最近の生成AI系技術ブログトレンドまとめ
IT系の技術ブログを読んでいると、最近は 生成AI や LLM 関連の記事が多いですね！特に Amazon Bedrock がリリースされてから、関連技術や活用方法を解説する記事がQiitaにたくさん投稿されています。
Bedrockは、複数の生成AIモデルをAPI経由で利用できるサービスです。OpenAIのChatGPTや、AnthropicのClaudeなど、話題のモデルが手軽に使えるということで、注目されています。
例えば、こんな記事がありました。
話題のELYZA製LLMをBedrockでサーバーレス化！
GPT-4超えの日本語性能？ 話題のELYZA製LLMをBedrockにインポート！ サーバーレス化してみよう
この記事では、国産LLMであるELYZAのモデルをBedrockにインポートし、サーバーレスなAPIとして利用する方法を紹介しています。
Llama 3ベースの日本語LLMが登場！
なんと、日本語LLMで有名なELYZA（イライザ）社が、Llama 3ベースの新モデルを発表しました！
https://note.com/elyza/n/n360b6084fdbd
パラメーターサイズが2種類あり、70B版は同社のデモアプリ経由で使用可能。日本語性能ではGPT-4超えとの触れ込みです。
GPT-4を超える日本語性能...気になりますね！
Bedrockの「カスタムモデルインポート」という機能を使えば、ELYZAのような外部モデルをBedrockで動かせるのは魅力的です。
関連性の高い記事
- Amazon Bedrock Converse API と Tool use を知識ゼロから学び，発展的なチャットアプリを実装する: BedrockのConverse APIとTool useを組み合わせることで、外部ツールと連携したチャットアプリを作れるんですね！ELYZAのモデルをBedrockにインポートして、Converse APIでチャットボット化...なんてこともできそうです。
- 「Qiitaに聞いた！！」をAmazon Bedrockで作った！（Claude 3でRAG）: BedrockのClaude 3を使って、QiitaをナレッジにしたRAGアプリを作っています。ELYZAのモデルでもRAGを作って比較...なんてことも面白そうですね！
- Amazon OpenSearch ServiceをRAG用のナレッジベースとして整える: OpenSearchをRAG用のナレッジベースとして活用する方法を紹介しています。Bedrockと組み合わせて、強力な検索システムが作れそうですね。
ChatGPTの使いこなしテクニック
生成AI関連で人気の記事をもう一つ紹介します。
この記事は、ChatGPTをより効果的に使うためのテクニックを紹介しています。
はじめに
ChatGPTブームがひと段落した感がありますが、周りのエンジニアでChatGPTを活用している姿をあまり見みません。
基本的なテクニックを理解すれば、エンジニアこそChatGPTを活用できると思うので、普段使用しているテクニックをいくつかピックアップして紹介します。
確かにChatGPTは誰でも使える便利なツールですが、基本的なテクニックを身につけることで、さらに効果的に活用できますね！
この記事では、Markdown記法や変数の使い方、パラメータの設定などを解説しています。特にパラメータ設定は、ChatGPTの出力の質を大きく左右する要素の一つです。
関連性の高い記事
- Claude の Projects にライブラリのリファレンスを丸ごと入れてみる: ChatGPTではなくClaudeですが、外部情報をコンテキストとして取り込む方法を紹介しています。ChatGPTでも、外部情報を活用することで、より高度なタスクに対応できるようになるでしょう。
- さっそくGradioでGPT-4oのAPIを使って画像を説明させるアプリを作ってみた: GPT-4oの画像認識能力を活用したアプリ開発例です。ChatGPTの基本テクニックを応用することで、様々なアプリケーションが開発できそうですね！
- 画像認識が向上した ChatGPT-4o で名刺を読み取る: ChatGPT-4oのOCR機能を活用した例です。ChatGPTはテキスト処理だけでなく、画像処理にも活用できることがわかります。
意外と人気？「あみだくじ変換」
最後に、少し毛色の違う記事を紹介しましょう。
この記事は、あみだくじの変換を数学的に考察したものです。
皆さん一度は、あみだくじを触ったことがあると思います。X(旧twitter)で流れてきたポストをきっかけに、あみだくじについて色々と考えてみましたので共有します。
小学校の算数の問題から発展させて、あみだくじ変換を一般化し、要素数が増えた場合の挙動を考察しています。
関連性の高い記事
- Pythonでの0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 + 0.1 == 1.0 の結果は？: コンピュータにおける浮動小数点数の扱いを解説した記事です。あみだくじ変換のような一見単純な処理でも、コンピュータの内部では複雑な計算が行われていることがわかります。
- 面接官「0.1 + 0.2 == 0.3 が成立しない理由を説明せよ」: 同じく浮動小数点数の問題を扱った記事です。あみだくじ変換の考察にも、数学的な知識が必要になることがわかります。
- 量子コンピューター超入門: 量子コンピュータの基本的な概念を解説した記事です。あみだくじ変換のような古典的な問題も、量子コンピュータでは全く異なるアプローチで解ける可能性があります。
まとめ
生成AIは、今後も発展していくことが予想されます。データサイエンティストだけでなく、様々な分野で活用されるようになるでしょう。
これからもQiitaなどの技術ブログで最新情報をキャッチアップし、生成AIの可能性を探求していきましょう！