創業63年、箱根の老舗ホテルが人工知能を導入した理由
創業63年、箱根の老舗ホテルが人工知能を導入した理由：【特集】Transborder ～デジタル変革の旗手たち～（1/4 ページ） 公式Webページに機械学習を使ったFAQシステムを導入した、箱根の老舗ホテル「ホテルおかだ」。こうした最新ITを導入する裏には、旅行業界における大きなビジネスモデルの変化があった。 箱根湯本にある創業63年の老舗ホテル「ホテルおかだ」。AIを導入するなど積極的なIT活用を進めているが、その中心となっているのは営業部長の原洋平さんだ。原さんは、NECにも勤めたエンジニアだったが、生まれ育った旅館に戻り、仕事の中で見つけた業務課題を自作のITツールで改善していた。 インタビュー前編はこちら→NECから温泉旅館へ転身――元エンジニアが挑む、老舗ホテルのIT化 そんな中で起こった「東日本大震災」をきっかけに、ホテル経営、そしてITに対する原さんの考えは変わっていった。
Engadget | Technology News & Reviews
Nintendo Switch 2: Everything we know about the coming release
Deep Learning | Udacity
Dive into deep learning with this practical course on TensorFlow and the Keras API. Gain an intuitive understanding of neural networks without the dense jargon. Learn to build, train, and optimize your own networks using TensorFlow. The course also introduces transfer learning, leveraging pre-trained models for enhanced performance. Designed for swift proficiency, this course prioritizes hands-on
強すぎて「会場がシーンと……」 クイズ王を圧倒した“早押しAI”の衝撃
開発したAIの解答システムは、クラウドサービス「Amazon Web Services」（AWS）上のサーバで動作させた結果を用いているが、サーバ自体は特別ハイスペックなものではなく「性能が良いラップトップPCとほぼ同等の計算性能のもの」（山田さん）という。 敗北したクイズ王の1人は「狐につままれたようだ」と漏らしたという。「終盤は人間が答えると歓声が上がっていた。人工知能のコンペなのに（笑）」（山田さん） 対戦は「クイズボウル」という形式（英語）で行われた。まずコンペティションに参加するチームが開発したAI同士で争い、優勝したAIが人間のクイズ王チームと戦う。クイズ王チームは、米クイズ番組「Jeopardy!」の優勝者で「Who Wants to be a Millionaire？」（邦題：クイズ＄ミリオネア）で好成績を収めた人物など6人だ。 クイズボウルの特徴は、“早押し”で答えること
“ウォーリーをさがす”ロボット登場 だいたい4.45秒で見つける
絵本「ウォーリーをさがせ！」のページを見て数秒でウォーリーを見つけ、シリコン製の“手”で指し示すロボット「There's Waldo」を、米クリエイティブエージェンシーのredpepperが開発し、公式YouTubeチャンネルで8月8日にその動画を公開した（記事末に転載）。 「ウォーリーをさがせ！」（原題：Where's Wally?）は英国イラストレーター、マーティン・ハンドフォード氏による1987年発刊の絵本。米国では主人公ウォーリーの名前がウォルドー（Waldo）になっている。 このロボットは、頭脳は「Raspberry Pi」、アーム部分は中国UFACTORY製の「uArm Swift Pro」（シリコン製の手の製造元は不明）。 アームの先端に米Googleが提供する「AIY Vision Kit」が取り付けられており、このカメラでページを撮影し、コンピュータビジョンライブラリの「
世界最強の囲碁AIを開発したDeepMindが「人間を超越したFPSプレイヤー」のAIを開発
Googleと同じAlphabetを母体に持ち、世界最強の囲碁AI「AlphaGo Zero」を開発した人工知能(AI)開発企業・DeepMindが、ファーストパーソン・シューティング・ゲーム(FPS)で人間を超えた勝率をたたき出すAI「For the Win(FTW)」を開発しました。ただ敵を倒すだけではなく、人間のチームメイトとも協力して有利にゲームをプレイすることができるとのことです。 Capture the Flag: the emergence of complex cooperative agents | DeepMind https://deepmind.com/blog/capture-the-flag/ 人間とゲームをプレイするAIの研究は、2017年にもOpenAI開発のAIが「Dota 2」で人間に勝利するという結果を残し、話題になりました。また、DeepMindも「
ニューラルネットの逆襲から５年後 | Preferred Research
私が2012年にニューラルネットの逆襲（当時のコメント）というのをブログに書いてからちょうど5年が経ちました。当時はまだDeep Learningという言葉が広まっておらず、AIという言葉を使うのが憚られるような時代でした。私達が、Preferred Networks（PFN）を立ち上げIoT、AIにフォーカスするのはそれから1年半後のことです。 この5年を振り返る良いタイミングだと思うので考えてみたいと思います。 1. Deep Learning Tsunami 多くの分野がこの5年間でDeep Learningの大きな影響を受け、分野特化の手法がDeep Learningベースの手法に置き換わることになりました。NLP（自然言語処理）の重鎮であるChris Manning教授もNLPで起きた現象を「Deep Learning Tsunami」[link] とよびその衝撃の大きさを表して
AIのプロジェクトを始めるとぶち当たる5つのハードル - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 現在AIに対して多くの人がもつイメージとして、Over Estimate(過剰な期待) とUnder Estimate(過小な期待)という問題があります。Over Estimate(過剰な期待)はAIを使うと全ての問題が自動的に解決されるというもので、Under Estimate(過小な期待)はAIを使えば実は簡単に解決される問題なのにそのことに気づいてもいないということです。 今日では、比較的簡単にAIを使うことのできるツールがたくさんあるので、こうした機会を利用して、自分たちのデータをもとにどんどん使ってみて、AIを使うと実際に何が
Linux Foundation、機械学習をアプリケーションに簡単に組み込めるオープンソース「Acumos AI」発表。新団体「LF Deep Learning Foundation」が開発
Linux Foundation、機械学習をアプリケーションに簡単に組み込めるオープンソース「Acumos AI」発表。新団体「LF Deep Learning Foundation」が開発 Acumos AIプロジェクトはおもに「Acumosフレームワーク」と「Acumosマーケットプレイス」から構成され、これらによってAIや機械学習の開発、利用、共有という3つのメリットをもたらすとしています。 以下はAcumos AIプロジェクトのブログに投稿された記事「What is Acumos? - Acumos」から。 Acumosは、AIモデルの開発者に対しては容易な開発とパッケージングを実現するソフトウェアだと説明されています。 For creators of AI models – data scientists and others – Acumos empowers them to
なぜ地方のクリーニング屋で機械学習？ 「無人店舗作りたい」 たった1人、独学でAI作る副社長の挑戦 (1/2) - ITmedia NEWS
なぜ地方のクリーニング屋で機械学習？ 「無人店舗作りたい」 たった1人、独学でAI作る副社長の挑戦（1/2 ページ） 「中小企業でお金もない、人もいない。ここ10年でIT化に取り組んできたが、今ある課題や業界の将来を見据え、今はAI（人工知能）を自作している」──福岡県田川市でクリーニング店を8店舗展開するエルアンドエーの田原大輔副社長はこう話す。同社はスーツやズボンなどを判別する画像認識システムなどを導入。人材が不足するクリーニング業界の中で業務効率化を図るためいち早くIT化に取り組み、いずれは無人店舗のオープンを目指す。 IT化に取り組んだ10年 電話からSkypeによるビデオチャットへ、メールからチャットワークへ、ExcelからGoogleスプレッドシートへ──2008年ごろから10年近くクリーニング業務のIT化を進め、15年11月にGoogleの機械学習用オープンソースライブラリ「
英国ノッティンガム大学等、1枚の2D顔写真から3D顔モデルを機械学習を用いて作成するアルゴリズムを論文にて公開。任意の顔画像ですぐ試せるオンラインデモあり
英国ノッティンガム大学等、1枚の2D顔写真から3D顔モデルを機械学習を用いて作成するアルゴリズムを論文にて公開。任意の顔画像ですぐ試せるオンラインデモあり 2017-09-15 英国のノッティンガム大学とキングストン大学の研究者たちは、単一の2D顔画像から3D顔モデルを推測し作成するアルゴリズムを論文にて発表しました。 Large Pose 3D Face Reconstruction from a Single Image via Direct Volumetric CNN Regression（PDF） AaronJackson/vrn（GitHub） 単一の2D顔画像から3D顔モデルを推測するために、60,000枚以上の2D写真と3D顔モデルデータセットを畳み込みニューラルネットワーク（CNN）で訓練しました。 ブラウザ上で今すぐ試せるオンラインデモも公開されており、任意の顔写真をア
Googlerも学んだAI講座、「Learn with Google AI」で一般公開
この講座のオリジナルは、Googler（Googleの従業員）向けに開発したもので、これまでに1万8000人以上が受講した。その成果がDaydreamのカメラカリブレーションやGoogle EarhのVR機能、YouTubeのストリーミング品質の向上などに反映されているという。 関連記事 Google、プログラミングができなくてもAIツールを作れる「AutoML」のα版提供開始 Googleが、少量の教師データをアップロードして転移学習させるだけでAIツールを構築できる「Cloud AutoML」を発表した。まずは画像認識向けの「AutoML Vision」のα版を提供開始する。 Google、音声認識システム訓練用データセットをオープンソースで提供 Googleが、クラウドソーシングで集めた6万5000件の短い英単語の音声録音のデータセット「Speech Commands Dataset
Google機械翻訳の仕組み&できるようになったこと/まだ難しいことについて、社内の機械学習勉強会で説明します - yasuhisa's blog
社内の機械学習勉強会で最近話題になった機械学習関連のエントリを取り上げているのですが、ここ一ヶ月ではGoogle Neural Machine Translation(GNMT)がとても話題になっていました。GNMTで使われているEncoder-Decoderやattentionのような仕組みを直近で使う予定は特にはないですが、機械学習を使うエンジニアとして知っておいて損はないし、技術的に何が変わったことにより何ができるようになって、何はまだできないのかを知ろう、というのが目的です。技術的な項目は興味ない人も多そうなので、最後に持っていきました。 Google Neural Machine Translation(GNMT)の最近の進化について できるようになったこと 定量的な評価 まだまだ難しいこと 技術的な詳細 Encoder-decoder Attention based encod
津軽弁の会話 ＡＩで文字化に成功 青森 | NHKニュース
青森県西部の津軽地方で使われている方言「津軽弁」について、弘前大学と東北電力の研究グループが、独特の言い回しなどをＡＩ＝人工知能に繰り返し覚えさせることで、会話のやり取りをほぼ正確に文字で表示することに成功したと発表しました。 それによりますと、研究ではまず、東北電力のコールセンターで録音された１０とおりの会話を、鰺ヶ沢町に住む２０代から７０代の男女１２人にそれぞれ津軽弁で読んでもらいました。そして、そのやり取りをすべて録音したうえでＡＩに読み込ませ、文字にしました。 当初は変換ミスが多く、正しく文字に変換できたのは７６％程度でしたが、誤った部分を修正し独特の言い回しなどを繰り返し覚えさせるうちに、およそ９４％まで精度が高まったということです。 弘前大学と東北電力は引き続き精度を高めていくとともに、標準語への変換にも取り組むことにしています。研究に当たっている弘前大学の柏倉幾郎副学長は「さ
技術を理解しようとしない記者はいずれ駆逐される
私は日経 xTECHの記者に加えて、日経NETWORKという雑誌を作る仕事もしている。その日経NETWORKの最新号で、人工知能（AI）に関する記事を執筆することになった。そこで機械学習や深層学習といったAIに関する技術をおさらいするために、都内の大型書店に参考書を買いに出かけた。 その書店の技術書フロアのAI関連書籍コーナーには、多くの本を抱えた先客がいた。10冊以上はあっただろうか。いずれも専門的な技術書ではなく、初心者向けの平易な解説書のようだった。「上司にAIについて報告するように命じられたのだろうか、あるいはAIが有望な分野だと思って自分で学習するつもりなんだろうか」といろいろ想像してしまった。 自分が買ったのも、専門的な技術書ではなく入門書だ。ただし、買ったのは1冊だけ。あらかじめネットで調べておいた本の内容を店頭で確認して購入した。その本を選んだ決め手は「AIを実際に研究して
「仕事ではじめる機械学習」著者座談会：後編 ビジネスの課題解決こそがゴール【AI people：vol.7】 | Team AI Blog
話題の書籍『仕事ではじめる機械学習』（O’REILLY）の著者である、有賀康顕氏（@chezou）と中山心太氏（@tokoroten）へのインタビュー（中編はこちら）。最終回では、エンジニアのスキルアップにおいて意識したいポイントを中心に話を伺いました。お二人の推薦図書もご紹介します。 機械学習は道具。ビジネスの課題解決はまた別のお話 ーAIエンジニアがスキルアップをしていくためにはどのようなことを心がけると良いでしょうか。 有賀 このインタビューの冒頭でもお伝えしたんですが、あくまで機械学習は道具なので、「何をすればビジネスの問題を解決できるのか」をよく見ておくことが重要ではないでしょうか。 問題解決パターンの引き出しが多いかどうかで最初の問題提起ができるかどうか決まってくると思います。この本にはそんなにたくさん書いてないんですけど、そういった経験はKaggleなどで積むとか、論文を読む
Alpha Zeroの衝撃と技術的失業｜山本一成🚗TURING
2016年、Google DeepMind社から恐ろしい論文が出された、AlphaGoその名を冠した囲碁プログラムが既存の囲碁ソフトに勝率99％を叩き出したのだ。AlphaGoは強化学習とDeep Learningを組み合わせた囲碁プログラムで、その年に最強の囲碁棋士の一人である李世ドルさんに4勝1負で勝利した。その後も進歩を続けて今のAlphaGoの強さは人類が体感できるレベルを超えるほど強くなったと予想される。 2017年も終わりのころ、Google DeepMind社からまた途方もない論文が発表された。囲碁とほぼ同じ手法で最強レベルのチェスや将棋プログラムを超えたということだった。実際のところ正確に超えたのかどうかちょっとだけ疑問もあるのだが、まず前提として彼らの新手法が途方もない成果をあげたこと素直に祝福したい。彼らは自分たちのプログラムをAlpha Zeroと名付けた。 コンピュ
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
Crypko
https://jp.techcrunch.com/2018/02/28/2018-02-27-google-clips-review/
Machine Learning | Google for Developers
