TL;DR ベクトル検索だと、複数のステップを踏まないと答えられない質問の検索がむずい 「TomにEmil Eifrém（Neo4jのCEO）を紹介してくれる人は？」とかを検索むずい ナレッジグラフは構造化データと非構造化データをうまく扱えてベクトル検索の苦手を補える 課題はあるけどナレッジグラフは、Neo４jとLangchainで構築できるよ。 はじめに 今回はベクトル検索の苦手分野をどうしても補ってあげたいとおもっている筆者やまぐちが、ベクトル検索の苦手を補ってあげられるナレッジグラフに関してまとめていこうと思います。 少々長い記事ですが、ベクトル検索を労ってあげたいと思っている方はぜひ読んでください。 ベクトル検索の限界 以前の記事の最後にも少しだけ記載しましたが、ベクトル検索は以下の問題点があります。 必要な情報がTop Kのドキュメントには含まれていない可能性がある。 チャンクの
はじめに ChatGPT が登場してから、様々な大規模言語モデル（LLM）が出てきています。プロンプトエンジニアリング、という言葉も割と浸透してきたなという印象があります。 このプロンプト、というのが意外と厄介で、使用する LLM に応じてお作法が違いますし、LLM が期待する書き方をしないと LLM のポテンシャルを引き出すことができなかったりします。 本記事では、AWS の生成系 AI サービスである Amazon Bedrock から使える Anthropic 社の Claude のプロンプトデザインドキュメントをちゃんと読んでみようと思います。 英語のドキュメントなので英語のプロンプトに関する内容となりますが、きっと日本語でも有用な内容であると信じて、この記事ではプロンプトを日本語にして Claude に回答させています。 プロンプトデザインの章 こちら のドキュメントを見ていきま
はじめに 前回 に続いて、今回も Anthropic 社のプロンプトガイドを見ていきます。 今回は USEFUL HACKS というなんかワクワクする章をしっかり読みます。書かれていることを意訳しつつ、日本語で実験しながら進めます。 注：本記事の実験は Amazon Bedrock の Claude v2 を使って行いました。 USEFUL HACKS ではドキュメントを見ていきましょう！ ハルシネーションを防ぐために「わかりません」と Claude に言わせる 学習データにない知識が必要な質問に回答させようとすると、LLM は話をでっち上げることがあります。これがいわゆるハルシネーション（幻覚）と呼ばれるものですが、大抵の場合話をでっち上げるよりも、知らないものは知らないと回答して欲しいのではないでしょうか。 以下に、よくないプロンプトの例を示します。
はじめ 前回はベクトル検索について詳しく解説しました。今回は最近話題になっているRAGについて、業務で実際に構築した例をベースにお話出来れば、と思います。 前回の記事: 本記事では、RAGについての軽い解説と実践について、ChatBotのAWS上でのアーキテクチャ例の紹介と一部実装例を紹介します。 検索拡張生成（RAG）について 大まかに以下のようなアーキテクチャを取るシステムです。 図１．RAGのアーキテクチャ RAG（Retrieval-Augmented Generation）は、検索機能とテキスト生成を組み合わせた技術です。和訳して、検索拡張生成とも言います。上記アーキテクチャを採用することで、特定のクエリや質問に対してより正確で専門的な情報に基づいた回答を生成することができます。また、大規模言語モデルが起こすハルシネーション(嘘をさも本当のことかのように話してしまう)を軽減するこ
「議事録作成は重要な業務だけど時間がかかりすぎる」 「ChatGPTで議事録作成したいけど手順がわからない」 「ChatGPTの議事録作成プロンプトを知りたい」 こんなお悩みを持った方は多いのではないでしょうか。 議事録は決定事項やアクションプランを共有するための記録であり、ビジネスにおいては重要な資産です。一方で議事録を作成するには手間と時間がかかる上に、作成者によって情報量や作成時間にバラツキが生じます。 こうした課題はChatGPTによって改善可能です。AIを利用することで、作成者による情報のバラツキやミスを無くし、あっという間に議事録を作成できます。またChatGPTを活用した議事録作成によって、社員は空いた時間でより生産性の高い業務を行うことができるでしょう。 本記事では、ChatGPTで議事録作成する方法や、各種AIによる議事録作成の差を比較しています。コピペで使用できるプロン
はじめに 薄紅色の柔らかなそよ風が恋しい今日この頃皆様いかがお過ごしでしょうか？ はじめまして。 某総合電機メーカ・某設計部門（機械設計）に属する 六花 牡丹（りっか ぼたん）と申します。 とある事情でこちらのサイトに不定期で記事を載せることがございます。 本記事ではMambaに関するアルゴリズム・数学的な原理に加え、独自に開発した学習・推論コードを示すことで基礎から応用までをカバーしています。 拙筆ではございますが、皆様のお役に立つことを心から願っております。 未熟者故、記事中にて誤記・欠落などが見られることがございます。 もし発見しました場合には、コメント等にてご指摘いただきますようお願い申し上げます。 私は記事を一般に周知する手段を有していないため、もし記事が有用であると判断された場合には、X（旧Twitter）等で拡散していただけますと幸いです。 2024/02/13 追記： X（
出オチです。（タイトル先行で始める技術ブログがあってもいいじゃない） 先にデモを提示します。 自由に使っていただいて構いません。（びっくりする課金が来たら、止めますw） ここのところ、簡単に構築できる生成AIアプリづくりが個人的ブームになってます。Qiitaをナレッジの情報源としたRAGを作ってみましたので、作り方を解説します。 【未経験者大歓迎】RAG超入門：AWSが推奨するRAGを体験するハンズオンを見ていただいた方へ 上記投稿では、生成AI感がゼロでしたが、同様のことを、プロンプトを使って実現する内容となっています。 生成AIに興味を持っていただいた方は、本投稿も見ていただき、違いを感じていただければと思います。 使用するもの 生成AI：Amazon Bedrock (Claude 3 Haiku) ドキュメント取得：Google検索 画面UI：Streamlit 処理の流れ 先日投
本記事は フューチャー Advent Calendar 2023 18日目の記事です。 昨日は、@RuyPKG さんの「asdf で開発言語と利用ツールのバージョン管理」でした。 はじめに 近年ChatGPTやStable Diffusionなど、生成AIが脚光を浴びています。これらはディープラーニングという機械学習アルゴリズムが用いられており、その計算のためにGPUが広く使われています。本記事ではGPUがディープラーニングで用いられる理由を解説します。 ディープラーニングでGPUが重宝される理由を理解するにはGPUの仕組みとディープラニングのアルゴリズムを簡単に理解する必要があるため、順に説明します。 GPUとは GPUとは並列計算を得意とするプロセッサで。映像出力を主な役割としてPCに取り付けられることが多いです。通常はグラフィックボードという基盤の上に取り付けられています。グラフィッ
30年のキャリアを誇る経営戦略コンサルタント。情報分析や業界分析に強く、未来予測やイノベーション分野が得意領域。一方で雑学にも強く、経済エンタテナーとして各方面に寄稿。経済クイズ本『戦略思考トレーニング』シリーズは20万部を超えるベストセラー。マスコミ関係者の地下クイズ集団『夜会』のメンバーとしても活躍。 今週もナナメに考えた 鈴木貴博 経済誌をにぎわすニュースや日常的な経済への疑問。そのときどきのトピックスについて経済の専門知識を縦軸に、社会常識を横軸において、ナナメにその意味を考えてみる。 バックナンバー一覧 今年大きな話題を集めたChatGPTをはじめとする生成AI。すでに多くのリスクが挙げられていますが、まだ指摘されていないのが「AIクソ上司」の爆誕です。急激な「人生の序列逆転」の恐怖まで、あと少しかもしれません。（百年コンサルティング代表 鈴木貴博） 生成AIには まだ知られてい
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
