NVIDIAのAI、パックマンをパクる。ゲームエンジンなしでゲーム再現
ツイッター上に「スタバなう」とつぶやきながらラーメンなど他の画像を投稿することに深層学習系が激怒してる件に対して「でも人間は間違えるから悪化させてあげよう」って話
四代目シャイニング丸の内 @shimaru365 ツイッター上に「スタバなう」とラーメン等を投稿することに深層学習系が怒っているという話しですが、ツイッターから取得するノイズの多い情報を使いこなせないようでは理想環境下に置いてしか成果出せない使えない人ということでしょう。 スタバなうと呟いてSN比を悪化させよう！ 四代目シャイニング丸の内 @shimaru365 ユーザーが無料でエラー比率少なくアノテーションすると思った？ 研究向けに用意されたコーパスしか使えないdata-driven-kidsの皆様！お疲れ様です！ ノイズを除去することも実務で使える技術となるためには大事な仕事ですよ。SN比と戦おうぞ！
将棋ソフトPonanza開発者「人工知能はいまのところ論理的な思考はほとんどできない。むしろ『直感』を得意としていることはあまり納得されていない」
山本一成🌤️チューリングのCEO @issei_y 人工知能はいまのところ論理的な思考はほとんどできない、むしろ所謂「直感」のほうを得意としているという話、あまり納得されてない。確かにコンピュータは論理的に動いている、でもそれはハード・ソフトウェアエンジニアが一生懸命作った論理であったコンピュータが発案した論理ではない。 山本一成🌤️チューリングのCEO @issei_y 完全自動運転AIを作るTuringのCEO / 名人を倒した将棋プログラムPonanzaの作者 / 将棋ウォーズ開発者 / AI, スタートアップなどについて呟きます。 https://t.co/AmiDDttyO5 山本一成🌤️チューリングのCEO @issei_y この話が面白いところは、多くの人はコンピュータは直感が苦手があってほしいとう感じているところだ。なぜそうか考えたのだけど、人間は直感はみんな持ってい
私の会社の機械学習経験ゼロの「ディープラーニングおじさん」が会社のAI戦略を動かすまで - karaage. [からあげ]
ディープラーニングおじさん 私の会社には「ディープラーニングおじさん」がいます。「います」といっても私が勝手に一人で心の中でそう呼んでいるだけですが…ともかく、今日はその「ディープラーニングおじさん」が、機械学習経験ゼロから、最終的に会社を動かすまでの華麗なる軌跡を紹介したいと思います。 なお、会社に関する情報は、私の都合である程度、虚実入り混じった情報になることご了承ください。今回の話で伝えたいことに関しては、影響は無い範囲とは思っています。 ディープラーニングおじさんの華麗なる軌跡 自分のツイートを「ディープラーニングおじさん」で検索したら、最初に引っかかったのが2016年10月ころでした。もう1年半くらい前ですね。 自分も個人で少しだけディープラーニング試したりしてるので、ディープラーニングおじさんに少しだけ自分の知ってる情報を提供してみたけど、おじさん何も聞かずに特攻しててワロタw
![私の会社の機械学習経験ゼロの「ディープラーニングおじさん」が会社のAI戦略を動かすまで - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/950160954750167c0e7f5b127c0ce7f51e44ff70/height=288;version=1;width=512/https%3A%2F%2Fcdn.image.st-hatena.com%2Fimage%2Fscale%2F7abb2637acad84f5b5f565e7ea4afd698719e379%2Fbackend%3Dimagemagick%3Bheight%3D1300%3Bversion%3D1%3Bwidth%3D1300%2Fhttps%253A%252F%252Fcdn-ak.f.st-hatena.com%252Fimages%252Ffotolife%252Fk%252Fkaraage%252F20180426%252F20180426235611.jpg)
《日経Robo》なぜディープラーニングがうまく学習できるのか
TED Conferenceの一種「TEDYouth 2013」で講演している様子である。（写真：TEDYouth 2013, New Orleans, Louisiana, Civic Center, November 16, 2013. Photo: Ryan Lash、米TED Conferencesの許可を得て掲載） （1）低次の多項式 世の中の問題の多くは低い次数の多項式モデルで説明することができる。例えば、重力を支配するニュートン方程式、電磁気学を支配するマクスウェル方程式、流体力学を支配するナビエ・ストークス方程式などの最大次数はたかだか4である。また、画像において意味を変えないような回転や並行移動などの変換は線形変換であり、次数を増やすことはない。 ニューラルネットワークは低次の多項式を近似することが得意である。例えば、4つのニューロンからなるニューラルネットワークで乗算1
AlphaGo Zero Explained In One Diagram
Update! (2nd December 2019)I’ve just released a series on MuZero — AlphaZero’s younger and cooler brother. Check it out 👇 How to Build Your Own MuZero Using Python (Part 1/3) How to Build Your Own MuZero Using Python (Part 2/3) How to Build Your Own MuZero Using Python (Part 3/3) Update! (26th January 2018)I’ve just released a post on how you can build AlphaZero using Python and Keras. Check it o
MIT、光を使ったディープラーニングの原理実証-計算時間と消費電力を大幅削減
マサチューセッツ工科大学(MIT)の研究チームは、ディープラーニングに必要とされる複雑で多量の計算を光コンピューティングを使って高速化、低消費電力化する技術を開発したと発表した。まだ概念実証の段階だが、原理的にはディープラーニングの計算時間を大幅に短縮でき、従来のコンピュータに比べて消費電力を1/1000程度にできるという。研究論文は光学分野の専門誌「Nature photonics」に掲載された。 ニューラルネットワークに基づくディープラーニング技術は、画像認識や音声認識をはじめ、医療データベースの中から診断に利用できるパターンを見つけ出したり、膨大な化学式を探索して新薬を創出するなど、さまざまな分野で使われるようになってきている。 しかし、膨大なデータサンプルを学習する過程では時間とエネルギーを消費する大量の計算を行う必要がある。ディープラーニングで多用される計算は、主に行列同士の掛け
画像を塗りつぶした部分に一瞬で自然な画像を補完する技術を早稲田大学の研究者が開発
早稲田大学の研究者が、ディープネットワーク(畳み込みニューラルネットワーク)を用いた画像補完技術「Globally and Locally Consistent Image Completion」を公開しました。既存の画像補完技術とはレベルの違う精度を見せつけています。 飯塚里志 — ディープネットワークによる画像補完（SIGGRAPH 2017） http://hi.cs.waseda.ac.jp/~iizuka/projects/completion/ja/ SIGGRAPH 2017に論文が正式に採択されました。ディープラーニングによって複雑な画像補完を行う手法です。画像中の不要な物体を消したり、人の顔を変化させたりもできます。https://t.co/iHccQXmqEh pic.twitter.com/zhmVjIajcy— Satoshi Iizuka (@stsiizk) 2
ディープラーニングを用いて「写真の見た目の特徴」を別の写真に転送してしまう「Deep Photo Style Transfer」
ディープラーニングを用いてベースとなる画像に他の画像のスタイル(見た目の特徴)を付与することで、新しい画像を生成することができる「Deep Photo Style Transfer」が、ソフトウェア開発プロジェクトの共有プラットフォームであるGitHub上で公開されています。 GitHub - luanfujun/deep-photo-styletransfer: Code and data for paper "Deep Photo Style Transfer" https://github.com/luanfujun/deep-photo-styletransfer これまでも、ディープラーニングなどを用いてベースとなる画像に他の画像のスタイルを転送する、という試みが存在したそうです。しかし、ベース・スタイルの両方に写真を使っても、出力した画像が写真っぽくない「絵のようなゆがみ」をも
ディープラーニングで「インド人を右に」を理解する: Generative Adversarial Network による画像モーフィング - 加藤大晴のウェブサイト
ディープラーニングで「インド人を右に」を理解する: Generative Adversarial Network による画像モーフィング 「インド人を右に」問題 インターネットを長く使っている方は、伝説の誤植「インド人を右に」 [1] についてご存知なのではないでしょうか。 「くお〜!! ぶつかる〜!! ここでアクセル全開、インド人を右に!」 この唐突に過ぎる意味不明な「インド人」は「ハンドル」の誤植であり、それはライターの手書きの文字が汚かったために発生したとされています。 …手書きの文字が汚かったとして、どうすれば「ハンドル」が「インド人」になるのか？ 従来より、この問題について様々な考察がなされてきました。 ここでは、近年の技術の発展の成果を取り入れ、コンピュータに文字を書かせることによって「ハンドル」から「インド人」への変容についてアプローチしてみたいと思います。 # これは De
ディープラーニングで人間と同じトーン・スピード・抑揚を再現して自然な音声を出力する「WaveNet」をDeepMindが開発
Googleの人工知能開発部門の「DeepMind」が、状況や感情に応じてトーンや「間」などを使い分けて、まるで人間が話しているかのような自然な音声を出力する技術「WaveNet」を開発しました。すでに英語と中国語で、既存のテキストトゥスピーチ(TTS)技術を圧倒する品質を実現しています。 WaveNet: A Generative Model for Raw Audio | DeepMind https://deepmind.com/blog/wavenet-generative-model-raw-audio/ Google's DeepMind learns to reproduce human speech, tricks us into starting robot apocalypse http://www.neowin.net/news/googles-deepmind-le
キュウリ農家とディープラーニングをつなぐ TensorFlow
家のキュウリが枯れてしまってから知りました。 ある程度パラメータがはっきりすれば 大規模なFPGAで処理できるかもしれません。 12月3日の大垣ミニメーカーズフェアでデジタルフィルタの人と会えたら話してみます。 返信削除
1
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
