中国、5秒で記事10本 AIが自動作成 - 日本経済新聞人工知能（AI）の重要分野であるNLP（自然言語処理）。その活用分野として最も大きな潜在力を秘めているのがAIライティング（自動作文）だ。中国でも2015～16年にかけてテンセント、新華社、バイトダンス傘下のニュースアプリ「今日頭条（Toutiao）」が報道分野でこの技術を活用するようになったが、ここでの競争のカギを握ったのが、AIライティングの独創性と読みやすさだった。こうした中で注目されるの
AIの攻撃をAIで防御、サイバーセキュリティの“いたちごっこ”最新事情
AIの攻撃をAIで防御、サイバーセキュリティの“いたちごっこ”最新事情：よくわかる人工知能の基礎知識（1/4 ページ） コンピュータシステムや端末に何らかの不正な働きかけをし、その利用者や所有者の利益に反する行いをするサイバー攻撃。その歴史は古く、今から30年以上前の1989年には、既に現在のランサムウェアに相当するものが登場している（インターネットではなくフロッピーディスクを通じて拡散されたそうだ）。それ以来、DDoS攻撃や標的型攻撃など、その数や種類は大幅に増えており、もはや人間だけで対処するのが難しいレベルに達している。 サイバー攻撃の増加と多様化によって、セキュリティ人材も不足してきている。高度化した攻撃に対抗するには高度な知識と経験が要求されるため、そうした人材を一朝一夕に増やすわけにもいかない。その意味でも、現在のセキュリティ対策には機械による自動化が欠かせなくなっている。 こ
機械学習でMicrosoftがセキュリティバグを判定、高い精度が特徴
機械学習でMicrosoftがセキュリティバグを判定、高い精度が特徴：1カ月で3万件発生するバグを利用 Microsoftは、教師あり機械学習を活用することにより、セキュリティバグの特定と分類の精度を大幅に向上させたと発表した。開発時、さらには運用後の改善にはセキュリティ専門家の協力を仰ぐことが不可欠なのだという。 ソフトウェア開発者は毎日、実装しなければならない機能はもちろん、報告のあったバグの長いリストを目の前にして苦労している。セキュリティの専門家は、自動化されたツールを使ってセキュリティバグに優先順位を付けているものの、開発者側では誤検知に時間を費やしたり、誤って分類された重要な脆弱（ぜいじゃく）性を見逃したりしている。 Microsoftでは、約4万7000人の開発者がソフトウェア開発に携わり、1カ月当たり3万件近くのバグを作り込んでいる。同社はバグを「Microsoft Azu
「AIをどう習得したのか教えて」と大募集し、技術者から集まった記事49本を紹介
出典：日経クロステック、2020年2月7日 （記事は執筆時の情報に基づいており、現在では異なる場合があります） 日経 xTECH内に人工知能（AI）専門チャネル「ビジネスAI」を2019年10月に立ち上げたのを機に、知識共有サイト「Qiita」上でAI／機械学習の記事を同年12月に募集したところ、49本もの記事が集まった。投稿いただいた皆さん、ありがとうございました。 今回、ビジネスAIの編集担当として私が設定した「お題」は以下の3つ。各テーマについて日経 xTECHがQiitaアドベントカレンダーのスポンサーとなり、2019年12月1日～25日まで1日1本ずつ記事を募集した。 AI道場「Kaggle」への道 機械学習をどう学んだか 機械学習ツールを掘り下げる この結果、機械学習を独習するお薦めの書籍やサービス、Kaggleなどの機械学習コンペに入門する方法など、AIや機械学習に興味がある
人工知能開発は「儲けないと意味がない」 東大・松尾豊さんが見た“絶望と希望” (1/4) - ITmedia NEWS
人工知能開発は「儲けないと意味がない」 東大・松尾豊さんが見た“絶望と希望”：これからのAIの話をしよう（日本編）（1/4 ページ） 日本企業は世界とどう戦っていけばいいのか。競争力を高める一手段として、人工知能（AI）開発に注目が集まっている。日本国内におけるディープラーニング研究の第一人者である東京大学の松尾豊特任准教授は「シンプルに、日本企業が世界で大きなシェアを占める領域が何かを考え、そこにディープラーニングを組み合わせればいい」と話す。 インタビュー前編：なぜ日本は人工知能研究で世界に勝てないか 東大・松尾豊さんが語る“根本的な原因” 人工知能の研究、開発、ビジネスへの活用──何をする上でも、まずは企業がどうもうけるかを考えることから全てが始まるという。産学連携の重要性や、日本が人工知能開発で活躍できる分野、日本企業で働く人たちが個人レベルでできることなどを聞いた。 （聞き手：デ
なぜ日本は人工知能研究で世界に勝てないか 東大・松尾豊さんが語る“根本的な原因”
――米国や中国に比べ、日本は人工知能開発で遅れているといわれています。なぜ日本はこの競争に負けているのでしょうか。 松尾さん それは、日本がインターネットで世界に負けた理由と似ているのではないでしょうか。 一つは、技術の取り入れ方が非常に遅い点。1990年代後半には若者たちが「これからはネットの時代だ！」と言っていたのに、上の年代の人たちが理解しませんでした。「信用できない」「オタクが使うだけ」と否定し、新しいものが生まれなかった。 今もそれは同じです。一口にAI、人工知能といっても、新しい技術の中心であるディープラーニングに対して、従来の分野へのこだわりが強く、拒否感が強い人も大勢います。 もう一つは、若い人が力を持っていない点。若い人が自分の裁量で自在に動けるような社会環境になっていません。彼らに裁量を与えて何かやらせれば絶対に何か起こるんですけど、それをやらせないから変化が起こらない
社会人に役立つ人工知能本 三冊しかない説｜マスクド・アナライズ
火曜日だけど水曜日！（挨拶） 前回「社会人のためのAIガチャ入門」を公開したところ、アレな内容でも炎上もせず（無視されたとも言える）、ファミレス1回分ぐらいの課金を頂いたので、また記事を書いてみました。 なお、今回は真面目な内容となります（前回比）。 「社会人のためのAIガチャ入門」は、「AI開発を依頼する側」の視点で書かれました。 今回もデータサイエンティストやAIエンジニアなどの「作る側」ではなく、「依頼する側」を想定しています。 「作る側」の情報は書籍やネットで豊富にありますが、「依頼する側」や「利用する側」の情報不足を懸念しており、今回の記事を書いた次第です。 なお、「技術記事を書けないだけでは？」と邪推しないこと。 「AI開発を他社に依頼しても失敗する」が前回の結論でしたが、昨今のブームにより「我が社でもAIを導入したい」「AIで何かやりたい」という要望が、社内（特に偉い人）から
「開発の丸投げやめて」 疲弊するAIベンダーの静かな怒りと、依頼主に“最低限”望むこと (1/5) - ITmedia NEWS
「開発の丸投げやめて」 疲弊するAIベンダーの静かな怒りと、依頼主に“最低限”望むこと：これからのAIの話をしよう（覆面AIベンダー編）（1/5 ページ） 「AI（人工知能）は触ったことないし、プログラムも書けません。でも社長が“AIをやれ”って言うので何とかしてください」――こんな困ったオジサンたちを、ユーモアたっぷりの愛と皮肉で表現する人物をご存じでしょうか。 その名は「マスクド・アナライズ」さん。正体は一切不明でソーシャル上のアイコンは覆面マスクと、一見イロモノ系アカウントに見えますが、Twitterでの発言は多くの人たちから「あるある」「共感する」と絶賛され、ときには何千回、何万回とRTやいいねされています。 それもそのはず。普段の仕事では「AIを作ってほしいという相談から、導入後の改善まで請け負い、お客さまに合わせてAI開発、データ分析、IoT導入と結構幅広くやっている」とのこと
キウイ農家の“収穫予測AI”、実は「1週間程度」で構築 スピード開発の秘訣は
農作物の育成状況などのデータを学習したAI（人工知能）が、天候データなども考慮しながら、ベストな収穫時期やサイズごとの収穫量を予測する──そんな「アグリコンシェルジュ」の構築を、キウイフルーツ生産者の末澤克彦氏（Orchard＆Technology代表）が進めている。（提供：日本マイクロソフト株式会社） 収穫時期や収穫量を早い段階で予測できれば、あらかじめ収穫作業に必要な人員をそろえたり、流通先を確保したりできる。「このままだと品質が良くない、あるいは小玉が多い」などの予測結果が早めに出れば、対策も立てやすい。収穫してみないと分からない“出たとこ勝負”だった日本の農業の在り方を変えようと、末澤氏は意気込む。 ゆくゆくは、末澤氏の農園だけでなく、アライアンスを組む農家からもデータを得て、農家ごとに収穫予測を配信する計画だ。アグリコンシェルジュという情報共有基盤を核として、各地の農家が連携し合
「シリコンバレーよりメルカリ」、海外のすご腕AI技術者が殺到する秘密
4割――。メルカリの日本拠点で働くエンジニアに占める外国人の割合である。2018年末時点で350人近くのエンジニアが働いているが、現在は4割近くが外国籍だという。 メルカリに限らず、AI（人工知能）技術を競争力の源泉にしているAIスタートアップの多くは、エンジニアに占める外国人比率が他の企業より飛び抜けて高い。例えば人事や介護分野のAIを開発するエクサウィザーズは半分弱、エッジデバイス向けAI技術を開発するLeapMindは3割が外国人のエンジニアである。 外国人エンジニアを積極的に採用する理由は明白だ。AIスタートアップの人事担当者は「日本人のAIエンジニアは絶対数が足りない」と口をそろえる。 救いとなるのは外国人のAIエンジニアだ。米リンクトイン（LinkedIn）などのSNS（交流サイト）を通じて求人を出すと、日本人よりも外国人からの応募が多くなるという。エクサウィザーズの人事担当者
文系記者が「データサイエンティスト育成スクール」に通った結果
企業が持つビッグデータを分析し、ビジネス課題の解決に役立てる「データサイエンティスト」の需要が高まっている。近年のAIブームもあり、データサイエンティストへのキャリアチェンジを考えている人も多いのではないだろうか。実際、データサイエンティストの採用、育成に関する記事は読者からの反響が大きい。 SEからデータサイエンティストに転身 「考え方が全く違う」NEC社員が味わった苦労 未経験からデータサイエンティストになれる？ 「死の谷」を越えた独学プログラマーが伝えたいこと 「僕と契約してデータサイエンティストになってよ！」 分析少女ありさ☆アリスの悲劇 年収180％アップも 「データサイエンティスト」注目される理由 専門家が”必要なスキル”解説 「データサイエンティスト・ラプソディ」 なぜ優秀なAI人材は転職するのか “自称AIエンジニア”を見破るには？ 採用担当に伝えたい「ゴレンジャイ問題」
モデルが古い？再学習は？AI導入”後”の運用をマイクロソフトに聞いた | 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：Chainer チュートリアル
Chainer チュートリアル 数学の基礎、プログラミング言語 Python の基礎から、機械学習・ディープラーニングの理論の基礎とコーディングまでを幅広く解説 ※Chainerの開発はメンテナンスモードに入りました。詳しくはこちらをご覧ください。 何から学ぶべきか迷わない ディープラーニングを学ぶには、大学で学ぶレベルの数学や Python によるプログラミングの知識に加えて、 Chainer のようなディープラーニングフレームワークの使い方まで、幅広い知識が必要となります。 本チュートリアルは、初学者によくある「まず何を学べば良いか」が分からない、 という問題を解決するために設計されました。 初学者は「まず何を」そして「次に何を」と迷うことなく、必要な知識を順番に学習できます。 前提知識から解説 このチュートリアルは、Chainer などのディープラーニングフレームワークを使ったプログ
Googleが大量の機械学習用データベースを無料公開してた - Qiita
個人用メモです。 機械学習は素材集めがとても大変です。 でもこの素材集め、実は無理してやらなくても、元から良質な無料データベースがあったようなのです。 URLはこちら YouTube8-M https://research.google.com/youtube8m/explore.html 提供されているサービスは以下の通り 800万個の動画 19億個のフレーム 4800個の分類 使い方はExploreから画像セットを探し、ダウンロードするだけ。 他の方法も見つけた open images dataset 「すごい神だな」と思ったのは これもう完成されてますよね もちろんこの認識前の画像もセットでダウンロードできます。 Youtube-８Mとは、画像数を取るか、精度で取るか、という違いでしょうか。 他にも良い素材集を教えていただきました （はてなブックマーク情報 @sek_165 さん ）
【13個掲載】 機械学習に使える日本語のデータセットまとめ - Qiita
※本記事は、Lionbridge AI発の連載記事を再編集したものです。他の機械学習に使えるオープン・データセットまとめ記事は、こちらからご覧ください。 本記事は、日本語のデータセットを紹介いたします。日本語の公開データセットを無料ダウンロードできるポータルサイトや、自然言語処理に使える日本語のテキストデータセットを含みます。 機械学習に使える日本語のデータセットポータル DATA GO JP: 日本政府のデータカタログサイト。日本政府は、公共データを広く公開することにより、国民生活の向上、企業活動の活性化等を通じ、我が国の社会経済の発展に寄与する観点から、機械判読に適したデータ形式を、営利目的も含めた二次利用が可能な利用ルールで公開する「オープンデータ」の取組を推進しています。このウェブサイトは、二次利用が可能な公共データの案内・横断的検索を目的としたオープンデータの「データカタログサイ
Visual Vocabulary - Vega Edition
There are so many ways to visualise data – how do we know which one to pick? Click on the coloured categories below to decide which data relationship is most important in your story, then look at the different types of chart within the category to form some initial ideas about what might work best. This list is not meant to be exhaustive, nor a wizard, but is a useful starting point for making inf
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
グーグルAI道場「カグル」の正体 世界に通じるAI人材（上） - 日本経済新聞
NICTがAIセキュリティーの新技術
機械学習プロジェクトの アイデア出しと事前影響評価 / evaluate machine learning projects
AI/MLシステム開発の難しさ
