ホーム > 書籍『AI vs.教科書が読めない子どもたち』が示す、「読解力が低い人」は「認知できる世界の解像度が低い」という事実。 本書は大きく前後半の2パートに分かれていて、 前半では、 ・巷で言われている「AI」は実際にはその実現過程で生まれた「AI技術」と呼ぶべきものであり、本来志向された意味での「人工知能」と呼ぶにははるかに足りない代物であること ・その技術の延長にシンギュラリティが訪れることも無いだろうこと ・そうであるにも関わらず、そのAI技術によって現在のホワイトカラー労働者の多くを代替しうること ・しかもそのオートメーションの波がこれまでの産業革命とは比較にならない速度で、わずか20年間に圧縮されて起こるだろう という予測が示される。 そうであるならば、AI技術に代替されないための行動と施策を、となるのが当然の考えだ。 AI技術には実のところ3つのものしか扱うことができない

「自分に負荷を掛けることを習慣化する」 それは、「自分に負荷を掛けることを習慣化する」ことだ。 つまり「上達する習慣」を身に付けておくと、毎日生きて生活すること自体が「トレーニング」になるので、どんどん上達していくことになる。 それは言い換えると、「進化する自分を習慣化する」とも言える。 楽々できることを楽々やっているのは辛くないけど、上達もしにくい。 今までできなかったことを出来るようになったり、今よりも進化した結果を手に入れたいなら、負荷を掛けることが大切だ。 負荷を掛けるとき、あまりにも今の実力とかけ離れた目標を設定すると辛くて続かないので、その頃合いにコツがある。 いずれにしても、日々の生活に「ちょっと頑張れば達成できる目標」を設定して、それをクリアするように頑張る。 そしてPDCAサイクルを回す。 Plan（計画する）、Do（やってみる）、Check（結果を確認する）、Actio

by StartupStockPhotos 近年は地球温暖化などの気候変動が人々の生活や自然環境を脅かしており、二酸化炭素をはじめとする温室効果ガスの排出量を減らそうとする取り組みが急務です。そんな中、イギリスに本拠を置くエネルギー小売企業のOvo Energyが、「不要なメールの送受信によって毎年1万6000トンもの二酸化炭素が排出されている」と主張しています。 ‘Think Before You Thank’ | OVO Energy https://www.ovoenergy.com/ovo-newsroom/press-releases/2019/november/think-before-you-thank-if-every-brit-sent-one-less-thank-you-email-a-day-we-would-save-16433-tonnes-of-carbon-

Wi-Fiの規格を管理する業界団体Wi-Fi Allianceは現地時間1月3日、新規格「Wi-Fi 6E」を発表しました。対応周波数に6GHz帯を追加しています。 6GHz帯も利用可能な「Wi-Fi 6E」 Wi-Fi Allianceが発表した新規格「Wi-Fi 6E」は、2018年10月に発表されたナンバリング方式の新名称「Wi-Fi 6」（旧802.11ax）に、利用可能な周波数として6GHz帯を追加した新規格です。 これまでWi-Fi通信に使われている2.4GHz帯と5GHz帯に加えて、6GHz帯を利用可能にすることで、拡張現実（AR）、仮想現実（VR）などへの活用が期待される、とWi-Fi Allianceは説明しています。 Wi-Fi Allianceは、各国の規制当局の承認が得られ次第、「Wi-Fi 6E」に対応した製品が発表される予定と案内しており、Qualcomm、In

toimage (from PIL.Image import fromarray as toimage)で出たエラーを解消する方法PythonJupyter for i in range(100): img = toimage(X_test[i]) label = results[i].argmax() plt.subplot(10, 10, pos) plt.imshow(img) plt.axis('off') plt.title(cifar10_labels[label]) pos += 1 plt.show() を実行してイメージをJupyter notebookに表示させようとしたら、以下のようなエラーが出た。 KeyError Traceback (most recent call last) /usr/local/lib/python3.6/dist-packages/PIL

はじめに パワポのスライド1枚に1枚ずつ画像を貼り付けていって作業手順書にする、みたいなのありますよね。超絶単純作業なのになかなか時間かかるやつ。 単純な繰り返し作業なので、ネット上に転がっていたコードを用いて自動化したいと思います。 目標実装機能 少なくとも必ず実装したい機能 スライド1枚につき1枚の画像が貼り付けられたパワポの資料を自動で作成すること。 願わくば 表紙の追加 テキストボックスの追加 画像を貼り付けないスライドの挿入 自動作成したいスライド 私の好きな某アニメの登場人物紹介スライドを作成したいと思っています。 構成は、 表紙→画像→キャラ説明→画像→キャラ説明→…（以下、画像とキャラ説明を交互に） としています。 今回作成したコードを用いて自動作成したスライドは、最後にご紹介します。 環境 python3.7.2 Windows10 コード import pptx fro

お世話になっております。次世代システム研究室のK.S.（女性、外国人）です。 今回のブログはディープラーニングの世界でゴッドファーザーと呼ばれたGeoffrey Hintonを中心に提案された新しいニューラルネットワーク （Capsule Network：CapsNet）を紹介し、CapsNetを使った毒キノコ画像解析の実験レポートをお伝えしたいと思います。 まず、Capsule Network (CapsNet)とはなにか、なぜこの技術を紹介するのか、を説明したいと思います。それから、CapsNetはどう使うのものなのか、実際に動くコードを見ながら、実装方法を説明したいと思います。今回実験で用いた実装コードサンプルではキノコの画像を学習し、入力した画像が毒キノコかどうかを予測するものです。 このブログの構成は、以下のとおりです。 ① Capsule Network (CapsNet) ②

CapsNetについて少し調べて、まとめました。 CNNの欠点 I believe Convolution, but I don't believe Pooling. - Geoffrey Hinton Geoffrey HintonさんがMITでの講演でそう言いました。 CNNでは、オブジェクトの向き、空間的な特徴の抽出は難しいです。 畳み込みはオブジェクトの特徴を抽出するだけです。周囲の情報には全く関心を持っていません。 例えば、人間の顔に対して、CNNはこの画像に耳、鼻、目、口があるかどうかしかに興味がありません。どこにあるのかは如何でもいいです。 (From: Capsule Networks Explained) プーリング層の使用は大間違いです。 この問題を解決するため、プーリング層が導入されてました。プーリングの処理によって、モデルが微小な変化に対する不変性があります。 Th

こんにちは、たくやです。 今回は69歳のグーグル研究員、ジェフ・ヒントンが40年の歳月をかけて熟考して発表した新技術、カプセルネットワークをご紹介します。 今回も例によってわかりにくい数式や専門用語をできるだけ使わずに感覚的に解説していきます。 元論文 http://papers.nips.cc/paper/6975-dynamic-routing-between-capsules.pdf この、カプセルネットワークは今、これまで機械学習で不動の地位を築いていたニューラルネットワークの技術を超える新技術なのではないかと期待されています。 彼の出した２つの論文によると、カプセルネットワークの精度は従来のニューラルネットワークの最高時の精度に、誤答率は従来のニューラルネットワークの最低時の半分にまで減少したといいます。 ・従来のニューラルネットワークとの違い では、何が従来のニューラルネットワ

R-CNNについて R-CNNについては公式の論文を読むことをオススメします。 この場では説明しません(~_~;) Non-Maximum Suppressionについて 論文に登場 Non-Maximum Suprressionは、R-CNNの公式の論文にこう記されています。 Given all scored regions in an image, we apply a greedy non-maximum suppression (for each class independently) that rejects a region if it has an intersection-over-union (IoU) overlap with a higher scoring selected region larger than a learned threshold. 下手くそな

人間とAIは協業しない イスラエルの歴史学者で文明論者のユヴァル・ノア・ハラリ（1976年生まれ）は、現下の世界に強い影響を与えている知識人だ。 著作は世界各国語に翻訳され、累計は2000万部を超える。ハラリは『サピエンス全史』で人類の過去を考察し、『ホモ・デウス』で未来を予測した。そして本書『21 Lessons』で現状分析を行う。 ハラリは、巨大コンピューターによりビッグデータをアルゴリズム（合理的な計算手順）で処理する時代が到来しつつあると考える。その結果、雇用環境が劇的に変化すると考える。 〈一九二〇年に農業の機械化で解雇された農場労働者は、トラクター製造工場で新しい仕事を見つけられた。 一九八〇年に失業した工場労働者は、スーパーマーケットでレジ係として働き始めることができた。そのような転職が可能だったのは、農場から工場へ、工場からスーパーマーケットへという移動には、限られた訓練し