Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? この記事は、Aimpoint Digital社の有志による執筆記事です。Aimpoint Digital社は、先進的な分析、データサイエンス、エンジニアリングサービスのリーディングカンパニーであり、データから具体的な価値を引き出そうとする企業のための信頼できるアドバイザーとして活動しています。 OpenAIのChatGPTシリーズのような大規模言語モデル（LLM）の出現は、データ分析の分野における無数の新しい機会への道を切り開きました。この強力なモデルによって、コーディングの専門知識を持たない人でも、複雑なデータセットに簡単にアクセスし
以前、【LT大会#7】LLMの活用・機械学習・データ分析関係のいろいろな話題にふれようで、時系列基盤モデルについてLTをさせて頂きました。 他発表者のLTも面白く、私自身も時系列基盤モデルについて理解を深める良いきっかけとなりましたが、心残りはLLMを絡めた手法については時間を割けなかったことです。 そこで今回はLLM for 時系列分析に関するアイディアを簡単にまとめてみます。 おことわり 学習目的で調査・作成した内容がベースとなっており、誤りや他に面白い論文・事例がありましたら、教えて頂けますと幸いです。 主に以下Survey論文・Collectionリポジトリで取り上げられている内容の一部を対象としています。より網羅的に知りたい方は下記リソースを直接ご参照ください。 Large Language Models for Time Series: A Survey Position: W
2024.09.27 OpenAI APIを使ってgit commitメッセージやコードレビューをAIに任せましょう！ 次世代システム研究室の Y.I です。 OpenAI API を活用してちょっと便利なコマンドを作成したのでご紹介します。作成したものは、「自動Git Commitメッセージ生成」と「コードレビュー」機能です。LangChainやVectorDBなどを利用しなくても、発想次第で便利な機能を作れますので1例としてご覧ください。 機能紹介 Pythonで以下の機能を実現しています。 Git commitメッセージの自動生成 Gitの変更履歴に基づき、適切な日本語のcommitメッセージを生成します。 コードレビューの自動化 Gitの変更履歴に基づき、コードに問題がないかやパフォーマンス改善の提案を行います。 openai apiのtokenを環境変数から取り込み 簡易的ですが
最近、長らくお世話になったChatGPT Plusを解約し、Geminiに完全移行しました。 今回は、その理由とGeminiを使ってみた感想を、具体的な数字や比較表を交えながら共有したいと思います。 解約に至った背景 まず、私がChatGPT Plusを解約するに至った主な理由をいくつかご紹介します。 あくまで私の個人的な見解なので、その点はご了承ください。 Geminiの無料枠で十分 以前はChatGPT Plusでなければ実現できなかったことが、Geminiの無料枠で十分にできることに気づきました。 Geminiの無料枠では、以下のような範囲で利用できます。 テキスト生成：1日あたり約100回程度のプロンプト実行 コード生成：簡単な関数やクラスであればほぼ無制限 画像生成：1日に数枚程度（利用状況により変動） その他：基本的な質問応答やアイデア出しなど 日常的なテキスト生成やアイデア出
Qlikは、4,200人の経営幹部、およびAIに関する意思決定者を対象とした調査結果を発表した。 調査概要 調査対象国：日本、英国、フランス、ドイツ、オランダ、イタリア、スペイン、スウェーデン、米国、カナダ、メキシコ、ブラジル、サウジアラビア、UAE、南アフリカ、インド、シンガポール、オーストラリア、ニュージーランドの19市場 調査数：4,200の企業 調査対象者：従業員数500～4,999人の大企業で働く上級管理職 調査方法：オンライン 調査期間：2024年11月 調査機関：Qlikの委託により3Gemが実施 同調査により、日本の回答者の54％（グローバル：61％）が、経営陣、従業員、そして顧客からのAIに対する信頼の欠如に苦しんでいることがわかったという。さらに、AIスキル不足、ガバナンスの問題、リソース不足もAI導入を成功させるうえで障害となっており、多くのプロジェクトが計画段階で足
こんにちは！逆瀬川 ( https://x.com/gyakuse ) です！ 生成AI Advent Calendar 2024の記事を書くの忘れていたので、現時点での生成等AIの進歩をまとめてみました！今日はAIがいまなにできんの？ってこと聞かれたときにこれできるよ！って教えるためのメモとして活用してください！また、生成AIプロダクト Advent Calendar 2024というのもソロでやっています。このカレンダーではLLMの基礎理論からModelのFine-Tuning、プロダクト開発等をまとめています。ぜひこちらも見てください！ 未来を感じる技術の進歩 動画生成では、Veo2 や Sora が登場しました。 インタラクティブな動画生成では、Genie2 (WASDと方向キーで操作可能な世界モデル)が非常に革新的な進歩を遂げています (振り返っても一貫性を保つ長期性が本当にすごい
私：企画書を作成して AI：はい、それでは企画書のテンプレートをお出しします 私：もっと具体的なアイデアを出して AI：承知しました。以下のようなアイデアが考えられます 私：あぁ、もう！ なんかWikipediaみたいな一般論ばっかり. ChatGPTなどの生成AIとの会話、こんな経験ありませんか？ せっかくAIで仕事を効率化しようと思ったのに、返ってくる回答は一般的で表面的。「これなら自分で考えた方が早いかも……」と感じることも。 でも、質問の仕方を少し工夫するだけで、AIの回答は劇的に変わります。 この記事では「回答の質を格段に上げる質問テンプレート」をご紹介します。準備時間はたった1分で、あなたのビジネスに最適化された、具体的で実践的な提案が得られるようになります。アイデア出しの効率も、何倍にも上がるはずです。 それでは、具体的な方法を見ていきましょう。 ChatGPTを ”メンバー
この記事は、技術同人誌/技術を取り巻く様々な執筆 - Qiita Advent Calendar 2024 - Qiitaの16日目です。 ChatGPTやClaudeなど（以下、LLMと呼ぶ）を使って技術文章を書くというのは、まだまだ発展途上の分野です。「LLMに丸投げすれば楽ができる」という単純な話ではありませんし、逆にLLMを全く使わないのももったいないです。この記事では、筆者が実際に技術同人誌を執筆する中で得た、LLMを活用した効率的な文章作成の具体的なノウハウを解説します。 この記事を読むことで、以下のような知識が得られます。 LLMを活用した効果的な校正・推敲の方法 著者の文体や個性を保ちながらLLMを活用するテクニック 原稿の質を高めつつ執筆時間を短縮するためのプロンプト設計 各種LLMモデルの特性を活かした使い分け方 対象読者は、ブログや技術同人誌を書いている、あるいはこれ
富士フイルムホールディングス（HD）が、全社を挙げた生成AI（人工知能）活用に取り組んでいる。現在、全社共通もしくは事業個別の約20のテーマでそれぞれ複数のプロジェクトが進行中だ。その1つが、コールセンター業務における人員配置計画を策定する段階での活用だ。国内で年間8000時間以上の作業時間削減を見込む。 富士フイルムHDでは、コールセンターの人員配置計画を立てる際、独自開発した数理最適化モデルによるシミュレーターを使っている。日ごとの受電量や応答時間など過去のデータを基にした統計的な予測から人員配置を決めている。 一方で、富士フイルムHDの杉本征剛執行役員CDO（最高デジタル責任者）ICT戦略部長によると、このシミュレーターは「拠点や時間帯、人数などの設定すべきパラメーターが複数あり、操作が複雑だった」という。そのため従来は、シミュレーターを開発した研究者に操作を依頼するという運用だった
私たちは以前にもGPT-4o-miniをファインチューニングして運用しているというお話をシェアして大きな反響いただきました。 上の記事では、GPT-4oの出力を人手で修正（アノテーション）して、GPT-4-miniをファインチューニングする運用をご紹介していますが、蒸留はGPT-4oの出力をそのまま使用するのが大きな違いです。 また、今回の発表の肝は、この蒸留をOpenAIのDashboad上で簡単に行えるようになったことです。 ですが、他社さんでも実際に蒸留を使っているというお話はあまり聞ないので、蒸留の基本とModel Distillationの使い方をご紹介しつつ、使い所と注意点をシェアしたいと思います。 o1-previewとo1-miniが同時に発表されたことを見ても、今後も"高性能で高価なモデル"と"少し性能は劣るが安価なモデル"は（多少の時期の違いがあっても）セットでリリース
RPA（ロボティック・プロセス・オートメーション）が生成AI（人工知能）の力で進化している。ソフトウエアロボットの機能を強化し、従来の限界を超えた自動化を目指す。自動化のための複雑なコードを記述することなく、ローコード開発で実装できる。 送られてきた紙の請求書を見てデータを入力、検索窓にキーワードを入力して定期的に競合情報を集める――。システム化から取り残され、手作業せざるを得ない業務が存在している現状を打破する手段として、再びRPA（ロボティック・プロセス・オートメーション）が注目を集めている。外資系企業が提供するツールを中心に、生成AI（人工知能）を使った手作業の自動化支援機能を強化しているからだ。 繰り返される単純作業を自動化するソフトウエアロボット（以下、ロボット）を開発・管理するツールとして、大手企業向けのRPAツールを提供していた米オートメーション・エニウェア、米SS＆Cブルー
2022年にリリースされて以来、日進月歩の進化でAIユーザーを驚かせてきたOpenAIのChatGPTですが、モデルのトレーニングに必要な高品質なデータの不足をはじめとするスケーリングの問題より、進歩が鈍化しつつあることが報じられました。 OpenAI Shifts Strategy as Rate of ‘GPT’ AI Improvements Slows — The Information https://www.theinformation.com/articles/openai-shifts-strategy-as-rate-of-gpt-ai-improvements-slows What if AI doesn’t just keep getting better forever? - Ars Technica https://arstechnica.com/ai/2024/
ソフトバンクは11月8日、4600億パラメータの大規模言語モデル（LLM）「Sarashina2-8x70B」を公開した。国内で開発しており、日本語に特化したモデルだという。2025年3月期第2四半期の決算説明に登壇した宮川潤一CEOは「日本でも大規模なAIを作れると証明した」と語った。 開発を担当したグループ会社・SB Intuitionsによると、Sarashina2-8x70Bは、複数のエキスパートモデル（特定の作業に強みを持つ小型モデル）を組み合わせ、より高い推論性能を実現する手法「Mixture of Experts」で開発。自然言語処理で使われるトランスフォーマーにおいて、8個のエキスパートモデルを使って訓練したという。 今回公開したのは、指示チューニングを施していない事前学習モデル。「人間の意図に沿った出力を行うようにチューニングを行ったものではないため、そのまま実用的なサー
株式会社ナレッジセンスは、エンタープライズ企業向けにRAGを提供しているスタートアップです。本記事では、RAGの性能を高めるための「LongRAG」という手法について、ざっくり理解します。 この記事は何 この記事は、RAGの文脈消える問題を克服する新手法「LongRAG」の論文[1]について、日本語で簡単にまとめたものです。 今回も「そもそもRAGとは？」については、知っている前提で進みます。確認する場合は以下の記事もご参考下さい。 本題 ざっくりサマリー LongRAGは、「文書全体を読まないと正答できない」ようなタイプの質問に対しても、RAGの精度を上げるための新しい手法です。中国科学院・清華大学の研究者らによって2024年10月に提案されました。 ざっくり言うと、LongRAGとは、「階層化」+「フィルタリング」です。 2つとも、よく知られたRAGの手法ですが、これらを組み合わせるこ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
