GPT-4o｜ChatGPT最新モデルは何が凄いのか？
Summary
TLDRこの動画スクリプトでは、OpenAIが発表した最新の言語モデルGPT-4Oについて詳しく解説しています。GPT-4Oは、自然言語だけでなく音声や画像も扱える多機能なモデルで、GPT-4ターボに匹敵する性能を持ちながら、より高速にテキストを生成できると報告されています。また、マルチモーダルタスクにおいても優れた性能を発揮し、音声認識や翻訳タスクにおいても既存のモデルを超える精度を示しています。しかし、音声会話機能はまだ提供されておらず、今後の開発に期待が高まっています。スクリプトは技術的な詳細と評価方法を交えて、AI技術の進歩とその社会的影響について考えさせられる内容となっています。
Takeaways
- 😲 GPT-4が発表されたと話題に！これはOpenAIが開発した新しいモデルで、自然言語データだけでなく音声や画像も扱える機能を持つ。
- 📈 GPT-4はGPT-4 Turboに匹敵する性能を持ち、さらに英語以外の言語ではその性能を超えていると報告されている。
- 🚀 GPT-4はテキスト生成が2倍高速に改善されており、GPT-4 Turboの半分の費用で利用できるというコストパフォーマンスの向上がある。
- 🔍 GPT-4はマルチモーダルタスクに対応しており、テキストと画像を組み合わせた問題にも対応できる能力を持っている。
- 📊 M3EXデータセットでの評価では、GPT-4は全ての言語でGPT-4以前のモデルを超える性能を発揮していることが示されている。
- 👂 音声認識タスクにおいても、GPT-4は最新の音声認識モデルを超える性能を持ち、低いエラー率を記録している。
- 🗣️ 音声翻訳タスクにおいてもGPT-4は優れた性能を発揮しており、他の企業のモデルと比較しても最も良い結果を出している。
- 💬 チャットGPTではテキストと画像の処理機能が提供されており、今後はボイスモードの提供も予定されている。
- 🔌 APIではテキストと画像、あるいは両方を入力としてテキストを出力する機能が提供されており、今後さらに機能が拡張される可能性がある。
- 🧠 GPT-4は単一のニューラルネットワークで全ての入力と出力を処理するという革新的な構成を取っているとされている。
Q & A
GPT4のアップデート版が発表されたのはいつですか？
-GPT4のアップデート版であるGPT4Oは5月14日の午前2時に発表されました。
GPT4Oの主な特徴は何ですか？
-GPT4Oは自然言語データ、音声、画像などを一つのモデルで扱えることが特徴です。また、性能が向上し、テキスト生成の速度がGPT4ターボの2倍となり、費用も半分です。
GPT4Oが優れている点はどのように評価されていますか？
-GPT4Oは様々なデータセットで評価されており、GPT4よりも全ての言語で優れた性能を示しています。具体的には、マルチモーダルタスクや音声認識、音声翻訳などで他のモデルを上回っています。
GPT4Oのテキスト生成速度はどれくらいですか？
-GPT4Oのテキスト生成速度はGPT4ターボの2倍速く、またその費用は半分です。
GPT4Oの音声生成速度はどれくらいですか？
-GPT4Oは0.32秒で音声生成ができ、人間の反応時間に匹敵する速度で会話が可能です。
GPT4OのAPIが提供している機能は何ですか？
-現在提供されているAPIでは、テキストと画像を入力としてテキストを出力する機能があり、今後は音声や映像の処理機能も提供予定です。
GPT4Oの技術的な新規性は何ですか？
-GPT4Oでは、テキスト、画像、音声を一つのニューラルネットワークで処理する構成になっており、従来の複数のモデルを組み合わせたパイプラインから進化しています。
従来の音声モードの処理方法とGPT4Oの違いは何ですか？
-従来の音声モードは音声認識モデル、テキスト生成モデル、音声合成モデルのパイプラインで構成されていましたが、GPT4Oでは単一のニューラルネットワークで全ての処理を行います。
GPT4Oが既存のモデルを超える性能を示している具体例は何ですか？
-GPT4OはM3EXデータセットや音声認識タスクなどで既存のモデルを超える性能を示しており、全ての言語でGPT4を超える正解率を記録しています。
GPT4Oの提供予定の新機能は何ですか？
-GPT4Oは今後、ボイスモードを提供予定で、音声を入力・出力する機能が追加される予定です。また、APIにおいても音声や映像の処理機能が提供予定です。
Outlines
😲 GPT-4Oの登場とその特徴
GPT-4Oが発表されたと話題に！これはオープンAIが開発した多様なデータタイプを一つのモデルで扱える「オムニ」モデル。5月14日に発表され、自然言語データだけでなく音声や画像も処理できるという点で非常に興味深い。性能面ではGPT-4ターボと同等かそれ以上の性能が出ていると報告されており、英語以外の言語ではGPT-4ターボを超える能力を持っている。さらに、テキスト生成が2倍高速に改善されているとのこと。料金面でもGPT-4ターボの半分のコストで提供されると話題です。
📈 GPT-4Oの性能評価と比較
GPT-4Oの性能は様々なデータセットを通じて評価されている。M3EXデータセットでの評価では、GPT-4を超える正解率を示しており、言語だけでなく画像を含むマルチモーダルな問題にも対応している。音声認識においても、最新のウィスパーモデルを超える性能を発揮していると報告されている。音声翻訳においても他の企業のモデルと比較して最も優れた性能を示しており、GPT-4Oは非常に高精度な結果を出すと評価されている。
🔊 GPT-4Oの技術的構成と機能の展望
GPT-4Oはこれまでの音声モードとは異なる技術的構成を持っている。従来は音声認識モデル、チャットボット、音声合成モデルがパイプライン的に処理を行っていたが、GPT-4Oでは全ての入力と出力が同じニューラルネットワークで処理されるというシンプルかつ強力な構成を採用している。今後、テキストだけでなく画像や音声も入力し、テキストや音声、映像を出力できる機能が提供される予定で、その際の料金もGPT-4ターボの半分以下になるという利便性がある。
🤖 GPT-4Oの技術革新と多様性
GPT-4Oは技術的な革新をもたらしている。これまでのマルチモーダルモデルでは、それぞれのメディアに特化したニューラルネットワークが特徴量に変換されていたが、GPT-4Oでは全てのメディアタイプを同じニューラルネットワークで処理することができる。これは非常に大きな技術的飛躍であり、これまでの考え方を刷新している。また、この技術は言語獲得能力など人間の特有の能力にも影響を与える可能性があると議論されている。
🚀 GPT-4Oの未来性と社会的影響
GPT-4Oは技術的な進歩だけでなく、社会にも大きな影響を与える可能性がある。人間の反応速度を超える処理速度を持つことから、ビジネスのあり方やマーケティング、営業などの分野におけるAIの活用が進むことが予想される。AIによる効率化と自動化が進むことで、企業の競争力向上や新しいビジネスモデルの創出が期待されている。
Mindmap
Keywords
💡GPT4O
💡オムニモデル
💡言語モデル（LLM）
💡性能評価
💡テキスト生成
💡マルチモーダルタスク
💡音声認識
💡API
💡ボイスモード
💡ニューラルネットワーク
Highlights
GPT4Oという新しいモデルが発表された。これは自然言語データ、音声、画像などを一つのシステムで扱うことができる。
GPT4OはGPT4ターボに匹敵する性能を持ち、英語以外の言語ではその性能を超えている。
GPT4Oはテキスト生成が2倍高速で、正確性と速度の両面で改善されている。
GPT4OはAPIを通じて利用可能で、GPT4ターボの半分の費用で提供される。
GPT4Oはテキストだけでなく、画像や音声も扱うことができるが、音声会話はまだ利用できない。
GPT4Oは人間と同等の反応速度で音声生成が可能な0.32秒の速さを誇る。
GPT4Oはマルチモーダルタスクに対応しており、画像とテキストを組み合わせた問題にも対応可能。
GPT4Oは音声認識タスクでも既存のモデルを超える性能を発揮している。
GPT4Oは音声翻訳タスクにおいても優れた性能を持ち、他の企業のモデルと比較して最も良い結果を出している。
GPT4Oは現在提供されている機能はテキストと画像の処理に限られ、今後ボイスモードが提供される予定。
GPT4OはAPIを介してアプリケーションに組み込まれる機能も提供されており、テキストと画像を入力にテキストを出力する機能が利用可能。
GPT4Oは今後音声や映像の処理を行う機能も提供予定とされている。
GPT4Oは単一のニューラルネットワークで全ての入力と出力を処理する構造となっている。
GPT4Oは従来の音声モードと比較して、より効率的でシンプルな構造を採用している。
GPT4Oはマルチモーダルモデルとして、これまでのモデルと比べて全ての入力と出力が可能となっている点で革新的。
GPT4OはAI技術の進歩において重要な一歩を表していると期待されている。
GPT4Oの発表は技術者や利用者双方にとって非常に重要な意味を持つ。
Transcripts
00:00出たね
00:02うん出ましたね何です
00:06かGPT4出ましたね
00:11ほん何ですかそれはそれは一体何です
00:16かいやオープAIがまチャットGPT出し
00:19てるじゃないですかああいやこれのね
00:22アップデート版が昨日の未名に出たんです
00:26けど
00:27へえなんかあるからアップデート出ました
00:31とか新しいの出ましたとかうんから別何の
00:35気なしにそのリリースページみたいなの見
00:38てたんですようんだなんかえ結構とんでも
00:43ないことをへって書いてないと思って
00:47へえうんなんかシンプルにこれまでのやつ
00:50よりすごくなりましたっていう話にとまら
00:53ずうんなんていうかその研究っていう目線
00:57から見てもなかなかすごいことが起きてん
00:59じゃないかという気がしていますそうなん
01:01だはいなんでこの動画をきっかけにGPT
01:064Oのことを知ってくれた方もいると思う
01:08のでず概要的なところは話しつつあ
01:12ちょっと技術面によった話をしていきたい
01:14なと思ってますはいはいでま今回の内容は
01:18えオーAが新たなモデルGPT4OOって
01:22いうのはオニのOなんですけどえを発表し
01:26ましたまオムニっていうのはあれですね
01:28いろんなタイプのデータ自然言語データと
01:30か音声とか画像とかうんいうのをまあ1本
01:36で扱えますよっていうような意味合いなん
01:38ですけどうんうんこれが発表されましたと
01:40でま公式ホームページ詳しくは見て
01:43いただければと思うんですがえっと5月
01:4614日の午前2時に発表されてでま
01:50リリースページというかこういうものです
01:52よっていう紹介のページもあるんですけど
01:53ま結構情報がいっぱいあってで英語で基本
01:57書かれてるんでまちょっと特筆し体点って
01:59いうのをピックアップしてちょっと砕いて
02:02話していこうかなと思いますお願いします
02:06はいでえこの動画を見ていただくことで何
02:09が分かるかっていうところなんですけどま
02:11大希望言語モデルllmの性能がま良く
02:13なりましたみたいな発表ってよくあると
02:15思うんですけど俺その良いとか悪いとかっ
02:18て何を持って判断してるのかっていう
02:20ところがクリアになるかなっていうのが1
02:22つうんうんでまこれは技術者っていうか
02:25エンジニアに限らずま利用者っていう目線
02:28でもどういった面で良くなっのかっていう
02:30のを自分で見極められるっていうのはえ
02:32非常に重要なところかなと思い
02:36ますでもう1つこのGPT4Oで使われて
02:40いるま技術についても簡単にだけど書いて
02:43あってまそこがねま発表されてない情報が
02:47かなり多いのでまだ分かりきらないとこは
02:49あるんですけどこの研究目線で見ても
02:52めちゃくちゃ大きなことをやってるんじゃ
02:54ないかという気がしていてちょっとそこを
02:56後半に話していこうと思いますうんうん
02:58はいはいじゃまず1点目この性能がいいと
03:02か悪いとかって何を持って判断してるの
03:03かって話でま結論から言うとそ評価用の
03:06データっていうのがいっぱいあるんですよ
03:08うんまそのデータを作ること自体も結構
03:10研究として成立するぐらいの話なんです
03:13けどま主にどういった点で良くなってる
03:16かっていうのをちょっと見ていこうと思い
03:18ますはいでま他方面で性能が上がりました
03:22と報告されてる限りではなんていうか
03:25いかなる面でもGPT4Oが優れてる
03:27みたいな感じ
03:31語あとプログラミングうんのところでは
03:35GPT4ターボこれは1個前のモデルです
03:38ねGPT4の高速版うんあるところの
03:42GPT4ターボに匹敵する性能が出ていて
03:45で英語以外の言語ではポターボを超えて
03:48いるへえいうように報告されていますうん
03:52のでシンプルに性能良くなってるんだけど
03:56さらにねあの僕勝手にままたすっげえ
03:58でっかいモデルが出てきたんだろうなと
04:01うん思っていてえま結構動作的にはラグが
04:06大きかったりするんだろうなと思ってたん
04:08ですよねうんまていうのはGPT3から
04:10GPT4に新しくなった時にま結構
04:15レスポンスとしては遅くなった印象があっ
04:17たので
04:18うーんなんですけどま引きの要件なので
04:22シンプルな正確さというか出力が正確であ
04:25るっていう面以外にま以下の点でえ改善が
04:28見られているというのででこの3つ上げ
04:30てるんですがGPT4ターボの2倍高速に
04:33テキスト生成ができるへえなので性能良く
04:36なりながらめちゃ早くなってるうんうん
04:39うんうんでしかもまこれAPIっていうの
04:42を書いてるんですがこれはプログラムを
04:44使って大規模言語モデルに命令を投げてえ
04:48答えをもらってみたいなことをするなんで
04:50アプリ開発とかで使うものなんですがこれ
04:53がですね使う使えば使うほど料金がかかる
04:55ものなんですけどGPT4ターボの半分の
04:57費用でふんうんなんで半分の値段で倍早い
05:03やつを使えるしかも性能がより良いって
05:05いうへえようなもうなんか全部のセセット
05:07みたいになってますでさらにまオムニって
05:12言っているぐらいなのでまテキストだけで
05:14なく画像とか音声も扱うことができてま
05:17これまた後で話しますけどまだ音声会話が
05:20できる状態にはなってないつまり機能とし
05:23ては用意できてるけどまだ僕らが使える
05:26状態じゃないっていうことですねうーまな
05:29のでちょっとまだ待の状態なんですが人間
05:31の反応時間に匹敵する速度なんで0.32
05:34秒で音声生成ができるとだからごく自然な
05:39レスポンス速度で会話ができるめっちゃ
05:42すごいやんめっちゃすごいあのこれなんか
05:46ちょっとしたことをググりたいみたいなの
05:48がなんか仕事の中で多発してそれがなんか
05:51めどくさいみたいなの結構あると思うんだ
05:53けどうんまこのGPT4これを片に置い
05:58といてなんかララ喋りながら仕事する
06:00みたいなことができるようになるんじゃ
06:01ないかっていうへえ何でも知ってる人間が
06:05隣にいるみたいな感覚よねそうそうそう
06:08しかもねげあれなんだよなんか
06:10デモンストレーションの動画みたいなのが
06:12公式ページには出てるんですけどうんあの
06:15スマホでうん今ここにこういうのが映って
06:19んだけどなんとかかんとかみたいな喋って
06:21動画撮りながら喋ってでそれに対して返事
06:24が来るみたいなだから映像と音声の
06:27掛け合わせみたいなこともできてるうん
06:29へえすげえな激ヤバなんです
06:32がでこのこれですね匹敵するとか超えてる
06:36とかうんえこの部分をどうやって評価し
06:39てるかっていうところでえっとホーム
06:42ページ見ていただくといくつかのデータ
06:44セットで評価をしていますでちょっといく
06:47つかピックアップしてみようかなっていう
06:49のでまずこれM3EXムっていうデータ
06:52セットなんですけどもこれはま問題の例が
06:55これとかこれと
06:57かな感じでえっとここが空しになってて
07:01そこに当てはまるものをABBCDから
07:03選べみたいなうんうんうんそういう問題が
07:06いっぱい入ってるデータセットなんです
07:07けどまここのの言語で書かれていてで選択
07:10式でかつず表が含まれているので文章読ん
07:13で答えるだけじゃなくてそこに置いてある
07:16図を理解しなきゃいけないっていうまこう
07:19いうテキストとか画像とかってそれぞれ
07:22別個ではなくって掛け合わせで理解し
07:25なきゃいけないようなタスクっていうのを
07:27マルチモーダルタスクって言んですけどま
07:29マルチモーダルの能力を測るっていうよう
07:31なデータセットになっていてでこれが実際
07:34の結果ですねえ横軸が
07:37言語で縦軸がま正解
07:41率になっていますでこれを見ていただくと
07:45青いバーがGPT4なので全身のモデルで
07:48で緑色のバーがGPT4Oおおですけども
07:53全ての言語でGPT4を超えていると
07:57うーんいうような形になってます
08:00うんまなので少なくともこの報告されてる
08:02範囲ではこういった問題でえ既存のモデ
08:05ルっていうのを超える性能になってるんだ
08:08なとかっていうそういった判断ができるか
08:10なと
08:12へえで他にもま何種類かあのあってここに
08:15書かれてる限りではないんですけどもあと
08:17は音声認識なので音声を入力としてそれを
08:20文字起こしするっていうタスクでもえ
08:23同じく既存のモデルを超える性能を出して
08:25いてうんでこのオレンジのバーがこれが
08:28ウィスパーの3なんでこれオーAが出して
08:31いる音声文字起こしのモデルで現行最新版
08:34なんですけどあのテキストも
08:37扱えるし画像も扱えるし音声も扱え
08:40るっていうその色々やれるモデルであり
08:43ながらこのま音声音声認識のモデルを
08:47超える性能を出しているとなんでこれ
08:49エラー率なんで小さい方が良いんですけど
08:52もおおなるほど
08:54うんでま横軸はこれは地域ですねどこの
08:58地域の言語かっていういううんうんこれを
09:02書いていてま言語っていうかえ話者かな
09:04話者がどこの地域の人かっていうことかな
09:06と思うんです
09:07がま全ての面でウィスパーを超えていると
09:11[音楽]
09:12ふはいでさらにここは他社のモデルとも
09:16比較をしていて音声翻訳ですね音声
09:19受け取ってそれを別の言語で音声として
09:22返すというタスクについてもこれここが
09:25GPT4Oなんですけど
09:28もあのミにこれGoogleが出してる
09:30モデルですねとか他のえ会社が出してる
09:33ものもえ比較に入れてるんですがそん中で
09:35最も良い性能を出している
09:39へえという感じで非常に高い精度を出して
09:43ますとであのホームページではあのGPT
09:464OがGPT4とかに負けているところが
09:50今んとこ見つかってないから教えてくれ
09:52たら助かるみたいなことが書いてありまし
09:54たへえ全てで上回ってるうんこんな感じ
09:59ですごいなでこれがめっちゃ高かったら
10:02悩むんだけどより安いってなるともうなん
10:05かこれに完全に代替されるって感じがする
10:07よねそうだねうん買えない理由がないよね
10:12そうなんだよね何かあっかなで
10:15もマジでないなうんマジでこれ見る限りだ
10:19とないですねはいというところでま技術あ
10:24すいません性能面の工場っていうとこで
10:26言うとここまでなんですけどえっと
10:28とりあえず今提供されているものと今後
10:31提供予定のもっていうのがあるので
10:33ちょっとここについて話しておくとえっと
10:35チャットGPTなのでWeブラザー開いて
10:38あのチャットするあのあれに関しては今
10:42テキストと画像の処理機能ってのが提供さ
10:44れてますはいなのでテキストでチャット
10:47するとか画像生成するとかま画像と
10:50テキスト入れてなんか変換してもらうとか
10:52いったことはできるとで今後ボイスモード
10:56なんで音声を入力したり音声を出力たり
11:00するっていところが数週間のうちに提供
11:02する予定だという風に書いてありますふ
11:05うんであとはAPIこれはなんで
11:08アプリケーションにこのチャットボットを
11:10組み込むための機能なんですけどもこれに
11:13ついてはテキストとま画像どっちかま
11:15あるいは両方かなを入力としてテキストを
11:18出力する機能が今提供されていてで多分
11:22個人でさらにそれ以外の機能が使えるよう
11:26になるってのはかなり先なのかもしれない
11:28ですねあののパートナー向けになので
11:30パートナー企業とかそういうレベルでえ
11:33支援をしている企業とか向けにえ音声とか
11:36映像の処理っていうのを行う機能提供予定
11:39だという風に書かれて
11:42ますうんという感じですねなので続報を
11:46待ちたいなという感じでいますうんはいで
11:50ここまででまこっち性能の吉足っていうの
11:53は問題集みたいなでデータの集まりに対し
11:56てまかせ解かせて性能をっているんだと
12:00いうところを見てきたんですけどもまこっ
12:02からが特にちょっとびっくりしたとこで
12:05あのGPT4Oで使れて技術ながま研究と
12:08いう目線で見てもかなり新しいことをやっ
12:11てるように見えていますうんていう話をし
12:14ていき
12:15ますはいでGPT4の技術的な新規制って
12:19とこなんですけどえっとこれホームページ
12:21からえ引っ張ってきたので元の部分みたい
12:23方はこちら行っていただければと思うん
12:25ですがなんか22パラグラフぐらいで
12:28さらっと書いてあることをなんかうーんと
12:32か思いながら他のとこ読んでそのまま
12:33読み進んでいったらえ今なん吊ったみたい
12:36な気持ちになったんでちょっと引っ張って
12:37きているんですがあのこれま日本語に直す
12:40とえっとGPT4までの音声モードなんで
12:43音声を入力したりとか出力させた
12:45りっていうところのえ機能っていうのは3
12:48つの別々のモデルのパイプラインですと
12:51従来的にはこうなっていたっていう話なん
12:53ですがえっとまパイプラインっていうのは
12:55複数のモデルを組み合わせてま1本の
12:57データ処理の流れを作ったようものなん
12:59ですけど
13:00もままずは1つシンプルなモデルがえ音声
13:04をテキストに
13:05書き起こすで音声が入力されたらそれを
13:08テキストに直してでチャットボットGPT
13:113.5とかGPT4とかがテキストをえ
13:14入力してテキストを出力するうんでその
13:18テキストを音声化するモデルが最後音声
13:21変換してえ出力が出てくるとうんいう形を
13:25取っていたんですけどもまちょっと本当な
13:28のかって思うんですけどGPT4Oでは
13:30テキストとま映像と音声を通じてエンツ
13:34エンドなんで1個のシステム情報処理の
13:37システムで入力から出力までを担当するて
13:41いう形を取っている
13:44おおまつまり全ての入力と出力が同じ
13:47ニューラルネットワークによって処理され
13:48ますと
13:50へえ書かれていてまこれ以上の記述はない
13:53んですけどマジ文字通り受け取ったら
13:56ちょっとどうやってんのかマジでわかん
13:58ないおおおおうんですよねでまちょっと
14:02もうちょっと見ていくとまGPT3.5と
14:044のボイスモードドっていうのはどういう
14:06形になってたかというところでま人が音声
14:09を入力しますでそうすると音声認識モデル
14:12が入力された音声をテキスト化しますと
14:15うんでまGPT3.5とか4とかっていう
14:18のはまテキストからテキスト出力すること
14:20ができるのでえ入力のテキストに対してえ
14:23返答のテキストを返すまチャットテキスト
14:26によるチャットを行っている
14:29うんでこの返答として得られたテキスト
14:32これを入力として音声合成のモデルこれが
14:35ま最終的に発話としてえ音を出力すると
14:39うんいう形で複数モデルを組み合わせて
14:41実現するような体勢を取っていたんですが
14:45これに対してGPT4がどうやってるかと
14:48言うとまテキストも画像もうん音声もこれ
14:54もどれでも入力してオッケーでで出力とし
14:58てテキストもま映像もえ音声も出力する
15:03ことができるっていう全ての情報処理を
15:04単一のニラネットで行うという構成になっ
15:07ているとま読めるわ
15:10ねうん可能なのそんなことがいやいや
15:18なんかここ書いてあることそんまま
15:20受け取ったらああこうなると思うんだよね
15:23まそうだねそう読めるねうんで同じ
15:27ニューラルネットでていうのがどこまでの
15:30ことを意味してるのかっていうのがうん
15:32結構ポイントなのかなと思っていて
15:36ちょっとまその辺りの背景を話すとこれは
15:38あの1個前の動画で詳しく話してるので
15:40またこのページについてはそちら見て
15:42いただきたいんですけど例えばその
15:44テキストを受け取ってなんか次の単語を
15:48予測していくでチャットをするみたいな
15:51うんモデルってま基本的にベクトル列
15:54つまり入力された文章をちょっと細かく
15:58単語みたいなもので区切っていってうんで
16:01それをベクトルとして表現してそうすると
16:03まベクトルの列になるじゃないですかうん
16:06でこれを処理していくっていう形で設計さ
16:09れてるんですよねテキスト列を処理する
16:10前提で設計されているうんうんという感じ
16:14で画像を処理するネットワークとか音声を
16:17処理するネットワークとかっていうのも
16:18あのどういう形の入力が来るかっていうの
16:21を想定してネットワークそのものの構成が
16:23決まってるの
16:25であのこれを全部1本化するって一体どう
16:30いうことっていううーことなんですよね
16:35うんよくあるてかこのマルチモーダルの
16:38モデル自体は別に今回のこのGPT4Oが
16:42初めてではなくって色々な技術が提案され
16:45ているんですけども一般的にはまず
16:47テキストとかをあの画像とか音声とかって
16:50いうそれぞれに対してそれを
16:53まずその特徴を表すベクトルとかに変換
16:57する個別のニューラルネットワークを
16:59それぞれに用意しておく
17:01うんで出力されたここの部分うんここで
17:08出力されるなんかベクトルとかま行列とか
17:10何なのかは一旦置いといてここの形を揃え
17:14ておくことでうん中核のモデルっていうの
17:18が同じ形の入力を受け取れるようにする
17:22うんで中核モデルが出してきたベクトル
17:26なりなんなりベクトルの列とかかもしれ
17:28ないですけど対して個別の処理
17:30ネットワークを書いてまテキスト画像音声
17:33の出力に対応するっていううんうんうん
17:36こういう形であればこれまでもあったん
17:38ですよねうんうんなのでまこれのことを
17:42言ってるならまそんなに大きなことでは
17:45ないまあ分かるうんまあ分かるうんまとは
17:49いえねテキストと画像を扱えますとかうん
17:54画像と音声を扱えますとかうんっていう
17:57ものはこれまでも
17:59あったんですけど全部受付可能で全部出力
18:03可能っていうのは確かにすごいねへーうん
18:07これはかなりあのいろんな思考錯誤が必要
18:10なところなはずでうんで思考錯誤をするに
18:14は金がないと無理なんですよねうんうん
18:16うんなのでまオープンAならではあの
18:18ところなのかなと思ってるんですがま本当
18:20に文字通り受け取ってこういう構成を取っ
18:23てるならめちゃくちゃ確信的な技術なので
18:26うん早く論文出して欲しいなと思ってます
18:31へえですね結構これ面白いよねそうだねあ
18:37すごいことやってそうだねもしこうだっ
18:39たらそうなんだよねでもうGPT4あたり
18:43から詳細にどういう技術使ってるのかと
18:46かってもう公開されてないのでそうなのか
18:51マジでちょっと頼むオープAIって感じで
18:55いや気になるね俺は座って待ってるだけ
18:58ですけど
18:59知りたいね全貌をいやマジで知りたい
19:03ちょっと会いたいですねオプの人
19:06とはいありがとうございますというところ
19:10でまずllmの性能評価っていうのをどう
19:13いう風に行ってるかでま自分が見たい性能
19:15ま性能って言ってもいろんな側面がある
19:17はずなので自分が見たいところを見るには
19:20どういうデータで評価してるかってのを
19:21まず知る必要がありますよという話が1つ
19:25とまあとはえ報告されてる内容そのまま
19:27受け取ればですけどAI研究としても
19:29かなりインパクトの大きいことをやってる
19:31んじゃないかという期待を込めてこの動画
19:33終わろうと思いますありがとうございまし
19:35たありがとうございまし
19:38たそのもうニューラルネットノが全く別の
19:42気候になってきているうんもうま逆手に
19:46とって逆にこう人間固有とか人に正徳的に
19:50身についてるみたいな風に言われてはい
19:53はいこれをニューラルネットに学習させて
19:55みたらもう学習で対とできるじゃんて
19:59おおなるほどかま言えたりするとあの人間
20:03固有だっていうのを他の動物にはできない
20:06みたいな根拠で言っていたものがうん1つ
20:10反射されたりとかするってこはあり得るよ
20:12ねあああ確かになうんま言語を獲得する
20:18能力とかって人固有だっていう風に言われ
20:21てること結構あるしうんそうだねうんま
20:24ちょっとこの辺はいろんな議論があって
20:26難しいとこだけど
20:29まチャットボットで身につけられ
20:30るっていうことがその辺りに対してね1本
20:35光を差し込むみたいなことになったら
20:37面白い
20:42ああ
20:46難しい難しい話し
20:49てるそうだ
20:54ね確かに
20:57なまあとはあれかそのフレームレートって
21:01あるじゃんああでなんか人間のフレーム
21:04レート超える資格処理みたいなと思う技術
21:07的には多分いつかできるんじゃないかと
21:09思っいやできるんじゃないこのままだとだ
21:13もうすでに
21:14もう人間の反応速度と同じくらいの
21:17スピードでうんできるようにはなってるん
21:20でしょその音声に対して音声に対してね
21:22うん
21:23そうだ超えるのなんてもうすぐなんじゃ
21:26ない
21:28いやあり
21:30[音楽]
21:32えるマジで使いこなせなてやばいかもしん
21:35ない会社員とかいや
21:38マジうん本当にもう全ての業務で代わりに
21:43AIとかがやってくれるような時代がもう
21:47すぐそこまで来てる気がするねうん
21:49うん
21:51からま部署ごとにそのマーケティングと
21:54かま営業とか核部署ごとにノーハウがある
21:59じゃんうんそれ
22:01をAI化する技術みたいな
22:05うんのを持ってる
22:08人材が生き残っていくみたいなこともあり
22:12るかなあ確かになうん
22:19[音楽]
5.0 / 5 (0 votes)