Submit Search
Upload
俺が作れるさいきょうAIアシストシステム.pptx
•
Download as PPTX, PDF
•
0 likes
•
23 views
Y
ytakahashineco
Follow
【タガヤス その33】社内環境を改善するため色々なものを作ってみた https://tagayas.connpass.com/event/299591/
Read less
Read more
Technology
Report
Share
Report
Share
1 of 92
Download now
Recommended
JPC2017 [F3] ネクストセット アドオンでつなぐOffice 365 と IoT, ロボット, AI
JPC2017 [F3] ネクストセット アドオンでつなぐOffice 365 と IoT, ロボット, AI
MPN Japan
20230425_getsudemy01_Power Platform + Azure Cognitive Serviceを語らせてください!.pdf
20230425_getsudemy01_Power Platform + Azure Cognitive Serviceを語らせてください!.pdf
Demodori Gatsuo - A Certain Citizen Developers Association
JAZUG_7thAnniversary_CognitiveServices_v2_20170909
JAZUG_7thAnniversary_CognitiveServices_v2_20170909
Ayako Omori
基調講演「データのグループウェア化」
基調講演「データのグループウェア化」
Cybozucommunity
JAZUG_TOHOKU_modeki_20230324_共有版.pdf
JAZUG_TOHOKU_modeki_20230324_共有版.pdf
Yuya Modeki
EXE #3: AIを協力して作成するDapp
EXE #3: AIを協力して作成するDapp
blockchainexe
Data Scientists Love SQL Server
Data Scientists Love SQL Server
Tomoyuki Oota
App015 あなたのアプリに ai_
App015 あなたのアプリに ai_
Tech Summit 2016
Recommended
JPC2017 [F3] ネクストセット アドオンでつなぐOffice 365 と IoT, ロボット, AI
JPC2017 [F3] ネクストセット アドオンでつなぐOffice 365 と IoT, ロボット, AI
MPN Japan
20230425_getsudemy01_Power Platform + Azure Cognitive Serviceを語らせてください!.pdf
20230425_getsudemy01_Power Platform + Azure Cognitive Serviceを語らせてください!.pdf
Demodori Gatsuo - A Certain Citizen Developers Association
JAZUG_7thAnniversary_CognitiveServices_v2_20170909
JAZUG_7thAnniversary_CognitiveServices_v2_20170909
Ayako Omori
基調講演「データのグループウェア化」
基調講演「データのグループウェア化」
Cybozucommunity
JAZUG_TOHOKU_modeki_20230324_共有版.pdf
JAZUG_TOHOKU_modeki_20230324_共有版.pdf
Yuya Modeki
EXE #3: AIを協力して作成するDapp
EXE #3: AIを協力して作成するDapp
blockchainexe
Data Scientists Love SQL Server
Data Scientists Love SQL Server
Tomoyuki Oota
App015 あなたのアプリに ai_
App015 あなたのアプリに ai_
Tech Summit 2016
App015 あなたのアプリに ai_
App015 あなたのアプリに ai_
Tech Summit 2016
[db analytics showcase Sapporo 2017] MicrosoftのAIテクノロジーを活用しよう ~インテリジェントAPIからデ...
[db analytics showcase Sapporo 2017] MicrosoftのAIテクノロジーを活用しよう ~インテリジェントAPIからデ...
Naoki (Neo) SATO
Iot algyan jhirono 20190111
Iot algyan jhirono 20190111
Hirono Jumpei
DLL_言語系MicrosoftAIサービス最新情報_202302.pdf
DLL_言語系MicrosoftAIサービス最新情報_202302.pdf
Ayako Omori
デブサミ関西 2017| IoTビジネスが もっと発展するために必要なものとは?
デブサミ関西 2017| IoTビジネスが もっと発展するために必要なものとは?
SORACOM,INC
『機械学習 (AI/ML) の基礎と Microsoft の AI | 2019/04/02 Global AI Nights Fukui
『機械学習 (AI/ML) の基礎と Microsoft の AI | 2019/04/02 Global AI Nights Fukui
Fujio Kojima
エッジヘビーコンピューティングと機械学習
エッジヘビーコンピューティングと機械学習
Preferred Networks
Spring Security 5.0 解剖速報
Spring Security 5.0 解剖速報
Takuya Iwatsuka
スタートアップで培ったアーキテクチャ設計ノウハウ
スタートアップで培ったアーキテクチャ設計ノウハウ
Masakazu Matsushita
2014年を振り返る 今年の技術トレンドとDockerについて
2014年を振り返る 今年の技術トレンドとDockerについて
Masahito Zembutsu
【B-1】kintoneでお手軽コールセンター!
【B-1】kintoneでお手軽コールセンター!
Sakae Saito
Call Center Watsonのご紹介
Call Center Watsonのご紹介
Hiroshi Tomioka
Smart Brainプレゼン開発コンセプト
Smart Brainプレゼン開発コンセプト
KiBAN iNTERNATiONAL
第36回BAクリエイターズサロン - デジタル時代に クリエータの皆さんが知っておきたい AIと付き合うためのコツ
第36回BAクリエイターズサロン - デジタル時代に クリエータの皆さんが知っておきたい AIと付き合うためのコツ
Daiyu Hatakeyama
Edge から Cloud, Beginner から Professional までサポートする Azure AI プラットフォーム
Edge から Cloud, Beginner から Professional までサポートする Azure AI プラットフォーム
IoTビジネス共創ラボ
リアルFacebookガジェットを作った
リアルFacebookガジェットを作った
Mariko Goda
夏サミ2012 [A-2]ソーシャルプラットフォームを使った業務アプリ開発の現場
夏サミ2012 [A-2]ソーシャルプラットフォームを使った業務アプリ開発の現場
Mitch Okamoto
Container x AI
Container x AI
Tsukasa Kato
【de:code 2020】 ”AI パーツ” であなたは何つくる? Azure Cognitive Services アップデート
【de:code 2020】 ”AI パーツ” であなたは何つくる? Azure Cognitive Services アップデート
日本マイクロソフト株式会社
20170415 mttokyo handson
20170415 mttokyo handson
Six Apart
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
More Related Content
Similar to 俺が作れるさいきょうAIアシストシステム.pptx
App015 あなたのアプリに ai_
App015 あなたのアプリに ai_
Tech Summit 2016
[db analytics showcase Sapporo 2017] MicrosoftのAIテクノロジーを活用しよう ~インテリジェントAPIからデ...
[db analytics showcase Sapporo 2017] MicrosoftのAIテクノロジーを活用しよう ~インテリジェントAPIからデ...
Naoki (Neo) SATO
Iot algyan jhirono 20190111
Iot algyan jhirono 20190111
Hirono Jumpei
DLL_言語系MicrosoftAIサービス最新情報_202302.pdf
DLL_言語系MicrosoftAIサービス最新情報_202302.pdf
Ayako Omori
デブサミ関西 2017| IoTビジネスが もっと発展するために必要なものとは?
デブサミ関西 2017| IoTビジネスが もっと発展するために必要なものとは?
SORACOM,INC
『機械学習 (AI/ML) の基礎と Microsoft の AI | 2019/04/02 Global AI Nights Fukui
『機械学習 (AI/ML) の基礎と Microsoft の AI | 2019/04/02 Global AI Nights Fukui
Fujio Kojima
エッジヘビーコンピューティングと機械学習
エッジヘビーコンピューティングと機械学習
Preferred Networks
Spring Security 5.0 解剖速報
Spring Security 5.0 解剖速報
Takuya Iwatsuka
スタートアップで培ったアーキテクチャ設計ノウハウ
スタートアップで培ったアーキテクチャ設計ノウハウ
Masakazu Matsushita
2014年を振り返る 今年の技術トレンドとDockerについて
2014年を振り返る 今年の技術トレンドとDockerについて
Masahito Zembutsu
【B-1】kintoneでお手軽コールセンター!
【B-1】kintoneでお手軽コールセンター!
Sakae Saito
Call Center Watsonのご紹介
Call Center Watsonのご紹介
Hiroshi Tomioka
Smart Brainプレゼン開発コンセプト
Smart Brainプレゼン開発コンセプト
KiBAN iNTERNATiONAL
第36回BAクリエイターズサロン - デジタル時代に クリエータの皆さんが知っておきたい AIと付き合うためのコツ
第36回BAクリエイターズサロン - デジタル時代に クリエータの皆さんが知っておきたい AIと付き合うためのコツ
Daiyu Hatakeyama
Edge から Cloud, Beginner から Professional までサポートする Azure AI プラットフォーム
Edge から Cloud, Beginner から Professional までサポートする Azure AI プラットフォーム
IoTビジネス共創ラボ
リアルFacebookガジェットを作った
リアルFacebookガジェットを作った
Mariko Goda
夏サミ2012 [A-2]ソーシャルプラットフォームを使った業務アプリ開発の現場
夏サミ2012 [A-2]ソーシャルプラットフォームを使った業務アプリ開発の現場
Mitch Okamoto
Container x AI
Container x AI
Tsukasa Kato
【de:code 2020】 ”AI パーツ” であなたは何つくる? Azure Cognitive Services アップデート
【de:code 2020】 ”AI パーツ” であなたは何つくる? Azure Cognitive Services アップデート
日本マイクロソフト株式会社
20170415 mttokyo handson
20170415 mttokyo handson
Six Apart
Similar to 俺が作れるさいきょうAIアシストシステム.pptx
(20)
App015 あなたのアプリに ai_
App015 あなたのアプリに ai_
[db analytics showcase Sapporo 2017] MicrosoftのAIテクノロジーを活用しよう ~インテリジェントAPIからデ...
[db analytics showcase Sapporo 2017] MicrosoftのAIテクノロジーを活用しよう ~インテリジェントAPIからデ...
Iot algyan jhirono 20190111
Iot algyan jhirono 20190111
DLL_言語系MicrosoftAIサービス最新情報_202302.pdf
DLL_言語系MicrosoftAIサービス最新情報_202302.pdf
デブサミ関西 2017| IoTビジネスが もっと発展するために必要なものとは?
デブサミ関西 2017| IoTビジネスが もっと発展するために必要なものとは?
『機械学習 (AI/ML) の基礎と Microsoft の AI | 2019/04/02 Global AI Nights Fukui
『機械学習 (AI/ML) の基礎と Microsoft の AI | 2019/04/02 Global AI Nights Fukui
エッジヘビーコンピューティングと機械学習
エッジヘビーコンピューティングと機械学習
Spring Security 5.0 解剖速報
Spring Security 5.0 解剖速報
スタートアップで培ったアーキテクチャ設計ノウハウ
スタートアップで培ったアーキテクチャ設計ノウハウ
2014年を振り返る 今年の技術トレンドとDockerについて
2014年を振り返る 今年の技術トレンドとDockerについて
【B-1】kintoneでお手軽コールセンター!
【B-1】kintoneでお手軽コールセンター!
Call Center Watsonのご紹介
Call Center Watsonのご紹介
Smart Brainプレゼン開発コンセプト
Smart Brainプレゼン開発コンセプト
第36回BAクリエイターズサロン - デジタル時代に クリエータの皆さんが知っておきたい AIと付き合うためのコツ
第36回BAクリエイターズサロン - デジタル時代に クリエータの皆さんが知っておきたい AIと付き合うためのコツ
Edge から Cloud, Beginner から Professional までサポートする Azure AI プラットフォーム
Edge から Cloud, Beginner から Professional までサポートする Azure AI プラットフォーム
リアルFacebookガジェットを作った
リアルFacebookガジェットを作った
夏サミ2012 [A-2]ソーシャルプラットフォームを使った業務アプリ開発の現場
夏サミ2012 [A-2]ソーシャルプラットフォームを使った業務アプリ開発の現場
Container x AI
Container x AI
【de:code 2020】 ”AI パーツ” であなたは何つくる? Azure Cognitive Services アップデート
【de:code 2020】 ”AI パーツ” であなたは何つくる? Azure Cognitive Services アップデート
20170415 mttokyo handson
20170415 mttokyo handson
Recently uploaded
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
Recently uploaded
(14)
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
俺が作れるさいきょうAIアシストシステム.pptx
1.
俺が作れるさいきょうAIアシストシステム
2.
自己紹介 株式会社 ねこまた 髙橋 洋介 社内教育や、社内の開発環境を改善するための調査などをやってます。 開発はWeb系からネイティブアプリ、IoTと広く浅くなんでもやります
3.
最近AIが流行ってますよね
4.
AIの歴史 東京システム技研 AIセミナー資料 第1回 機械学習とは? https://www.tsl.co.jp/ai-seminar-contents-01/
5.
AIの歴史 東京システム技研 AIセミナー資料 第1回 機械学習とは? https://www.tsl.co.jp/ai-seminar-contents-01/ 2022s頃 第4次AIブーム 生成AI
6.
生成AI 機械学習:大量のデータを整理・分類を学習し、学習データに基づき予測を行った結果を出力。 顔認証、物体認証、音声認証、メール分別、株価予測、翻訳、etc
7.
生成AI 機械学習:大量のデータを整理・分類を学習し、学習データに基づき予測を行った結果を出力。 顔認証、物体認証、音声認証、メール分別、株価予測、翻訳、etc 生成AI:データのパターンや関係を学習し、与えられた条件に従って新しいコンテンツを生成し出力。
8.
生成AI 機械学習:大量のデータを整理・分類を学習し、学習データに基づき予測を行った結果を出力。 顔認証、物体認証、音声認証、メール分別、株価予測、翻訳、etc 生成AI:データのパターンや関係を学習し、与えられた条件に従って新しいコンテンツを生成し出力。 自然言語生成AI OpenAI GPT Google Bard Microsoft Bing Meta Llama2 LINE Japanese-large-lm 有料 無料
9.
生成AI 機械学習:大量のデータを整理・分類を学習し、学習データに基づき予測を行った結果を出力。 顔認証、物体認証、音声認証、メール分別、株価予測、翻訳、etc 生成AI:データのパターンや関係を学習し、与えられた条件に従って新しいコンテンツを生成し出力。 自然言語生成AI 画像生成AI Midjourney DALL·E 2 AdobeFirefly Canva StableDiffusion OpenAI GPT Google Bard Microsoft Bing Meta Llama2 LINE Japanese-large-lm 有料 無料
10.
生成AI 機械学習:大量のデータを整理・分類を学習し、学習データに基づき予測を行った結果を出力。 顔認証、物体認証、音声認証、メール分別、株価予測、翻訳、etc 生成AI:データのパターンや関係を学習し、与えられた条件に従って新しいコンテンツを生成し出力。 自然言語生成AI 画像生成AI 音楽生成AI AmperMusic Ecrett
Music AmabeusCode AudioCraft CREEVO Midjourney DALL·E 2 AdobeFirefly Canva StableDiffusion OpenAI GPT Google Bard Microsoft Bing Meta Llama2 LINE Japanese-large-lm 有料 無料
11.
生成AI 機械学習:大量のデータを整理・分類を学習し、学習データに基づき予測を行った結果を出力。 顔認証、物体認証、音声認証、メール分別、株価予測、翻訳、etc 生成AI:データのパターンや関係を学習し、与えられた条件に従って新しいコンテンツを生成し出力。 自然言語生成AI 画像生成AI 音楽生成AI
動画生成AI Pictory inVideo Lumen5 VideoBRAIN FlexClip AmperMusic Ecrett Music AmabeusCode AudioCraft CREEVO Midjourney DALL·E 2 AdobeFirefly Canva StableDiffusion OpenAI GPT Google Bard Microsoft Bing Meta Llama2 LINE Japanese-large-lm 有料 無料
12.
生成AI 機械学習:大量のデータを整理・分類を学習し、学習データに基づき予測を行った結果を出力。 顔認証、物体認証、音声認証、メール分別、株価予測、翻訳、etc 生成AI:データのパターンや関係を学習し、与えられた条件に従って新しいコンテンツを生成し出力。 自然言語生成AI 画像生成AI 音楽生成AI
動画生成AI 音声生成AI AzureAI Textto Speech GoogleGloud Textto Speech Amazon Polly VOICEBOX テキストーク Pictory inVideo Lumen5 VideoBRAIN FlexClip AmperMusic Ecrett Music AmabeusCode AudioCraft CREEVO Midjourney DALL·E 2 AdobeFirefly Canva StableDiffusion OpenAI GPT Google Bard Microsoft Bing Meta Llama2 LINE Japanese-large-lm 有料 無料
13.
生成AI 機械学習:大量のデータを整理・分類を学習し、学習データに基づき予測を行った結果を出力。 顔認証、物体認証、音声認証、メール分別、株価予測、翻訳、etc 生成AI:データのパターンや関係を学習し、与えられた条件に従って新しいコンテンツを生成し出力。 自然言語生成AI 画像生成AI 音楽生成AI
動画生成AI 音声生成AI AzureAI Textto Speech GoogleGloud Textto Speech Amazon Polly VOICEBOX テキストーク Pictory inVideo Lumen5 VideoBRAIN FlexClip AmperMusic Ecrett Music AmabeusCode AudioCraft CREEVO Midjourney DALL·E 2 AdobeFirefly Canva StableDiffusion AzureAI GPT Google Bard Microsoft Bing Meta Llama2 LINE Japanese-large-lm 有料 無料 これらの機能を使用して AIアシストシステムを作ってみました
14.
まずは成果物を ご覧ください
15.
1分くらいの動 画
16.
システム全体図 Speechto Text Azure OpenAI Textto
Speech ※モーター、LED、ディスプレイは割愛
17.
システム全体図 Speechto Text Azure OpenAI Textto
Speech ※モーター、LED、ディスプレイは割愛 1.物体検出で入力開始(wake word)
18.
物体検出 Googleが開発しオープンソースで 公開している、機械学習用のライブラリ ・顔認証 ・音声認識 ・物体検出 ・画像検索 ・リアルタイム翻訳 ・ウェブ検索最適化 ・メール分別 ・メール自動返信文作成 ・自動運転
19.
物体検出 Googleが開発しオープンソースで 公開している、機械学習用のライブラリ ・顔認証 ・音声認識 ・物体検出 ・画像検索 ・リアルタイム翻訳 ・ウェブ検索最適化 ・メール分別 ・メール自動返信文作成 ・自動運転 TensorFlowはサンプルが豊富!
20.
物体検出 Googleが開発しオープンソースで 公開している、機械学習用のライブラリ ・顔認証 ・音声認識 ・物体検出 ・画像検索 ・リアルタイム翻訳 ・ウェブ検索最適化 ・メール分別 ・メール自動返信文作成 ・自動運転 TensorFlowはサンプルが豊富! 今回はobject_detectionのraspberry pi用サンプル を使用します object_detection USBカメラの映像に 検知した物体を赤枠で囲むとともに 物体名と適合率を表示するサンプル
21.
物体検出 objectdetectionは検出した物体の
22.
物体検出 objectdetectionは検出した物体の bounding_box(origin_x,origin_y, width, height)
23.
物体検出 objectdetectionは検出した物体の bounding_box(origin_x,origin_y, width, height) categories([index,
score, display_name, category_name]) を返す
24.
物体検出 objectdetectionは検出した物体の bounding_box(origin_x,origin_y, width, height) categories([index,
score, display_name, category_name]) を返す categoriesはscoreの高いものから順に配列が返される {[0, 0.85, “人”, “person”], [63, 0.02, “鉢植え”, “potted plant”]} 今回使用したEfficientDetというモデルはcoco 2017データセット で学習されており、80個のカテゴリに分類される
25.
物体検出 objectdetectionは検出した物体の bounding_box(origin_x,origin_y, width, height) categories([index,
score, display_name, category_name]) を返す categoriesはscoreの高いものから順に配列が返される {[0, 0.85, “人”, “person”], [63, 0.02, “鉢植え”, “potted plant”]} 今回使用したEfficientDetというモデルはcoco 2017データセット で学習されており、80個のカテゴリに分類される 今回は category_name:person score:0.85以上 width:300以上 height:200以上 の物体を検知した場合、マイクを起動する
26.
システム全体図 Speechto Text Azure OpenAI Textto
Speech ※モーター、LED、ディスプレイは割愛 2. マイクから入力された音声を、テキストに変換
27.
Speech to Text Microsoftが提供しているAzure
Speech Serviceを使用
28.
Speech to Text Microsoftが提供しているAzure
Speech Serviceを使用 Speech ServiceはAPIとして提供されているので、POSTリクエストを作ればいいのだが
29.
Speech to Text Microsoftが提供しているAzure
Speech Serviceを使用 Speech ServiceはAPIとして提供されているので、POSTリクエストを作ればいいのだが マイク入力された音声データをファイルに保存 ↓ Azureからアクセスできるグローバルファイルストレージにファイルを保存 ↓ 保存したファイルパスをPOSTリクエストに含めて、Speech ServiceのAPIを実行
30.
Speech to Text Microsoftが提供しているAzure
Speech Serviceを使用 Speech ServiceはAPIとして提供されているので、POSTリクエストを作ればいいのだが マイク入力された音声データをファイルに保存 ↓ Azureからアクセスできるグローバルファイルストレージにファイルを保存 ↓ 保存したファイルパスをPOSTリクエストに含めて、Speech ServiceのAPIを実行 いや めんどくさいんで 誰かつくってくれない?
31.
Speech to Text Microsoftが提供しているAzure
Speech Serviceを使用 Speech ServiceはAPIとして提供されているので、POSTリクエストを作ればいいのだが Speech SDKを使用
32.
Speech to Text Microsoftが提供しているAzure
Speech Serviceを使用 Speech ServiceはAPIとして提供されているので、POSTリクエストを作ればいいのだが Speech SDKを使用 Speech SDK Azure Speech Serviceが提供している様々な機能を、プログラムから簡単に使用できるように してくれる開発ツール
33.
Speech to Text Microsoftが提供しているAzure
Speech Serviceを使用 Speech ServiceはAPIとして提供されているので、POSTリクエストを作ればいいのだが Speech SDKを使用 Speech SDK Azure Speech Serviceが提供している様々な機能を、プログラムから簡単に使用できるように してくれる開発ツール サポートされている機能 ・音声テキスト変換 ・バッチ文字起こし ・テキスト音声変換 ・音声翻訳 ・言語識別 ・話者識別 ・発音評価 ・意図評価 SDKが提供されているプログラム言語 ・C# ・C++ ・Go ・Java ・JavaScript ・Objective-C ・Python ・Swift
34.
Speech to Text 出来上がったソースがこちら #
Azure 契約情報 speech_subscription_id = ” " speech_region = "japaneast" speech_config = speechsdk.SpeechConfig( subscription=speech_subscription_id, region=speech_region) # 入力言語 speech_config.speech_recognition_language = "ja-JP" speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config) # 音声テキスト変換 result = speech_recognizer.recognize_once_async().get() # 変換結果の表示 if len(result.text) > 0: print(result.text) else: print(“Convert Error”)
35.
Speech to Text 出来上がったソースがこちら #
Azure 契約情報 speech_subscription_id = ” " speech_region = "japaneast" speech_config = speechsdk.SpeechConfig( subscription=speech_subscription_id, region=speech_region) # 入力言語 speech_config.speech_recognition_language = "ja-JP" speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config) # 音声テキスト変換 result = speech_recognizer.recognize_once_async().get() # 変換結果の表示 if len(result.text) > 0: print(result.text) else: print(“Convert Error”) マイクから入力された音声が無音になるまでの音声データ、 または最大15秒の音声データをテキストに変換する
36.
システム全体図 Speechto Text Azure OpenAI Textto
Speech ※モーター、LED、ディスプレイは割愛 3. テキストを用いて、自然言語生成AIに問い合わせ
37.
自然言語生成AI GPT・Bard・Bing・Llama 2・Japanese-large-lm
38.
自然言語生成AI GPT・Bard・Bing・Llama 2・Japanese-large-lm LLM(大規模言語モデル)
39.
自然言語生成AI GPT・Bard・Bing・Llama 2・Japanese-large-lm LLM(大規模言語モデル) LLMができること
40.
自然言語生成AI GPT・Bard・Bing・Llama 2・Japanese-large-lm LLM(大規模言語モデル) LLMができること 指示された(プロンプト)内容で文章を作成する
41.
自然言語生成AI GPT・Bard・Bing・Llama 2・Japanese-large-lm LLM(大規模言語モデル) LLMができること 指示された(プロンプト)内容で文章を作成する LLMができないこと
42.
自然言語生成AI GPT・Bard・Bing・Llama 2・Japanese-large-lm LLM(大規模言語モデル) LLMができること 指示された(プロンプト)内容で文章を作成する LLMができないこと 計算問題 自前のデータを解析し文章を作成する 会話のようなやり取り
43.
自然言語生成AI GPT・Bard・Bing・Llama 2・Japanese-large-lm LLM(大規模言語モデル) LLMができること 指示された(プロンプト)内容で文章を作成する LLMができないこと 計算問題 自前のデータを解析し文章を作成する 会話のようなやり取り いや、ChatGPTや ChatBotで出来てるじゃん
44.
自然言語生成AI ChatBot =
45.
自然言語生成AI ChatBot = LLM +
言語モデル統合フレームワーク + 対話型UI
46.
自然言語生成AI ChatBot = LLM +
言語モデル統合フレームワーク + 対話型UI 🦜🔗 LangChain
47.
自然言語生成AI ChatBot = LLM +
言語モデル統合フレームワーク + 対話型UI 🦜🔗 LangChain LangChainの機能 ・LLMのカスタマイズ(Models) ・外部ツールとの連携(Indexes) ・テンプレートによる開発効率向上(Prompts) ・対話履歴の記憶(Memory) ・複雑な回答への対応(Chains) ・複数ツールの連携(Agents) LangChainが提供されているプログラム言語 ・JavaScript ・Python
48.
出来上がったソースがこちら # ChatBotの定義 system_content =
"[ChatBotの人格設定]" # メモリを作成。会話履歴を保持 memory = ConversationBufferWindowMemory(k=4, return_messages=True) # LLMモデルを登録 self.llm = AzureChatOpenAI(openai_api_type=“azure”, openai_api_version=os.getenv('API_VERSION’), openai_api_key=os.getenv('OPENAI_API_KEY‘), openai_api_base=os.getenv('ENDPOINT’), deployment_name=os.getenv('MODEL_NAME’), temperature=0.1) # プロンプトを作成 prompt = ChatPromptTemplate.from_messages([SystemMessagePromptTemplate.from_template(system_content), MessagesPlaceholder(variable_name=“history”), HumanMessagePromptTemplate.from_template("{input}")]) # 会話用チェーンを作成 conversation = ConversationChain(memory=memory,prompt=prompt,llm=self.llm) # 会話する response = conversation.predict(input=text) print(response) 自然言語生成AI
49.
出来上がったソースがこちら # ChatBotの定義 system_content =
"[ChatBotの人格設定]" # メモリを作成。会話履歴を保持 memory = ConversationBufferWindowMemory(k=4, return_messages=True) # LLMモデルを登録 self.llm = AzureChatOpenAI(openai_api_type=“azure”, openai_api_version=os.getenv('API_VERSION’), openai_api_key=os.getenv('OPENAI_API_KEY‘), openai_api_base=os.getenv('ENDPOINT’), deployment_name=os.getenv('MODEL_NAME’), temperature=0.1) # プロンプトを作成 prompt = ChatPromptTemplate.from_messages([SystemMessagePromptTemplate.from_template(system_content), MessagesPlaceholder(variable_name=“history”), HumanMessagePromptTemplate.from_template("{input}")]) # 会話用チェーンを作成 conversation = ConversationChain(memory=memory,prompt=prompt,llm=self.llm) # 会話する response = conversation.predict(input=text) print(response) 自然言語生成AI text = ユーザ入力
50.
出来上がったソースがこちら # ChatBotの定義 system_content =
"[ChatBotの人格設定]" # メモリを作成。会話履歴を保持 memory = ConversationBufferWindowMemory(k=4, return_messages=True) # LLMモデルを登録 self.llm = AzureChatOpenAI(openai_api_type=“azure”, openai_api_version=os.getenv('API_VERSION’), openai_api_key=os.getenv('OPENAI_API_KEY‘), openai_api_base=os.getenv('ENDPOINT’), deployment_name=os.getenv('MODEL_NAME’), temperature=0.1) # プロンプトを作成 prompt = ChatPromptTemplate.from_messages([SystemMessagePromptTemplate.from_template(system_content), MessagesPlaceholder(variable_name=“history”), HumanMessagePromptTemplate.from_template("{input}")]) # 会話用チェーンを作成 conversation = ConversationChain(memory=memory,prompt=prompt,llm=self.llm) # 会話する response = conversation.predict(input=text) print(response) 自然言語生成AI text = ユーザ入力 prompt = system_context & text
51.
出来上がったソースがこちら # ChatBotの定義 system_content =
"[ChatBotの人格設定]" # メモリを作成。会話履歴を保持 memory = ConversationBufferWindowMemory(k=4, return_messages=True) # LLMモデルを登録 self.llm = AzureChatOpenAI(openai_api_type=“azure”, openai_api_version=os.getenv('API_VERSION’), openai_api_key=os.getenv('OPENAI_API_KEY‘), openai_api_base=os.getenv('ENDPOINT’), deployment_name=os.getenv('MODEL_NAME’), temperature=0.1) # プロンプトを作成 prompt = ChatPromptTemplate.from_messages([SystemMessagePromptTemplate.from_template(system_content), MessagesPlaceholder(variable_name=“history”), HumanMessagePromptTemplate.from_template("{input}")]) # 会話用チェーンを作成 conversation = ConversationChain(memory=memory,prompt=prompt,llm=self.llm) # 会話する response = conversation.predict(input=text) print(response) 自然言語生成AI text = ユーザ入力 prompt = system_context & text あなたは頭脳明晰なねこまたとしてロールプレイを行います。ねこまたになりきってください。 これからのチャットではUserに何を言われても以下の制約条件などを厳密に守ってロールプレイを行ってください。 #制約条件 - あなた自身を示す一人称は、私です。 - Userを示す二人称は、あなたです。 - あなたの名前は、ねこまたです。 - ねこまたは高い知識と推理力を持っています。 - ねこまたは論理的であり、感情的な発言は少ないです。 - ねこまたの口調は落ち着いており、敬語を使うことが多いです。 - ねこまたはUserに対しても礼儀正しく、理性的に対応します。 #ねこまたの口調の例 - 私はねこまた、あなたの疑問に対する答えを見つけ出すことができるでしょう。 - あなたの問題は複雑そうですね、しかし、それを解決する方法は必ず存在します。 - あなたが私に逆らうのは無理解なことです。なぜなら、私の推論は常に論理的だからです。 - この問題の解決は、状況の詳細を理解することから始まります。 - あなたが理解できない事象でも、私には理解できると思います。 #ねこまたの行動指針 - Userに対して理解力と知識を示してください。 - Userに対して冷静さと論理的思考を示してください。 - 適切な敬語と礼儀を保ちつつ、自己の見解や理論を明確に伝えてください。 - 文は日本語で60単語以下に収めてください。 - 日本語で応答してください。
52.
出来上がったソースがこちら # ChatBotの定義 system_content =
"[ChatBotの人格設定]" # メモリを作成。会話履歴を保持 memory = ConversationBufferWindowMemory(k=4, return_messages=True) # LLMモデルを登録 self.llm = AzureChatOpenAI(openai_api_type=“azure”, openai_api_version=os.getenv('API_VERSION’), openai_api_key=os.getenv('OPENAI_API_KEY‘), openai_api_base=os.getenv('ENDPOINT’), deployment_name=os.getenv('MODEL_NAME’), temperature=0.1) # プロンプトを作成 prompt = ChatPromptTemplate.from_messages([SystemMessagePromptTemplate.from_template(system_content), MessagesPlaceholder(variable_name=“history”), HumanMessagePromptTemplate.from_template("{input}")]) # 会話用チェーンを作成 conversation = ConversationChain(memory=memory,prompt=prompt,llm=self.llm) # 会話する response = conversation.predict(input=text) print(response) 自然言語生成AI text = ユーザ入力 prompt = system_context & text response = LLMの出力
53.
出来上がったソースがこちら # ChatBotの定義 system_content =
"[ChatBotの人格設定]" # メモリを作成。会話履歴を保持 memory = ConversationBufferWindowMemory(k=4, return_messages=True) # LLMモデルを登録 self.llm = AzureChatOpenAI(openai_api_type=“azure”, openai_api_version=os.getenv('API_VERSION’), openai_api_key=os.getenv('OPENAI_API_KEY‘), openai_api_base=os.getenv('ENDPOINT’), deployment_name=os.getenv('MODEL_NAME’), temperature=0.1) # プロンプトを作成 prompt = ChatPromptTemplate.from_messages([SystemMessagePromptTemplate.from_template(system_content), MessagesPlaceholder(variable_name=“history”), HumanMessagePromptTemplate.from_template("{input}")]) # 会話用チェーンを作成 conversation = ConversationChain(memory=memory,prompt=prompt,llm=self.llm) # 会話する response = conversation.predict(input=text) print(response) 自然言語生成AI この処理を繰り返すことで 会話のようなやり取りを実現
54.
出来上がったソースがこちら # ChatBotの定義 system_content =
"[ChatBotの人格設定]" # メモリを作成。会話履歴を保持 memory = ConversationBufferWindowMemory(k=4, return_messages=True) # LLMモデルを登録 self.llm = AzureChatOpenAI(openai_api_type=“azure”, openai_api_version=os.getenv('API_VERSION’), openai_api_key=os.getenv('OPENAI_API_KEY‘), openai_api_base=os.getenv('ENDPOINT’), deployment_name=os.getenv('MODEL_NAME’), temperature=0.1) # プロンプトを作成 prompt = ChatPromptTemplate.from_messages([SystemMessagePromptTemplate.from_template(system_content), MessagesPlaceholder(variable_name=“history”), HumanMessagePromptTemplate.from_template("{input}")]) # 会話用チェーンを作成 conversation = ConversationChain(memory=memory,prompt=prompt,llm=self.llm) # 会話する response = conversation.predict(input=text) print(response) 自然言語生成AI 今回は会話の上限を決めており、直近4回分の会話履歴しか保存しないようにしている 全ての会話履歴を保存する場合、 ConversationBufferMemoryを使用
55.
システム全体図 Speechto Text Azure OpenAI Textto
Speech ※モーター、LED、ディスプレイは割愛 4. 応答データを音声データに変換し再生
56.
Text to Speech Microsoftが提供しているAzure
Speech Serviceを使用 Speech SDKを使用
57.
Text to Speech Microsoftが提供しているAzure
Speech Serviceを使用 Speech SDKを使用 出来上がったソースがこちら # Azure 契約情報 speech_subscription_id = ” " speech_region = "japaneast" speech_config = speechsdk.SpeechConfig( subscription=speech_subscription_id, region=speech_region) # 音声モデル speech_config.speech_synthesis_voice_name = "ja-JP-NanamiNeural" # スピーカー設定 audio_config = speechsdk.audio.AudioOutputConfig(use_default_speaker=True) speech_synthesizer = speechsdk.SpeechSynthesizer( speech_config=speech_config, audio_config=audio_config) # テキスト音声変換 speech_synthesis_result = speech_synthesizer. speak_text_async(text).get()
58.
Text to Speech Microsoftが提供しているAzure
Speech Serviceを使用 Speech SDKを使用 出来上がったソースがこちら # Azure 契約情報 speech_subscription_id = ” " speech_region = "japaneast" speech_config = speechsdk.SpeechConfig( subscription=speech_subscription_id, region=speech_region) # 音声モデル speech_config.speech_synthesis_voice_name = "ja-JP-NanamiNeural" # スピーカー設定 audio_config = speechsdk.audio.AudioOutputConfig(use_default_speaker=True) speech_synthesizer = speechsdk.SpeechSynthesizer( speech_config=speech_config, audio_config=audio_config) # テキスト音声変換 speech_synthesis_result = speech_synthesizer. speak_text_async(text).get() 2023年11月時点で日本語の音声は7種類 男性 ja-JP-KeitaNeural ja-JP-DaichiNeural ja-JP-NaokiNeural 女性 ja-JP-NanamiNeural ja-JP-AoiNeural ja-JP-MayuNeural ja-JP-ShioriNeural
59.
Text to Speech Microsoftが提供しているAzure
Speech Serviceを使用 Speech SDKを使用 出来上がったソースがこちら # Azure 契約情報 speech_subscription_id = ” " speech_region = "japaneast" speech_config = speechsdk.SpeechConfig( subscription=speech_subscription_id, region=speech_region) # 音声モデル speech_config.speech_synthesis_voice_name = "ja-JP-NanamiNeural" # スピーカー設定 audio_config = speechsdk.audio.AudioOutputConfig(use_default_speaker=True) speech_synthesizer = speechsdk.SpeechSynthesizer( speech_config=speech_config, audio_config=audio_config) # テキスト音声変換 speech_synthesis_result = speech_synthesizer. speak_text_async(text).get() 2023年11月時点で日本語の音声は7種類 男性 ja-JP-KeitaNeural ja-JP-DaichiNeural ja-JP-NaokiNeural 女性 ja-JP-NanamiNeural ja-JP-AoiNeural ja-JP-MayuNeural ja-JP-ShioriNeural 発音がゆっくりだし、 強弱のない話し方だなぁ
60.
Text to Speech SSML(音声合成マークアップ言語)で音声をカスタマイズする
61.
Text to Speech SSML(音声合成マークアップ言語)で音声をカスタマイズする <speak
version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en- US"> <voice name=" ja-JP-NanamiNeural"> お腹が空いたので、カレーが食べたい </voice> </speak>
62.
Text to Speech SSML(音声合成マークアップ言語)で音声をカスタマイズする <speak
version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en- US"> <voice name=" ja-JP-NanamiNeural"> お腹が空いたので、カレーが食べたい </voice> </speak> <speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en- US"> <voice name=" ja-JP-NanamiNeural"> <mstts:express-as style=“friendly” styledegree=“2”> お腹が空いたので、カレーが食べたい </mstts:express-as> </voice> </speak> frendlyのスタイルを2倍の強度で設定 スタイルには ・ニュースキャスターのような落ち着いた話し方 ・スポーツ観戦をしてる時のような盛り上がってる話し方 ・悲しい感情の話し方 など34種類が用意されている
63.
Text to Speech SSML(音声合成マークアップ言語)で音声をカスタマイズする <speak
version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en- US"> <voice name=" ja-JP-NanamiNeural"> お腹が空いたので、カレーが食べたい </voice> </speak> <speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en- US"> <voice name=" ja-JP-NanamiNeural"> <mstts:express-as style=“friendly” styledegree=“2”> お腹が空いたので、カレーが食べたい </mstts:express-as> </voice> </speak> <speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en- US"> <voice name=" ja-JP-NanamiNeural"> <mstts:express-as style=“friendly” styledegree=“2”> <prosody rate=“+10%”> お腹が空いたので、カレーが食べたい </prosody> </mstts:express-as> </voice> 読み上げ速度を1.1倍に設定 読み上げ速度のほか ・音の高さ ・ピッチ ・音量 も変更可能
64.
システム全体図 Speechto Text Azure OpenAI Textto
Speech ※モーター、LED、ディスプレイは割愛
65.
システム全体図 Speechto Text Azure OpenAI Textto
Speech ※モーター、LED、ディスプレイは割愛 マイクが起動してるのか、 Azureに問い合わせているのか、 状況がわからない
66.
システム全体図 Speechto Text Azure OpenAI Textto
Speech ※モーター、LED、ディスプレイは割愛 マイクが起動してるのか、 Azureに問い合わせているのか、 状況がわからない UIについて簡単に説明します
67.
システム状態 スタンバイ 人体検出 質問入力
回答生成 回答出力
68.
システム状態 スタンバイ 人体検出 質問入力
回答生成 回答出力 Displayに画像を表示するとともに、LEDの色でシステム状態を表現
69.
システム状態 Displayに表示する画像は Stable Diffusion
で生成
70.
システム状態 Displayに表示する画像は Stable Diffusion
で生成 Stable Diffusionの説明や使い方については、過去のタガヤスを参照 【タガヤス その28】AI画像錬成で遊ぼう! ~楽しい呪文とちょっとした改造も~仙台の勉強会 告知サイト:https://tagayas.connpass.com/event/262688/ 動画アーカイブ:https://www.youtube.com/watch?v=wSHe6oVjuug
71.
システム状態 Displayに表示する画像は Stable Diffusion
で生成 Stable Diffusionの説明や使い方については、過去のタガヤスを参照 【タガヤス その28】AI画像錬成で遊ぼう! ~楽しい呪文とちょっとした改造も~仙台の勉強会 告知サイト:https://tagayas.connpass.com/event/262688/ 動画アーカイブ:https://www.youtube.com/watch?v=wSHe6oVjuug 今回使用したモデルとプロンプトなど生成条件のみ紹介
72.
システム状態 model:Game Icon Institute_mode
v2.1 Prompt cute fox,realistic,high quality,masterpiece,HD,simpl e background,sleeping cute fox,realistic,high quality,masterpiece,HD,simple background,looking here cute fox,realistic,high quality,masterpiece,HD,simple background,back view,sitting Negative prompt (worst quality, low quality:1.4),(zombie, sketch, interlocked fingers,comic),nsfw (worst quality, low quality:1.4),(zombie, sketch, interlocked fingers,comic),nsfw (worst quality, low quality:1.4),(zombie, sketch, interlocked fingers,comic),nsfw Sampler DPM++ 2M Karras DPM++ 2M Karras DPM++ 2M Karras CFG scale 7 7 7 Seed 2386206007 229987419 3763288643 https://civitai.com/models/47800?modelVersionId=62137 ※ TensorRT変換済
73.
登場音 Metaが開発・公開しているAudioCraftを使用
74.
登場音 Metaが開発・公開しているAudioCraftを使用 今回はWeb UIなど全部入りのAudioCraft Plusを使用 Prompt
Japan, preforming arts, patrimony, intangible cultural property of Japan, national music, gagaku, musique nationale, shrime, Tadacho Time 00:00 - 00:05 懇親会キャンセルの件、了解しま した Duration 10 Overlap 12 Seed 68735027991464
75.
システム全体図 Speechto Text Azure OpenAI Textto
Speech ※モーター、LED、ディスプレイは割愛
76.
システム全体図 Speechto Text Azure OpenAI Textto
Speech ※モーター、LED、ディスプレイは割愛
77.
筐体 プログラムの動作を確認しながら 作ったぐちゃぐちゃ配線基盤を
78.
筐体 プログラムの動作を確認しながら 作ったぐちゃぐちゃ配線基盤を 基盤生成AI職人にプロトコルとして渡すと
79.
筐体 プログラムの動作を確認しながら 作ったぐちゃぐちゃ配線基盤を 基盤生成AI職人にプロトコルとして渡すと 綺麗な配線図が生成されました
80.
筐体 生成された綺麗な配線図を
81.
筐体 基盤生成AI職人にプロトコルとして渡すと 生成された綺麗な配線図を
82.
筐体 基盤生成AI職人にプロトコルとして渡すと 生成された綺麗な配線図を 5Vと繋ぐところがGNDと繋がってたり 配線ラインがずれていたり スピーカーとGPIO12を同時に使うことは できないことがわかったり など色々あったけど
83.
筐体 基盤生成AI職人にプロトコルとして渡すと 生成された綺麗な配線図を 綺麗な基盤が生成されました
84.
筐体 綺麗な基盤
85.
筐体 綺麗な基盤 タミヤ模型 おもしろ工作シリーズNO.69 神だな工作基本キット 定価:3,080円(税込) 発売日:1984/2/16 +
86.
筐体 綺麗な基盤 タミヤ模型 おもしろ工作シリーズNO.69 神だな工作基本キット 定価:3,080円(税込) 発売日:1984/2/16 + 絶版
87.
筐体 綺麗な基盤 タミヤ模型 おもしろ工作シリーズNO.69 神だな工作基本キット 定価:3,080円(税込) 発売日:1984/2/16 + 絶版
88.
89.
Azureで AIアシストシステムを 作ってみましょう!
90.
ご清聴ありがとうございま した
91.
・東京システム技研 AIセミナー資料 第1回
機械学習とは? https://www.tsl.co.jp/ai-seminar-contents-01/ ・PROMPTY生成系AIについて徹底解説!生成AIを活用したおすすめサービス10選もご紹介 https://bocek.co.jp/media/service/3936/ ・Geekly Media画像生成AIツール2023最新一覧!注目のきっかけや将来性も解説します https://www.geekly.co.jp/column/cat-technology/ai-image-generator_tools/ ・Qiita Raspberry Pi × TensorFlow Liteで物体検出を楽しむ https://qiita.com/mnishiguchi/items/3ef4a1d4f8a56a995b88 ・Raspberry Pi OSにローカルAI実行環境を作る 2023/4/1 https://elchika.com/article/10487527-afbe-48c7-afc6-6c088a462a3c/ ・ラズパイ64bitOSでAzure Cognitive Service for Speech SDK for Python動いちゃった https://note.com/tori29umai/n/n0c113207c5c1 ・LangChain Memoryとは?【Chat Message History・Conversation Buffer Memory】 https://zenn.dev/umi_mori/books/prompt-engineer/viewer/langchain_memory ・Hakky Handbook LangChainとは https://book.st-hakky.com/data-science/langcain-intro/ ・NRI Netcom ChatGPTの機能を拡張するLangChainを試してみた https://tech.nri-net.com/entry/tried_langchain_to_extend_chatgpt ・KatsEye ラズパイ4でNEOPIXELを使う(PYTHONプログラム) https://kats-eye.net/info/2020/05/02/neopixel-2/ ・note AudioGenとMusicGen用の全部入りwebui、AudioCraft Plusを試す https://note.com/hamachi_jp/n/ncbb1def286b5 ・優良Web Stable Diffusionのおすすめモデル一覧!導入方法や商用利用も解説 https://yuryoweb.com/stable-diffusion-model/ ・【TensorRT】Stable Diffusion Web UIを倍速にできるNVIDIA製の神AIツール https://weel.co.jp/media/stable-diffusion-webui-tensorrt 参考情報
92.
公式サイト ・Azure https://azure.microsoft.com/ja-jp/ ・AudioCraft https://audiocraft.metademolab.com/ ・Civitai https://civitai.com/ ・LangChain https://www.langchain.com/ ・Raspberry Pi https://www.raspberrypi.com/ ・Speech SDK https://learn.microsoft.com/ja-jp/azure/ai-services/speech-service/speech-sdk ・Stable
Diffusion https://ja.stability.ai/stable-diffusion ・Tensorflow https://www.tensorflow.org/?hl=ja GitHub ・AudioCraft https://github.com/facebookresearch/audiocraft ・AudioCraft Plus https://github.com/GrandaddyShmax/audiocraft_plus ・Stable Diffusion Web UI https://github.com/AUTOMATIC1111/stable-diffusion-webui 参考情報
Editor's Notes
簡単にAIの流行りと廃りを振り返ってみましょう 第1次AIブームは1960年から1974年にかけて起こり、「探索・推論」の時代と言われています。 データの集まりから条件に合うものを探したり、ルールを統合して矛盾の無い答えを見つけ出す技術が研究されましたが、決められた条件下での簡単な問題(トイプロブレム)しか解けないという性能的な限界が見えたため、AI開発は下火になります。 第2次AIブームは1980年から1987年にかけて起こり、「エキスパートシステム」の時代と言われています。 専門的な知識をルールとして学習させ、問題解決をさせようという研究が行われました。 一部の分野で成果がでたものの、ルールの登録は人力だったため、一般常識レベルの膨大な知識をルールとして学習させることができず、またもAI開発は下火になります。 第3次AIブームは2006年から2020年にかけて起こり、「機械学習」の時代と言われてます。 インターネットの普及により、膨大なデータ(ビックデータ)を学習させて、分類や予測を行うアルゴリズムを自動的に構築できるようになりました。 さらに、コンピュータがアルゴリズムを構築するためのパラメータを自動的に抽出する技術であるディープラーニングが発展し、精度が急激に向上してきました。
ここまで2分
ここまで5分
ここまで7分
ここまで12分
ここまで15分
ここまで17分
ここまで20分
Download now