Laboro.AI の技術ブログ
全145件
PoCを越えろ。AIプロジェクトが幻に消えないために
2025/12/01
ブックマーク
PoCを越えろ。AIプロジェクトが幻に消えないために 2022.4.3公開 2025.12.1更新 株式会社Laboro.AI 執行役員 マーケティング部長 和田 崇 リードマーケター 熊谷勇一 概 要 2010年以降、各産業分野で急速に活用に火がついたAIですが、その開発工程の中で難関と言われるのがPoC（ピーオーシー／ポック）です。「PoC疲れ」「PoC死」などの不吉なワードも生まれ、PoCは多くの企
関係抽出 【連載】自然言語処理の研究動向 第7回
2025/10/31
ブックマーク
関係抽出 【連載】自然言語処理の研究動向 第7回 2025.10.31 株式会社Laboro.AI リードMLリサーチャー 趙 心怡 リードマーケター 熊谷勇一 概 要 関係抽出（Relation Extraction、RE）は、エンティティ（文中で特定の実体や固有の対象を示す単語・句）を認識するだけでなく、それらがどうつながるかを理解する手法であり、企業内の情報を統合する上で不可欠な技術です。RE
旅行AIエージェントに求めるのは「完璧さ」ではなく、あえての「不確実さ」
2025/10/28
ブックマーク
旅行AIエージェントに求めるのは「完璧さ」ではなく、あえての「不確実さ」 2025.10.28 監 修 株式会社Laboro.AI 執行役員 マーケティング部長 和田 崇 概 要 「AIエージェント」という最近話題のトピックで、よく目にする活用例が「旅行計画」や「旅行予約」です。これまでタブを50個も開いて比較検討しなければならなかったような旅行計画が、AIを使えばほんの数分
ChatGPTを学習させるーー。生成AI・LLMを自社に最適化する活用法と注意点
2025/10/28
ブックマーク
ChatGPTを学習させるーー。 生成AI・LLMを自社に最適化する活用法と注意点 2025.10.28 株式会社Laboro.AI リードマーケター 熊谷勇一 執行役員 マーケティング部長 和田 崇 概 要 生成AIのうちChatGPTなどLLM（大規模言語モデル）に自社データを学習・参照させることで、精度の高い応答や業務効率化が実現することがあります。具体的なメリット・デメリットや手法、準備す
Few-Shot NER（少数ショット学習による固有表現認識） 【連載】自然言語処理の研究動向 第6回
2025/10/27
ブックマーク
Few-Shot NER（少数ショット学習による固有表現認識） 【連載】自然言語処理の研究動向 第6回 2025.10.27 株式会社Laboro.AI リードMLリサーチャー 趙 心怡 リードマーケター 熊谷勇一 概 要 Few-shot NER（少数ショット学習による固有表現認識（Named Entity Recognition、NER））は、人間が書いたままの未加工のテキストを構造化されたインサイトへと変換する方法に、変革をもた
ChatGPTのAPIとは。概要や導入方法、開発の限界について解説
2025/10/17
ブックマーク
ChatGPTのAPIとは。概要や導入方法、開発の限界について解説 2025.10.17 株式会社Laboro.AI リードマーケター 熊谷勇一 執行役員 マーケティング部長 和田 崇 概 要 ChatGPTのAPIは、OpenAI社が提供する大規模言語モデルChatGPTを自社のアプリケーションやサービスに組み込むための開発用インターフェースです。2023年に公開され、企業が自社のアプリやウェブサービスに対話型AI
感情分析の研究動向 【連載】自然言語処理の研究動向 第5回
2025/09/29
ブックマーク
感情分析の研究動向 【連載】自然言語処理の研究動向 第5回 2025.9.29 株式会社Laboro.AI リードMLリサーチャー 趙 心怡 リードマーケター 熊谷勇一 概 要 自然言語処理における感情分析（Sentiment Analysis）は、ABSA（Aspect-Based Sentiment Analysis、アスペクトベース感情分析）を用いることで、従来では捉えきれない具体的な長所や短所を、製品・サービスのユーザーのフィ
感情分析の研究動向 【連載】自然言語処理の研究動向 第5回
2025/09/29
ブックマーク
感情分析の研究動向 【連載】自然言語処理の研究動向 第5回 2025.9.29 株式会社Laboro.AI リードMLリサーチャー 趙 心怡 リードマーケター 熊谷勇一 概 要 自然言語処理における感情分析（Sentiment Analysis）は、ABSA（Aspect-Based Sentiment Analysis、アスペクトベース感情分析）を用いることで、従来では捉えきれない具体的な長所や短所を、製品・サービスのユーザーのフィ
質問応答の研究動向 【連載】自然言語処理の研究動向 第4回
2025/09/17
ブックマーク
質問応答の研究動向 【連載】自然言語処理の研究動向 第4回 2025.9.17 株式会社Laboro.AI リードMLリサーチャー 趙 心怡 リードマーケター 熊谷勇一 概 要 質問応答の技術は、回答を文書からそのままコピーする単純なシステムから、大規模言語モデル（LLM）によって流暢な自然な回答を生成するRAG（Retrieval Augmented Generation、検索に基づく回答生成）へと進化してきま
Text Summarization – NLP White Paper Part 3
2025/09/01
ブックマーク
Text Summarization – NLP White Paper Part 3 2025.9.1 Laboro.AI Inc. Lead ML Researcher Zhao Xinyi 日本語版（Japanese version）は こちら Here is NLP White Paper – Part1: Overview Here is Neural Machine Translation – NLP White Paper Part 2 Introduction Text summarization has undergone a major shift with the rise of pre-trained language models such as BERT, which deliver more natural summaries while cutting down the need for extensively labeled data. The focus is now shifting to
テキスト要約の研究動向 【連載】自然言語処理の研究動向 第3回
2025/08/27
ブックマーク
テキスト要約の研究動向 【連載】自然言語処理の研究動向 第3回 2025.8.27 株式会社Laboro.AI リードMLリサーチャー 趙 心怡 リードマーケター 熊谷勇一 概 要 テキスト要約の分野は、BERTのような事前学習済み言語モデルの登場によって大きな変化を遂げました。より自然な要約が可能となり、大量のラベル付きデータへの依存も大幅に減少しました。その中でも現在
Neural Machine Translation – NLP White Paper Part 2
2025/08/21
ブックマーク
Neural Machine Translation – NLP White Paper Part 2 2025.8.21 Laboro.AI Inc. Lead ML Researcher Zhao Xinyi Introduction 日本語版（Japanese version）は こちら Since 2017, the Transformer architecture has dominated Neural Machine Translation (NMT), powering influential models like XLM, mBART, and mT5. Its encoder-decoder design effectively leverages parallel corpora. More recently, decoder-only large language models have emerged, enabling NMT to benefit from non-parallel data and c
Neural Machine Translation – NLP White Paper Part 2
2025/08/21
ブックマーク
Neural Machine Translation – NLP White Paper Part 2 2025.8.21 Laboro.AI Inc. Lead ML Researcher Zhao Xinyi 日本語版（Japanese version）は こちら Here is NLP White Paper – Part1: Overview Introduction Since 2017, the Transformer architecture has dominated Neural Machine Translation (NMT), powering influential models like XLM, mBART, and mT5. Its encoder-decoder design effectively leverages parallel corpora. More recently, decoder-only large language models have emerged, enabling
ニューラル機械翻訳の研究動向 【連載】自然言語処理の研究動向 第2回
2025/08/20
ブックマーク
ニューラル機械翻訳の研究動向 【連載】自然言語処理の研究動向 第2回 2025.8.19 株式会社Laboro.AI リードMLリサーチャー 趙 心怡 リードマーケター 熊谷勇一 英語版（English version）は こちら 。 概 要 2017年以降、ニューラル機械翻訳（Neural Machine Translation, NMT）においてTransformerアーキテクチャが主流となり、XLM（Cross-lingual Language Model）、mBART（Multilingual BART）、mT5（M
ニューラル機械翻訳の研究動向 【連載】自然言語処理の研究動向 第2回
2025/08/20
ブックマーク
ニューラル機械翻訳の研究動向 【連載】自然言語処理の研究動向 第2回 2025.8.19 株式会社Laboro.AI リードMLリサーチャー 趙 心怡 リードマーケター 熊谷勇一 概 要 2017年以降、ニューラル機械翻訳（Neural Machine Translation, NMT）においてTransformerアーキテクチャが主流となり、XLM（Cross-lingual Language Model）、mBART（Multilingual BART）、mT5（Multilingual T5）といった代表的なモデ