AIはさまざまな分野、商品、基本的な機能に変革をもたらしつつある。とはいえ、ディープ・ニューラル・ネットワークは、メモリ、計算能力、エネルギーの面で過剰なリソースを消費する。AIの普及を確実にするためには、エンドユーザー・デバイス上で効率的に動作させ、厳しい消費電力と熱の制約を守る必要がある。量子化や圧縮などの技術は、これらの課題を軽減する上で極めて重要な役割を果たします。

このウェビナーでは、ソニーのプロダクト・マネージャーであるアミール・セルヴィが、効率的なエッジ展開のためにディープラーニング・モデルを量子化・高速化するソニーのモデル圧縮ツールキットについて説明します。あなた自身のモデルにも同じことができるようになります！何を学ぶか

- 量子化技術に関する最新の研究と実用的な製品への実装

- エッジでの推論におけるハードウェアを考慮した圧縮の重要性

- 技術者や研究者がソニーMCTを通じてこれらの技術を実装する方法

最近のコンピュータビジョンの進歩は、トランスフォーマーアーキテクチャの導入と、🤗トランスフォーマーライブラリのプリトレーニング、微調整、推論を行うためのユーザーフレンドリーな抽象化によって大きく推進されています。本講演では、最新のトランスフォーマベースのビジョンモデルの概要を説明し、🤗トランスフォーマライブラリで利用可能なユーティリティを探求し、その背後にある哲学について実践的な洞察を提供します。

レジの長蛇の列にうんざりしていませんか？当社のインテリジェントキュー管理システムがその答えです！OpenVINO YOLOv8このようなシステムを作る方法をステップバイステップでチュートリアルします。これらの強力なオープンソースツールを統合し、小売レジ環境に導入可能なエンドツーエンドのソリューションを開発するプロセスを説明します。卓越したパフォーマンスを達成するためにアプリケーションを最適化する方法を学びます。あなたが経験豊富な開発者であれ、AI初心者であれ、このセッションはOpenVINO使用してインテリジェントシステムを構築するための実践的なヒントとベストプラクティスを提供します。プレゼンテーションの最後には、独自のソリューションを構築するための知識とリソースを得ることができます。

人工知能（AI）の急速な進歩によって定義される時代において、このテクノロジーの倫理的な状況をナビゲートすることは最も重要である。本セッションでモニカは、AIの変革の力に伴う倫理的ジレンマの複雑な網の目を解き明かす。偏見や公平性の問題から、透明性、説明責任、AIが社会に与える深刻な影響まで、モニカはAIを取り巻く倫理的考察に光を当てる洞察を提供する。

本講演は、AIに関連する倫理的課題と責任について基本的な理解を得る機会です。モニカは、AIの開発、意思決定、政策形成に携わる人にとって不可欠な知識を提供します。

ファウンデーション・モデルはGPU 計算の面で負荷が高く、リアルタイム・アプリケーション、特に何百万もの自律購買ポイントをスケールさせたい場合には適さないかもしれません。しかし、私たちは知識蒸留と呼ばれる手法を活用しています。アノテーションのような複雑なタスクの基礎モデルを置き、この知識をより小さくコスト効率の良いモデルに移します。これにより、アノテーション・プロセスを、人間による従来のラベリングよりも最大90倍高速化することができます。

Pssst.秘密を聞きたい？アクティブ・ラーニングは難しくないと言ったらどうだろう。もし...簡単な方法があるとしたら？あなたはラッキーです。この講演では、DagsHubデータエンジンを使ってアクティブラーニングパイプラインを実装する方法を紹介します。パイプラインの90%はJupyter NotebookやGoogle Colab上で直接実行できます！講演が終わる頃には、既存のプロジェクトを能動学習を使って効率的かつ迅速にモデルの指標を改善するプロジェクトに変えるために必要な情報を手に入れることができるでしょう！

YOLOv8 オープンソースツールを使用すると、次のビジョンAIプロジェクトを迅速に立ち上げて実行することができます。オープンソースのイメージのリポジトリ、データのラベリングを自動化するためのライブラリ、トラッキングやカウントのためのツール、モデルをデプロイするためのサーバなどがあります。YOLOv8 これらを使用して、次のアプリケーションを構築する方法を学びましょう。

現在進行中の人工知能（AI）システムの大型化・高性能化競争は、雇用市場を変化させ、ビジネスモデルを破壊し、新たなガバナンスと社会福祉構造を可能にすることで、社会と環境に多大な影響を与えることが期待されている。しかし、現在のAIシステムは、気候変動の緩和と適応の意思決定に影響を与える政治機関を不安定にし、社会の安定を損ない、社会の転換期を招く可能性のある、偏ったデータセットに基づいて訓練されている。従って、社会や惑星の課題に対する直接的・間接的な影響を反映した、より偏りの少ないAIシステムの適切な設計は、最も重要な問題である。

機械学習（ML）モデルの量子化は、モデルサイズの大幅な縮小と、帯域幅要件の低減による推論レイテンシの短縮につながる。整数計算を効率的にサポートするハードウェアオプションに導入された場合、性能向上はさらに劇的なものとなります。しかし、量子化は時に許容できない精度の劣化につながることがある。本講演では、YOLOv8 モデルを効率的に量子化する手法の概要を紹介し、様々なリアルタイム・エッジAIアプリケーションに最適な選択肢を提供する。また、ReLU6活性化関数を用いたYOLOv8 モデルのクラスを紹介し、様々なモデルアーキテクチャとデータセットにおいて優れた訓練後量子化結果を示す。最後に、量子化されたモデルを、CPU、Edge TPU、Orca（DeGirumのAI HWアクセラレータ）などの複数のハードウェアオプションに、シンプルなAPIを使用して展開する方法を説明する。

Ultralytics 、画像分類、物体検出、画像セグメンテーション、ポーズ推定などのタスクのための、最先端のコンピュータビジョンモデルのホームです。Weights & Biases 開発者ファーストのMLOpsプラットフォームで、Ultralytics ワークフローと統合することで、実験やモデルのチェックポイントを簡単に管理し、洞察的かつ直感的な方法で実験結果を可視化することができます。本セッションでは、Ultralytics Weights & Biases使用して、コンピュータビジョンのワークフローを効果的に強化する方法を探ります。

特許検索とインタラクション機能を大幅に強化する高度な言語モデルソリューション、PatentPTをどのように構築したかをご紹介します。このプレゼンテーションでは、大規模な言語モデルを微調整して導入し、エンタープライズグレードのメモリエージェントを活用して、特許をオートコンプリートし、要約とクレームを生成し、豊富な特許コーパスを使用して高度な特許検索機能を実行するための実践的な洞察を提供します。最先端のActiveloopのDeep Lake、AIのためのデータベース、オープンソースのLLMモデル、Habana Gaudi HPUハードウェア、Amazon SagemakerのLLM推論APIを使用して、同様のソリューションを開発する方法を説明します。

LLMモデルのトレーニングから微調整、カスタム機能の作成、検索APIのデプロイまで、アーキテクチャの設計図とソリューション構築の全ステップをご紹介します。

LLMの微調整に関する実践的なガイドをお探しのAIの実務家、特許検索にAIを活用することに関心をお持ちの法律専門家、あるいは単にAIを活用したソリューションの未来にご興味をお持ちの方にも、専門分野におけるLLM活用のプロセスと可能性を垣間見ることができる講演です。大企業から中小企業まで、AIのデータベースであるDeep Lakeを活用したカスタムLLMアプリ構築の道のりをご紹介します。