Facebook、オープンソースのAIフレームワーク「PyTorch 1.0」を公開へ
Steven J. Vaughan-Nichols （Special to ZDNET.com） 翻訳校正： 編集部2018年05月07日 14時03分 Facebookがディープラーニングフレームワーク「PyTorch」をオープンソース化する。 先週Facecbookが発表した「PyTorch 1.0」では、開発者は単一のフレームワーク内で研究段階から本番環境へシームレスに移行できるようになる。PyTorch 1.0は、研究開発に適したPyTorchの機能に「Caffe2」や「ONNX」の本番対応に適したモジュール機能が統合される。 Facebookは既にこの統合フレームワークを自社で利用している。PyTorch 1.0の基礎をなすテクノロジは、Facebookの多くの製品のAIを支えている。 PyTorch 1.0では、命令型実行モードと宣言型実行モードの間をシームレスに移行するハイブ
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
AI時代に「何もしない」取り残される日本の危機 | Japan Innovation Review powered by JBpress
AI開発を行なっていく上で、機能学習させるために膨大な量のデータが必要不可欠。しかし、日本の場合、個人情報保護の観点により、企業が持っているデータの利活用に厳しい制限があるのだ。かつて「ものづくり大国」と呼ばれていた日本が、米国と比べAI研究が大きな遅れを取っている理由を探った。 以前、IoTTodayの記事「世界と同じ土俵に立てない? 1年遅れの日本のAI開発」で、人工知能研究の第一人者である、東京大学特任教授の中島秀之氏にインタビューを行なったところ、「Amazon Echoなどの海外製品が日本のプラットフォームになれば、膨大な日本語のデータが海外企業に収集されることになります。そうなると日本製品は土俵にも上がれなくなる」と、国内のAI開発の遅れを問題視していた。 そんな中、2017年中にAIを搭載した音声アシスタントの海外製品「Google Home」の日本発売が決定した。「Amaz
人工知能技術の健全な発展のために - Preferred Networks Research & Development
4月10日の日経ITproの記事「 AIベンチャーの雄が総務省の開発指針に反対する理由」で、総務省主導で推進されているAIネットワーク社会推進会議とその開発原則分科会からPFNが離脱したことを、取り上げていただきました。私とのとりとめのないインタビューを適切にまとめてくださった日経ITpro浅川記者に深く感謝いたします。また、その記事に対して、はてなブックマーク、NewsPicks、FacebookなどのSNSを通して多くのコメントを下さった方にも感謝の意を表します。ありがとうございます。離脱の理由は記事にある通りですが、総務省の方々も私達の立場を真摯に受け止めてくださっていて、実りのある議論を続けてくださっています。その上で、今後の議論を深めるために、いくつかの点について補足したいと思います。 汎用人工知能と特化型人工知能 現在、人工知能という言葉は大雑把には、 汎用人工知能（「強い」人
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。
ディープラーニング研究の第一人者が語る最新のAI技術、最終目標は単一モデルでさまざまな質問に答えるAIの実現
セールスフォース・ドットコムは昨年12月、年次イベント「Salesforce World Tour 2016 Tokyo」を開催。その基調講演などに登壇するため、Salesforce.com, Inc. チーフサイエンティスト 兼 Salesforce Research所長のリチャード・ソーチャー氏が来日した。本稿では、同社のAI機能「Salesforce Einstein」の開発を主導し、自身もディープラーニング研究の第一人者である同氏に、最先端のAI研究やSalesforceでの研究活動について話を聞いた。なお、聞き手は、東京大学の学生時代にキュレーションサービス「グノシー」を開発した1人で、ディープラーニングに関する著書もある、株式会社情報医療 CTOの巣籠悠輔氏にお願いした。 リチャード・ソーチャー氏は、ディープラーニングの研究開発を行うMetaMind社の設立者 兼 CEO/CT
『TagDox』とは？文章解析、自動タグ付けAIでドキュメント管理を自動化！？ | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
ありそうでなかった！日本のAI関連の大学研究室をまとめた「AI Lab Map」Ver1.0.4を公開 | AI専門ニュースメディア AINOW
こんにちは、AINOWの亀田です。 2016年は、産学連携プロジェクトが盛んになり、AIを研究している研究室の名前を目にすることが増えたと感じた方も多いはず。そこで、AINOWでは、日本のAI関連の研究をされている研究室をまとめてみました。 （まだまだあると思いますので、Ver1.0ということで出します…!） 「私の出身研究室がない」、「あの有名な先生が抜けている」とのご指摘、大歓迎です！ どんどん追記・修正いたします。 ※追記：2/1 Ver1.0.2に更新いたしました。 ※追記：2/6 Ver1.0.3に更新。50名を追記しました。 ※追記：2/10 Ver1.0.4に更新。6名を追記しました。 この研究室マップから、各企業と研究室が繋がり、企業からは、AIに関わる事業の推進、研究室側からは、AIを研究する学生の就職活動の役に立つを願っています。
aiconf2017okanohara
Aiカンファレンス 2017@ビッグサイトでの講演資料です。自動車、ロボット、バイオヘルスケアでの応用事例、および今後の課題について書いてあります。Read less
総務省がAI開発ガイドライン作成へ、透明性や制御可能性など求める
総務省が、人工知能（AI）の開発ガイドラインの策定に乗り出した。自動運転、チャットボット、マッチングなど分野を問わない共通の開発原則として、透明性や制御可能性、プライバシー保護などを企業に求める。 同省は、論点を整理した文章を2016年末に公開した。2017年1月31日まで広く意見を募集する。同年6月末に案を取りまとめる考えだ。 AIの開発指針を巡っては、欧米を中心に議論が進んでいる（表）。総務省は広く国内企業や専門家の意見を集めたうえで、経済協力開発機構（OECD）などに先進国共通のAI開発ガイドライン案として提案することで、国際的な議論を主導したい考えだ。 総務省が示す開発原則は、透明性、制御可能性、セキュリティ確保、安全保護、プライバシー保護、倫理、利用者支援、アカウンタビリティの八つだ。 透明性の原則では、AIの挙動を後から検証できるよう、入出力データやログの保存など、技術の特性に
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。
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
Google、データさえあれば素人でもAIを構築できるサービスを展開
ぼくのかんがえたさいきょうの機械学習プロジェクト進行法（PoC/デモ編）
リクルートテクノロジーズ、機械学習やディープラーニングを用いたAPI群「A3RT」を無料公開、チャットボットAPIや日本語文章自動校正APIなど6種類
リクルート、“プライベートAI”を開放
Amazon、Google、IBM、Microsoftが公開する、AIを使うための「API」「ライブラリ」「実行環境」一覧
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
総務省、AIに公的認証制度導入へ。開発普及を促す : IT速報
