20250909 産婦人科AI勉強会 画像とLLM

勉強会の前座で使用したものです

Transcript

1. 【20250909】 勉強会について
2. LLM エージェント 本勉強会は「勉強会」という立て付けではありますが、 特定のスピーカーを建てる従来のスタイルは想定していません。 テーマに関して自由にお互いの知見を交換し合うような場を想定 しています
3. 直接会話に参加するのが難しい 状況にある方も想定されるため、 Discord内での議論も同時並行で 進められるようにしています。 ご質問や感想などを遠慮なく ご記載ください。 「第一回【20250909】」→ 「ディスカッション」→ 各フォーラムからご参加ください
4. 個人的な疑問や、人に聞きにくいこともあるかもしれません。 NotebookLMで本勉強会用に作成したチャットボットの URL(https://notebooklm.google.com/notebook/c5b9cdce-15ea- 4856-9a33-b6b10bba0858)にアクセスしていただければ、チャットで 質問も可能です。
5. 毎回の勉強会においては、以下の配分で進行する予定です。 ～5分：今回のテーマの簡単な要約 ～30分：テーマに関する自由な議論(対面＋Discord) ～55分：Discordの意見を拾いつつ議論 ～60分：クロージング、次回のテーマ設定 トータルで50-60分/回 勉強会中は自由に出入りしていただいて構いません。 毎回の勉強会で、参加者のみなさまが何かしらの気づきを 得られることが目標です。
6. https://www.youtube.com/watch?v=LEAFHHNk8II https://www.youtube.com/watch?v=CHx6uHnWErY 畳み込みニューラルネットワーク(CNN) の「畳み込み」： 文章や画像、音声などの小さな範囲（Token）の中のピクセルを 決まった重みで足し合わせ、輪郭や模様などの特徴を見つける操作 画面を拡大してなぞりながら「ここに線や点はあるか？」を 確認していくイメージです。
7. https://www.youtube.com/watch?v=KlZ-QmPteqM&t= https://www.google.com/url?sa=i&url=https%3A%2F%2Fillust-navi.com%2Fapple%2F&psig=AOvVaw0tjKGYf-Uc6KPt__bfrZwh&ust=1756453355052000&source=images&cd=vfe&opi=89978449&ved=0CBgQjhxqFwoTCNikr-SArY8DFQAAAAAdAAAAA ニューラルネット（CNNやTransformer）は、データを細かい Tokenに分割したうえで、「よく出る形・音・言葉」の並びを 見つけやすいWindowの配列(Weight)を学習し、そのパターンを表す ベクトルにまとめます。 画像は輪郭や模様、音声は高さや変化、文章は意味のつながりとして、 機械が扱いやすい数の並び（特徴量）に変換することができます
8. データを特徴量のベクトルにすると、ベクトル空間において近い概念は 近いところを指すことが期待されます。 これを応用し、データの表す「概念の計算」をすることができます。 king 𝒌𝒌𝒌𝒌𝒌𝒌𝒌𝒌 + 𝒘𝒘𝒘𝒘𝒘𝒘𝒘𝒘𝒘𝒘 = 𝒒𝒒𝒒𝒒𝒒𝒒𝒒𝒒𝒒𝒒 woman queen “apple” “りんご” “ピーマン” 「りんご」の 概念を表す空間
9. 文章や画像は、となり合うToken同士の文脈(Context)次第で そのTokenの持つ意味が変わります (例：「機械学習モデル」と「ファッションモデル」では、「モデル」が表す概念は異なる) 従って、Token同士の関係を読み込む仕組み(Attention)を持つ Transformerが、大規模言語モデル(LLM)の中心的な設計となります。 https://www.youtube.com/watch?v=KlZ-QmPteqM&t=312s
10. 翻訳タスク：異なる言語の似た概念の行き来 画像説明タスク：言語空間と画像空間における似た概念の行き来 “apple” “りんご” 英訳 タスク 画像生成 タスク “りんご” エンコーダー (ベクトル化する仕組み) デコーダー (ベクトルから戻す仕組み) “apple”
11. 生成モデルについて 拡散モデル：画像がノイズになっていく過程を学習させ、 それを逆転させることでノイズから画像を生成する仕組み プロンプト：ノイズから特定の分布に向かう確率を高めるための情報 https://www.youtube.com/watch?v=1pgiu--4W3I