(12月23日) AIの前に、機械学習のECへの応用について無茶をしながらざっと書いてみよう - Rakuten Tech Blog：楽天ブログ
2016年12月23日 (12月23日) AIの前に、機械学習のECへの応用について無茶をしながらざっと書いてみよう カテゴリ：Advent Calendar こんにちは。楽天技術研究所の森正弥です。 アドベントカレンダーに書いてくださいよ～、と頼まれまして、それも、kawaguti さんに頼まれまして、これは書かねばならんと思いました。ですが、何を書いたものかと頭を悩ましました。今月頭にインドのIIT HyderabadやIIT Bombay に行きまして（写真はIIT Hyderabad の遠景）、インドの学生の方々のレベルの高さやIITのカリキュラムの凄さに触れ衝撃を受け、「もう日本の大学は一切勝てないな」と煽り抜きで感じてしまったのでその話を書こうかとも思ったのですが、なんとなく、技術的なことがムラムラと書きたくなって、ただ、突如としてマニアックなことを書いても、みんなに引かれるだ
東京大学の松尾研究室が無料公開している「Deep Learning基礎講座演習コンテンツ」の自主学習方法 - karaage. [からあげ]
新たな教育プログラム「DL4US」が開始しています。 2019年5月に、松尾研究室の新たなディープラーニングの無料教材「DL4US」が公開されています。「Deep Learning基礎講座演習コンテンツ」のバージョンアップ版の位置付けなので、今から学習する方はこちらに取り組んだ方が良いかと思います。 Dockerを使った環境構築方法を紹介している記事を書いたので、もし良ければ以下記事参照下さい。 Deep Learning基礎講座演習コンテンツが無料公開 以下のようなサイトが無料公開されていました。 学習に自由に使用してよいとのことです。ただ、肝心の使用方法が詳しく書いてないので、初心者には環境構築が厳しく、簡単に環境構築できる人にとっては、知っている内容のところが多い気がして、内容が良いだけにもったいなと感じました。 そこで、ちょっと初心者向けに環境構築の補足をしてみたいと思います。 そ
![東京大学の松尾研究室が無料公開している「Deep Learning基礎講座演習コンテンツ」の自主学習方法 - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/78e7c0ea2c263bc676ec2c74bae93e76d7853fd9/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20180127%2F20180127134253.png)
人工知能よ、お前の“目”には何が見えているんだ？ | 「XAI」研究の最先端へ
もしかすると、この研究は自分のキャリアを終わらせることになるかもしれない──。2017年9月、ミハウ・コジンスキはそう恐れながらも、自分の研究結果を発表した。 それを英誌「エコノミスト」が最初に報じたが、記事のタイトルは「AIの進歩により、性的指向を示すヒントが発見可能に」という堅苦しくて味気ないものだった。 だがすぐに、数々のメディアに危機感を煽る見出しが躍った。 翌日には、人権保護団体の「ヒューマン・ライツ・キャンペーン財団」と「GLAAD（中傷と闘うゲイ＆レズビアン同盟）」が、コジンスキの研究は「危険」で「ニセ科学」だと断じた。 翌週、IT系ニュースサイト「バージ」も記事を掲載した。取材の行き届いた内容だったが、タイトルは痛烈だった──「AIによる『ゲイ探知機』の発明は、最悪な未来の前兆かもしれない」。
これから強化学習を勉強する人のための「強化学習アルゴリズム・マップ」と、実装例まとめ - Qiita
※2018年06月23日追記 PyTorchを使用した最新版の内容を次の書籍にまとめました。 つくりながら学ぶ! 深層強化学習 ~PyTorchによる実践プログラミング~ 18年6月28日発売 これから強化学習を勉強したい人に向けて、「どんなアルゴリズムがあるのか」、「どの順番で勉強すれば良いのか」を示した強化学習アルゴリズムの「学習マップ」を作成しました。 さらに、各手法を実際にどう実装すれば良いのかを、簡単な例題を対象に実装しました。 本記事では、ひとつずつ解説します。 オレンジ枠の手法は、実装例を紹介します。 ※今回マップを作るにあたっては、以下の文献を参考にしました。 ●速習 強化学習: 基礎理論とアルゴリズム（書籍） ●Deep Learning for Video Game Playing 強化学習とは 強化学習は、画像識別のような教師あり学習や、クラスタリングのような教師なし
亀のフィギュアに「これは銃です」 AIに誤認識させる手法をMIT学生が開発
AIによる画像認識は、今や人間と同等かそれ以上の精度まで進化している。そんなAIが、どう見ても亀のフィギュアにしか見えないものを「銃だ」と間違って認識してしまったら――。 米マサチューセッツ工科大学の学生研究チームがこのほど、ニューラルネットワークによる画像認識を“だます”3Dオブジェクトを作製する手法を開発したと発表した。この手法では、物体を見る方向を変えたり、拡大・縮小したり、カメラのノイズが乗っていたりしても安定して別の物体に誤認識させられるという。 2次元の画像を加工してAIをだます技術は以前からあったが、その画像をプリントして現実の光やノイズなどの要素が加わったり、回転したりすると正しい認識に戻ることから、現実世界で画像認識システムを使う際のリスクにはならないと考えられていた。
ディープラーニングの判断根拠を理解する手法 - Qiita
ディープラーニングは特定分野で非常に高い精度が出せることもあり、その応用範囲はどんどん広がっています。 しかし、そんなディープラーニングにも弱点はあります。その中でも大きい問題点が、「何を根拠に判断しているかよくわからない」ということです。 ディープラーニングは、学習の過程でデータ内の特徴それ自体を学習するのが得意という特性があります。これにより「人が特徴を抽出する必要がない」と言われたりもしますが、逆に言えばどんな特徴を抽出するかはネットワーク任せということです。抽出された特徴はその名の通りディープなネットワークの中の重みに潜在しており、そこから学習された「何か」を人間が理解可能な形で取り出すというのは至難の業です。 例題：このネットワークが何を根拠に猫を猫として判断しているか、ネットワークの重みを可視化した上図から答えよ(制限時間:3分) image from CS231n Visua
Wikipediaを学んでクイズに答えるFacebookのオープンソース人工知能DrQA
Wikipediaを学んでクイズに答えるFacebookのオープンソース人工知能DrQA 2017.07.28 Updated by Ryo Shimizu on July 28, 2017, 08:17 am JST Facebookが先月発表したDrQAというニューラルネットワークについて紹介したいと思います。 DrQAは一般的な質問に答えることを目的とした人工知能です。内部にRNNを持っていて、Wikipediaに書かれている全ての知識をまず学習し、次にさまざまなクイズ問題を学習します。誤解を恐れずに言えば、クイズ番組で優勝したときのIBMのワトソンがやったのと同じような処理を行うことを目指しています。 ところでクイズが得意な人と勉強が得意な人は違います。 実はクイズ番組で用いられる問題は、大部分が過去問題の使い回しが多いのです。 これは実はクイズを作るのが極めて難しいからです。 ク
リクルートがAIをまさかの無料公開。さっそくすべてのAPIを試しまくってみた | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
ICLR2017読み会を開催しました | BLOG - DeNA Engineering
はじめに こんにちは、AIシステム部の内田(@yu4u)です。 大分時間が経ってしまいましたが、先日、深層学習に関する論文が多数発表された国際学術会議、International Conference on Learning Representations (ICLR'17) の論文読み会をSakuraカフェにて開催したのでその報告です。 ICLRは、オープンレビューを採用しているので、リジェクトされたものも含め全ての論文およびレビューを読むことができるので、こういう読み会には丁度良いかもしれません。 ICLR'17ウェブサイト オープンレビューサイト 読み会のConnpass 読み会のTogetter 当日の様子 懇親会の様子 背景 私自身はコンピュータビジョンが専門ですが、その中で利用するニューラルネットのモデルやその学習方法、モデル圧縮等に興味があり、ICLRの論文は良く読んでいまし
人工知能時代の音楽制作への招待 - Google Magenta 解説&体験ハンズオン (自習編) - - Qiita
音楽制作を行っていて人工知能技術に興味がある、あるいは機械学習をやっていて音楽が好きだ！そんな方に送る、機械学習による音楽生成のチュートリアル資料となります。本記事のみで、仕組みの理解から実際に音楽を生成して、SoundCloudで共有するまでの手順を網羅しています。 そして、本記事は先日実施した人工知能時代の音楽制作への招待 - Google Magenta 解説&体験ハンズオン -の自習用資料でもあります。 イベント自体は100名を超える方(開催前日の段階で倍率が5倍)に応募いただき、行きたかったけど行けなかった！という方も多いかと思うので、自習編にて内容に触れていただければと思います。 ※なお、会場のキャパを広げられなかった代わりに撮影をしていただいたので、後日講義動画が上がればそちらも掲載させていただきます。 ゴール 音楽生成とはそもそもどういう仕組みで、どんなアプローチが取られて
人工知能関連ニュースの、実際のところシリーズ - Qiita
最近「人工知能が～」というニュースが山のように出てきますが、その中にはだいぶ誇張された表現のものも少なくありません。 人工知能関連の技術に注目が集まるのは、研究資金の増加や案件の発生という面では良いことです。しかし、「仕事が奪われるぞ！」みたいな過度な不安を煽ったり、「人工知能だったら何でもできるんやろ？」といった過度な期待を煽ってしまうことで、実体とはかけ離れた議論や誤解を生んでしまうという面もあります。 本稿では、目についた中で大きな誇張があるニュースを取り上げるとともに、その実際のところはどうなのか？について紹介をしていきたいと思います。本記事が、冷静な議論と共に背景となる技術的な面への興味の喚起となれば幸いです。 日経のAI記者が始動、1日30本の決算サマリーを量産 同僚が人工知能という世界が現実のものになろうとしている。 人工知能は人の仕事を奪うことになるのか、あるいは型にはまっ
AIを利用するサイバー攻撃--どこまで脅威に？
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 企業のセキュリティ投資はこれまで以上に増えつつあるが、サイバーセキュリティに関するスキル不足に苦しむ企業には、ビッグデータやアナリティクス、機械学習、人工知能（AI）などのテクノロジがデータや重要インフラを攻撃者から守るのに役立つという話が浴びせかけられている。 スタートアップから大企業まで幅広い企業が、大量のデータを分析して防御を強化するAIシステムを構築し、サイバーセキュリティの専門家が、手動では不可能な量の脅威を検知できるように支援するための投資を行っている。 しかし、企業の守りを強化するのに使われているテクノロジは、攻撃にも利用できる。 フィッシング攻撃を例に取ってみよう。フィッシング攻撃はサイバー攻撃の手段としてはもっとも単純
【Day-17】DeepLearning系ライブラリ、『Keras』の使い方まとめ(2.x対応版) - プロクラシスト
【最終更新 : 2017.12.17】 ※以前書いた記事がObsoleteになったため、2.xできちんと動くように書き直しました。 データ分析ガチ勉強アドベントカレンダー 17日目。 16日目に、1からニューラルネットを書きました。 それはそれでデータの流れだとか、活性化関数の働きだとか得るものは多かったのですが、Kerasと言うものを使ってみて、何て素晴らしいんだと感動してしまいました 今まで苦労して数十行書いていたものが、わずか3行で書ける！ 正直、スクラッチで書く意味って、理解にはいいけど研究や分析には必要あんまないんですよね。車輪の再発明になるし。 と言うわけで、使えるものはどんどん使っていこうスタンスで、今日はKerasの紹介です！ Tutorial+気になった引数を掘り下げて補足のような感じで書いています。 ちなみに、各部のコード以下をつなぎ合わせるとmnistの分類器が動くよ
英作文をAIで自動校正してくれるGrammarlyが便利すぎる |
最近使い始めて感動したサービスの一つにGrammarlyというツールがある。これはいま流行りのビッグデータと機械学習を使って、日本男児である僕が書いた英作文を自動修正してくれるツールです。 Wordとかを使って英作文を書いている時は、基本的に単語の間違いを指摘してくれるぐらいだけど、Grammarlyは文法とか、自然な英語になっているかということまで修正してくれるのが革命的に嬉しい。 この分野で最初に知ったのはGingerというツールなんだけど、これはMacアプリがないのでしょうがなくChromeエクステンションを使って以前使っていた。でも、このChromeエクステンションがえらく使いづらいし、Twitterの書き込みと干渉したりしてそっとアンインストールしてたのです。 しかし、GrammarlyにはなんとMac専用アプリが用意されている。さらに、このMac専用アプリが死ぬほどよくできてい
VRとAIの相関はなにをもたらすか
VRとAIの相関はなにをもたらすか 2016.08.07 Updated by Ryo Shimizu on August 7, 2016, 06:25 am JST 最近、講師業が本業なんじゃないかと思うくらい、イベントやセミナーの講師の仕事が増えています。 もともと人に物を教えるのは好きな方ですが、さすがにこう続くと少々疲れてきました。 さて、とあるイベントで「教養としてのプログラミング」についてトークライブに出たら、参加した方から「プライベートで仲間を集めて講演料を支払うので深層学習について教えてほしい」という依頼がありました。 最近、講演を聞きに来たからからまた講演を依頼されるというパターンが増えているため、必然的にネズミ算式に講演の仕事が増えているのかもしれません。 さて、ビジネスマン向けの深層学習講座というと、先日有明で開催した無料のセミナーもあったわけですが、わざわざ休日に無
機械学習を使って作る対話システム - Qiita
このような対話を通じて、レストランの検索に必要な情報をユーザから取得し、レストラン検索を行います。 今回、レストラン検索にはHotPepperグルメサーチAPIを利用させていただきました。ありがとうございます。 システムアーキテクチャ 対話システムは複数のモジュールから構成されています。今回は、各モジュールは独立に動作させず、前段階のモジュールの処理が終わった段階で駆動されるようにしています。 最終的なシステムアーキテクチャは以下の図のようになりました。 今回のアーキテクチャに沿って処理の流れを説明すると以下のようになります。 ユーザがテキストを入力すると、入力したテキストは言語理解部に入力されます。 言語理解部では入力されたテキストを解析して、対話行為と呼ばれる抽象的な意味表現に変換します。 言語理解部から出力された対話行為は、対話管理部に入力されます。対話管理部では入力された対話行為を
ゼロからDeepまで学ぶ強化学習 - Qiita
ロボットから自動運転車、はては囲碁・将棋といったゲームまで、昨今多くの「AI」が世間をにぎわせています。 その中のキーワードとして、「強化学習」というものがあります。そうした意味では、数ある機械学習の手法の中で最も注目されている(そして誇張されている・・・)手法ともいえるかもしれません。 今回はその強化学習という手法について、基礎から最近目覚ましい精度を出しているDeep Q-learning(いわゆるドキュン、DQNです)まで、その発展の流れと仕組みについて解説をしていきたいと思います。 本記事の内容をベースに、ハンズオンイベントを開催しました(PyConJPのTalkの増補改訂版) Pythonではじめる強化学習 OpenAI Gym 体験ハンズオン 講義資料の方が図解が豊富なので、数式とかちょっと、という場合はこちらがおすすめです。 Tech-Circle #18 Pythonではじ
グーグルのAI研究者による「ディープラーニング」無料教育コースがスタート ニュースイッチ by 日刊工業新聞社
ディープラーニング（深層学習）が無料で学べます！ 米グーグルは、脚光を浴びる深層学習をテーマにした3カ月間の無料オンラインコースを始めた。教育サービスをインターネット経由で提供する大規模公開オンライン講座（MOOC＝ムーク）の一つで、グーグルやフェイスブックといったテクノロジー企業と協力して講座を提供し、ネット上の「シリコンバレーの大学」とも言われる米ユダシティー（Udacity）上で提供される。世界中どこからでも英語で受講できる。 すでにグーグルは、深層学習ソフトの「テンソルフロー（TensorFlow）」を2015年11月にオープンソース化し、無償提供に踏み切っている。こうした一連の活動で、深層学習の知識や考え方を広く行き渡らせるのが目的という。 このコースは初心者向けではなく、エンジニアやデータサイエンティストなどの中上級者向け。インストラクターはグーグルの主席科学者で、「グーグル・
MITの参入でAIがサイバー攻撃を正確に検知できるように | readwrite.jp
MIT 情報工学人工知能ラボ(CSAIL)の研究者たちがサイバー攻撃の脅威に対して大きな前進があったと発表した。これまで人がサイバー攻撃の証拠を洗い出すのにかけていたよりもはるかに短時間で攻撃を検知できるという。ITアナリストはこれまでシステムが危険に晒されたという証拠を山のようなデータから見つけるために計り知れないくらいの時間をかけてきた。 MITはここに目を付けた。ほとんどの企業がサイバー攻撃の脅威にさらされている世の中で、休息を必要としないシステムがあれば素晴らしい事だ。AI Squared(AI2)はCSAILが作り出した人工知能で、85%という驚異的な確率でサイバー攻撃を検知できる。 この高確率は一朝一夕に達成されたものではない。チームはAI2に検知が必要なもの、スルーしていいものを教え込むのに多くの人月を費やしている。単に検知すべきデータを投入するだけでは十分ではなく、実際に読
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
A3RT