生成AIによる「慣用表現の『乗っ取り』」と、その根底にある別の問題と - 渋谷駅前で働くデータサイエンティストのブログ
かなり前から「ChatGPTに学術論文を（英語で）書かせると"delve"のような普段使わないような単語が多く使われるのでバレやすい」という話がSNS以下各所で頻繁に噂されていたんですが*1、最近になってこの件について面白いpreprintが発表されていたのを知りました。それがこちらです。 もう読んで字の如しで「ChatGPTが登場して以来学術論文に使われる単語のレパートリーが劇的に変わってしまった」というのを、実際に具体的なデータに基づいて示した論文です。割と短めの読みやすい論文であることと、先述したようにSNSでは頻繁に噂されていた推測を明確化したということもあり、折角ですのでこのブログで簡単に紹介してみようと思います。 Preprintあげたのでご報告！📣 ChatGPTが使いがちな英単語ってありますよね。「delve」「realm」「utilize」あたり。 （限界助教先生の記事
人間中心のAI（HCAI）とは？ 内閣府が提唱する「7つの社会原則」もわかりやすく解説
人間中心のAIとは？ 人間中心のAI（HCAI: Human-Centered AI）とは、「AIに人間が使われるのではなく、人間がAIを使う」という考え方の下、人間の管理下で、人間の能力を拡張させる手段としてAIを活用しようとする考え方を指します。この人間中心のAIという考え方に対して、人間の能力を完全にAIに置き換える「自律型AI」という考え方もあります。 人間中心のAIという言葉は、細かく言えば、マクロな視点とミクロな視点、大きく2つの意味で使われます。 マクロな意味では、冒頭で述べたように、AIを「人間と協調し、人間の活動を支援し、人間の能力を拡張するため技術」として人間中心のAIという言葉を使います。このアプローチにおいてポイントになるのが、「AIが完全に人間の手を離れて運用されることはない」という点です。 この場合、AIを扱うための「理念」や「管理手法」としての文脈で人間中心の
AI Principles Japanese - Future of Life Institute
アシロマの原則 これらの原則は、2017年アシロマ会議 (ビデオはこちら)に関連して、こちらに記載されているプロセスを通じて策定されました。 Click here to see this page in other languages: English Chinese German Korean Russian 世界中の人々が毎日使用する役に立つツールとして、すでに人工知能は利用されています。人工知能の開発が今後以下で示す原則に基づいて行われるならば、それは数十年さらに数世紀にわたる将来において、人々に役立ち豊かな暮らしをもたらしうるでしょう。 研究課題 1) 研究目標：研究の目標となる人工知能は、無秩序な知能ではなく、有益な知能とすべきである。 2) 研究資金：コンピュータサイエンスだけでなく、経済、法律、倫理、および社会学における困難な問題を孕む有益な人工知能研究にも投資
Interpretable Machine Learning
Interpretable Machine Learning A Guide for Making Black Box Models Explainable Christoph Molnar 2023-08-21 Summary Machine learning has great potential for improving products, processes and research. But computers usually do not explain their predictions which is a barrier to the adoption of machine learning. This book is about making machine learning models and their decisions interpretable. Afte
Microsoftがノーコードの「Lobe」を無料公開 機械学習モデルを作成してみた | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
ディープラーニング入門者におすすめしたい参考書【2020年版】
AI（人工知能）に関係する業界や企業に勤めたい、そのためにディープラーニングを勉強したい、というディープラーニング入門者も多いですよね。ディープラーニングは時代の最先端を走る技術であり、また伸びしろがある分野なため、ぜひともディープラーニングを学んでおき、就職活動を有利にしたりキャリアアップを目指したでしょう。 でも、ディープラーニングを学ぶといっても、どこから手を付けていいのかわからない、何を勉強するべきかわからないという状態に陥ってしまうこともしばしば。社内研修を受けたりスクールに通ったりせず、まったくの独学でディープラーニングを学ぶのであればなおさらです。 そこで今回は、ディープラーニングの入門にうってつけの参考書を紹介します。まずは、そもそもディープラーニングとは何なのか？について解説しましょう。 ディープラーニングってどんな技術？ ディープラーニングは日本語で深層学習とも呼ばれ、
AI・機械学習の数学入門 ― 中学・高校数学のキホンから学べる
機械学習の数学は難しい!? そう思っている人はこの連載から学んでみよう。サブタイトルは「― 中学／高校数学のキホンから学べる」。本連載では、小学校で習う「四則演算（足し算／引き算／掛け算／割り算）」を使って、機械学習の数学をできるだけ分かりやすく簡単に説明していく。 第1回 AI・機械学習のための数学超入門 ― 前提知識は四則演算だけ！（2020/03/02） 機械学習は、人間の日常とそう変わらない 機械学習で使われる数学は結局のところ四則演算だけ！ 四則演算のルールをざっとおさらい ・目標 ・解説 - ルール1 同じ数を何回か足す計算は、掛け算で表せる - ルール2 同じ数を何回か掛ける計算は、べき乗で表せる - ルール3 計算には優先順位があり、かっこで囲んだ計算が優先される ・コラム 計算の順序を工夫すると暗算が簡単になる ・練習問題 距離を求める ～ 機械学習で使われる数学（1）
40+ Modern Tutorials Covering All Aspects of Machine Learning - DataScienceCentral.com
Home » Uncategorized40+ Modern Tutorials Covering All Aspects of Machine Learning CapriGranville733December 10, 2019 at 3:30 am This list of lists contains books, notebooks, presentations, cheat sheets, and tutorials covering all aspects of data science, machine learning, deep learning, statistics, math, and more, with most documents featuring Python or R code and numerous illustrations or case st
機械学習の書籍多いけど、どれ買えば良いの？レベル別にオススメ！！＜初心者向け＞ - Qiita
はじめに 機械学習の書籍多いけど、どれ買えば良いのかをレベル別にオススメします。 レベルはレベル1~レベル5の五段階です。 今の自分にあったレベルから書籍を選んでみて下さい。 また３〜４ヶ月でここに紹介した書籍を読み進められるとベストです。 勉強方法はこのnoteでは触れませんが、Couseraのマシンラーニングコースなどオンラインでとても良い講座があるので、書籍以外のサービスも活用してみて下さい。 ＊AIに関して勉強したい方は下記の２つご利用ください！ AI Academy 無料でPythonや機械学習、ディープラーニングが学べるオンラインAIプログラミング学習サービス *一部コンテンツは月額980円にて全て利用可能。 AI Academy Bootcamp 個人向け2ヶ月10万円で受講可能な、受講後すぐに業務で使える分析力を身に着けられるAI・データ活用ブートキャンプ 人工知能基礎編<
故人の歌声合成を、当事者視点で考える 「AI美空ひばり」は冒とくなのか
故人の歌声合成を、当事者視点で考える 「AI美空ひばり」は冒とくなのか：立ちどまるよふりむくよ（1/3 ページ） これについては、死とIT技術の関係を追いかけているジャーナリスト、古田雄介さんが総括しているので、現在取り沙汰されている「問題点」はこの記事を読んでもらえばスッキリすると思うが、ある種の当事者としては自分のケースを少し話しておいたほうがよさそうな気がする。 お久しぶりか、初めましてか――“AI美空ひばり”に見る「デジタル故人」との付き合い方 ぼくは、2013年に妻が他界してから、彼女が遺した録音を元に歌唱合成した楽曲を制作し、公開し続けている。100曲を超えてからは数えていない。故人の新たな歌声と日常的に接している例があるということ、「AI美空ひばり」は何も特別なものではないということを、まずは知ってもらいたい。 次の文章は、妻の歌声による歌唱合成ができるようになってしばらくし
機械学習の説明可能性（解釈性）という迷宮 - 渋谷駅前で働くデータサイエンティストのブログ
ちょっと前に、しょうもないことを某所で放言したら思いの外拡散されてしまいました。 機械学習の説明可能性（解釈性）、大半のケースで求められているのは厳密な分類・回帰根拠ではなく受け手の「納得感」なので、特に実ビジネス上は説明可能性に長けたモデルを開発するより、納得できないお客さんを巧みに関係性構築した上で口八丁で完璧に説得できる凄腕営業ピープルを雇う方が重要— TJO (@TJO_datasci) 2019年11月23日 これ自体は与太話なので実際どうでも良い*1のですが、最近色々な研究や技術開発の進展はたまた実務家による考察などを見ていて、「機械学習の説明可能性（解釈性）というのは思った以上に複雑な迷宮だ」と感じることがままあったのでした。 ということで、今回の記事では僕のサーベイの範囲でザッと見て目についた資料などを超絶大雑把にリストアップした上で、主に実務における説明可能性とは何かとい
TextSynth
TextSynth provides access to large language or text-to-image models such as Mistral, Mixtral, Llama2, Stable Diffusion, Whisper thru a REST API and a playground. They can be used for example for text completion, question answering, classification, chat, translation, image generation, speech to text transcription, ... TextSynth employs custom inference code to get faster inference (hence lower cost
成功した機械学習モデル150個を分析してわかったことまとめ、Booking.comの場合
by stem.T4L 宿泊予約サイトのBooking.comはプラットフォームに機械学習を取り入れており、毎日いくつものA/Bテストを実施して最適なオプションや表示方法を模索しています。機械学習を取り入れるなかで失敗と成功の両方を何度も経験してきたBooking.comが、150の成功モデルから学んだことについて論文を発表しました。「機械学習が現実の企業やプラットフォームのパフォーマンスにどう影響するのか」を述べたこの論文を、VMwareのCTOを務めたのちにAccelのベンチャーパートナーとなったAdrian Colyer氏がかみ砕いて解説しています。 150 Successful Machine Learning Models: 6 Lessons Learned at Booking.com (PDFファイル)http://delivery.acm.org/10.1145/3340
デジタルビジネスにおけるAIアプリケーションの6つの設計原則
ガートナーの米国本社発のオフィシャルサイト「Smarter with Gartner」と、ガートナー アナリストらのブログサイト「Gartner Blog Network」から、＠IT編集部が独自の視点で“読むべき記事”をピックアップして翻訳。グローバルのITトレンドを先取りし「今、何が起きているのか、起きようとしているのか」を展望する。 人工知能（AI）は、人間が現在行っている判断や作業の高度化や自動化を実現する。そのため、デジタルビジネストランスフォーメーションに不可欠だ。企業はAI活用により、人件費を削減したり、新しいビジネスモデルを創出したり、ビジネスプロセスや顧客サービスを改善したりできる。だが、ほとんどのAI技術は、まだ成熟していない。 「この問題を克服するには、CIOは、戦略的なビジネス目標（売上高の拡大やサービスのスケーリングなど）を達成するためのアプリケーションの設計が、
わずか数行のJavaScriptで機械学習をフル活用できる無料Webサービス「StackML」を使ってみた！ - paiza times
どうも、まさとらん（@0310lan）です！ 今回は、誰でも簡単に機械学習を活用したプログラムをJavaScriptで構築できる無料のWebサービスをご紹介します！ 画像解析、顔検出、表情分析、骨格・姿勢解析、特徴分析…など、さまざまな用途において機械学習を活用したプログラムをJavaScriptで実現できるので、とてもユニークなWebコンテンツを簡単に開発することができます。 これまで漠然と機械学習に興味を持っていた方も含めて、ぜひ参考にしてみてください！ なお、paizaラーニングでも機械学習を学べる「Python×AI・機械学習入門編」を公開していますので、合わせてチェックしてみてください。 Python×AI・機械学習入門編について詳しくはこちら 【 StackML 】 ■「StackML」の使い方 それでは、StackMLを使いながらどのようなことができるのかを見ていきましょう！
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
機械学習のアルゴリズム12選をわかりやすく解説｜学習手法や活用事例を紹介！ | AI専門ニュースメディア AINOW
Amazon.co.jp: なっとく！ディープラーニング: Andrew W. Trask (著), 株式会社クイープ (翻訳), 株式会社クイープ (監修): 本
「AIとは？できることとは？」人工知能入門者が知りたいことを話してみた【#お多福勉強会01】
Amazon - 人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)
機械学習／統計学／データサイエンスの無償gacco動画、全まとめ【2021年秋版】：AI・機械学習の独学リソース（1/3 ページ） - ＠IT
