ai300lab
ai300labの生成AIの記事をまとめて集めてあります
テキスト、顔文字、絵文字、スタンプの次のお話をします。 個人間コミュニケーションパラダイムの変遷 携帯電話の個人間コミュニケーションの変遷は次の通りです。 顔文字 絵文字 スタンプ 携帯電話は個人間コミュニケーションに使われる頻度が高く、その中ではテキストコミュニケーションの簡潔さに加えて、ニュアンスを伝える補完手段が発達しました。 LINEのスタンプ機能が登場したのは2011年、LINE以外の版権のスタンプが登場したのが2012年です。 それから10年、スマートフ
生成AIの潮流を大きく左右するスケーリング則の現在地点についてお話します。 スケーリング則スケーリング則の一般的な理解 スケーリング則 (Scaling Law)とは一般的には2つの数量の間の相関関係を主張する法則です。半導体の微細化により性能が向上するというようなスケーリング則が有名です。 生成AIのスケーリング則 生成AIの2020年代の加速を後押ししているのがスケーリング則です。生成AIを進化させたOpenAIの原動力がスケーリング則への確信です。 簡単に言えば
生成AIにプロンプトを直してもらう話をします。 生成AIをどう使うかChatGPTが2022年11月に登場して2年がたちました。 最初は以下のような話題が多かったように思います： 生成AIって何か？ 最新の生成AIは何ができるのか？ 人間を超える生成AIが出たらどうなるのか？ これらの話題はすっかり落ち着いたようです。 生成AIを使っているという人も激増しました。 このため、たまにメールを書くときとか直してもらうのに使うくらいだけど、もっといい使い方があるのか？と聞
B2CとB2Bのどちらに向かうのでしょうかというお話をします。 B2Cの生成AIユーザが使う生成AIです。個人向けのチャットボットや検索、スマホ、個人向けのAI PCなどです。 あまりピンとくるものがなく、AI PCなども売れていない印象です。 OpenAIは検索を将来の収益の柱のひとつにあげています。Perplexityをライバルと名指ししています。 OpenAIはChatGPTにSearchGPTを組み込んでリリースしました。確かに便利ですが、BingもGeminiも
生成AI時代に目指すべき3つの方向性をお話しします。 生成AIの適用の3つの方向性生成AIを利用する大きな方向性は次の3つです： 自分に最適化した基盤モデルを開発 基盤モデルを水平領域に展開（ロボットなど） 基盤モデルを開発する生成AIを開発 最近まで、大規模言語モデルには規模の法則、すなわち、より多くのデータでより多くの計算をして訓練すれば精度があがるという前提がありました。 GPT-5のリリースが遅れているため、最近では、規模の法則に疑問の声もあがっています。O
NVIDIAのJensen Huangがソフトウェア 2.0と言っているお話をします。 ソフトウェア 2.0とは今まで人間が書いてCPUで実現していたプログラミングがソフトウェア 1.0です。ソフトウェア 1.0は60年以上続いています。 機械学習がプログラミング用の大規模言語モデルをGPUで作成し、そこへプロンプトをいれてGPUがコードを生成するのがソフトウェア 2.0です ([monoist])。最終的にこのコードはCPUで実行します。 プログラムはできるChatGP
生成AIを使った社内システムの設計・維持管理において難しいのは新しい動向を開発済や開発中のシステムにどう反映させるかです。 生成AIの変化は速い企業におけるカスタム生成AIを考える上で見直す必要があったイベントは以下の通りです（動画やソフトウェア開発は除く）： 2月 GoogleがGemini 1.5 Proをリリース、最大コンテクストウィンドウが1Mトークン 3月 AnthropicがClaude 3をリリース 4月 OpenAIがGPT-3.5 Turbo企業カス
生成AIは過大評価されているという声があるなかで過小評価という話も出ているということをご紹介します。 生成AIのビジネスへの影響生成AIで圧倒的な利益をあげているのはNVIDIAです。巨大IT企業 (Microsoft, Google, Meta, ..) はNVIDIAの事業の8割を占めるデータセンター向けのGPU提供事業で高収益を上げています。 NVIDIAに投資している顧客企業は設備投資の継続で現在はそれほど儲かっておらず生成AIは過剰評価だという声もあります。 最
Google一強の検索エンジン市場にも生成AIの波が押し寄せているというお話をします。 検索ChatGPTにSearchGPTが追加されました。 ハルシネーションといって誤った回答をするというのが生成AIの欠点です。 どんなに推論機能があっても正しい答えを知っていなければ答えられない問題には対応できません。正しい答えをウェブから探してくるところがポイントになります。 OpenAIが検索に挑む理由OpenAIは上場後の主要ビジネスモデルとして検索サービス（一般、企業）を考え
ChatGPTにSearchGPT機能が搭載された ([itmedia]) ので、ウェブ検索するものGPTsでできるようになりました。 概要機能の概要 NVIDIAの株を指定し、今日の変化、今週の変化、今月の変化、今年の変化、などを1文字入力するだけで整理して出力してくれるものです。 d: day w: week m: month y: year たくさん指定してもいいのですが、みやすさのために今回は絞りました。追加するのは容易です。 ついでにnでニュース、sで
2024年10月の気になる変化を書き留めておきます。備忘録でもあります。 大規模言語モデルAnthoropicが Claude 3.5 Sonnetの新モデルとClaude 3.5 Haikuを発表。生成AIからコンピュータを操作するComputer Useをβリリース ([itmedia3]) AppleがGSM-Symbolicの研究論文で大規模言語モデルの限界を指摘 ([itmedia2], [note]) ノーベル賞機械学習の基礎がノーベル物理学賞をGoogle
生成AIの長期的リスクは人間を操作することというお話をします。 情報爆発が生む関心の危機生活必需品が満たされ人間の欲望が経済の中心に移っています。特に先進国ではその傾向が強いです。このため、経済は生理的要求の充足から高度に精神的な要求の充足に移っています。エゴの主張とか自己実現とかライフスタイル選択などです。これらは人々が何を生活の満足の基準にするかによっています。それらを決定つけるのは関心経済です。人の関心の量は一定で増えることはありません。相手の関心をどれだけ支配できる
生成AIの進化は常に予想を上回っています。逆にビジネスにおける需要は予想を下回っています。このギャップが拡大しているというお話をします。 生成AIの進化登場時点からすごいすごいといわれている生成AIですが、常に予想を上回る進化があります。 大量のインターネットデータによる学習をした言語モデル（単語の遷移確率のモデル）が文章を生成できること 人間フィードバックによる強化学習が人間に受け入れられるレベルの文章作成を可能にすること 事前学習をした基盤モデルが少数の例に基づき
Uptimeという生産性向上の本があるのでその本の助言に基づいて生産性向上をします。 概要機能の概要 リストファネルと呼ばれるメインリスト、ウィークリーリスト、デイリーリストという3階層のリストによってやるべきことを管理します。 重要な遂行事項を記述するメインリストでは目的は3つ以内に絞ります。これを今週実行するウィークリーリストに対応させます。さらにそのウィークリーリストから毎日のデイリーリストを作ります。 デイリーリストには (a) 異なるタイプの作業のスイッチングは
OpenAI o1がすごいという説とすごくないという説があるので将来検証するために記録しておきます。 いきなり発表されたOpenAI o1-preview2024年夏はOpenAIのstrawberryに関する噂がかけめぐっていました。GPT-4が発表されてから1年半、次のモデルが待ち望まれる中、GPT-4 Turbo, GPT-4o, GPT-4o miniとマイナーバージョンが出ていました。 OpenAI Dev Dayもあり、また、米国大統領選まではフェイク画像問題に
Claude 3.5にコンピュータ使用が追加されました。 コンピュータ使用Anthoropic が生成AI Claude 3.5にコンピュータ使用を追加しました（[anthropic])。 コンピュータ使用 (Computer Use) とは、コンピュータの画面を見て、カーソルを動かしたり文字を入力したりする機能です ([itmedia])。 まだβ版なので、遅いし、入力をミスすることもある、とAnthropicは述べています。 スクリーンショットのみを使う操作のベンチマー
