完全無敵の「AlphaGo Zero」でも使われた「AIによる自己学習」の欠点とは？
Google傘下のDeepMindの囲碁AI「AlphaGo」が、2016年にトップ棋士の一人である韓国のイ・セドル(李世乭)氏、2017年には中国の柯潔氏に勝利を収めたことが知られています。さらにDeepMindの新しい囲碁AI「AlphaGo Zero」が過去の棋譜データすら与えずに、たった3日間の自己学習のみで「AlphaGo」と100局対戦して100勝無敗の圧倒的勝利を収めることになります。このため、過去のデータに頼らずとも、人工知能による「自己学習」はとても万能で、どんなことにも応用できるとされていますが、実際のところは苦手な分野もあるとのこと。最強と思われるAIの「自己学習」のどこに欠点があるのかを、科学系のニュースを扱っているQuanta Magazineが報じています。 Why Self-Taught Artificial Intelligence Has Trouble
DeepMind、約70万人分の診療データを米合衆国退役軍人省との提携で獲得
米Alphabet傘下のDeepMindは2月22日（現地時間）、米合衆国退役軍人省（VA）との提携により、約70万人分の退役軍人の匿名化した診療記録を入手したと発表した。疾病の早期発見技術の向上を目的に、ディープラーニング用学習データとして活用する。 ある研究によると、病院での死亡の11％は疾病の兆候を早期に発見して適切に対処していれば避けられるものという。 まずは、現在予測が困難とされている急性腎障害（AKI）の早期発見のためのアルゴリズムを開発する。 診療データは、VA側で完全に匿名化してからDeepMindに渡される。 関連記事 GoogleとVerily、ディープラーニングと網膜眼底画像による心血管リスク予測法を発表 Googleと系列の生命科学企業Verilyが、網膜眼底画像から心血管リスクを予測するためのディープラーニングモデルを開発した。心筋梗塞や脳卒中などをCTスキャンな
GoogleのAIが自力で「子AIの作成」に成功、しかも人間作より優秀 | Buzzap！
シンギュラリティが始まったようです。詳細は以下から。 人間を越える人工知能が現れ、自らの力で新たな人工知能を作り上げてゆく未来。シンギュラリティ（技術的特異点）と呼ばれる時系列的な瞬間は2045年頃に起こるとされていましたが、既に私たちはその領域に足を踏み入れていました。 Google Brainの研究者らが「自らの力で新たな人工知能を作り上げるAI」であるAutoMLの開発に成功したと発表したのが今年2017年5月のこと。そしてこの度、AutoMLが作り上げた「子AI」はこれまで人類が作り上げたAIよりも優れた性能を持っていたのです。 Googleの研究者らは「強化学習（reinforcement learning）」と呼ばれる手法を用いて機械学習モデルのデザインを自動化。AutoMLは子AIが特定のタスクへの対応力を発展させるためのニューラルネットワークの制御装置の役割を担います。 今
機械学習案件は本運用乗せきってからが本当の勝負、みたいなところあるので気をつけて - Qiita
『機械学習案件を納品するのは、そんなに簡単な話じゃないから気をつけて』を読みました。 つまづきから得られた知見の共有は貴重だと思います 実際、機械学習とか最適化とか自律的なシステムの開発は、罠が多いです。 研究や試作では成功していても、様々な事情により実用化できず消えていくものを沢山見てきました。 そのため、本運用に乗せてユーザの受け入れも上々というところまで辿りつければ、それはそれは本当に喜ばしいことなのですが、そこから始まる試練も色々とあったりします ということで、運用後に体験したり見聞きしたことをいくつか、私も共有してみたいと思います。 ちなみに私の開発経験は、研究用シミュレータの受託とWebバックエンドの内製です いつの間にか、精度が落ちてるみたいなんですけど？ 入力に無効値や不正値が紛れこんでいた。 データは生き物です。クレンジングやバリデーションを作りこんでも、いずれ予期せぬこ
1
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
処理を実行中です
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
人間対AI：囲碁9段の解説者、解説できず視聴者に謝罪 Chosun Online | 朝鮮日報
