はてなブックマーク

こんにちは、荒井（@yutakarai）です。 いまは「AIを使ったチャットボット」と言えば、機械学習や深層学習技術を使ったチャットボットのことになります。 AIに大量の学習をさせることで、構文の構造や意図理解の自然言語処理技術も進んでいて、チャットボットがどんどん進化しています。 そんな中、がっちがちのルールベースのチャットボットは結構以前からありました。 今回は、AIMLの紹介と、AIMLを使ったルールベースのチャットボットの作り方をシリーズ全２回に分けて解説したいと思います。 シリース第１回目となるこの記事では、AIMLの紹介をします。 シリーズ第２回目はこちらからどうぞ。 AIMLとは AIMLとは「Artificial Intelligence Markup Language」の略です。 AIMLは、AlicebotのOSSコミュニティとカーネギーメロン大学のRichard S.

deeplearn.jsを使えば、リアルタイムで Performance RNN ピアノ演奏をブラウザで楽しむことができます。 Performance RNN deeplearn.jsはオープンソースのJavascriptライブラリで、 ブラウザでモデルのGPUベースのトレーニングと評価を可能にします。 これには、Performance RNNチェックポイントをdeeplearn.jsが使用できる形式に変換するために使用できたTensorFlowモデルを移植するためのツールが含まれています。 次に、モデルアーキテクチャをdeeplearn.js TypeScriptライブラリを使用できるようにして ユーザーインターフェイスが追加されました。 新しいモデルのソースコードは、deeplearn.js GitHubリポジトリから入手できます。 ブラウザでPerformance RNNを試してみる

海外のスタートアップの事例を通して、新しいビジネスアイデアのきっかけや、ビジネスのヒントを得ようという主旨で、毎回気になった海外スタートアップを紹介しています。 今回紹介するのは、AIビジネスの事例で、「Mobalitycs（モバリティクス）」というサービスです。 Mobalyticsは、「リーグ・オブ・レジェンド」というオンラインゲーム専用のパフォーマンスアナリティクスです。このシステムでは、ゲームのデータを使用して、プレーヤーのパフォーマンスを計算し、改善方法に関するアドバイスを提供しています。 「リーグ・オブ・レジェンド」という、ゲームはご存知ですか？ 僕は知らなかったのですが、調べたらかなり有名なゲームなんですね。 知っているかたも多いかと思いますが、僕のように、このゲームを知らない方のために、このゲームの概要について紹介したいと思います。 リーグ・オブ・レジェンドとは？ リーグ・

本記事は、deeplearn.jsのサイトのPort TensorFlow modelsを翻訳（適宜意訳）したものです。誤り等あればご指摘いただけたら幸いです。 このチュートリアルでは、TensorFlowモデルをトレーニングしてdeeplearn.jsに移植する方法を示します。このチュートリアルで使用されているコードと必要なリソースはすべてdemos/mnistに格納されています。 MNISTデータセットの手書き数字を予測する、完全結合ニューラルネットワーク（fully connected neural network）を使用します。このコードは公式のTensorFlow MNISTチュートリアルからforkされています。 [aside type=”normal”] 注：deeplearn.js repo のベース・ディレクトリを $BASE として参照します。 [/aside] まず最

SmartPlateはアメリカのスタートアップで、「あなたの個人栄養士」というコンセプトのサービスです。 ホームページには、以下のように紹介されています。 SmartPlate は、世界初のAI栄養管理プラットフォームです。 高度な画像認識を使用して、食事を分析し、栄養管理することができるサービスです。 スマートな方法であなたの健康目標を達成する このサービスは２つのデバイスで構成されています。 スマートプレートには重量センサーが内蔵されていて プレートに乗っている食事の重量を計って、スマホアプリに情報を送信してくれるという機能をもっています。 スマホアプリには、AI技術のひとつの画像認識技術が搭載されていて、画面に映った食事を識別してくれます。 アプリを通して画面に映った料理が、なんの料理かを認識してくれます。そして、SmartPlateに保持している食事のデータベースと照合して、どれく

本記事は、deeplearn.jsのサイトのトップページを翻訳（適宜意訳）したものです。誤り等あればご指摘いただけたら幸いです。 deeplearn.jsを始めよう deeplearn.jsはGoogleより提供されているオープンソースの深層学習ライブラリです。ブラウザ上でモデルの学習や、訓練されたモデルを推論モードで実行することができます。 immediate execution modelとTensorFlow APIをモニターするdeferred execution modelの2つのAPIを提供します。 deeplearn.jsはもともとGoogle Brain PAIRチームが開発した強力なインタラクティブな機械学習ツールです。教育やモデルの理解、芸術プロジェクトなど、様々な分野でライブラリを利用することができます。 使い方 Javascriptの場合 typescriptが、d

AI・機械学習・ディープラーニングCore ML and Vision: Machine Learning in iOS 11 Tutorial 機械学習が流行っています。多くの人が機械学習について一度は聞いたことがあるのではないでしょうか。 この記事では、iOS 11で導入された新しいフレームワークであるCore ML と Visionを紹介します。具体的には、これらの新しいAPIをPlaces205-GoogLeNetモデルで使用して画像を分類する方法を紹介します。詳細は、Appleの機械学習ページをご参照ください。 [aside type=”normal”] Xcode 9 Beta 1以降、Swift 4、およびiOS 11が必要です。 [/aside] スタータープロジェクトから始めてみる スタータープロジェクトをダウンロードしてください。画像を表示し、ユーザーが写真ライブラリか

Kerasは、効率的なTheanoまたはTensorFlowのシンボリック数学ライブラリをバックエンドとして利用できるPython深層学習ライブラリです。 Kerasは非常に使いやすいので、最初のマルチレイヤパーセプトロン、畳み込みニューラルネットワーク、またはLSTMリカレントニューラルネットワークを数分で開発することができます。 ただ、Kerasの使い始める際に技術的な疑問がでてくるかもしれません。 この記事では、深層学習ライブラリKerasの勉強に役立つコミュニティサイトを紹介します。 コミュニティサイトを最大限に活用する方法 最初に助けを受ける場所を知ることができますが、これらのリソースを最大限に活用する方法を知る必要があります。 あなたの質問を最も単純で明確な形にしてください。 例えば、「私のモデルは機能しません」や「xはどのように機能するのか」では良い形ではありません。また、質

こんにちは、荒井です。 海外のスタートアップの事例を通して、新しいビジネスアイデアのきっかけや、ビジネスのヒントを得ようという主旨で、毎回気になった海外スタートアップを紹介しています。 今回紹介するのは、AIビジネスの事例で、「Cue」というサービスです。 Cueは喫煙を減らすためのアプリです。禁煙するためのアプリです。 これは、スマートウォッチのアプリになります。 対応しているスマートウォッチは、「Android Wear 2.0」になります。 このCueは「Kiwi」というカナダのスタートアップ企業のサービスです。Kiwiという会社は、AI専門のシステム開発会社で、いくつものAIプロジェクトを立ち上げています。「kiwi」のプロジェクトのひとつが、今回紹介するCueになります。 Cueの仕組み スマートウォッチアプリを使用して、いつどこで喫煙するかを自動的に追跡します。あなたのたばこの

AI・機械学習・ディープラーニングTensorBoard：Embedding Visualizationを動かす（翻訳） Embeddingは、機械学習、レコメンデーションシステム、NLP、および他の多くのアプリケーションに利用されています。実際、TensorFlowのコンテキストでは、テンソル（またはテンソルの一部）を空間上の点として見ることができます。ほとんどのTensorFlowシステムは自然にさまざまな埋め込みが可能です。 TensorBoardは、埋め込みのような高次元のデータのインタラクティブな視覚化と解析のために、Embedding Projectorと呼ばれるビルトインビジュアライザを備えています。Embedding Projectorは、あなたのモデルのチェックポイントファイルを読み込みます。トレーニングの重みを含む2Dテンソルも読み込みます。 埋め込みとその学習方法の詳

本記事は、TensorFlow（テンソルフロー）の本家サイト「TensorBoard: Visualizing Learning」 を翻訳（適宜意訳）したものです。誤り等あればご指摘いただけたら幸いです。 大規模な深いニューラルネットワークのトレーニングのようなTensorFlowを使用する計算は、複雑で紛らわしいものになります。 TensorFlowプログラムの理解、デバッグ、および最適化を容易にするために、TensorBoardという一連の視覚化ツールが含まれています。 TensorBoardを使用して、TensorFlowグラフを視覚化し、グラフの実行に関する定量的なメトリックをプロットし、それを通過する画像のような追加のデータを表示することができます。 TensorBoardが設定されると、次のようになります。 このチュートリアルは、TensorBoardを簡単に使い始められること

こんにちは、荒井（@yutakarai）です。 海外のスタートアップの事例を通して、新しいビジネスアイデアのきっかけや、ビジネスのヒントを得ようという主旨で、毎回気になった海外スタートアップを紹介しています。 今回紹介するのは、AIビジネスの事例で、「DressupAI」というサービスです。 あなたの専属スタイリストアプリ　DressupAI ドレスアップAIは、イギリス・ロンドンのスタートアップサービスです。 Dressup.aiは、カスタムメイドの衣装のスタイリングを人工知能が推薦してくれるオンラインプラットフォームです。 また、自分のスタイルに合ったテーラーやスタイリストを見つけるためのプラットフォームも提供しています。 現在ベータ版ということで、正式リリースはもう少し先のようなのですが、HPにメールアドレスを登録することで、このサービスの情報をチェックできるようになっています。 D

Python Machine Learningで、正確な機械学習モデルを見つけることは、プロジェクトの終わりではありません。 今回は、scikit-learnを使って機械学習モデルを保存して読み込む方法を紹介します。これにより、モデルをファイルに保存して、それを後で読み込んで予測を行うことができます。 Pickleでモデルを保存する pickleは、Pythonでオブジェクトをシリアライズする一般的な方法です。シリアライズ（直列化）とは、プログラミング言語においてオブジェクトをバイト列などの表現に変換することを言います。対して、デシリアライズ（非直列化）とは、バイト列を元にオブジェクトを復元することを言います。 pickle操作を使用して、機械学習モデルをシリアライズし、シリアライズされたフォーマットをファイルに保存することができます。 その後、このファイルを読み込んでモデルをデシリアライ

こんにちは、荒井です。 海外のスタートアップの事例を通して、新しいビジネスアイデアのきっかけや、ビジネスのヒントを得ようという主旨で、毎回気になった海外スタートアップを紹介しています。 今回紹介するのは、AIビジネスの事例で、「ChatlerAI」というサービスです。 Chatler.aiは、半自動のチャットボットサービスです。チャットの応答内容をレコメンドしてくれる機能がメインの機能になります。 チャットボットをビジネスでの利用を考えると、ヘルプデスクなどの顧客サポートでの利用になりますが、以下のような懸念があります。 完全に自動化されたチャットボットだけだと不安 期待された自然な会話ができるようになるまで時間がかかる こういった不安や不便を解消するための「半自動」チャットボットサービスになります。 ChatlerAIの「半自動」というのは、AIが会話のサポートをしてくれるということです

こんにちは、荒井です。 海外のスタートアップの事例を通して、新しいビジネスアイデアのきっかけや、ビジネスのヒントを得ようという主旨で、毎回気になった海外スタートアップを紹介しています。 今回紹介するのは、AIビジネスの事例で、「X.AI」というサービスです。 X.AIは、Eメールを使うだけで最適なスケジューリングをしてくれるAIパーソナルアシスタントサービスです。 専用のアプリをインストールする必要もないです。Eメールだけで利用できるサービスです。 X.AIは、2014年にアメリカのニューヨークで設立されました。IAベンチャーズ、ファーストマーク、などの、優良投資企業や投資家の支援を多数受けているスタートアップです。 X.AIの、CEOのDennis R. Mortensen氏は、X.AIを立ち上げるきっかけをHPの中で説明しています。 2012年に手動で1019回のミーティングをスケジュ

こんにちは、荒井（@yutakarai）です。 海外のスタートアップの事例を通して、新しいビジネスアイデアのきっかけや、ビジネスのヒントを得ようという主旨で、毎回気になった海外スタートアップを紹介しています。 今回紹介するのは、AIビジネスの事例で、「Cashbot.ai」というサービスです。 チャットボットに組み込むことで収益を得ることができる、という収益化プラットフォームです。 Cashbot.aiは、アメリカ、カリフォルニアのスタートアップサービスです。 現在ベータ版のリリースになっていて、無料で利用することができます。今後についても、有料にするというようなことはHPに記載がないので、おそらく、無料のまま正式リリースされるんではないかと思います。 日本国内でも、AIビジネスが盛り上がっていますが、なかでもチャットボットのサービスがたくさん出てきています。なかには「チャットボットの開発

こんにちは、荒井です。 海外のスタートアップの事例を通して、新しいビジネスアイデアのきっかけや、ビジネスのヒントを得ようという主旨で、毎回気になった海外スタートアップを紹介しています。 今回紹介するAIビジネスの事例は「Blue Matador（ブルー・マタドール）」というサービスです。 Blue Matadorには３つのソリューションサービスがあります。 無料システムモニタリングサービスの「WatchDog」 AIによるシステムログ管理サービスの「Lumberjack」 AIによる障害予測サービスの「Firefighter」 この３つのソリューションによって、Blue Matadorは、システム開発とシステム運用にとっての強い味方になります。 システムのモニタリングサービスというのは、既に色々とありますが、このサービスのポイントは、AIを活用してシステム障害を予測・通知してくれる、という

こんにちは、荒井です。 海外のスタートアップの事例を通して、新しいビジネスアイデアのきっかけや、ビジネスのヒントを得ようという主旨で、毎回気になった海外スタートアップを紹介しています。 今回紹介するAIビジネスの事例は「Test4startup」というサービスです。 このTest4startupは、ビッグデータと人工知能の助けを借りてあなたのプロジェクトのマーケットをわずか7秒で研究できる、というものです。 Test4startupは、デンマークのスタートアップで、州立の大学の数学教授と共同で作成されたサービスになります。ビジネスアイデアが十分に有望かどうかを評価するアルゴリズムを開発して、このTest４Startupを開発しています。 ビジネスアイデアを評価するアルゴリズムは、３つのステップに分かれます。 1.市場の定義 まず、このアルゴリズムは、あなたのビジネスアイデアのコアとなる市場

こんにちは、荒井です。 海外のスタートアップの事例を通して、新しいビジネスアイデアのきっかけや、ビジネスのヒントを得ようという主旨で、毎回気になった海外スタートアップを紹介しています。 今回紹介するAIビジネスの事例は「KOMPAS」というサービスです。 KOMPASは、無料アプリです。 KOMPASUは、あなたの情報、例えば 自由な時間 予算 興味のあること、楽しいと思うこと というような情報をもとに、あなたに最適な旅行プランを提案してくれるアプリです。 現在の旅行ガイドは時代遅れ ２０１４年にイギリス・ロンドンで設立されたスタートアップです。 創業者のTom Charman氏1は、以下の問題提起をしています。 いまの旅行ガイドブック等は、時代遅れになってきています。実際は、多くの人がブログや個人の意見を参考に旅行しています。そのため、どこに行くのか、そこに行く方法を探すのに時間が浪費さ

こんにちは、荒井（@yutakarai）です。 機械学習を使った顔認識は、画像内で顔を見つける機能として、カメラアプリなどのいくつかの製品で使われています。 顔認識機能は、分類の問題になります。 顔を検出するタスクを実行するための一般的な方法のひとつは、SVMや画像変換をする方法です。 今回は、オープンソースの機械学習ライブラリのdlibライブラリを使って顔検出のプログラムを作ってみます。（必要ライブラリのインストールの解説は割愛します） dlibライブラリには、画像からの人の顔やその他オブジェクトを検出するためのクラスが用意されています。 ライブラリの中身はHoG1とSVM2を利用したシンプルな構成ですが、HoGフィルターのパラメータ調整や学習を行ってくれる便利なAPIがあり、人気のライブラリです。 顔認識のプロセス ここで利用するdlib顔認識ライブラリは、3つのコンセプトに基づいてい

どんな感じでデザインが作られて行くのか、デザインの流れをざっくり説明してみます。 基本的に、FireDropのウェブ画面上で操作をしていきます。 画面は、２つの部分にわかれていて、デザインしているウェブページの表示部分と、AIボットのサーシャと会話する会話部分にわかれています。画面向かって左側が、デザインWebページ表示部分、向かって右側がボット会話部分になります。 基本的には、デザインWEBページ部分はいじることはなくて、サーシャとの会話をしていくだけです。 会話の内容としては、サーシャがウェブデザインをするうえで必要な質問を投げかけてきます。 「WEBページのどこを変えたいか（何がしたいか）」 「WEBページのメインの色はどんなのがいいか」 「レイアウトはどれがいいか」 こんな感じで質問されるので、その質問に答えていくと、画面の左側のデザイン表示部分で、デザインが進んでいきます。 Fi

Tensorflowを使ってシンプルなニューラルネットワークの構築について簡単な説明をしてみます。データにMNISTデータを使います。 まず、Tensorflowをインストールしましょう。1 MNISTデータは、各画像のラベルがその画像内の実際の値を示す手書き数字の集合である。各画像は28×28ピクセルで、この配列を7842のベクトルに平坦化します。 まず、Tensorflowをインポートし、MNISTのデータをロードします。 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data mnist= input_data.read_data_sets('MNIST_data',one_hot=True) モデルにデータを渡すために、まず28×28イメージデータ用と、結果格納用に（0〜9

AI・機械学習・ディープラーニングTensorFlowの機械学習API「tf.contrib.learn」クイックスタート（翻訳） はじめに TensorFlowの高度な機械学習API（tf.contrib.learn）によって、さまざまな機械学習モデルの定義、訓練、評価が簡単になります。このチュートリアルでは、tf.contrib.learnを使用してニューラルネットワーク分類器を構築し、それをIrisデータセットを用いて学習し、がく（sepal） / 花びら（petal）の幾何学に基づいて花の種類を予測します。次の5つのステップに沿って、実行コードを記述していきます。 Irisトレーニング/テストデータを含むCSVをTensorFlow Dataset にロードする ニューラルネットワーク分類器1を構築する トレーニングデータを使用してモデルに学習させる モデルの精度を評価する 新しい

本記事は、LightFMの本家サイト「Welcome to LightFM’s documentation!」 を翻訳（適宜意訳）したものです。 誤り等あればご指摘いただけたら幸いです。 はじめに LightFMは、Pythonで実装された明示的なフィードバック1と暗黙的なフィードバック2の両方を持つレコメンデーションアルゴリズムです。 また、アイテムメタデータとユーザメタデータの両方を伝統的な行列分解アルゴリズムに組み込むことも可能です。これは、各ユーザとアイテムをその特徴の表現の合計として表します。これによって、新しいアイテム（アイテムの特徴を介して）と新しいユーザ（ユーザの特徴を介して）についてレコメンドすることができます。 このアプローチの詳細については、LightFMの記事（arXivで入手可能）を参照してください。 クイックスタート もし、いますぐ実装を始めたい場合は、映画レコ

本記事は、TensorFlow（テンソルフロー）の本家サイト「MNIST For ML Beginners」 を翻訳（適宜意訳）したものです。 誤り等あればご指摘いただけたら幸いです。 はじめに このチュートリアルは、機械学習とTensorFlowを初めて利用する読者を対象としています。あなたはすでにMNISTが何であるか、そしてSoftmax Regression1が何であるか知っていれば、このペースの速いチュートリアルを気にいるかもしれません。いずれかのチュートリアルを開始する前に、まずはTensorFlowをインストールしてください。 プログラミング方法を学ぶ際に、最初にやることは「Hello World」を出力してみる、という習わしがあります。プログラミングにHello Worldがあるように、機械学習にはMNISTがあります。 MNISTは、単純なコンピュータビジョンのデータセッ

本記事は、TensorFlow（テンソルフロー）の本家サイト「Get Started – Getting Started With TensorFlow」 を翻訳（適宜意訳）したものです。 誤り等あればご指摘いただけたら幸いです。 はじめに このガイドはあなたに、TensorFlowによるプログラミングを始めてもらうためのものです。 このガイドを利用する前に、TensorFlowをインストールしてください。このガイドを有益なものにするためには、前提条件として以下について知っておいたほうが良いでしょう。 ・Pythonを使ったプログラミング ・配列について最低限の知識 ・理想は、機械学習について何かしらの知識があればなお良い。しかし、もし機械学習について殆どあるいは全く知らないとしても、この記事は読んでおくべき最初のガイドになるはずです。 TensorFlowは複数のAPIを提供します。 最

今日のビジネスニュースの見出しを見てみましょう。 ビジネスにおいて人工知能1、や機械学習技術の活用したという記事を目にするはずです。 誰もがAIの必要性を聞かされていますが、「なぜAIが必要か」という疑問の答えを知る人も少なければ、「どのようにして運用するべきか」を知っている人はもっと少ないのが現状です。 実際、AIというのは非常に複雑なものです。また、AIシステムの運用は、私たちが考えるよりも非常に困難なものです。 AIと機械学習は、いまの時代でも依然として一般的なものではありません。 その理由は中核的なアルゴリズム周りの堅牢なソフトウェアインフラが不足している、あるいはアルゴリズムを簡単に扱うインターフェイスが存在していないからです。クラウドコンピューティングでも同様です。 AIは、まだまだ使いづらいと主張する人もいますが、近年ようやく使いやすいクラウドサービスを提供するプロバイダーが