食品工場における作業は機械化が難しいものが多く、特に千切りキャベツのような柔らかく細かい食材を決められた量だけ取り分ける作業は、自動化が困難とされていた。松尾研が持つAI（人工知能）技術と、ロボコムが持つロボティクス技術を合わせることで、今回の技術が実現した。 機械学習の一手法である強化学習を用い、ロボットアームの制御を機械自身に学習させた。今回の実験ではアームでつかむキャベツの量を50グラムに設定。最初はほとんどキャベツをつかむことができなかったが、2時間かけて200回学習させた結果、目標値である50グラムとの誤差の平均は4.88グラムにとどまったという。 ロボットのハンド部分は、独自に設計して3Dプリンターで作成した。センシングを含めたシステム構成を極力シンプルにすることで、導入費用とメンテナンス工数の削減も実現したとしている。 システム構築には、ロボット競技の世界大会「World R

「自分だけのキャラを作りたい」　AIで美少女を「無限生成」、若きオタクエンジニアの挑戦（1/4 ページ） 女の子の瞳、髪形、表情が変化し、何体ものキャラクターが生まれていく――Preferred Networksが深層学習を活用し、アニメキャラクターを自動生成するサービス「Crypko」（クリプコ）を提供している。開発したのは、中国出身の若きエンジニア。「自分の想像通りのキャラクターを形にできるサービスを作りたい」と意気込む2人に開発の舞台裏を聞いた。 女の子の瞳、髪形、表情が万華鏡のように目まぐるしく変化し、何体ものキャラクターが生まれていく――AI（人工知能）ベンチャーのPreferred Networks（PFN、東京都千代田区）が、アニメやゲームの制作会社向けにそんな技術の提供を始めた。深層学習（ディープラーニング）を活用してアニメキャラクターを自動生成するサービス「Crypko」

人工知能を研究する非営利団体OpenAIが、音楽のスタイルや使用する楽器を指定するだけで音楽を自動的に生成してくれる「MuseNet」を公開しました。「あまり高精度な文章を作成してしまうので世に放つのは危険すぎる」ともいわれたGPT-2と同じアルゴリズムを使用したこの深層学習システムは、ショパンやベートーベンなどのクラシック音楽から、フランク・シナトラやレディー・ガガの音楽スタイルまで網羅している守備範囲の広さが特徴的です。 MuseNet https://openai.com/blog/musenet/ AIで音楽を生成するにはまず、上記URLにアクセスします。 トップページで公開されている「Samples」では、MuseNetが生成する音楽のサンプルを試聴することができます。例えば、「Prompt: Bon Jovi and the first 6 notes of Chopin Op

1. 新卒1年目が終わる こんにちは。pira_ninoです。 表題の通り、 新卒1年目が終わりました。。。 いつまで「見習い」と名乗っていいのですかね(苦笑 せっかくの区切りなので、「受託分析会社の1年目が何をしているか」を自分の経験に基づいて書いていこうかなぁと思います。 2. 注意書き 受託分析なので、基本クライアントの名前が出る話は一切出せません。つまり、具体的な仕事内容については書けません。 これ故に、受託分析会社のデータサイエンティストは勉強会などの表舞台になかなか出てこないのかなぁと思っています。自分も色々話したいことはありますが、表舞台に出すのはやはり難しいです(汗 また、 私の所属会社を一部の方はご存知かと思いますが「一応個人のブログ」であることをご了承ください。 本記事では、「ふわっと」受託分析会社の1年目が何をしているかをお伝え出来ればと思います。 3. 全体的には良

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 オフィスでの文書作成は、IT化によってだいぶ楽になったものの、いまだに業務の中で負荷の大きい作業の一つかもしれない。その作業の全てをなくそうとしても無理な話だ。“言語化”は暗黙知を形式知に変化させるのに非常に有効な方法だし、コミュニケーションの基本は言語であるが故に、他人に情報を伝えるためにはやはり文書にする必要がある。それでもなお、文書作成の負荷軽減は重要な課題となっている。 そうした背景から、「生成系」と呼ばれる人工知能（AI）が注目を浴びている。文章、音楽、画像、動画など、何らかのメディアコンテンツを自動で生成するのが特徴。これを文書作成に応用する事例が増えてきている。 今後、生成系AIが業務に導入されるに従って、文書作成の負荷を

「働き方改革」は決してオフィスにいるホワイトカラーだけのものではない――。 横浜市青葉区で農業を営む金子栄治さん。2018年7月からミニトマトの栽培を始めた。これまで10年間ほどイチゴを作っていたが、2011年の東日本大震災を機に、さまざまな経験を積もうといったん休止。農業指導でタイへ出かけたりもした。 ミニトマトで農業を再開するにあたり、金子さんがビニールハウスに導入したのが「ゼロアグリ」だ。ゼロアグリとは、土の中に張り巡らした点滴チューブから、水や肥料を自動的に供給する土壌環境制御システム。ハウス内に設置した各種センサーの情報を基に、AI（人工知能）が最適量を判断し、供給してくれる。現状確認や設定変更はパソコンやタブレット、スマホからでも可能だ。 毎日1時間の水やりが1週間で30分に激減 「農業では水やりが重要だが、とても手間のかかる作業。イチゴのときは、水やりの後でテンシオメーターを

（注意：長いです。お時間のある時にどうぞ。） 私は「情報技術が私達の社会にどのような影響を与えるか」という問題に興味を持っています。ここでは、最近進歩が著しい深層学習が、科学の営みにどのように影響を与えるかを考えてみたいと思います。「高次元科学」とでも呼ぶべき新しい方法論が現れつつあるのではないか、と思うのです。 １．深層学習と科学 そもそも、この考えに行き着いた背景には、私が統計数理研究所で過ごした5年間がありました。統計数理研究所は大学共同利用機関として、自然科学の様々な研究を推進するための統計的手法を研究しています。ご存知の通り、統計的仮説検定や統計モデリングは、現代の科学における重要な道具立ての一部です。そのような道具立てが、科学の方法論の長い歴史の中でなぜそのような地位を占めるようになってきたか、に興味を持つようになったのです。 きっかけは、情報技術が科学の方法論をどのように変え

これまでにも何度か紹介してきた、シリコンバレーのA16Zというトップクラスのベンチャーキャピタルの気鋭のアナリスト、ベネディクト・エバンスが、「AIのバイアス」についての考察をまとめていました。 いわゆる「AIのバイアス」といえば、例えば、白人の方が黒人より多い画像データで作ったAIシステムは白人を認識するのは得意だが黒人はそうでない、といったもののように、私達にとって想像つきやすいものについつい目が行ってしまいがちです。しかし実は、私達人間には認識すらできないもの、例えば光の当たり加減や、音の領域などがバイアスとしてデータに入ってきてしまった場合におきるAIのバイアスこそが、難しい問題なのではないかとベネディクトは言います。 いつものように、鋭い考察でいろいろな角度からAIのバイアスに切り込んでいきますが、彼のエッセイがおもしろいのは、もちろん彼の分析力、クリティカル・シンキング能力が素

機械学習ノート: スペクトラルクラスタリング(参考: The elements of statistical learning他) 1. 要約 通常のK-meansクラスタリングでは，重心からの距離によってクラス形成を行うため，クラスターの形状が超球状になります．本来のデータ構造が非凸集合である場合(e.g. 三日月型データetc.)は，誤分類が多くなってしまいます．そうした場合には，クラス形成をグラフカットによって達成しようとするスペクトラルクラスタリングが有用です．今回の記事では，スペクトラルクラスタリングについて，ざっくりと解説しました．こちらのqiita記事やこのスライドを参考にしているため，詳しくはこれらを見てください． 2. グラフラプラシアン グラフラプラシアンについては，この記事(グラフラプラシアンを噛み砕いて噛み砕いて跡形もなくしてみた)が詳しかったです．要約すると，グラ

Open-sourcing Ax and botorch: New AI tools for Adaptive Experimentation How can researchers and engineers explore large configuration spaces that have complex trade-offs when it may take hours or days to evaluate any given configuration? This challenge frequently arises across many domains, including tuning hyperparameters for machine learning (ML) models, finding optimal product settings through

Since its release just a few months ago, PyTorch 1.0 has been rapidly adopted as a powerful, flexible deep learning platform that enables engineers and researchers to move quickly from research to production. As part of Facebook’s F8 Conference this year, we are highlighting some of the ways the AI engineering and research community is using PyTorch 1.0. We’re also sharing new details about the la

qiita初投稿です。 少しやりたいことがあり最近の強化学習を実装したく調べてみました。 強化学習を行うための要素を自分なりにかみ砕いて記事にしていく予定で、その備忘録の意味合いが強い記事となります。 また、ネット情報を元に勝手に解釈して書いている部分があるので理解不足・不正確な情報があることはご容赦ください。 本シリーズ 【強化学習】OpenAI Gym×Keras-rlで強化学習アルゴリズムを実装していくぞ（準備編）（ここ） 【強化学習】OpenAI Gym×Keras-rlで強化学習アルゴリズムを実装していくぞ（Q学習編） 【強化学習】OpenAI Gym×Keras-rlで強化学習アルゴリズムを実装していくぞ（DQN編） 【強化学習】Keras-rlでRainbowを実装/解説 【強化学習】Keras-rlでApe-Xを実装/解説（並列プログラミング） MNISTでSaliency

Four years after partnering with Apple on the launch of the Apple Card, Goldman Sachs may be eyeing the exits. The Wall Street Journal reports that Goldman is “looking for a way out” of it

Facebookの開発者会議「F8 2019」の2日目の基調講演は、例年通りAI、AR／VRがテーマだった。この中から、ポリシー違反コンテンツ検出ツールについての発表を紹介する。 米Facebookの年次開発者会議「F8 2019」の2日目、5月2日（現地時間）の基調講演は、例年通りAI、AR／VRについてだった。 マイク・シュローファーCTO（最高技術責任者）は、Facebook上の多様な問題に対処するために使っているAIツールなどについて語った。 ポリシー違反コンテンツの検出について、自然言語処理（NLP）とコンピュータビジョン（CV）での取り組みを紹介した。 データの少ない言語の投稿もチェックできる共有多言語埋め込みスペース Facebookではポリシー違反投稿検出のために機械学習システムを採用しているが、これまで、データの少ない言語での検出が困難だった（Facebookはかつてミャ

By kalhh 人工知能(AI)はさまざまな産業での活躍が見込まれており、次世代を担うテクノロジーといえます。しかし、AIはあくまで「人間から学習する」ものであるため、人間が持っている「偏見や差別意識」を受け継ぐ可能性が指摘されていました。 Untold History of AI: Algorithmic Bias Was Born in the 1980s - IEEE Spectrum https://spectrum.ieee.org/tech-talk/tech-history/dawn-of-electronics/untold-history-of-ai-the-birth-of-machine-bias 1970年頃、イギリスのセントジョージ医科大学は応募してきた学生をまず書類選考にかけ、その後面接を行うという入学審査を行っていました。応募してくる学生は年間約2500人ほ

SageMakerとServerlessを使ってscikit-learnの機械学習APIを作る方法を紹介します。 公式ドキュメントやその他の記事の多くはコンソール操作やnotebook上での操作が多く含んでいて、そのコードのまま本番運用に使うのは難しいと感じたので、この記事では コンソール操作やnotebook上での操作なしでスクリプトだけで完結 できるようにしています。カスタマイズすれば本番運用で使えるはずです。 また公式ドキュメントにもExampleがいくつかあるのですが、色々な処理を含んでいて、自分には理解し辛い部分がありました。今回、SageMakerを理解するためにもっとシンプルなToy Exampleを作ってみました。 作るもの 環境 アーキテクチャ構成 フォルダ構成 事前準備 Layer作成 Resource作成/環境変数定義 学習用のデータをS3にアップロード モデル学習&

概要 言語判定（Language identification）とは、与えられた文字列が何語で書かれているかを判定するタスクです。例えば「こんにちは」なら日本語、「Hello World.」なら英語といったように、世界各国で話されている言語のうち何に属するかを推定するというものです。 これだけ聞くと非常に簡単な問題のように思えますよね。出てくる単語を辞書で探せば何語か分かりそうなものですし、書かれている文字を見ても容易に判別できそうな気がします。Google翻訳のような機械翻訳が高精度に文章を翻訳できる現在において、言語を判定するなんて行為はより基本的なことで、できて当たり前とも思えます。実際に2010年時点でサイボウズ・ラボの中谷さんが作成された言語判定エンジンlanguage-detectionは、49言語で99.77%の正解率で判定することができています(source)。他の言語処理

あらすじ これまで、混同行列とROC 曲線について学んでいきました。その知識を活かしてAWS Machine Learning を触っていきたいと思います。 前回までの話: 混同行列(Confusion Matrix) とは 〜 2 値分類の機械学習のクラス分類について ROC 曲線とAUC を用いて2値分類機械学習モデルの性能を計測・チューニングする ストーリー 今回はAWS 側のチュートリアルで準備されている「とあるお店にて新しい商品を出したときにそれに顧客は反応(購入)をしてくれるか？」という推測を機械学習(ロジスティック回帰)を利用して学んでいきます。 利用するデータについて 今回はMachine Learning(以下:ML)でチュートリアルとして公開されている以下のデータを使います。 ML チュートリアル用データ(banking.csv) https://s3.amazonaw

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 データ科学者向けに次々と機械学習（ML）プラットフォームが提供されるというのは結構なことだが、企業の開発者が使えるようになっていなければ、MLや人工知能（AI）は企業におけるメインストリームにはならない。そのことを最も切実に感じているのはおそらく、昔から開発者を重視しており、現在AIにも注力しているMicrosoftだろう。このため、ワシントン州シアトルで米国時間5月6日に開幕した同社の開発者向け年次カンファレンス「Build 2019」の初日に、「ML.NET 1.0」のリリースが発表されたというのはうなずける話だ。 20年近い歴史を有する「.NET」が、Microsoftの法人向けソフトウェア開発プラットフォームであることは誰もが知

エムスリーの機械学習エンジニアが語る、医療用語に注目した文書の類似度計算のしくみ 医療用語に注目した文書の類似度計算 2019年1月22日、freee株式会社にて、Data Driven Developer Meetupが主催するイベント「Data Driven Developer Meetup #4」が開催されました。サービスをより良いものにするために日々データと向き合っているデータサイエンティストやエンジニアなど、様々な職種で活躍する人々が集い、知見を共有する本イベント。今回は日本経済新聞社とエムスリー株式会社の2社がメインセッションに登壇し、自社の取り組みについて語りました。プレゼンテーション「医療用語に注目した文書の類似度計算 」に登場したのは、株式会社エムスリーのnishiba氏。医療用語が用いられた文書の類似度を計算するために用いた仕組みとその裏側を語ります。講演資料はこちら

Get notified in your email when a new post is published to this blog We are pleased to announce that the April 2019 release of the Python Extension for Visual Studio Code is now available. You can download the Python extension from the Marketplace, or install it directly from the extension gallery in Visual Studio Code. You can learn more about Python support in Visual Studio Code in the documenta

ＩｏＴ（モノのインターネット）が人工知能（ＡＩ）技術の主戦場になった。電子基板製造会社や組み込みソフト開発会社、システムインテグレーターなどがＡＩに参入している。オープンな開発環境が整い画像認識や人物検出は簡単にできるようになった。展示会のデモだけをみると、ＡＩ技術に投資してきた日本の大手に、中堅・中小企業が追いついたかのようだ。技術コンサルを生業としてきたＡＩベンチャーも価格競争に巻き込まれる可能性がある。 電子基板　周辺機器もサポート 「技術がオープンな時代なので、みな同じ提案になる」とＶ―ｎｅｔ　ＡＡＥＯＮ（横浜市港北区）の伊勢友美執行役員は苦笑いする。同社は組み込み機器の電子基板を販売する。いわゆる“基板屋”だが、展示会ではＡＩによる人物認識や車両認識などを披露する。伊勢執行役員は「基板だけを紹介していても売れない。何ができるかＡＩのアプリを見せないと」と狙いを説明する。米ＮＶＩＤ

【2020年アップデート版】 強化学習では，環境で得られる報酬がスパースである場合，うまく学習することができない．この問題を解決するための手法として，強化学習のエージェントに「好奇心」を与える研究が注目されている．本スライドでは，深層強化学習の登場以降に発表された「好奇心」を利用した強化学習の研究をまとめた．特に主要ベンチマークであるMontezuma's Revengeで高いパフォーマンスを発揮したアルゴリズムについて詳しく解説する．また，「好奇心」による探索を報酬がスパースな場合以外の強化学習に適用した場合の最新研究についても紹介する． 現在は，本資料の修正・アップデート版を以下で公開しています． 【強化学習における好奇心】 https://www.slideshare.net/ShotaImai3/curiosity-reinforcement-learning-238344056

Four years after partnering with Apple on the launch of the Apple Card, Goldman Sachs may be eyeing the exits. The Wall Street Journal reports that Goldman is “looking for a way out” of it

PayPayカードのメリット・デメリット|怖いと言われる理由と評判レビュー。ゴールドと一般どっちがおすすめ?

Email Subscriptions are here! Get notified in your email when a new post is published to this blog Today, we’re announcing that the next release after .NET Core 3.0 will be .NET 5. This will be the next big release in the .NET family. There will be just one .NET going forward, and you will be able to use it to target Windows, Linux, macOS, iOS, Android, tvOS, watchOS and WebAssembly and more. We w

Jetson Nano ファーストインプレッション 謎の半導体メーカーのボード型コンピュータ、Jetson Nanoを購入しました。 NVIDIA Jetson Nano 開発キット メディア: 少し出遅れたので、届くのが遅くなりましたがようやくゲットできました。 ジャーン 裏側をみてみる ん…？？ え、えーーー！ どうかしてるぜNVIDIA、じゃなかった謎の半導体メーカーさん。 ちなみに、Jetson Nanoの箱は台としても使えるので、大切にとっておきましょう。私のように何も考えずバキバキに破壊しながら開けたら、無残な状況になりますゆえ。 無残な状況 Jetson Nanoセットアップ 些細なこと？は気にせず、セットアップしていきます。 ハードウェアの準備 電源、HDMIケーブル等、ラズパイの周辺機器がほぼそのまま使えました。あと、カメラモジュールはV2のみ対応らしいので、間違えてV1

マイクロソフトは米シアトルで開催中のイベント「Microsoft Build 2019」で、Webブラウザで動作する開発環境「Visual Studio Online」を発表しました。 Visual Studio OnlineはWebアプリケーションとして提供されるため、Webブラウザから「https://online.visualstudio.com」へアクセスすることで利用可能になる予定です。 Visual Studio Codeをベースにしており、既存の拡張機能も利用可能。 Visual Studio CodeのワークスペースとVisual Studioのプロジェクトに対応し、機械学習がコーディングを支援してくれる「IntelliCode」、Visual Studioファミリー製品のあいだでリアルタイムにコードの編集やデバッグ操作などを共有できる「Live Share」機能などが最初

［速報］オープンソースの「.NET 5」がすべての.NETを引き継ぐ。.NET Frameworkと.NET CoreとXamarinは「.NET 5」に。Microsoft Build 2019 現在、マイクロソフトが提供するおもなフレームワークは、Windows向けの「.NET Framework」、当初はおもにサーバアプリケーション向けとして登場したオープンソースの「.NET Core」、そしてモバイル向けの「Xamarin」の3つに大別できます。 マイクロソフトは米シアトルで開催中のイベント「Microsoft Build 2019」で、これらフレームワークの新たなロードマップを発表しました。 .NET Core 3はすでに.NET Framworkの多くの機能を組み込んでおり、その後継となる.NET 5はさらにXamarinやMonoの優れた点を取り込むことで、.NET 5はすべ

Windows 10やWindows Serverには、Linux向けのファイルを実行するための互換レイヤーであるWindows Subsystem for Linux(WSL)が搭載されています。Microsoftは、このWSLが常にLinuxの最新バージョンをサポートできるようにするために、WSLの次期バージョンであるWSL2へWindows 10用に構築された完全なLinuxカーネルを組み込むつもりだと公式ブログで発表しました。 Shipping a Linux Kernel with Windows | Windows Command Line Tools For Developers https://devblogs.microsoft.com/commandline/shipping-a-linux-kernel-with-windows/ Microsoft is going

［速報］マイクロソフト、「Windows Terminal」発表。タブ機能、コマンドプロンプト、PowerShell、SSHなどを統合、オープンソースで開発中。Microsoft Build 2019

MirrorGANとは 先月（２０１９年３月）に発表された、GANを使ったテキストから画像を生成する（text to image）研究の論文です。現在、CVPR2019にも承認されているようです。 MirrorGANの本家論文 実装したコードはこちらです！ インプットのテキストと生成された画像 ミラー構造 MirrorGANはT2I(text to image)とI2T（image to text)の両方を統合することによってミラー構造となっています。 文章からGANで画像を出力し、それを元に文章を再生成することでT2I生成を学ぶという仕組みです。 MirrorGANの3つのコアモジュールの構造 MirrorGANは、「テキストから画像への再記述学習生成」という3つのモジュールからなリます。 ・ セマンティックテキスト埋め込みモジュール（STEM） ・ カスケード画像生成グローバル - ロ

中国の警察は少数民族を識別するためにAIを使っている2019.04.29 20:008,916 Melanie Ehrenkranz - Gizmodo US ［原文］ （ 岩田リョウコ ） 邪悪な使い方！ 顔認証技術はとても優れていて便利なテクノロジーですが、悪い使い方をされると悪い意味でとてもパワフルなツールにもなってしまいます。悪い使い方がされないことを祈るばかり...と思ったらすでに中国でそんな使い方がされてしまっているのです。 ウイグル人を街頭カメラで追跡New York Timesによると、中国政府はイスラム教徒の少数民族ウイグル人を追跡するために顔認証技術を利用しているとのこと。 New York Timesが入手した政府資料によると、去年の初めから中国の警察はウイグル人を特定・追跡するためのテクノロジーの導入に興味を示していることが判明。そして今年2月から国内で顔認証システ

TensorFlow Probability (TFP)がリリースされてからしばらく経ちますが、最近になってこんなモジュールが公開されたと知りました。 Framework for Bayesian structural time series modelsと題されている通りで、ズバリTFPでベイズ構造時系列モデルを推定するためのモジュールです。 ベイズ構造時系列モデルの推定は以前このブログでもRStanやRの{bsts}パッケージを使って散々やりましたが、そもそもTFPはサンプリング手法にHMCを使うなど割とStanとの共通点が多く、またこのtfp.stsモジュール自体がそのクラスのネーミングからしてどう見ても{bsts}を意識したものなので、それらを時系列データ分析に使ってきた人にとっては取っ付きやすいかもしれません。 ということで、かなり大雑把にですが使い心地を試してみようと思います。

It was a very busy week in the world of fintech, which certainly kept us on our toes. We covered a couple of notable M&A deals (including one of the biggest of the year so far), a different kind o