超高精度で商用利用可能な純国産の日本語音声認識モデル「ReazonSpeech」を無償公開
株式会社レアゾン・ホールディングス(本社：東京都新宿区、代表取締役：渡邉 真)は世界最高レベルの高精度日本語音声認識モデルおよび世界最大19,000時間の日本語音声コーパス※「ReazonSpeech」を公開いたしました。 2023年1月18日 株式会社レアゾン・ホールディングス(本社：東京都新宿区、代表取締役：渡邉 真)は世界最高レベルの高精度日本語音声認識モデルおよび世界最大19,000時間の日本語音声コーパス※「ReazonSpeech」を公開いたしました。 ※音声コーパス: 音声データとテキストデータを発話単位で対応付けて集めたもの。音声認識モデルを作成する材料として使用され、その規模と品質が音声認識の精度を大きく左右する。 ※2「ReazonSpeech」を用いた文字起こしサービスをプロジェクトwebサイトにて実際に試すことができます。 プロジェクトwebサイト：https://
arXivTimes/datasets/README.md at master · arXivTimes/arXivTimes
MNIST 言わずと知れた手書き文字のデータ CIFAR-10 言わずと知れた10クラス(airplane, automobileなど)にラベル付された画像集。CIFAR-100というより詳細なラベル付けがされたものもある The Oxford-IIIT Pet Dataset CIFAR-10と同様、ラベル付きのデータ。その名の通り動物系 Fashion-MNIST ファッション画像のMNIST、を表したデータセット。クラス数はMNISTと同様10クラスで、画像は28x28(グレースケール)、学習：評価データ数は60,000：10,000。 MNISTは簡単すぎる、濫用されているといった問題を克服するという側面も意識されている。 iMaterialist Challenge on fashion 100万点をこえるファッション画像のデータセット。8グループ228のラベルがアノテーションさ
特徴量選択の今とこれから - 学習する天然ニューラルネット
特徴量選択とは 特徴量選択の難しさ 特徴量選択の手法の大別 教師ありの特徴量選択 filter method 単変量とクラスラベルの関連性を上げる 関係性を上げて冗長性を下げる 関係性を上げて多様性を上げる wrapper method Forward SelectionとBackward Elimination 遺伝的アルゴリズムと粒子群最適化 その他のwrapper method embedding method L1正則化 Regularized tree 特徴量選択のこれから 超高次元データと特徴量選択のアンサンブル 不均衡データにおける特徴量 オンライン特徴量選択 深層学習を用いた特徴量選択 最後に 特徴量選択とは 特徴量選択(Feature Selection, 変数選択とも)はデータサイエンスにおいて非常に重要である。 例えば、製造業において欠陥品を判別するタスクを考えてみよ
汎用言語表現モデルBERTを日本語で動かす(PyTorch) - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 今DL for NLP界で、BERTというモデルが話題です。PyTorchによる実装が公開されていたので、日本語Wikipediaコーパスに適用してみました。 コードはこちらに公開しております。 2018/11/27 作成したBERTのモデルを使って内部動作の観察とその考察を行いました。単語の潜在表現獲得の部分で感動的な結果を見せてくれました。ご興味あればご覧ください↓ https://qiita.com/Kosuke-Szk/items/d49e2127bf95a1a8e19f この記事ではBERTのポイントの解説と、ポイントごとの実
センター試験XMLデータ - ロボットは東大に入れるか。Todai Robot Project
「ロボットは東大に入れるか」プロジェクトで開発した大学入試センター試験1990年度～2017年度の電子化問題データを公開します。 このデータは、本プロジェクトにおいて、川添愛氏を中心としてXMLによる構造化仕様を策定し、アノテーションを実施したものです。 元データの著作権者である独立行政法人大学入試センターのご厚意により、人工知能などに関する研究のための資源として一般に公開します。 試験問題データ 開発用データ（development data） [1993年以降4年ごとに2017年度までのセンター試験 本試験および追試験] 開発テスト用データ（development test data） [1991年以降4年ごとに2015年度までのセンター試験 本試験および追試験] 最終テスト用データ（final test data） [1990年度以降2年ごとに2016年度までのセンター試験 本試験お
wiki.denfaminicogamer.jp | ゲームAI用語辞典
この用語辞典の目的 † これまで数十年慣れ親しまれてきたビデオゲームの世界にも、AIやVRなど新しい技術の波が寄せて久しいことは、熱心なゲームプレイヤーの皆さまはお気づきでしょう。 「好きなゲームについて、もっと深く理解したい」、「このゲームがどうしてこれほどまでに面白いのか理由が知りたい」など、ゲームについて一歩踏み込んで考えるとき、前述の新しい技術についても、より広い知識と深い理解が必要になります。 そういう思いの一助になればと、この用語辞典では、ゲームに使われているAIに関する記事を読むときに頻出する言葉を解説しています。 単純に用語意味が知りたい方をはじめ、その概念やシステムが登場してから今日に至るまでの経緯や歴史が知りたい方や、ビデオゲーム内で実際にどう使われているかを知りたい方に向けて、そして開発者や研究者の方に有用なコードを貼るなどできるコメント欄の設置など、ひとつの項目内で
長尾真（情報工学者）新井紀子（数学者）｜INFORIUM｜NTTデータ
人間を理解し、人工知能をさらに先へ。 情報処理学で多大な功績を残した長尾真氏と 「ロボットは東大に入れるか」プロジェクトで人間の能力に注目するようになった 国立情報学研究所の新井紀子教授が、 AI技術の発展にはこれから何が必要になるのか、徹底討論しました。 人間の知能を支えるもの新井 私が「ロボットは東大に入れるか」というプロジェクト(※1)を始めたときに人工知能学、特に言語処理の方面から「何でこんな役に立たないことをするのか」という批判的なご意見を受けました。そんな中、長尾先生が「それは今やるのはなかなか面白かろう」と、言語処理学会の記念大会などに私を講師として呼んでくださったのが印象に残っています。 長尾 でも、それから4～5年のうちに東ロボをおやめになった。「もうちょっとやったら面白いところまで展開するのでは」と思っていたので、それが残念です。 新井 いえ、まだプロジェクトはやめてい
人工知能を基礎情報学で解剖する/西垣通 - SYNODOS
しばらく前のことだが、マイクロソフト社の開発したチャット・ボット（おしゃべりロボット）Ｔａｙがツイッターで不適切な発言をしたということで大騒ぎになった。ヒトラーの名をあげて人種差別的な攻撃をしたり、口汚くみだらな発言をくりかえしたりしという。一時的にサービスは停止され、マイクロソフト社は謝罪せざるをえなかった。ＴａｙはＡＩ（人工知能）の自然言語処理技術にもとづくチャット・ボットだが、ソフトウェアそのものが悪いのではなく、一部のユーザが対話を通じてＴａｙに「好ましくない調教」をほどこした、というのが真相のようである。 だが、なぜそんな大事件になったのだろうか。同様の差別発言をする人間は幾らでもいる。チャット・ボットつまりＡＩの発言だから非難が集中したわけで、そこにはＡＩは公平中立であり正確な知識をもっている、という一般人の思い込みがある。つまり、レイ・カーツワイルやニック・ボストロムなど超人
20180305_ppl2018_演繹から帰納へ～新しいシステム開発パラダイム～
2. 自己紹介: 1983 東京工業大学修士課程修了 – （米澤明憲先生の下で）論理型言語、自然言語処理 1983-2009 日本IBM東京基礎研究所 – 形式言語理論、構文解析、全文検索、手書き文字認識 – 分散処理（XML、Webサービス） – セキュリティ いわゆるコン ピュータサイ エンス 統計・ 機械学習 2011-2016 統計数理研究所 — 統計モデリング、ビッグデータ解析 2016年4月: 株式会社Preferred Networks — 深層学習 3. 人工知能とは「CSを進化させる営み」 1956-1974 第1次人工知能ブーム • 記号処理 (LISP) • Means-End Analysis • 自然言語処理 1980-1987 第2次人工知能ブーム • 知識表現 (e.g. フレーム) • エキスパートシステム • オントロジー 2008 第3次
［GDC 2018］FFXVのゲームAIは，開発の工程にどう取り込まれたのか？ 日本のゲームAI研究の第一人者が語る，FFXVのAI概論
［GDC 2018］FFXVのゲームAIは，開発の工程にどう取り込まれたのか？ 日本のゲームAI研究の第一人者が語る，FFXVのAI概論 ライター：徳岡正肇 本日（2018年3月20日），ゲーム開発者による国際的な技術カンファレンス「Game Developers Conference 2018」が始まった。その初日に，ゲームにおけるAI技術が集中的に語られるAI Summitの中で，「EOS IS ALIVE: THE AI SYSTEMS OF‘FINAL FANTASY XV'」という講演が行われている。 この講演はタイトルどおり，スクウェア・エニックスの「FINAL FANTASY XV」（PC/PS4/Xbox One 以下，FFXV）において使われているAI技術について，大きく7項目に分けてその概論を語るというものだ。スクウェア・エニックスのリードAIリサーチャーである三宅陽一
2017年のディープラーニング論文100選 - Qiita
これはFujitsu Advent Calendar 2017の18日目の記事です。 掲載内容は富士通グループを代表するものではありません。ただし、これまでの取り組みが評価されて、富士通がQiitaに正式参加することになりました[リンク]。なお、内容の正確性には注意を払っていますが、無保証です。 はじめに この記事では今年発表されたディープラーニング論文（ArXivでの発表時期、発表された国際会議が2017年開催またはジャーナル掲載が2017年のもの）から私が個人的に重要だと思った論文を収集しています。また、2016年末ごろの論文も重要なものは採用しています。 以下の投稿も合わせてご覧ください。 2016年のディープラーニング論文100選[リンク] ディープラーニングにとっての2017年 2017年のディープラーニング技術は主に画像系技術で革新的な進歩がありました。それをけん引したのは敵対
ニューラルネットの逆襲から５年後 | Preferred Research
私が2012年にニューラルネットの逆襲（当時のコメント）というのをブログに書いてからちょうど5年が経ちました。当時はまだDeep Learningという言葉が広まっておらず、AIという言葉を使うのが憚られるような時代でした。私達が、Preferred Networks（PFN）を立ち上げIoT、AIにフォーカスするのはそれから1年半後のことです。 この5年を振り返る良いタイミングだと思うので考えてみたいと思います。 1. Deep Learning Tsunami 多くの分野がこの5年間でDeep Learningの大きな影響を受け、分野特化の手法がDeep Learningベースの手法に置き換わることになりました。NLP（自然言語処理）の重鎮であるChris Manning教授もNLPで起きた現象を「Deep Learning Tsunami」[link] とよびその衝撃の大きさを表して
ディープラーニングの応用のための具体的方針まとめ - HELLO CYBERNETICS
はじめに 目標の設定と指標の決定 目標の設定 指標の決定 評価指標に対する最低限の知識 機械学習における知識（補足） ニューラルネットワークの学習 最初に使うニューラルネットワーク 時間的にも空間的にも独立である複数の特徴量を持つデータ 空間の局所的な構造に意味のある多次元配列データ（例えば画像） 時間的な変動に意味のあるデータ（例えば音声、自然言語） ニューラルネットワークの細かい設定 ユニットの数と層の数 正則化 活性化関数 ドロップアウト バッチ正規化 学習の早期終了 性能が出ない場合 データの追加収集 ニューラルネットの設定をいじる 用いるニューラルネット自体を変更する 新たなニューラルネットワークの考案 コードを書くにあたって データ成形 結果を記録するコード フレームワークの利用 フレームワークの選択 ChainerとPyTorch TensorFlow Keras 最後に は
深層強化学習の動向 / survey of deep reinforcement learning
全脳アーキテクチャ若手の会第28回勉強会 Keywords: DQN, 強化学習, Episodic Control, Curiosity-driven Exploration
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
急速なAI開発が「意識のようなもの」を生もうとしている
https://jp.techcrunch.com/2019/03/09/2019-03-07-wellsaid-aims-to-make-natural-sounding-synthetic-speech-a-credible-alternative-to-real-humans/
人間参加型（human-in-the-loop）機械学習とは？
Deep Learning
MakeGirlsMoe
機械学習のためのベイズ最適化入門
