新着ニュース

24318件
Hugging Face Blog ★3 研究 EN

UnityゲームをHugging Face Spacesでホストする方法

要約を読む要約を閉じる
📰ニュース

Hugging Face Spaces上でUnityゲームをホストし、ブラウザでプレイ可能にする方法が公開されました。

🔍注目ポイント

Unity WebGLビルドをSpacesにアップロードし、簡単な設定でウェブアプリケーションとして公開できるのが技術的ポイントです。

🔮これからどうなる

開発者はUnityゲームのデモやプロトタイプを簡単に共有・公開できるようになり、ユーザーは手軽にゲームを体験できます。

Hugging Face Spacesは、機械学習モデルやデモをホストするためのプラットフォームですが、今回Unity WebGLビルドにも対応しました。
これにより、複雑なサーバー設定なしに、ゲームをウェブ上で公開できる手軽な方法が提供されます。
特に、AIを活用したゲームやインタラクティブなデモの共有に役立ちます。
Hugging Face Blog ★4 LLM EN

AWS Inferentia2でHugging Face Transformersを高速化

要約を読む要約を閉じる
📰ニュース

Hugging Face TransformersモデルがAWS Inferentia2で高速に推論可能に。

🔍注目ポイント

AWS Inferentia2の専用AIチップにより、低コストで高性能な推論を実現。

🔮これからどうなる

企業や開発者は、より安価かつ高速に大規模言語モデルを運用できる。

AWS Inferentia2は、機械学習推論に特化したAWS独自のチップで、高いスループットと低レイテンシを提供します。
Hugging FaceのOptimum Neuronライブラリを使用することで、Transformersモデルを簡単にInferentia2に最適化し、デプロイできます。
これにより、運用コストを削減しながら、モデルのパフォーマンスを向上させることが可能です。
Hugging Face Blog ★4 LLM EN

Transformerを用いたグラフ分類

要約を読む要約を閉じる
📰ニュース

Hugging FaceがTransformerモデルをグラフ分類タスクに適用する手法を紹介しました。

🔍注目ポイント

グラフ構造をシーケンスデータに変換し、Transformerの強力な表現学習能力を活用します。

🔮これからどうなる

複雑なグラフデータの分析が容易になり、創薬やソーシャルネットワーク分析などに応用が期待されます。

グラフ分類は、グラフ全体を特定のカテゴリに分類するタスクです。
従来のグラフニューラルネットワーク(GNN)とは異なり、Transformerは自己注意機構により長距離依存関係を捉えるのに優れています。
この手法は、グラフをノードやエッジのシーケンスとして表現し、Transformerに入力することで分類を行います。
Hugging Face Blog ★4 AI倫理 EN

Substraでプライバシー保護AIを構築する

要約を読む要約を閉じる
📰ニュース

Substraは、データが分散されたままでAIモデルを共同で学習できるフレームワークです。

🔍注目ポイント

データ移動なしに連合学習とプライバシー保護技術を組み合わせ、機密データを安全に利用します。

🔮これからどうなる

医療や金融など機密性の高い分野で、プライバシーを侵害せずにAI開発が加速します。

Substraは、データが各組織のローカルに保持されたまま、モデルの更新情報のみを共有して学習を進める連合学習(Federated Learning)を実装しています。
これにより、データプライバシーを確保しつつ、複数のデータセットから恩恵を受けることが可能になります。
特に、医療分野での診断モデル開発や金融分野での不正検知など、機密性の高いデータを取り扱うAI開発において非常に有効です。
OpenAI Blog ★3 セキュリティ EN

OpenAIのバグ報奨金プログラムを発表

要約を読む要約を閉じる
📰ニュース

OpenAIがセキュリティ強化のため、バグ報奨金プログラムを開始しました。

🔍注目ポイント

外部のセキュリティ研究者からの脆弱性報告に対し、報奨金を支払うことで安全なAI開発を促進します。

🔮これからどうなる

ユーザーはより安全で信頼性の高いOpenAIのAI技術を利用できるようになります。

このプログラムは、HackerOneと提携して実施され、脆弱性の深刻度に応じて報奨金が支払われます。
OpenAIは、安全で信頼できるAI技術とサービスを開発するというコミットメントの一環として、この取り組みを重要視しています。
Hugging Face Blog ★4 LLM EN

Snorkel AIとHugging Faceが企業向け基盤モデル活用で提携

要約を読む要約を閉じる
📰ニュース

Snorkel AIとHugging Faceが提携し、企業が基盤モデルを効率的に活用できるソリューションを提供します。

🔍注目ポイント

Snorkel AIのプログラム的データラベリングとHugging Faceのオープンモデルを組み合わせ、企業特有のデータでモデルをカスタマイズします。

🔮これからどうなる

企業は自社データに基づいた高性能なAIモデルを迅速に開発・導入でき、競争力向上に繋がります。

Snorkel AIは、データラベリングとモデル開発を自動化するプラットフォームを提供しており、Hugging Faceは、多様なオープンソースAIモデルとツールを提供しています。
この提携により、企業はデータ準備からモデルデプロイまでの一貫したワークフローを構築できるようになります。
OpenAI Blog ★3 AI倫理 EN

OpenAIのAI安全性への取り組み

要約を読む要約を閉じる
📰ニュース

OpenAIはAIシステムの安全性確保を最重要ミッションの一つとしています。

🔍注目ポイント

AIの安全性は、開発、展開、利用の全段階で考慮されるべき不可欠な要素です。

🔮これからどうなる

AIの恩恵を社会全体が安全に享受できるよう、信頼できるAIの普及に貢献します。

OpenAIは、AIが人類に利益をもたらすことを目指しており、そのためにはAIが安全に機能することが不可欠だと考えています。
このブログ記事は、その安全性への基本的なアプローチを表明するものです。
具体的な技術や手法については触れられていませんが、今後の詳細な発表が期待されます。
Hugging Face Blog ★4 LLM EN

StackLLaMA: RLHFでLLaMAをトレーニングする実践ガイド

要約を読む要約を閉じる
📰ニュース

Hugging FaceがRLHFを用いてLLaMAをトレーニングする具体的な手法を公開しました。

🔍注目ポイント

RLHF(人間からのフィードバックによる強化学習)をLLaMAに適用する詳細なステップとコードが提供されています。

🔮これからどうなる

研究者や開発者がLLaMAのような大規模言語モデルをより効果的に微調整できるようになります。

このガイドは、報酬モデルのトレーニング、強化学習の実行など、RLHFの各段階を網羅しています。
StackLLaMAデータセットを使用し、オープンソースツールを活用することで、誰でも実践的なトレーニングを試せるようになっています。
Hugging Face Blog ★3 AI倫理 EN

倫理と社会ニュースレター #3: Hugging Faceにおける倫理的オープンネス

要約を読む要約を閉じる
📰ニュース

Hugging Faceが倫理的オープンネスに関する取り組みと課題を共有しました。

🔍注目ポイント

AIモデルの倫理的な利用を促進するため、透明性とコミュニティ参加を重視しています。

🔮これからどうなる

AI開発者や利用者は、より倫理的なAIモデルの選択と利用が可能になります。

Hugging Faceは、AIの倫理的な側面に関する議論を深めるため、定期的にニュースレターを発行しています。
今回は、オープンソースAIにおける倫理的課題と、それに対するHugging Faceのアプローチが紹介されました。
モデルカードやデータシートの導入、コミュニティとの協働を通じて、責任あるAI開発を目指しています。
Hugging Face Blog ★4 LLM EN

大規模言語モデルの高速推論:Habana Gaudi2アクセラレータ上のBLOOMZ

要約を読む要約を閉じる
📰ニュース

Habana Gaudi2アクセラレータ上でBLOOMZモデルの高速推論が実現されました。

🔍注目ポイント

Gaudi2の最適化により、BLOOMZの推論スループットが大幅に向上し、コスト効率も改善されました。

🔮これからどうなる

企業や研究者は、より高速かつ低コストで大規模言語モデルを利用できるようになります。

Hugging FaceとIntel Habanaチームが協力し、BLOOMZモデルをGaudi2上で最適化しました。
この最適化には、DeepSpeed-MIIやOptimum Habanaライブラリが活用され、特にバッチサイズを大きくした際の性能向上が顕著です。
これにより、リアルタイムアプリケーションや大規模なバッチ処理において、より効率的なLLMの運用が可能になります。
Hugging Face Blog ★4 画像生成 EN

Intel CPU上でのStable Diffusion推論を高速化

要約を読む要約を閉じる
📰ニュース

Intel CPU上でStable Diffusionの推論速度が大幅に向上しました。

🔍注目ポイント

OpenVINOとIPEXの最適化により、Intel CPUでStable Diffusionの推論が高速化されました。

🔮これからどうなる

Intel CPUユーザーは、より高速にStable Diffusionを利用できるようになります。

Hugging FaceとIntelの協力により、Intel CPUでのStable Diffusion推論が最適化されました。
特に、OpenVINOとIntel Extension for PyTorch (IPEX) を活用することで、推論速度が大幅に向上し、より多くのユーザーが効率的にStable Diffusionを利用できるようになりました。
Hugging Face Blog ★4 研究 EN

Hugging FaceとFlowerを用いた連合学習

要約を読む要約を閉じる
📰ニュース

Hugging FaceとFlowerを統合し、分散データでの機械学習を容易にする新しいライブラリが発表されました。

🔍注目ポイント

Hugging FaceのモデルとデータセットをFlowerの連合学習フレームワークで直接利用できる点が技術的ポイントです。

🔮これからどうなる

プライバシーを保護しながら、より多くの企業や研究者が分散データでAIモデルを開発できるようになります。

連合学習は、データを一箇所に集めることなく、複数のデバイスやサーバーでモデルを訓練する技術です。
これにより、データのプライバシー保護やセキュリティ強化が期待されます。
Hugging Faceは多様なAIモデルとデータセットを提供しており、Flowerは連合学習のオープンソースフレームワークです。
この統合により、開発者は既存のHugging Faceリソースを連合学習環境で簡単に活用できるようになります。