AI講座をYouTubeで無料公開AI研究・活用の最前線で活躍する3名の講師の講座を、完全無料で公開 資格試験において高い合格率を実現する通信講座を提供する株式会社フォーサイト(東京都文京区/代表取締役社長:山田 浩司)は、2018年12月26日(水)にAI・自然言語処理・機械学習について学べるWeb動画19本(合計約3時間26分)をYouTubeで無料公開します。 フォーサイトYouTubeチャンネル内・再生リスト https://goo.gl/F17nWo 【本件のポイント】 明治大学の高木教授をはじめとしたAIの第一人者の講座を、完全無料で公開します。 専門知識がなくても分かりやすいよう解説しているので、非エンジニア、文系の方にもおススメ。 海外発信の無料Web動画は多くあるが、日本語でAIの概要を学べる無料動画は少ない。 ■フォーサイトAI講座の概要 全3講座、合計約206分(3時
ロボットから自動運転車、はては囲碁・将棋といったゲームまで、昨今多くの「AI」が世間をにぎわせています。 その中のキーワードとして、「強化学習」というものがあります。そうした意味では、数ある機械学習の手法の中で最も注目されている(そして誇張されている・・・)手法ともいえるかもしれません。 今回はその強化学習という手法について、基礎から最近目覚ましい精度を出しているDeep Q-learning(いわゆるドキュン、DQNです)まで、その発展の流れと仕組みについて解説をしていきたいと思います。 本記事の内容をベースに、ハンズオンイベントを開催しました(PyConJPのTalkの増補改訂版) Pythonではじめる強化学習 OpenAI Gym 体験ハンズオン 講義資料の方が図解が豊富なので、数式とかちょっと、という場合はこちらがおすすめです。 Tech-Circle #18 Pythonではじ
サービス終了のお知らせ SankeiBizは、2022年12月26日をもちましてサービスを終了させていただきました。長らくのご愛読、誠にありがとうございました。 産経デジタルがお送りする経済ニュースは「iza! 経済ニュース」でお楽しみください。 このページは5秒後に「iza!経済ニュース」(https://www.iza.ne.jp/economy/)に転送されます。 ページが切り替わらない場合は以下のボタンから「iza! 経済ニュース」へ移動をお願いします。 iza! 経済ニュースへ
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
世界で初めてiPhoneのSIMアンロックに成功したり、脱獄史において伝説でもあるBootROM Exploit【Limera1n】の開発、PS3の脱獄…そしてソニーとの訴訟勝負などなど・・・。 もはや伝説級のハッカーといっても過言ではないGeohot氏。 5月には【iOSの脱獄から離れ、AI…人工知能の世界に進みたい】と報告されていましたが、なんとまぁ自宅のガレージで「自動運転車」を作っちゃったんだってさ! もちろん、今回も世界的な企業に喧嘩売ってるよ! George Hotz、1ヶ月ちょいで自動運転車を作っちゃう iOSやPS3脱獄の関連以外でもちょこちょこと見かけたりするGeohot氏ですが、経済誌bloombergに現在のGeorge Hotz(別名 Geohot、26歳)について紹介されています。 それによると、なんと自動運転技術を開発しただけではなく、実際に車に搭載させてしまっ
[CEDEC 2015]「FFXV」で導入されるゲームAIの仕組みが明らかに。ゲームエンジン「Luminous Studio」の先進的AIシステム ライター:西川善司 スクウェア・エニックスの新世代ゲームエンジンとして,4Gamerでもたびたび取り上げている「Luminous Studio」。話題になるのは,先進的なグラフィックス表現ばかりといったイメージがあるかもしれないが,実はAI部分でも,時代を先取りした技術が実装されているのだという。 スクウェア・エニックスがCEDEC 2015で行ったセッション「FINAL FANTASY XV -EPISODE DUSCAE- におけるキャラクターAIの意思決定システム」は,これまで表舞台であまり語られることのなかった,Luminous StudioにおけるAIシステムの設計思想とその構造が語られる興味深いものだった。そこで本稿では,セッション
みなさん、こんにちは! 突然ですが…皆さんには、ひいきにしている ゲームのキャラクターはいらっしゃいますでしょうか。 手ごわいボス敵や頼れるパートナー、愛嬌のある動きをするモンスター達は 一体どのような仕組みで動いているのでしょう? 今回の記事ではそんなゲームの中のキャラクター達を 魅力的に動かす仕組み、AIについて御紹介したいと思います。 改めまして本記事を担当させて頂きます、Cygamesエンジニアの佐藤です。 これまでコンシューマ機でのゲームAI開発に携わり、 ゲームならではのキャラクター表現の楽しさを追いかけてきました。 このブログを通じて、皆さんのゲームのキャラクターを より表情豊かに魅力的なものにする方法について、皆さんと一緒に考えていければ幸いです。 今回はゲームのAIをデザインするにあたって重要となる、 「知識表現を定義する」というステップと、 知識表現の一つである影響マッ
ディープラーニング(深層学習)というのが流行っているそうです。すべての人類はディープラーニングによって実現されたAIに隷属する未来なんですってよ!!! こわーい。 そんなバラ色の技術、いっちょかみしておきたいですよね。 さて、オフィスで社長とダベっていたところ、「将棋プログラム面白そうだよね」という話になりました。お互将棋プログラムを作って闘わせようぜ、いぇー、と盛り上がり、勢いでコンピュータ将棋選手権に申し込みまでしてしまいました。 そんな経緯で、ディープラーニングをミリしら(=1ミリも知らない)な僕が、試しにディープラーニングを使って将棋のAIを書いてみたらいいやん、と思いついたのでした。将棋も、ハム将棋でハム8枚落ちで負けるレベルくらい。ダメじゃん。 ミリしらなので、「チェスで何かやってるヤツがいるだろう」とアタリをつけてググった結果、Erik Bernhardssonさんによる d
以前、オセロの対戦AIの作成しましたが、そこでは実装を簡略化する為に盤面の価値を 盤面の価値 = 自分の石の数 – 相手の石の数 という単純な方法で決めていました。 でも、これには問題があります。 同じ石でも配置場所によって価値は異なるはずです(例: 角は最強)。それが考慮されていません。ゲーム終盤になってくると石の数が重要になってきます。でも序盤から石の数を重視するのは方向性としておかしいです。 という訳で、 序盤から中盤では石の配置場所を重視する終盤では石の数を重視する 形で盤面の価値を算出すれば、結構良さそうなAIになりそうです。 しかし、今度は 「序盤」「中盤」「終盤」をどのように区別するのか?石の配置場所の強弱はどう決めるのか?同じ配置場所でも周囲の状況次第で強弱が異なるのでは? という問題が出てきます。これは作るのが面倒臭そうです。 どうにかしてお手軽かつそこそこ強そうなAIを
ディープラーニングは、人間の脳の中のニューロンとシナプスの回路をコンピューターの電子回路で真似て、それを何層にも重ねた手法。この手法が思いの外、成果を上げているので、人工知能に注目が集まっている。英誌エコノミストも最近の号で人工知能を特集するなど、ビジネスマンの間でも人工知能は今、ちょっとしたブームだ。 ディープラーニングは、人間の脳の中のニューロンとシナプスの回路をコンピューターの電子回路で真似て、それを何層にも重ねた手法。この手法が思いの外、成果を上げているので、人工知能に注目が集まっている。英誌エコノミストも最近の号で人工知能を特集するなど、ビジネスマンの間でも人工知能は今、ちょっとしたブームだ。 しかしディープラーニングのように人間の脳を模倣しなくても、コンピューターを賢くさせる手法はほかにもある。例えば「トピックモデリング」。トピックモデリングは、多数の文書を読み込むことで傾向を
Quoraに投稿された質問 "What has happened in theoretical machine learning in the last 5 years (2009-2014)?" 「2009年から2014年の機械学習の理論的進歩について教えてください」 への、機械学習研究者Yisong Yueの回答を翻訳しました。そのままだと通じない部分は意訳しているので、原文に忠実ではありません。 「2009年から2014年の機械学習の理論的進歩について教えてください」への回答 私の個人的な視点で話します。 潜在変数モデルに対する最適推定について: 理論的な進歩として私が最初に思いつくのは、潜在変数モデルに対する(ほぼ)最適な推定です。この潜在変数モデルの最適推定は一般的に非凸な問題であり、つまり(よく知られている)凸最適化の手法の通用しない難題です。 最も輝かしいアプローチはスペクト
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