フリーBGMサイト紹介 - 一般社団法人フリーBGM協会
フリーBGMサイト紹介 当協会の情報提供にご賛同いただいた作曲家様、およびサイトを紹介しています。 下記の「利用条件」では、各サイトのライセンスページのリンクと、よく問い合わせがある利用条件の項目をまとめています。 楽曲の使途、利用条件はこれに限りませんので、 ご利用の前に必ず各サイトのライセンスをご確認ください。 なお、当協会への情報提供に賛同いただき本ページで紹介しているフリーBGM配布サイト、 およびフリーBGM作曲家の方は、将来的に利用者向けライセンスの内容が変更されても過去の利用者には影響ないことを表明いただいております。 ※ YouTube上で使用してもアラート（申し立て）が 発生しない管理がされています。 サイト名 利用条件 YouTube保護 ※ 放送・配信・広告・ ゲーム・教材などでの利用 再配布 クレジット表記 商用利用 歌唱・演奏 AI学習への利用 注意事項 BGMe
米NVIDIAは6月14日（現地時間）、LLMのトレーニング用オープン合成データ生成モデルシリーズ「Nemotron-4 340B」を発表した。独自のオープンモデルライセンス（PDF）の下、「あらゆる業界の商用アプリケーション向けLLM」のトレーニングに使うデータセットを合成できるとしている。つまり、商用利用も可能だ。 LLMの開発では、高品質で多様なデータセットでのトレーニングが不可欠だが、ネットなどから収集したデータには偏りや不正確なものが含まれる可能性があり、量にも限りがある。そのため、合成データの生成に注目が集まっている。 Nemotron-4 340Bには、合成データ生成のパイプラインを形成するbase、instruct、rewardの3つのモデルが含まれる。baseモデルは、9兆個のトークでトレーニングされたカスタマイズの基盤となるモデル。独自データを組み込むことで、このモデル
NVIDIA Releases Open Synthetic Data Generation Pipeline for Training Large Language Models
NVIDIA today announced Nemotron-4 340B, a family of open models that developers can use to generate synthetic data for training large language models (LLMs) for commercial applications across healthcare, finance, manufacturing, retail and every other industry. High-quality training data plays a critical role in the performance, accuracy and quality of responses from a custom LLM — but robust datas
NVIDIAがオープンモデル「Nemotron-4 340B」を発表、LLMトレーニング用合成データの生成に革命を起こすか
高度なAIのトレーニングには高品質な学習データが欠かせませんが、そのようなデータは急速に枯渇しつつあることが問題となっています。NVIDIA2024年6月14日に、大規模言語モデル(LLM)のトレーニングに使用する合成データの生成を念頭に開発され、商用アプリケーションにも使えるオープンソースのAIモデル「Nemotron-4 340B」を発表しました。 NVIDIA Releases Open Synthetic Data Generation Pipeline for Training Large Language Models | NVIDIA Blog https://blogs.nvidia.com/blog/nemotron-4-synthetic-data-generation-llm-training/ Nvidia's 'Nemotron-4 340B' model red
画像生成AIのStable Diffusionなどに使われるデータセット「LAION-5B」に同意のない子どもの写真が含まれており身元まで特定可能
画像生成AIのStable Diffusionなどのトレーニングには、約58億5000万もの画像とテキストの組み合わせからなるデータセット「LAION-5B」が用いられています。新たに人権NGOのヒューマン・ライツ・ウォッチ(HRW)が、LAION-5Bにはブラジルの子どもたちの写真が同意なしで使われており、多くの子どもたちは身元まで追跡可能であると報告しました。 Brazil: Children’s Personal Photos Misused to Power AI Tools | Human Rights Watch https://www.hrw.org/news/2024/06/10/brazil-childrens-personal-photos-misused-power-ai-tools AI trained on photos from kids’ entire chi
FineWeb: decanting the web for the finest text data at scale - a Hugging Face Space by HuggingFaceFW
Discover amazing ML apps made by the community
日本のアニメなどから収集したデータセット「Sakuga-42M」 国際研究チームが公開 「学術研究でのみ使用可能」【更新済み】
このコーナーでは、2014年から先端テクノロジーの研究を論文単位で記事にしているWebメディア「Seamless」（シームレス）を主宰する山下裕毅氏が執筆。新規性の高いAI分野の科学論文を山下氏がピックアップし、解説する。 X： ＠shiropen2 【更新履歴：2024年5月24日 午後1時50分更新 同時刻時点で論文は取り下げられ、GitHubのリポジトリ非公開となったことを確認しました。 カナダのアルバータ大学や中国の四川音楽学院に所属する研究者らが発表した論文「Sakuga-42M Dataset: Scaling Up Cartoon Research」は、AIモデルのトレーニング用に作成したアニメ動画データセットを提案した研究報告である。 Sakuga-42Mは、GitHubにおいてリポジトリが公開されており、学術研究の目的でのみ使用可能。また、データセット内の画像やビデオの著
新着情報 AnswerCarefully Dataset バージョン1.0を公開 (2024/4/30) 概要 日本語LLM 出力の安全性・適切性に特化したインストラクション・データAnswerCarefully(AC)データセットVersion 1 を公開します。このデータセットは、英語の要注意回答を集めたDo-Not-Answer データセット の包括的なカテゴリ分類に基づき、人手で質問・回答ともに日本語サンプルを集めたオリジナルのデータセットです。 データセットの特徴 ５つのリスクタイプ（大分類）、12の有害カテゴリ（中分類）、61のサブカテゴリ（小分類）をカバーしています。Version 1は各サブカテゴリにつき10から20のサンプルを含む計945件からなっています。 このうち各サブカテゴリから３件ずつ、計183件をテストデータ、残り762件をを開発データとして２つのファイルに分け
2024年4月16日、研究を実施・助成・評価する機関や研究情報のインフラを提供する機関の関係者らのグループによって、研究情報のオープン化を目指すバルセロナ宣言（“Barcelona Declaration on Open Research Information”）が発出されました。 書誌データや助成情報といった研究に関するメタデータのオープン化を標準とすることや、それを可能にするサービスやシステムをサポートすることなど四つの原則を掲げています。支援機関としてはCrossref、DataCite、学術文献データベースOpenAlexを運営する非営利団体OurResearchなどが名を連ねています。 この宣言に対しては、研究助成機関のコンソーシアムであるcOAlition S が同日に歓迎を表明しています。表明では、cOAlition Sが長年に渡ってメタデータのオープン化を掲げていたことに
地域幸福度（Well-Being）指標の活用
デジタル田園都市国家構想実現に向けた 地域幸福度（Well-Being）指標の活用 人々の『心ゆたかな暮らし』へ。 地域幸福度（Well-Being）指標とは、市民の「暮らしやすさ」と「幸福感（Well-being）」を 数値化・可視化する指標です。 Well-Being指標の活用へ4つのAction
Welcome
The openVertebrate project, oVert for short, is a new initiative to provide free, digital 3D vertebrate anatomy models and data to researchers, educators, students and the public. X-ray CT allows researchers to visualize and quantify hard-to-measure characteristics. This image shows high and low density areas of the skull of an Angolan burrowing pig-nosed frog. Florida Museum of Natural History im
GitHub - japan-opendata/awesome-japan-opendata: Awesome Japan Open Data - 日本のオープンデータ情報一覧・まとめ
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
自民党裏金リスト
ver.1.2 なかなか忘れられがちな過去の不祥事。思い出せるように一覧にまとめました。選挙の時などお役立ていただければ幸いです。 選挙区別一覧はこちらから
パブリックコメントの「「オープンデータ基本指針」（改正案）に係る意見募集について」に関する意見募集の実施についての詳細です。
Not-For-All-Audiences This repository has been marked as containing sensitive content and may contain potentially harmful and sensitive information. View content
LLM開発のためのデータエンジニアリング MLOps Advent Calendar 2023の24日目です。 Stability AIでデータ系のソフトウェアエンジニアをやっているcvuskです。主な仕事は日本語LLMのためのデータ開発です。Stability AIでは日本語LLMも各種開発しています。LLMの学習というと大量のGPUを用意して巨大なデータでモデルを学習する、というキラキラしたイメージ（？）が強いかもしれませんが、データが重要かつ苦労が耐えない課題であることは他の機械学習やディープラーニングモデルと違いありません。日本語のテキストデータは英語ほど入手しやすいわけではないのと同時に、データエンジニアリングや品質面でもいろいろと大変なことが多々あります。今回はLLMのためのテキストデータの用途やエンジニアリングについて整理します。 LLMの学習 LLMの学習は大きく分けて事前
画像生成AI「Stable Diffusion」などに使われた50億枚超の画像セット「LAION-5B」に1008枚の児童ポルノ画像が入っていることが判明し削除へ
スタンフォード大学インターネット天文台(SIO)の調査により、画像生成AI「Stable Diffusion」などのトレーニングに利用されているオープンデータセットの「LAION-5B」に、児童性的虐待画像(CSAM)が含まれていることが明らかになりました。CSAMの疑いのある画像は3226枚で、そのうち1008枚が外部機関の検証によりCSAMであると確認されました。 Investigation Finds AI Image Generation Models Trained on Child Abuse | FSI https://cyber.fsi.stanford.edu/io/news/investigation-finds-ai-image-generation-models-trained-child-abuse Largest Dataset Powering AI Imag
米スタンフォード大の研究者は20日、画像生成AI（人工知能）の学習用データセット「LAION（ライオン）5B」が1000件以上の児童の性的虐待画像を含んでいたと発表した。多くの画像生成AIが同データを使って学習しており、不適切な画像を生成する恐れがあると警告している。ライオン5Bはインターネット上の50億枚以上の画像のURL（アドレス）を集約したデータセットだ。報告書を発表したスタンフォード大
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
OpenAI Data Partnerships
Working together to create open-source and private datasets for AI training. We are introducing OpenAI Data Partnerships, where we’ll work together with organizations to produce public and private datasets for training AI models. Modern AI technology learns skills and aspects of our world — of people, our motivations, interactions, and the way we communicate — by making sense of the data on which
OpenAI、トレーニング用の安全で広範なデータセット構築目指す「Data Partnerships」立ち上げ
米OpenAIは11月9日（現地時間）、AIモデルをトレーニングするためのパブリックおよびプライベートのデータセットを構築するためにサードパーティと協力するパートナーシップ「OpenAI Data Partnerships」の立ち上げを発表した。 同社は公式ブログで、このパートナーシップの目的は「より多くの組織がAIの将来の舵取りを支援できるようにし」「より有用なモデルから恩恵を受けられるようにすること」と語った。 「最終的に全人類にとって安全で有益なAGIを実現するには、AIモデルがすべてのテーマ、業界、文化、言語を深く理解」する必要があり、そのために可能な限り広範なトレーニングデータセットが必要だとしている。 データには、画像、音声、動画などを含める予定で、多様な言語、トピック、形式での長文のテキストや会話など、「人間の意図を表現する」データも含める計画。 パートナーシップ参加組織と協
MetaのAIのトレーニングに使われた書籍データセット「Books3」には村上春樹やスティーブン・キングの著作も含まれている
Metaが開発する大規模言語モデル「LLaMA」などのトレーニングに使用された書籍データセット「Books3」は、知的財産権や著作権に対する侵害の疑いが指摘されています。そんなBooks3に含まれる書籍の内訳やBooks3が抱える問題点について、テクノロジー系ライターのアレックス・リーズナー氏が解説しています。 Erotica, Atwood, and 'For Dummies': The Books Behind Meta’s Generative AI - The Atlantic https://www.theatlantic.com/technology/archive/2023/09/books3-ai-training-meta-copyright-infringement-lawsuit/675411/ These 183,000 Books Are Fueling the
このコーナーでは、2014年から先端テクノロジーの研究を論文単位で記事にしているWebメディア「Seamless」（シームレス）を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 Twitter: ＠shiropen2 米Google Researchと米Google DeepMindに所属する研究者らが発表した論文「Android in the Wild: A Large-Scale Dataset for Android Device Control」は、Androidデバイスを自然言語で操作するための大規模な学習データセットを提案した研究報告である。このデータセットには、画面やアクションを含むデバイスのインタラクションの人間によるデモンストレーションと、それに対応する自然言語の指示が含まれている。データセットはこちらから入手できる。 自然言語コマンド
スローニュースでは、プロジェクト「オープンデータウオッチ」を始めます。国や自治体がオープンにしているデータをもとに、税金の使われ方や事業が適正に行われているのかなどをチェックしていきますよ。まず最初に取り上げるのは、東京都の補助金です。 東京都の補助金は年間1兆8000億円の巨額東京都がいろんなところに渡している「補助金」って年間1兆8000億円（令和4年度予算ベース）にも上る巨額だとご存じでした？もちろん、私たちの税金が原資です。都民じゃないから関係ない？いやいや、これ国の予算が東京都を通して払われているものもかなり含まれているので、元をたどれば全国の人が関係してますよ。他人事じゃないんです。 東京都の「補助金サーチ」よりだからこそ、使い道をはっきりさせてほしいんですよね。ところが、全然わからないんです。これ、東京都にふつうに聞くと、「支出先は公開しています」って答えるんですよね。でも、
トップ Policy(提言・報告書) 科学技術、情報通信、知財政策 データ利活用・連携による新たな価値創造に向けて Policy(提言・報告書) 科学技術、情報通信、知財政策 データ利活用・連携による新たな価値創造に向けて ― 日本型協創DXのリスタート ― （PDF形式／本文の目次は以下のとおり） Ⅰ．はじめに ― なぜデータ利活用・連携か ― Ⅱ．目指す未来像と方策 未来像の再確認 実現に向けた方策 経済界の役割 Ⅲ．現状の整理 データの種類と連携の類型 わが国企業によるデータ利活用・連携の進捗 (1) データ利活用の進捗 (2) データ連携の進捗 Ⅳ．具体的課題と解決策 目的・利益を共有できない：連携しているが効果が出ない、実証止まりで社会実装につながらない等 (1) 追求する価値の明確化とビジネスモデルの構築 各主体の理解不足：連携する意思がない、協力してもらえない等 (1) 社会
画像生成AI「Stable Diffusion」が使う無料のデータセット「LAION」の構築を率いているのは1人の高校教師だった
画像生成AI「Stable Diffusion」が使用していることでも知られている、ジェネレーティブAIの学習用データセットを構築する非営利団体が「LAION」です。このLAIONのリーダーを務めるのが、ドイツのハンブルグ市で高校教師として働くクリストフ・シューマン氏です。 A High School Teacher’s Free Image Database Powers AI Unicorns - Bloomberg https://www.bloomberg.com/news/features/2023-04-24/a-high-school-teacher-s-free-image-database-powers-ai-unicorns クリストフ・シューマン氏はウィーン大学でコンピューター科学と物理学を学びながら、ワークショップで6年間にわたって演技を学び、卒業後はハンブルク市で
対話型AIの学習に使われているGoogleのデータセット「C4」には4chanや白人至上主義者のサイトなど問題のあるコンテンツが大量に混入している
Metaが2023年2月に公開した大規模言語モデル「LLaMA」を始めとするAIのトレーニングには、Googleが作成した巨大データセット「Colossal Clean Crawled Corpus(C4)」が使用されています。C4は名前の通り「クリーン」なデータで構成されているはずですが、海外メディア・The Washington PostとAI研究者の分析により、このC4に有害なコンテンツが大量に紛れ込んでいることが発覚しました。 See the websites that make AI bots like ChatGPT sound so smart - Washington Post https://www.washingtonpost.com/technology/interactive/2023/ai-chatbot-learning/ OpenAIのChatGPTを皮切りに
スマホゲーム公式が3Dモデル無償配布、利用規約なくユーザー困惑 「勝利の女神：NIKKE」の施策が話題 中国Tencent Gamesは4月13日、同社のゲーム部門「Level Infinite」が提供するスマートフォンゲーム「勝利の女神：NIKKE」（ニケ）の公式3Dモデルを配布した。日本向けを含む公式サイトでゲームキャラ5人のMMDモデルを公開している。ただし利用規約やガイドラインの類が存在せず、SNS上ではどう使っていいか困惑する声が見られる。 勝利の女神：NIKKEは2022年11月にリリース。iOS／Android／Windows向けのシューティングゲームで、日本や韓国向けに提供している。女性型の人造人間・改造人間「ニケ」を従えて敵と戦うという内容だ。戦うキャラクターの後ろ姿を見ながらプレイする独特のUIがリリース前から注目を集めており、事前登録者数は世界で250万以上という。
LLM のデータセットまとめ｜npaka
LLMのデータセットをまとめました。 1. 事前学習データセット1-1. Text・Wikipedia (ja) ・fujiki/wiki40b_ja ・shisa-pretrain-en-ja-v1 (ja) ・augmxnt/shisa-pretrain-en-ja-v1 ・Wikipedia (en) ・Wiki Demo (en) ・RefinedWeb (en) ・RedPajama V2 (en) ・Pile (en) ・SkyPile (zh) ・The Stack 2 (en) ・The Stack (en) ・StarCoder (en) 1-2. Code・The Stack 2 (en) ・The Stack (en) ・StarCoder (en) 2. SFTデータセット2-1. Instruction・ichikara-instruction (ja) ・ich
繧ｪ繝ｼ繝励Φ繝翫ぎ繧ｵ繧ｭ
逧�縺輔∪縺ｧ閾ｪ逕ｱ縺ｫ豢ｻ逕ｨ縺励※縺�縺溘□縺阪◆縺�縲ゅ→縺�縺�諤昴＞縺九ｉ 髟ｷ蟠守恁縺御ｻ翫∪縺ｧ縺ｮ讌ｭ蜍吶〒蜿門ｾ励＠縺滓�先棡蜩√ｒ 繧ｯ繝ｪ繧ｨ繧､繝�繧｣繝悶�ｻ繧ｳ繝｢繝ｳ繧ｺ繝ｻ繝ｩ繧､繧ｻ繝ｳ繧ｹ縺ｮ 繧ｪ繝ｼ繝励Φ繝�繝ｼ繧ｿ縺ｫ縺励∪縺励◆縲� 蝟ｶ蛻ｩ繝ｻ髱槫霧蛻ｩ蝠上ｏ縺壹＃蛻ｩ逕ｨ蜿ｯ閭ｽ縺ｧ縺吶��
国土交通省が日本全国の3D都市モデルのアセットをUnity Asset Storeで配信。価格は無料 編集部：杉浦 諒 ユニティ・テクノロジーズ・ジャパンは本日（2023年2月28日），同社が展開するアセット販売ページ“Unity Asset Store”で，国土交通省とシナスタジアによる「PLATEAU SDK for Unity」が出品されたことを明らかにした。価格は無料。 「PLATEAU SDK for Unity」は，国土交通省が主導する日本全国の3D都市モデルの整備およびオープンデータ化を目指すプロジェクト“PLATEAU”のもと，シナスタジアが開発したオープンソースのツールキットだ。 配信されたアセットには，家屋やビルなどの建築物だけでなく，都市計画区域などの都市計画決定情報，土地の用途を示す土地利用，都市のインフラを示す道路や橋梁などのデータも含まれる。これらのデータは，U
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
声優の利益保護へ音声データを認証 AIカバー対策、初の団体設立へ：朝日新聞デジタル
NVIDIA、AIトレーニング用合成データ生成モデル「Nemotron-4 340B」を商用利用可でリリース
AnswerCarefully Dataset – RIKEN-AIP, LIAT
研究情報のオープン化を目指すバルセロナ宣言が発出される：cOAlition Sはこれに歓迎を表明
ウェザーニュースの花粉データでPythonアプリを作りたい（その1） - 43号線を西へ東へ
「オープンデータ基本指針」（改正案）に係る意見募集について｜e-Govパブリック・コメント
litagin/moe-speech · Datasets at Hugging Face
LLM開発のためのデータエンジニアリング - Qiita
生成AIの学習データに児童虐待画像 米大学研究者が指摘 - 日本経済新聞
A Review of Public Japanese Training Sets
神戸市がやってくれました！ 全国規模の人口移動・就業状況の「ダッシュボード」、全国の誰にでも無料公開。Tableau使いの市職員が作成、オープンデータの可視化・活用方法として提案【地図と位置情報】
過去の法令を全文検索できるデータベースを公開 ～法制度の移り変わりを調査する出発点に～
https://open_contents_datasets.gitlab.io/project_home/
日本語指示データ・日本語擬似レビューの公開 - Megagon Labs | リクルート AI研究機関
米Google、自然言語でAndroidデバイスを操作するための学習データセット公開
東京都の補助金、1兆円が「どこにいくら渡されたか見えない」｜SlowNews | スローニュース
Amazon、Meta、Microsoft、TomTomらが保有するデータを統合して地図データを整備――「Overture Maps」とは何か？【地図と位置情報】
経団連：データ利活用・連携による新たな価値創造に向けて (2023-05-16)
スマホゲーム公式が3Dモデル無償配布、利用規約なくユーザー困惑 「勝利の女神：NIKKE」の施策が話題
行政のオープンデータを集約した「e-Govデータポータル」公開
国土交通省が日本全国の3D都市モデルのアセットをUnity Asset Storeで配信。価格は無料
マップル、全国の「登記所備付地図データ」を可視化するビューア公開。法務省のデータを使いやすく 地図XMLフォーマットからベクトルタイルデータへ変換
