NECが障害原因をAIで分析するソフト、対策特定までの時間を最大8割減らす
NECは2017年10月13日から、システムやネットワークの稼働履歴などのログをAI（人工知能）技術を使って分析するソフトを販売する。システム障害の発生時に、過去に起きた障害と比較して類似の障害を示す。障害発生時に原因や対策を突き止めるのに役に立つ。障害検知から対処方法を特定するまでの時間を最大で8割減らせるという。 販売するソフトの名称は「NEC Advanced Analytics - ログパターン分析」。同社のAI技術群である「NEC the WISE」の一部で、北米研究所が新たに開発した技術を搭載する 障害が発生すると、過去に起きた障害がソフトの利用画面に複数表示される。「8月28日に起きた障害はマッチ率が96％」といった具合だ。システムの障害対策の担当者は、AIが提示してくれる分析結果を基に対策を特定できる。「人手で過去の障害と比較する手間を無くせる」とNECクラウドプラットフォ
「日本は機械学習パラダイス」 その理由は著作権法にあり
「日本は機械学習パラダイスだ」。こう提言したのは、早稲田大学法学部教授の上野達弘さんだ。 なぜなのか。その理由は、日本の著作権法にある。 日本の著作権法では、「情報解析を行うために著作物を複製すること」が、営利・非営利問わず認められているのだ。世界にもまれな規定だという。 著作権・AIに詳しい弁護士・柿沼太一さんが10月2日に都内で開いた「AIビジネス法務・知財セミナー」の内容から、機械学習と日本の著作権法の関係についてまとめる。 キモは「著作権法47条の7」 機械学習とは、大量のデータをプログラムに解析・学習させることで、プログラムが自らデータの特徴を見つけ出し、分類・整理できるようにする手法。例えば、大量の猫の写真を学習させ、猫の特徴を学んだモデルに、新たな動物の写真を入力すると、猫か猫ではないかを判別する――といったイメージだ。 機械学習を行うためには、大量のデータをAIプログラムに
データサイエンティストが語る「機械学習の理想と現実」--得意・不得意とは
2月21日と22日の2日間に渡り、本誌主催のイベント「CNET Japan Live 2017 ビジネスに必須となるA.Iの可能性」を開催した。人工知能、機械学習、ディープラーニングといった言葉を耳にしない日はないほど、AIにまつわるキーワードがあふれている昨今、それらがビジネスにどのような影響を与え、あるいはビジネスでどう役立つのか。実際にAIを活用している各社の見解や取り組みを知ることで、AIの将来性や自社事業への導入可能性を探った。 講演「あなたの会社でAI/機械学習によるデータ活用が進まない理由」では、DataRobotのデータサイエンティストであるシバタアキラ氏が登壇し、同社の機械学習プラットフォームのデモを行うとともに、ビジネスの現場でどうAIと向き合うべきかを解説した。 機械学習の真髄は「すでにあるデータ」を分析し、将来を予測すること シバタ氏が今回の講演で主題にとりあげたの
ミサワホーム、AI導入で人事関連の業務コストを50%削減へ
ミサワホームは2017年2月16日、人事関連業務に人工知能（AI）を活用することで業務を自動化し、運用コストを年間で約50％削減すると発表した。従来の業務ノウハウやビッグデータをAIに学習させることで、これまで人手で処理していた単純な事務作業や問い合わせ対応をAIに代行させる。グループ全体の人材情報を集約することで、将来的には業務内容に合った人材登用にもAIを活用したい考えだ。 同社は従来からパブリッククラウド上へERP（統合基幹業務システム）を構築することで、業務プロセスの効率化を進めてきた。既に人事管理や就労管理などの申請ワークフローを社外から処理できる。今回同社は、AI型ERP製品であるワークスアプリケーションズの「HUE（ヒュー）」を導入することで、入力作業や書類作成などの業務を自動化し、自動化や運用コスト削減を図る。
機械学習モデルの予測結果を説明するための力が欲しいか...？ - クソして寝ろ
はじめに 最近はAIや機械学習などの単語がビジネスで流行っていて、世はAI時代を迎えている。QiitaやTwitterを眺めているとその影響を受けて、世の多くのエンジニアがAIの勉強を始め出しているように見受けられる。 さらに、近年では機械学習のライブラリも充実しており、誰でも機械学習を実装することができる良い時代になってきた。 その一方で、特徴選択を行い精度を向上させたり、機械学習の出した答えがどの特徴に基づいて判断されたのかを理解したりするには、モデルに対する理解やテクニックが必要となる場合も多々ある。複雑なモデルになると人間には解釈が困難で説明が難しい。近頃流行りのDeep Learning系のモデルだと頻繁に「なんかよくわからないけどうまくいきました」となっていると思う。 一般的なエンジニアとしては、この点が割と課題なんじゃないかと勝手に思っている。というか、私が課題に感じている。
マイクロソフト、AI研究者向けに“10万件”のデータセット「MS MARCO」を無償公開
マイクロソフト、AI研究者向けに“10万件”のデータセット「MS MARCO」を無償公開：認知システム開発、汎用AI研究の推進に向け マイクロソフトが、AIシステムの訓練に使える10万件のデータセット「MS MARCO」を公開した。匿名化された実際のデータを使った質問と回答のセットが含まれ、AIを用いた認知システムの開発を支援できるという。 米マイクロソフトは2016年12月16日（米国時間）、AI（Artificial Intelligence：人工知能）研究者向けに10万件のデータセット「MS MARCO」（Microsoft MAchine Reading COmprehension）の無償提供を開始した。MS MARCOは、匿名化された実際のデータを使った質問と回答をセットにした例となるデータセットで、AIを用いて人間のように質問を読んで回答できる認知システムの研究や開発に利用でき
機械学習を使って作る対話システム - Qiita
このような対話を通じて、レストランの検索に必要な情報をユーザから取得し、レストラン検索を行います。 今回、レストラン検索にはHotPepperグルメサーチAPIを利用させていただきました。ありがとうございます。 システムアーキテクチャ 対話システムは複数のモジュールから構成されています。今回は、各モジュールは独立に動作させず、前段階のモジュールの処理が終わった段階で駆動されるようにしています。 最終的なシステムアーキテクチャは以下の図のようになりました。 今回のアーキテクチャに沿って処理の流れを説明すると以下のようになります。 ユーザがテキストを入力すると、入力したテキストは言語理解部に入力されます。 言語理解部では入力されたテキストを解析して、対話行為と呼ばれる抽象的な意味表現に変換します。 言語理解部から出力された対話行為は、対話管理部に入力されます。対話管理部では入力された対話行為を
「人工知能」ブームに乗り遅れた！という方々に捧げる人工知能（機械学習）まとめ記事 - 六本木で働くデータサイエンティストのブログ
(Photo credit: A Health Blog via Visual Hunt / CC BY-SA) 「人工知能」ブームが本格化してまだほんの数ヶ月だと思うんですが、気がついたらTV含む大手メディアが皆こぞって毎日のように「人工知能」を取り上げ、あまつさえ政府や与党の諮問会議でまで「人工知能」の語が飛び交う有様で、一体何をどうしたらこうなるのか僕には全く分かりません（汗）。 とは言え、実際にビジネスの現場でも「人工知能」への期待感が日に日に高まり続けているのは事実で、例えば友人知人の経営者との酒席でも「最近人工知能ってめっちゃくちゃ流行ってるじゃん、あれって実際どうなの？本当に役に立つの？今からでも人工知能事業に参入すべきなのかな？それとも俺たちあいつらに滅ぼされちゃうの？」みたいなことを聞かれることが多いんですよね。 ということで、そういう「人工知能」ブームに乗り遅れたけれど
文系エンジニアだけどAIを勉強してみる - learning.ikeay.net
こんにちは、@ikeayです。 突然ですが、最近すっかり人工知能（AI）がバズワードになってきていますね！ ここ最近だけでも、GoogleのAlphaGoが世界トップ棋士であるイ・セドル氏に勝利したことが世の中の話題をかっさらっていったのを皮切りに、レンブラントっぽい絵を生成するやつとか、1枚の絵を組み合わせて1枚の絵をつくるやつとか、自動でJazzを生成するDeepJazzだとかetc, etc... こうしてみると、この技術でほんとに職失いそうだし、芸術とはなんぞやということになりそうだし、人類滅ぼされるかもしれないし（偏見）、もうほんと怖いしつらいですよねー。 特に最近はAI絡みで毎日何かしらのニュースがあるので、日々ヒヤヒヤしてます。（あ、TechFeedってテクノロジーに特化した情報キュレーションサービスがあるんですけど、それで「人工知能」とか「深層学習」とかを登録しておくと毎日
コレ1枚で分かる「人工知能の3つのアプローチ」
米ダートマスに研究者たちが集まり、「やがて人間の知能は機械でシミュレーションできるようになる」という考えを提唱し、これを“Artificial Intelligence（人工知能）”と名付けたのは、1956年のことでした。 これをきっかけとして、企業や政府から多額の研究資金を集めることができたのですが、その後の研究が順風満帆だったわけではありません。さまざまなアプローチが試みられてきましたが、必ずしも十分な成果を上げられず、歴史の中に埋もれてしまった研究も少なくありません（その経緯はこちらにまとめています）。 そんな中、今も生き残り、成果を上げている人工知能の3つのアプローチを紹介します。 ルールベースアプローチ 専門家の知識やノウハウを人間がルールとして記述し、そのルールに従ってコンピュータに処理させようというアプローチです。「エキスパートシステム」と呼ばれています。例えば、計測結果から
Autogradという野郎が乗り込んできたのでガクブルな件 - Qiita
Autogradという野郎が乗り込んできました。はい、そりゃもういきなり。複雑な確率モデルや損失関数だとしても、パラメータに関する勾配をこれでもかというぐらい簡単に計算できちゃうので、機械学習の世界に大きな影響を与えそうです。現時点では、PythonとTorchでの実装が公開されているようですが、これからJuliaなど他の言語でも実装されていきそうですね。 （補足：この記事を書いたすぐ後にGoogleがTensorFlowなるものを出してきまして、そちらでも自動微分がしっかり実装されてるみたいです〜。機械学習関連のフレームワークは移り変わりが激しいですねー ^^; ） ちなみに始まりはこんな感じでした。 ゆるいですね。 とりあえずチュートリアルやりながら、Python版チュートリアルの前半部分にテキトーな日本語訳をつけたので、ここでシェアしておきます。英語が読める方は、僕のヘンテコな日本語
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
DeNA TechCon 2017 と Developers Summit 2017 でDeNAの機械学習基盤と分析基盤の講演をしました - sonots:blog
TechCrunch | Startup and Technology News
はじめてのAI～ 愛のあるAIを作ろう
SSSSLIDE
「囲碁の謎」を解いたグーグルの超知能は、人工知能の進化を10年早めた
【CES 2016】ディープラーニングで実現する“スーパーヒューマン”が自動車事故を減少させる NVIDIA 社長兼CEO ジェンスン・フアン氏会見より
TechCrunch | Startup and Technology News