ディープラーニング技術などを手掛ける企業や研究者が中心となり、同技術の推進団体「日本ディープラーニング協会(JDLA:Japan Deep Learning Association)」が発足した。理事長は東京大学大学院工学系研究科 特任准教授の松尾豊氏。ディープラーニング技術の人材不足解消や産業界での活用促進などを目指す。
2014年の機械学習界隈で話題となったのが米グーグルの DeepMindが発表した「Neural Turing Machine(NTM)」1)である。NTMは、人間が問題に合わせてプログラムを逐一記述しなくとも、例示からの学習によって小規模なアルゴリズムを自己獲得する技術だ。ニューラルネットワークの技術を基にしている。連載の第1回では、なぜNTMが注目されたのかについて背景を説明する。 NTMは現時点では入力のデータ量が小さく、人が書けるようなアルゴリズムで解ける問題しか扱えていない。しかし今後は、人にすら書くことが不可能な複雑なアルゴリズムを学習できる可能性がある。例えば、ロボットや自動運転システムで複数のセンサを用いて複数のアクチュエータを制御するアルゴリズムを学習ベースで実現できる可能性がある。 記憶の仕組みが欠けていた ニューラルネット 人間がプログラムで記述するような複雑なアルゴ
私はかつて製造業で調達・購買業務に従業していた。新卒で入ったその世界は、きわめて奇妙に思えた。調達は、取引先と価格を決め、そして取引先を指導するものだという。しかし、私が見たのは、業務のほとんどを納期調整に追われる先輩の姿だった。 製造業では、もともと取引先を決める際に、価格だけではなく品質だけでもなく、標準納期を調査する。納期遵守率なる取引先評価尺度があるが、これは、「納期通りに納品された年間注文件数」を、「年間注文総数」で割ったものだ。例えば、0.9であれば、9割の注文品を納期通りに納品いただいたことになる。 よく使われるこの納期遵守率は、まともにやると、0.2とか0.3とかいった低い数字になる。取引先が悪いわけではなく、多くの場合、発注者側があまりに短納期注文を重ねるからだ。「明日持ってきてくれ」といった注文ばかりが目立つ。あるいは、そんなに早く納品されないとわかっていても、「とにか
米Google社傘下で、囲碁を打つ人工知能「AlphaGo」を開発した英Google DeepMind社と米Stanford Universityの研究者は、人間などの脳の解剖学的知見を基にした学習と記憶のモデルを共同で提案したと、学術誌「Cell」などを出版する米Cell Press社が発表した。論文もCell誌の「Trends in Cognitive Science」で無料公開された。AlphaGoのような特定用途の人工知能を、人間に近い汎用人工知能(Artificial General Intelligence:AGI)に近づける試みの1つといえる。 論文の著者は3人。筆頭著者は、DeepMind社のDharshan Kumaran氏。同氏は英University of College London、Institute of Cognitive Neuroscienceの研究者でも
NPSとは、商品/サービスそのものやブランド、企業などに対する顧客のロイヤルティー(忠誠度)の指標の一つ。“究極の質問(Ultimate Question)”とも言われる「あなたはそれを友人や同僚に薦めたいと思うか?」という問いに対する答えを、0~10の11段階で調査。10~9をプロモーター(推奨者)、8~7をニュートラル(中立)、6以下をデトラクター(非難者)に分類する。プロモーターが占める%比率からデトラクターが占める%比率を差し引いた%数値をNPS指標とする。 NPSの“N=net”は正味の意味であり、ネットワークやインターネットとは無関係。単純な一つの質問で顧客のロイヤルティーを測定する方法として、米コンサルティング会社ベイン&カンパニー(Bain & Company)のフレデリック・ライクヘルド氏などが考案した。米GEは2005年の年次報告書で、自然な成長を達成するための戦略の中
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
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