カナダのAI画像生成企業Ideogramは本日、新しい画像モデルIdeogram2aを正式にリリースし、Ideogramのウェブサイト、API、およびパートナーシッププラットフォームで全面的に利用可能になったと発表しました。この発表はXプラットフォームで瞬く間に話題となり、AIによるテキストから画像生成分野における重要なアップグレードと見なされています。Ideogram2aは、より高速な生成速度、より低いコスト、および最適化されたグラフィックデザインと写真機能により、世界中のクリエイターや開発者の注目を集めています。

近年、大規模言語モデル（LLM）のトレーニングはますます高コスト化、複雑化しており、限られた大規模テクノロジー企業だけが対応する計算リソースを保有しています。しかし、Googleは最近、SALT（小規模モデルによる大規模モデルトレーニング支援）と呼ばれる新しい手法を発表しました。この革新は、AIトレーニングの様相を一変させる可能性があります。画像注記: 画像はAIによって生成され、画像ライセンスプロバイダーMidjourneyが、Google ResearchとDeepMindの最新の研究論文「ほんの少しの助けで、遠くまで行ける：小型言語モデルを活用した～」に基づいて作成されました。

著名なAIイラスト生成プラットフォームMidjourneyは、近日、大規模な特典企画「Relaxマラソン」を発表しました。2024年末まで、わずか10ドルでRelaxモードにおいて画像の無制限生成が可能になります。バリエーション作成や参照画像生成などの基本機能も含まれ、画像生成速度も大幅に向上し、ほぼ瞬時に生成できるようになりました。この企画は、来年発売予定の新モデルに向けた大量のサーバーリソースを有効活用するためのもので、現在これらのサーバーは一時的にアイドル状態にあります。Midjour

グーグルは水曜日に、AIコーディングアシスタント「Jules」を正式に発表しました。これは、プログラミングタスクの自動化におけるグーグルの大きな進歩を示すものです。最新のGemini 2.0プラットフォームをベースに開発されたJulesは、開発者が休憩している間にも、ソフトウェアのバグを自主的に修正し、コードの変更を準備することができます。このシステムはGitHubのワークフローシステムと直接統合され、複雑なコードベースを分析し、複数のファイルにまたがる修正を行い、継続的な人的監視なしで詳細なプルリクエストを生成できます。Julesの発表は…

深層学習の急速な発展は、大規模なデータセット、モデル、計算量に依存しています。自然言語処理やコンピュータビジョン分野では、研究者らはモデル性能とデータ規模の間に冪乗則関係があることを発見しました。しかし、ロボット分野、特にロボット操作分野では、同様の大規模な法則はまだ確立されていません。清華大学の研究チームは最近、論文を発表し、ロボット模倣学習におけるデータ規模の法則を探求し、効率的なデータ収集戦略を提案しました。この戦略により、たった半日で十分なデータを収集し、…

高品質で時間的に連続した動画の生成には、特に長い時間範囲を扱う場合、膨大な計算資源が必要です。最新の拡散Transformerモデル（DiTs）は動画生成において著しい進歩を遂げましたが、より大規模なモデルと複雑なアテンション機構に依存しているため、推論速度が遅く、この課題を悪化させています。この問題を解決するため、Meta AIの研究者らは、動画DiTsを高速化するAdaCacheという訓練不要な手法を提案しました。

2024年10月22日 - Anthropicは、新世代高速モデルClaude 3.5 Haikuを発表しました。同社によると、Claude 3 Haikuと同等の速度で、Claude 3.5 Haikuはあらゆるスキルにおいて向上し、多くのインテリジェンスベンチマークで前世代の最大モデルであるClaude 3 Opusを上回っています。Claude 3.5 Haikuは、当初は純粋なテキストモデルとしてリリースされ、画像入力機能は近日中に追加される予定です。

OpenAIは、今年2月に発表された動画AI「Sora」の大幅なアップデートに取り組んでいます。The Informationが同社の経営陣に近い関係者から得た情報によると、開発中の新バージョンでは、オリジナルのデモよりも高速に、より長く、高画質の動画クリップを作成できるようになる見込みです。なお、Soraは当初、完全な準備が整っていない状態で発表されました。最初の動画生成には10分以上かかったと伝えられています。

フランスのAIスタートアップ企業Mistralが、Codestral Mambaという新しいコーディングモデルを発表しました。このモデルは処理速度が速く、256,000トークンを超える長いテキストを効率的に処理できることが特徴で、市場の競合製品を大きく上回っています。効率的なMambaアーキテクチャに基づいており、優れたプログラミング性能を示し、特にローカルのコーディングプロジェクトに適しています。同時に、Mistralは数学的推論とSTEM分野のアプリケーションに特化したMathstralも発表しており、どちらもオープンソースライセンスで提供され、…を含んでいます。

新たなTransformer高速化技術FlashAttention-3を発表。大規模言語モデルの推論速度を大幅に向上させ、運用コストを削減します。以前のバージョンと比較して、GPU利用率が大幅に向上し、トレーニングと実行速度が1.5～2倍向上しました。低精度数値（FP8）を採用することで、高い精度を維持しながらコストを大幅に削減します。長いテキストの処理能力が大幅に向上し、メモリ消費とシーケンス長の関係が大幅に最適化され、特に大規模データセットと長いシーケンスとの互換性が向上しました。技術的なハイライトには、高度なアルゴリズムが含まれます。

Groq社は最近、自社ウェブサイトで、大型言語モデルの高速なクエリとタスク実行を開発者が直接行える、超高速LLMエンジンを発表しました。

Googleは、AIのトレーニングと推論向けに、最新のフラッグシップ版テンソル処理ユニット（TPU）を発表し、NVIDIAの市場リーダー的地位に挑戦しています。TPU v5pは、Googleが独自設計した最も強力なAIアクセラレーターで、各ユニットに8960個のチップを搭載し、v4の4096個を上回っています。Googleのv5p TPUは、大規模言語モデルのトレーニングにおいて、TPU v4と比べて2.8倍高速であり、2.1倍の価格性能比を実現しています。TPU v5pは、NVIDIAのA100 GPUと比べて4倍高速であると主張されており、トレーニング作業を…

Uber Eatsは、ユーザーにレコメンドを提供し、より迅速な注文方法を提供するAI搭載のチャットボットを開発中です。チャットボットはユーザーの予算や好みに基づいた質問を行い、注文を支援します。Uber Eatsは約3分の1の収益を占めており、人工知能を活用してフードデリバリーを改善することで、DoorDashやInstacartと競合しています。