機械学習における過学習(過剰適合/オーバーフィッティング)とは、AIが学習データのみに最適化されてしまい、未知のデータに対する予測能力が低くなってしまうという現象です。そんな過学習と同様の現象が機械学習分野だけでなく社会全体のさまざまな場面でも発生していると、Google傘下の人工知能研究所・Google Brainの研究者であり近年の画像生成AIに広く用いられている「拡散モデル」の論文執筆者でもあるJascha Sohl-Dickstein氏が主張しています。 Too much efficiency makes everything worse: overfitting and the strong version of Goodhart’s law | Jascha’s blog https://sohl-dickstein.github.io/2022/11/06/strong-Go
どうも、外資系うさぎのちょこさんです。 気がつけばもう2023年が始まってしまってますね。 一年の計は元旦にあり、ということで正月早々とても有益なnoteを書いて徳を積むところから今年をスタートすることにしましょう。 年末年始に限らず、それなりにまとまった時間を使えるタイミングってインプットにもアウトプットにもとても良いですからね。 せっかくなのでフォロワッサン各位も何かアウトプットしてみるとよいんじゃないでしょうか。 というわけで、新年早々のアウトプットにおすすめな、土地勘の無い業界/テーマのプロジェクトにアサインされた場合の最低限の情報収集を手早くこなすにはどうするのがよいかってnoteをお届けします。 これは再現性のあるやり方なので、このnoteを見ながら同じような流れで情報収集して自分なりの見解なんかをまとめてみたりすると良いセルフトレーニングになるはずです。 これは有益な情報なの
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