|
【講演趣旨】
人工知能（AI）技術の急速な発展に伴い、近年注目を集めているのが大規模言語モデル（LLM）です。LLMは、膨大なデータから学習し、自然言語処理や生成系タスクにおいて優れた性能を発揮します。しかし、その学習には膨大な時間とリソースを要することが課題となっています。
本講演では、AI・LLMの学習時間短縮と性能、回答精度の向上をテーマに、最新の技術動向と実践的なアプローチをご紹介します。LLMの基礎から、その学習を効率化する方法、性能を最大化するポイント、回答精度を向上させるためのテクニックまで、幅広くお伝えします。
また、LLM導入のハードルやプロジェクトの進め方、費用対効果の検討など、実務的な観点からも有用な情報を提供します。本講演を通じて、参加者の皆様がAI・LLMの学習時間短縮と性能向上のための具体的な方策を理解し、自社の技術開発や研究に活用できることを目指します。
【講演項目】
1.AI・LLMの基礎概念と仕組み
2.LLMの学習メカニズムと特徴
3.生成AIの現状と課題
4.生成AIの弱点と対策
4-1.データバイアス
4-2.ハルシネーション（幻覚）
5.学習環境の整備と最適化
6.AI・LLMの学習時間短縮のポイント
6-1.性能分析
6-2.演算効率化
6-3.並列化効率の向上
6-4.I/O時間の短縮
6-5.その他の高速化の手法
7.AI・LLMの性能向上のポイント
7-1.データ収集
・データ拡張技術
・ハイパーパラメータ調整
・転移学習とファインチューニング
7-2.評価指標の設定と改善
7-3.人間によるフィードバックの有効性
8.特化型LLMの紹介と活用事例
9.特化型LLMの学習と応用
10.データ整形と前処理の重要性
11.RAG（Retrieval-Augmented Generation）の紹介
12.生成AI導入の課題とハードル
13.プロジェクトの進め方
13-1.チーム編成
13-2.スケジュール管理
14.費用対効果の算出と検討
15.国産LLMの開発動向
16.Fugaku-LLM：スーパーコンピュータ「富岳」で学習した国産LLM
17.海外の最新事例紹介
18.マルチモーダルLLMの可能性
19.倫理的配慮とガイドライン
20.導入事例の紹介と分析
【質疑応答】
|
