PFN 3D ScanPreferred Networks 株式会社の3D技術開発チームでは、実世界のモノ、ヒト、シーンをコンピュータに立体的なデータとして取り込む技術（3Dスキャン技術）を開発しています。物品の3Dデータ化を行うサービス『PFN 3D Scan』や3Dモデルデータの販売を展開しているほかにも、幅広く技術開発に取り組んでいます。
事業担当者対象のレクチャーとワークショップからなる 「AI解体新書」を企業向けに提供 - 株式会社Preferred Networks
株式会社Preferred Networks（本社：東京都千代田区、代表取締役 最高経営責任者：西川徹、以下、PFN）は、深層学習技術をビジネスに役立つ形で活用することを目的に、レクチャーおよびワークショップで構成される事業担当者向け研修プログラム 「AI解体新書」を開始し、第一回の参加企業を2021年7月13日(火)～8月6日(金)の期間に募集します。 PFN共同創業者の西川徹（左）と岡野原大輔（右） 「AI解体新書」は、これまで幅広い産業で多くの企業と実際にビジネス活用に向けた技術開発をおこなってきたPFNのエンジニアが、技術的バックグラウンドを持たない事業担当者向けに設計したものです。最先端技術についてのレクチャーに加え、PFNのエンジニアと事業担当者も参加するワークショップで、参加企業とPFNが協働で、実際のビジネス強化に繋がるアイデアの具現化を目指します。「AI解体新書」は、参加
PFN の ML/DL 基盤を支える Kubernetes における自動化 - DevOpsDays Tokyo 2021
location_city Tokyo schedule Apr 16th 02:00 - 02:45 PM JST place Hall A people 10 Interested Preferred Networks（PFN）は深層学習などの最先端の技術を最短路で実用化することで、これまで解決が困難であった現実世界の課題解決を目指しています。コンピュータビジョン、自然言語処理、音声認識、ロボティクス、コンパイラ、分散処理、専用ハードウェア、バイオインフォマティクス、ケモインフォマティクスといった幅広い分野で研究開発を行っており、それを支えているのが Kubernetes を用いて構築しているオンプレミス/ベアメタルの GPU クラスタです。 本セッションでは、PFN が Kubernetes を用いてクラスタを運用するなかでどのような障害が起きるのかを紹介し、また障害対応をどのように
PFNが独自開発したAIチップ「MN-Core」、回路設計を深層学習に最適化 | 日経 xTECH（クロステック）
PFNの西川社長は2018年12月12日、半導体産業の展示会「SEMICON Japan 2018」の基調講演に登壇し、同社が開発を進めるプロセッサー「MN-Core」の概要を明らかにした。
転職について - 兼雑記
6月14日がグーグル最終日でした。8月からPFNに混ぜてもらう予定です。退職や入社も重要イベントなんでしょうけど、転職活動それ自体が大変に楽しい体験だったので、入社したからって突然次の会社についての知見にあふれているわけでもなし、このタイミングでなんか書こうと思いました。どうせ暇だし。 前回との差分 http://shinh.hatenablog.com/entry/2016/03/11/142748 が前回までのあらすじ。このちょっと後で、「ニューラルトランスレートすげー」とか思って Google Translate のチームに入れてもらって、自然言語/機械学習研究入門+プロダクショナイズ+TensorFlowまわりのあれこれおもしれーとか、その他いろいろをやってた、というのが現在との差分です。 機械翻訳というのは、他の機械学習応用分野と同じく、ニューラルさんによってすさまじく簡略化され
Preferred Networks、民間企業の計算環境として 国内最大級のプライベート・スーパーコンピュータを9月から稼働 - 株式会社Preferred Networks
NTT Comグループのマルチノード型GPUプラットフォームを採用 株式会社Preferred Networks(本社：東京都千代田区、代表取締役社長 最高経営責任者：西川 徹、以下：PFN)は、自動運転技術やがん診断をはじめとした深層学習(ディープラーニング)などの研究開発用プライベート・スーパーコンピュータを、2017年9月より稼働しました。このスーパーコンピュータは、NTTコミュニケーションズ株式会社(本社：東京都千代田区、代表取締役社長：庄司 哲也、以下：NTT Com)と株式会社NTTPCコミュニケーションズ(本社：東京都港区、代表取締役社長：田中 基夫、以下：NTTPC)の高速演算処理(GPU)プラットフォームを採用し、計算ノードにはNVIDIA(R)製 Tesla(R) P100 GPUを1,024基搭載しています。民間企業のプライベートな計算環境としては、国内最大級となりま
IoTディープラーニングのPreferred Networksがトヨタから105億円を調達、外部筆頭株主に - BRIDGE（ブリッジ）テクノロジー＆スタートアップ情報
Internet of Thingsに特化した深層学習技術（ディープラーニング）を提供するPreferred Networks（PFN）は8月4日、トヨタ自動車から105億円の追加出資を受けると発表した。今回の第三者割当増資で引受先となるトヨタが外部筆頭株主になる。両社は今後、自動運転技術などのモビリティ事業分野における人工知能技術の共同開発に取り組む。 PFNの創業は2014年3月。IoT関連で予想されるデバイスの生み出す膨大なデータを分散的に処理する「エッジヘビーコンピューティング」を提唱し、デバイス同士がリアルタイムで強調し、高度な判断を実現できるしくみづくりを目指している。交通システムや製造業、バイオ・ヘルスケア領域にフォーカスしてトヨタやファナック、国立がん研究センターなどと取り組みを進めていた。 なお、トヨタとPFNは2014年10月に共同研究を開始し、2015年12月にはトヨ
手書き数字98％認識−東大など、正解未知データを学習するAI開発
東京大学大学院情報理工学系研究科の胡緯華（フウェイファ）大学院生と、プリファード・ネットワークス（東京都千代田区）の宮戸岳リサーチャーらは、手書き文字や数字のように、正解が事前に分からないデータを効率的に学習する人工知能（ＡＩ）技術を開発した。手書き数字認識の精度が９８・４％と、別の研究グループの最高成績８４・３％から誤差を１０分の１に減らした。手書き文字認識の精度は７０％だった。文字認識に限らず画像など幅広く活用できる。 一般にＡＩは正解が分かっている大量のデータを事前に用意して学習させる。学習後に未知のデータを与えると、そのデータと最も近い正解群を選び判定する。今回、事前にデータを用意しないで、未知データをそのまま学習する「教師なし学習」で高い識別精度を実現した。 開発したのは「ＩＭＳＡＴ」というアルゴリズム。まずデータを種類（クラスター）に分類し、各データにノイズを加えても同じ種..
AIベンチャーの雄が総務省の開発指針に反対する理由
人工知能（AI）の開発者が研究開発に当たって留意すべき原則「AI開発ガイドライン（仮称）」の素案を策定するため総務省が設置した産官学会議から、AIスタートアップのPreferred Networks（PFN）が離脱していたことが明らかになった。 Preferred Networksは深層学習（ディープラーニング）開発のスタートアップ企業で、深層学習フレームワーク「Chainer」の開発元としても知られる。 総務省 情報通信政策研究所は、同ガイドライン素案策定のための産官学会議「AIネットワーク社会推進会議」を主催している。2016年12月には、素案策定に向けた論点整理を公開した。 この素案は、日本政府がOECD（経済協力開発機構）などに提案することを目的に策定するもので、「日本の法制度に直接反映させることを想定したものではない」（同研究所）という。 だがこの方針に対し、2017年1月まで同
PFNの深層学習フレームワーク「Chainer」が大幅な高速化へ、分散処理に対応
Preferred Networks（PFN）が開発するディープラーニング（深層学習）フレームワーク「Chainer」が間もなく、分散処理に対応することで大幅に高速化する。PFNの西川徹社長が2017年1月26日（米国時間）に米サンフランシスコで開催された「Deep Learning Summit 2017」で明らかにした（写真1）。 現在のChainerは、マルチノード（複数サーバー）での学習に対応にしておらず、1台のノード上で複数のGPU（Graphics Processing Unit）を使用する場合も、どのGPUで何の処理を実行するのかをプログラマーが記述する必要があった。PFNはマルチノードでの学習に対応した分散バージョンのChainerを開発中で、社内ではテストも始めている。この分散バージョンのChainerでは設定を変更するだけで、マルチノード環境やマルチGPU環境に対応する
PFNが語る、GPUインフラ調達の考え方とは
2016年度中に5ペタFLOPS（1秒当たりの浮動小数点演算性能）のGPUインフラを使えるようにする――。AI（人工知能）分野で国内トップ級の技術力を持つスタートアップ企業、Preferred Networks（PFN）が社内で掲げる目標である。 ディープラーニング（多層ニューラルネットを使った機械学習）は、画像認識からロボティクス、自然言語処理まで適用が進み、大きな成果を挙げている。 そのディープラーニングの学習を担う要となるITインフラが、GPU（グラフィックス・プロセッシング・ユニット）搭載サーバーである。 特に米グーグルは、囲碁でプロ棋士を破った「AlphaGo」から、高い精度でテキストを翻訳する「Gogole Translate」まで、ニューラルネットの学習や推論に大量のGPUインフラを活用している。例えばAlphaGoの場合、2015年10月に欧州のプロ棋士と勝負した際は、12
Preferred Networks とDeNA、合弁会社設立のお知らせ - 株式会社Preferred Networks
Preferred Networks とDeNA、人工知能技術を用いた 企業向けソリューションを提供する合弁会社PFDeNAを設立 ～ディープラーニングを中心とした高度な機械学習技術で様々なデータの価値を最大化～ 株式会社Preferred Networks（プリファード・ネットワークス、本社：東京都千代田区、創業者 代表取締役社長：西川 徹、以下PFN）と株式会社ディー・エヌ・エー（本社：東京都渋谷区、代表取締役社長兼CEO：守安 功、以下DeNA）は、ディープラーニング（深層学習）※１や高度な機械学習※2など最先端の人工知能※3（AI）技術を活用した企業向けソリューションや消費者向け商品・サービス等の提供を目的として、本日、合弁会社を設立しました。 新会社である株式会社PFDeNA（ピー・エフ・ディー・エヌ・エー、以下PFDeNA）では、DeNAが多彩なインターネットサービスの運営を通
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
DeNA、東大発VBとAI活用で共同会社 自動運転など - 日本経済新聞
DeNAとPreferred Networksの合弁で人工知能技術などの提供「PFDeNA」決算公告（第1期） : 官報ブログ
実世界の人工知能@DeNA TechCon 2017