自民党AIの進化と実装に関するプロジェクトチーム｜衆議院議員 塩崎彰久（あきひさ）
GPTシリーズやお絵描きAIなど、ファウンデーションモデルの進化により再び大きな注目を集めるAI。自民党では2023年1月に「AIの進化と実装に関するプロジェクトチーム」（座長：平将明衆議院議員）を立ち上げ、日本のAI戦略のあり方や政策提言について検討を進めて参ります。こちらのページには、各回のテーマや公開可能な資料を順次アップロードしています。 第20回以降の資料については、後任の事務局長の尾崎正直代議士の以下のNoteからご確認ください。 https://note.com/masanao_ozaki/n/nbd4dd013a5cb 第32回以降の資料については、新事務局長の小森たくお代議士の以下のNoteからご確認ください。 https://note.com/komori_takuo/n/n8433de4720a0 2024年2月16日（金）8時〜9時 (＊25日英語版追加） テーマ
超巨大高性能モデルGPT-3の到達点とその限界. この記事では、超巨大言語モデルGPT-3の技術的な解説、GPT-3達成したことと… | by akira | Jul, 2020 | Medium
この記事についてこの記事ではGPT-3[1]の解説をします。内容のサマリは以下の通りです。 GPT-3の前身であるGPT-2では、巨大なデータセット＋巨大なネットワークで言語モデルを構築し、各タスクで学習させなくても良い結果が得られた。GPT-3では、さらに巨大なデータセット＋さらに巨大なネットワークで言語モデルを構築し、数十のサンプルを見せると凄く良い結果が得られた一方、様々なタスクに言語モデルのスケールアップのみで対応することへの限界が見えてきた。人種、性別、宗教などへの偏見の問題や、悪用に対する課題もある。この記事の流れは以下の通りです。 Transformer, GPT-2の説明GPT-3のコンセプトと技術的な解説GPT-3ので上手くいくタスクGPT-3で上手くいかないタスク偏見や悪用への見解 Transformerまず、GPT-3の前身となったGPT-2に入る前に、その中に使われ
株AIを結構頑張ったら、儲かりそうな雰囲気が出ている - Qiita
ABEJA Advent Calendarの10日目です。 はじめにのはじめに 以下は、あくまでテストデータで上手く行ってるよという話で、本当にこれをやったら儲かるかというと、まだまだわかりませんのであしからず！あとネタがネタだけに、今回のはあくまで個人のやってみた記録であり、組織の取り組みとは関係ありません。 はじめに お金が欲しい！無限に寿司が食いたい！株で儲けたい！ 研究やエンジニアリングをしながら生きてく上で、将来のキャリアや技術スタックについて日々考えてるんですが、よくよく原点に立ち返るとそもそも技術スタックとかどうでもよくて、好きなものを作って漫画読んで生きていきたいんです。つまり結局、世の中は金なんですよね金。なので、何とかして寝てても圧倒的に儲かる仕組みを作りたい！そんな気持ちで私利私欲のために機械学習を使ったという記録です。 以下は、今回紹介する方法で実験したテストデータ
SSD:Single Shot Multibox Detector - Qiita
物体検出ニューラルネットワークのSSDを調べていた。 勉強のために論文を訳することにした。 下記のページを参考にさせていただいた。 https://www.slideshare.net/takashiabe338/fast-rcnnfaster-rcnn https://www.slideshare.net/takanoriogata1121/ssd-single-shot-multibox-detector-eccv2016 ※訳には間違いがないよう注意を払いましたが、完全であることを保証できません。誤りがありましたらお教え願います。 原文： Wei Liuら,(2016) SSD: Single Shot MultiBox Detector 概要：https://arxiv.org/abs/1512.02325 PDF:https://arxiv.org/pdf/1512.02325.
「この虫の名は？」すぐ解決 20万匹の害虫画像を学習した、駆除を支える「クラウド×AI」がスゴい
「この虫の名は？」すぐ解決 20万匹の害虫画像を学習した、駆除を支える「クラウド×AI」がスゴい（1/3 ページ） 「ショウジョウバエが5匹、ユスリカが30匹」──。害虫駆除業者は、害虫の発生経路などを突き止めるため、虫を捕まえて目視で数える作業を日々行っている。この負担を軽減するため、AI・IoT・クラウドの技術を駆使し、害虫の撮影や分類を自動で行うシステムを、害虫駆除用品の専門商社が外部ベンダーと協力して開発。2018年から提供している。分類の精度は職人を超えるという。 「害虫をカメラで撮影し、画像をクラウド上のストレージに転送した上で、AIで解析する仕組みです。AIは約20万匹の害虫の画像と名前を教師データとして学習しているため、約95％の精度で名前を判別できます」 そう話すのは、害虫モニタリングシステム「Pest Vision」を企画した、専門商社「環境機器」経営企画部 副部長の亀
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
処理を実行中です
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
「高等学校における「情報II」のためのデータサイエンス・データ解析入門」｜統計学習の指導のために（先生向け）
