3/30 マルレク「マトリョーシカとトロピカル」講演ビデオと講演資料の公開です

【 3/30 マルレク「マトリョーシカとトロピカル」講演ビデオと講演資料公開しました 】

だいぶ遅れてしまって申し訳ないのですが、3月に開催したマルレク「マトリョーシカとトロピカル -- AI技術の最近の動向について」の講演ビデオと講演資料を公開しました。  

奇妙なタイトルですが、現在のAI技術の動向について知る上で基本的な情報を取り上げています。

このセミナーは二つのトピックスを取り上げています。

【 マトリョーシカ 】

embeddingは、自然言語やコードなどの様々なコンテンツの意味や概念を、多次元ベクトル空間の一点の座標を表す数字の列で表現する技術です。embeddingは、現代のAI技術のもっとも革新的で基本的な技術です。

embedding技術も日々発展を続けています。embedding技術の最近の動向で、もっとも注目をあつめているのが、「マトリョーシカ表現学習」と呼ばれるものです。（図 1）

「マトリョーシカ」embeddingが可能にした柔軟で高速なAdaptive Retrieval 技術は、RAG (Retrieval-Augmented Generation)という形で、既にほとんど全てのベンダーのの生成AIエンジンに組み込まれています。 

【 トロピカル 】

このセミナーが取り上げているもう一つのトピックは、現在の生成AIのベースになっている大規模言語モデル LLM のアーキテクチャーの見直しの動きです。

その見直しの中心は、浮動小数点からなる行列計算の簡略化です。行列計算の中で、浮動小数点同士の掛け算を整数の足し算に還元することができれば、大幅にエネルギー消費を削減することが可能になります。「トロピカル」というタイトルは、掛け算が足し算になる不思議な代数理論である「トロピカル代数」から借用したものです。

セミナーでは、こうしたアプローチで行列演算でのエネルギー消費を 1/70 にすることに成功したという「1-bit LLM」といわれる驚くべき提案を紹介します。(図 2)

【 Ai技術のダウンサイジング化のはじまり 】

このセミナーでとりあげた「マトリョーシカembedding」と「1-bit LLM」は、それぞれ異なった分野のそれぞれに独立した取り組みなのですが、ある共通の方向を向いていると感じています。

それは、「AIのダウンサイジング化」が始まっているということです。

現在では、誰かが高価で巨大なシステムを専有し、開発者も一定程度の性能のハードを持つことが、AIシステム あるいは AIソフトウェア開発の前提になっているのですが、その前提は、いつか変わるだろうと僕は考えています。

スマホでも処理できる低次元のembeddingを柔軟に活用することを可能にする「マトリョーシカ」は、クライアント側の高性能なAIアプリを可能にします。

大規模言語モデルの「1bit」化をめざす「量子化」の方向は、もちろん、AI巨大システムのダウンサイジングを可能にします。

セミナーの冒頭の Part 1 「AI技術の最近の動向について」では、こうした視点を提供しています。

-------------------------------

このセミナーで紹介しているのは、主要に、次の３つの論文す。

　　"Matryoshka Representation Learning"
　　https://arxiv.org/abs/2205.13147

　　"The Era of 1-bit LLMs: All Large Language Models are in 1.58 Bits"
　　https://arxiv.org/abs/2402.17764

　　“BitNet: Scaling 1-bit Transformers for Large Language Models”
　　https://arxiv.org/abs/2310.11453

-------------------------------

セミナーは三つのパートに分かれています。個別にも全体を通してもアクセスできます。

--------------------------
全体を通して見る
--------------------------

　●  「マトリョーシカとトロピカル」セミナーの講演ビデオ全体の再生リストのURLです。
全体を通して再生することができます。

https://www.youtube.com/playlist?list=PLQIrJ0f9gMcP1xkr3hJI1JsTqqV0ZRpqR

　●  講演資料全体を一つのpdfファイルにまとめたものはこちらです。

「マトリョーシカとトロピカル 」講演資料

https://drive.google.com/file/d/1NP7LbCGl-JG5mlYsrFyMaKPqPL6ixhTR/view?usp=sharing

--------------------------
パートごとに見る
--------------------------

　●  Part 1 AI技術の最近の動向について

　　　講演ビデオURL :　
https://youtu.be/Y81F95HqMNI?list=PLQIrJ0f9gMcP1xkr3hJI1JsTqqV0ZRpqR

　　　講演資料 pdf
https://drive.google.com/file/d/1NeCT-h3odFHKWESjPUhrNGcLW8wz0f3u/view?usp=sharing

　●  Part 2 embedding技術の新しい展開

　　　講演ビデオURL :
https://youtu.be/qYMeslsHMc8?list=PLQIrJ0f9gMcP1xkr3hJI1JsTqqV0ZRpqR

　　　講演資料 pdf :
https://drive.google.com/file/d/1Nhut1hoID6B-K9bswiNBQ24BOC8_i-5h/view?usp=sharing

　●  Part 3 大規模言語モデルのアーキテクチャーの見直し

　　　講演ビデオURL :
https://youtu.be/qlJmPaWmH14?list=PLQIrJ0f9gMcP1xkr3hJI1JsTqqV0ZRpqR

　　　講演資料 pdf :https://drive.google.com/file/d/1No0H7LMLwo1y0YbYtnKHlrr42cR14bXL/view?usp=sharing

-----------------------------

今回のセミナーのまとめページはこちらです。

「マトリョーシカとトロピカル」
https://www.marulabo.net/docs/matryoshka/

セミナーに向けたショートムービーの再生リストはこちらです。ご利用ください。

「マトリョーシカとトロピカル  -- エピソード」
https://www.youtube.com/playlist?list=PLQIrJ0f9gMcNgPyZdLjxMZ18wWLGwLpup

---------------------------

コメント

コメントを投稿

このブログの人気の投稿

初めにことばありき

旧約の「創世記」の「光よあれ」は、ビッグバンを思わせて、物理学者はちょっと萌えるかもしれないのだが、新約の「ヨハネによる福音書」には、言語学者が喜びそうなフレーズがある。 「初めに言があった。言は神と共にあった。言は神であった。」 僕が知っていたのは、「はじめにことばありき」という訳だったのだが。この口語訳での「言」は、英訳だとこうなっている。 "In the beginning was the Word, and the Word was with God, and the Word was God." 「言」= "Word" である。はじめにあったのは、Wordであって、Language ではない。だから、新しい口語訳では、普段、あまり馴染みない「言」という訳語を使ったのかも。「初めに語があった」では、なんかしまらないんだろうな。（僕は、「はじめにことばありき」というフレーズの方が好きだ。） ちなみに、「ヨハネによる福音書」は、英語では、"Gospel of John" という。「ジョンのゴスペル」である。でも、そう日本語に訳してしまうと、ジョン・レノンがバラードではなく、ゴスペルを歌っているようで、まずいんだろうな。 「ことば」・「言」・"Word" と訳されている、元々の言葉を調べてみると面白い。 キリスト教のオーソドックスな原典であるラテン語訳聖書では、この部分は、こうなる。 "In principio erat Verbum, et Verbum erat apud Deum, et Deus erat Verbum" 「イン・プリンキピオー・エラト・ウェルブム」 英訳 Word のラテン語の原語は、Verbum である。この単語、英語に直訳すれば、Verbである。「初めに、動詞があった。」　言語学の「従属性文法 (Dependency Grammar) 」理論の人たち、喜びそう。 もっとも、英語のVerbは、元々は、動詞というより広く言葉全体をさしてたらしい。そのことは、「ノンバーバル・コミュニケーション (Non-Verbal Communication) 」というのが、動詞を使わないコミュニケーション...
続きを読む

密度行列とは何か？

これまで、量子の状態をベクトルで表現してきました。例えば、量子ビットの状態は、状態ベクトルで表せば、|qubit> = a|0>+b|1> と、二つの状態ベクトルの「重ね合わせ」（ベクトルの和です）で表現されました。 それに対して、密度行列は、量子のシステムの状態を行列で表現したものです。では、どの　ようにしてベクトルで表される量子の状態を、行列で表すのでしょう？ 次のように考えます。ある量子システムで、状態|ψ_i>である確率をp_iとしましょう。この時、確率p_iを成分とする行列を考えます。 |qubit> = a|0>+b|1> の場合なら、|0>である確率p_0は |a|^2で、|1>である確率p_1は |b|^2になりますので、p_0とp_1、すなわち、|a|^2と|b|^2を成分とする行列を考えることにします。 ここでは、ベクトルの外積が行列になることを利用します。それでは、外積で作られる行列のどこにこの成分を割り当てるか考えましょう。うまい方法があります。 外積 |0><0|は、0行0列目の成分だけが1で、残りの成分は全て0の行列です。同様に、外積|1><1|は、1行1列目の成分だけが1で、残りの成分は全て0の行列です。 この時、p_0|0><0| + p_1|1><1|という行列として密度行列を定義します。0行0列目の成分がp_0で、1行1列目の成分がp_1の行列です。 　● 状態ベクトルを使った表示 　　　|qubit> = a|0>+b|1> 　● 密度行列を使った表示 　　　ρ = p_0|0><0| + p_1|1><1| = |a|^2|0><0| + |b|^2|1><1| 状態ベクトルを使った表示に出てくる a, bは複素数ですが、密度行列を使った表示に出てくる p_0, p_1 は、確率ですので 0と1の間に値を持つ実数です。これは、二つの表示スタイルの大きな違いです。 密度行列を作るのに利用した、確率 p_iと状態|ψ_i>のペア { p_i, |ψ_i> }の集まりを、「pureな状態のアンサンブル」といいます。その意味は、この量子システムで、状態|ψ_...
続きを読む

「複雑性理論」は「複雑系」の議論とは別のものです

イメージ
「複雑性理論」を、以前に少し流行したことのある「複雑系」の議論と同じものだろうと誤解されていることに、最近気づきました。当然ありうる誤解なのに、迂闊でした。 確かに、対象が「複雑さ」だと思えば、一部分は重なるところもあるのですが、「複雑性理論」と「複雑系」の議論は、まったく違うものです。 現在の「複雑性理論」の歴史をたどると、二つの起源にたどり着きます。 一つは、20世紀初頭からの数学の基礎付けをめぐる探求です。ヒルベルトの「有限の立場」にはじまり、ゲーデルの「不完全性定理」が衝撃を与え、「チャーチ＝チューリングの提言」で「実効的な」「計算可能性」概念が、いったん定式化されるといった一連の流れです。 もう一つは、20世紀の中盤以降、コンピュータ技術が爆発的に発達する中で生まれた「計算量理論」「計算複雑性理論」です。そこでの最大の気づきは、「実際に」コンピュータで計算できるものを考えると、「多項式」で表現される計算時間と、「指数関数」で表現される計算時間とには、「質的」な違いがあるのではというものでした。（この計算複雑性理論の中心的な問題である「P=NP？問題」は、今に至るも解決されていません。） 二つの流れは、別々のものでした。 前者は、人間の数学的認識の原理的「限界」に関わるもので、後者はコンピュータによる計算の具体的「限界」に関わるものです。 ただ、人工知能をめぐる基本的な問題が、最終的には、人間の知能の機械による実現は可能かということであるなら、両者は結びつきます。なぜなら、人工知能は人間の数学的認識をも実現するものでなければならないし、それはまた、実際のコンピュータ上で実装されなければならないからです。 人間の知能の本質を、「計算」として捉える立場を、「計算主義」と言います。それは、現在のディープラーニング技術が、よって立つ、「コネクショニズム」とは異なる立場です。僕は、人工知能論では、この「計算主義」の立場に立っています。それは、コネクショニズムは、数学的認識に関しては、無力だと考えているからです。 現代の複雑性理論には、第三の起源があります。 理論史的には、それは、ファインマンによる「量子コンピュータ」の提唱にはじまるものです。 ただ、その背景には、とても重大な認識の発展があります。それは、全ての情報過程が...
続きを読む