「コロナは全員検査しろ」という人は、これを読んでいただきたい。そしてご自身の「勘違い」に向き合っていただきたい。「勘違い」を自分で修正することは、いつでもできますし、それができる人は賞賛されます。 ベイズ推定をおおまかに理解し、想像する 「ベイズ推定」(≒「ベイズ統計」「ベイズの定理」)は、今話題になっているコロナ感染症でPCRをやるかやらないか、という議論の背景を理解するために欠かせない考え方です。ベイズ推定を、数式でなく直感的にでも理解していないと「誰でも全員PCRしろ」という(現況では)誤謬から逃れられません。 ベイズ推定を直感的に把握できる、ものすごくわかりやすいページがありますからご紹介します。直感的な把握のためには前半分くらい、数式の手前まで読めばいいです。 先のページの図を参考に下図を描き、要素をコロナに置き換えました。 下図の縦割りの左側(先のページでの「買った人」)がコロ
機械学習アルゴリズムを使ってヒトの脳の記憶の仕組みを理解する方法を、ペンシルヴェニア大学の研究者らが発表した。しかも、完璧なタイミングで脳に刺激を与えることで記憶力をリアルタイムで向上させることにも成功したという。いったいどのような研究なのか。 人間の脳よりもブラックなブラックボックスはない。われわれの灰白質はあまりに複雑なため、脳は自分で自分のことを理解できないのだと科学者たちは嘆いている。 でも人間が自分の脳を完全に理解できないのだとしたら、機械が代わりに理解してくれるかもしれない。2018年2月6日公開の「Nature Communications」で、ペンシルヴェニア大学の心理学者マイケル・カハナが率いる研究チームは、機械学習アルゴリズムを使って人間の記憶の仕組みを解読し、さらに記憶力を強化することができると証明した。 どうやって強化するのか? 脳に完璧なタイミングで電気信号を送ら
Google DeepMind、文字や画像などを描く時のブラシストロークを強化学習を用いて敵対的に訓練する「SPIRAL」発表 2018-04-08 Google DeepMindは、数字、文字、肖像画などを描くときのブラシストロークを機械学習を用いて推論する「SPIRAL(Synthesizing Programs for Images using Reinforced Adversarial Learning)」を発表しました。 論文:Synthesizing Programs for Images using Reinforced Adversarial Learning 著者:Yaroslav Ganin,Tejas Kulkarni,Igor Babuschkin,S. M. Ali Eslami,Oriol Vinyals 本稿は、機械学習を用いて筆のストロークを考慮しながら生
何の話かというと 機械学習におけるカーネル法の説明で、よく登場するのがこちらの図です。 左側の (x, y) 平面上の点を分類する場合、このままだと線形分類器(直線で分類するアルゴリズム)ではうまく分類できないのが、右図のように z 軸を追加してデータを変形すると、平面できれいに分割できるようになって、線形分類器による分類がうまくいくというものです。このように、高次元空間にデータを埋め込むことでうまいこと分類するのがカーネル法の仕組みだというわけです。 なのですが・・・・・・・・・・・・・・・・・・・・ これ、本当にカーネル法の原理を知っている方には、ちょっと気持ち悪くないですか? ※ 以下はカーネル法を知っている方向けのつぶやきです。 上記の例は、データの配置にあわせて、うまいこと z 軸方向の変形をしているのでうまくいっているのですが、カーネル法には、データの配置にあわせてうまいこと変
翼がなくても飛べるんです。クモは風と電場を操って大空に舞う2018.07.13 21:0027,283 山田ちとら 鳥だ。飛行機だ。赤ちゃんグモだ! 空を自在に飛びまわる鳥やチョウ、ハチなどと並んで、クモも空を飛べるなんて知りませんでした。 科学者界隈ではけっこう前から知られていたようですが、たとえばブリストル大学によればダーウィンがビーグル号で旅をしながらまったく新しい生物学史を切り開いていた頃、海のど真ん中で無数のクモが乗船してきて、それらが無風なのにも関わらずものすごいスピードで船から空へと飛び立つのを見て驚いたという話です。 所変わって山形県南陽市の水田地帯では、かつて秋の終わりになると小さな子グモたちがいっせいに糸を風に流して飛ぶ現象が初雪の前ぶれとされ、「雪迎え」と呼ばれていたとか。 でも、翼も羽も皮膜も持たないクモが、いったいどうやって空を飛ぶんでしょうか? 今年6月に発表さ
MIT Biomimetics Robotics Labで開発中の4足歩行ロボット「Cheetah(チーター)」の最新ムービーが公開されました。スリム化された第3世代の「Cheetah 3」は、カメラによる画像認識を頼ることなく、足で感じ取った感覚だけで抜群の安定感を伴った移動や大ジャンプを披露しています。 “Blind” Cheetah 3 robot can climb stairs littered with obstacles | MIT News http://news.mit.edu/2018/blind-cheetah-robot-climb-stairs-obstacles-disaster-zones-0705 カメラなしで抜群の安定性能を見せつけるCheetah 3の動きは以下のムービーで確認できます。 Vision-free MIT Cheetah - YouTube
※めちゃくちゃ長いです。一連の流れで読むと理解が深まると思います。自身の復習のためにも書き下しました。個々の章で完結しているので、それぞれ別の記事としても掲載しています。 近年は人工知能ブームが到来し、人工知能というワードを当たり前のように使う時代がやってきました。情報技術を学んでいる人にとって人工知能は、情報処理を効率的に行う素晴らしい技術の一つとして認識できるかと思います。一方で、技術的話題にあまり興味がない人にとっては、人工知能というワードに対して各々の解釈をして、時には誤解のような意見も見受けられます(人工知能の全容がハッキリしないうちは誤解というのはあまりにも強すぎる言い方ですが)。 人工知能がどういうものであるのかを知るには、人工知能を技術的にいかにして達成しようとしたかの歴史を知ることが一番であると思います。 ここでの記事の目的は技術的な観点からの人工知能について説明すること
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