Top > 学術&研究 > AGI(汎用人工知能)の試金石 新しいAIベンチマーク「GAIA」をMeta等が発表 人間は92%、GPT-4は15%の正解率
![AGI(汎用人工知能)の試金石 新しいAIベンチマーク「GAIA」をMeta等が発表 人間は92%、GPT-4は15%の正解率 | Ledge.ai](https://cdn-ak-scissors.b.st-hatena.com/image/square/e96b6dd093f22df6b57c7a93838adfba4c8d1738/height=288;version=1;width=512/https%3A%2F%2Fstorage.googleapis.com%2Fledge-ai-prd-public-bucket%2Fmedia%2Fgaia_test_7e7f82246a%2Fgaia_test_7e7f82246a.jpg)
TOP > Topic Keywords > JDLA DL for DX > 松尾豊氏が監修した無料AI講座「AI For Everyone」開講、Courseraで60万人以上受講する講座が日本版に 一般社団法人日本ディープラーニング協会(JDLA)は5月6日、新講座「AI For Everyone(すべての人のためのAIリテラシー講座)」を開講した。受講料は無料。ただし、受講修了証の発行を希望する場合はオンライン講座プラットフォーム「Coursera(コーセラ)」に49ドルの支払いが発生する。 JDLAは本講座を「すべてのビジネスパーソンに向けた、人工知能(AI)/ディープラーニングについてまず『知る』ための無料エントリー講座」と位置づける。AIの基礎を学びたい人、今の組織をAIが使いこなせる組織に変えたい人など、理系文系はもちろん、肩書きや職種問わず、受講できるとしている。 本講座
今回は、人工知能(AI)のアルゴリズムを活用し、写真に写った人物をあっという間に、『トイ・ストーリー』シリーズや『ファインディング・ニモ』シリーズなどで知られる、ピクサー・アニメーション・スタジオのキャラクター風に変換できるアプリ「ToonMe」をご紹介したい。国内外のSNS上で「#ToonMe」といったハッシュタグでユーザーたちが投稿し、話題を呼んでいるものだ。 『ハリー・ポッター』シリーズ ハリー・ポッターを演じたダニエル・ラドクリフさん(Twitterより) 『ハリー・ポッター』シリーズ ロン・ウィーズリーを演じたルパート・グリントさん(Twitterより) 『ハリー・ポッター』シリーズ ハーマイオニー・グレンジャーを演じたエマ・ワトソンさん(Twitterより) 「ToonMe」を使うと、『ハリー・ポッター』シリーズのハリー・ポッターを演じたダニエル・ラドクリフさんや、ロン・ウィー
「COVID-19感染予測(日本版)」より 菅首相は2021年1月4日、首相官邸で年頭記者会見を開き、新型コロナウイルス感染症(COVID-19)の感染拡大を受け、首都圏の1都3県(東京都、埼玉県、千葉県、神奈川県)に「緊急事態宣言」を発令する検討に入ったと表明した。 米Google(グーグル)が2020年11月17日に公開した、人工知能(AI)を活用した新型コロナウイルス感染症の感染予測サービス「COVID-19感染予測(日本版)」では、2021年1月2日から2021年1月29日の4週間にかけて、日本全国での陽性者数は14万5152人、死亡者数は2739人におよぶと予測されている。 「COVID-19感染予測(日本版)」より 日別陽性者数の推移に目を向けると、日本全国での陽性者数のピークは2021年1月14日の8173人とされる。また、日別死亡者数の推移を見ると、日本全国での死亡者数は増
画像は『滋賀大学「大学生のためのデータサイエンス(Ⅱ)」講座PV~ gacco:無料で学べる大学講座』より オンライン講座サイト「gacco(ガッコ)」では11月16日から、滋賀大学データサイエンス学部による「なるべく数式を使わない」という方針で構成した「大学生のためのデータサイエンス(Ⅱ)」が開講される。受講料は無料。 本講座では、機械学習の諸手法とその応用について説明する。まず「機械学習とは何か?」という説明から始め、その後に機械学習の応用事例を紹介。応用事例を先に見ることによって、機械学習の有用性が理解でき、機械学習の手法をより積極的に学べるとしている。 次に、分類問題と回帰問題の具体的な手法を説明し、同時に特徴量の設計・選択など、実践的なテクニックについても紹介する。最後に、近年、発展の著しいニューラルネットワークについても説明してくれる。また、本講座は、機械学習の分野のなかでも教
顧客満足度向上を目指して、アンケートを設けている企業は多いだろう。デジタル化が進み、入力や集計が簡単になったため、昔よりアンケートに回答する機会は増えている。 しかし、せっかくエクセルやスプレッドシートでデジタルでアンケートを簡単に収集しても、その後、テキストから満足度の計測や、何を改善すべきかなどを洗い出し、解決するのは人間である。大量のアンケートの集計に莫大な時間を取られるのは想像に難くない。 そこで今回は、マイクロソフト社に協力いただき、同社主催イベント「de:code 2019」で実際にアンケート分析をおこなった。AIを用いてアンケート分析業務の効率化が可能か、AIの精度は実用に耐えうるのかを検証した。 「フィードバック把握の高速化」と「セールスの質向上」を目指す今回のゴールは、「フィードバック把握の高速化」と「セールスの質向上」の2つだ。ひとつ目の「フードバック把握の高速化」では
機械学習技術におけるブレイクスルー、ディープラーニングの登場によって、画像認識技術は飛躍的に進歩した。機械が「目」を得たとも言われている。 画像認識技術の進歩で、多大な恩恵を受けた領域のひとつが自動運転だ。自動運転では、対向車の速度や大きさをカメラで測るために画像認識の技術を用いる。 今回は、もともとUberで自動運転の研究を行なっており、現在はLionbridgeでAI開発に必要な学習データの収集やアノテーションを効率化するプロダクトのグロースに携わるチャーリー・ワルター氏に、自動運転について解説してもらった。 自動運転、誰もが聞いたことがあるのではないだろうか。しかし、世界的にどれだけ開発が進んでいるのか、どのようなことが論点になっているのかまでは、よくわからない方が多いはず。この記事が理解の一助となれば幸いだ。 自動運転の性能評価における3つの問題――前職では米Uberで働かれていた
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