ワクチン陰謀界隈、盛り上がってきたな https://t.co/gdXuj38rk9
ワクチン陰謀界隈、盛り上がってきたな https://t.co/gdXuj38rk9
こんにちは,株式会社Ridge-iのリサーチチームの@machinery81です. 今回はグラフデータを扱う機械学習のヘルスケア分野への応用のお話を紹介します. TL;DR 機械学習・データマイニングの応用先としてのヘルスケア分野 万能薬から精密医療へ 電子カルテ 創薬 患者調査 ヘルスケア分野を繋ぐグラフマイニング グラフ上の機械学習 古典的なアプローチ グラフの統計量に基づく手法 ランダムウォークに基づく手法 行列因子分解/テンソル因子分解に基づく手法 Graph Neural Network Graph Convolutional Network 創薬分野へのグラフデータの応用 ターゲットの識別 分子特性予測 グラフマイニングによる既存薬再開発 薬品と疾患の相互作用の分析 Combination repurposing 今後の見通し その他の話題 さいごに 参考文献 TL;DR 機械
日本マイクロソフトのチャットbot事業を分社化したrinna(東京都渋谷区)は1月25日、キャラクター性を持ったAIチャットbotを開発するサービス「Rinna Character Platform」(RCP)に新しい会話エンジンを採用したと発表した。キャラクターの個性を表現する上で必要な学習データは約200件で、従来の約1万2000件から削減した。春から法人向けに提供する。 新しい会話エンジンの名前は「Style Transfer Chat」(STC)。“元・女子高生AI”をうたう「りんな」など、大規模な学習データをもとに開発したAIモデルを事前に複数用意。ユーザーの要望に応じて、ベースとなるモデルに小規模のデータを追加で学習させ、口調を変化させる仕組み。学習済みモデルを使用するため、ゼロから開発する場合に比べて必要なデータを減らせるという、 アーキテクチャも刷新し、チャットbotにユー
富士通は1月20日、監視カメラに映った人の映像を解析し、不審な行動をしそうな人物を事前に検知する技術「不審者検知ソリューション」を同日から、NTTドコモに提供したと発表した。ドコモは、同技術に5G通信技術を組み合わせてパートナー企業に提供する。 不審者検知ソリューションは、人がストレスや恐怖を感じたときに発する特有の振動パターンを基に、監視カメラに映った人の行動や動作を分析して数値化。その結果を基に、不審な行動を起こしうる人物を行動に移される前に検知する技術。人の振動パターンから分析するため、不審行動の教師データなどが不要なのが特徴だ。 同技術は、導入済みの監視システムのカメラをそのまま活用することもでき、検知結果はメールなどでリアルタイムに通知できる。企業が施設や店舗に導入することで、事故や犯罪の発生の予防につなげられるとしている。 今回ドコモは、この技術に5Gネットワークを組み合わせて
For significantly better and customizable anime image generation, check out Holara AI Creativity Slider 0.5 Higher creativity values tell the AI to be more creative and detailed, but also messy and weird Speed Slider 1.5 Space: pause grid, Drag: pan grid, Click: open image in new tab F: fullscreen mode, Z: toggle zoom on hover, V: video mode You can find updates about anime and AI on Twi
元ネタ 実行結果 GoogleColaboratoryで動かした結果は以下です 教師データの作成 学習用の教師データを生成して確認します。 本来は教師データは外部から提供されるはずだが、今回はそれがないので自分で生成する。 import numpy as np def fizzbuzz(n:int): if n % 15 == 0: return "FizzBuzz" if n % 5 == 0: return "buzz" if n % 3 == 0: return "Fizz" return n def generate_sample_data(size=1000): feature = np.random.randint(0, np.iinfo(np.int32).max, size) label = list(map(fizzbuzz, feature)) return featu
2020年のクリスマス。豊島(とよしま)将之竜王と羽生善治(はぶよしはる)九段という黄金カードで、その“事件”は起きた。 対局の中継画面上に表示されるAIの「勝率」(どちらがどれだけ優勢かをパーセンテージで示したもの)で94%という圧倒的な優勢を築いていたはずの羽生九段が、突然、投了(負けを認める)したのだ。 AIがほぼ勝ちだと判断しているのに、対局者本人は負けだと認識していた・・・ 実はこれほど極端ではないものの、AIと、人間の棋士の“形勢判断”が大きく食い違うケースが増えているという。 藤井二冠の「AI超え」が新語・流行語大賞にノミネートされるなど、いまや将棋観戦に欠かせない存在となった将棋AI。進化を続ける、その将棋AIが抱えるジレンマと、解決の秘策について関係者に話を聞いた。 [誰もが驚いた終局] 豊島竜王が激戦を制す!(ABEMAビデオ) 「負けました・・・」 羽生九段が頭を下げ
先日ですが、旧知の*1Grahamianさんのこんなツイートが話題になっていました。 データ分析をするときシンプルに重要なことは「生のデータを眺める」と「データの分布をグラフにする」ことなんじゃないかと思うんですよね。すぐにクロスとかファネルとかコホートとかやりたくなるんですけど、まずは目の前のデータがどんなものか頭にマッピングさせることが長期的に効いてくる感じ。— Grahamian📊データ分析と機械学習 (@grahamian2317) 2021年1月12日 何を当たり前のことを言っているんだと眉を顰める向きもあるかもしれませんが、これだけデータサイエンスやら機械学習(人工知能)やらが喧伝されている昨今においては、少なからぬ現場で「データはどこかのAPIからバルクでダウンロードしてくるor本番DBから転送してくるだけ」「やってきたデータは中身を見もせずにそのまま統計分析や機械学習など
またお得なAmazon Monitronスターターキットもご用意されています。 (取り付けキット、5 個のセンサー、ゲートウェイのセット) 運用費用 Amazon Monitronはセンサー1つあたり年間50USDのランニングコストがかかります。 費用例 ■要件 5つのモーターを監視する必要がある。 上記を実現するためにAmazon Monitronスターターキットを購入し、 モーターごとに1つのセンサーを取り付け3年間使用した。 ■試算結果 スターターキット購入費用(715USD)+ センサー年間利用費用×5(250USD)×3年分 = 1465USD(3年間利用費用) 注意事項 ■ Amazon Monitron 利用可能な地域について 米国、英国、およびEUのみで利用可能です。(2021/04/16時点) ■必要なモバイル端末について Android8.0以降のスマートフォンが必要で
人間に近づいた時、AIに起こる問題 現在の機械に睡眠は必要ありません。 パソコンにはスリープ機能がありますが、これは別に機械に睡眠が必要なわけではなく、単に電気代節約のための機能です。 では、省エネ目的以外に機械が眠る必要とは何なのでしょうか? その変化は、生体脳を模倣したAIシステムが、私達の生活を1日中支援している機械に組み込まれたとき起きると考えられています。 この可能性はある実験中に発覚しました。 ロスアラモス国立研究所では、人間の学習行動を厳密にシミュレーションした神経ネットワークを開発し、それがどのように動作するか調査していました。 このシミュレーションで確認していたのは、見たものを学習するという行為についてです。 たとえば、子どもに見た目の異なる動物をグループ化させるという作業をさせた場合、知らない動物であってもライオンとペンギンを別のグループに分類します。 こうした見たもの
私は共感力というものが乏しい。 感情があるとかないとかという話ではなく、コミュニケーションの場に立った時、「自分がどう思われているのか」「自分が何をする必要があるのか」ばかりに意識が向き、「相手は『今』どうした言葉がほしいのか」「相手は『今』どのように感じているのか」が、思惟の中に上ってきてくれない。 自分の目の前にあるものは「相手」ではなく「問題」で、今までに学んだ「方式」のどれに当てはめて出力するのか、というような考え方をする。出来損ないの人工知能のような思考回路を持っている。 代替品として私は「他人は私と同じである」という理屈を組み込んで、共感能力の代わりにした。ただ、あまりうまくいってはいない。 とはいえ、ホッテントリの「感情を説明するかどうか」というものには思うところがあった。 感情と事実が違うとは一般的なこととして受け取られるだろうが、余りにも大雑把で危うさがある。 人は楽しい
人工知能(AI)を研究する非営利団体のOpenAIが、自然言語処理と画像生成を組み合わせたAI「DALL・E」を発表しました。DALL・Eは人間と見分けが付かないほど高精度な文章を生成するAI「GPT-3」のパラメータを使用し、文章からイラストや写真を作り出すことができます。 DALL·E: Creating Images from Text https://openai.com/blog/dall-e/ OpenAI debuts DALL-E for generating images from text | VentureBeat https://venturebeat.com/2021/01/05/openai-debuts-dall-e-for-generating-images-from-text/ OpenAIの公式ブログでは、実際に「DALL・Eに入力したテキスト」と「DA
OpenAIはGPT-3の次の研究を始めています. 世間がGPT-3のデモに湧き上がる中,OpenAIはScaling Lawに関する2本の論文をひっそりと公開しました. Scaling Lawを一言で説明するなら「Transformerの性能はたった3つの変数のべき乗則に支配されている」というものです. Scaling Lawはそれ単体だけなら興味深い話で終わるかもしれません.実際に英語圏でもあまり話題にあがっていません.しかし,この法則の本当の凄さに気づいている研究者もいて,なぜ話題にならないのか困惑しています. I am curious why people are not talking more about the OpenAI scaling law papers. For me, they seem very significant. What I heard so far:
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