オセロの必勝法が見つかった件 | やねうら王 公式サイト
すごいニュースが飛び込んできた。オセロの必勝法が見つかったのだ。正確に言うとオセロが弱解決された。まずはその論文を紹介する。 Othello is Solved : https://arxiv.org/abs/2310.19387 「弱解決(weakly solved)」を簡単に言うと、初期局面からの双方最善手を打つ時の結論(勝敗)がわかったと言う意味である。8×8のオセロの結論は引き分けなのだそうだ。「必勝法が見つかった」と本記事のタイトルで書いたが、その結果として双方最善を尽くした時のオセロの結論が引き分けだったことが判明したので正しくは「必勝法(必ず勝てる方法)が存在しないことが証明された」とでも言うべきか。 今回は、初期局面から到達できるあらゆる局面についての結論(勝敗)がわかったわけではない。こちらは「強解決(strongly solved)」と呼ばれる。 弱解決と強解決とでは、
AIはどのような仕事ができるようになったのか？ChatGPTで変わる「優秀な人材」
この図はざっくりと3つの領域に分かれます。まず左下が従来のプログラミングの領域です。これは簡単に言うと「プログラムは間違ってはいけない定形な仕事を奪う」ということです。次にその上の士業が責任を取る領域です。これは「責任」を取る人がいないと成立しない仕事です。ミスが発生した際に罰則を与えるという形で、ミスの発生を防いでいます。最後に右側のホワイトカラーの仕事の領域です。ホワイトカラーの仕事は入出力が不定形であり、作業フローも非定型であったりします。そのため、多少のミスはあっても仕方ないという前提の上で仕事が行われています。 機械学習がビジネスに組み込まれるにつれ、ホワイトカラーの仕事領域はそれらによって少しずつ代替されつつあります。その図がこちらになります。 ホワイトカラーの担っていた領域は、表データの機械学習（重回帰や、Lasso回帰、SVM、RandomForest、LightGBMなど
GPTの仕組みと限界についての考察（１） - conceptualization
GPT4が登場してChatGPTが盛り上がってますね。 本記事は、GPT（を支えるTransformerという仕組み）をChatGPTユーザにとって分かりやすく説明し、その能力と限界についての見通しをよくしよう、という趣旨になります。 少し長くなりそうなので、全部で記事を3回に分けようと思います。 （１）大まかな背景と概要：本記事 （２）GPTの能力と可能性：実際の使用例とTransformerの仕組みを踏まえて説明 （３）GPTの限界と未来展望：Transformerの仕組みが持つ限界と研究の進展を予想 GPT3と4の違い： トークン長とは何か？ まずここから話を始めます。GPT-3は、パラメータ数が750億個（850GBの容量を食う）でトークン長が4097(GPT-3.5)でした。GPT-4は、パラメータ数は非公開でトークン長は32768ですので、ちょうど8倍になります。 さて、トーク
ChatGPT と結城浩の対話（矛盾や反復を含んだ対話によってAIと人間の識別は行えるか）
chat.md 結城浩 こんにちは。今後、GPT-4を使ったアプリケーションやサービスがたくさん登場してくると思います。その中には、たとえばSNSを利用したbotもたくさん出てくるでしょう（現在でもすでにありますけれど）。そこで質問なんですが、SNSでおしゃべりしている相手が、人間なのか、GPT-4などの技術を使ったAIなのかを識別するにはどのような会話をしてみればいいでしょうか。一般的なAIでは難しいかもしれないので、GPT-4に限ってもいいです。あなたの考えを聞かせてください。 ChatGPT Model: GPT-4 GPT-4のような高度なAIと人間を識別するのは、時に難しいことがあります。しかし、いくつかの方法を試してみることで、相手が人間かAIかを見極めることができるかもしれません。 複雑な感情やニュアンスについて尋ねる: AIは感情やニュアンスを理解するのが苦手です。複雑な感
【解説つき】G検定の例題を解いてみよう
こんにちは。トレノケートマーケティング部の小山です。今日もひっそり活動しています。 AI関連の認定として注目が高まっている「G検定（JDLA Deep Learning for GENERAL）」。一般社団法人日本ディープラーニング協会の公式Webサイト（外部リンク）では、その例題が公開されています。 例題といっても基本的なものから難易度高めのものまで用意されていて、試験前の練習にはちょうど良い内容になっています。私も「G検定（JDLA Deep Learning for GENERAL 2019 #2）」を受験・合格した際にはこの例題を理解度チェックに活用しました。 ただ、正解は残念ながら非公開なのですね。 というわけで今回は、例題をいくつか解いてみました。G検定の試験勉強の参考になれば幸いです。 ※例題の引用元：一般社団法人日本ディープラーニング協会のWebサイト より引用（外部リンク
「日本は機械学習パラダイス」 その理由は著作権法にあり
「日本は機械学習パラダイスだ」。こう提言したのは、早稲田大学法学部教授の上野達弘さんだ。 なぜなのか。その理由は、日本の著作権法にある。 日本の著作権法では、「情報解析を行うために著作物を複製すること」が、営利・非営利問わず認められているのだ。世界にもまれな規定だという。 著作権・AIに詳しい弁護士・柿沼太一さんが10月2日に都内で開いた「AIビジネス法務・知財セミナー」の内容から、機械学習と日本の著作権法の関係についてまとめる。 キモは「著作権法47条の7」 機械学習とは、大量のデータをプログラムに解析・学習させることで、プログラムが自らデータの特徴を見つけ出し、分類・整理できるようにする手法。例えば、大量の猫の写真を学習させ、猫の特徴を学んだモデルに、新たな動物の写真を入力すると、猫か猫ではないかを判別する――といったイメージだ。 機械学習を行うためには、大量のデータをAIプログラムに
データサイエンス主導の政策決定の再発明・国民全参加型の議論フォーラムの可視化
データサイエンス主導の政策決定の再発明・国民全参加型の議論フォーラムの可視化 オードリー・タン台湾デジタル大臣との対話 - 未曾有の危機に幅広く使える未来思考（前編） 2021年1月19日、『コロナ vs. AI 最新テクノロジーで感染症に挑む』（翔泳社刊）が発売されました。医師の起業家からAIの研究者・ITの先端技術コンサルタントによって執筆されており、コロナ対抗策としてのAIの社会実装事例・AI研究事例・医療研究事例をわかりやすくまとめられています。今回本書の発売を記念して、収録されている台湾のデジタル大臣、オードリー・タンさんへの特別インタビューから、一部内容をご紹介します。株式会社キアラ 代表取締役の石井 大輔氏による寄稿です。（後編はこちら）。 IQ180の天才エンジニア、世界でも大注目を集める台湾のデジタル大臣オードリー・タンさんに貴重なインタビューの機会を頂けた事は、私にとっ
人工知能するとプログラムは小さくなる｜山本一成🚗TURING
「Ponanzaってどれくらいの大きさのプログラム何ですか？」たまに聞かれる質問です。「私が一万行くらいです」と答えると、意外と小さいプログラムと思って、結構皆さんがっかり😞した顔をされたりするんですね。 確かにPonanzaよりも昔の時代の将棋プログラムはだいたい数万行を超えて居たようです。それが現代になるに従ってどんどん行数が減って来ています。なぜでしょうか？ 実はPonanzaのソースコードのどこを探しても将棋の囲いや戦法あるいは手筋の情報は見つけられません。せいぜい王手は注意した方がいいよみたいな極めて基礎的な情報しか書いてません。それではどうしてPonanzaは将棋がで合理的なプレイができるのでしょうか？それは将棋の知識はすべてPonanza自身が機械学習によって習得しているからです。そしてその機械学習の結果はすべて数値データとして500MBくらいのバイナリファイルに保存されて
採用選考に「AI」を導入しようとしたが、断念した会社の話が面白かった。
最近とある企業の採用担当者と会い、大変興味深い話をうかがった。その方の会社は中々に革新的で、昨今話題のAIによる採用判定を書類選考に絞って導入してみたのだという。 結果はなかなかに上々だったとの事だけど、最終的には採用におけるAIの導入は断念した。 AIの採用を見送った理由はAIの判断が悪かったからではない。結果だけみれば、AIの判断はプロの採用担当者と比較して、そう悪いものではなかったようだ。 問題となったのは、AIが「なぜこの人を選んだのか。なぜこの人を選ばなかったのか」を説明してくれなかったところにあったという。 これは実に大変興味深い指摘で、今後AIが導入される社会を生きる私達にとって非常に有益な知見が詰まっている。今日はこれを掘り下げて、僕なりのAIが導入された後の社会の行方についてみていく事にしよう。 AIの思考回路は人間と随分違う AIは囲碁の世界チャンピオンを打ち倒したり、
Alpha Zeroの衝撃と技術的失業｜山本一成🚗TURING
2016年、Google DeepMind社から恐ろしい論文が出された、AlphaGoその名を冠した囲碁プログラムが既存の囲碁ソフトに勝率99％を叩き出したのだ。AlphaGoは強化学習とDeep Learningを組み合わせた囲碁プログラムで、その年に最強の囲碁棋士の一人である李世ドルさんに4勝1負で勝利した。その後も進歩を続けて今のAlphaGoの強さは人類が体感できるレベルを超えるほど強くなったと予想される。 2017年も終わりのころ、Google DeepMind社からまた途方もない論文が発表された。囲碁とほぼ同じ手法で最強レベルのチェスや将棋プログラムを超えたということだった。実際のところ正確に超えたのかどうかちょっとだけ疑問もあるのだが、まず前提として彼らの新手法が途方もない成果をあげたこと素直に祝福したい。彼らは自分たちのプログラムをAlpha Zeroと名付けた。 コンピュ
「AlphaGo」から進化 将棋とチェスでも世界最強「AlphaZero」
米Alphabet傘下のDeepMindは、同社の囲碁AI「AlphaGo Zero」のアルゴリズムを囲碁以外にも適用できるようにした盤上ゲームAI「AlphaZero」を発表した。 米Alphabet傘下のDeepMindは12月5日（現地時間）、同社の囲碁AI「AlphaGo Zero」のアルゴリズムを、囲碁以外にも適用できるようにした盤上ゲームAI「AlphaZero」を発表した。数時間学習させることで、世界トップレベルのチェスAI「Stockfish」、将棋AI「Elmo」、囲碁AI「AlphaGo Zero」「初代AlphaGo」の全ての性能を上回ったとしている。 囲碁AIであるAlphaGo Zeroは、囲碁のルール以外は与えられない環境下で自身のプログラムどうしで対戦し、最善手を学習していくプログラム。AlphaZeroは、これをさらに一般化し、チェスや将棋のルールのみを与え
「2年前からプロ棋士はもう勝てないとわかっていた」Ponanza開発者・山本氏が語るAIの未来 (1/3)
第2期電王戦第2局姫路城での対局シーン。将棋界の最高峰である名人位の佐藤天彦九段が負けたことで、タイトル保持者でもコンピューター将棋ソフトには敵わないという認識となった。 5月20日、兵庫県・姫路城で行なわれた第2期電王戦第2局で佐藤天彦名人に完全勝利したことで、日本将棋連盟もコンピューター将棋ソフトがプロ棋士のレベルを超えていると認めざるを得なくなった。電王戦は2012年に第1回が開催されたが、2015年には一度「FINAL」と銘打ったものの、同年に「叡王戦」という新棋戦を発足し、叡王戦の優勝者はコンピューター将棋の頂点を決める電王トーナメントの優勝者と電王戦として対局することになった。 結局、2016年以降は1度もプロ棋士がコンピューター将棋ソフトに勝つことはできず、今後も勝てる見込みも低くなったということで、「役割は終えた」と主催するドワンゴの川上会長が終了宣言をした。ただ、叡王戦は
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
AI初心者によるAWS認定機械学習ー専門知識ー(MLS-C01)合格の記録（2021年03月合格） - Qiita
kaz / AI Academy on Twitter: "Pythonだけでなく統計学,機械学習も全部「無料」で学べる..!! ●東京大学 Pythonプログラミング入門● https://t.co/xi8HwLMwgj ●高等学校における「情報II」のためのデータサイエンス・データ… https://t.co/ypAY0GyZKm"
3千CPUで数カ月かかる計算が0.1秒で完了。汎用原子レベルシミュレータ「Matlantis」 ～PFNとENEOSがクラウドサービスで提供開始
人工知能将棋アプリのHEROZ、時価総額1611億円デビュー（IPO当選組はノーリスクでテンバガー達成） : 市況かぶ全力２階建
「ひとり暮らしの40代が日本を滅ぼす」NHKが作ったAIの分析が冷たすぎる #AIに聞いてみた
＆M[and M] | 朝日新聞デジタルマガジン＆[and]![＆M[and M] | 朝日新聞デジタルマガジン＆[and]](https://cdn-ak-scissors.b.st-hatena.com/image/square/9b14d5976a07936b14c25b0544f6ff4324963f50/height=288;version=1;width=512/https%3A%2F%2Fwww.asahicom.jp%2Fand%2Fwp-content%2Fthemes%2Fand%2Fassets%2Fimg%2Fogp%2Fogp_m.png)
人工知能は棋士たちをどう変えたのか - Yahoo!ニュース
cakes（ケイクス）
