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

Microsoftは2024年10月21日（米国時間）、2024年11月中に「Microsoft Copilot Studio」（以後、Copilot Studio）で「自律型エージェント」構築機能（パブリックプレビュー）と、ビジネスアプリケーションスイート「Microsoft Dynamics 365」で、10の自律型エージェントを提供すると発表した。 Copilot Studioは、対話型AI（人工知能）アシスタント「Copilot」の構築が可能なローコード開発基盤だ。Microsoftは自律型エージェントについて、「AIが主導する世界における新しいアプリだ」とした上で、「全ての組織は、シンプルなプロンプトに回答するエージェントから完全自律型エージェントまでさまざまなエージェントを活用するようになる。エージェントは個人やチーム、または部門部署に代わって、あらゆるビジネスプロセスを自律的

生成AI（人工知能）の精度を高める手法として、大規模言語モデル（LLM）と検索エンジンを組み合わせたRAG（Retrieval Augmented Generation、検索拡張生成）の利用が盛んだ。ところが米Google（グーグル）によれば、RAGよりも性能を高めやすい手法があるのだという。「メニーショットICL（Many-Shot In-Context Learning）」や「ロングコンテキストICL（Long-Context In-Context Learning）」と呼ばれる手法だ。 「ロングコンテキストICLを利用すると、RAGに比べて性能が12ポイント向上した例も出てきている」。Google Cloudが2024年10月24日に開催した生成AIに関するイベント「Generative AI Summit Tokyo '24 Fall」で、グーグル・クラウド・ジャパンの寳野雄太テク

Last Updated on 2024-11-03 07:50 by admin 株式会社オルツ（東京都港区）は、2024年10月29日、軽量大規模言語モデル「LHTM-OPT」シリーズの最新バージョン「LHTM-OPT2（ラートム・オプト2）」をリリースした。 主な特徴と性能は以下の通り： • RAG（検索拡張生成）精度評価において： WikipediaデータセットでGPT-4oと同等の精度（LHTM-OPT2：91.0%、GPT-4o：90.8%）を達成 東大入試国語科目のRAG関連質問でGPT-4oの94%の精度を達成 • 推論速度： 日本語推論で平均500TPS（トークン/秒） 最大速度796TPSを記録 • ベンチマーク評価： JGLUE（Japanese General Language Understanding Evaluation） Japanese MT-Benchに

身の回りのAIエージェント 実は、私たちの身の回りには、すでにAIエージェントの先駆けとなる存在が数多く存在します。例えば… 「Hey Siri、今日の天気は？」 「Alexa、リビングの電気つけて」 …といった具合に、スマートフォンやスマートスピーカーに話しかけた経験がある方も多いと思います。これらも一種のAIエージェントに該当すると言えます。 そして今、ChatGPTのような生成AIの登場により、AIエージェントは大きな進化を遂げようとしています。 具体的な例を見ていきましょう。 「週末のピクニックの準備を手伝って」という依頼に対して 天気予報を確認し、最適な時間帯を提案 行き先の混雑状況を調査し、ベストなスポットを推薦 持っていくと良い持ち物リストを作成 前日には準備すべき事項を自動でリマインド また、「今日は暑くなりそうだから快適に過ごせるようにして」という指示に対して 気温予測を

導入は簡単でも回答精度を出すことが難しいのが生成AI（人工知能）技術の「RAG（検索拡張生成）」である。第2回ではRAG導入前に企業が陥りがちな落とし穴である「高すぎる期待を放置する」と「十分なデータの前処理をしない」について解説する。 RAGの導入自体は簡単だ。エクサウィザーズの福田政史執行役員AIプラットフォーム事業統括部exaBaseプロフェッショナルサービス部部長は「一見、RAGは簡単そうに見える。実際に仕組みはシンプル」と語る。しかし、RAGの導入効果を出すのに苦労している企業は多い。RAGには陥りやすい落とし穴があるためだ。 落とし穴は主に3つ。（1）高すぎる期待を放置する、（2）十分なデータの前処理をしない、（3）導入後に継続的な改善をしない――である。第2回では（1）と（2）の落とし穴を解説していく。 まず、1つ目の落とし穴である「高すぎる期待を放置する」について説明しよう

近年、生成AIを活用する企業事例が数多く登場しているが、その中でも1歩先を進んでいるのが、大手日用品メーカーの花王と広告代理店の博報堂だ。両社に共通するのは「合成データ」と呼ばれるデータを活用して新しいビジネスを生み出している点にある。そもそも合成データとは何か、花王、博報堂は合成データで、どのようなビジネスを考えているのか。本記事では、国内では数少ない「合成データ」の事例を詳しく解説する。 「合成データ」とは？ 近年、生成AI活用の広がりとともに注目されはじめているのが「合成データ（Synthetic Data）」だ。合成データとは、実際に存在するデータにそっくり似せて“人工的に作り出されたデータ”のことだ。 この合成データは「生成AI」のアプローチに非常に似ており、この応用例と考えることもできる。生成AIは、学習したデータを基に“実在しないデータ”を新たに生み出すアプローチであり、この

東京理科大学理工学部情報科学、同工学研究科経営工学専攻、博士（工学）。日米金融機関でのクォンツ実務経験や、金融機関向けコンサルティング会社でのコンサルタント経験を経て、2012年にブレインパッドに参画。卓越したデータマイニング、機械学習、モデリング技術を有し、人数・スキルレベルともに国内有数の当社データサイエンティスト組織を統括した経験があり、現在はプロジェクト等の品質管理やリサーチに従事。論文に「日本株式市場における投資家の取引行動とコスト構造の分析」（経営財務研究、25(1)）等がある。 2023年7月より現職。 AI関連ビジネスの収益化は困難か？ 株式会社ブレインパッド・山崎 清仁（以下、山崎）XaaSユニットを統括しております上席執行役の山崎です。私の担当する領域は、Rtoaster（アールトースター）を中核にしたプロダクト事業を技術面から支え、サービスの開発や安定した運営を担って

生成AIは2022年以降、急速に進化し金融業界での活用が進んでいますが、ガートナーのレポートによれば「過度の期待期」を超え、「幻滅期」に差し掛かっています。実際には、推論強化を含む新技術が登場し、生成AIは意思決定を支援するツールとしても進化している最中です。さらに、スマートフォンなどエッジデバイスでの活用が加速しており、金融サービスのパーソナライズが期待されていますが、現状にどのように向き合えばいいのでしょうか。金融DXをけん引してきた筆者が解説します。

JR東日本が、今後10年間の「Suica」の新機能構想を発表しました。 「ご当地Suica（仮称）」も計画 JR東日本は2024年12月10日、「Suica」の機能を順次進化させることで、従来の「移動のデバイス」を超えて「生活のデバイス」に変えていく構想を発表しました。 拡大画像 JR東日本は、自動改札機にSuicaをタッチせずに通過できる「ウォークスルー改札」の実現を目指す（画像：写真AC）。 これまで各Suicaの情報はカードや端末で管理されてきましたが、今後、センターサーバー化を進めます。これにより記憶容量が増え、Suicaでできることが大幅に増えます。 具体的には、例えばSuicaは少額決済を想定して2万円までしかチャージ（入金）できませんが、2026年秋頃には、モバイルSuicaアプリを大幅にリニューアルし、コード決済で2万円を超える買い物に対応。また、ユーザー間の送金やクーポン

AIの開発・運用が簡単に行えるようになるGoogleのプラットフォーム「Vertex AI」で、動画生成モデルの「Veo」と画像生成モデル「Imagen 3」のプライベートプレビュー版提供が始まりました。 Introducing Veo and Imagen 3 on Vertex AI | Google Cloud Blog https://cloud.google.com/blog/products/ai-machine-learning/introducing-veo-and-imagen-3-on-vertex-ai/ 「Veo」は、開発元のGoogle DeepMindが「これまでで最も高性能」と表現する動画生成モデルで、2024年5月に開催されたGoogle I/O 2024でお披露目されました。 自動で1080p・1分超の動画を生成できるAI「Veo」をGoogleが発表 -

待ち時間を解消しCXを高める 「コールセンターに電話をかけて、長時間待たされた経験がある人はきっと多いはず。生成AIを活用すれば、問い合わせへの返答までのタイムラグが短くなり、顧客体験価値（CX）が上がる。オペレーターにとってもやりがいを感じられるのではと考えた」 東京メトロのCX・マーケティング部長の川上幸一さんは、問い合わせへの生成AI活用の経緯をこう話す。 同社には年間、約25万件の問い合わせが寄せられる。このうち、15万件が電話、10万件がメール経由。オペレーターへの負担が大きい電話やメールでの問い合わせを減らすため、Webサイト上でチャットボットサービスも提供していたが、チャットボットを通じての問い合わせは、年間わずか1万2000件にとどまっていた。 「微妙につぼを外すマッサージ師のように、聞きたいこととは違うFAQを返してくる、あまりいけていないチャットボットでした」（川上さん

生成AI（人工知能）の活用が“第2章”に突入している。生成AIの技術の1つである大規模言語モデル（LLM）を利用したこれまでの対話型AI（AIチャットボット）は、ユーザーの質問に回答する「話し相手」に過ぎなかった。しかし今後の生成AIの主役は、ユーザーの指示から意図をくみ取り、仕事や日常生活におけるあらゆる作業や手続きを実行してくれる「AIエージェント」に変わりつつある。 AIエージェントは、ユーザーが自然言語で与えた指示をLLMが解釈し、適切な手段を選択して自律的に処理を実行する。従業員の出張を支援するAIエージェントを例に考えてみよう。 AIエージェントはユーザーと出張について対話しながら、裏でWeb検索やAPI（アプリケーション・プログラミング・インターフェース）などを使って、場所や予算といった希望に合ったフライトや宿泊先を探し出す。さらに予約サイトに接続し、フライトや宿泊先を実際に

日経クロストレンドは生成AIプロンプトのポータルサイト「教えてAI byGMO」と共同で、マーケティング向けの自作AIツールコンテスト「実践！ マーケティングAIプロンプト＆GPTs」を開催した。24年9月の募集期間に集まった69作品の中から、審査員が厳選した受賞21作品をここに発表する。いずれもマーケ業務に役立つ力作ぞろい。ぜひ自分にぴったりのAIツールを探し、活用してみてほしい。 「教えてAI byGMO」と共同で自作AIツールコンテストを開催した。入賞者を一気に発表する（写真／JK_kyoto/stock.adobe.com）※応募69作品を投稿いただいたクリエイターの皆様、どうもありがとうございました 生成AI（人工知能）やChatGPT（チャットGPT）といっても、どんな命令文（プロンプト）を使えばいいのか、そもそも何ができるのかが分からない――。そんな人に、まず試してほしい機能

OpenAIが2024年2月より研究プレビューを行っていた動画生成AI「Sora」の新たなバージョンとして「Sora Turbo」を開発し、正式にリリースしました。ChatGPTのPlusおよびProプランに加入することで利用可能となります。 Sora is here | OpenAI https://openai.com/index/sora-is-here/ Sora–12 Days of OpenAI: Day 3 - YouTube 2024年2月にプレビュー版が登場した際の様子は下記記事の通り。プレビュー版の時点で生成される動画の品質はかなりのものでしたが、生成される動画の安全性が確保できないことなどから一般ユーザーにはリリースされていませんでした。 テキストから物理法則をシミュレートしながら動画を生成するAI「Sora」をOpenAIが発表 - GIGAZINE OpenAIは

東京都は12月5日、AIによる行政サービス変革の実現に向けた「東京都AI戦略会議」の第1回を実施した。座長は東京大学の松尾豊教授で、東京都のAIアドバイザーに就任した安野貴博さんや、AIスタートアップSakana AIの伊藤錬COOなどが委員として参加。都の生成AIプラットフォームに対し、松尾座長が「めちゃくちゃいい。全体アーキテクチャをこれほど考えたものは見たことがない」と評する場面もあった。2025年夏ごろをめどにAI戦略を策定して公表する予定。 会議冒頭、宮坂学副知事が「スマート東京構想を進めているが、動きがものすごいAIについては別枠で、地方自治体やこの東京に取り入れることができるのかという問題意識でこのような場を作らせていただいた」と挨拶。今後、公務員の人数も減少していくことが見込まれる中、BPR（ビジネスプロセス・リエンジニアリング）やDXによる効率化が必要として、AIに期待を

米Google傘下のGoogle DeepMindは12月4日（現地時間）、生成AIベースの高精度天気予測モデル「GenCast」を発表した。最大15日先までの日々の天気と台風などの気象現象の両方を、「従来の最先端システムよりも正確に予測できる」としている。 GenGastは気象軌跡を表す50以上の予測で構成される「アンサンブルモデル」で、従来の単一の推定値を提供する決定論的モデルとは対照的だとDeepMindは説明する。また、複雑なデータの確率分布をモデル化し、新しいサンプルを生成できる生成的な機械学習手法である「拡散モデル」でもある。 例えば、台風の進路予測でも優れた性能を示すという。例として、2019年に日本に上陸した台風19号の予測性能を紹介した。下の画像では、上陸7日前はまだ不確実性が高い状態だが、上陸が近づくにつれて正確な進路予測が可能になることを示している。 DeepMind