Takeaki Kubota

社内外タレント管理サービスを運営しています。 異能・技術者の最適配置と働き方の再定義に…

Takeaki Kubota

社内外タレント管理サービスを運営しています。 異能・技術者の最適配置と働き方の再定義に挑んでいます。 IT戦略&AI技術&エンジニアリングが専門であり、時にAI技術や自動化技術についてのご相談を頂くこともあります。

最近の記事

Amazon Chimeのデモを動かしてみる

AWSのCredentialの設定を適切にする その後、下記を実施 git clone https://github.com/aws-samples/amazon-chime-sdk.gitcd amazon-chime-sdk デモアプリのインストール(meeting用のコンポーネントは同梱されている amazon-chime-sdk-component-library-react) cd apps/meetingnpm install そのまま起動 npm s

    • Slackの過去データが順次削除になると聞いたので、API経由でExportしてみた

      「Slack」、無料版のワークスペースで1年以上経過したメッセージやファイルを削除へ/8月26日から順次削除 というニュースがあったので、Freeプランでずっと使っているデータがいよいよ消えてしまったら、何となく困るなぁと思ったので、吸い出してみました。 吸い出すためには一時的にトライアルか有料プランにする必要があります。 Slackで以下のスコープを与えて その後、pythonで実行します。(tokenにはUser OAuth Tokenを記入します。) impor

      • 漫画プロット作りを通じて、ユーザー体験を確認する方法について

        漫画プロット作りを通じて、ユーザー体験を確認する方法について プロダクト開発の次期フェーズ企画にあたって、 何に取り組むべきか、達成すべきユーザー体験は何か。を協議することがありました。 何かをチャレンジする際には、チームメンバーのイメージあわせが大切なのですが、 これは、文字ベースの仕様書やドキュメントというレベルではなく、 もっと顧客体験よりで、狙った体験について理解を深めていく。 という取り組みが必要だと感じていました。 これまでは、カスタマージャーニーなどを考え

        • プロンプトだけでサイトが作れるcreate.xyzを試してみる

          プロンプトだけでサイトが作れるcreateというものがあるとのことで、試してみました。 CreateでNew Pageをしてプロンプトを打ってみた結果がこちらです。 利用したプロンプト プロジェクト管理ツール「パスワーク」のサポートページを作ってください。ユーザーにとって親しみのあるページにしてください。スマホ表示を主体としてください。デジタル庁のサポートページのようにしてください。タイトルは読みやすくしてください。コンテンツは以下です。## タイトルプロジェクト管理ツ

        Amazon Chimeのデモを動かしてみる

          Difyをローカルで動かす

          でcloneして cd dockerdocker compose up -d 完了したら、http://localhost/installにアクセスして、デプロイされたDifyを使用します。 管理者アカウントの設定を求められます その後、ログインをするとトップページになりました。 ボットが作れます LLMの設定が求められます とりあえずOpenAIのキーを入れておきます シンプルなボットだと面白くないので、適当なナレッジを詰めてみます コンテキストはテキストフ

          Difyをローカルで動かす

          AI時代に価値あるビジネスパーソンであるために

          AI進化の予測は、加速度的であり人間予測の遥かに早く到来する(シンギュラリティ) レイ・カーツワイルはその著書「シンギュラリティは近い」で、技術革新が冪乗で加速していることを示しました。 技術革新のペースが高速化しており、人間の予測は、時間軸の点で甘くなる傾向があると思います。例えば、囲碁の世界では2014年には専門家がAIの勝利に10年かかると予想していましたが、2017年にはAlphaGo Zeroが自己対局のみで世界トップ棋士に勝利しました。将棋でも名人がAIに敗れ

          AI時代に価値あるビジネスパーソンであるために

          LangChainでYouTube動画の字幕を抽出する

          海外サービスを見ていると文字ではなくYouTubeで説明資料を用意していることが散見され、説明を理解するのに視聴に時間がかるので、何とかならないかと思っていたら、 langchainにYoutubeLoaderというものがあり、字幕を取得できました。 from langchain.document_loaders import YoutubeLoaderdef get_document(url): loader = outubeLoader.from_youtube_url

          LangChainでYouTube動画の字幕を抽出する

          BERTで日本語文章をゼロショット分類してみる

          ラベル付きデータが用意できない。というケースは、実業務でも良く出会います。 そこで、BERTのような言語モデルが、マスクされたトークンを予測するための事前学習がなされていることを応用して、文書分類を試してみます。 この記事は、以下のオライリー本の「9章 ラベルのないまたは少ない状況への対応方法」の内容を、日本語でも実施できるように試したものです。 まず関連モジュールをinstall !pip install transformers!pip install fugash

          BERTで日本語文章をゼロショット分類してみる

          OpenAI Chat Plugin 認証についてドキュメントを読んでみた

          プラグインのドキュメントを眺めていたら、プラグイン認証なるページを発見。 https://platform.openai.com/docs/plugins/authentication/plugin-authentication サービスを提供している側としては、データアクセスされる際にはユーザー認証して欲しくなるので、必須機能ですね。 認証の種類としては、 ・認証無し ・サービスレベル ・ユーザーレベル とあるようです。 認証なし文字通り認証無し。 公的機関やDBが認

          OpenAI Chat Plugin 認証についてドキュメントを読んでみた

          OpenAI Chat Pluginsのサンプルを動かしてみる

          Chat Pluginsのドキュメントを読んでみる概要OpenAI プラグインは、ChatGPT をサードパーティ アプリケーションに接続できる 例) ・リアルタイム情報を取得します。例: スポーツのスコア、株価、最新ニュースなど。 ・ナレッジベース情報を取得します。例: 会社のドキュメント、個人的なメモなど。 ・ユーザーに代わってアクションを実行します。例: 航空券の予約、食べ物の注文など。 まず動かしてみるドキュメントを読んでプラグインについて詳しく学びながらサンプル

          OpenAI Chat Pluginsのサンプルを動かしてみる

          BabyBeeAGIを触ってみる

          BabyBeeAGIについての投稿されていたので、触ってみます。 BabyAGIよりも複雑なプロンプトを用いているとのことで、タスク管理エージェントが担当する特定の機能は次のようなものとのこと 完全なタスクリストと完了/不完全なステータスを追跡する タスク間の依存関係の割り当て 目標を達成するために新しいタスクがいつ必要かを決める 各タスクに使用するツールを割り当てる クリーンなJSONとして結果を提供する ソースコードは下記においてあります。 300行ぴったり

          BabyBeeAGIを触ってみる

          AutoGPTを実行させてみる

          AutoGPTについてソースを見ながら実行させてみました。 AutoGPTとは特徴は とのこと、超短期記憶の管理というのが気になる...! 触ってみるAuto-GPT-0.2.2でやってみました。 クイックスタートOpenAI API キーを取得する 最新リリースをダウンロード インストール手順に従ってください 必要な追加機能を構成するか、いくつかのプラグインをインストールします アプリを実行する ダウンロード https://github.com/Signifi

          AutoGPTを実行させてみる

          【マネジャー向け】自律型AIに向くのは、どの粒度のタスクが良いのか?

          人に仕事を依頼する際には、どの粒度であれば実施可能であるだろうか。などを考えるかと思いますが、AIに仕事を依頼する場合においても同じ問題が発生します。 現段階のAIといえば、ChatGPTのようなボトムアップ型のAIが主流ですが、AutoGPTやBabyAGIのようなトップダウン型のAIが存在します。 2023/04/26現在、これらは実験段階のツールではありますが、それでも実用性について考えてみたいと思います。 自律型AIに向くのは、どの粒度のゴールが良いのか?私たち

          【マネジャー向け】自律型AIに向くのは、どの粒度のタスクが良いのか?

          GPT APIを試す方法

          新しいAPIへのアクセスが解放されるたびに、ささっと動作を確認したくなるので、メモ import openaiimport osfrom datetime import datetimestart_time = datetime.now()openai.api_key = os.getenv("OPENAI_API_KEY")model_name = "gpt-4"# model_name = "gpt-3.5-turbo"# model_name = "gpt-4-32k

          GPT APIを試す方法

          LLM以降のタスク管理について考える

          日々タスク管理システムの研究開発をしていますが、 LLMの登場で、タスク管理の概念が一変しつつあり、AutoGPTなどを調べつつも感じたことを書いてみます。 LLMの登場により、今後、AIによるタスク管理の発展は、人間の能力を補完することで、個人や企業がより効率的に作業を行うことができるようになります。 自動運転車は、様々な状況に対応し、複雑な状況下でもドライバーの代わりに適切な決定を下すことが出来るようになりつつありますが、タスク管理分野においてはどのような発展が想定され

          LLM以降のタスク管理について考える

          BabyAGIを触って、ソースを読んでみる

          話題のBabyAGIを触ってみました。 処理の流れアルゴリズムについては、発案者の説明もありましたが、実際に実行してみてソースや処理を眺めると、下記のような流れのようです。 目的やタスクを指定して タスクリストを作り、タスクキューから次のタスクを選定する タスク実行エージェントが、タスク処理をする。その際にコンテキストを参照する コンテキストをベクトル化してメモリにしまう。 タスク生成エージェントがタスクリストを生成する。 タスクキューに格納される 以降2の繰

          BabyAGIを触って、ソースを読んでみる