【G検定】マルチタスク学習とは？1つのモデルで複数タスクを同時に学ぶ仕組みを解説
物体検出とキャプション生成、診断予測とレポート作成——1つのモデルに複数の仕事を同時に覚えさせる学習方法が「マルチタスク学習」です。G検定ではマルチモーダルの節に登場し、VL-T5やMMBTといった具体的なモデル名とセットで問われるキーワードです。
【G検定】平均絶対値誤差(MAE)とは？外れ値に強い理由とMSEとの違いを解説
回帰モデルの誤差指標には「二乗する派」のMSEと並んで、「絶対値で測る派」のMAEがあります。二乗しないことで何が変わるのでしょうか。この記事では、平均絶対値誤差(MAE)の計算方法と、外れ値に対する影響が小さいという持ち味、MSEとの使い分けを解説します。
【生成AIニュースメモ】Liquid AI、日本語向けの音声・言語モデル2種を公開(2026/6/6)
Liquid AIは2026年6月6日、日本語向けの新モデル2つを公開しました。「LFM2.5-Audio-1.5B-JP」は同社初の日本語音声モデルで、日本語で話しかけると日本語の音声で応答するエンドツーエンド構成です。「LFM2.5-1.2B-JP-202606」は日本語言語モデルの最新版で、広範な日本語ベンチマークで最高性能を達成したとしています。どちらのモデルも公開当日からHugging Faceで利用できます。
【G検定】基盤モデルとは？CLIP・Gemini等マルチモーダルAIの土台を解説
CLIP、Gemini、ImageBind——近年のAIニュースを賑わせるモデルには共通点があります。特定のタスク専用ではなく、「様々なタスクの土台」として使われることを前提に、大量のデータで訓練されている点です。こうしたモデルを基盤モデル(Foundation Model)と呼び、G検定のマルチモーダル分野の締めくくりとして頻出します。
【G検定】二乗平均平方根誤差(RMSE)とは？MSEとの関係と使いどころを解説
MSE(平均二乗誤差)は便利な指標ですが、単位が「二乗」になってしまい、値を直感的に読めないという弱点があります。そこでMSEの平方根を取り、誤差を元のデータと同じ単位に戻したものが二乗平均平方根誤差(RMSE)です。この記事では、RMSEの計算とMSEとの関係、解釈のしやすさという持ち味を解説します。