Loading video...

Video Failed to Load

Go Home

『100台のロボットからなるAIデータ工場』 実世界で作業しながら学び続ける。 データ生成が競争力になる時代へ… #PhysicalAI #MachineLearning #TrainingData #DataCollection #automation #TutorIntelligence

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

イーロン・マスクが『人類の労働』を終わらせに来ている話 イーロン・マスクは最近こう断言した 『オプティマスは人類史上最大のプロダクトになる』 これは誇張でもマーケでもない ガチのロードマップ テスラがやろうとしているのは 『EVを作る会社』ではない 『AIで動く労働力を大量生産する工場』になること オプティマスは 人型ロボットで 人間と同じ環境で 人間の代わりに働く 工場 倉庫 建設現場 レストラン 介護 物流 農業 人間がやっている ほぼすべてのブルーカラー労働が対象 イーロンははっきり言っている 『人間がやる必要はない』 なぜテスラが勝つのか それはすでに ・自動運転で集めた ・現実世界の映像データ ・人間の動作データ ・物理世界の失敗と成功のログ を世界最大規模で持っているから オプティマスの脳は GrokやTesla AIで学習し 身体はテスラの工場で量産される これはソフトとハードが 最初から一体で設計された 唯一のロボット企業 しかもテスラは すでに年間数百万台の車を 自動化された工場で作っている その生産ラインを 『車』から『ロボット』に切り替えるだけ だからイーロンは 『ロボットの原価は車以下になる』と読んでいる 1体数百万円 数千万台規模で量産 これは 人類史上初めて 『労働がほぼ無限になる』瞬間 だから次にやることが火星 SpaceXは オプティマスをロケットに乗せて 火星に送り込む予定 理由は単純 人間を送る前に ロボットで ・基地を作る ・酸素を作る ・水を掘る ・発電所を作る 火星を『住める星』に変える 人類が降り立つ頃には すでにロボットが街を作っている イーロンがやっているのは AIのデモではない 『人類の労働と居住圏を再定義する産業革命』 オプティマスは ロボットではなく 『新しい経済圏』そのもの だから彼は言う 『これが最大のプロダクトになる』 これは未来の話ではない テスラの工場では もう動き始めている シリコンバレーの最前線で 『いま何が仕込まれているか』を 日本語で構造ごと解説しています ・なぜこの技術が来るのか ・なぜこの会社が勝つのか ・日本はどこで負けるのか この視点を毎日流してます → Taishi | 元シリコンバレーCTO🚀 をフォロー この投稿は オプティマス時代に生き残るための地図になるので ブックマークしておくと後で効いてくる

Taishi | 元シリコンバレーCTO🚀

51,966 views • 6 months ago

江戸時代の古文風テキストで会話できるチャットボット「からまる」を公開 ブログ: デモ: Sakana AIが江戸時代のテキストで学習した「からまる」は現代日本語で質問すると、江戸時代の世界観と当時の古文風テキストで回答してくれます。 「からまる」は、独自に構築した江戸テキストデータセットを元に、一貫して江戸時代の世界観を反映したテキストで回答します。このデータセットは、数千点以上の江戸時代の書物などを元に構築したもので、人間が作成したデータに加えて、今までテキスト化されてこなかった1,000冊以上の書物にもAIくずし字OCRを適用し、新たなデータを作成しました。この膨大なデータをもとに、江戸の世界に関して「からまる」が何を記憶し、回答できるようになったか、ぜひデモで会話しながら確かめてください。 また、本モデルは、分野に特化した大規模言語モデルの一例として、数千万文字規模の継続学習でも十分に有用な成果が得られることを示しています。これは、他の分野での同様のニーズへの展開可能性を示唆しています。 現代の知識を持ちながら江戸時代の世界観で自然に応答することは、人間には非常に困難です。しかし「からまる」は、それを実現し、時代を超えて過去の文化を身近に体感できるため、研究や教育分野での幅広い活用が期待されます。

Sakana AI

665,325 views • 1 year ago

ヤン・ルカン氏が語る、LLMが現実世界の知能において決定的な限界を抱えている理由が非常に本質的です。 主なポイントを解説します。 1. LLMと4歳児が学習するデータ量は同等 最大のLLMは約30兆語(約10の14乗バイト)のテキストデータで学習されています。一見すると膨大な量ですが、実は1万6000時間起きている4歳児が視覚から取り入れる生データ量も、同じく約10の14乗バイトに達します。つまり、両者が処理しているデータ量はほぼ同等です。 2. 学習データの「質」の決定的な違い 子供が取り入れるデータは視覚的かつ連続的で、行動(重力、物の落下、因果関係など)と直接結びついています。子供はこの経験を通じて、直感的な物理学や内部的な「世界モデル」を構築し、わずかな実演を見るだけで新しいタスクを学習することができます。 3. 次のトークン予測の限界 一方でLLMは、テキストデータから次のトークンを予測するように訓練されているに過ぎません。そのため、試験の解答やコーディングといった記号処理には極めて優れていますが、物理的な法則の理解や、現実世界の複雑な経験から効率的に学習する「真の常識」は欠落しています。 AIが本当の意味で人間レベルの知能(AGI)に到達するためには、テキストの海から抜け出し、現実世界の物理法則を理解する「世界モデル」の獲得が不可欠になりそうです。

Kaito

51,260 views • 5 months ago