日本ＩＢＭは、日本スポーツ振興センター（ＪＳＣ）と共同で、卓球の試合映像からプレーシーンを自動検出する人工知能（ＡＩ）の開発を通して、選手の強化につなげることに成功した。通常、卓球試合の映像を分析する際は、ラリーのプレーシーンのみを抽出したり、得点または失点のシーンのみを抽出したりするといった準備を専門のスポーツアナリストが行う。この作業をＡＩで自動化することで、より多くの試合の分析ができ、戦略策定を最適化できる。（編集委員・斉藤実） 卓球は限られたスペースの中で迅速に動き、かつ、同じような動きでも異なるプレーをするなど、ごくわずかな動きを見分けるのが難しく、長時間にわたる試合映像から該当する部分を抽出するための作業負荷が課題となっていた。また、十数年前からデータベースに収集し始めた試合映像は、すでに約４万試合に達し、試合映像を効率良く、効果的に分析する方法の確立が求められていた。 今回は

富士通がカナダの拠点をワールドワイドの人工知能（AI）のヘッドクオーター（本社）として位置づける戦略を転換していたことが分かった。2018年末に大々的に発表したものの、富士通の社長が時田隆仁氏に変わった後に、位置づけを見直した。 富士通がカナダのバンクーバーにAIに関するグローバルでの戦略の策定や実行を担う狙いで現地法人「FUJITSU Intelligence Technology」（FIT）を設立したのは2018年11月のことだった。FITのCEO（最高経営責任者）として、富士通でAIサービスを担当していた吉澤尚子・富士通執行役員常務が就任し、常駐していた。 一方、19年6月に富士通本体の社長に時田隆仁氏が就任し、IT（情報技術）の会社から、DX（デジタルトランスフォーメーション）を支援していく会社になるという戦略を打ち出し、20年4月にはDX事業を手がける新会社も立ち上げた。 こうし

会計サービスをはじめ、バックオフィス向けクラウドソフトを提供するfreee。単純作業を効率化し、ユーザーが本質的な仕事に集中できる環境を提供するために、AI技術を駆使したさまざまな取り組みがなされている。 連載最終回となる今回は、機械学習やディープラーニングの発展によってもたらされる「人工知能CFO」の実現に向けた取り組みと、目指す未来を同社CTO・横路 隆氏が語る。 ＞＞連載バックナンバー 人工知能CFOがスモールビジネスを強くするfreeeは「スモールビジネスを、世界の主役に。」をミッションに掲げ、「アイデアやパッションやスキルがあればだれでも、ビジネスを強くスマートに育てられるプラットフォーム」の実現を目指してサービスを開発および提供しています。 実は、クラウド会計からはじまったfreeeが2012年の創業当初から描いている一つのマイルストンは「人工知能CFOをつくること」です。ルー

msg.payload = { 'd' : msg.payload.text.replace("tjbot", "") }; return msg; ibmiot out ノード Authentication を Quickstart に設定する。Device ID に、ユニークとなる文字列を設定する。Event Type も任意の文字列を設定しておく。 Slack 準備 アプリを管理する Slack 画面の左上メニューから 設定と管理 → アプリを管理する を選択する。 Outgoing Webhook を追加 App 管理画面上部の App ディレクトリを検索 で outgoing を検索し、Outgoing Webhook カスタムインテグレーションを追加する。 Outgoing Webhook の設定 チャンネル ... どのチャンネルで反応するか 引き金となる言葉 ... TJB

Marcus: R. Farrell/ITU; Lange: Cody Glenn/Web Summit A debate between AI experts shows a battle over the technology’s future 深層学習か、ハイブリッドか AIの未来をめぐり激論 人工知能（AI）が急速に社会に浸透するにつれて、深層学習モデルの限界や課題も明らかになりつつある。深層学習に対して異なる意見を持つ2人のAI専門家が、問題をいかに克服し得るか議論した。 by Karen Hao2020.07.01 20 20 7 18 1950年代以来、人工知能（AI）は大げさな約束と期待はずれを繰り返してきた。近年では深層学習によって大きな飛躍を遂げているものの、AIは未だに限定的な能力しか持っていない。攻撃に対して脆弱で、変化し続ける環境への適応を一般化できず、バイアスに

著者のCaleb Kaiser氏は、転移学習を重視した機械学習開発プラットフォームCortexの開発に携わっており、AINOW翻訳記事『ディープラーニングはもう難しくない』の著者でもあります。同氏が最近Mediumに投稿した記事では、機械学習モデルの構築を学習するに際して、従来の方法を批判したうえで新しい学習方法が提案されています。 第3次AIブームが到来する前の2000年代後半までは、機械学習を学ぶ人は専ら大学研究者でした。こうした事情により、当時の機械学習の教科書は数学的理論の理解を重視したものとなっていました。理論重視の教科書作りはその後も引き継がれ、現在入手できる機械学習の教科書も初学者に理論から学ばせる傾向のものが少なくありません。 同氏は、機械学習を使って実用的なAIモデルを開発したいエンジニアにとっては、理論重視の教科書は学習の妨げになっていると批判します。エンジニアが習得す

※本連載は日本でまだ翻訳されていない海外のビジネス書を紹介しています、書籍タイトルは著者による翻訳です アメリカンドリーム…それは、すべてのアメリカ人、あるいは成功を目指す世界中の人々が夢見る憧れの象徴であった。多くの人々がアメリカンドリームの実現を目指し、夢を追いかけ、時に挫折し、時に夢見た通りの大きな成功を手にしてきた。 そして、世界中のボーダーがなくなりつつある現代。新しい時代におけるアメリカンドリームは、どのような姿を描いていくのだろうか。 書籍概要 AI（人工知能）技術はここ10年で飛躍的に進化を遂げ、現代社会においてはなくてはならないものとなった。 新たな技術の代表格であるAIは、しばしば次のような二面性をもって語られる。 ひとつは、主にナレッジワーカーとプロフェッショナルによって語られる、AIによる生産性と利便性向上を実現するユートピアの物語。もうひとつは、AIによって一部労

トランスコスモス、AIの民主化を推進するため、DataRobotの初回導入パッケージとトライアルを提供開始6月・7月に先行企業の成功事例を紹介するウェビナーも開催（DataRobot Japanとの共同開催） トランスコスモス株式会社（本社：東京都渋谷区、代表取締役社長兼COO：奥田昌孝）は、機械学習を自動化するエンドツーエンドの AI プラットフォーム「DataRobot」のお手頃な初回導入パッケージと、導入前に機能確認をしたい方に向けたトライアルプランを2020年6月より提供開始しました。初回導入パッケージとトライアルにより、今まで費用の面で導入が見送りとなっていた方、部門単独での利用から導入したい方にご検討いただきやすくなりました。トランスコスモスは今後も通販・広告業界でのDataRobot導入実績と、社内のコンタクトセンター、デジタルマーケティング領域での活用実績をもとにお客様企業

Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 南カリフォルニア大学、Facebook Reality Labs、Facebook AI Researchによる研究チームが開発した「PIFuHD」は、1枚の人物写真から衣服を着た人体3次元モデルを高解像に再構築する深層学習フレームワークだ。指や顔の特徴、衣服のひだといった細かい情報や、見えていない箇所まで3Dで再現する。 人物の3Dモデルを忠実に作成する場合、従来は「Light Stage」と呼ばれる、全方位に多数のカメラやセンサーを配置した球形ドーム型キャプチャーシステムが用いられてきた。しかし、Light Stageは高価なため一般的に導入は難しい。そこで1枚の画像から深層学習を用い

中国インターネット検索最大手の百度（バイドゥ）はAI（人工知能）を活用した言語認識において、言語の意味を理解する自然言語処理モデル「ERNIE（Enhanced Representation through kNowledge IntEgration）」を発表した。同社がオープンソースとして提供するディープラーニングフレームワーク「PaddlePaddle（PArallel Distributed Deep LEarning）」に対応し、開発者に高度な自然言語処理技術を提供する。 ERNIEモデルは従来の自然言語処理能力を上回るパフォーマンスを示す。オープンソースとして公開されている自然言語処理モデル「BERT（Bidirectional Encoder Representations from Transformers）」と比較検証すると、言語推定、類似性の把握、実体の認識、感情の分析、

印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 以前に比べてハードルが低くなったため、自社で人工知能（AI）を開発するケースが増えている。AI開発でカギとなるのは「データ」だ。そしてデータを適切に収集・作成するためにはAI人材が不可欠となる。データの課題とは何か、そして課題を解決していくAI人材とは。アイデミー 代表取締役CEO（最高経営責任者）の石川聡彦氏とライオンブリッジジャパン AI事業部長のCedric Wagrez（セドリック・ヴァグレ）氏が対談した。 AIの民主化でAI人材の「育成」が急務に Wagrez氏：ライオンブリッジは2007年にAI事業を展開し始め、2019年には日本で「Lionbridge AI」をローンチしました。依頼を受けたプロジェクト内容に合わせて、Li

Transferable Clean-Label Poisoning Attacks on Deep Neural Nets 論文紹介 概要 ブラックボックス設定でDNNベースの画像分類器にバックドアを設置する攻撃手法。 その名も「Convex Polytope Attack」。 摂動を加えた画像データ（以下、汚染データ）を学習データに注入し、攻撃対象となる画像分類器に学習させることで、特定の正常データ（以下、トリガー）を攻撃者が意図したクラスに分類させることができる。なお、汚染データは見た目に違和感がないため、ラベリングなどの学習データ作成工程で異常に気付くことは困難。また、汚染データを作成する際にDropoutを適用することで、様々なアーキテクチャ（ResNet18, ResNet50, DenseNet121など）の分類器を攻撃することができる。 攻撃の流れ 本手法は、攻撃者が攻撃対

TOP > Topic Keywords > JDLA DL for DX > AI本書評：『深層学習教科書 ディープラーニング G検定（ジェネラリスト） 公式テキスト』（ 一般社団法人日本ディープラーニング協会 監修） ディープラーニングの歴史から導入事例まで幅広くカバーする、欲張りな本「AIを知るために、初めての1冊にどの本を選ぶか？」という問いに答えるのはとかく難しい。書店には多くの入門書が並び、ECサイトで「AI 入門書」と検索しても、数百件もヒットしてしまう。 しかし、人工知能の歴史的変遷、ディープラーニングの手法、認識率を高めるテクニック、特許権や著作権といった権利問題など、1冊でAI・ディープラーニングの基本知識をカバーしている本がある。それが今回紹介する『深層学習教科書 ディープラーニング G検定(ジェネラリスト) 公式テキスト』。日本ディープラーニング協会（JDLA）が監

新型コロナウイルス感染症（COVID-19）の感染拡大を受けて、生活者も医療機関も、かつてない事態への対応を強いられている。そんな中、生活者と医療機関のそれぞれに寄り添う2つのソリューションをいち早く提供したのが、スタートアップのUbieだ（関連記事：あの“AI問診”のUbie、2つの新サービスでコロナに挑む）。同社 共同代表取締役で医師の阿部吉倫氏と、同社のソリューションを導入した松波総合病院（岐阜県羽島郡）に話を聞いた。 「発熱しているけれど、どの医療機関にかかれば良いか分からない」――。これは、不調を感じる生活者の切実な不安だ。どのタイミングで医療機関を受診すれば良いのか、受診するとしたらどこの医療機関に行けば良いのかなどの判断ができず、実際に適切な受診行動をとれない場合が出てきている。 そこで、生活者の適切な受診行動を支援するために提供した第1のソリューションが、患者向け事前問診サ

CNN(畳み込みニューラルネットワーク)が実用になる、という話で2013年あたりから活発に業界がそちらに向けて動き始めたという話は過去3回でしてきたが、これに向けた専用プロセッサーの先鞭をつけたのはGoogleだった。 性能/消費電力比が競合と比べて10倍優秀 GoogleのAI向けプロセッサー「Google TPU」 2016年5月に開催されたGoogle I/Oの基調講演で、GoogleはGoogle TPUを発表。絶対性能はともかくとして、性能/消費電力比が競合と比べて10倍優れていると説明した。 AI向けプロセッサーのGoogle TPU。サーバーのSATAディスクエリアに収まる程度の小ささである。下のコネクターはPCIe Gen3 x16だが、独自のものとなっている 競合はおそらくNVIDIAのGPUだが、2016年5月はまだPascalが前月にリリースされたばかりなので、世代的

東芝は6月12日、独自の深層学習手法によって、カメラ画像に映る群集の人数を、一般的なPCでも高速に計測できる画像解析AIを開発したと発表した。 深層学習方式による解析は一般的にGPUなどの専用の演算装置を必要とするが、同技術は一般的なPCに搭載されているCPUによる高速解析が可能で、1分間に約180台のカメラ画像を処理できるという。 また、従来の深層学習手法は、画像に映る人物を同一の推定単位・尺度で解析するため、カメラからの距離によって人物の大きさが変わると正確に検知できず、推定精度が低下していたと同社では説明。 しかし、同技術は人物の大きさの変化に対応するため、画像に映る複数のグループが大小どのようなサイズであっても解析できるネットワーク構造にすることで、推定精度の向上を実現。従来の深層学習手法と比較し、画像1枚あたりの測定人数の誤差を16.0％から14.7％に改善しているという。 さら