Google Colaboratoryが便利・高速で凄過ぎる - Itsukaraの日記
Googleが研究の一環で提供しているColaboratoryを試してみました。 Jupyterと同じようなGUIでPythonのプログラムを実行可能で、GPUも使えます。 Jupyterと同様に、先頭に「!」を書くことで、Linuxのコマンドを実行可能であり、「!pip」「!conda」「!apt-get」などで機能を追加できます。 実行結果をファイルシステム上に保管でき、共有リンクを使って取り出せます。 ただし、12時間経過すると強制終了されて、ファイルは失われます。 しかし、Notebookが動いている仮想マシンにGoogleドライブをマウント可能であり、これにより、実行結果をGoogleドライブ上のファイルとして保管できます。 Deep Learningでは、途中の状態をファイルに保管して、そこからResumeできるようにプログラムを書くことが多いので、12時間で一度強制終了しても
DeepMind社がやねうら王に注目し始めたようです | やねうら王 公式サイト
DeepMindがAlphaGo Zeroで使われた手法をチェスと将棋に適用して、チェスと将棋の世界でもぶっちぎり強いソフトが出来たそうです。(私は、内容は詳しく読んでいません。) おーDeepMindの論文にelmoデビューしとる。でもElmoって書いてあるから個人的にリジェクトで。しかし強い。DeepMind凄いね。https://t.co/o5SmgmH6KG — 瀧澤 誠@elmo (@mktakizawa) December 6, 2017 RT> DeepMindの論文にやねうら王の文字があるんだけどｗ 何か知らないけど、やねうら王、世界的にデビューしてた！！ pic.twitter.com/HVb1CZKue6 — やねうら王 (@yaneuraou) December 6, 2017 まあ、ResignValue = 900 (評価値が-900を下回った時点で投了扱い)にな
AlphaZero Chess/Shogiの論文を読む - TadaoYamaokaの開発日記
DeepMindからAlphaGo Zeroと同じ方法で、チェスと将棋でトップレベルを上回ったという論文が発表されました。 [1712.01815] Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm ドメイン知識を用いないスクラッチから強化学習のみで達成しています。 将棋やチェスはモンテカルロ木探索(MCTS)は向かず、Mini-Max探索の方が良いというのが常識のようになっていましたが、将棋やチェスでもディープラーニングと組み合わせることでMCTSが有効であることが示されたというのも大きな成果だと思います。 まだ全部読み切れていませんが、気になる個所から読んだ内容を書いていきます。 個人的に一番気になるのは、入力特徴と出力ラベルの表現方法です。 チェスについても書か
Machine Learning Developer Meetup Tokyo
Googleでは、Google Brain チームを率いるエンジニアを招き、機械学習や TensorFlow の最新情報のシェアや意見交換を行う場として、11 月 29 日 (水) 13:00 より、「Machine Learning Developer Meetup」 を開催します。 本イベントでは、Google のスピーカーに加えて、TensorFlow のユーザーコミュニティである TensorFlow User Group Tokyo のこれまでの活動におけるハイライトの紹介も合わせて行います。 https://events.withgoogle.com/ml-developer-meetup/
Hot Chips 29 - GoogleのAIを率いるJeff Dean氏が見据える未来とは
今年のHot Chipsの2日目の基調講演は、GoogleのAI開発を率いるJeff Dean氏が登壇した。Dean氏は「Recent Advances in Artificial Intelligence and the Implications for Computer System Design」と題して、最近のAIの発展とそれがコンピュータシステムの設計に与える影響について、自身の見解を話した。 最初のスライドで、Googleの多くの人のやった仕事を発表していると書かれている。それは当然であるが、この基調講演を聞くと、Googleが関係しているAI研究の幅の広さには圧倒される。 Jeff Dean氏の基調講演のタイトルスライド (このレポートのすべての図は、Hot Chips 29でのJeff Dean氏の発表資料のコピーである) ディープラーニングは、昔、流行った人工ニューラルネ
AlphaGo Zeroの論文の要約 : ブログ
AlphaGo Zeroが自己学習のみで過去最強になったというニュースが出たのでその元論文を読み、要約をしました。 まず感想を述べると、過去数千年にわたって蓄積してきた知識をAIが数時間で発見することに対する気持ち良さがありました。人間などクソ食らえと思っておりますので、こう言うニュースはとてもスッキリします。そして人間の発見していない打ち筋の発見にも感動しました。これこそがAIの真髄だと信じています。人間が見えていないものをAIが見つける、僕もいつかそんなことをしてみたいと思いながら生きています。 あともう一つ重要だと思ったのは、とてもネットワーク構造および学習過程が簡素化されたことです。マシンパワーも過去に比べて非常に少なく済み、個人でもすぐに再現実験ができそうなくらいです。AIが強くなることと、構造および学習のsimplerが同時に達成できていることが本質的だと思います。 一応、下記
AlphaGo Zero: Starting from scratch
Research AlphaGo Zero: Starting from scratch Published 18 October 2017 Authors David Silver, Demis Hassabis Artificial intelligence research has made rapid progress in a wide variety of domains from speech recognition and image classification to genomics and drug discovery. In many cases, these are specialist systems that leverage enormous amounts of human expertise and data. However, for some pro
「AlphaGo Zero」──ビッグデータ不要のAI棋士が自己対局のみで世界最強に
米Alphabet傘下のDeepMindは10月18日（現地時間）、過去の試合データを使わず、自己対局のみでスキルアップする新囲碁AI「AlphaGo Zero」を発表した。生まれてから40日後には、5月に世界最強棋士、柯潔（カ・ケツ）九段を破った「AlphaGo Master」に完勝し、世界最強棋士になった。 AlphaGo Zeroに囲碁のルール以外をいっさい与えず、強化学習式で自分自身と対戦させたところ、最初は初心者のような対局を行っていたが、3日目には韓国のプロ棋士・李世ドル氏を破った初代AlphaGoに100対0で勝ち、40日目には5月の引退後も成長していた最新版AlphaGoにも完勝した。 また、AlphaGo Zeroは1つのニューラルネットワークしか使わないなど、これまでのバージョンより省力化しており、李世ドル氏を破ったAlphaGoは48個のTPUが必要だったのに対し、わ
夏休みの自由工作：TensorFlowでじゃんけんマシンを作る | Google Cloud 公式ブログ
* この投稿は米国時間 10 月 12 日に投稿されたもの（投稿はこちら）の抄訳です。 Postesd by Google Cloud デベロッパー アドボケイト 佐藤一憲 今年はまとまった夏休みが取れたので、息子といっしょに作れる自由研究のアイディアを探していました。結果、できあがったのが、TensorFlow で作った「じゃんけんマシン」です。 TensorFlow で作った「じゃんけんマシン」 この動画の通り、手袋に付けたセンサーを使ってグー、チョキ、パーのいずれかを判定し、それに負けない手を出すマシンです。単純なおもちゃではありますが、隠し味としてTensorFlowを使いました。TensorFlowでとても簡単な機械学習（ML）のモデルを作成し、手袋につないだ Arduino マイクロコントローラでそれを利用して手の形を読み取る仕組みです。ML を便利なツールとして使うことで、面
deeplearn.jsを遠くからそっと眺めてみた | adamrocker
Googleから発表された機械学習のためのJavaScriptライブラリのdeeplearn.jsを眺めてみたので、纏めておきます。 オフィシャルを舐めて、どういうものか、これからどんな感じになっていくか（いってほしいか）をダラっとタレます。 注意 眺めたのはv0.1.0なので、内容が今後大幅に変更になる可能性があります（というかある）。 触った環境 MacBook Pro (Retina, 15-inch, Mid 2015) - プロセッサ: 2.5GHz Intel Core i7 - メモリ: 16GB 1600 MHz DDR3 - グラフィックス: AMD Radeon R9 M370X 2048 MB Chrome 60.0.3112.101 (Official Build) (64ビット) deeplearn.js v0.1.0 Exampleを眺める 何ができるかを眺める
第8回 TensorFlow で○×ゲームの AI を作ってみよう|Tech Book Zone Manatee
複雑なゲームの場合は人間が実際に打った棋譜などを膨大な量用意することになりますが、今回は○×ゲームという簡単なお題を使った練習なので、筆者が予め最善手を打った場合のデータを作成しておきました。 モデルの詳細 盤面のデータをニューラルネットに入力する際には、×は「-1」、○は「+1」、空いている場合は0として扱うことにします。○×ゲームの盤面は 9マスなので、ニューラルネットの最初の層のノード数は 9 個になります。 そして、全結合のネットワークを経て最終的には、×が勝つ確率・○が勝つ確率・引き分けの確率の3つの数値が出力されるというモデルです。 図3 学習モデルの概要 TensorFlow を使った実装 本稿で使用するサンプルコードのうち、TensorFlow で記述された学習用コード train.py の重要な部分について簡単に解説をしておきましょう。 TensorFlow にはニューラ
グーグルのAI、低解像度の画像を高画質化する技術で前進
左側は、今回コンピュータに処理をさせる前の、ひどく解像度の低い画像だ。右側は実際の写真だ。そして中央にあるのが、どことなく実際の写真に似ている人間の顔だ！ では、どうやったのだろうか。Googleの研究チームGoogle Brainは、2つのニューラルネットワーク（神経回路網）を訓練し、著名人の顔の画像（さらに寝室の画像）を入力することで、すべてを自らできるようにした。 第1のネットワークは、ピクセルがどのように、より高解像度の画像に変換される可能性があるかを調査する役割を担う。第2のネットワークは、多くの似たような写真の分析を経て、著名人（または寝室）について「分かっている」ことに基づき、個別に細部を追加する。 ただし、個人を正確に特定するまでには到底及ばない。それに、留意すべきは、コンピュータは細部を推測しているのであって、魔法のようにどこからともなく出現させているのではないということ
8×8ピクセルに縮小した画像から元の画像を予想する技術をGoogle Brainが開発
ディープラーニングについて研究するGoogle Brainが、高解像度画像を8×8(64)ピクセルに変換した画像から元の画像を推測する技術「Pixel Recursive Super Resolution」を発表しました。 Pixel Recursive Super Resolution (PDFファイル)https://arxiv.org/pdf/1702.00783.pdf Google Brain super-resolution image tech makes “zoom, enhance!” real | Ars Technica https://arstechnica.com/information-technology/2017/02/google-brain-super-resolution-zoom-enhance/ 下の画像の右端が元の「ソース画像」で、これを8×8ピ
月刊Interface 2017年03月号がTensorFlow大特集になっている話 - Qiita
結構IT業界に長く居座っておりますが、この雑誌は初めて購入しました。 Interface(インターフェース) 2017年 03 月号 よく見ると表紙のど真ん中にやや小さいフォントでTensorFlowと書かれているのがわかります。 この雑誌の6割(90ページ)ぐらいがTensorFlowの記事になっています 表紙にも大きくGoogle人工知能と別の表現で書かれているものの、ここまでTensorFlow三昧に仕上がっているとは思いませんでした。 立ち読みだけのつもりがつい購入してしまいましたので、軽く紹介させて頂きます。 尚、表示にはラズパイにON!と書かれていますが、それほどラズパイべったりな記事は多くありません。 目次を順に追ってみます 以下、Amazonの内容紹介をベースに一言加えさせて頂きました。 (斜体で記述してある部分は内容の補足です) 自宅でローカルAI作れる時代キタ! 小型ス
【AlphaGo】さらに賢くなった‘AlphaGo2.0’ 棋譜なしで自ら囲碁実力を育てる : 【nitro15】
Googleディープマインドが開発した人工知能(AI)囲碁プログラム‘AlphaGo’の第2版バージョンが出てきた。 新しいAlphaGoは人間の棋譜なしで強化学習だけで自ら成長して限界を探すという点が特徴だ。 デミス・ハサビス Googleディープマインド最高経営者(CEO)は、17日ドイツ、ミュンヘンで開かれた‘2017デジタル・ライフ・デザイン(DLD)カンファレンス’で“AlphaGoが新しい限界をテストしている”として“第2版段階で‘AlphaGo’に棋譜を入力しないで、初めから自主的な強化学習だけで棋力を向上させる試験をしている”と明らかにした。 ハサビスはこのほかに挑戦課題で“AlphaGoの手法を理解して、強化学習の限界を見つけて囲碁で神の境地に到達する”と明らかにした。 これはAlphaGoの水準をより一層アップグレードするための考案と解説される。 今までGoogleディ
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
Some concerns on the matching conditions between AlphaZero and Shogi engine | コンピュータ将棋 レーティング
囲碁AI「AlphaGO」の次世代版は、自己対局で「最強」を超えた──その進化の本質と、グーグルの野望
最強棋士・柯潔、囲碁AI「AlphaGo」に敗れる。だが開発者は「人間の勝利である」と言う：初戦現地レポート
TensorFlowの基礎
http://www.shining-man.com/entry/2017/02/05/095929
