「感情認識AI」の危険性を専門家が警告、一体何が問題なのか？
リモートワークやリモート授業が浸透するにつれ、労働者や生徒をデバイス越しに監視するソフトウェアの需要が増加しています。中にはリモートで通信する相手の表情から感情を読み取る「AIを使ったソフトウェア・サービス」も存在しますが、これらの技術は科学的な実証がされておらず、誤用が懸念されると、人工知能(AI)の社会的影響を研究するケイト・クロフォード氏が論じています。 Time to regulate AI that interprets human emotions https://www.nature.com/articles/d41586-021-00868-5 新型コロナウイルス感染症(COVID-19)の影響で都市封鎖が行われ、リモート勤務やリモート学習が推奨されるようになりました。クロフォード氏によると、「これまで対面で行われていたコミュニケーションが遠隔で行われることで、感情が伝わり
［文章生成］パープレキシティーとドロップアウトにより、よりよい文章生成を目指してみよう
今回の目的 前回はPyTorchのRNNクラスを使って、梶井基次郎の小説データを基に文章生成を行いました。できあがったニューラルネットワークモデルは、「檸檬」を与えると「檸檬などごくありふれている」という文を頻繁に生成するようなものとなっていました。恐らくは訓練データに過剰に適合した（過学習をした）ことにより、このようなモデルになってしまったのでしょう。 そこで、今回はパープレキシティーという損失とは別の指標を導入して、前回のニューラルネットワークモデルがどんなものだったかを観察した後、過学習を避ける仕組みを導入します。果たして、これにより前回よりもよい精度で文を生成できるようになるのでしょうか。 なお、分かち書きされたデータから辞書やデータセット／データローダーを作成するコードなどは前回までに見てきたものと同様なので、本稿ではそれらについては紹介しません。ここでは、前回までのコードに少し
GPUに比べて最大15倍高速な市販CPU向けのディープラーニングアルゴリズムが開発される
近年のAIは、人間が手を加えなくてもコンピューターが自動的に大量のデータからそのデータの特徴を発見する「ディープラーニング(深層学習)」という学習手法で動いています。このディープラーニングは、コンピューターゲームに代表されるリアルタイム画像処理に特化した演算装置・プロセッサであるGPUで処理されるというのが通例ですが、ライス大学のコンピューター科学者がIntelと共同で「GPUに比べて最大15倍も高速にディープラーニングできるCPU向けソフトウェア」を開発しました。 ACCELERATING SLIDE DEEP LEARNING ON MODERN CPUS:VECTORIZATION, QUANTIZATIONS, MEMORY OPTIMIZATIONS, AND MORE (PDFファイル)https://proceedings.mlsys.org/paper/2021/file/
ディープラーニングは今までの将棋AIとどう違う？ HEROZエンジニアが開発した将棋AIが電竜戦で初優勝した理由
機械学習・深層学習によるAI関連手法を固有のコア技術としているHEROZのAIエンジニアが「将棋AI」「深層強化学習」など、最新の人工知能の技術動向について話しました。全3回。1回目は2名のエンジニアの経歴と将棋AIの特徴について。 HEROZ株式会社の紹介 井口圭一氏（以下、井口）：HEROZの井口です。よろしくお願いします。本日は将棋AIを開発しているトップエンジニアたちに出ていただいて、最新の開発について話をしてもらおうと思っています。 最初に会社の紹介をしたいと思っています。HEROZは2009年に設立して、ここに載っている4名の役員で経営しています。 2012年に将棋ウォーズをリリースして、オンライン上でみなさんに将棋をプレイしてもらっています。2018年には東証マザーズに上場して、2019年には東証一部に市場変更しています。まだまだいろいろなところにAIを展開していきたいなと思
従来比20倍!?顔認識向け超大規模な公開データセット「Webface260M」
3つの要点 ✔️ MS1MやMegaFace2に対して、人物数が最大で20倍、画像数が最大で10倍の超大規模な公開データセットを構築 ✔️ 顔認識の実用で重要な推論時間を考慮した新しい評価プロトコルを提案 ✔️ IJB-CでSOTA、NIST-FRVTで3位と高い性能を達成 WebFace260M: A Benchmark Unveiling the Power of Million-Scale Deep Face Recognition written by Zheng Zhu, Guan Huang, Jiankang Deng, Yun Ye, Junjie Huang, Xinze Chen, Jiagang Zhu, Tian Yang, Jiwen Lu, Dalong Du, Jie Zhou (Submitted on 6 Mar 2021) Comments: Accep
データ ドリブン DX を実現 | Find new value on Azure
企業のデジタル トランスフォーメーション（DX）はこれまでにないスピードで加速しており、データ・ AI 活用は実践フェーズへと突入。マイクロソフトが提供する Data & AI サービスは、インフラ構築からデータマネジメント、データ分析・AI 活用までをクラウドで実現。企業の意思決定の判断材料を増やし、これまでにない新たな企業価値を創造することが可能です。データに無制限のスケール、無制限のパフォーマンスを提供する Azure で、無制限の可能性を目指しましょう。 データベース、分析、データ ガバナンスを包括的かつシームレスに 提供する“Microsoft Intelligent Data Platform”
Microsoft AI 事例大全 ~ AI の活用で企業は何を達成したのか ~[2021年3月公開版]
2020 年、すべての業界は新型コロナウイルス感染症 (COVID-19) という、かつてない試練に対峙しました。 そのような環境の中、企業のデジタルトランスフォーメーションはこれまでにないほど加速し、さまざまな企業が改革とともにレジリエントな組織になるため、AI を活用した DX の取り組みを実践しています。DX を推進するために組織に求められるものは、“分析力” と “予測力” です。収集した膨大なデータから、必要な情報を簡単に発見し管理し、分析からインサイトを得て、より正確な予測に基づいて先手を打つことが、デジタル レジリエンスとトランスフォーメーションの実現につながるのです。DX を実現した企業がどのようにこれらの力を得たのか、そして最先端のテクノロジーによって何を達成したのかー。変革を遂げた企業の挑戦をご紹介します。 講師
![Microsoft AI 事例大全 ~ AI の活用で企業は何を達成したのか ~[2021年3月公開版]](https://cdn-ak-scissors.b.st-hatena.com/image/square/9858a8d6c469715c9150c4a58437fff03c904988/height=288;version=1;width=512/https%3A%2F%2Finfo.microsoft.com%2Frs%2F157-GQE-382%2Fimages%2FMS_Symbol_Social_FB_TWTR_LNKD_INSTA.png)
統計学を勉強するときに知っておきたい10ポイント - Issei’s Analysis ～おとうさんの解析日記～
googleさんやマイクロソフトさんは「次の10年で熱い職業は統計学」と言っているようです。またIBMは分析ができる人材を4,000人増やすと言っています（同記事）。しかし分析をするときの基礎的な学問は統計学ですが、いざ統計学を勉強しようとしてもどこから取りかかればいいか分からなかくて困るという話をよく聞きます。それに機械学習系の本は最近増えてきましたが、統計学自体が基礎から学べる本はまだあまり見かけないです。 そこで今回は、統計学を初めて勉強するときに知っておいた方が良い10ポイントを紹介したいと思います。 1. 同じ手法なのに違う呼び名が付いている 別の人が違う分野で提案した手法が、実は全く同じだったということがあります。良く聞くのは、数量化理論や分散分析についてです。 数量化理論 数量化I類 = ダミー変数による線形回帰 数量化II類 = ダミー変数による判別分析 数量化III類 =
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
Casual Conversations Dataset
Shedding light on fairness in AI with a new data set
Machine Learning Ops
Deep Learning