アマゾンの自動運転｢DeepRacerリーグ｣で日本人が“圧倒的”世界トップになった理由【re:Invent 2019】
自動運転ロボットカー｢DeepRacer｣の実物。2019年に国内で開催されたAWS Summitで撮影。 撮影：伊藤有 アマゾン ウェブ サービス（AWS）が主催する自動運転ロボットカー競技｢DeepRacerリーグ｣の世界大会にあたるファイナルイベントで、日本人が1位・2位をとった。 優勝したSolaさんこと瀧下初香さん、2位のFumiakiさんこと大野史暁さんは、どちらも、大日本印刷の子会社でシステムインテグレーション企業のDNPデジタルソリューションズに所属している。 DeepRacer世界大会で1・2フィニッシュを決めた、DNPデジタルソリューションズ・チーム。中央が、優勝したSolaさんこと瀧下初香さん、左が2位のFumiakiさんこと大野史暁さん。右は、同社の福田祐一郎社長。 撮影：西田宗千佳
GDG Tokyo
Google Developers Group (GDG) Tokyo は主にGoogleのテクノロジーに興味のある人たちで情報を共有しあう集いです。平日夜や週末に東京で勉強会等を行っています。ご興味のある方は気軽にご参加ください。 Google Developers Group (GDG) Tokyo is a group of people who are interested in Google technology mainly and share information. #GDGTokyo #GDG #DevFest 免責事項：GDG Tokyo は独立したグループです。活動や主張は Google 社とは直接関わりのあるものではありません。 Disclaimer: GDG stands for Google Developers Groups and is a platform
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
【記事更新】私のブックマーク「説明可能AI」（Explainable AI） – 人工知能学会 (The Japanese Society for Artificial Intelligence)
説明可能AI（Explainable AI）原 聡（大阪大学産業科学研究所） はじめに2018年に本誌5 月号（Vol. 33, No. 3, pp. 366-369）の”私のブックマーク”に「機械学習における解釈性」という記事を書いた。前記事の執筆から1年が経ち、機械学習モデルの解釈・説明技術を取り巻く社会的な情勢の変化や新たな研究の発展など、数多くの進展があった。本記事はこれら近年の変化・進展についてまとめた、上記の”私のブックマーク”の続編である。本記事を読む前に、まずは上記の前記事をご一読いただきたい。 用語について本記事では、機械学習モデルの出力に加えて、その出力を補助する追加の情報（モデルの解釈、判断根拠の説明、など）を出力する技術一般および研究分野全体を指す用語としてXAI（Explainable AI, 説明可能AI）を用いる。XAIはアメリカの国防高等研究計画局（DARP
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
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
