動画を生成可能で、テキストや画像を入力して動画を生成できるほか、動画の一部分を指定して別の動画に置き換えたり、写真の一部分だけを動かしたりといった操作も可能です。 Lumiere https://lumiere-video.github.io/ テキストや画像を入力して動画を生成できるAIは数多く存在していますが、それらのAIの多くは「フレームを複数枚生成し、フレーム同士を補間する」という手法で動画を生成しているため、フレーム同士のつながりが不自然になりがちです。一方で、Lumiereは「動画全体のフレームを一度に生成する」という手法を採用しており、フレーム同士のつながりが自然で違和感の少ない動画を生成可能。生成可能な動画のフレー

TikTokの親会社であるByteDanceの研究チームが、テキストに忠実かつ高品質な動画を生成するAI「MagicVideo-V2」を発表しました。人間によるパフォーマンス評価では、MagicVideo-V2がテキストから動画を生成するその他の最先端AIよりも優れているという結果が得られたとのことです。 [2401.04468] MagicVideo-V2: Multi-Stage High-Aesthetic Video Generation https://arxiv.org/abs/2401.04468 MagicVideo-V2: Multi-Stage High-Aesthetic Video Generation https://magicvideov2.github.io/ MagicVideo-V2は、ByteDanceの研究チームが開発したテキストから動画を生成するAI

チャットAI「ChatGPT」などで知られるOpenAIが、ユーザー独自のチャットAIを作成できる機能「GPTs」で作成したチャットAIを別のユーザーに公開できる「GPT Store」をリリースしました。同時に、ChatGPTの法人向け有料プラン「ChatGPT Team」も開始しています。 Introducing the GPT Store https://openai.com/blog/introducing-the-gpt-store Introducing ChatGPT Team https://openai.com/blog/introducing-chatgpt-team OpenAI Launches GPT Store For Users to Share Custom Chatbots - Bloomberg https://www.bloomberg.com/news

2023年12月14日にロシアのウラジーミル・プーチン大統領が年末恒例の質疑応答イベントを開催しました。このイベントの中で国民からの質問として「プーチン大統領の外見や声を再現したディープフェイクがプーチン大統領に質問する映像」が映し出され、プーチン大統領が自身のディープフェイクに対して応答する一幕がありました。 Putin quizzed by apparent AI version of himself during live phone-in https://www.cnbc.com/2023/12/14/putin-confronted-by-apparent-ai-version-of-himself-during-live-phone-in.html Stunned Putin double-takes as he is confronted with AI deepfake o

Googleは2023年12月6日、文字・音声・画像を同時に処理できるマルチモーダルAI「Gemini」を発表しました。現地時間の12月13日、Geminiのミドルモデルである「Gemini Pro」がAPIを介してアクセス可能となり、開発者や企業が独自のユースケース向けに構築できるようになりました。 Google Gemini API: New developer and enterprise AI products https://blog.google/technology/ai/gemini-api-developers-cloud/ Google: Gemini API, Imagen 2, Duet AI and more updates https://blog.google/technology/ai/google-gemini-pro-imagen-duet-ai-upd

Metaが画像生成AI「Imagine」を無料で使えるウェブアプリ「Imagine With Meta AI」を公開しました。Imagine With Meta AIは無料で利用可能で、文章(プロンプト)を入力するだけで画像を4枚生成できるとのこと。すでに海外メディアが作例を公開しています。 What’s New Across Our AI Experiences | Meta https://about.fb.com/news/2023/12/meta-ai-updates/ Meta’s new AI image generator was trained on 1.1 billion Instagram and Facebook photos | Ars Technica https://arstechnica.com/information-technology/2023/12/m

Googleが、Google DeepMindによって発表されたAIモデル「Gemini」を、Googleの対話型AI「Bard」に導入すると発表しました。 Google Bard: How to try the new Gemini AI model https://blog.google/products/bard/google-bard-try-gemini-ai/ Google傘下のAI企業・Google DeepMindが2023年12月6日にリリースしたGeminiは、各種ベンチマークでGPT-4を超える性能を見せたマルチモーダルAIで、性能とサイズに応じて最上位モデルの「Gemini Ultra」、中間モデルの「Gemini Pro」、モバイル向けの「Gemini Nano」の3つが用意されています。具体的にどのようなAIモデルなのかは、以下の記事を読むとよくわかります。 文

Metaが文章から動画を生成できるAI「Emu Video」と文章で指示して画像を編集できるAI「Emu Edit」を2023年11月16日(木)に発表しました。合わせて、両AIで生成できる動画や画像の例を集めたデモサイトも用意されています。 Emu Video and Emu Edit: Our latest generative AI research milestones https://ai.meta.com/blog/emu-text-to-video-generation-image-editing-research/ Emu Video | Meta https://emu-video.metademolab.com/ Emu Edit https://emu-edit.metademolab.com/ ◆Emu Video Emu Videoは文章(プロンプト)を元に4秒間

インターネット上には膨大なデータが存在しており、それらを学習させることで作られたAIが続々と登場するようになりました。AIの普及が爆発的に進む一方、研究者からはAIシステムを動かす燃料である学習データが枯渇する可能性があると懸念する声が上がっています。 Researchers warn we could run out of data to train AI by 2026. What then? https://theconversation.com/researchers-warn-we-could-run-out-of-data-to-train-ai-by-2026-what-then-216741 正確で強力なAIの学習には、膨大なデータが必要です。オーストラリア・マッコーリー大学法学部の上級講師で、クリエイティブ産業のテクノロジーの法的規制に詳しいリタ・マトゥリオニテ氏によると

チャットAI「Claude」は人間の学者に匹敵する能力を持つとされるほどの性能を備えており、ChatGPTのライバルとみなされています。そんなClaudeが日本でも利用可能になったので、実際にClaudeを使う方法や性能をまとめてみました。 Now users in all supported countries can access both our free experience and Claude Pro to boost their productivity and get more done.— Anthropic (@AnthropicAI) ◆Claudeのアカウント作成手順 Claudeを使うには無料のアカウントを作成する必要があるので、まずは以下のリンクをクリックしてアカウント作成画面にアクセスします。 Claude https://claude.ai/login アカ

OpenAIがChatGPTをカスタムして「ボードゲームのルールを教えてくれるチャットAI」や「文章の書き方を教えてくれるチャットAI」といった自分好みのチャットAIを作成できる機能を発表しました。カスタムチャットAIは「GPTs」と呼ばれており、2023年11月中に自分で作成したGPTsを公開できる「GPT Store」も提供される予定です。 Introducing GPTs https://openai.com/blog/introducing-gpts ChatGPTには事前に情報や文脈を指示して応答内容をカスタムできる「Custom Instructions」と呼ばれる機能が存在しており、「すべての回答を箇条書きにする」「特定の年齢層に適した情報を返す」といったように用途に合わせてChatGPTをカスタムすることができます。しかし、Custom Instructionsを用いてCh

2023年4月にアナウンスされていた生成AIをAWSで使えるようにするツール「Amazon Bedrock」が2023年9月28日に正式リリースされ、一般ユーザーへの提供が開始されました。 基盤モデル API サービス – Amazon Bedrock – AWS https://aws.amazon.com/jp/bedrock/ Amazon Bedrock Is Now Generally Available – Build and Scale Generative AI Applications with Foundation Models | AWS News Blog https://aws.amazon.com/jp/blogs/aws/amazon-bedrock-is-now-generally-available-build-and-scale-generative-a

OpenAIがChatGPTに「画像の内容を判断して応答する機能」と「テキストではなく音声でコミュニケーションする機能」を追加することを発表しました。これにより「冷蔵庫の中身を見せてレシピを提案してもらう」といった視覚を伴うコミュニケーションが可能になるほか、人間と会話するように音声コミュニケーションをとることが可能となります。 ChatGPT can now see, hear, and speak https://openai.com/blog/chatgpt-can-now-see-hear-and-speak OpenAIによると、今後2週間以内に有料プラン「ChatGPT Plus」と「ChatGPT Enterprise」の加入者に対して画像の内容を認識して応答する機能と音声でコミュニケーションする機能を提供予定とのこと。このうち、画像認識機能は全プラットフォームで利用可能にな

AI企業のOpenAIが画像生成AIの「DALL-E 3」を2023年9月20日に発表しました。DALL-E 3は大規模言語モデル・GPTをベースにしたチャットボットAI・ChatGPTと統合されているのが特徴で、2023年10月にChatGPT PlusおよびEnterpriseの顧客に提供される予定です。 DALL·E 3 https://openai.com/dall-e-3 OpenAI’s new AI image generator pushes the limits in detail and prompt fidelity | Ars Technica https://arstechnica.com/information-technology/2023/09/openai-announces-dall-e-3-a-next-gen-ai-image-generator-b

2023年7月に公開された「Stable Diffusion XL 1.0(SDXL 1.0)」は既存のStability AI製モデルと比べて高品質な画像を生成できるだけでなく、LoRAによる生成画像の調整にも対応しています。データサイエンティストのマックス・ウルフ氏は「悪い例」を集めて作成したLoRAを用いてSDXL 1.0による生成画像の品質をさらに向上させる手法を考案し、LoRAファイルおよび誰でも試せるデモを公開しています。 I Made Stable Diffusion XL Smarter by Finetuning it on Bad AI-Generated Images | Max Woolf's Blog https://minimaxir.com/2023/08/stable-diffusion-xl-wrong/ LoRAは参考となる画像を集めて絵柄や服装などを追