概要 この記事では、WebRTCとTensorflow.jsを用いた感情認識ビデオチャットの紹介をします。このアプリケーションは2018年11月に行われたWebRTCハッカソンをきっかけに開発をはじめました。現在はUIやインフラなどさらなる改良をし、こちらでAWSを使って公開しています。今回は使い方と全体のアーキテクチャまでに留めますが、ゆくゆくはシリーズ化して内部の詳細な設計に迫っていければと思います。また、この記事の最後にはアプリケーションの制作意図と、公開した経緯について触れさせていただきます。 使い方 文字で仕組みを紹介するよりまずは触れていただいた方が良いと思いますので、早速使い方の紹介いたします。 1. サイトへアクセス まずは通話する二人(A,Bとする)のどちらもこちらにアクセスします。 （サーバー改修のため現在アクセスできません） 注意点ですが、PCからはChromeで、i

南カリフォルニア大学ビタビ（Viterbi）工学部の研究チームは、機械学習を活用して、3Dプリンターによる造形品質を向上させる技術を開発した。造形物の精度を50％以上改善することに成功し、より経済的でサステナブルな方法として期待できる。研究結果は、2020年1月13日付けの『IEEE Transactions on Automation Science and Engineering』に掲載されている。 製造業の未来を拓くと言われている付加製造（AM：Additive Manufacturing）技術である3Dプリントは、設計データから造形物を直接作ることができるため、メーカーは部品を外注することなく内製化できるというメリットがある。 ただし、ある程度の形状誤差が生じるため、最初から精度の高い完成品を得るのは容易ではない。材料はプリント中に膨張したり収縮したり、予期せぬ挙動を示すうえ、プリ

株式会社ソニーコンピュータサイエンス研究所（以下、ソニーCSL）は3月24日、AIアシスト楽曲制作プロジェクトFlow Machines(以下、FM)によるサービスの開始を発表した。 FMは、機械学習や信号処理技術でアーティストと共に、いくつものスタイルの新たな音楽の生成に取り組んでいた。そのFMの核となっているのは、AIアシスト楽曲制作ツールFlow Machines Professional（以下、FM Pro）だ。さまざまな音楽を解析して構成された音楽ルールに加え、先端ソフトウェア技術を用いて、クリエイターの構想のもと多様なスタイルのメロディーを自由自在に生成できる。 ＞＞ Flow Machines 作曲者の作りたいスタイルに合わせたメロディー、コード、ベースを提案 FM Proは作曲に特化したツールで、作曲者の作りたいスタイルに合わせたメロディー、コード、ベースを提案してくれるA

用語「活性化関数」について説明。人工ニューラルネットワークにおける、ある1つのニューロンにおいて、入力を受けて、次のニューロンへ出力するために行う「非線形変換の処理（関数）」もしくは「恒等関数」を指す。 連載目次 用語解説 AI／機械学習のニューラルネットワークにおける活性化関数（Activation function）とは、あるニューロンから次のニューロンへの出力過程において、入力された数値を特定の方法で変換し、その結果を出力する関数のことである。 機械学習における人工ニューラルネットワーク（ANN：Artificial Neural Network）は、人間における生体ニューラルネットワーク（BNN：Biological Neural Network）の基本的な挙動を模倣している。人間のBNNでは、生体ニューロンが活性化（activation）することによって、電気信号がそのニューロン

東大発AIベンチャーのTRUST SMITHは、自動車工場におけるティーチング不要のアームロボット制御AIアルゴリズムの提供を開始した。 自動車製造の様々な作業工程で活躍する産業ロボットだが、まだ課題も残る。その一つが「ティーチング」だ。ティーチングとは、産業用ロボットを実際に動かすにあたり、要求する経路に沿ってロボットが稼働できるようにプログラミングを施す作業のこと。ティーチングマンには専門的な技術や知識が求められるが、国内でその数が不足していると言われている。人件費削減のために産業ロボットを導入しようとしたつもりが、ティーチングマン育成のために、かえってコストが増加してしまうというケースも少なくない。 今回、同社が提供を開始したのは、AIによるティーチングを不要としたアームロボット制御アルゴリズムだ。仮想空間上にて自動で経路を生成でき、従来、ロボットアームを導入する度にティーチングマン

Microsoftは2020年3月17日（米国時間）、「Excel」の新しい関数「LET」を発表した。LET関数は現在、β機能であり、「Office Insider」のInsiderチャネルに参加する「Office 365」契約者が利用できる。2020年中に他のチャネルのユーザーも利用できるようになる。 LET関数は、計算結果に“名前”を割り当てるものだ。これらの名前は、LET関数のスコープ内だけで適用できる。プログラミングの“変数”に似ているが、Excelネイティブの数式構文を使って実現するという。 LET関数を使用するには、名前と値のペア、およびそれらを使用する計算を定義する。名前と値のペアは少なくとも1つ定義する必要がある。LETは最大126個のペアをサポートする。

First off, we’d like to thank you for choosing PlaidML. Whether you’re a new user or a multi-year veteran, we greatly appreciate you for the time you’ve spent tinkering around with our source code, sending us feedback, and improving our codebase. PlaidML would truly not be the same without you. The feedback we have received from our users indicates an ever-increasing need for performance, programm

Google Cloud Platform（GCP）では、Google社内の研究開発で生まれたAIや機械学習技術を開発者向けに提供している。主要サービスの特徴や使い方を、Google所属のエンジニアが解説する。 第3回 Cloud AutoMLで機械学習に挑戦 今回は、GCPの機械学習（Machine Learning：ML）ツールである「Cloud AutoML」を取り上げます。Cloud AutoMLは、機械学習の専門知識が十分になくても、ビジネスニーズに合った高品質なモデルを構築できるサービス群です。 2020.03.23 第4回 BigQuery MLで手軽に機械学習を体験 「BigQuery ML」（BQML）は、GCPのデータウエアハウス「BigQuery」を使って、SQLクエリを通じて機械学習モデルを作成・実行できる機能です。慣れ親しんだSQLを活用できるので、複雑なコードを

こんにちは。AIチーム所属ソフトウェアエンジニアの@shidoです。 機械学習は様々なサービスの中で強力な武器となりますが、データパイプラインの構築や学習のための計算リソースの確保など、リーズナブルにシステムに組み込むには機械学習特有の困難を克服しなければなりません。 またその困難は機械学習の応用先によっても様々だと思っています。今回の記事ではデータパイプラインの構築に「Human-in-the-Loop (HITL)」と呼ばれる機構を違反出品検知のための機械学習システムへ取り入れた実例と、この仕組みについての考察をお話します。 もくじ 違反出品検知システムについて メルカリの安心・安全・公正な取引環境への取り組み ポリシーの変更について 不正取引の潮流の変化について 機械学習システムによる違反出品の検知 機械学習による違反出品検知の強みと課題 継続的なモデルアップデートの重要性 Huma

基本KPIや応用KPIが決まり、実際に、毎日の運用の中で定期的にデータを更新して、可視化するためには、一連の処理を自動化する必要があります。今回は、データパイプラインを扱うためのワークフロー管理ツールを紹介していきます。 データパイプラインとワークフロー管理 データパイプライン （⁠以下、パイプライン）とは、データ処理を行なう小さなタスク（1回のファイルコピーや、SQLの実行など）を順次実行することにより、最終的に求める結果を得るための一連のプロセスを指します。狭義には、単体のシステム内で完結するパイプラインを指します（SparkやGoogle Cloud Dataflow、など⁠）⁠。 また、広義には、複数のシステムを組み合わせて大きなパイプラインを構成することもあります（MySQLから取り出したデータをRedshiftで集計する、など⁠）⁠。今回、取り上げるパイプラインとは、広義のパイ

こんにちは。@shunk031です。 新型コロナウイルスが猛威を奮っていますね。 不要不急の外出は控えるのが大切そうです。 こういう時は引きこもって論文を読むのが一番です。 今回はコードエディタであるVSCodeで、深層学習モデルの実装を爆速にするための設定についてメモします。 深層学習モデルの実装をする際にはリモート上にあるGPUを搭載したサーバで実装をしたりデバッグすることが非常に多いです。 VSCodeはこうしたリモートでのコード編集およびデバッグを簡単に行える仕組みを多数揃えています。 本記事では、深層学習モデルの実装に頻繁に利用されるPythonを対象に、以下の観点からモデルの実装を爆速にする設定や機能について紹介します: Pythonの開発環境の構築 リモートのGPUサーバに接続するための設定 深層学習モデルの実装・デバッグを簡単にする機能 おすすめのショートカットキー・拡張機