5月17日、18日に開催された AI & Big Data Expo North America に参加しましたのでそちらの様子をご紹介します。

AI & Big Data Expo North America について

AI & Big Data Expo North Americaは、AIとビッグデータに関する国際的な展示会で北米で開催されるイベントです。

AIとビッグデータの最新の技術やトレンドを紹介し、関連する企業、専門家や研究者が集まるネットワーキングの場所を提供しています。またAIやビッグデータの応用分野やビジネスへの影響に焦点を当てたプレゼンテーション、パネルディスカッション、デモンストレーションなどが行われ、展示ブースでは最新の製品、サービス、ソリューションが展示されます。参加者は最新の技術動向や業界のベストプラクティスを知ることができるイベントとなります。

イベントの場所

アメリカ合衆国カリフォルニア州サンタクララにあるSANTA CLARA CONVENTION CENTER で開催されました。

近くには、Levi's Stadium があります。

会場

プレゼンテーションは大きく以下の通り分かれていましたが、最近ChatGPTを使用していることもあり、今回は　AI & Big Data エリアにずっといました。

Day 1 Sessions (Applied Digital, Data & AI)

1日目のセッションは応用デジタル、データ、AIです。

Presentation: ChatGPT beat stone-age AI – Don’t let it beat you

プレゼンテーション: ChatGPTは石器時代のAIを倒しました - AIに負けるな！！！

• ChatGPTが石器時代のAIに勝利

• AIが日常の手の届く範囲に

• LLMとChatGPT、エネルギー問題について

• 予期せぬ事態に備える

• 無制限の可能性と、課題
• 未開発のユースケースを発見し、検証し、共有
• 影響を受け入れ、課題に取り組む

• AIを日常的に使うことで、その力を発揮させることができる。
• まだ発見されていない、検証されていない、伝えられていないビジネスのユースケースがある。AIの潜在能力に挑戦するために、新たな課題が待ち受けてる。

Panel: Building an Augmented Workforce

パネルディスカッション: 拡張、強化された労働力の構築

• 労働力不足による労働力の急速な展開は、現在の企業においてどのような状況で進行しているのでしょうか？

• 労働力不足に直面する企業では、AI、機械学習（ML）、インテリジェントオートメーションなどの技術を活用し、従業員のスキルと能力を支援し、デジタル化が進み効率的な労働力を構築することを目的としている。

• AI、ML、インテリジェントオートメーションの導入により、従業員は繰り返し業務の自動化やイノベーションにより時間を創出できるため、従業員の満足度向上が可能と考えられる。従業員が重要なタスクに集中し、より意義のある業務に取り組むことができるため、モチベーションや生産性が向上すると期待されている。

• 人間が技術によって置き換えられているという考えに立ち向かう必要性について。

Panel: Talking Digitally with NLP

パネルディスカッション: NLP（自然言語処理）を使ったデジタル上での対話

• NLP（自然言語処理）の領域における現在の取り組みと、実際のユースケースについて。

• どの産業がNLPの機能を活用することで利益を得ることができるか。

• 障壁を乗り越えるために必要な次のステップについて。

Presentation: Practical Business Applications of LLMs

プレゼンテーション: LLMの実践的なビジネス活用法

LLM（大規模言語モデル）が創造的なコンテンツの生成、言語の翻訳、情報提供形式での質問への回答など、さまざまな実用的なビジネスアプリケーションでテキスト生成にどのように利用されるかを紹介。

Prompt Engineering(プロンプトエンジニアリング)について

こちらはAI業界で注目されている分野、必要なスキルとなります。

言語モデルの入力文により、タスクの精度が向上し、AIの性能が上がるとのことです。

そして何よりAIの精度を上げるために必要な新しいプログラミング言語はEnglishだそうです。

LLMSはどんな問題にあう？

• 何かつまらなくて繰り返しのあること
• 自分の専門分野での核となる経験が必要なこと
• 自分がドメイン知識を持っていること
• 何か創造的なもの

昔のMLと今

• Traditional ML Dev
  • たくさんのサンプルが必要
  • 専門性
  • 長い時間、特別なハードウェア
  • Loss Function(損失関数)にフォーカス
• LLM Dev!
  • トレーニング不要
  • 専門知識がいらない
  • トレーニングモデルいらない
  • プロンプトデザインにフォーカス

ビジネスにおける大規模言語モデル(LLM)の将来

• エンタープライズアプリケーションに組み込み　
• エージェントチェイニングを活用した企業向けアプリケーション
• エンタープライズアプリのツールとして

以上、Day1のセッションの様子をご紹介しました。続きはDay2のブログをご覧ください。

AI & Big Data Expo North America に参加しました。Day2