「人工知能(AI)の予測は当てにならない」「予測が外れたら誰が責任を取るのか」「このAIは業務で使えない」。AIを業務の現場に導入したところ、ほどなくして業務担当者からこんなネガティブな意見が噴出する――。ソフトウエアエンジニアリングの研究者である、名古屋大学の森崎修司准教授によると、国内企業でデジタルトランスフォーメーション(DX)の一環としてAIの開発・導入が盛んになる中、こんなケースが起
株式会社RABOは、猫の生活をテクノロジーで見守る「Catlog(キャトログ)」「Catlog Board」を開発しています。 バイオロギング技術を応用し、これまで見えなかった”猫様の時間”を見えるようにします。 2022年4月にはシリーズBラウンドにおいて総額約13.2億円の資金調達が完了し、これにより累計資金調達額は、国内のペットテック・スタートアップとして最大となる21.7億円となりました。 リリースして以降、順調に事業は成長し、現在多くの猫様がCatlogライフをはじめていらっしゃいます。皆猫様から送っていただいたデータをAIが解析し、Catlogが保有する猫様の行動データは日々増えています。 2023年10月にはアメリカでローンチをし、今後は掲げたミッションをグローバルレベルで実現していくために「アニマルウェルフェア」を軸としたESG経営をさらに強化し、ペットテック×ESGを牽
2018年の発行以来、多くの読者に支持された書籍を全面改訂! 不確実性の高い機械学習プロジェクトについて、「仕事で使う」という観点から整理するコンセプトはそのままに、初版の発行後に登場した概念や課題を取り上げます。「機械学習でいい感じにしてくれ」と突然上司に言われたとき、本書で学んだことが読者の力になるはずです。本書で得た知識は読者が「いま」困っている問題を解決する助けとなるでしょう。 第2版では、機械学習システムの開発と運用の統合する「ML Ops」、機械学習モデルを解釈し、その妥当性や根拠を明らかにする「機械学習モデルの検証」、ユーザーの行動を学習しながら予測を進める「バンディットアルゴリズム」、意思決定における予測システムの役割や意思決定のデザインを扱う「オンライン広告での機械学習」といった新章を追加しています。 本書のサポートページ(GitHub) まえがき 第I部 1章 機械学習
昨年の将棋ソフトのオンライン大会である電竜戦で優勝したGCT。最近、floodgate(コンピュータ将棋のオンライン対局場)にgcttest_x6_RTX2080tiという強いソフトが登場した。これはそのGCTの開発者である加納さんが放流されている評価関数の育成中のGCTである。このソフトが2080TiというGPUの性能からすると強すぎるので、2080Tiの6枚刺しではないか、シングル(1枚刺し)だろという議論(罵り合い?)がなんとかちゃんねるでさかんに行われている。 429 名無し名人 (ワッチョイ a301-xfeT)2021/04/06(火) 13:32:52.91ID:1YM8Ydqj0 加納さんのツイートを見たけど、どこにもgcttest_x6_RTX2080tiが2080Tiシングルっていう ツイートは見当たらないよ。 前に序盤定跡を少しだけ使用してレート4100くらいのgct
3つの要点 ✔️ GPT-3におけるfew-shotの問題点 ✔️ GPT-3は本当は何を学習しているのか? ✔️ GPT-3が学習した機能を本当に引き出す方法を提示 Prompt Programming for Large Language Models: Beyond the Few-Shot Paradigm written by Laria Reynolds, Kyle McDonell (Submitted on 15 Feb 2021) Comments: Accepted to arXiv. Subjects: Computation and Language (cs.CL); Artificial Intelligence (cs.AI) code: はじめに GPT-3は少数サンプル(Few-shot)のpromptを使う事で、様々な言語タスクに対して最高水準の結果を達成
機械学習は翻訳、推薦システム、異常および不正検出など、さまざまなアプリケーションで利用されており、今後も機能強化のために、機械学習を組み入れるサービスはますます増えていくと考えられています。しかし機械学習はモデルの学習や評価など、これまでのアプリケーションにはない処理が必要となるだけでなく、正常に動作しているかを単純なテストだけでは検証できないなど、特別な配慮が必要となります。本書は機械学習を利用するアプリケーションを設計、構築、デプロイするために注意すべき点をまとめました。繰り返しによりデータやモデルを漸進的に改善する方法、モデル性能の監視やモデルのデバッグを行う方法など、アプリケーションを構築、運用する上で、その品質を左右する一連のプロセスを詳しく解説します。 訳者まえがき まえがき 第Ⅰ部 適切な機械学習アプローチの特定 1章 製品目標からML の枠組みへ 1.1 何が可能であるかを
ベンチャー企業の社長「アイ」(AI)と、その従業員「太田」(oTA)が、特許庁の審査官・新崎純(しんざき・じゅん)とともに、AI・IoT関連特許について学ぶ漫画。 ソフトウェア特許の考え方などIoT・AIに特徴的な要素に加え、「発明該当性」や「新規性」「進歩性」など特許の基本もテーマごとに解説しており、目次から気になる項目だけを読むこともできる。 漫画でAI・IoTの特許審査基準を解説するのは「世界初」の試みという。特許庁の職員が自作したもので、「漫画としては荒削りで至らぬ点が多々あるかと思いますが、あたたかいご理解をたまわれば」としている。 関連記事 特許庁、画像を初めて意匠登録 クラウド活用、センシング技術の発展見据え 特許庁が小糸製作所の「エリアマーカー」を、画像として初めて意匠登録した。クラウド活用やセンシング技術の発展を背景に意匠法が改正され、画像のデザインにも独占権を認められる
私のホーム・ページにようこそ 制作協力:福井崇人・一場知之/最後の訂正:2023年1月15日 [ 英語 | 日本語 ] 研究・教育活動の主な分野 統計学、計量経済学、数理・計量ファイナンス、経済統計学、データサイエンス(統計科学) 最近の活動 社会協力活動 国土交通省第三者委員会委員(建設工事受注動態統計調査の不適切処理問題, 2021.12.23-2022.1.14) 報告書, 国土交通省 研究協力 経済時系列解析プログラム・季節調整法X12SIML(佐藤整尚先生, 2023.2.1) 日本語解説, 英語解説 新刊 「データ分析のための統計学入門」("OpenIntro Statistics, 4th Edition" by D.Diez, M.Cetinkaya-Rundel and C.Barr, 日本語印刷版(誤植訂正版), 日本統計協会, 小暮厚之氏・吉田靖氏と共訳,2021年3
rinna株式会社(本社:東京都渋谷区/代表取締役:ジャン“クリフ”チェン、以下rinna社)は、日本語に特化したGPT-2の大規模言語モデルを構築し、オープンソースとして公開しました。 ■背景 rinna社は、MicrosoftのAI&リサーチ部門でAIチャットボットの研究を行っていたチームがスピンアウトして2020年6月に設立したAI開発企業です。ディープラーニング技術を活用し、AIが文脈に応じた会話文を自動生成して人間と自然に会話する「共感チャットモデル」、AIが話し声や歌声で豊かな感情表現を可能にする「音声合成システム」などの技術を発表してきました。これらの最新技術は、当社が運営するAIチャットボット「りんな」や、会話内容や音声表現をカスタマイズしてキャラクター性を持たせたAIチャットボットである「AIキャラクター」の開発に応用され、企業のマーケティングなどにお使いいただいています
This corpus is an attempt to recreate the dataset used for training XLM-R. This corpus comprises of monolingual data for 100+ languages and also includes data for romanized languages (indicated by *_rom). This was constructed using the urls and paragraph indices provided by the CC-Net repository by processing January-December 2018 Commoncrawl snapshots. Each file comprises of documents separated b
","unk_token":"","pad_token":"[PAD]","bos_token":"","cls_token":"[CLS]","sep_token":"[SEP]","mask_token":"[MASK]"}},"discussionsDisabled":false,"downloads":2768,"downloadsAllTime":484595,"id":"rinna/japanese-gpt2-medium","isLikedByUser":false,"isWatchedByUser":false,"inference":"Yes","lastModified":"2024-04-03T07:15:26.000Z","likes":66,"pipeline_tag":"text-generation","library_name":"transformers"
ReStyle: A Residual-Based StyleGAN Encoder via Iterative Refinement Yuval Alaluf Or Patashnik Daniel Cohen-Or Tel-Aviv University International Conference on Computer Vision, 2021 Paper Code Colab Demo Abstract: Recently, the power of unconditional image synthesis has significantly advanced through the use of Generative Adversarial Networks (GANs). The task of inverting an image into its correspon
こんにちは、大学 1 年生になったばかりの E869120 です。 私は競技プログラミングが趣味で、AtCoder や日本情報オリンピックなどに出場しています。ちなみに、2021 年 4 月 7 日現在、AtCoder では赤(レッドコーダー)です。 本記事では、アルゴリズムの学習や競技プログラミングで使える数学的な部分を総整理し、それらについて解説したいと思います。前編・中編では数学的知識、後編(2021/4/26 公開予定)では数学的考察の側面から書いていきます。 【シリーズ】 アルゴリズム・AtCoder のための数学【前編:数学的知識編①】 ← 本記事 アルゴリズム・AtCoder のための数学【中編:数学的知識編②】 アルゴリズム・AtCoder のための数学【後編:数学的考察編】 1. はじめに 21 世紀も中盤に入り、情報化社会(いわゆる「IT 化」)が急激に進行していく中、
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