アップル社が最近発表したAIニュース要約機能が、速報ニュースの要約において重大な誤りを繰り返し、ユーザーに大量の虚偽情報が伝わる事態を引き起こしている。この機能の発表以来、多くの報道機関やユーザーから、アップルの技術が未成熟であり、正確な情報を効果的に提供できないとして強い反発を受けている。ワシントンポスト紙のテクノロジーコラムニスト、ジェフリー・ファウラー氏がソーシャルメディアで、アップルのAIがニュース要約において事実を歪めたと投稿したと報じられている。

現在のメディア業界がAIに対して慎重な姿勢をとる中、ParticleというAIニュース閲覧アプリがその状況を変えようとしています。元Twitterのエンジニアが開発したこのアプリは、ユーザーがニュースをより深く理解するのを支援するとともに、従来のメディア機関とのウィンウィン関係を模索しています。Particleは、元Twitterプロダクトマネジメント上級ディレクターのSara Beykpour氏と、元Twitterおよびテスラの上級エンジニアであるMarcel Molina氏によって共同設立されました。同社は、

日本のイオン系のスーパーマーケットが、AIシステム「Smile-Kun」を使って従業員の笑顔を監視していることが明らかになった。従業員の笑顔や声の分析を通じて接客スキル向上を目指しているという。システムは特定のあいさつ方法を要求し、450個の微表情のポイントで100点満点で採点、リアルタイムでフィードバックする。さらに、音量や滑らかさ、トーンについても分析し、改善点を提案する。従業員の反応では笑顔の割合が大幅に増加したという。しかし、この取り組みは物議を醸しており、一部のネットユーザーからは従業員の個性や感情を過度に数値化しており、真心のこもったサービスとは程遠いとの批判が出ている。批判意見では、上下関係や

マイクロソフト研究所と北京航空航天大学の研究チームは、マルチモーダル大規模言語モデル（MLM）開発における課題解決を目指し、高効率なマルチモーダル埋め込みフレームワークE5-Vを発表しました。この革新的なフレームワークは、単一モーダル学習によってマルチモーダル学習プロセスを簡素化し、従来のモデルに見られた独立したエンコーダーへの依存と、それに伴う入力統合の非効率性を克服します。E5-Vはテキストと画像情報を統合することでトレーニングコストを削減し、テキスト-画像検索、画像検索など、複数の複雑なタスクにおいて優れた性能を示しました。特にゼロショット学習において…

Stability AIは最近、オープンソースのオーディオ生成モデル「Stable Audio Open」を発表しました。最大47秒間、サンプリングレート44.1kHzのステレオオーディオを生成できます。オープンウェイト設計を採用し、ユーザーはモデルの参照、修正、拡張が可能になり、研究開発とイノベーションを促進します。Creative Commonsライセンスのオーディオデータを使用してトレーニングされているため、データの合法性と倫理性が確保されています。高度なモデルアーキテクチャにより、高品質なステレオオーディオ生成が可能になり、多様性と高忠実度が実証されており、最先端モデルと同等の性能を発揮します。このツールは研究者にとって...

見逃せないニュースです。大規模言語モデルプラットフォームのCohereが、シリーズDで5億5000万ドルの資金調達を行い、評価額は55億ドルに達しました。カナダ・トロントに拠点を置くスタートアップ企業Cohereは、グーグルブレインとCortexで経験を積んだAidan Gomez、Ivan Zhang、Nick Frosstの3名によって設立されました。CEOのAidanはトロント大学で...

GoogleのGemini AI技術が、スマートソリューションとして初お披露目。パリ五輪ではNBCユニバーサルと米国オリンピック委員会と協力し、革新的な連携モデルを構築します。AIによる実況解説を通して、かつてないパーソナライズされた視聴体験を提供。視聴者は、パーソナライズされた毎日の試合ハイライトやAIによるAl Michaels風解説などをPeacockアプリで利用でき、興味のある視点を選んで視聴可能。NBCユニバーサルは、オリンピックを理解するためのコーナーも設置し、Googleの最新の技術を…

Arcee AIは最近、最新のオープンソース言語モデルArcee-Novaを発表しました。このモデルはQwen-72B-Instructをベースにしており、GPT-4に匹敵する性能を示し、論理的推論、創造的なライティング、コード生成、言語理解、カスタマーサービスアプリケーションなど、多様な機能を備えています。多様な汎用データセットによるファインチューニングと強化学習による最適化を経て、Arcee-Novaは分野を横断した適応性を持ち、OpenLLM Leaderboard 2.0でトップクラスの性能を示しています。

アップルが、DCLM-Baseline-7Bという全工程を網羅した言語モデルをオープンソース化し、AI分野の発展を促進。このモデルには、事前学習データセット、データ処理、トレーニングから評価までの全プロセスが含まれており、研究者や開発者にとって包括的な理解を深めるためのリソースとなる。MMLUテストでは、Mistral-7B-v0.3やLlama-38Bと同等の性能を示した。Transformerアーキテクチャに基づき、DCLM-Baseline-7Bは高度な設計が採用され、PyTorch/OpenL向けに最適化されている。

マイクロソフトの研究者らがSpreadsheetLLMという研究を発表しました。これは、革新的なコーディングフレームワークを通じて大規模言語モデル（LLM）がスプレッドシートを解釈できるようにすることを目指し、データ管理と分析における効率性の課題を解決しようとするものです。複雑な数式や操作を習得する必要なく、自然言語でAIに質問することでスプレッドシート処理の効率を向上できることが期待されています。主な貢献としては、SheetCompressorとChain of Spreadsheetという2つのコア技術があり、後者は…

日本のスーパーマーケットチェーンAEONが、AIによる笑顔監視システム「Mr. Smile」を導入。表情や音声の特徴など450種類以上の要素を分析し、従業員の接客態度を評価することで、標準化された笑顔による顧客満足度の向上を目指している。システムは顕著な効果を示しているものの、従業員のプライバシーや顧客への嫌がらせに関する懸念も引き起こしている。この技術は以前の一律の笑顔の理念と類似しており、自然な笑顔を重視する日本のマクドナルドの取り組みとは対照的である。一方、福岡県にあるスーパーの低速レジ導入は好評を博し、売上の増加につながっており、従業員の福利厚生と顧客体験のバランスの重要性を示唆している。

OpenAIが最近リリースしたGPT-4o Miniについて、CEOであるサム・アルトマン氏がその命名の難しさを認め、批判に対して名称変更を検討する必要があると述べました。GPT-4o Miniは、コスト効率とチャットボット開発への適合性から注目を集めていますが、複雑な名称が広く議論されています。最近、アルトマン氏は批判に答えて、このアルファベットと数字の組み合わせによる命名方法の難しさを率直に認め、将来的な名称変更を検討すると述べました。SoraやDALL-Eなど、他のプロジェクトでは革新的な命名センスを見せていますが、GPT…

Neo4j LLMナレッジグラフ構築ツールは、複雑なデータ処理の課題を解決するために開発されました。OpenAI、Geminiなどの強力な機械学習モデルを活用することで、非構造化データを構造化されたナレッジグラフに迅速に変換し、効率的なデータ分析を実現します。このツールは柔軟なデータ抽出機能を備えており、ユーザーはニーズに合わせてパターンをカスタマイズできます。また、データクレンジングオプションを提供し、データ品質を確保します。複数の検索強化生成技術により、インテリジェントなデータ検索を実現し、視覚的なナレッジグラフとテキスト埋め込み語彙グラフの組み合わせにより、理解を促進します。

BlazeBVDは、未知の劣化状況下でも動画のちらつき効果を自動的に高速に除去し、同時に動画コンテンツの完全性と色彩の忠実性を維持することで、動画品質を大幅に向上させる新しい脱フリッカーアルゴリズムです。尺度時間バランス（STE）法を用いてビデオフレームのヒストグラムを処理し、ちらつきと局所的な露出変化をインテリジェントに捉えることで、効率的で高速なフリッカー除去を実現します。その動作原理には、ヒストグラム支援、STEフィルタリング、グローバルおよびローカル脱フリッカーモジュール、および適応型時間整合処理が含まれます。BlazeBVDは…

DeepL社が最新開発した言語モデルは、翻訳精度においてGoogle翻訳やGPT-4を凌駕。主要な翻訳テストにおいて、従来モデルや競合製品を上回る性能を発揮しました。7年以上にわたる独自のデータで学習したこのモデルは、翻訳と校正に特化。日本語、英語、ドイツ語、簡体字中国語に対応し、今後、対応言語の拡大を予定しています。ブラインドテストの結果、「日英相互翻訳」、「中国語-英語相互翻訳」、「独英相互翻訳」において、新モデルの優位性が明確に示され、翻訳品質の大幅な向上が確認されました。Google翻訳、GPT-4と比較。

ブラジルの国家データ保護局（ANPD）が、Metaによるブラジル国民の個人データを用いたAIモデルのトレーニングを禁止する命令を出しました。これは、MetaのブラジルにおけるAI製品展開計画に大きな課題をもたらします。ANPDは、この行為がユーザーの基本的人権を深刻に侵害する可能性があると判断し、コンプライアンスを確保するための罰金措置を設けています。この件は、MetaのブラジルにおけるAI機能だけでなく、グローバルなAI戦略にも影響を与え、特にデータ保護とプライバシーに関する法規制の違いにおいて、テクノロジー企業が世界規模で事業を展開する際に直面する大きな課題を浮き彫りにしています。この事件を受けて、Metaはデータに関する見直しと調整を行う可能性があります。

2024年パリ五輪で、グーグルは公式AIスポンサーとしてNBCユニバーサルを通じて豊富なAI機能を披露します。ライブ放送では、グーグルマップの3Dビューがベルサイユ宮殿、ローランギャロス、水上競技場など競技会場全体の全貌を映し出し、会場のイベント詳細も提供します。解説者はグーグルAI検索の概要機能を活用し、オリンピックとパラリンピックに関する問題を議論します。Geminiやその他のグーグルAIツールは、俳優や選手が「ソーシャルビデオや深夜の宣伝活動」で新たな情報を理解する上でも役立ちます。

AIハードウェアスタートアップのGroqは、2つのオープンソース言語モデル、Llama-3-Groq-70B-Tool-UseとLlama-3-Groq-8B-Tool-Useを発表しました。バークレーの関数呼び出しランキングで、OpenAI、Google、Anthropicなどのテクノロジー大手製品を打ち破り、特定のタスクにおいてトップレベルのパフォーマンスを実現し、一部の独自モデルを上回りました。これらのモデルはMetaの基本モデルとファインチューニングに依存しており、直接的な選好最適化によって実現されています。

OpenAIが最新モデルGPT-4o miniを発表。同社製品群の「お求めやすい価格」小型モデルとして、AI革命の新たな幕開けを告げます。AI技術の普及とコスト削減を目指し、GPT-4o miniは性能と価格の両面で理想的なバランスを実現しました。最大の特徴は、入力トークン100万あたり15セント、出力トークン100万あたり60セントという低価格で、性能はGPT-3.5 Turboを上回り、価格は60%以上削減されています。本モデルは、直列または並列で呼び出すことが可能です。

オーストラリアでは、人工知能技術の急速な発展に伴い、吹き替え業界の地元従事者がかつてない挑戦に直面しています。報道によると、約5000人のオーストラリア人声優の仕事が脅かされており、その主な原因は、安価なAI生成音声による人間の吹き替えへの挑戦です。AAVA（オーストラリア声優協会）は、AIが人間の吹き替えの仕事を完全に奪う可能性を懸念しています。AAVAの会長、サイモン・ケネディ氏は、AIによる吹き替え業界への影響が協会設立の理由の一部であると述べていますが、彼らが技術に反対しているのではなく、