DeepMind論文(2016/6) 「Unifying Count-Based Exploration and Intrinsic Motivation 」 記載のPseudo-count を用い、Deep Reinforcement Learningでの最難関ゲームであるMontezuma's Revengeを評価。Pseudo-countに加え、報告者の独自機能OHL(On-Hightscore-Learning)を含めて評価したところ、DeepMindの論文を超える探索範囲拡大に成功しました。また、OpenAI Gymで1位を獲得し(2016/10/13~2017/3/17)、サンフランシスコにあるOpenAIの招待を受け、説明に行ってきました。ブログ(http://itsukara.hateblo.jp/)に状況を逐次報告しています。 (注) 実験データ掲載用HTTPサーバを変更
増刷&第2版1刷の誤植に関するお知らせ 第2版の1刷にありました誤植に関して情報を掲載しました。http://ai.tanichu.com/errata_v2またおかげさまで重版が決まりました。ありがとうございます。上記の誤植は第2刷では解消される予定です。https://twitter.com/kspub_kodansha/status/1367029244409221126 投稿: 2021/03/03 21:36、Tadahiro Taniguchi 『イラストで学ぶ人工知能概論 第2版』発売とTwitterキャンペーン(ハッシュタグ #ホイールダック2号との思い出 ) おかげさまで「イラストで学ぶ 人工知能概論 改訂第2版」が2020年12月22日に発売されることになりました!お値段据え置きで随分と分厚くなりましたので、お手にとってもらえれば幸いです。2010年代の人工知能ブームを
AI Map English Download AI Map Beta 2.0 English (Sep. 1, 2021) Read more » AIマップβ2.0 AI研究初学者と異分野研究者・実務者のための課題と技術の俯瞰図 AI(Artificial Intelligence)研究は拡大し、全体を俯瞰的に捉えることが難しくなっている。また、AI研究の成果を用いた多数のシステム(AIシステム)が実社会で活用され始めており、AIシステムとAI技術との対応も把握が難しくなっている。そこで、これから活躍するAI研究の初学者、およびAI活用を狙う異分野の研究者・実務者をターゲットとしたガイドとして、AIマップβ2.0を作成した。本AIマップβ2.0は、2019年に発刊したAIマップβの発展版であり、AI課題マップと、AI技術マップの2種から構成される。概要を以下に示す。 【AI課題マップ】
どうもこんにちは.私も人工知能,大好きです. 実は好きが講じてとあるロボットスタートアップで家族型ロボットの人工知能の開発に携わっています.人工知能っていうと,もう既にバズワード化してしまっていますね.深層学習や強化学習,汎用人工知能とかニューラルネットワーク,ゲームAIとか自動運転等々,まあなんだかいろいろな言葉が飛び交っています. でも私の個人的な出発点って,本当は純粋に動物のような知能をロボットとして現実につくりたいという思いが第一で,役に立つとかってことは実は二次的な興味だったりするんですよね.人工知能の技術を使ってなんでもいいからオモロイものをつくってやろうというバイタリティのあるエンジニアの方々のようなモチベーションも自分には薄かったりします. このノートは,そのような自分が ひとつの動物としての知能をつくる という目標に向かってこれまで集めた雑多な知識のうち.ある程度整理のつ
Several machine learning models, including neural networks, consistently misclassify adversarial examples---inputs formed by applying small but intentionally worst-case perturbations to examples from the dataset, such that the perturbed input results in the model outputting an incorrect answer with high confidence. Early attempts at explaining this phenomenon focused on nonlinearity and overfittin
English PRESS RELEASE (技術) 2017年9月20日 株式会社富士通研究所 富士通株式会社 AIの推定理由や根拠を説明する技術を開発 「Deep Tensor」とナレッジグラフを融合 株式会社富士通研究所(注1)(以下、富士通研究所)と富士通株式会社(以下、富士通)は、グラフ構造のデータを学習する富士通研究所独自のAI技術「Deep Tensor(ディープ テンソル)(注2)」と、学術文献など専門的な知識を蓄積したナレッジグラフ(注3)と呼ばれるグラフ構造の知識ベースを関連付けることにより、大量のデータを学習させたAIの推定結果から、推定理由や学術的な根拠を提示する技術を開発しました。 近年、大量のデータを学習させることで機械が自らデータの特徴を学んでいくDeep Learningなどの機械学習技術の活用が広がる一方で、これらの技術は推定結果が得られた理由を人間が検証
竹中工務店は構造設計業務を効率化するAIシステムの開発に着手した。ベンチャー企業のHEROZと提携し、設計ノウハウを集約したデータから、実務に生かせるAIを育成していく。 竹中工務店は2017年11月17日、構造設計業務を支援するAIシステムの開発に着手したと発表した。AIを活用し、構造設計におけるルーチン作業の70%削減を目指すという。また、システムの開発に向けた協業先として、同年8月31日にAI開発を手掛けるベンチャー企業HEROZ(ヒーローズ、東京都港区)の新株予約権付社債を引き受けたことも発表している。 開発するAIシステムのベースとなるのは、竹中工務店が2001年に自社開発した構造設計システム「BRAIN(ブレイン)」だ。HEROZのAIプラットフォームと、BRAINに蓄積された竹中工務店の“ノウハウのかたまり“ともいえる数百件の設計データ群を利用し、深層学習などによりAIシステ
「スゲー。これが今の日本の技術か……」 「世間はここまで進歩していたのか」 開発したのは、兵庫県西脇市に本社を置くシステム開発会社・ブレイン。創業35年、いまも社員20人のうち約16人がエンジニアという、生粋の技術者集団だ。 約10年前にゼロから開発スタート マシンの名前は「BakeryScan」(ベーカリースキャン)。「お店に提供を始めたのは今から4年ほど前。最近になって突然『ネットですごい反響がある』と人に言われて驚いた」――ブレインの原進之介執行役員はこう話す。 BakeryScanの開発が始まったのは2008年にさかのぼる。きっかけは、地元・兵庫県のパン店社長から相談を受けたことだった。 「人が足りなくて困っている。経験の浅い外国人スタッフでもレジ打ちや接客ができるようなシステムを作ってほしい」――。 だが、同社のパンに関する専門知識はゼロ。そこから待ち受けていたのは、約6年にわた
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
処理を実行中です
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