Mathematica が Big Language Model を導入しました。ネットユーザー:買う、買う、買う

Mathematica が Big Language Model を導入しました。ネットユーザー:買う、買う、買う

Mathematica Wolfram の最新バージョンでは、大規模言語モデル (LLM) が正式に導入されています。

つまり、科学計算には「話す」という動作だけが必要になったということです。

たとえば、グラフを作成したい場合は、次のように言います。

赤と緑の半円を描きます。

赤と緑の半円を描きます。

写真

これに基づいて、自然言語でさらにリクエストを行うことができます。

塗りつぶされた半円を隣り合わせにしたい。軸は不要。

塗りつぶされた半円を隣り合わせにしたいです。座標軸はありません。

写真

自然言語を使用して変更を続けます。

平らな面が垂直の直径を形成するように作ります。

これらの平らな側面が垂直の直径を形成するようにします。

写真

最後に、2 つの半円を合わせるには、次のように言います。

これらの部分を、間にスペースを入れずに同じ円にします。

2 つの部分を接続して、隙間のない円を形成します。

写真

科学計算に自然言語を使用すると非常に便利であることは容易に理解できます。

Mathematica Wolframの言葉を借りれば:

事前の知識がなくても、または Wolfram 言語を知らなくても、科学計算を簡単に行うことができます。

写真

この新機能を見たネットユーザーはこう言った。

買って、買って、買って!

写真

自動的に修正されます

別の例を使って、LLM での Mathematica の導入を体験してみましょう。

最初の 20 個の双子素数の表を作成します。

最初の 20 個の双子素数をリストした表を作成します。

同様に、自然言語による記述に基づいて、Mathematica はすぐに作業を開始します。

写真

しかし、この期間中に、Mathematica はコードが間違っていることに気づき、間違いを認めて修正し始めました。

申し訳ありませんが、最初の 50 個の素数のうち二重素数の数を過大評価していたようです。事前に定義された制限なしで最初の 20 個の双子素数を見つけるようにコードを調整してみましょう。

写真

それ自体はコードを書いていないにもかかわらず、エラーが発生したときに何が起こるかを非常にうまく説明しています。

写真

当局者らは、新たに導入されたLLMに適応するために、Wolfram言語にさまざまな新しい構造が追加されたと述べた。

たとえば、チャットノートブックでは、チャットセルとチャットブロックが設定されます。

写真

LLM の使用を容易にするために、公式には「Wolfram Prompt リポジトリ」も設置されました。

プロンプト リポジトリには、次の 2 つの主要なカテゴリが含まれます。

  • 1 つ目はパーソナライゼーションです。これは、チャットのやり取りを「スタイル設定」したり、その他の情報を提供するために使用されます。
  • 2 番目のタイプは、関数ヒントと修飾子ヒントです。

関数ヒントは、LLM にテキストの段落を要約したり、ジョークを提案したりするなど、特定の操作を実行させるためのものです (現時点では、これはあまり得意ではありません)。

修飾子ヒントは、別の人間の言語に翻訳したり、特定の長さに維持したりするなど、LLM が出力をどのように変更するかを決定するために使用されます。

写真

その他のアップデート

LLM の導入は、バージョン 13.3 のアップデートの 1 つにすぎません。

たとえば、新しく統合された「線積分」と「面積分」を使用すると、線と面上のスカラー関数とベクトル関数を積分できます。

写真

公式の言葉で言えば、この機能は数学計算にまったく新しい可能性をもたらします。

さらに、バージョン 13.3 では、さらに多くの機能と視覚化も更新されました。

写真

詳細については、以下のリンクをクリックしてください。

参考リンク:
[1] https://writings.stephenwolfram.com/2023/06/llm-tech-and-a-lot-more-version-13-3-of-wolfram-language-and-mathematica/
[2] https://twitter.com/stephen_wolfram/status/1674120239435456514
[3] https://news.ycombinator.com/item?id=36529610

<<:  ChatGPTに勝つ? OpenChat が 105.7% のパフォーマンスでスタンフォード AlpacaEval オープンソース リストのトップに

>>:  機械学習が医療に革命を起こす

ブログ    
ブログ    

推薦する

AIが旅行業界に浸透し、ロボットが次の休暇を計画するようになる

編集者注: ビジネス旅行者にとって、ついに朗報が届きました。人工知能がついに旅行業界に浸透し、パーソ...

Megvii Technologyがロボット協調ネットワーク頭脳「Hetu」をリリース、エコシステムの改善に20億元を投資

現在、モノのインターネットの将来の発展方向は非常に明確であり、それが AIoT です。 AIは頭脳で...

カリフォルニア州の自動運転路上試験規則が変更され、軽輸送車両も許可範囲に含まれる可能性がある

現在、多くの自動運転車開発者は米国カリフォルニア州(以下、「カリフォルニア」という)で路上試験を行う...

初心者が機械学習をすぐに始められるように、Colabリソースの完全なリストはこちらです。

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

AIoT: 次世代コンバージェンスの利点と用途を理解する

人工知能 (AI) とモノのインターネット (IoT) は、過去 10 年間を定義してきました。ビッ...

大量のニューロンを必要とせず、ニューロモルフィックロボットはスピードと正確さでテーブルサッカーをプレイします

人間は機械にゲームをさせることに魅了されているようだ。1770 年という早い時期に、発明家たちは「ト...

サイバーセキュリティにおける人工知能の応用

1. アプリケーションの背景インターネットの急速な発展と広範な応用により、ネットワーク セキュリティ...

...

人工知能とデータサイエンスに基づく実用的な分析システムの構築におけるシティバンクの実践経験

シティバンクは、人工知能とデータサイエンスに基づいた実用的な分析システムをどのように構築したのでしょ...

研究によると、GPT-4モデルはエラーを自己修正する能力があり、AIコードのさらなる商業化を促進することが期待されています。

7月5日、マサチューセッツ工科大学(MIT)とマイクロソフトの研究者らは、GPT-4モデルには優れ...

...

Facebook は顔認識を中止することで本当にリスクを回避しているのでしょうか?人種差別は致命的である

名前にちなんでFacebookとしても知られるMateは、顔認識システムを無効化し、10億人以上の個...

エネルギー分野における人工知能の機会と課題

エネルギー部門は、現代経済において最も強力かつ収益性の高い部門の 1 つです。しかし、ほとんどのエネ...

Nature: DeepMind の大規模モデルが 60 年前の数学的問題を突破、その解決法は人間の認識力を超える

Google DeepMind の最新の成果が再び Nature に掲載され、大規模なモデルを使用し...

科学技術の力を感じる: 人工知能とスマートヘルスケアの 4 つの注目のアプリケーションの分析

人工知能業界は急速に発展しており、医療、輸送、家具、電子機器などの業界で関連する応用事例が見つかりま...