OODAループ

以下は、最近発表された注目の GPT プラットフォームの調査であり、ここ数か月の指数関数的生成 AI の見出しから抜粋したものです。 これは、幅広い業界セクターにわたる OODA Loop 読者向けに厳選された *GPT および *AI プラットフォームです。 JPMorgan の IndexGPT 特許出願から Crowdstrike の Charlotte AI まで、AI の分野での重要性をここで調査してください。

ソースコード：https://github.com/Significant-Gravitas/Auto-GPT

について：GPT-4 を完全に自律化する実験的なオープンソースの試み。

#AutoGPT は、最新の破壊的な新製品です。#ChatGPT の推論を、計画と複数のステップを必要とするより広範で複雑な問題に適用できます。

まだ初期段階ですが、多くの健康および生物医学への応用で非常に印象的です。

#AgentGPT を試してみて、それを要求しました… pic.twitter.com/ywFhtjxjYD

— ダニエル・クラフト医学博士 (@daniel_kraft) 2023 年 4 月 12 日

Auto-GPT とは何ですか? なぜ重要ですか?: 本質的に、Auto-GPT は OpenAI の最新 AI モデルの多機能性を利用してオンラインでソフトウェアやサービスと対話し、X や Y などのタスクを「自律的に」実行できるようにします。大規模な言語モデルを使用して学習しているため、この機能は海のように広く、水たまりのように深いように見えます。 Auto-GPT — 最近ソーシャル メディアで大流行しているのを見たかもしれません — は、ゲーム開発者 Toran Bruce Richards によって作成されたオープンソース アプリで、OpenAI のテキスト生成モデル (主に GPT-3.5 と GPT-4) を使用して動作します。自主的に。」

その自律性には魔法はありません。 Auto-GPT は、OpenAI モデルの最初のプロンプトに対するフォローアップを単純に処理し、タスクが完了するまで質問と回答を行います。 Auto-GPT は基本的に、GPT-3.5 と GPT-4 に何をすべきかを指示するコンパニオン ボットと組み合わせた GPT-3.5 と GPT-4 です。 ユーザーが Auto-GPT に目標を伝えると、ボットは GPT-3.5、GPT-4、およびいくつかのプログラムを使用して、設定した目標を達成するために必要なすべてのステップを実行します。

Auto-GPT が合理的な機能を備えているのは、Web ブラウザーやワード プロセッサなど、オンラインとローカルの両方でアプリ、ソフトウェア、サービスと対話できる機能です。 たとえば、「花のビジネスの成長を手伝ってください」のようなプロンプトが与えられると、Auto-GPT はある程度妥当な広告戦略を開発し、基本的な Web サイトを構築できます。 (1)

独自の Auto-GPT AI エージェントを作成する方法については、https://www.tomshardware.com/how-to/auto-gpt-ai-agent にアクセスしてください。

ソースコード：N/A (特許出願のみ)

について： JPモルガン・チェースは、金融に関する質問に答えるように設計されたチャットボット「IndexGPT」の商標を申請した。このボットは、広告やマーケティングサービス、有価証券価値の指数、オンライン金融情報や投資アドバイスに使用されると伝えられている。 (2)

JPモルガンは #ChatGPT のライバルに積極的に取り組んでおり、「IndexGPT」の商標を申請しています。 https://t.co/VUo9eZ1vTP

— コインテレグラフ (@Cointelegraph) 2023 年 5 月 27 日

画像出典: Coin Telegraph – JPモルガンの IndexGPT の商標アプリケーション。 出典: USPTO

JPモルガン、ChatGPT Financeクローン、IndexGPTの特許を申請：金融大手JPモルガン・チェースは今月初め、IndexGPTと呼ばれる金融をテーマにしたチャットボットの商標出願を行った。 5月11日に米国特許商標庁に提出された申請書によると、チャットボットは広告やマーケティングサービス、証券価値の指標、オンライン金融情報や投資アドバイスに使用される予定だという。 JPモルガン・チェースのジェイミー・ダイモン最高経営責任者（CEO）は4月に株主に宛てた書簡で、「AIとそれに供給する原材料であるデータは、当社の将来の成功にとって極めて重要だ」と述べた。 「新しいテクノロジーを導入することの重要性は、どれだけ強調してもしすぎることはありません。」 JPモルガンによる2月の調査では、調査対象となった機関投資家トレーダーの半数以上が、人工知能と機械学習が今後3年間の取引の未来を形作る上で最も影響力のあるテクノロジーになると回答した。

JPモルガンは金融システムで人工知能を活用することを検討しており、同社は2,000人を超えるデータマネージャー、データサイエンティスト、機械学習エンジニアを自社のAI機能の構築に専念していると述べ、人工知能はクラウドベースのシステムと「密接に連携している」としている。パブリックまたはプライベート、およびデジタル機能。 「ネイティブのクラウドベースのアプローチは、最終的にはより高速かつ安価で、最新の AI 技術と連携し、常に進化する開発者ツールに簡単にアクセスできるようになります」とダイモン氏は述べています。 金融業界は、AI のデータ処理能力に特に関心を持っています。 3月、英国の人工知能エンジニア、メイヨ・オシンは、大規模な財務書類を分析するためにバフェットにちなんで名付けられたボットを開発した。 (3)

ソースコード：https://github.com/imartinez/privateGPT

について： GPT の機能を使用してドキュメントをプライベートに操作します。完全にプライベートで、データ漏洩はありません。 LLM の機能を使用して、インターネット接続なしでドキュメントに質問します。 100% プライベートであり、いかなる時点でもデータが実行環境から流出することはありません。 インターネット接続がなくても、ドキュメントを取り込んだり、質問したりできます。

PrivacyGPT https://t.co/w8XUa6d7nQ 自分の利益のために、openai の RLHF にフィードを与える必要はもうありません。 (それは大したことではないと感じるかもしれませんが、近い将来そうなるでしょう。) #chatGPT #プライバシー #PrivacyMatters #privacyGPT

— フェリックス・ペーニャ (@kaisen2350) 5月 11

ローカル ドキュメントと対話するプライベート ChatGPT とは何ですか?: ChatGPT は便利ですが、トレードオフもあります。 インターネット経由でデータを送信する必要があるという事実は、特に機密文書を使用する場合、プライバシーに関して懸念となる可能性があります。 さらに、インターネットに常時接続する必要があるため、接続状態の悪い地域では問題が発生する可能性があります。 幸いなことに、代替手段があります。 独自のローカル大規模言語モデル (LLM) を実行して、データとプライバシーを制御できます。 この記事では、ローカル ドキュメントと対話するプライベート ChatGPT を作成して、OpenAI のサーバーに依存せずに質問に答えたりテキストを生成したりするための強力なツールを提供する方法を検討します。 プライベート LLM の作成プロセスを簡素化するプロジェクトである PrivateGPT についても説明します。

ローカル言語モデルとベクトル データベースを使用することで、強力な言語処理機能にアクセスしながら、データの制御を維持し、プライバシーを確​​保できます。 このプロセスには技術的な専門知識が必要になる場合がありますが、開始に役立つオンラインで利用できるリソースが多数あります。 1 つのソリューションは PrivateGPT です。これは GitHub でホストされているプロジェクトで、上記のすべてのコンポーネントをインストールしやすいパッケージにまとめています。 PrivateGPT には、言語モデル、埋め込みモデル、ドキュメント埋め込み用のデータベース、およびコマンド ライン インターフェイスが含まれています。 プレーン テキスト (.txt)、カンマ区切り値 (.csv)、Word (.docx および .doc)、PDF、Markdown (.md)、HTML、Epub、電子メール ファイル (.eml) など、いくつかの種類のドキュメントをサポートします。および .msg)。 (4)

ローカル ドキュメントと対話するプライベート ChatGPT を作成する方法については、https://bdtechtalks.com/2023/06/01/create-privategpt-local-llm/ にアクセスしてください。

以下で入手可能です:https://www.notion.so/product/ai

について： Notion AI は、生産性向上アプリ Notion の新しい人工知能機能です。 Notion AI は、あなたの仕事の習慣を理解し、それらを改善する方法についての提案を提供することで、生産性の向上を支援するように設計されています。

Notion AI は誰でも利用できるようになりました。

待機リストや「限定プレビュー」はありません。

始めましょう: https://t.co/qKmTw6ieJP pic.twitter.com/JcQra1YbZf

— Notion (@NotionHQ) 2023年2月22日

Notion は誰でも AI 機能を使用できるようになりました。Notion メモ作成アプリの AI 機能を試すことができるようになりました。によれば、この機能は、テキストの作成と修正、既存のメモの重要なポイントの要約、タスク リストの生成を支援することを目的としています。会社からのお知らせ。 Notion は 11 月に AI サービスのテストを開始しましたが、現在はアカウントを持っている人なら誰でも利用できるようになり、順番待ちリストも必要ありません。

アプリに統合された AI は記事全体を書くことができますが (Notion AI の発表についてブログ記事を書くよう AI に依頼したところ、385 語が吐き出されましたが、正確だったのはその一部だけでした)、同社はそれを次のように売り込んでいます。 「考えるパートナー」。 同社は発表記事の中で、アルファテスターが最も使用した機能の1つは、自分が書いたテキストの改善を求めるものだった、と述べている。 たとえば、テキストをハイライト表示して、Notion に別の口調で書き直したり、より単純な言語を使用したり、単に文をパディングしたり切り詰めたりすることができます。 (5)

以下で入手可能です:Charlotte AI は現在、プライベート カスタマー プレビューで利用可能です。

について： 「新しい生成型 AI セキュリティ アナリストは、世界最高の忠実度のセキュリティ データを使用し、CrowdStrike の業界をリードする脅威ハンター、管理された検出と対応のオペレーター、インシデント対応の専門家との緊密なフィードバック ループによって継続的に改善されます。Charlotte AI [は]これは、Charlotte AI エンジンを使用して構築された最初の製品であり、セキュリティ運用の複雑さを軽減しながら、あらゆるスキル レベルのユーザーが侵害を阻止する能力を向上させるのに役立ちます。顧客は平易な英語や他の数十の言語で質問することができ、CrowdStrike Falcon プラットフォームから直感的な回答を得ることができます。 」 (6)

CrowdStrike は、10 年以上前にシグネチャ ベースのウイルス対策に代わって AI を活用した保護を初めて導入して以来、人工知能の使用の先駆者であり、プラットフォーム全体にそれを深く統合し続けてきました。

🤝 シャーロット AI をご紹介します。 https://t.co/mWKH0tcT7e

— クラウドストライク (@CrowdStrike) 2023 年 5 月 30 日

CrowdStrike の新しい生成 AI アシスタント、Charlotte をご紹介します – Charlotte AI は、市場に投入された最新のセキュリティ ベースの生成 AI アシスタントです。CrowdStrike は、独自の生成 AI セキュリティ アシスタントをテストしており、生成人工知能 (AI) の時流に乗っています。シャーロットAIとして知られています。 Charlotte AIは、システムが特定の脆弱性に対して脆弱かどうかなどの質問に答え、推奨されるアクションアイテムを提供するように設計されている、と同社は述べた。 また、Windows マシン間の横方向の移動など、悪意のあるアクティビティを検出するように促されることもあります。 目標は、経験の浅い IT およびセキュリティの専門家に、より適切な意思決定をより迅速に行うために、環境とセキュリティ体制について必要な情報を提供することです。

質問の例は次のとおりです。

ここ数カ月間、Microsoft や Google を含むいくつかの企業が、自社のセキュリティ プラットフォームに生成 AI アシスタントを組み込んでいます。 これらのアシスタントは、セキュリティ アナリストに、自然言語を使用して大量のセキュリティ データをクエリし、さまざまなデータ ソース間の相関関係を作成する方法を提供します。 この意味で、Charlotte AI は Falcon プラットフォームに自然言語インターフェイスを提供するため、セキュリティ アナリストは「経験レベルや組織の規模に関係なく、Falcon プラットフォームのパワー ユーザーになれる」と同社は述べています。 （7）

ソースコード：該当なし。 実験や研究に使用されるさまざまな LLM は、このホワイト ペーパーのリソース セクションにあります。

について： FrugalGPT は、OpenAI によって開発された GPT (Generative Pre-trained Transformer) モデルのバリアントです。 これは、計算要件が削減された、より計算効率が高くコスト効率の高い GPT バージョンとなるように設計されています。 FrugalGPT の背後にある主なアイデアは、GPT モデルのより軽量でアクセスしやすいバージョンを提供し、リソースに制約のある環境での展開と利用を可能にすることです。 FrugalGPT は、モデルのサイズと計算の複雑さを軽減することで、パフォーマンスと効率のバランスを取ることを目指しています。

FrugalGPT: LLM を安く使用する方法

-LLM カスケードは、コストを削減し、精度を向上させるために、さまざまなクエリに使用する LLM の組み合わせを学習します。

- 98% のコスト削減で最高の個別 LLM (GPT-4) のパフォーマンスと一致 - または、同じコストで精度を 4% 向上 https://t.co/z9W6E9Ke8o pic.twitter.com/mjYylbNslj

— ジョン・ネイ (@johnjnay) 2023 年 5 月 10 日

FrugalGPT: コストを削減し、パフォーマンスを向上させながら大規模言語モデルを使用する方法: ユーザーが有料でクエリできる大規模言語モデル (LLM) の数が急速に増加しています。 GPT-4、ChatGPT、J1-Jumbo などの一般的な LLM API のクエリに関連するコストを調査したところ、これらのモデルは異種の価格構造を持ち、料金が 2 桁異なる可能性があることがわかりました。 特に、クエリとテキストの大規模なコレクションに対して LLM を使用すると、コストが高くなる可能性があります。 これを動機として、LLM の使用に関連する推論コストを削減するためにユーザーが活用できる 3 つのタイプの戦略 (1) 即時適応、2) LLM 近似、および 3) LLM カスケードの概要を説明します。 例として、コストを削減し、精度を向上させるために、さまざまなクエリにどの LLM の組み合わせを使用するかを学習する LLM カスケードのシンプルかつ柔軟なインスタンス化である FrugalGPT を提案します。 私たちの実験では、FrugalGPT が最高 98% のコスト削減で最高の個別 LLM (GPT-4 など) のパフォーマンスに匹敵するか、同じコストで GPT-4 より精度を 4% 向上できることが示されています。 ここで紹介したアイデアと発見は、LLM を持続的かつ効率的に使用するための基礎を築きます。 (8)

以下で入手可能です:Slack では、https://slack.com/blog/news/introducing-slack-gpt で多くの使用例と開発者ツールについて説明しています。

について： Slackは、ユーザーが作業プロセスを自動化およびカスタマイズできる「会話型AIエクスペリエンス」を統合していると同社は木曜日に発表した。 Slack GPT には、営業、マーケティング、IT などの特定の業務機能を目的としたネイティブ AI 機能が含まれます。 Slack 用 ChatGPT アプリを含むその他の機能はベータ版で利用できるか、今夏リリースされる予定です。

Salesforce は本日、Slack アプリ向けに間もなくリリースされる予定の、AI を利用した新しい生成エクスペリエンスである SlackGPT を発表しました。 https://t.co/Oep5K8yIGu

— VentureBeat (@VentureBeat) 2023 年 5 月 4 日

Slack GPT はコアコミュニケーションワークフローを自動化するために登場します: Slack の製品担当シニアバイスプレジデントである Ali Rayl 氏によると、新機能により顧客は簡単なプロンプトで AI アクションを組み込んだノーコードワークフローを構築できるようになります。 AI 機能を既存の製品に統合するプロバイダーのリストは長く、拡大しています。 Slack は、Zoom、Atlassian、Stack Overflow、および 3 つの最大手のハイパースケーラーなどの企業に加わります。 Microsoft と Google も、自社の効率化スイートに生成 AI 機能を装備しました。 3 月に、Slack はユーザーがベータ版として利用できる ChatGPT アプリを導入しました。 しかし、レイル氏によると、今日の発表により、生成 AI はユーザーの Slack とのやり取りに近づくことになるという。

「私たちが今後話し合っているのは、さまざまな Slack 製品サーフェスとのネイティブ統合です」と Rayl 氏は述べています。 これには、チャネルの概要、ハドルのトランスクリプト、Canvas と呼ばれるテキスト作成ツール、およびワークフローのノーコード作成が含まれます。 Slack GPT を使用すると、ユーザーは OpenAI の GPT、Anthropic の Claude などの選択した言語モデルを統合できるようになり、「将来的には Salesforce 独自の LLM も統合できるようになる」と Rayl 氏は述べています。 Slack GPT エクスペリエンスの一部として、ユーザーはコラボレーション プラットフォームを Salesforce の Customer 360 システムに接続するための会話型インターフェイスである Slack 用 Einstein GPT アプリにアクセスできるようになります。

この新機能により、ユーザーは特定の機能に合わせて生成 AI ツール キットをカスタマイズできるようになります。 たとえば、顧客サービスの従業員は、AI が生成したソリューションや応答にアクセスできるようになります。 また、ケースの概要を自動生成してチャネルやキャンバスで共有することもできます。 この機能を使用する開発者と IT 作業者は、チャネルのアクティビティを自動的にスキャンし、根本原因の分析を要約してインシデント管理を向上させることができます。

生成 AI に関しては幅広い関心が寄せられているにもかかわらず、システムの成功はシステムが取り込むデータに左右されるため、データ プライバシーに関する疑問が残っています。 Slackは電子メールでの声明の中で、ディレクトリ内のすべてのアプリは一般公開前に徹底的な審査を受けると述べた。 「Slack GPTはSlackの安全なプラットフォームを利用しており、顧客がセキュリティとコンプライアンスのニーズに合わせて正しい決定を下せるように、さまざまな設定と制御を提供する」と同社は電子メールでの声明で述べた。 「これには、管理者がアプリの承認プロセスを実装できるようにすることが含まれており、許可なくアプリをインストールすることはできません。」 (9)

以下で入手可能です:詳細については、Bloomberg.com/company にアクセスするか、デモをリクエストしてください。

について： 「ブルームバーグ…新しい大規模な生成人工知能 (AI) モデルである BloombergGPTTM の開発を詳細に説明する研究論文を発表しました。この大規模言語モデル (LLM) は、多様な金融データをサポートするために、広範囲の金融データで特別にトレーニングされています。」金融業界における自然言語処理 (NLP) タスク。」 (10)

ChatGPT は優れていますが、業界ではより専門的なツールが必要です。 #BloombergGPT に参加し、ウォール街と金融の世界に AI をもたらします。 @JHUCompSci の @mdredze が、プロジェクトでの取り組みとドメイン固有言語モデルの将来について語ります:https://t.co/VhsBxaHdAF

— ジョンズ・ホプキンス・エンジニアリング (@HopkinsEngineer) 2023 年 6 月 1 日

金融専用にゼロから構築された、ブルームバーグの 500 億パラメータの大規模言語モデル、BloombergGPT の紹介: ブルームバーグは、10 年以上にわたり、金融における AI、機械学習、NLP のアプリケーションの先駆者であり続けています。 現在、ブルームバーグは、金融を意識した新しい言語モデルの恩恵を受ける、非常に大規模で多様な NLP タスクのセットをサポートしています。 ブルームバーグの研究者は、財務データと汎用データセットの両方を組み合わせて、汎用 LLM ベンチマークで競争力のあるパフォーマンスを維持しながら、金融ベンチマークでクラス最高の結果を達成するモデルをトレーニングする混合アプローチを開拓しました。

このマイルストーンを達成するために、ブルームバーグの ML 製品および研究グループは、同社の AI エンジニアリング チームと協力して、同社の既存のデータ作成、収集、およびキュレーション リソースを利用して、これまでで最大のドメイン固有のデータセットの 1 つを構築しました。 財務データ会社として、ブルームバーグのデータ アナリストは 40 年にわたって財務言語文書を収集し、維持してきました。 チームは、この広範な財務データのアーカイブから引き出し、英語の財務文書で構成される包括的な 3,630 億トークンのデータセットを作成しました。

このデータは 3,450 億トークンの公開データセットで強化され、7,000 億トークンを超える大規模なトレーニング コーパスが作成されました。 このトレーニング コーパスの一部を使用して、チームは 500 億のパラメーター デコーダーのみの因果言語モデルをトレーニングしました。 結果として得られたモデルは、既存の財務固有の NLP ベンチマーク、ブルームバーグの内部ベンチマーク一式、および一般的なベンチマークの汎用 NLP タスクの広範なカテゴリ (BIG ベンチ ハード、知識評価、読解、言語タスクなど) で検証されました。 。 特に、BloombergGPT モデルは、財務タスクに関しては同様の規模の既存のオープン モデルを大幅に上回っており、一般的な NLP ベンチマークでは依然として同等以上のパフォーマンスを示しています。

表1。 BloombergGPT が、財務固有と汎用という 2 つの大きなカテゴリの NLP タスクにわたってどのように実行されるか。 (10)

BloombergGPT: 金融向けの大規模言語モデル: 金融テクノロジーの分野における NLP の使用は広範囲かつ複雑で、その応用範囲は感情分析や固有表現認識から質問応答にまで及びます。 大規模言語モデル (LLM) は、さまざまなタスクに効果的であることが示されています。 ただし、金融領域に特化した LLM は文献で報告されていません。 この研究では、幅広い金融データでトレーニングされた 500 億パラメータの言語モデルである BloombergGPT を紹介します。 私たちは、ブルームバーグの広範なデータ ソースに基づいて 3,630 億のトークン データセットを構築します。これは、おそらくこれまでで最大のドメイン固有のデータセットであり、汎用データセットからの 3,450 億のトークンで強化されています。 当社は、標準的な LLM ベンチマーク、オープンな金融ベンチマーク、および当社の意図する使用法を最も正確に反映する一連の内部ベンチマークで BloombergGPT を検証します。 混合データセットのトレーニングにより、一般的な LLM ベンチマークのパフォーマンスを犠牲にすることなく、財務タスクに関して既存のモデルを大幅に上回るパフォーマンスを発揮するモデルが得られます。 さらに、モデリングの選択、トレーニング プロセス、評価方法についても説明します。 BloombergGPT のトレーニング経験を詳しく説明したトレーニング記録 (付録 C) をリリースします。 (11)

ChatGPT からインスピレーションを得たこの大規模言語モデルは、流暢な金融を話します。ジョンズ ホプキンス大学ホワイティング工学部のコンピュータ サイエンス准教授であり、ブルームバーグの客員研究員でもあるマーク ドレゼ氏は、[bloombergGPT] を作成したチームの一員でした。 ドレゼ氏は、ジョンズ・ホプキンス大学の新しい AI-X ファウンドリの初代研究ディレクター (Foundations of AI) でもあります。 同ハブは、ブルームバーグGPTとジョンズ・ホプキンス大学のAI研究に対するその広範な影響についてドレゼ氏に話を聞いた。

BloombergGPT プロジェクトの目標は何でしたか?

多くの人が ChatGPT やその他の大規模な言語モデルを見たことがあるでしょう。これらは、言語を処理し、人々の要求に応答するための優れた機能を備えた、印象的な新しい人工知能テクノロジーです。 これらのモデルが社会を変える可能性があることは明らかです。 現在までのところ、ほとんどのモデルは汎用ユースケースに焦点を当てています。 ただし、特定のドメインの複雑さと微妙な違いを理解する、ドメイン固有のモデルも必要です。 ChatGPT は多くの用途に優れていますが、医学、科学、その他多くの領域に特化したモデルが必要です。 これらのモデルを構築するための最適な戦略が何かは明らかではありません。

ブルームバーグと協力して、私たちは金融分野の英語モデルを構築することでこの問題を調査しました。 私たちは新しいアプローチを採用し、金融関連のテキストの大規模なデータセットを構築し、それを同様に大規模な汎用テキストのデータセットと組み合わせました。 結果として得られたデータセットは約 7,000 億トークンで、これは Wikipedia の全テキストの約 30 倍のサイズです。

この結合されたデータセットで新しいモデルをトレーニングし、財務文書に関するさまざまな言語タスクにわたってテストしました。 BloombergGPT は、財務タスクに関して、同様の規模の既存のモデルよりも大幅に優れていることがわかりました。 驚くべきことに、ドメイン固有のモデルを構築することを目的としていたにもかかわらず、モデルは依然として汎用ベンチマークと同等のパフォーマンスを示しました。

なぜ金融には独自の言語モデルが必要なのでしょうか?

AI モデルの最近の進歩により、多くの分野でエキサイティングな新しいアプリケーションが実証されていますが、金融分野の複雑さと独特の用語を考慮すると、分野固有のモデルが必要になります。 これは、汎用テキストでは見られない語彙が含まれる医学などの他の専門分野と同様です。 金融に特化したモデルにより、センチメント分析、固有表現認識、ニュース分類、質問応答などの既存の金融 NLP タスクを改善できます。 ただし、ドメイン固有のモデルが新たな機会を生み出すことも期待しています。

たとえば、金融専門家からの自然言語クエリを BloombergGPT が有効な Bloomberg Query Language (BQL) に変換することを私たちは想定しています。この BQL は、金融専門家がさまざまな種類の証券に関するデータを迅速に特定して操作できるようにする非常に強力なツールです。 したがって、ユーザーが「Apple の最後の価格と時価総額を教えてください」と尋ねると、システムは get(px_last,cur_mkt_cap) for(['AAPL US Equity']) を返します。 この一連のコードにより、結果として得られたデータをデータ サイエンスやポートフォリオ管理ツールに迅速かつ簡単にインポートできるようになります。

新しいモデルを構築する際に何を学びましたか?

これらのモデルを構築するのは簡単ではありません。モデルを機能させるには、膨大な数の詳細を正しく理解する必要があります。 私たちは、言語モデルを構築した他の研究グループの論文を読んで多くのことを学びました。 コミュニティに貢献するために、私たちはデータセットの構築方法、モデル アーキテクチャに加えられた選択、モデルのトレーニング方法、結果として得られたモデルの広範な評価を詳しく説明した 70 ページを超える論文を書きました。 また、モデルのトレーニング プロセスを物語的に説明した詳細な「トレーニング クロニクル」もリリースしました。 私たちの目標は、独自のモデルを構築しようとしている他の研究グループをサポートするために、モデルを構築した方法について可能な限りオープンにすることです。 (12)

Auto-GPT は、Automatic Generative Pre-trained Transformer の略で、GPT (Generative Pre-trained Transformer) モデルをトレーニングおよび最適化する自動化されたアプローチです。 GPT は、OpenAI によって開発された高度な言語モデルであり、一貫性のある文脈に関連したテキストの生成に優れています。 Auto-GPT は、微調整のプロセスを自動化し、パフォーマンスを向上させることで、このモデルをさらに進化させます。

自動 GPT の主な目的は、自動化された技術を通じて GPT モデルの効率と有効性を向上させることです。 これは、ニューラル アーキテクチャ検索 (NAS) や強化学習 (RL) などの手法を採用することで実現されます。

自動 GPT のプロセスには、いくつかの手順が含まれます。

自動 GPT は、トレーニングと最適化のプロセスを自動化することで実験と最適化を加速し、特定の自然言語処理 (NLP) タスクにおける GPT モデルのパフォーマンスの向上につながります。 これにより、最適なモデル構成を見つけるために必要な手作業や推測作業の多くが不要になり、言語生成やタスクの理解に取り組む研究者や開発者にとって貴重なツールになります。

FrugalGPT は、妥当なレベルのパフォーマンスを維持しながら、GPT (Generative Pre-trained Transformer) モデルの計算要件とリソース消費を削減することを目的としたアプローチです。 FrugalGPT の仕組みの概要は次のとおりです。

FrugalGPT で使用される特定の技術とアプローチは異なる場合があり、実装が異なると、計算効率を達成するために追加の方法が使用される場合があります。 目標は、モデルのサイズ、計算要件、パフォーマンスの間のバランスを見つけて、リソースに制約のある環境で GPT ベースのモデルを展開できるようにすることです。 私の知識は 2021 年 9 月までに入手可能な情報に基づいており、それ以降、FrugalGPT に関連するさらなる開発や進歩があった可能性があることに注意することが重要です。

2021 年 9 月に私の知識が途絶えたため、JP モルガン・チェースは、金融サービス分野で人工知能 (AI) および機械学習 (ML) テクノロジーへの投資と導入に積極的に取り組んでいる大手金融機関の 1 つとして知られています。 リアルタイムの最新情報を提供することはできませんが、それまでの JP モルガンの注目すべき取り組みのいくつかの概要を提供することはできます。

金融サービス部門は常に進化しており、AI と ML の新たな発展が起こる可能性が高いことに注意することが重要です。 JP モルガンの AI および ML の実装に関する最新かつ包括的な情報については、最新の出版物やレポートを参照することをお勧めします。

クラウドストライクは、テクノロジー業界、特にサイバーセキュリティの分野のリーダーとして認められています。 クラウドストライクは特にテクノロジー、メディア、電気通信 (TMT) 分野に焦点を当てているわけではありませんが、サイバーセキュリティを目的とした人工知能 (AI) と機械学習 (ML) の応用において大きな進歩を遂げてきました。 Crowdstrike がサイバーセキュリティのための AI および ML 実装において著名なプレーヤーとみなされる理由は次のとおりです。

Crowdstrike の主な焦点はサイバーセキュリティですが、その AI と ML を活用したアプローチが評価を獲得し、同社を業界のリーダーとしての地位を確立しました。 TMT セクターには幅広い企業とアプリケーションが含まれており、このセクターには AI と ML をさまざまな方法で活用する他のプレーヤーが存在する可能性があることに注意することが重要です。 TMT セクター内の AI および ML 実装におけるリーダーシップを評価するには、より広範なセクター内の特定のサブ業界またはユースケースを考慮する必要がある場合があります。

はい、Crowdstrike は、サイバーセキュリティ分野における人工知能 (AI) と機械学習 (ML) の使用のリーダーとして広く認識されています。 Crowdstrike のアプローチには、AI および ML テクノロジーを活用して、サイバー脅威をより効果的に検出して対応することが含まれています。 Crowdstrike がこの分野のリーダーとみなされている理由は次のとおりです。

Crowdstrike は、サイバーセキュリティにおける AI と ML の革新的な使用により、認知度を獲得し、市場でのリーダーシップを獲得しました。 ただし、サイバーセキュリティの状況は動的であり、この分野の他の企業もさまざまな程度で AI および ML テクノロジーを採用している可能性があることに注意することが重要です。 この分野でのリーダーシップを評価するには、複数の要素と業界の評価を考慮する必要がある場合があります。

Notion と Slack はどちらも人気のある生産性ツールであり、異なる目的を果たし、異なる機能を提供します。 以下にそれらの主な特徴を比較します。

概念：

スラック：

要約すると、Notion はメモ取り、文書化、知識管理の多用途性で知られていますが、Slack はリアルタイムのコミュニケーションとコラボレーションに優れています。 Notion は情報の整理とタスク管理のための包括的なプラットフォームを提供しますが、Slack は即時コミュニケーションと外部ツールとの統合に重点を置いています。 この 2 つのどちらを選択するかは、ユーザーまたはチームの特定のニーズと好みによって異なります。 場合によっては、Notion がナレッジ ベースおよびドキュメント ツールとして機能し、Slack がリアルタイムのコミュニケーションを処理することで、相互に補完し合うことができます。

Notion と Slack はどちらもプラットフォームに人工知能 (AI) の要素を組み込んでいますが、AI の使用は焦点と用途が異なります。 以下は、Notion と Slack で AI がどのように活用されているかを比較したものです。

概念：

スラック：

AI の活用に関して、Notion は AI を活用したコンテンツの提案の提供、ナレッジ ベースの編成の支援、データ抽出の自動化に重点を置いています。 一方、Slack は、チャットボット、インテリジェント検索、スマート通知による AI 統合を重視しています。

両方のプラットフォームが進化し続け、新機能が導入されるため、AI 統合の深さと範囲は時間の経過とともに変化する可能性があることに注意することが重要です。 どのプラットフォームが AI をより効果的に活用できるかを評価することは、最終的には特定のユースケースと個人の好みによって決まります。