【10月19日のビッグモデル日報集】『トランスフォーマー』はマルチモーダルゲーム！ 学術チャートも理解可能、100ミリ秒の超高速応答 | 無料トライアル; OpenAI新モデル開発で挫折、大型モデルコスト削減の鍵はスパース性か; OpenAI画像検出ツール暴露、CTO：AIの99％－生成された画像は認識可能

Transformer はマルチモーダル ゲームです。 学術チャートも理解でき、100ミリ秒で素早く対応 | 無料体験

リンク：https://news.miracleplus.com/share_link/11024

Transformer とそのチームはまた、80 億パラメータのスケールを持つマルチモーダル大型モデル Fuyu-8B という新作をもたらしました。 さらに、リリースはオープンソースであり、モデルの重みは Hugging Face で確認できます。 このモデルは強力な画像理解機能を備えています。 写真、チャート、PDF、インターフェイス UI がすべて含まれています。 複雑な食物網におけるさまざまな生物間の関係を理解することができます。

OpenAI の新しいモデル開発は挫折に見舞われていますが、大規模モデルのコストを削減するにはスパース性が鍵でしょうか?

リンク：https://news.miracleplus.com/share_link/11025

昨年末、ChatGPT が世界的なセンセーションを巻き起こす中、OpenAI のエンジニアはコードネーム Arrakis という新しい人工知能モデルの開発に取り組み始めました。 Arrakis は、OpenAI が低コストでチャットボットを実行できるように設計されています。 しかし、この件に詳しい関係者によると、OpenAIはモデルが同社が期待していたほど効率的に動作していなかったため、2023年半ばにArrakisのリリースをキャンセルしたという。 この失敗により、OpenAI は貴重な時間を失い、リソースを別のモデルの開発に振り向ける必要が生じました。 アラキスの研究開発プログラムは、100億ドルの投資と製品契約を交渉する両社にとって貴重なものとなるだろう。 この件に詳しいマイクロソフト従業員によると、アラキス氏の失敗は一部のマイクロソフト幹部を失望させたという。 さらに、アラキス氏の失敗は、AI の将来が予測不可能な落とし穴に満ちている可能性があることを示しています。

OpenAI画像検出ツール公開、CTO：AIが生成した画像の99％を認識可能

リンク：https://news.miracleplus.com/share_link/11026

OpenAIはAI画像認識を開始する予定だ。 最新のニュースは、彼らの会社が検出ツールを開発しているということです。 最高技術責任者のミラ・ムラット氏によると、このツールは非常に正確で、精度率は 99% だそうです。 現在社内でテスト中ですが、間もなく一般公開される予定です。 この正解率はまだちょっと刺激的だと言わざるを得ませんが、結局のところ、OpenAI の AI テキスト検出におけるこれまでの取り組みは、「正解率 26%」という惨めな失敗に終わりました。

Microsoft Azure OpenAI はデータの微調整をサポートします。 専用のChatGPTを作成可能

リンク：https://news.miracleplus.com/share_link/11027

10 月 17 日、Microsoft は公式 Web サイトで、Azure OpenAI パブリック プレビューで GPT-3.5-Turbo、Babbage-002、および Davinci-002 モデルのデータを微調整できるようになったと発表しました。 これにより、開発者は独自のデータ セットを使用して独自の ChatGPT を作成できます。 たとえば、膨大な医療データの微調整を通じて、医療分野に焦点を当てた ChatGPT アシスタントが構築され、医療関連の医療記録、専門用語、治療計画、その他のコンテンツをクエリできるようになりました。 現在、世界中のさまざまな業界で数年、数十年に渡って質の高い膨大なデータが蓄積されており、これらのデータをいかに効率的に活用し、クエリするかが大きな課題となっています。 独自のデータを微調整して作成された AI アシスタントは、コンテンツの精度とセキュリティを向上させながら、この問題点を効果的に解決でき、組織にとってコストを削減し、効率を向上させる強力なツールです。

クレイジーな 4k スター、AI が強化学習を通じてポケモンをプレイし、20,000 回のゲーム後に見事勝利しました

リンク：https://news.miracleplus.com/share_link/11028

「ポケットモンスター」は「ポケモン」の非公式翻訳です。 1996 年から現在に至るまで、いくつかの世代に分けられ、多くのプレイヤーの心の中にあるクラシックとなっています。 ゲームのスタイルはシンプルですが、戦略ゲームとしてキャラクター、属性、戦術、システムなどが盛り込まれており、とっつきやすいもののマスターするのは難しいです。 AI がポケモンをプレイできるように訓練されたら、どれくらいうまくなると思いますか? Twitter ユーザー @computerender は、強化学習を使用して AI にポケモンをプレイさせるトレーニングを行いました。 また、その過程をビデオで記録し、トレーニングの過程を生き生きと見せるだけでなく、その方法を詳しく紹介しました。

AI がリアルタイムで脳信号を解釈し、LeCun によって転送された画像の主要な視覚的特徴を 7 倍の速度で復元します

リンク：https://news.miracleplus.com/share_link/11029

現在、AI は脳信号をリアルタイムで解釈できるようになりました。 これはセンセーショナルではありませんが、Meta による新しい研究により、脳信号に基づいて、見ている画像を 0.5 秒で推測し、AI を使用してリアルタイムで復元することができます。 これ以前は、AI は脳信号から画像を比較的正確に復元できていましたが、まだバグがあり、十分な速度ではありませんでした。 この目的のために、Meta は新しいデコード モデルを開発し、AI による画像検索の速度を 7 倍向上させ、人々が見ているものをほぼ「瞬時に」読み取り、大まかな推測を行うことができます。

全部失敗した！ スタンフォード大学の 100 ページの論文では、大型モデルの透明性がランク付けされており、GPT-4 は 3 位にランクされているだけです

リンク：https://news.miracleplus.com/share_link/11030

質問させてください。現在、何百ものモデルの間で熾烈な競争が行われている中で、最も透明性の高い大型モデルはどこでしょうか? たとえば、モデルがどのように構築され、どのように機能し、ユーザーがどのように使用するかに関する情報です。 さて、この問題はついに解決されました。 なぜなら、スタンフォード大学HAIと他の研究機関は最近共同で、財団モデル透明性指数（財団モデル透明性指数）と呼ばれる特別に設計されたスコアリングシステムという研究を発表したからです。 海外主要モデル10社を100次元でランク付けし、透明度を総合的に評価しています。

大きなモデルが常に「事実」を誤っている場合はどうすればよいでしょうか? 300以上の論文のレビューはこちら

リンク：https://news.miracleplus.com/share_link/11031

大規模モデルは、事実の知識を習得する上で優れた能力と可能性を示しますが、ドメイン知識の欠如、リアルタイム知識の欠如、幻覚の可能性など、大規模モデルの応用と応用を大きく制限するいくつかの問題がまだあります。信頼性。 最近、大規模モデルの事実性についていくつかの研究が行われていますが、大規模モデルの定義、影響、評価、分析、事実性の強化を完全に整理した論文はまだありません。 ウェストレイク大学と国内外の 10 の科学研究機関は、大規模モデルの事実レビュー「大規模言語モデルの事実性に関する調査: 知識、検索、およびドメイン特異性」を発表しました。このレビューは 300 以上の文書を調査し、事実に焦点を当てています。大規模モデルの事実性の定義と影響、大規模モデルの事実性の評価、大規模モデルの事実メカニズムとエラー生成の原理、大規模モデルの事実性の強化など、大規模モデルの事実性について詳細に整理しまとめました。モデルです。 このレビューの目的は、学術界や産業界の研究者や開発者が大規模モデルの事実をより深く理解し、モデルの知識レベルと信頼性を高めるのに役立つことです。

IDC: 世界の生成 AI への支出は 2027 年までに 1,430 億ドルに達する見込み

リンク：https://news.miracleplus.com/share_link/11032

世界的に有名な情報調査およびコンサルティング組織である IDC は、公式 Web サイトで、2027 年までに世界の生成 AI (Gen AI) への支出が 1,430 億米ドルに達し、5 年間の年平均成長率が 73.3% に達するとの調査結果を発表しました。 。 この支出には、生成 AI 用のソフトウェア、関連インフラストラクチャ ハードウェア、IT/ビジネス サービスが含まれます。 2023 年には、世界的な企業は生成 AI ソリューションに 160 億米ドル近くを投資するでしょう。 IDCによると、2023年から2027年までの年間平均成長率（CAGR）は73.3％となるという。 これは、AI 支出全体の成長率の 2 倍以上であり、同じ期間における世界の IT 支出の年間平均成長率のほぼ 13 倍です。