株式会社プラグは、デザイン評価システム「パッケージデザインAI」をオタフクソース株式会社（以下、オタフクソース）に提供。新商品「焼そばソース大人の辛口」およびリニューアル商品「お好みソース大人の辛口」のデザイン開発を支援しました。 評価・生成で最適なデザインを提案 「パッケージデザインAI」は、1000万人以上のデザイン評価をもとに東京大学との共同研究で開発されたAIシステム。デザイン生成と評価を繰り返す生成AIと、消費者のデザイン評価を予測する評価AIで構成されています。 生成AIは、複数のデザインをアップすると約1時間で最大延べ1000のデザイン案を生成可能。消費者に好まれる好意度の高いデザイン TOP100や、「かわいい」「おいしそう」などイメージワードとの合致度ランキング100といった形で結果を表示します。また、「30代男性」などターゲットを絞り込んだデザイン生成も可能です。 評価

AIの作業精度向上により、さまざまな業務がAIによっておこなわれるようになりました。まだ課題はありつつ、地上では自動運転車が走行しています。 空も例外ではありません。混雑した空域でも飛行できるAIパイロットが開発されました。 飛行機をAIが操縦Carnegie Mellon Universityの研究チームが開発したAIパイロットは、6台のカメラとコンピュータービジョンシステムを搭載しています。 これにより、人間のパイロットと同じように、近くにいる航空機を視覚的に発見。航空機を追跡して軌道を予測し、必要に応じて衝突を回避する行動をとります。 合成音声で無線に応答同AIパイロットは、自然言語処理技術を搭載した自動音声認識機能により、受信した無線メッセージを理解します。また、パイロットや航空管制官と無線でコミュニケーションをとることができ、合成音声で応答するといいます。 研究者たちは今後、人間

Tech AI企業が開発した、着るだけでAIカメラをだませるカモフラージュ柄。監視社会が孕む “脆弱性” 警鐘へ カラフルでサイケデリックな柄のプリントが施されたTシャツ。実はこれは、AI監視カメラに「人として認識されにくくなる」カモフラージュアイテムです。 同アイテムは、株式会社Qosmoが慶應義塾大学SFC、Dentsu Lab Tokyoと共同で立ち上げた「UNLABELED」プロジェクトによるもの。AI領域でメディアアートや制作ツールを手がける同社は、その技術を応用してAIを“ハックする”カモフラージュ柄を生み出したのです。 今回は、カモフラージュ柄生成システムの開発に携わったエンジニアの中嶋亮介さんにお話を伺いました。 なぜ、AI企業がAIをだますカモフラージュ柄を開発したのでしょうかーー。 その背景には、AI監視カメラの社会実装に伴う「ラベリング」への危惧がありました。 AIで

データ分析家や研究者などのデータサイエンティストが分析手法を投稿し、お互いに競う世界最大級のAIコミュニティ「Kaggle」にて開催されたゲームAIコンペティション「Hungry Geese」。世界中から875チームが参加した同コンペで、株式会社QUANTUM（クオンタム）のAI技術顧問である大渡勝己氏と株式会社ディー・エヌ・エーの田中一樹氏によるチーム「HandyRL」が優勝を果たしました。 多様な状況変化に対応するAI「Hungry Geese」では、自分のチームのガチョウを操作し、食物を食べて体を長くしながらマスの上を移動する中で、自分の体や相手チームのガチョウにぶつかることなく長く生き残れば勝ちというゲームを4チーム同時に対戦します。同コンペは、このゲームをプレイするAIを開発し、その強さを競うというものです。 チーム「HandyRL」のAI開発は、機械学習システムの開発と実装支援

人間は、形状や色、背景なんかの属性をわけて想像できますが、AIはこれが苦手です。たとえば、オレンジ色のネコを思い浮かべ、次に同じ猫を黒色に変換。そしてその猫が万里の長城を歩いているところを……といった想像も、AIにとってはむつかしいようです。 南カリフォルニア大学ビタビ工学部（USC Vitervi）の研究チームは、学習した知識を属性に分離したうえで、再結合して新しいオブジェクトを想像するプロセスを、ニューラルネットワークでシミュレートしました。こうして開発されたAIは、人間のように属性を考慮して新しいオブジェクトを想像できます。 サンプルのグループから類似性を抽出して学習コンピュータ・ビジョンでは、一般的にピクセルからサンプルの特徴を学習します。これゆえ画像生成AIが、オブジェクトの各属性について必ずしも深く理解しているわけではありません。 研究チームは、「Disentanglement

世界中で3億人以上が利用するSpotifyが新しい機能の提供を開始した。機械学習を活用してパーソナライズされた音楽体験を届ける「Spotify Mixes」は、ユーザーに好みの音楽を自動的におすすめする。 聴けば聴くほど進化する新しいプレイリスト機能である「Spotify Mixes」は、ユーザーが日頃よく聴いている曲やアーティストをベースに、おすすめの曲をミックスしたものだ。ユーザーの好みの音楽を「アーティスト」「ジャンル」「年代別」の3つのカテゴリーでプレイリストが自動作成されるので、Spotifyを聴けば聴くほど自分好みに進化していくという。 パーソナライズ機能はSpotifyの得意分野といえる。これまでも同社は、ユーザーがよく聴く音楽にジャンルや雰囲気などが近いおすすめの曲を交えたプレイリストをおすすめする「Daily Mix」を提供してきた。同機能は、ユーザーが日頃聴いている音楽

大規模なデータセットでトレーニングされた言語モデルでは過学習についての考慮はなされず、元データの文字列がそのまま生成されることはほとんどないとされる。 ところが、カリフォルニア大学バークレー校バークレーAI研究所（BAIR）の研究者らによれば、言語モデル「GPT-2」が意図しない場面で、円周率を答えるように個人情報を逐語的に生成してしまう可能性があるという。GPT-2がピーターの個人情報を正確に生成言語モデルはクレジットカード番号や書籍のまるごと一章、あるいはコードスニペットを記憶しているかもしれない。 研究者らは、いくつかのサンプリング手法を用いてGPT-2により合計60万のサンプルを生成した。これらの中からもっともらしさが異常に高い1800のサンプルを選択して調査したところ、604のサンプルに逐語的に再現されたテキストが含まれていることがわかった。 例えば、GPT-2のプロンプトに短い

AIといえばクラウド上の大型コンピューターで動くもの、と思ってはいないだろうか。これまでの常識はそうかもしれない。しかし、来年からは違う。 エッジAIを開発するスタートアップ「エイシング」が、数ミリ四方の極小チップに搭載できるAIアルゴリズムを開発、2021年1月から提供を開始する。 ネット接続不要の「エッジAI」AIには計算処理パワーやメモリ容量が必要なため、クラウド上のコンピューターに搭載されるのが今は主流だ。この場合、ネット接続を通してAIを利用するわけだが、そうなると通信速度による反応の遅れや、通信障害のリスク、通信費の増加といったデメリットが生まれてしまう。 これを回避するために、最近注目されているのが「エッジAI」だ。エッジ（edge）とは「端、縁（ふち）」の意で、私たちが使うデバイスや機械そのものに搭載されるスタンドアローン型AIを指す。 今回開発されたAI（正確にはAIアル

Papercupは動画の中から人の声を抽出し、別の言語に翻訳して吹き替え音声を付加する技術を開発した英国のベンチャー企業だ。コンテンツ制作会社やYouTuberが、他の言語へ動画を展開するのを助けている。 音声認識・翻訳・吹き替えの流れを自動化近年は動画コンテンツが増加してきているが、99.9%の動画は1つの言語で制作されてきた。YouTubeに限らず、ポッドキャストやCoursera等のオンラインクラス、そして、Netflixのような動画配信サービスを含め、多言語化が進めば、より多くの視聴者へリーチできる。 Papercupは動画の吹き替えを自動化し、動画制作者が低コストでコンテンツを多言語化するのを支援するものだ。アップロードされた動画の中から人の声を抽出し、指定された言語について機械学習によって翻訳を行って、人の音声を重ね合わせる流れになっている。 さらに、翻訳の品質を担保するため、

スタンフォード大学の研究チームは、直感的で高速なロボットアームの制御技術を開発した。従来、多関節のロボットアームを制御するのはむつかしく、時間もかかる。 研究チームによるアプローチでは、ジョイスティックでの操作を単純化。2つのAIアルゴリズムを統合して、正確で高速な制御を実現した。 2軸の操作で複雑な制御を従来、6～7関節のロボットアームを操作するには、人間がジョイスティックのモードを切り替える必要がある。研究チームの開発した技術ではこうした切り替えを省いたもの。ユーザーは上下/左右の2軸のみのコマンドで操作可能だ。 まず1つ目のAIアルゴリズムが、ロボットアームを状況に応じたアクションに導く。研究チームは、特定のコンテキストでロボットアームの操作をトレーニング。これを2軸表現に圧縮した。例えばアルゴリズムは、つかむ対象がドアノブなのかコップなのかといった判断をしてくれるようだ。 アルゴリ

自動運転車が解禁されるかどうかは、AIの信頼性を高められるかにかかっているだろう。路上のオブジェクトの認識と、それをもとにした意思決定の精度が搭乗者の身の安全を左右する。 もし、コンピュータビジョンとLIDARからのデータが矛盾した情報を導き出したのなら、システムが瞬時にどちらがより正確かを判断しなければならない。こうした考えから南カリフォルニア大学（USC）の研究者は、AIによって生成されたデータと予測が信頼できるかどうかを調べるツールを開発した。2年越しで開発のAI評価ツールこれまで、AI予測の信頼性については評価しようがなかった。DeepTrustは「主観的ロジック」と呼ばれる技術を採用して、AI予測の信頼性を定量化する。 ちなみに研究者は、ニューラルネットワーク・アーキテクチャを評価できるツールの開発に2年を費やしたようだ。 2016年の大統領選挙で活用された勝利を予測するAIでD

人体の細胞約37兆個には同じDNA配列が含まれている。ただし、遺伝子発現パターンは全く異なることがあり、転写因子の結合やタンパク質の相互作用など多くの調節メカニズムの影響を受ける。 香港中文大学（CUHK）の研究チームは、ガンの誘発にも深く関わるこの遺伝子発現のメカニズムを、機械学習と自然言語処理で解明しようとの意向だ。 チームが開発したフレームワーク「Gene Expression Embedding frameworK（GEEK）」は、遺伝子発現に関わる複数のメカニズムを同時に研究できて、複雑な相互作用の解明に期待できる。 関連するメカニズムを同時に研究チームの研究者は、2017年に「エンハンサー」と呼ばれる遺伝子の発現調節にとって重要な役割を担う領域を研究した。 エンハンサーによる遺伝子発現への影響を調べる過程で、肝臓ガンに関連している可能性のある3つの遺伝子を発見したという。ただし

膨大なデータ量を処理するデータベースのチューニングは、まだまだ人力に頼らざるを得ないのが現状だ。また、幅広いアプリケーションで機能するよう設計されているデータベース・システムでは、個別で見たときに必ずしもベストなパフォーマンスが出るとは限らない。 こうしたなか、MIT Computer Science and ArtificialIntel ligence Laboratory（CSAIL）の研究チームは、機械学習によってデータベースのパフォーマンスを高めるシステム開発を企てている。 PostgreSQLに統合される同システムは、SQL問い合わせ（クエリ）の最適化に機械学習を使った初のアプローチだ。 クエリのタイプに応じてデータ構造を再編成研究チームは、メモリへの負荷を最適化し、個々のアプリケーションに応じて一部データ構造を再編成するシステム開発を目指している。 手始めとして、クエリのタイ

AIが文化や社会システムに浸透し、人々の思想や意思決定に大きな影響を及ぼしつつある。こうした状況が、知らず知らずのうちに人種的な不平等を拡大しているかもしれない。 ケンブリッジ大学の研究者は、AIが白人化しているとの研究結果を発表した。研究者はAIのルックスからアルゴリズムまでを取り上げ、この先ますます広がるであろう無自覚なAI信仰に警笛を鳴らす。AIは見た目や声が白人研究者は、ターミネーター、エクス・マキナ、her…といったSF作品に登場するロボットやAIは、そのほとんどが見た目や音声に白人のものが採用されていると指摘する。 現実に開発されているロボット/AIについてもこれがあてはまり、AIの象徴としてよく登場するヒューマノイドの「ソフィア」が最たるものだという。 AIの白人化は文化的な表現だけにとどまらない。アルゴリズムには開発者の偏見が反映されることが知られるが、研究者は大手テックの

5月のリリース当時には実用性の面で期待外れとの声が聞かれた文章生成AI、GPT-3の活用事例が挙がってきている。 徳島県在住のBemmu SepponenさんはGPT-3をプレゼン用スライドの制作に用いたようだ。ほかにも、GPT-3を用いて指定したウェブアプリケーションを生成するサービスなんかも登場している。 プレゼン用スライドの文章を生成GPT-3はOpenAIが開発したTransformerベースのモデル。文章を与えると、次に続く文章を生成してくれる。インターネット上の膨大な文章によりトレーニングされていて、なんと1750億個のパラメーターを持つ（先代のGPT-2は15億個）。 英語を話すユニコーンの話など、創造的な文章の生成が得意なイメージのGPT-3だが、プレゼン用スライドの文章生成は実用的とも捉えられるだろう。 Bemmuさんは、プロンプトに「関西のHacker Newsのイベン

AIは学習の際に大きなエネルギーを消費する。これに対して人間の脳は、スーパーコンピュータ並みの処理を行っているにも関わらず、消費電力はわずか20ワット（スーパーコンピュータの100万分の1）程度だという。 ヒトのニューロン間の処理メカニズムを真似た「ニューロモーフィック・コンピューティング」を実現すべく、オーストリアのグラーツ工科大学の研究者らは、分散型の機械学習アルゴリズム「e-prop」を開発した。 同研究は、EUの資金提供で進められる神経科学とコンピューティングの研究プロジェクト「Human Brain Project」の一環だ。 分散型アプローチで脳の処理を模倣脳では、ニューロン同士が電気信号（スパイク）をやりとりして演算処理が行われている。スパイクやりとりの頻度は必要最低限に抑えられ、これが消費エネルギーの節約につながっているという。研究者らは、この原理を機械学習アルゴリズムに取