開発者向けARグラスを無償提供する「XREAL ARコンテンツ推進プログラム」始動
AR、VR（仮想現実）、MR（複合現実）コンテンツの開発に取り組む企業や研究機関、教育機関などを対象としたプログラムで、開発者向けARグラス「XREAL Light（旧名称：Nreal Light／モデル名：NR-9101GGL）」を無償で提供する（応募1件当たり最大5台まで）。 なお、XREAL Lightの提供を受けるには、応募内容に関する事前審査をパスする必要がある（詳しい募集内容や提出コンテンツに関する条件などは、特設Webサイトを参照のこと）。 同プログラムの募集期間は2024年1月29日～5月31日（募集状況により変更の可能性あり）で、XREAL用SDK（Software Development Kit）「NRSDK」を用いて制作したARコンテンツを同年6月末までに提出しなければならない。 関連記事 「Apple Vision Pro」で何ができる？ 製造業での活用の可能性を探
RS-232C機器でBluetooth通信ができる変換アダプター4種を発表
ラトックシステムは、シリアル機器のRS-232Cコネクターに装着してBluetooth通信を可能にする、変換アダプター「RS-BT62」シリーズ4製品を発表した。
本格オープンソース化する「μT-Kernel 3.0」はIoTの可能性を切り開けるか
コロナ禍を経て坂村健氏がリーダーを務めるTRONプロジェクトの活動内容も少しずつ変わりつつある。「IoT-Engine」は、同プロジェクトが提唱する「アグリゲートコンピューティング」を実現するためのIoT（モノのインターネット）向けのオープンな標準プラットフォーム環境だが、同様の構想は民生機器向けであれば、アマゾン（Amazon.com）やグーグル（Google）、アップル（Apple）やサムスン電子（Samsung）などが参画するスマートホーム機器のセキュリティと認証の規格「Matter」などの形で具体化しつつある。 これらのIoT-EngineやMatterにとって、エッジやエンドポイントのデバイスを制御するのに重要な役割を果たすのがリアルタイムOS（RTOS）である。TRONプロジェクトのRTOSといえば「μITRON」が広く知られているが、現在はIoTへの対応も可能な機能を備えた「
複雑で分かりにくいAIを判断基準が明確なAIに変換する単純化技術を開発
日立製作所は2021年12月24日、従来のブラックボックス型AI（人工知能）を判断基準が明確なAIに変換する「AI単純化技術」を開発したと発表した。同技術の一部を、同社グループにおいて製品出荷前の自動検査ラインに適用し、熟練者不足の解消や検査速度の向上効果を確認している。 信頼できるAIには、精度だけでなく、説明性、透明性、品質、公平性などが必要になる。従来のブラックボックス型AIは、予測精度が高い一方、数式が複雑で判断基準が不明確のため、未知のデータに対して意図しない予測結果を導く不安やリスクを抱えていた。 同社はあらゆる入力に対して、人が理解できる単純な予測式を作り、明確な判断基準の下で予測結果を提示できる技術を開発した。さらに、経験や知識に基づいてユーザー自身で予測式を調整可能とし、信頼できるAIの構築を容易にした。
AIが判断した根拠を一般ユーザーにも分かるように明示、三菱電機と理研が新技術
AIが判断した根拠を一般ユーザーにも分かるように明示、三菱電機と理研が新技術：人工知能ニュース（1/2 ページ） 三菱電機が理化学研究所と共同で「制御の根拠を明示できるAI技術」を開発。今回開発したAI技術によって、AIが判断した制御の根拠や将来の状態を明示することでいわゆる「ブラックボックス問題」を解消し、人が理解しやすいAIの実現に貢献できる。今後は、5年以内となる2026年をめどに製品への搭載による実用化を目指すとしている。 三菱電機は2021年12月14日、オンラインで会見を開き、理化学研究所と共同で「制御の根拠を明示できるAI技術」を開発したと発表した。機械学習や深層学習など、近年の進化が著しいAI（人工知能）技術は、計算が複雑で推論過程がブラックボックスとなるため、人が理解しづらく、信頼性や説明性が求められる制御分野に適用する上で大きな課題になっていた。今回開発したAI技術によ
教師なし学習でも「世界最高クラス」の精度で不良品を見分ける画像分類AI
東芝は2021年4月28日、教師なし学習でも高精度でグループ化できる画像分類AI（人工知能）を開発したと発表。ラベル付け作業を行っていない画像データから、高精度に不良品や製品欠陥を検出することが可能になる。 東芝は2021年4月28日、教師なし学習でも高精度でグループ化できる画像分類AI（人工知能）を開発したと発表した。ラベル付け作業を行っていない画像データから、高精度に不良品や製品欠陥を検出することが可能になる。 教師なし学習の分類精度向上に貢献 今回東芝が発表した画像分類AIは、分類基準を指定するラベル付けを行っていない画像から有効な特徴を抽出、学習して、それに基づいた画像分類を高精度で実行するものである。 この画像分類AIは、1枚の画像を1つの分類基準とする「疑似的な教師あり学習」を行う。これによって背景のように多くの画像に表れるものを除き、一部の画像にだけ存在する特徴を抽出できる。
教師データなしで異常値を検出できるAI技術を開発
富士通研究所は、教師データなしで高次元データの特徴を正確に獲得するAI技術「DeepTwin」を開発した。情報圧縮技術と深層学習を融合し、ネットワークへの不正アクセスや、医療データの異常値をAIで検知する。 富士通研究所は2020年7月13日、教師データなしで高次元データの特徴を正確に獲得するAI（人工知能）技術「DeepTwin（ディープツイン）」を開発したと発表した。情報圧縮技術と深層学習を融合させたことで、ネットワークにおける不正アクセスや、医療データにおける異常値をAIで検知できるようになる。 近年、コスト効率の良いAI学習のために、正解ラベルを付けない教師なし学習に注目が集まっている。一方、AIによる解析の対象となる数十次元の通信データ、数百万次元の画像データといった高次元データについては、計算が指数関数的に増加する「次元の呪い」を回避するため、次元を減らしつつ、誤判定の少ない技
機械学習の2つの壁「分類モデルの選定」と「過学習」への対処法
さまざまなデータを用いた機械学習でスマートな製品開発を目指す上で課題になるのが、「分類モデルの選定」と「過学習」への対応だ。本稿では、分類モデルと過学習について概説するとともに、基礎的な対処法について説明する。 エンジニアや科学者は、産業データに基づいた解析によるADAS（先進運転支援システム）や予知保全（predictive maintenance）アプリケーションなど、よりスマートな製品やサービスを構築しています。分析モデリング（analytics modeling）とは、データ準備、特徴量エンジニアリング（feature engineering）、機械学習のためのドメイン固有の技術を使用して、過去のデータからシステムの挙動を記述し、予測する技術のことです。これらと自動コード生成の組み合わせは、エッジからクラウドまでを対象として、アクションと意思決定を自動化しながらの再利用を可能にしま
工場を襲うサイバー攻撃の大半は“流れ弾”、トレンドマイクロが“おとり”調査
スマートファクトリー化が進む中で懸念が広がっているのが「工場のサイバーセキュリティ」である。ただ、実際に工場へのサイバー攻撃はどのような頻度で、どのように行われているのだろうか――。そうした疑問に答えるために240日間にも及ぶ“おとり調査”を実施したのがセキュリティベンダーのトレンドマイクロである。 トレンドマイクロは2020年3月13日、2019年に5～12月にかけて実施した「工場向けサイバー攻撃おとり調査」の結果についてメディア向けに発表した。本稿では、その内容を紹介する。 調査用の工場おとりシステムを構築 今回のおとり調査は、工場向けのサイバー攻撃の「発生頻度」と「影響度」の実態を測るために、トレンドマイクロが2019年5月6日～同年12月31日まで実施したもの。米国に調査用の「工場おとりシステム」（ハニーポット）を構築し、どのようなサイバー攻撃をどの程度受けるのかを測定した。 調査
機械学習とディープラーニング、どちらを使えばいいのか
研究開発プロジェクトを先に進めるためにどのようなAI技術を使用すればいいのだろうか。本稿では、その一助とすべく、機械学習とディープラーニング（深層学習）の違いについて概説し、それぞれをどのように適用すべきかについて説明する。 科学技術の急速な成長と進化のおかげもありますが、研究開発プロジェクトを先に進めるためにどのようなAI（人工知能）技術を使用するかを理解し、定めることは困難です。本稿では、その一助とすべく、機械学習とディープラーニング（深層学習）の違いについて概説し、それぞれをどのように適用すべきかについて説明します。 定義：機械学習vs.ディープラーニング 機械学習とディープラーニングの両方において、エンジニアはMATLABなどのソフトウェアツールを使用して、コンピュータがサンプルデータセットから学習することで、データの傾向や特性を識別できるようにします。 まず機械学習の場合、学習デ
国際標準化が加速する医療機器サイバーセキュリティ、AI活用の前提条件に
国際標準化が加速する医療機器サイバーセキュリティ、AI活用の前提条件に：海外医療技術トレンド（53）（1/4 ページ） 本連載では、ソフトウェア・アズ・ア・メディカル・デバイス（SaMD）の国際協調に向けた取り組みを紹介しているが、サイバーセキュリティでも同様の動きが本格化している。この医療機器サイバーセキュリティは、医療分野におけるAI（人工知能）活用の前提条件になってきそうだ。 ⇒連載「海外医療技術トレンド」バックナンバー 連載第20回で、ソフトウェア・アズ・ア・メディカル・デバイス（SaMD）の国際協調に向けた取り組みを紹介したが、サイバーセキュリティでも同様の動きが本格化している。 国際医療機器規制当局フォーラムがサイバーセキュリティ原則草案を公表 連載第43回で取り上げたように、国際医療機器規制当局フォーラム（IMDRF）は、2018年9月、米国食品医薬品局（FDA）とカナダ保健
3D深層学習研究を容易にするライブラリを発表
NVIDIAは、3D深層学習研究を容易にする「Kaolin」を発表した。PyTorchのライブラリとして実装され、3Dモデルを深層学習用に準備する処理を数ステップに削減する。 NVIDIAは2019年11月13日、3D深層学習研究を容易にする「Kaolin」を発表した。PyTorchのライブラリとして実装され、3Dモデルを深層学習用に準備する処理を、300行のコードから5行に削減する。Kaolinライブラリは、GitHubでダウンロードできる。 Kaolinは、表現方法やレンダリング方法にかかわらず、複雑な3Dデータセットを機械学習のフレームワークに読み込める。モジュラーアプローチをとっているため、インタフェースが提供する各コンポーネントを書き換えるだけで、ユーザーは簡単に3D深層学習分野の微分可能なレンダリングができる。 3Dコンテンツが操作できる効率的なジオメトリ関数のセットで構成され
オムロンの腕時計型血圧計が日本でも発売、細い腕帯でも医療機器の精度
オムロンの腕時計型血圧計が日本でも発売、細い腕帯でも医療機器の精度：ウェアラブルニュース（1/2 ページ） オムロン ヘルスケアは2019年11月27日、医療機器として薬事認証を取得した腕時計型のウェアラブル血圧計「Heart Guide」を同年12月3日に日本で発売すると発表した。手首で血圧を測るにはカフ（腕帯）に一定の幅が必要だったが、構造を工夫したことで従来の手首式血圧計の半分の幅のカフで正確に測定できる。この手軽さと精度を生かし、1日の中での血圧の変動を把握できるようにする。 オムロン ヘルスケアは2019年11月27日、医療機器として薬機法の認証を取得した腕時計型のウェアラブル血圧計「Heart Guide」を同年12月3日に日本で発売すると発表した。手首で血圧を測るにはカフ（腕帯）に一定の幅が必要だったが、構造を工夫したことで従来の手首式血圧計の半分の幅のカフで正確に測定できる
PFNがChainerの開発を終了しPyTorchへ移行、西川社長「非常に大きな決断」
PFNがChainerの開発を終了しPyTorchへ移行、西川社長「非常に大きな決断」：人工知能ニュース Preferred Networks（PFN）は2019年12月5日、同社が開発する深層学習フレームワーク「Chainer」のメジャーアップデートを終了すると発表した。 Preferred Networks（PFN）は2019年12月5日、同社が開発する深層学習フレームワーク「Chainer」のメジャーアップデートを終了すると発表した。バグフィックスおよびメンテナンスは継続する。同社の研究開発基盤は、Chainerから米Facebookが主導する深層学習フレームワーク「PyTorch」へ順次移行する。 同日に公開された「Chainer v7」が最後のメジャーリリースになる予定だ。ChainerファミリーのライブラリであるChainerCVやChainer Chemistry、Chain
深層学習初心者向けの無料オンライン学習資料を公開
Preferred Networks（PFN）は2019年4月10日、オープンソースの深層学習フレームワーク「Chainer（チェイナー）」の学習者向けに、日本語のオンライン学習資料「ディープラーニング入門：Chainerチュートリアル」の無料公開を開始した。 Chainerは、2015年6月にオープンソース化した、Pythonベースの深層学習フレームワーク。今回発表したChainerチュートリアルは、大学の授業や企業研修、商用セミナーなどでの利用を想定した、深層学習初心者向けの無料オンライン学習資料となる。 現在は入門編として、機械学習に必要な数学の基礎から、Python入門、機械学習とデータ分析入門、ディープラーニング入門を公開している。順を追って解説しており、深層学習の基礎から実践まで、無理なくコーディングと理論が学べる。 また、「Google Colaboratory」を利用すると
Google Cloudは機械学習を手軽に実現、エッジで画像の推論にも対応
Google Cloudが2019年4月9～11日に開催した年次カンファレンス「Google Cloud Next ’19」で、エッジで動作する画像解析の推論モデルを容易に構築できるサービス「Cloud AutoML Vision Edge（以下、Vision Edge）」が発表された。 Google Cloudが2019年4月9～11日に開催した年次カンファレンス「Google Cloud Next ’19」（米国カリフォルニア州 サンフランシスコ）。同イベントの来場者は約3万人に達し、新たに発表された事項は122項目にものぼる。 同社日本法人であるグーグル・クラウド・ジャパンは2019年4月19日、東京都内で記者向けにGoogle Cloud Next ’19の発表内容を解説するセミナーを開催した。同イベントではインフラからハイブリッドクラウド「Anthos」、セキュリティなど多岐にわ
データが少なくても高精度に判断できる機械学習技術を開発
富士通研究所は、学習に必要なデータが少なくても高精度に判断できる機械学習技術「Wide Learning」を開発した。重要度の高い仮説を選別し、それぞれの影響度を制御することで、データに偏りがあっても、均等に正しい分類／判断ができる。 富士通研究所は2018年9月19日、学習に必要なデータが少なくても高精度に判断できる機械学習技術「Wide Learning（ワイドラーニング）」を発表した。データ項目を組み合わせて、その全てのパターンを仮説とし、各仮説に対し分類ラベルのヒット率で仮説の重要度を判断する。 例えば、商品の購入傾向をAI（人工知能）で分析する際は、これまでの購入者、未購入者（分類ラベル）のデータ項目から「女性、免許所有」「未婚、20～34歳」など全てのパターンを組み合わせて仮説とし、実際の商品購入者のデータとどれくらいヒットするかを分析する。 一定以上ヒットした仮説をナレッジチ
AIをブラックボックスにしないために、“判断の根拠”の解析を - MONOist（モノイスト）
日立超LSIシステムズ 組込ソリューション事業部の猪貝 光祥氏が、NVIDIAのユーザーイベント「GTC Japan 2018」（2018年9月13～14日）において、AIの品質保証に関する最新動向を紹介した。 人工知能（AI）はなぜその結論に至ったのか――。日立超LSIシステムズ 組込ソリューション事業部の猪貝 光祥氏が、NVIDIAのユーザーイベント「GTC Japan 2018」（2018年9月13～14日）において、AIの品質保証に関する最新動向を紹介した。 自動運転技術の開発では、自車の周辺にある物体の種類の識別や走行可能なエリアの検出といった周辺環境の認識などにおいて、深層学習（ディープラーニング）で得たアルゴリズムの活用が進む。Robert Bosch（ボッシュ）は2019年にディープラーニングなどのアルゴリズムで周辺環境を認識する次世代ステレオカメラの量産を予定するなど、市
AIにおける予測と解釈性を両立、説明可能AIの提供を開始
電通国際情報サービスは、simMachinesが開発したAIソリューション「simMachines」の販売権を取得し、提供を開始した。従来は難しいとされてきた「予測」と「予測に至る解釈の提示」を可能にし、数千項目の変数を持つデータにも対応する。 電通国際情報サービス（ISID）は2018年6月26日、simMachinesが開発したAI（人工知能）ソリューション「simMachines」の販売権を取得し、提供を開始した。 ディープラーニングなど、現在AIの主流である技術は、予測はできるが予測に至った根拠を示すことができず、公平性や透明性が求められる領域へは適用しにくかった。また、ディープラーニングや類似検索で用いるアルゴリズムは、データにひも付く変数が増加するにつれて十分な学習結果が得られにくくなる。 simMachinesは、世界的に注目されているXAI（説明可能AI）の1つで、「予測」
グーグルの深層学習プロセッサ「TPU」が「AIを、全ての人に」を実現する
グーグル（Google）は2018年7月6日、東京都内でメディアセミナーを開き、同社がディープラーニング（深層学習）向けに開発してきたプロセッサ「TPU（Tensor Processing Unit）」について説明した。 セミナーに登壇したのは、グーグルの日本法人で Google Cloud、データ分析チーム デベロッパーアドボケイトを務める佐藤一憲氏だ。佐藤氏は、TPU開発のもとになったディープラーニングのフレームワーク「TensorFlow」や、TPUの開発の歴史、多数のTPUで構築したAI（人工知能）スーパーコンピュータ「TPU Pod」、誰でもTPUの高い処理能力を使えるクラウドサービス「Cloud TPU」の他、2018年5月の「Google I/O 2018」で発表された最新の成果などについて紹介した。 きゅうりの選別やクリーニングの衣類認識に用いられる「TensorFlow」
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
