YouTubeで特定の人の顔にだけ自動で「ぼかし」を入れることが可能に、めちゃくちゃ強力
YouTubeが2012年から提供してきた動画加工ツールの「顔のぼかし処理」機能を強化し、特定の人だけを選んでぼかしを入れられるようになりました。 YouTube Engineering and Developers Blog: Blur select faces with the updated Blur Faces tool https://youtube-eng.googleblog.com/2017/08/blur-select-faces-with-updated-blur.html もともと「顔のぼかし処理」機能は、映像に登場する人物の顔を自動的にすべて検出して、誰かわからないようにぼかしをかけるというものでした。2016年2月からは、ぼかしを入れる場所をユーザーが選択すると、対象が移動しても追尾してぼかしをかけてくれるという「カスタムぼかし」機能も提供されてきました。 今回、
Googleの人工知能「DQN」が人間より上手にプレイできるゲームとできないゲームの境界線
Googleが開発中のゲーム専用人工知能「DQN(deep Q-network)」は、人工知能自身がゲームをプレイしながら学び、人間以上に腕前を上達していくことが可能です。そんなDQNがさまざまなゲームをプレイした結果、人間以上にうまくプレイできるゲームとそうではないゲームが存在することが明らかになりました。 Google DeepMind Blog Deep Reinforcement Learning https://deepmind.com/blog 人間は、体の運動制御などの簡単なタスクから、ハイレベルな認知的タスクまで、幅広いレベルのタスクを解決することができます。Googleの人工知能開発会社「DeepMind」では、人間と同レベルのパフォーマンスや普遍性を備えた人工知能の開発を目標としています。DeepMindが開発しているゲーム専用人工知能の「DQN」は、ゲームプレイ中に何
Googleが機械学習を爆速化する専用の「TPU」を数年前から極秘裏に作っていたことが明らかに
Googleで「機械学習」といえば、直近だと囲碁で世界最強の棋士と呼ばれたイ・セドル(李世乭)九段をAlphaGoが破った戦いを思い出しますが、それだけではなく、ストリートビューやInboxのスマートリプライ、音声検索など、いろいろなところで役立てられています。そのため、Googleでは実は数年前から機械学習を最適に進めるためのユニットを作っていたそうです。 Google Cloud Platform Blog: Google supercharges machine learning tasks with TPU custom chip https://cloudplatform.googleblog.com/2016/05/Google-supercharges-machine-learning-tasks-with-custom-chip.html 「素晴らしいソフトウェアは素晴らし
ディープラーニング対応の機械学習ライブラリ「TensorFlow」、分散コンピューティングでスケールアウト可能に。ニューラルネットワークの内容を可視化するツールも公開
ディープラーニング対応の機械学習ライブラリ「TensorFlow」、分散コンピューティングでスケールアウト可能に。ニューラルネットワークの内容を可視化するツールも公開 Googleはディープラーニングに対応した機械学習ライブラリの最新バージョン「TensorFlow 0.8」を公開しました。 これまでTensorFlowは1台のマシンでしか実行できませんでしたが、新バージョンからは分散コンピューティングをサポートし、何百台ものコンピュータを使って並列実行することで学習処理を高速化できるようになりました。 このTensorFlow 0.8を用いて、Inceptionモデルに対応した機会学習を分散コンピューティングで実現するのが「Distributed TensorFlow」です。 分散コンピューティングを用いて100台のGPUを投入することで、学習の速度が56倍向上したとのこと。 また、Te
グーグルのAI「アルファ碁」が人間に勝った理由とその意味とは？
グーグルの子会社で人工知能の研究を続ける英ディープマインドが開発した囲碁AIの「アルファ碁（AlphaGo）」が韓国のプロ棋士・李世ドル氏に勝ったというニュースは世界を駆け抜けた。2016年3月9～15日まで開催された対局では、アルファ碁が5局中4局に勝利。これまで、チェス、将棋でコンピューターがプロを下してきたものの、「囲碁は10年先」と言われてきた。10年分の短縮の“勝因”は、コンピューターの性能向上よりも、知能の改善、とりわけ事前の学習方法を改善したことが大きい。つまりアルファ碁は、よく勉強した“優等生”だったのだ。 過去10年で最強の棋士とも言われる李世ドル氏に4対1で勝利したアルファ碁。「すごい」ということはわかっても、何がすごいのか、どうして予想よりも10年も早くAIが人間に勝てたのか、よくわからないという人は多いかもしれない。 アルファ碁には、1200のCPUと180のGPU
Googleが自社で使っている「クラウド機械学習」を一般に開放、こんなスゴイことが簡単にできる
GoogleがGCP NEXT 2016で、Googleの使うクラウドベースの機械学習プラットフォーム「Cloud Machine Learning」を公開。アプリ開発者が自社のサービスで強力な機械学習機能を利用できるようにしました。 Google Cloud Platform Blog: Google takes Cloud Machine Learning service mainstream https://cloudplatform.googleblog.com/2016/03/Google-takes-Cloud-Machine-Learning-service-mainstream.html Google Cloud Machine Learning at Scale — Google Cloud Platform https://cloud.google.com/produc
［速報］Google、クラウドで高速にディープラーニングを行う「Cloud Machine Learning」発表、TensorFlowベース。GCP Next 2016
［速報］Google、クラウドで高速にディープラーニングを行う「Cloud Machine Learning」発表、TensorFlowベース。GCP Next 2016 Googleは同社のクラウドに関するイベント「GCP Next 2016」を3月23日、24日の2日間にわたり米サンフランシスコで開催しています。 初日の基調講演で、最後の話題は機械学習（Machine Learning）でした。Googleはクラウドサービスの1つとして機械学習機能にも注力することを表明しています。Google Senior FellowのJeff Dean氏は、機械学習はコンピュータの歴史のなかで最も重要な出来事の1つだと説明。 Googleは2012年以来機械学習をさまざまなサービスに利用し、いま社内ではより使いやすくなった第二世代を機械学習を利用しているとのこと。 トレーニング済みの機械学習サービ
「TensorFlow Tutorialの数学的背景」シリーズの目次 - めもめも
TensorFlowを使って、実際にコードを動かしながら、DeepLearningの仕組みを段階的に学んでいきましょう。 目次 ・No.1 TensorFlow Tutorialの数学的背景 − MNIST For ML Beginners（その1） 平面上の2種類のデータをロジスティック回帰で直線的に分類するという、機械学習の基礎を説明します。 ・No.2 TensorFlow Tutorialの数学的背景 − MNIST For ML Beginners（その2） 線形多項分類器とソフトマックス関数で、3種類以上のデータを分類する方法を説明します。 ・No.3 TensorFlow Tutorialの数学的背景 − TensorFlow Mechanics 101（その1） No.1で説明した問題に対して、もっとも単純なニューラルネットワークを適用して、複雑な境界を持つ分類を実現します
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
【やじうまPC Watch】 GoogleのDQNさんがTASさんを超える日も近い? ～すでに人間レベルのゲームプレイが可能になったGoogleのAI
Google、各種プロダクトを下支えするマシンラーニング技術を解説、同技術を一般開放するオープンソースプロジェクトも 
Engadget | Technology News & Reviews