見えてきた「生成AIの限界」がアーティストの不安を取り除く
生成AIを使った実験を重ねるにつれて、クリエイティブ分野での限界が明確に理解されるようになってきた。AIとアーティストたちの力関係を変えようとする取り組みもいくつか始まっている。 by Melissa Heikkilä2024.06.30 190 14 この記事の3つのポイント AIとアーティストとの関係性はこの2年間で変化しつつある 独創的で面白いものを生み出すのは難しく、補強ツールとして使うのが最適 権利侵害を防ぐ技術やツールも開発が進み、不安を和らげている summarized by Claude 3 この記事は米国版ニュースレターを一部再編集したものです。 人工知能（AI）のジョークはありきたりだ。グーグル・ディープマインド（Google DeepMind）の研究チームがプロのコメディアン20人に依頼し、一般的なAI言語モデルを使ってジョークやコメディパフォーマンスの台本を書いても
ディープマインドのAIペア、チームワークで対戦ゲームに勝利
深層学習アルゴリズムは、「スタークラフト（Starcraft）」のようなゲームで人間を負かす方法をすでに習得している。新たな研究で、チームワークの必要なゲームでも人間を打ち負かせることが示された。 ディープマインドは、5月31日にサイエンス誌に掲載された論文で、ファーストパーソン・シューティングゲーム（FPS：本人視点のシューティングゲーム）である「クウェイク III アリーナ（Quake III Arena）」の修正版を人工知能（AI）プログラムにプレイさせた様子について報告した。研究チームは、有効な戦術とそうでない戦術をAIに学ばせる強化学習の手法によって多数のエージェントを同時に訓練する「勝利のために（For the Win）」と名付けられたアルゴリズムを用いた（強化学習は、ディープマインドのAIが囲碁で勝利するのに用いたことで有名だ）。今回は、AIエージェントらを、クウェイク II
ディープマインド、ゲーム攻略AIの訓練を転移学習で大幅効率化
新しい人工知能（AI）は、1つの仕事についての洞察を別の仕事の助けにすることに成功した。機械学習のより多様な未来が垣間見える成果である。 機械学習アルゴリズムのほとんどは1つの分野でしか訓練できず、1つのタスクで学習したことを使って別の新しいタスクを実行することはできない。 AIに強く望まれるのは、ある設定で得た洞察を別の場所に適用する「転移学習」と呼ばれるシステムを作ることだ。 グーグルのAI子会社ディープマインド（DeepMind）は新たに、 IMPALA（インパラ）と呼ばれる複数のタスクを同時に実行するAIシステムを作り上げた。 IMPALAに57のビデオゲームをプレーさせて、学習したことを共有させようとしたところ、1つのゲームで学習したことを別のゲームを移せる兆候が示された。 学習結果を共有したIMPALAは、同様のAIと比べると10分の1のデータ量で訓練が可能で、ゲームの最終スコ
グーグル・ディープマインド、大量データ不要の深層学習システムを開発
アルゴリズムの学習には通常何千ものサンプルが必要とされる。グーグル・ディープマインドの研究者はその手間の回避方法を見つけた。 by Will Knight2016.11.04 1468 830 111 0 人間は一、二度見ればそれが何かを認識できる。しかし、コンピュータービジョンや音声認識のアルゴリズムは、画像や言葉の習熟に何千ものサンプルが必要だ。 グーグル・ディープマインドの研究者がこの手間を回避する方法を発見した。研究者は深層学習アルゴリズムを巧妙に微調整することで、画像内の物体等をひとつのサンプルだけで認識（分類）する「ワンショット学習」を可能にした。研究チームはタグ付き画像や筆跡、言語を収録した大型データベースで、新方式を実証した。 高精度のアルゴリズムの認識力は信頼できるが、アルゴリズムの構築には多くのデータが必要で、時間もお金もかかる。たとえば、無人自動車が、確実に道路上の個
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
