AI/MachineLearning 進化的アルゴリズムが切り拓く新時代の基盤モデル開発
はじめに 大規模言語モデル（LLM）の開発コストが高騰する中、モデルマージングという新しい技術が注目を集めています。モデルマージングは、複数の事前学習済みモデルを組み合わせることで、低コストでLLMを開発する画期的なアプローチです。しかし、...
AI/MachineLearning
AI/MachineLearning 
AI/MachineLearning x.aiが大規模言語モデル「Grok-1」をオープンリリース！その特徴と可能性を解説
「x.aiが独自開発した大規模言語モデル「Grok-1」がオープンソースとして公開されました。本記事では、Grok-1の特徴や活用可能性について詳しく解説します。最新の自然言語処理技術を採用し、高度な言語タスクを実現するGrok-1の可能性をご覧ください。
AI/MachineLearning Cognitionが開発するAIソフトウェアエンジニア「Devin」とは？システム開発におけるゲームチェンジャーとなるか
Cognitionが開発したAIソフトウェアエンジニア「Devin」は、自然言語理解、コーディング能力、問題解決力など、システム開発を効率化する特徴を備えています。本記事では、Devinの活用方法や、システム開発におけるゲームチェンジャーとなる可能性について詳しく解説します。
AI/MachineLearning 仮想と現実をまたぐ革新的AIエージェント 〜 DeepMindの「SIMA」が新時代を拓くか？
Google傘下のDeepMindから、3D仮想環境で自由に活動できる画期的なAIエージェント「SIMAジェネラリストAI」が誕生しました。本記事では、SIMAの概要、特徴的な高度な汎用性と知能獲得力、効率的学習を可能にする革新的プロセス、そして仮想と現実を自在に渡り歩ける未来の姿について解説しています。さらにSIMAがAGI(人工一般知能)実現への重要な手がかりになり得ることも示唆されています。DeepMindの最新AIエージェントの全容とその意義を理解することができます。
AI/MachineLearning 畳み込みニューラルネットワーク（CNN）の魅力とウォーリーを探せプロジェクトその３
機械学習の世界に足を踏み入れると、その広がりと可能性に驚かされます。特に、畳み込みニューラルネットワーク（CNN）は、画像分析の分野で優れた成果を上げています。今回は、CNNの基本的な概念から始め、実践的なプロジェクトとして「ウォーリーを探...
AI/MachineLearning Claude3とは？ChatGPTと何が違うのか公式記事を読む
AIの優れたパフォーマンスと倫理的な行動を両立させる取り組みを続けるAnthropic社が、新しい言語モデル「Claude 3」ファミリーを発表しました。本記事では、Claude 3の新機能と特徴、ChatGPTとの違いは何かなどを公式発表から読み解いた内容をご紹介します。
AI/MachineLearning 畳み込みニューラルネットワーク（CNN）の魅力とウォーリーを探せプロジェクトその２
この記事では、Pythonの機械学習ライブラリChainerを使って、人気絵本「ウォーリーを探せ」の主人公ウォーリーを自動認識するプロジェクトに挑戦します。画像認識の基礎から教師データの収集、モデル構築、学習プロセスまでを詳しく解説しています。
AI/MachineLearning 畳み込みニューラルネットワーク（CNN）の魅力とウォーリーを探せプロジェクトその１
このブログ記事では、畳み込みニューラルネットワーク（CNN）について解説しています。初めに、CNNの基本的な概念について説明し、その後に実際の題材として、CNNを用いて「ウォーリーを探せ」の絵本のキャラクターを検出するプロジェクトに取り組む構想を紹介しています。また、題材選定の経緯や教師データの収集についても触れています。この記事を通じて、機械学習におけるCNNの応用や実践的な活用方法について興味を持つ読者に向けた情報提供を行っています。
AI/MachineLearning AIはtotoを当てられるようになるのか？その３（AzureML編）
この記事では、Pythonのライブラリを使用してサッカーの試合結果を分析し、その結果を基にAzure Machine Learning（Azure ML）を活用して機械学習モデルを構築しました。Azure MLを使った機械学習の入門から応用までを解説し、読者が簡単に機械学習を始められるように配慮しました。
AI/MachineLearning AIはtotoを当てられるようになるのか？その２（スクレイピング編）
この記事では、Webスクレイピングという技術に焦点を当て、機械学習を用いてスポーツの勝敗を予測する試みについて解説しています。Webスクレイピングは、ウェブサイトから情報を収集し、機械学習モデルに入力するためのデータセットを作成するための重要な手法です。PythonのrequestsとBeautifulSoupを使用したWebスクレイピングの実装例も紹介しています。