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

こんにちはみなさん。 本記事はKerasアドベントカレンダーの6日目となります。 他の方と比べてしょうもない記事ですが、がんばります。 時系列予測とか時系列解析をするのに、機械学習界隈で一般的な手法はRNN ( リカレントニューラルネットワーク ) だと思うのですが、これの理論て結構難しくて、特にLSTMなんて、私は未だによくわからないし、コードを見てもちんぷんかんぷんです。 そんなの知らなくてもとりあえず動けば問題ないっちゃ問題ないんですが、やっぱりある程度自分が動きを理解できているもののほうが、安心して使えるというものです。 というわけで、一次元畳み込みを使って時系列解析をするという話が出てきているので、kerasを使ってその使い心地を調べてみました。 一次元畳み込み 畳み込み( Convolution ) を使ったニューラルネットワーク ( CNN ) は、今や機械学習の代名詞のよう

SF小説が最新技術で映像化。Netflixオリジナル『オルタード・カーボン』トレイラー2017.12.06 19:00 岡本玄介 『ブレードランナー』x『マトリックス』x『攻殻機動隊』のような世界。 リチャード・モーガン原作の小説にして、フィリップ・Ｋ・ディック賞を受賞した『オルタード・カーボン』が、Netflixで映像化されます。 “『ブレードランナー』を超えるフューチャー・ノワールの傑作”と称される本作は、デジタル化して小さなメモリー・スタックに記録した人間の心を、｢ほかの肉体｣に移動できる技術を持つ27世紀のサスペンス。 まずはSF感たっぷりのトレイラーをどうぞ。 Video: Netflix Japan / YouTube 『オルタード・カーボン』は、財力を持った人々がどんどん次の肉体へとメモリーを入れ替え、不死の心を手に入れる世界が舞台。お金がなければバックアップしたメモリーだけ

『スター・ウォーズ』フィン役のジョン・ボイエガ、ポーグを最初に見たときは怖かったらしい…2017.12.06 18:15 abcxyz 『スター・ウォーズ／最後のジェダイ』に登場する、おめめぱっちり、誰にでも愛される可愛いポーグ。でもフィン役のジョン・ボイエガは最初に見たとき恐怖したそうです。 Screen Crushとのインタビューでボイエガはこう語っています。 俺の最初の反応は恐怖だったよ…ポーグがミレニアム・ファルコンの穴の中に入っていて、ちっこいヤツらが一緒になってるんだ。 恐怖…ぬいぐるみみたいな体型と、大きな瞳、一体そのどこが彼に｢恐怖｣を与えたんでしょうか？ 正直なところ、まだ映画を見ていないから、作中でどんな風になるのか知らないんだよ。でも俺はポーグがミレニアム・ファルコンに｢蔓延って｣いるのかと思ったんだ！ だってそこら中にいるんだぜ！ チューイだって、予告編で見たとおり

Research indicates that carbon dioxide removal plans will not be enough to meet Paris treaty goals

Nintendo Switch 2: Everything we know about the coming release

機械学習を用いて線画に自動着色する「PaintsChainer」。その精度の高さに多くの絵描きが驚嘆し、そして魅了されている。正解のない自動着色という分野に挑んだPreferred Networks（PFN）の米辻泰山氏、PaintsChainerをお絵描きサービスに取り込んだピクシブの清水智雄氏、古賀和樹氏、川田寛氏、そして機械学習のための高火力コンピューティングを提供したさくらインターネットの須藤武文氏に話を聞いた。（インタビュー：アスキー編集部　大谷イビサ　以下、敬称略） AdventCalenderネタからサービス化した「PaintsChainer」 大谷：PaintsChainer使ってみましたが、なんだかすごいの声しか出ないですね。イラスト描き志望のうちの娘の線画を登録してみましたが、着色だけはいきなりプロ並みになって大喜びです。まずは開発に至るまでの経緯を教えてください。 米

前回は、データの可視化と変数選択を行いました。 pompom168.hatenablog.com 今回は、本格的に家賃予測モデルを生成します。 スクレイピングした物件の、8割を学習に、2割を評価のテスト用に使用することにします。 使用する変数 説明変数 部屋数、間取りK有無、間取りL有無、間取りS有無、築年数、建物高さ、部屋のある階、徒歩時間、駅（中野）、駅（阿佐ヶ谷）、駅（高円寺）、駅（お荻窪）、駅（西荻窪）、駅（吉祥寺）、駅（三鷹）、駅（武蔵境）、駅（東小金井）、駅（武蔵小金井）、駅（国分寺）、駅（西国分寺）、駅（国立） 応答変数 家賃+管理費 重回帰分析による回帰モデル 初めに重回帰分析です。 pythonのライブラリである、scikit-learnを使って実装しました。 以下、ソースコードです。 import pandas as pd import numpy as np impo

東大発のAIエンジニアを目指すオンラインプログラミングサービス「Aidemy」は、12月6日の時点で「無料でPython・機械学習・深層学習（ディープラーニング）をブラウザ上で学べる無料学習サービス」を開始した。 AIエンジニアになるための学習が「PC・タブレット・スマホでいつでも出来る！」 これは、いままで日本のオンライン学習サービスにはない「全く新しい学習の形」になるので、ぜひAidmeyを体験してほしい！ １. aiエンジニアになるための「無料オンライン学習（ブラウザ）」が可能に プログラミング言語Pythonを知らない人は...どうする？ ２. 数学の知識・スキルがなくても、大丈夫なAI学習設計 AidemyのWebサイトはこちら Aidemy Premium Planについて Aidemyの関連記事はこちら 1. Aidemy（アイデミー）とは？どんな企業かまとめました 2. A

本記事はFringe81 アドベントカレンダー2017の6日目の投稿です。 こんにちは。Fringe81データサイエンティストの貫井です。 今年9月まではプライベートでやっていた競馬AIの開発を専業としており、10月からFringe81に正式ジョインしました。 業務では主に広告配信ロジックの最適化を取り組んでいます。 2017/10/30まで開催されていたDeepAnalytics主催のレコメンドエンジン作成コンテストに参加し、見事優勝することができました！ 今回はそのコンペ参加の取り組みについて紹介します。 ▽DeepAnalyticsについて 参加の背景 これまで自分は機械学習を競馬予測以外のタスクで試した経験がほぼなく、10月からの業務でどれくらいやれるのか一抹の不安を抱えていました。 そんなとき、データ分析チームの先輩社員から本コンペの参加を勧められ、腕試しのためにまずやってみよう

Photo by Qfamily こんにちは。谷口です。 Python初心者の皆さんは、普段どうやって勉強をしていますか？ Web上で学習サービスを探す 教えてくれる人を探して聞く スクールに通う 書籍や学習サイトに書いてある情報を読む などの方法があるかと思いますが、「YouTubeなどの動画」でも、Pythonについて学ぶことができます。 動画を使えば、無料、もしくは安価で楽しく・効率よくPythonプログラミングを勉強できます。 今回は、そんなPythonについて学べる動画チャンネルを7つご紹介します。 ■Pythonについて学習できる動画チャンネル ◆thenewboston：Python 3.4 Programming Tutorials 言語：英語 www.youtube.com さまざまな言語のチュートリアル動画が公開されているチャンネルで、もちろんPythonのチュートリア

Chainer Advent Calendar 2017 2日目です。 まえがき 画像認識や音声認識で深層ニューラルネットワークの威力が目立ち始めた頃、何故か(結構親和性が高そうな)音楽情報処理(MIR)の分野ではそっち方面での動きは鈍く、応用してみた論文も言うほど目覚ましい成果は無かった印象でした。そんなMIR界もようやくDeepLearningブームが来ているようで、Deepな論文がどっかんどっかん投稿され、ビッグなデータセットが公開され、MIREX(音楽情報処理アルゴリズムのコンテスト的なやつ)でも勝ちはじめ、ISMIR(音楽情報処理の国際学会)の冒頭演説でネタにされる位には流行るようになりました。 というわけで今年のISMIRの深層学習関連発表から比較的わかりやすそうなものを選んで、Advent Calendarのネタにさせて頂くことにしました。本稿では音楽の歌声分離タスクをやって

概要 学習済みのword2vecモデルから、指定の単語に対して、その類似単語、さらに類似単語の類似単語を出力させ、各単語をノード、cos類似度をリンクの重みとしてd3.jsで力学グラフ化します。 t-sneなどで次元圧縮プロットする手法とはまた違った味があるかな、と思います。厳密さはあまりないので、ビジュアライゼーションの手法としては、解析向きというより説明向きの手法ですね。視覚化と言ったほうがいいかもしれません。 DOM/HTMLなのでカスタマイズが効きやすい点はメリットで、インタラクティブな感じに機能追加していくとウケが良さそうです。 出力例 「AI」を指定単語として、その類似単語(緑)と、類似単語の類似単語(灰)までを出力しています。別途収集した、幾つかの新聞社のWeb記事(2MB程度)で学習させたモデルを使用しています。 ノード間の適正距離をcos類似度から計算しており、適正距離よ