「Gemini 2.0」の「3D Spatial Understanding」を試したのでまとめました。 ・Pointing and 3D Spatial Understanding with Gemini 2.0 (Experimental) 1. 3D Spatial Understanding「3D Spatial Understanding」(3次元空間認識) は、2D画像や動画から、現実世界の3次元空間を理解する能力や技術のことです。 【注意】3Dバウンディングボックスは実験段階です。精度を高めるには 2Dバウンディングボックスを使用してください。 2. Gemini API の準備「Google Colab」で Gemini API を準備する手順は、次のとおりです。 (1) パッケージのインストール。 # パッケージのインストール !pip install -U -q goo

グーグルが開発中の次世代大規模言語モデル（LLM）「Gemini-1.5-Pro-Exp-0801」が、モデルの性能を評価するベンチマークサイト「Chatbot Arena」2024年7月31日付けランキングで1位になっていたことがわかった。 【もっと写真を見る】 グーグルが開発中の次世代大規模言語モデル（LLM）「Gemini-1.5-Pro-Exp-0801」が、モデルの性能を評価するベンチマークサイト「Chatbot Arena」2024年7月31日付けランキングで1位になっていたことがわかった。 Chatbot Arenaのランキングは、1000万人以上の人間によるLLMのペアワイズ比較データ（LLMの性能を評価するためのデータセット）を収集し、各LLMを順位付けしたもの。同日のランキングでは新モデルの「Gemini-1.5-Pro-Exp-0801」が、OpenAIの「GPT-4

ウィスキー、シガー、パイプをこよなく愛する大栗です。 いよいよ Google Cloud Next '24 が開催されます。これから Keynote がありますが、その前にブログで多数の発表がされています。その中で目玉機能と感じた Vertex AI Agent Builder で生成AIエージェントをノーコードで構築できる機能が出てきたためレポートしてみます。 Announcing Vertex AI Agent Builder: Helping developers easily build and deploy gen AI experiences また、帰国して直ぐに Next '24 の最新情報をお届けする振り返り勉強会も開催します。是非現地で物理参加を！（オンライン配信も予定してます） 【4/17(水)ハイブリッド】クラスメソッドGoogle Cloud Next ’24ふり返

はじめに こんにちは。新規事業のプロダクトマネジメントを担当している taison です。 先日、顧客への請求金額を算出するために日々実行しているデータフローを刷新しました。 その際に Datastream という Google Cloud が提供する CDC サービスを活用したことで、構築・運用が楽になったのでご紹介します。 なお今回は開発にご協力いただいている 株式会社 Rabee の abyssparanoia さんの提案・検証があって実現したので、ここで感謝させていただきます。 全体像 それまではとある BI ツールを活用して、請求根拠となるデータを各内容にあわせて出力するデータフローを組んでいました。 下図のように、プロダクトの RDB（アプリケーションデータ）そのものに直接接続し、BI ツールで生成したクエリを定期的に実行することで要件を満たしていました。 ただ、おかげ様で事業

G-gen の堂原と又吉です。当記事では、Amazon Web Services（AWS）、Microsoft Azure、Google Cloud（旧称 GCP）が提供するフルマネージドな RAG サービスの比較を行います。 はじめに 当記事について RAG とは 3社比較 前提条件 機能比較 料金シミュレーション 想定シナリオ AWS Azure Google Cloud 総評 AWS Azure Google Cloud 詳細の解説 Knowledge bases for Amazon Bedrock（AWS）の詳細 構成図 プロダクト一覧 Knowledge bases for Amazon Bedrock Amazon S3 Amazon OpenSearch Service できること 検索 対応データソース 料金 概要 基盤モデル利用料金 ベクトルデータベース料金 Azure

私のビジネスにおけるワークスタイルはこの1年間で大きく変わりました。私が1年前に行っていた業務のほとんどが、現在は生成AIが生み出す価値に置き換わっています。資料やメール、記事コンテンツの作成、企画書やプログラミングコードの実装プロセス、あらゆる業務がAIによって、成り立っています。それだけでなく、プライベートにおける課題（妻への定期的な贈り物、旅行の計画）においても、生成AIが生み出すアイディアの恩恵を受けています。 私が所属する吉積情報株式会社のビジネス、私たちがお客様に提供する価値は、 Google Workspae によって成り立っていると言っても過言ではありません。私たち自身の業務は Google Workspace によって成り立っており、そこで受ける恩恵があるからこそ、私たち自身が自信を持ってお客様に対して Google Workspace の導入支援を行うことができます。

GoogleのAI部門が開発を続けているソフトウェア「AlphaFold」。「タンパク質の折りたたみ問題」を解くためのAIプログラムとのことですが、そもそも「タンパク質の折りたたみ問題」とはいかなるもので、なぜこの問題を説くことが重要視されるのでしょうか。今回のメルマガ『週刊 Life is beautiful』では著者で世界的エンジニアとして知られる中島聡さんが、そんな疑問に対する答えを具体例を上げつつわかりやすく解説。さらに「AlphaFold」が医学の進歩に大きな影響を与える理由を紹介しています。 ※本記事のタイトルはMAG2NEWS編集部によるものです／原題：AIと医療（AlphaFold） プロフィール：中島聡（なかじま・さとし） ブロガー／起業家／ソフトウェア・エンジニア、工学修士（早稲田大学）／MBA（ワシントン大学）。NTT通信研究所／マイクロソフト日本法人／マイクロソフト

Google ドキュメントなどのワープロソフトでは、目立たないところに機能の宝庫が隠されています。そうした機能を使えば、大規模なドキュメントの草案をつくるのも、同僚と協力してそれを仕上げるのも簡単になります。 Google ドキュメント活用のヒントについては、以前の記事でもいくつかご紹介しましたが、この記事では、さらにもういくつかを紹介します。 1. 「マークダウン記述」で作業速度を高めるImage: Saikat BasuGoogle ドキュメントは、「マークダウン記法」をいくつかサポートしています。 そのおかげで、プレーンテキストの記号を使ってドキュメントの書式を簡単に整えて、読み書きしやすいものにできます。さらにより高度な書式への変換も可能です。 この機能を有効にすることで、書式を変えたい部分の前後に記号を入れることで、すばやく書式を変更できます。（「_」で囲めば斜字体、「~」で囲め

本記事は 【Advent Calendar 2023】 15日目の記事です。 🎄 14日目 ▶▶ 本記事 ▶▶ 16日目 🎅 はじめに 想定している読者 一覧 まとめてみて 参考 はじめに クラウド事業推進部の小野内です。昨年5月にキャリア入社してから早1年半以上が経ちました。 入社以降、AWS、Google Cloud のデータ分析基盤の開発・運用に関わっておりますが、現在はGoogle Cloud メインでやってます。 試行錯誤の毎日ですが、Google Cloud案件をどんどん盛り上げていきたい所存です。 1年ほど前の投稿記事では、 Google Cloudの学び方について触れましたが、本記事ではGoogle Cloud案件を1年半程度経験してみて、 AWSと比較しながら、Google Cloudの主要なサービスについて、違いを整理しました。 想定している読者 AWS案件に半年以

※この投稿は米国時間 2023 年 3 月 14 日に、Google Cloud blog に投稿されたものの抄訳です。 ジェネレーティブ AI は、インタラクティブなマルチモーダル体験の新しい波の到来を告げるものであり、情報、ブランド、そして互いとの関わり方を変えるものです。Google Cloud は、AI に対する Google の数十年にわたる研究、革新、投資の力を活用し、企業や政府に対して、シンプルな自然言語のプロンプトからテキスト、画像、コード、動画、音声などを生成する機能を提供します。 この技術の可能性を実現することは、すべての開発者、企業、政府の手にこの技術が提供されることを意味します。これまで、組織がジェネレーティブ AI にアクセスすることは難しく、カスタマイズはおろか、時には信頼を損ないかねない不正確な情報が生成されることもありました。10 年前、企業や開発者が新しい

「Google Colab」で 「PEFT」による大規模言語モデルのファインチューニングを試したので、まとめました。 1. PEFT「PEFT」(Parameter-Efficient Fine-Tuning)は、モデルの全体のファインチューニングなしに、事前学習済みの言語モデルをさまざまな下流タスクに適応させることができるパッケージです。 大規模言語モデルのファインチューニングは、多くの場合、法外なコストがかかりますが、「PEFT」は少数のパラメータのみをファインチューニングするため、計算コストとストレージ コストが大幅に削減でき、さらには、完全なファインチューニングに匹敵するパフォーマンスを実現します。 現在サポートしている手法は、次の4つです。 ・LoRA ・Prefix Tuning ・P-Tuning ・Prompt Tuning 2. Colabでの実行Google Colab

米Googleは2月17日（現地時間）、昨年9月に予告したGoogleアシスタントとGoogleカレンダーの「リマインダー」と、「ToDoリスト」の統合を間もなく実施すると発表した。 これにより、ようやくリマインダーとタスクを一元管理できるようになる見込みだ。 なお、リマインダーという名称はなくなり、タスクに統一される。 個人ユーザーの場合は、3月6日以降、アシスタントやカレンダー上に、リマインダーをToDoリストに移動するよう促す通知が表示される。移行作業をしなくても、4～6月期中にリマインダーの移行が自動的に行われる（Google Workspaceのユーザーの場合については公式ブログを参照のこと）。 ToDoリストは、Gmail、カレンダー、ドキュメント、モバイルアプリからアクセスでき、どのサービスからでもタスクを追加できる。今回の統合で、アシスタントに口頭で「タスクを作成」と言うこ

在庫管理アプリで AppSheet （アップシート）の使い方を学びましょう。 在庫管理アプリでは、商品のJANコード（バーコード）をスキャンして読み取り、入庫、出庫、棚卸を記録して在庫量を計算します。 このアプリを使って、紙とエクセルで二度手間だった業務を50％減らして、業務効率を2倍にしましょう！ 1. 在庫管理アプリとは 在庫管理アプリは、商品コードとしてJANコードを使用します。 AppSheetにはバーコードを読み取るスキャン機能があります。 入庫、出庫、棚卸記録で、JANコードで商品を読み取り、在庫量を計算します。 商品別の在庫量は、CSV形式でエクスポートできます。 2. このアプリで学ぶ AppSheet の使い方 このアプリを作ることで以下のポイントについて学ぶことができます。

情報の濃い「生情報」にたどり着けない 今年2月、アメリカで「Google Search Is Dying」（Google検索は死にかけている）と題したIT系ブログ記事が話題となりました（※1）。 ※1：DKB「Google Search Is Dying」 この記事のポイントは、「広告」と「SEO」の蔓延でGoogle検索の質が低下し、ユーザーの「Google離れ」が起きているというものです。 ユーザーはどこに不満を抱いているのか。それは、なにかを調べたいと思ってGoogle検索をしても、上位には情報の薄い「まとめ記事」が出てくるばかりで、体験談やレビューといった「生情報」にたどり着けないという問題があるからです。 試しにグーグルで「トンカツ　新宿」で検索すると… この傾向は、特に商品や店のレビューで顕著です。 例えば「トンカツ　新宿」と検索すると、最上部にはGoogleマップとそれに紐付