WEBVTT 00:00.530 --> 00:07.670 このプロジェクトに対する私の熱意が少々非常識であることは自覚しているが、 結果には非常に満足していることをお伝えしなければならない。 00:07.700 --> 00:12.620 これほど多くの可動部品があり、 技術的に非常に複雑で、 実質的な内容も多いのに、 00:12.620 --> 00:22.340 私たちのお得なプッシュ通知のようなシンプルで具体的な結果をもたらす、 このようなプロジェクトはめったにない。 00:22.520 --> 00:29.750 通知王を超えた何かが、 これを実に満足のいくものにしている。 00:30.290 --> 00:35.660 この問題を解決するためのテンプレートは、 似たようなビジネス上の問題やスタートアップのアイデア、 00:35.660 --> 00:48.680 商業上の問題など、 あなたがすでに考えているような問題にも応用できるということです。 00:48.710 --> 00:53.570 つまり、 すぐに思いつくことを挙げるとすれば、 このプロジェクトのためのデータ、 00:53.570 --> 01:00.020 アマゾンの価格設定データをハギング・フェイスで探していたときに、 01:00.020 --> 01:15.420 企業の年次報告書を掲載し、 その報告書が発表された日とその数日後の株価の変化との関係を示したデータもたくさん見つけました。 01:15.420 --> 01:23.580 そして、 これはよりストレッチである一方で、 それを破る方法を見つけることができれば、 明らかに大きなチャンスでもあることに思い当たった。 01:23.610 --> 01:35.130 それを見て、 ある企業の報告書が公表された結果、 株価がどうなるかを予測できる独自のモデルを構築する方法があるとすれば。 01:35.160 --> 01:42.630 そして、 リリースされる新会社のレポートをスキャンするスキャナー・エージェントを持つことも想像できるだろう。 01:42.660 --> 01:49.710 そのため、 このような問題に適応するエージェントのワークフローが非常によく似ていることがわかります。 01:49.710 --> 01:54.660 もちろん、 取引に関する決定はすべて自己責任であり、 01:54.660 --> 01:56.880 私は一切関知しない。 01:57.060 --> 02:03.120 そして、 企業の報告書を読み、 その結果として強固な取引判断を下すような自動化されたAIシステムを構築できるという問題は、 02:03.120 --> 02:09.510 明らかにまだ誰も解決できていない。 02:09.510 --> 02:15.810 でも、 とても重要な挑戦だと思う。 02:15.810 --> 02:21.060 そして、 それを指摘したかったのは、 もしあなたがそれをやりたかったら、 パズルの断片を見るという点で、 02:21.060 --> 02:24.360 それがいかに似ているかを示しているからだ。 02:24.360 --> 02:33.160 何が起こるか、 そしてそのようなデータからシグナルを見つけることができるかどうかを確認し、 02:33.160 --> 02:40.600 同様のエージェントのワークフローを構築する機会として利用する。 02:41.410 --> 02:42.040 オーケー。 02:42.070 --> 02:49.930 ともあれ、 今週最後のスライドに移ろう。 今週の、 02:49.930 --> 02:54.430 ではなく、 今日の、 である。 02:54.430 --> 02:59.890 最終日は8週目の5日目で、 このコースの締めくくりとなる。 02:59.890 --> 03:01.930 それを見逃す手はない。 03:02.050 --> 03:07.210 この時点で、 フロンティア・モデル、 オープンソース・モデル、 ハギング・フェイス、 03:07.210 --> 03:13.510 ツールを使ったAPI、 構造化された出力、 Gradioからの支援を受けたラグを使って、 03:13.510 --> 03:18.760 コードとテキストを生成することができる。 03:18.790 --> 03:25.180 データをキュレーションするのは大変で骨の折れる作業だが、 03:25.180 --> 03:30.280 おそらく最も重要なステップだろう。 03:30.460 --> 03:34.330 ベースラインモデルを作り、 フロンティアモデルを微調整することだ。 03:34.330 --> 03:38.380 そして、 オープンソースのモデルを選択し、 トレーニングすることができる。 03:38.380 --> 03:39.370 そして我々はそれを成し遂げた。 03:39.400 --> 03:42.010 そうすることで、 私たちはフロンティアを打ち破った。 03:42.040 --> 03:44.770 モデルをプロダクションにデプロイすることができます。 03:44.770 --> 03:48.730 モーダルを使って、 クラウド上に何かを置くことができる。 03:48.760 --> 03:55.750 また、 他の方法でコードをプロダクション化し、 本番環境で実行できるように準備することもできる。 03:56.140 --> 04:07.030 そして今、 複雑なタスクを分解するために、 プランニング・メモリー、 データベース、 複数のエージェントが連携するエージェント型ワークフローを構築することができる。 04:07.360 --> 04:11.470 そして、 明日の準備に取りかかる。 04:11.470 --> 04:17.920 明日は、 もちろん、 ユーザー・インターフェースを構築する。 04:18.040 --> 04:25.270 今日、 ワークフローを実行したとき、 それが実行され、 完了したことに気づくだろう。 04:25.270 --> 04:31.330 だから自律走行ではないし、 走り続けるわけでもない。 04:31.330 --> 04:32.950 だから、 もちろんそれを修正する必要がある。 04:32.950 --> 04:35.320 だから、 明日はその両方をやるつもりだ。 04:35.320 --> 04:43.270 それが終われば、 AIとLMエンジニアリングをマスターしたことになる。 04:43.330 --> 04:45.100 その時が待ち遠しい。 04:45.100 --> 04:49.300 君たちが興奮し、 誇りに思うことを願っている。