機械学習エンジニアの上川(@yuta_kamikawa)です。この記事は2024年5月28日(火) ~ 5月31日(金)に静岡県浜松市で開催されたJSAI2024 (第38回人工知能学会全国大会) の参加レポートとなります。

LayerXとしては、昨年に引き続きプラチナスポンサーとして協賛させていただき、企業ブースの展示とインダストリアルセッションにて技術報告をいたしました。

昨年と同様に現地とオンラインのハイブリットでの開催となり、現地会場は浜松駅から徒歩10分ほどの場所にあるアクトシティ浜松で行われました。

あいにくの天気でしたが、多くの研究者、エンジニア、そして企業の方や学生たちで賑わい、最新のAI技術や研究成果についての議論が絶え間なく行われており、熱気で溢れかえっていました。

インダストリアルセッション

LayerXにおけるAI・機械学習技術の活用と展望について機械学習エンジニアの島越(@nt_4o54)が発表いたしました。

発表では、AIをコア技術として活用している法人支出管理サービスのバクラクや昨年4月にLLM Labsを設立し11月に事業化に向けて動き出したAI・LLM事業部についての紹介をしました。

LayerXではAIを前提とした理想のUXをAI-UX、そのAI-UXを通じて、ユーザーの体験を再構築していくことをAX（AI Transformation）と呼んでおります。 AI-UXを探究し、人がシステムに合わせる時代からシステムが人に合わせる時代へとユーザーの体験をAX(再構築)するための実際の取り組みについても紹介しました。詳細についてはこちらのスライドをご覧ください。

speakerdeck.com

企業ブース

企業ブースでは学生や企業の方など多くの方にお立ち寄りいただき、LayerXでのAI活用事例についてのデモや文書から抽出した構造化データを利用したAIシステムなどについて紹介しました。

有難いことに学生や大学の先生方からはインターンや新卒採用についてのご質問も多くいただきました。普段なかなかお話しすることができない方々と接点が持てるのは、学会ならではの魅力だと感じました。

また、JSAI2024に現地参加されている学生の方限定でランチ懇親会も開催いたしました。この懇親会では、現役のLayerXメンバーと以下のようなトピックについてカジュアルに話せる場を提供しました。

実際、スタートアップってどうですか？
普段の業務内容は？
何をやっている会社ですか？
LayerXに転職した理由は？
サマーインターンって何やるんですか？
今後の成長性は？

LayerXのインターンや新卒採用にご興味のある方は、本記事の最後にリンクを貼っておりますのでぜひお気軽にご応募ください！

セッション聴講

私が聴講したセッションの中からいくつかご紹介いたします。

[3C3-LS-9-01] Weights & Biasesを使ったモデル評価の最前線〜日本最大のLLMリーダーボードの開発・運営経験を踏まえて〜

Weights & Biases Japanのランチョンセッションに参加しました。世界・日本でのLLM開発を支援するNejumi LLMリーダーボードの概要から、LLMの評価方法や企業での導入事例などについて紹介いただきました。リーダボードではありますが、実験結果の可視化だけではなく、事前学習、ファインチューニングからモデルのデプロイまで活用できるということでした。また、LLM Leaderboard 3の情報解禁があったりと今後の機能追加にも期待しています！(お弁当ごちそうさまでした！！)

[3B5-TS-1-01] 大規模言語モデルの開発

チュートリアルセッションでは大規模言語モデルの開発についての発表がありました。言語モデルとは何かといったような基礎的な内容から、大規模言語モデルを開発するにあたって必要な技術の紹介などがまとめられており、非常にわかりやすい発表でした。また、日本における研究コミュニティや、大規模言語モデルの実現支援プロジェクトについての紹介などもあり、国内での大規模言語モデル開発の盛り上がりがより一層感じられました。

speakerdeck.com

[4N3-GS-6-01] 非構造ドキュメント画像向けOCRテキスト解析のための進化計算に基づく自動プロンプトエンジニアリング

LLMの進展により多様な文章の理解が可能になっており、さらにLLMはタスクに応じた自動プロンプトエンジニアリングにより精度が向上するとされています。これをOCR結果に適用することで関係抽出の高精度化が期待されますが、非構造ドキュメントの最適化には十分なデータを必要とし、LLMの推論回数増加に伴う計算コストの課題が生じます。そこで進化計算に基づく自動プロンプトエンジニアリングにミニバッチ法を適用し、少ない推論回数でプロンプトを最適化する手法が提案されてました。そして、そこで得られたプロンプトにより、OCRデータから高精度に関係抽出できることが示されてました。他にも色々応用が効きそうな研究で非常に面白かったです。