はてなブックマーク

はい、また思いつき投稿です。 経緯を知らない方のためにもう一度。 発表のためにAAAI-16に来ています。知らない人も多いかと思いますが、IJCAIとならび、AIの国際学会で最も難関と言われる学会です。個人的には自分もA*の改善論文でPaper Award 密かに狙っていたのですが、Bidirectional Search 論文に取られてしまいました。 今日は、幸運にも MIT / CSAIL の Brian Williams 先生とお話することが出来ました。 (100kgを超してそうな巨体です・・・でもイケメン) この先生は、かの有名な宇宙探査機 NASA Deep Space 1 にCommon Lispで作ったシステムを載せ、成功に導いた先生です。 Common Lisp のリアルタイムコンパイル機能のおかげで、運用中に発覚したバグを(たしか木星を過ぎたあたりで) REPLにログイン

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 本日学振DC2の採択通知が来た浅井です。クリスマスプレゼントかな。罰ゲームかも 今日は双方向探索の話をします。Aがある程度知られていたのと同様、双方向探索もあるていど知られていると思います。結論としては、双方向探索は ブルートフォースかそれとほとんど変わらない弱いヒューリスティクスを用いた時ぐらいしか使えない ということを示します。強力なヒューリスティクスがある場合には、Aのほうがよいです。 双方向探索 双方向探索 という手法があります(Pohl 1971)。スタートとゴールから交互に逆向きに探索を始め、どちらかが出会ったところで探索が

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 東京大学大学院 総合文化研究科、福永研究室の浅井です。 続いて、探索の高速化に必須の手法、A* (エースター) を紹介します。 Aは「ヒューリスティック探索」とか「発見的探索」と呼ばれます。この名前が悪くて、おかげで、酷い誤解を受けています。例えばあるスライドでは、Aは「近そうなところから探索」と書かれています。なんか適当に探索するかのような印象ですね。A*は、ダイクストラ法を拡張し、 理論的裏付けを持った下界を用いてグラフを探索するための手法 です。 Dijkstra法 の何がタコか Dijkstra法は、最適解を見つけることができる

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Motivation 人工知能っていうとでぃーぷらぁーにんぐみたいな話になってるのがむかつくのでアンチテーゼにでもなればと思い、思いつきではじめました。たぶん一人でやるのであまり深いところまでは書き/書けません。自分の復習/備忘録的なものでもあります。しかもグラフ理論は自学で学んだぐらいの人間が書いてます。(グラフ理論入門 原著第四版 R.HJ. ウィルソン) 基本は AIMA から引っ張ってきています。 グラフ探索ってなに? カーナビです。つまり、まず、今居る所「スタート」と、目的地「ゴール」があります。通ることの出来る「道路」があっ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Abstract 計算機科学研究での記録のとり方 を書いてから半年ほど過ぎて、さらに知見がたまったので書き直します。情報系研究者が、紙ベース以外で研究ノートを取る場合に何をすれば良いか とにかく効率よく研究するにはどうするか をいくつかまとめました。改善案があればコメント希望、自分も研究効率をあげたいので教えてほしいですね。半年ぐらい経ったらたぶんまた書き直すと思います。 Introduction 本記事は、締め切りの明確に定まっている文章(上位国際学会論文、国際学会論文のrebuttal(反論)データ、学位論文)のための実験を円滑柔軟

本題に入る前に、Amazonが買収したKiva Systemsの話をしたいと思う。 ご存知、大量のロボットを用いて在庫の 搬入,移動,搬出 までを自動化・省力化する技術だ。箱詰めは人間がやる。詳細はこちらがわかりやすい(youtube)。6月に参加したICAPS 2014のInvited Talkにて、Kivaの技術チーフが公演をしてくれた、その公演の録画だ。(ちなみに、自分もこの部屋で発表した。) 一般の媒体ではその「ロボットを使っている」ところばかりが協調されるが、このプロダクトのすごいところは そこではない。注目すべきなのは、上の動画の12分あたりで紹介される考え方、すなわち、 倉庫全体を、超並列の、ランダムアクセス記憶媒体として考えることだ。 コンピュータのメモリがレジスタ、L1,L2,L3,メインメモリ、ハードディスクと階層的に分かれているのと同様に、Kivaのロボットも階層に分

こっち のほうが新しい内容です。 実験、スクリプト、結果の管理についてつらつらと。猛者の方たくさんいると思うんで、ほかにもあれば教えてください。 実装プログラムをバージョン管理するのは当然。(なお以下、「バージョン管理」を「git」と略記するので注意)問題は、ある程度実装が完成した場合の、実験スクリプトと結果の管理。実装のアイディア自体は既に十分吟味されているものとする。 追記:実験ノートのページも参照。 http://ja.wikipedia.org/wiki/%E5%AE%9F%E9%A8%93%E3%83%8E%E3%83%BC%E3%83%88 情報系の実験はほぼすべての実験状況を完璧にログできるので、上で述べられている は比較的簡単に得ることができる。残るのは実証性と「ワーキングメモリ」機能。実証性には電子署名を残せば良さそうだから、残された問題は「ワーキングメモリ」、すなわち「

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?