作り方 【作り始める前に】 ●卵の破裂を防ぐため、レシピの水分量、加熱時間、耐熱容器のサイズは必ず守ってください。口がすぼまった形の耐熱容器だと、卵がうまくかたまらなかったり、吹きこぼれの原因になるので絶対使わないでください。 ●電子レンジは600Wのものを基準とし、500Wの場合の時間を( 　 )で表記しています。700Ｗなら600Wの0.9倍の時間で加熱してください。 ●加熱時間は、電子レンジの機種や卵の大きさによって差があります。レシピの加熱時間を参考に、様子を見ながら加熱し、時間が足りない場合は5秒ずつ長く加熱してみてください。 【卵を割る】 直径7～8㎝、深さ5㎝の耐熱容器に卵を割り入れる。 こんな形の耐熱容器がおすすめ！ 【水を入れる】 卵が完全にかぶるくらいの水を静かに注ぎ入れる。 耐熱容器の中で卵が端に寄っていたら、容器を少し回して卵を中央へ寄せる。 【卵黄に穴をあける】

こちらはエムスリー Advent Calendar 2024 7日目の記事です。 前日は大垣さんのアニメキャラらしさ姓名判断師AIを作る ~字画に注目したモデリング~でした。とても面白いのでそちらもどうぞご覧ください。 はじめに こんにちは。AI・機械学習チームの氏家（@mowmow1259）です。 今回のテーマはリモートワークです。 最近オフィス回帰の流れがあるとはいえ、リモートワークを導入する企業はコロナ禍以前と比べて確実に増えてきています。 エムスリーでも2021年からリモート勤務がベースとなっており、さらに最近では関西と九州にもサテライトオフィスができるなど、全国各地からリモートワークで開発を進めています。 www.m3tech.blog リモートワークは通勤時間がない、家事育児などプライベートな時間と仕事を両立しやすいといったメリットがある一方で、生産性を落としてしまったり、メン

『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day

こんにちは。テニスしすぎて日焼けがすごいSsk1029Takashiです。 私は普段、生成AIを活用したRAGソリューションの開発をしているのですが、RAGでは特に検索部分の調整が重要になります。 今回はその検索の中で出てくるリランクに焦点を当てて、ベクトル検索と比較してどのような特徴があるのかというところを、検証を交えて解説していきます。 概要 RAGの検索部分では、よくベクトル検索が利用されます。 理由としては、入力が基本的に質問形式になりキーワードで入力されることが多い通常の検索よりも適している、などいくつか考えられます。 ただし、実際にRAGを試してみるとわかりますが、RAGシステムではベクトル検索だけでは検索精度の面で苦労することも多いです。 そこで解決方法の一つとして考えられているのが、ベクトル検索とリランクとの併用になります。 今回は、なぜRAGはベクトル検索だけだと苦労が多

議論を活性化させる工夫 輪読会でありがちな課題は、議論が活性化しないことです。 この問題に対処するために、われわれの輪読会ではサマリーに加えて、疑問点や不明点を書き込む専用のフォームを用意しています。参加者が事前にこのフォームに疑問や不明点を記入することで、輪読会の日に活発な議論が行われやすくなります。 最終的に、以下のような参加者ごとに個別のフォームを準備することにしました。これにより、それぞれの参加者が輪読会での議論への積極的な参加を促すようになり、議論への意識が高まる効果があります。 議論が活性するには、少人数で開催するのが一番いいのではないかと思っています。 以前、3名以上の大人数の輪読会を開催した際、参加者が他の誰かが話を始めるだろうと考え、結局は無言の時間が続くという状況がしばしばありました。一方、参加者数が少ない場合、サマリー作成の担当者になる頻度が多く、輪読会に対して当事者

OpenAIのサイトを眺めていたら、Prompt Engineeringのマニュアルが出来ていましたので、自身のメモ用として纏めてみました。 https://platform.openai.com/docs/guides/prompt-engineering プロンプトエンジニアリングのマニュアル構成は6つの戦略からなっております。 明確な指示を書く 参照テキストを提供する 複雑なタスクを簡単なサブタスクに分割する モデルに「考える」時間を与える 外部ツールを使用する システマティックに変更をテストする 言語定義として、戦略と戦術の違いは、戦略は、具体的な目標や計画であり、それらを実現するための具体的アクションが戦術です。 1.明確な指示を書く  戦術としては、以下があります。 質問を詳細にせよ ペルソナを設定せよ デリメーターを使用せよ 複雑なタスクのためにステップを踏め 例を与えよ 回

キーワードベースで情報収集をしているという下記の記事を読みました。私も似たようなことをしているのですがキーワードは使わない方法でニュースの収集をしていて、そのほうがLLMを活用できていると思うのでその方法を紹介します。 forest.watch.impress.co.jp キーワードではなく自分の目的や関心を伝える 以前私が手動でやっていたのはRSSリーダーにサイトを登録して、記事のタイトルと概要を読んで気になる記事を開いて読むということでした。こういうときに人間はキーワード検索をしていません。何をしているかというと自分の目的や関心があって、それに関連する記事をピックアップするということです。それと同じようなことをさせようというのが今回紹介する方法です。 ポイントは今回の場合は私の所属する会社について情報をプロンプトで与え、それに関連するニュースが何かをLLMに考えさせることです。 今回の

音声認識の世界では、OpenAIが開発したwhisperというモデルが話題になりましたね。99言語に対応しており、日本語の音声認識の精度も抜群です。 非常に優秀なwhisperですが、いつ誰が話したのかを認識する、いわゆる「話者分離」はできません…。 ということで、アドベントカレンダー8日目の記事では、pyannote.audioというライブラリを使った話者分離方法について紹介します。 pyannote.audioの概要 pyannote.audioは、話者分離のためのPythonによるオープンソースフレームワークです。 下記のようなパイプラインで話者分離を実現しています。 論文：pyannote.audio: neural building blocks for speaker diarization Github：https://github.com/pyannote/pyannote

こんにちは！逆瀬川 ( @gyakuse ) です！ 今日は最近作った議事録文字起こしアプリに話者分離機能をくっつけたものを作っていきたいと思います。 ChatGPT APIの使い方、Whisper APIの使い方、Hugging Face Spacesへのデプロイ方法等を知りたい場合は以下の記事をぜひ！ できたもの openai_keyにOpenAIのAPIキーを入れる メイン音声ファイルに会話音声 (wav, 25MB以内) を入れる 話者 (1) 参考音声ファイルに話者 (1) の参考音声 (wav) を入れる 話者 (1) の名前を入れる 話者 (2) 参考音声ファイルに話者 (1) の参考音声 (wav) を入れる 話者 (2) の名前を入れる 上記を行って送信ボタンを押すと処理が開始されます。なお、参考音声は10秒程度で大丈夫です。実装全体は以下で確認できます。 話者分離 (S

Whisper APIは、音声ファイルをテキストデータに変換する、非常に便利なAPIです。しかし、その利便性にも関わらず、25MB以上の音声ファイルには対応していないという課題がありました。今回の記事では、これを解決し、どんなサイズの音声ファイルでも文字起こしができるようになった方法を紹介していきます。 下記にコードを載せてあります。詳しくはこちらをご確認ください！ 仕組みについてまず、25MB以下の音声ファイルに関しては、通常通りWhisper APIを使用して文字起こしを行います。これにより、小さな音声ファイルは引き続き簡単に扱えるようになっています。 ここで問題となるのが、25MBを超える音声ファイルです。その対応策として、次の2つの方法が提案されました。 音声ファイルを圧縮してサイズを縮小する 音声ファイルを複数の小さなファイルに分割する まず、音声ファイルを圧縮することで、25M

Llamaindex を用いてCSVデータからchatGPTちゃんに回答させてみようと思います。 とりあえずやってみた系の記事なので、雑ですがご了承下さい。 準備 今回は居酒屋的のメニュー的なものを適当に作りました。 項目,タイトル,価格,説明 鴨料理,鴨フィレ肉のカシスソース,930円,鴨フィレ肉を浅めにソテーしロゼ色に。甘酸っぱいカシスと赤ワインのソースで。ピンクペッパーがとても合います。赤ワイン。 鴨料理,鴨刺し,860円,"皮面をパリッと焼き、肉にも焼き目をつけた状態をお刺身。" 鴨料理,鴨南蛮うどん,830円,"鴨と長ネギをごま油で炒め、味を出しています。 合わせだしも引いています。汁まで美味しい一品。小さめの為〆に最適です。" 馬料理,ユッケ,930円,"言わずと知れた生肉ユッケ。 ...

アルバイトの Sasaokaです。今回はChatGPTにCSVやYouTube動画などの独自データを情報を付与して回答させることができるLlamaIndexというライブラリを試してみました。 準備 次の3つのライブラリをインストールします。 $ pip install llama-index langchain youtube_transcript_api OpenAIのAPIキーを環境変数OPENAI_API_KEYに設定しておきます。 $ export OPENAI_API_KEY='sk-xxxxxx' CSVデータを与える ここでは弊社のアドクロールの広告タイトル文を読み込ませてみます。次のような、id、飲料の広告の会社、カテゴリ、ブランド、広告タイトルをカラムとする258レコードのdrink.csvファイルを用いました。 "id","company","category","br

株式会社クラウドネイティブは、Azure OpenAIで自組織専用のChatGPTの構築を支援するサービスを展開しています。ChatGPTとAzure AD OpenAI Serviceの取り組みや事例、支援… IDチームの前田です。今日は生成AI(ChatGPT)と音声認識モデル(Whisper)を利用した会議アシスタントツールに関する投稿になります。 (追記) 作ったツールはGitHub上で公開しており、Dockerを利用してすぐに試せるようになってます。 https://github.com/cloudnative-co/mtg-ai-assistant 2023年8月30日現在Azure OpenAIにてWhisperが利用出来ていないため、OpenAI Whisper APIを利用した試験段階のものになります。近日中にAzure OpenAIにてWhisperが利用出来るとアナウ

会食の本質は「店選び」ではない「２週間後に会食のセッティングをお願い！ ４人で、いい感じの店の予約と準備を任せた！ じゃ、あとはうまくやっといてね！　よろしく！」 上司からの依頼。何度聞いても心臓の奥で嫌な汗が出るような、この瞬間。そう、会食はビジネスパーソンにとってできる限り避けたい「雑務」である。 単に店を選べばいいだけかと思ったら、大間違いだ。少し考えるだけでも気が重くなる調整とビジネスパーソンとしての機微が求められる。 上司がクライアントと会食をセッティングする背景の理解 -相手の役職やビジネス背景、会食で達成したい目的を踏まえてどのような価格帯/立地の店にすべきか 上司やクライアントの食の好みの理解 -肉料理希望と言われたがステーキ/焼肉/肉割烹/メインが肉のフレンチやイタリアン、どれを選ぶべきか 個室が必要か不要か -オープン席の場合は席間隔はどのくらい空いた店にすべきか 二次

AI技術の進化により、私たちの働き方も大きく進化していくと想定されています。特に注目を集めているのが、OpenAIが開発したAI文章生成モデル「ChatGPT」です。このChatGPTは、自然な文章を生成することで有名で、様々なシーンで利用が進んでいます。そんなChatGPTを手軽に使えるツールとして、Google Chromeの拡張機能があります。 今回は、ChatGPTを使ったGoogle Chromeの拡張機能おすすめ7選を紹介します。これらの拡張機能を活用することで、ウェブブラウジングの体験が一段と豊かになるでしょう。 そして、本記事では各拡張機能の特徴だけでなく、インストール方法や使い方、さらには連携可能な他のプラットフォームや注意点、問題対処方法まで詳しく解説します。これらの情報を元に、あなたのブラウジング体験を効率的に、そして楽しく進化させてみてください。

インターネットイニシアティブ（IIJ）は7月27日、資料「AI・ChatGPTとの“業務上”の付き合い方」を無料公開した。同社のエンジニアで、広報部の堂前清隆副部長が作成。自身が登壇したセミナーで使った資料で、「IT業界以外の方にも話を聞いてもらう前提でまとめたもの」という。 米OpenAIが提供するAIチャットサービス「ChatGP」などにも利用されている、大規模言語モデル（LLM）の利用方法や、動作の仕組み、特徴、注意点などを紹介。今後登場すると予測できるLLMや、LLMを利用したサービスに対する見解も掲載している。一部の内容については、デモ動画による紹介も行っている。 堂前副部長は「今後AIはさまざまな用途で使われるようになると思う。特にLLMは『汎用的なAI（強いAI）』の基礎として発展するのではないか」と指摘。「今は人間との対話（チャット）用途ばかりが強調されているように感じるが

データドリブンにプロダクトを改善していきたい、とはどんなプロダクトマネージャーでも志すことですが現実には上手く行かないこともあると思います。その時に、参考になる動画を見つけたので紹介します。 Product School のチャンネルで公開されている Webinar: Top 10 Digital Analytics Mistakes by Amplitude's Adam Greco and WillowTree's Jeremy Stern です。登壇者の Adam Greco さんは Amplitude という分析プラットフォームの Product Evangelist 、 Jeremy Stern さんは WillowTree というプロダクトでのデータ活用を支援するコンサルティングサービスの Director of Product Analysis を担当されています。動画の見ど

きっかけ 落合陽一氏がfewshotを公開していたので落合陽一AIなるものを作って遊んでいたが どこまでがGPT-4の標準出力で、どこまでがfewshotによる影響なのか知りたくなった。 まずは差分を測る GPT-4に素直に聞いてみる 思考パターンを述べてもらう 落合陽一の思考パターンを確認する 抽象化 思考パターンを抽象化して、列挙してもらう 原子的な概念に落とし込む それぞれの特性を原子的な概念や言葉に落とし込むと、以下のようになります。 相互関連性と統合性: 連携、一体化、融合 融合的思考: 総合的、多面的、相補性 創造性と革新性: 創出、新規性、突破 伝統と現代の融合: 適合、連結、混成 形状と流動性の探求: 変形、移行、流動 可視と不可視の間の探索: 潜在性、探究、視覚化 哲学と科学の交差: 理論、体系、分析 プレイフルな探求: 遊び、探検、好奇心 結合と相互作用の理解: 相互依