Google Photosの「Ask」ボタンを使って、画像に関する質問ができます。以下の9つの方法で活用可能です：1. 旅行先の情報を知る、2. 写真から会話を始める、3. おすすめの場所を提案、4. 類似の写真を探す、5. フォローアップ質問をする、6. 編集を依頼、7. 写真の説明を求める、8. 食事の情報を調べる、9. テキストを転写する。これにより、より多くのことが可能になります。

サウジアラビアのリヤドから約45kmの場所に、エンターテイメントやスポーツのための新都市、Qiddiya Cityが建設中です。このプロジェクトは360平方キロメートルの広さを持ち、700社と22,000人の労働者が関与しています。Abdulrahman AlAli氏は、Microsoft 365 Copilotを使用して、プロジェクトの進行状況や請求書管理を効率化しています。Copilotは、複数のシステム間のデータ統合や、顧客体験の向上に役立っています。

プロンプトエンジニアリングは、LLM（大規模言語モデル）を使用したアプリケーションで安定した結果を得るために重要です。成功するためには、以下の要素を考慮する必要があります：1. 一貫性：同様のリクエストに対してモデルが同じように振る舞うこと。2. 監査可能性：モデルの出力の理由を追跡できること。3. 基盤：提供されたコンテキストに基づくこと。4. ワークフロー準備：出力が次のステップで使えること。さらに、プロンプトは明確で一貫したフォーマットを持つ必要があり、システムとユーザーのプロンプトを分けることで信頼性を高めることができます。

プロンプトエンジニアリングは、信頼性のある結果を得るための重要な手法です。以下のポイントが重要です： 1. 一貫性、監査可能性、コンテキストに基づく出力を重視。 2. プロンプトはタスク説明、例、入力内容で構成。 3. ルールとデータを分け、システムプロンプトとユーザープロンプトを使い分ける。 4. 出力をJSON形式で構造化し、ワークフローに適合させること。 Difyを利用することで、プロンプト設計が効率化され、実用的なアプリケーションが実現可能になります。

GoogleとYouTubeは、子供や若者のオンライン安全を強化するための最新の取り組みを発表しました。親は簡単にデバイスの管理や時間制限ができるようになり、AIリテラシーの教育資源も提供しています。さらに、YouTubeでは、若者向けの質の高いコンテンツを強化し、学びを促進する新機能を導入しました。

NVIDIAのTensorRT LLMが新たに提供するAutoDeployは、PyTorchモデルを自動的に推論最適化グラフに変換し、手動の再実装作業を削減します。これにより、モデル作成者は一度モデルを記述するだけで、推論特有の課題をコンパイラーに委任できます。AutoDeployは100以上のテキストモデルに対応し、競争力のあるパフォーマンスを実現しつつ、継続的な最適化が可能です。

Transformers.js v4のプレビューがNPMで利用開始。新しいWebGPUランタイムを採用し、パフォーマンスが向上。コードのリファクタリングにより、モジュール化された構造を持ち、様々な新モデルが追加。ビルドシステムも改善され、開発速度が10倍向上。トークナイザーの分離ライブラリも提供し、ユーザーは軽量かつ使いやすいツールを手に入れた。

イギリスの公園や緑地は毎年66億ポンドの健康や環境への利益を提供しています。現在、1/3の国民が質の高い緑地にアクセスできていません。2023年に政府は環境改善計画を発表し、15分以内に緑地にアクセスできることを目指しています。DINOv2を用い、個々の木を正確にマッピングし、データを無料で提供。これにより、コスト削減とデータ更新の頻度を増加させ、環境政策の改善に寄与することが期待されています。

NVFP4は、NVIDIAの最新GPUアーキテクチャであるBlackwellにおいて、AIトレーニングと推論のパフォーマンスを大幅に向上させる技術です。以下の3つのポイントが重要です。1. NVFP4は15 petaFLOPSのスループットを実現し、FP8の3倍の性能を発揮。2. 精度も高く、MLPerfの要求を満たす結果を出している。3. エコシステムが広がり、さまざまなライブラリやフレームワークがNVFP4をサポートしている。これにより、より効率的にAIモデルをトレーニング可能です。

専門的なAIモデルを効率的に開発するための合成データパイプラインの構築方法を解説します。主な課題として、高品質なドメインデータの不足、合成データや蒸留に関するライセンスの不明瞭さ、高コスト、遅い反復サイクルが挙げられます。この記事では、NVIDIAのNeMo Data DesignerやOpenRouterを活用し、ライセンスに配慮したデータ生成や評価の手法を学び、実際に合成データセットを作成する手順を紹介します。

Googleは「Natively Adaptive Interfaces（NAI）」を通じて、AIを活用して製品設計に直接アクセシビリティを組み込む新たなフレームワークを提案しています。このアプローチにより、特定のニーズに応じた適応が可能となり、すべての人にとって使いやすい技術の実現を目指しています。NAIは、障害者コミュニティと協力し、実用的なAIツールを開発することで、より包括的な技術を目指しています。

Google Cloudは、米国のスキーおよびスノーボード選手が技術を向上させるためのAIプラットフォームを開発しました。このプラットフォームは、2D動画から選手の動きを解析し、迅速にデータに基づいたフィードバックを提供します。これにより、選手とコーチはリアルタイムで動きを理解し、パフォーマンスを向上させることが可能になります。

Hugging Face Hubでは、コミュニティが評価スコアをオープンに報告できる新しい評価システムを導入します。データセットリポジトリはベンチマークとして登録され、結果が自動的に集約されます。ユーザーはPRを通じて任意のモデルの評価結果を提出でき、コミュニティ全体でスコアを議論できます。この取り組みにより、評価の透明性が高まり、再現可能な評価基準に基づくオープンな結果が提供されます。

Googleは、サッカーのビッグゲームに向けた新しいGemini広告シリーズを発表しました。広告「New Home」では、母子がGeminiを使って新居のアイデアをリアルタイムで具現化します。さらに、Geminiは様々なアプリと連携して、個人の思い出をプロジェクトに活かすことができます。これにより、ユーザーは創造的な作業を簡単に行えるようになります。

Dify 1.12.0で導入されたSummary Indexは、知識ベースのQ&Aにおいて、従来のチャンクベースの取得方法が苦手とする要約リクエストに対応します。各チャンクに要約フィールドを追加することで、関連する内容を一緒に取得できるようにし、ユーザーが求める情報の質を向上させます。要約の追加方法は、手動編集、APIインポート、自動生成の3つがあります。これにより、ユーザーは効果的に要約情報を取得できるようになります。

Kimi K2.5は、NVIDIAが開発した多モーダルビジョン言語モデルです。このモデルは、テキスト、画像、動画を用いたチャットや推論、コーディング、数学タスクに対応しています。384の専門家を持ち、1兆のパラメータを持ちながら、特定のドメイン向けにファインチューニングが可能です。NVIDIAの開発者プログラムを通じて、GPUアクセラレートエンドポイントで無料でプロトタイピングができます。