Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
生成AI(Generative AI)
Search
momoka
July 08, 2024
Technology
0
910
生成AI(Generative AI)
GUGAの生成AIパスポートの合格者がLT会で発表した資料です。
momoka
July 08, 2024
Tweet
Share
Other Decks in Technology
See All in Technology
Claude Codeが働くAI中心の業務システム構築の挑戦―AIエージェント中心の働き方を目指して
os1ma
9
1.5k
【CEDEC2025】ブランド力アップのためのコンテンツマーケティング~ゲーム会社における情報資産の活かし方~
cygames
PRO
0
230
KubeCon + CloudNativeCon Japan 2025 Recap
donkomura
0
160
【CEDEC2025】『ウマ娘 プリティーダービー』における映像制作のさらなる高品質化へ!~ 豊富な素材出力と制作フローの改善を実現するツールについて~
cygames
PRO
0
230
【CEDEC2025】大規模言語モデルを活用したゲーム内会話パートのスクリプト作成支援への取り組み
cygames
PRO
2
770
Tableau API連携の罠!?脱スプシを夢見たはずが、逆に依存を深めた話
cuebic9bic
3
210
S3 Glacier のデータを Athena からクエリしようとしたらどうなるのか/try-to-query-s3-glacier-from-athena
emiki
0
180
【CEDEC2025】『Shadowverse: Worlds Beyond』二度目のDCG開発でゲームをリデザインする~遊びやすさと競技性の両立~
cygames
PRO
1
290
AI関数が早くなったので試してみよう
kumakura
0
120
Lambda management with ecspresso and Terraform
ijin
2
130
Google Agentspaceを実際に導入した効果と今後の展望
mixi_engineers
PRO
2
330
生成AI導入の効果を最大化する データ活用戦略
ham0215
0
110
Featured
See All Featured
Statistics for Hackers
jakevdp
799
220k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
PRO
182
54k
The Cost Of JavaScript in 2023
addyosmani
51
8.7k
Writing Fast Ruby
sferik
628
62k
GraphQLとの向き合い方2022年版
quramy
49
14k
The Myth of the Modular Monolith - Day 2 Keynote - Rails World 2024
eileencodes
26
3k
4 Signs Your Business is Dying
shpigford
184
22k
The Power of CSS Pseudo Elements
geoffreycrofte
77
5.9k
Building Applications with DynamoDB
mza
95
6.5k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
29
9.6k
No one is an island. Learnings from fostering a developers community.
thoeni
21
3.4k
StorybookのUI Testing Handbookを読んだ
zakiyama
30
6k
Transcript
生成AI 非公開
GAN RNN Transformer 目次 AIのレベル AIを実現ための技術(概要) ディープラーニングとニ ューラルネットワーク CNN VAE
AIの区分 1. 2. 3. 3.1 3.2 3.3 3.4 3.6 3.5 0. 自己紹介
GAN RNN Transformer 目次 AIのレベル AIを実現ための技術(概要) ディープラーニングとニ ューラルネットワーク CNN VAE
AIの区分 1. 2. 3. 3.1 3.2 3.3 3.4 3.6 3.5 0. 自己紹介
自己紹介 プログラミングはほぼ独学 学生時代はプログラマー 今はソフトフェアエンジニア(社会人2年生) C# , Java , Phython ,
ShellScript , TypeScript(勉強中) などが使えます 昨日、生成AIパスポートを受験しました(多分合格) LT会はじめてです。優しい目で聞いてください 非公開 非公開
GAN RNN Transformer 目次 AIのレベル AIを実現ための技術(概要) ディープラーニングとニ ューラルネットワーク CNN VAE
AIの区分 1. 2. 3. 3.1 3.2 3.3 3.4 3.6 3.5 0. 自己紹介
AIの区分 ANI AGI Artificial Narrow Intelligence 特定のタスクに特化したAI 目覚ましく進化している Artificial General
Intelligence どんな知的タスクにも対応するAI ほとんど進化していない こっちも進化し てるという誤解 が生じている
GAN RNN Transformer 目次 AIのレベル AIを実現ための技術(概要) ディープラーニングとニ ューラルネットワーク CNN VAE
AIの区分 1. 2. 3. 3.1 3.2 3.3 3.4 3.6 3.5 0. 自己紹介
AIのレベル レベル 呼ばれ方 何ができるか 具体例 レベル1 単純な制御プログラム 条件分岐によって出力する。 ⇒ つまりただのプログラム
AI家電 レベル2 ルールベース 入力データから単純な予測や決定を行う Watsonなどの音声認識や チャットボット レベル3 機械学習 自らパターンを見つけ出し、それに基づいて適 切な出力を調整して返す 特徴量は人間が設定する 検索エンジン レベル4 ディープラーニング 特徴量自体も自ら調整して学習する ChatGPT ※特徴量とは機械学習モデルが学習や予測のために手掛かりとなる変数
GAN RNN Transformer 目次 AIのレベル AIを実現ための技術(概要) ディープラーニングとニ ューラルネットワーク CNN VAE
AIの区分 1. 2. 3. 3.1 3.2 3.3 3.4 3.6 3.5 0. 自己紹介
AIを実現している技術(概要) 自己回帰モデル ディープラーニング 過去のデータを使って次のデータを予測する方法 時系列データの予測が得意 人間の脳を模倣した技術 ニューラルネットワークを重ね合わせて作る CNN(畳み込みニューラルネットワーク) VAE(自己変分符号化器) GAN(敵対的生成ネットワーク)
RNN(回帰型ニューラルネットワーク) LSTM(長・短期記憶) Transformerモデル
AIを実現している技術(概要) 自己回帰モデル ディープラーニング 時系列データの予測が得意 過去のデータを使って次のデータを予測する方法 人間の脳を模倣した技術 ニューラルネットワークを重ね合わせて作る CNN(畳み込みニューラルネットワーク) VAE(自己変分符号化器) GAN(敵対的生成ネットワーク)
RNN(回帰型ニューラルネットワーク) LSTM(長・短期記憶) Transformerモデル 詳しく説明します! 非公開
GAN RNN Transformer 目次 AIのレベル AIを実現ための技術(概要) ディープラーニングとニ ューラルネットワーク CNN VAE
AIの区分 1. 2. 3. 3.1 3.2 3.3 3.4 3.6 3.5 0. 自己紹介
ディープラーニングってなに? ニューラルネットワーク 人口ニューロン (ノード) 人間の脳をプログラム で再現!! ニューラルネットワークを多層に重ね合わせたネットワーク 多層学習とも呼ばれる
GAN RNN Transformer 目次 AIのレベル AIを実現ための技術(概要) ディープラーニングとニ ューラルネットワーク CNN VAE
AIの区分 1. 2. 3. 3.1 3.2 3.3 3.4 3.6 3.5 0. 自己紹介
AIを実現している技術-CNN CNN Convolutional Neural Network 畳み込みニューラルネットワーク 画像認識に使われる 局所的に情報処理 ⇒ 局所的な特徴から全体の特徴を抽出
⇒ 認識
GAN RNN Transformer 目次 AIのレベル AIを実現ための技術(概要) ディープラーニングとニ ューラルネットワーク CNN VAE
AIの区分 1. 2. 3. 3.1 3.2 3.3 3.4 3.6 3.5 0. 自己紹介
エンコーダ AIを実現している技術-VAE VAE Variational Autoencoder 自己変分符号化器 画像認識に使われる ノイズが混ざった情報から元のデータを再現する デコーダ 潜在ベクトル
再現データ ノイズ入り データ 変換 変換
GAN RNN Transformer 目次 AIのレベル AIを実現ための技術(概要) ディープラーニングとニ ューラルネットワーク CNN VAE
AIの区分 1. 2. 3. 3.1 3.2 3.3 3.4 3.6 3.5 0. 自己紹介
AIを実現している技術-GAN GAN Generative Adversarial Networks 敵対的生成ネットワーク 生成器と識別器で競い合う 大量の学習データがいらない ⇒生成AIに大きな影響を与える 生成器
識別器 競い合って互いに進化する 本物っぽい画像を作る 頑張って識別!!
GAN RNN Transformer 目次 AIのレベル AIを実現ための技術(概要) ディープラーニングとニ ューラルネットワーク CNN VAE
AIの区分 1. 2. 3. 3.1 3.2 3.3 3.4 3.6 3.5 0. 自己紹介
AIを実現している技術-RNN RNN Recurrent Neural Network 回帰型ニューラルネットワーク 過去の情報を記憶しながら新しい入力を保持する 前の時刻の出力を次の時刻の出力に利用する 時間的思考性を持つデータに有効 LSTM
特殊なRNN さらに複雑なパターンの時系列データの予測ができる 長文すぎると精度が落ちる
GAN RNN Transformer 目次 AIのレベル AIを実現ための技術(概要) ディープラーニングとニ ューラルネットワーク CNN VAE
AIの区分 1. 2. 3. 3.1 3.2 3.3 3.4 3.6 3.5 0. 自己紹介
Transformerモデル AIを実現している技術- Transformerモデル Self-Attention(自己注意力)という機能を持っている データの順番を考慮せず、一度に処理する 単語の位置は位置エンコーディングで保持する この 花 は キレイ
です。 0.06 0.6 0.03 0.3 0.01 入力文章 Attentionスコア
Transformerモデル AIを実現している技術- Transformerモデルの派生 BERTモデル MLM(Masked Langage Model) ⇒ランダムに単語をマスクする 双方向性を持つ ⇒単語の意味を文脈によって決定することができる
NSP(Next Sentence Prediction) ⇒文脈の関連性を理解できる ALBERT(BERTの軽量モデル) RoBERTa(BERTの改良モデル)
Transformerモデル AIを実現している技術- Transformerモデルの派生 GPTモデル(Generative Pre-trained Transformer) 3.5からRLHFが導入された ChatGPTでは会話向けにファインチューニングされている RLHFとは? Reinforcemrnt
Learning from Human 強化学習の一種 人間からのフィードバックを手掛かりに「より人間が 好む回答」を学習
少し生成AIについて詳しくなれましたか?? 私もまだまだ勉強中なので、アドバイスなどあったら お願いします。 ご清聴ありがとうございました。 今日のご縁を大切にしたいです。
非公開 テックブログ Twitter My data https://kawaii-tech-momoka.com/