ノーコードでAI開発ができるML自動化ツール、製造現場のデータ活用を推進
テクノプロ テクノプロ・デザイン社は、ノーコードでAI開発ができるML自動化ツール「MLFactory」を発表した。製造現場に蓄積されたデータをインポートし、MLを自動化することで製造現場のデータ活用を推進する。 テクノプロ テクノプロ・デザイン社は2023年8月1日、ノーコードでAI（人工知能）開発ができるML（機械学習）自動化ツール「MLFactory」を発表した。同日、PCとサーバへインストールするソフトウェア型パッケージ製品の出荷を開始している。 MLFactoryは、顧客の製造現場に蓄積されたデータをインポートし、機械学習を自動化することで製造現場のデータ活用を推進する。AIやコーディングの専門的な知識と技術、操作を用いることなく、マウスのクリックだけで直感的にAIデータ解析環境の開発ができる。
USBコネクター挿入で位置決め精度0.3mm、パナソニックがロボット向けAIで新技術
USBコネクター挿入で位置決め精度0.3mm、パナソニックがロボット向けAIで新技術：人工知能ニュース（1/2 ページ） パナソニック ホールディングス、パナソニック コネクト、立命館大学の3者は、視覚と触覚のマルチモーダル情報を使ったサブミリ（1mm以下）の精密位置決め技術「TS-NVAE」を開発した。同技術を用いて協働ロボットによるUSBコネクターの挿入作業を行ったところ、成功率100％、位置決め精度0.3mmを達成したという。 パナソニック ホールディングス（以下、パナソニックHD）、パナソニック コネクト、学校法人立命館（以下、立命館大学）の3者は2022年10月3日、視覚と触覚のマルチモーダル情報を使ったサブミリ（1mm以下）の精密位置決め技術「TS-NVAE（Tactile-Sensitive NewtonianVAE）」を開発したと発表した。同技術を用いて協働ロボットによるU
リアルなニセモノ画像の大量生成でAI構築、安川電機が外観検査に試験導入
人工知能（AI）を使うには大量の学習データが必要――。そんな常識を覆そうとしているのは、安川電機の子会社であるエイアイキューブ（東京・中央）だ。同社のAIソリューション「Alliom（アリオム）」は、「学習データがなければ自ら作ってしまう」という驚くべきアプローチでAIの普及に挑んでいる。 一般に、人が何となく判断していることを人工知能（AI）で置き換えるには、人の判断結果をAIに学習させる必要がある。例えば、図1に示したポテトサラダの写真を見比べて、どちらがうまく盛り付けられているかと聞かれたら、多くの人は（a）を選ぶだろう。しかし、それを自動化しようとすると、合否の条件を明確にしなければならないので、とたんにハードルが上がる。そこで、条件を明確にしなくても自ら学ぶAIを使おうとなるのだが、そのためには学習データとなる「うまい盛り付け」や「へたな盛り付け」の画像が大量に必要になる。 とこ
Midjourney、Stable Diffusion、mimicなどの画像自動生成AIと著作権｜知的財産・IT・人工知能・ベンチャービジネスの法律相談なら【STORIA法律事務所】
ホーム ブログ 人工知能（ＡＩ）、ビッグデータ法務 Midjourney、Stable Diffusion、mimicなどの画像自動生成AIと著作権｜知… はじめに Midjourney、Stable Diffusion、mimicなど、コンテンツ（画像）自動生成AIに関する話題で持ちきりですね。それぞれのサービスの内容については今更言うまでもないのですがMidjourney、Stable Diffusionは「文章（呪文）を入力するとAIが自動で画像を生成してくれる画像自動生成AI」、mimicは「特定の描き手のイラストを学習させることで、描き手の個性が反映されたイラストを自動生成できるAIを作成できるサービス」です（サービスリリース後すぐ盛大に炎上してサービス停止しちゃいましたが）。 で、この手の画像自動生成AIのようなコンテンツ自動生成AIですが、著作権法的に問題になる論点は大体決ま
機械学習 | 筑波大学オープンコースウェア｜TSUKUBA OCW | 佐久間 淳
計算機による自律的な学習を目指す機械学習や, 大規模情報源からの知識発見を実現するデータマイニングの理論について, 教師付き学習, 教師なし学習を中心に理解する. 佐久間 淳筑波大学 システム情報系教授2003年3月東京工業大学大学院総合理工学研究科博士後期課程修了. 博士(工学). 同年4月日本アイ・ビー・エム株式会社入社, 東京基礎研究所に配属. 2004年7月, 東京工業大学総合理工学研究科助手, 2007年4月同助教, 2009年4月,筑波大学大学院システム情報工学研究科准教授, 2016年4月同教授. 2009年10月から2012年3月,科学技術振興事業団さきがけ研究員兼任, 2012年2月から2014年3月, 国立情報学研究所客員准教授兼任, 2016年9月,理化学研究所革新統合知能研究センターグループリーダー兼任, 現在に至る.
Hiroshi Takahashi
Skip to the content. 機械学習の研究者を目指す人へ 機械学習の研究を行うためには、プログラミングや数学などの前提知識から、サーベイの方法や資料・論文の作成方法まで、幅広い知識が必要になります。本レポジトリは、学生や新社会人を対象に、機械学習の研究を行うにあたって必要になる知識や、それらを学ぶための書籍やWebサイトをまとめたものです。 目次 プログラミングの準備 Pythonを勉強しよう 分かりやすいコードを書けるようになろう 数学の準備 最適化数学を学ぼう 基本的なアルゴリズムとその実践 機械学習の全体像を学ぼう 基本的なアルゴリズムを学ぼう 深層学習の基礎を学ぼう scikit-learnやPyTorchのチュートリアルをやってみよう サーベイの方法 国際会議論文を読もう Google Scholarを活用しよう arXivをチェックしよう スライドの作り方 論文の
「飲み物に何か混入されていないか」をスマホカメラで検出 気泡の形や動きから予測
Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 シンガポール国立大学と韓国Yonsei Universityの研究チームが開発した「Detecting counterfeit liquid food products in a sealed bottle using a smartphone camera」は、スマートフォンのカメラのみで開封前の密封されたボトル内の液体内容物に不純物が混入されていないかを検出するシステムだ。 密封されたボトルを逆さにし、それによって上昇した気泡の形や動きをカメラで捉え、機械学習で分類して不純物かどうかを予測する。 オリーブオイルを買おうとしてスーパーマーケットに入り、ボトルの中身が本物かどうかを確認した
中国で爆当たりの「宿題解説アプリ」、世界の投資家がカネを注ぎ込む「ヤバい破壊力」（加谷 珪一） @gendai_biz
中国で「宿題アプリ」と呼ばれるAI（人工知能）を使った教育サービスが急拡大している。宿題などの設問をスマホで撮影すると、たちどころに解答や解説が得られ、場合によっては動画などでより詳しい解説を受けられるというものだが、単に宿題をラクするためのアプリとは考えない方がよい。 各社の時価総額はすでに巨額となっており、その資金力を生かして、世の中に存在するあらゆる設問をデータベース化している。現時点ではあくまで初等中等向けの教育サービスだが、この手法は学術論文などにも応用できる可能性があり、圧倒的な「知」の体系を作り上げる可能性も出てきている。 教育の概念をひっくり返す 宿題アプリとして中国国内でもっとも使われているのが「作業幇」である。頻繁にアプリを利用するアクティブユーザー数は1億7000万人を突破しているが、中国における5～14歳の人口は約1億7000万人しかいない。このアプリは高校生も対象
機械学習が「爆速」に GoogleがApple M1チップ専用TensorFlowライブラリを発表
Googleは2020年11月18日（米国時間）、機械学習向けのライブラリ群「TensorFlow」の公式ブログで、Appleが2020年11月に発表したばかりのMac専用SoC（System on Chip）「M1」およびIntel版Macに最適化したMac版の「TensorFlow」を発表した。TensorFlowはGoogleが開発し、オープンソースソフトウェアとして公開する機械学習向けのソフトウェアライブラリ群だ。 今回発表されたMac版TensorFlowは「macOS 11.0」以降の環境で動作する。本稿執筆時点では次のプレリリース版とアドオンが公開されている。 TensorFlow r2.4rc0 TensorFlow Addons 0.11.2 AppleのMachine Learning Researchが公表したベンチマーク資料。Macに最適化されたTensorFlow
いち早く在宅勤務のデータ分析に踏み出した関西の電子機器トップメーカー【アンケート分析】
機械学習とSHAPを用いたデータビジュアライズテレワークを続けたい人はどのような人か？の探索テレワークの効率が良かった人はどのような人か？の探索 機械学習とSHAPを用いたデータビジュアライズ今回はSHAPという機械学習の結果を説明するアルゴリズムを用いてアンケートの分析を行います。SHAPのsummary_plot関数は、どの説明変数が目的変数に対してどのように寄与したのかをビジュアライズしてくれます。 まずはこのビジュアライズ結果の読み方から説明します。以下の画像はSHAPの公式がサンプルとして公開しているボストンの住宅価格予測問題のsummary_plotの結果です。 SHAPのsummary_plotの読み方としては次の通りです。 縦軸：上から順に、目的変数に対する寄与の大きさ横軸：左側は目的変数に対して負の寄与、右側は正の寄与色：青は小さな値、赤は大きな値これらを組み合わせること
Googleのエンジニアが人間がコーディングを行うよりも高速で自己進化するAI「AutoML-Zero」を発表
Googleのエンジニアチームが、基本的な数理演算のみを使って最適な機械学習アルゴリズムを自動的に発見する人工知能(AI)「AutoML-Zero」を発表しました。 [2003.03384] AutoML-Zero: Evolving Machine Learning Algorithms From Scratch https://arxiv.org/abs/2003.03384 Artificial intelligence is evolving all by itself | Science | AAAS https://www.sciencemag.org/news/2020/04/artificial-intelligence-evolving-all-itself Google Engineers 'Mutate' AI to Make It Evolve Systems Fa
ドラゴンやアルマジロでも航空力学に基づいた「飛べる」紙飛行機に変える「Pteromys(テロミス)」がすごすぎ
紙を折り曲げるだけで作れる紙飛行機は子どもたちの代表的な遊び道具の1つですが、「うまく飛ぶ飛行機がなかなか作れない……」といった経験は誰にでもあるはず。そんな紙飛行機を機械学習によって、誰でも簡単に好きなデザインかつ航空力学に沿った設計で生成することができるソフト「Pteromys(テロミス)」を、梅谷信行氏が公開しています。 Pteromys: Interactive Design and Optimization of Free-formed Free-flight Model Airplanes http://www.nobuyuki-umetani.com/publication/2014_sigg_pteromys/2014_siggraph_GliderDesign.html Pteromysの仕組みは以下のムービーで説明されています。 Pteromys: Interactiv
低解像度ビデオもすぐに高解像度に変換できる超解像アルゴリズムTecoGANがすごい
3つの要点 ✔️ 低解像から高解像へ変換 ✔️ 時間的に一貫したフレームを生成するために双方向損失関数を採用 ✔️ 超解像度へ変換するTecoGANを提案 Learning Temporal Coherence via Self-Supervision for GAN-based Video Generation Temporally Coherent GANs for Video Super-Resolution (TecoGAN) written by Mengyu Chu, You Xie, Jonas Mayer, Laura Leal-Taixé, Nils Thuerey (Submitted on 23 Nov 2018 (v1), last revised 21 May 2020 (this version, v4)) Comments: Published by arXi
CPUのみで高速学習、組み込みAIを低コストで実現
左＝グラフの上2段が振動波形で、一番下は、異常度を表す波形。直線の波形は「正常」で、大きく振れた状態は「異常」を示している。歯車の回転を邪魔すると、振動波形が乱れ、「異常」と判断される／右＝乱れた波形が続くと、それを正常だと学習するので、一番下のグラフが直線に戻っている（クリックで拡大） 同技術は、ロボットや産業機器、IoT（モノのインターネット）ゲートウェイなどに搭載することを想定している。久保田氏は、製造現場の装置、つまりエッジデバイスで学習できるようにしたいというニーズは高まっていると話す。「製造現場は、1つ1つの工場や製造ラインによって、環境がかなり異なる場合がある。異常な波形などを事前に学習し、それを現場で実装すると、推論の精度にブレが生じる可能性が高い。1つ1つの現場で、リアルタイムに学習すれば、精度のブレが少ない推論ができるようになると考えている」（久保田氏） KAIBERの
エアロセンスが取り組んだ、「1万平方メートルのシートで1円硬貨大の破れ発見」作業
広大な地域をカバーする必要のある点検作業をどう効率化するか。これはさまざまな業界で共通の課題だ。自律運行ドローンを使った測量などで知られるエアロセンスは2019年1月24日、同社が関わっている福島県での、ドローンと機械学習を使った除染除去物仮置き場の点検自動化について説明した。 東日本大震災に伴う原子力発電所事故に起因する放射能汚染に関しては、除染作業が続けられてきた。除染作業で取り除いた土などは、仮置き場に3年程度保管され、その後中間貯蔵施設に送られる。仮置き場では、除去物を収容した容器や土のうを防水シートで覆い、放射性物質の流出を防ぐ対策が講じられている。 福島県南相馬市では、竹中工務店、竹中土木、安藤ハザマ、千代田テクノルで構成される共同企業体（JV）が市の委託を受け、除染作業を実施している。同JVが採用しているシートは通気型で、内気を逃がす排気パイプが不要である代わりに、経年変化な
Arm MLプロセッサ、明らかになったその中身 (1/5) - EE Times Japan
2018年3月に、「ArmのAI戦略、見え始めたシナリオ」という記事を書かせていただいたが、この時には内部構造が一切明らかにされなかったArm MLプロセッサの詳細が、この8月に開催された「Hot Chips 30」でArmのIan Bratt氏（Distinguished Engineer and Director of Technology, ML）によって説明された。そこで、この中身をご紹介したいと思う。 Mobile SoCのアクセラレータ的に利用 Arm MLプロセッサの基本的な特徴が図1である。 ポイントとなるのは多分、最後の"First design targers mobile"である。つまりArmはMLプロセッサを単体のIP（Intellectual Property）として提供するというよりは、Mobile SoCのアクセラレータ的に利用することを念頭に置いているという
AIの民主化は企業を大きく変えるのか？
あのときの衝撃は忘れられない――。目の前の画面では、アップロードされたデータの機械学習がただちに始まり、さらに数十ものアルゴリズムが試行され、最適なモデルをただちに導いていた。機械学習では、データの取得とともに、特徴量の整備、さらに無数のアルゴリズムのテストが必要だ。しかし、DataRobotのデモは、誰もが機械学習を活用できる容易さを確かに感じさせた。 DataRobotは、2012年に「AIの民主化」を掲げて米国ボストンで創業された会社だ。2017年には日本オフィスが誕生した。公表されているだけでも、リクルート、パナソニック、大阪ガス、三井住友カードなど、最大手企業に採用されており、すでに数多くの予測モデルを完成、運用させている。いま、最注目の企業といっていい。 私はコンサルタントの立場から、この機械学習プラットフォームの可能性などを聞いた。 「AIの民主化」とはなにか 坂口：対談の当
「学習をほとんど必要としない」義手が開発される
近年、義手や義足の技術には機械学習が用いられるようになり、スムーズな動作を行えるようになりましたが、学習に時間がかかってしまうという欠点がありました。ノースカロライナ大学チャペルヒル校で医用生体工学の教授を務めるヘレン・ファン氏らの研究チームは、人体の神経筋の電気信号を一般化したモデルを構築することで、学習をほとんど必要とせず、スムーズに手首などの関節を動作させる義手の開発に成功しました。 Myoelectric Control Based on A Generic Musculoskeletal Model: Towards A Multi-User Neural-Machine Interface - IEEE Journals & Magazine https://ieeexplore.ieee.org/document/8360946/?reload=true Smart Pros
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
Microsoft、機械学習の初学心者向けにカリキュラムを無償公開
Deep Learning推論を高速化するソフトウェア技術
