人工知能（A.I）が質の良い睡眠を提供してくれるいくつかの方法【A.Iカオスマップ付き】 - BRIDGE（ブリッジ）テクノロジー＆スタートアップ情報
Photo via VisualHunt.com Under license: CC0 1.0 Universal (CC0 1.0) Public Domain Dedication ※編集部注：著者のLarry Alton氏は人工知能関連に精通したVentureBeatのゲストライター。 人工知能（AI）には限界がありません。この分野は急激に発展しており、今後の5年間でみせる短期間での成長も驚くべきことではないでしょう。そして新しいAI技術は、あなたが眠っている間でも仕事をしてくれるので、質が良く遮られることのない睡眠を可能にします。 これってかなり良いと思いませんか？ 米国の睡眠不全の現状 アメリカ人の私たちは、質の悪い睡眠を取りがちです。それはAmerican Sleep Association（ASA）によって収集された以下の統計からわかります。 5000〜7000万のアメリカの
arXiv.org e-Print archive
arXiv is a free distribution service and an open-access archive for nearly 2.4 million scholarly articles in the fields of physics, mathematics, computer science, quantitative biology, quantitative finance, statistics, electrical engineering and systems science, and economics. Materials on this site are not peer-reviewed by arXiv. Subject search and browse: Physics Astrophysics (astro-ph new, rece
Kaggle – 神々に近づくために | threecourse's memo
PyDataTokyoに触発されたので、Kaggleで上位を取るための戦略、そして神々に近づくための学習戦略を考えてみました。 kaggle master （自慢）ではありますが、kaggle歴は浅いので、いろんな突っ込みどころがあると思います。 1. 初参加 ～ top25% まずはtitanicのtutorialを始めてみる 終わったら、ちゃんとポイントのもらえる本番コンペに参加する お遊びコンペだとなかなか気合いが入らないので（人によります） いろんなコンペがあるが、とりあえず興味があるのに参加してみる 無理そうならあきらめる beat the benchmark(btb)というのがForumに出てくるので、まずはbeat the beat the benchmarkを目指す。これができればtop25%とか行けるのではなかろうか。 ツールの使い方を覚える良い機会 btbは特徴量をそん
TensorFlowによるDCGANでアイドルの顔画像生成 - すぎゃーんメモ
アイドル顔識別のためのデータ収集 をコツコツ続けて それなりに集まってきたし、これを使って別のことも…ということでDCGANを使ったDeep Learningによるアイドルの顔画像の「生成」をやってみた。 まだだいぶ歪んでいたりで あまりキレイじゃないけど…。顔画像を多く収集できているアイドル90人の顔画像からそれぞれ120件を抽出した合計10800件をもとに学習させて生成させたもの。 分類タスクとは逆方向の変換、複数のモデル定義などがあってなかなか理解が難しい部分もあったけど、作ってみるとそこまで難しくはなく、出来上がっていく過程を見るのが楽しいし とても面白い。 DCGANとは "Deep Convolutional Generative Adversarial Networks"、略してDCGAN。こちらの論文で有名になった、のかな？ [1511.06434] Unsupervise
プレゼンテーション：PythonではじめるOpenAI Gymトレーニング | PyCon JP 2016 in TOKYO
OpenAI Gymをご存知でしょうか。これは名前の通り"AI"をトレーニングするためのジムで、様々なゲームなどで自分の開発したAIを"トレーニング(学習)"させることができます。 本セッションでは、強化学習を用いたAIの開発方法と、OpenAI Gymを用いたトレーニングのさせ方について解説します。 ※基本的な流れは、Qiitaに掲載済みのこちらの記事に沿って行います http://qiita.com/icoxfog417/items/242439ecd1a477ece312 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。 本発表では、その強化学習と
Web開発におけるコンピュータサイエンス - 機械学習編1 - Hatena Developer Blog
この教科書は、はてなサマーインターンの講義資料として作成されたものです: https://github.com/hatena/Hatena-Textbook この章では機械学習について、Webサービスの開発で必要とされる知識を中心に、とくに自然言語処理にフォーカスしながら解説します。 Webサービス開発と機械学習 実現困難な機能の例 闇雲な実装 もう少しましな実装 機械学習によるパラメータ決定 分類問題のための機械学習手法 パーセプトロン 判別アルゴリズム 学習アルゴリズム 特徴量のとり方 形態素解析 量をともなう特徴 組み合わせ特徴量 モデル 機械学習の種類 教師あり学習 分類 (質的変数の予測) 回帰 (量的変数の予測) 教師あり学習でのデータセット 教師なし学習 クラスタリング 次元削減(次元圧縮) 頻出パターンマイニング 異常値検出 アルゴリズムの評価 訓練データとテストデータ 学
Pythonや機械学習、そして言語の競争について – 極めて主観的な見地から | POSTD
(訳注：2016/1/5、いただいた翻訳フィードバックを元に記事を修正いたしました。) よくある主観的で痛烈な意見を題名に付けたクリックベイト（クリック誘導）記事だろうと思われた方、そのとおりです。以前指導してくれた教授から教わったある洞察/処世術は、些細でありながら私の人生を変えるマントラとなったのですが、私がこの記事を書いたのはそれによるものです。「同じタスクを3回以上繰り返す必要があるなら、スクリプトを書いて自動化せよ」 そろそろ、このブログはなんだろうと思い始めているのではないでしょうか。半年振りに記事を書いたのですから。ツイッターで書いた Musings on social network platforms（ソーシャル・ネットワークプラットフォームについてじっくり考える） はさておき、この半年の間書き物をしていないというのはうそです。正確には、400ページの 本 を書きました。
［CEDEC 2016］果たしてAIはRPGをクリアできるのか？ AIによるテストプレイでゲームのクオリティを高める技術とは
［CEDEC 2016］果たしてAIはRPGをクリアできるのか？ AIによるテストプレイでゲームのクオリティを高める技術とは ライター：徳岡正肇 ゲームのバランス調整にあたって，テストプレイは欠かせない。しかしながら，毎月のように（ときには毎週のように）イベントを実施するモバイル向けオンラインゲームでは，テストプレイに必要となる時間もまた膨大なものとなり得る。 かくして，人間がプレイするのではなく，AIにプレイさせて，その結果からゲームバランスを調整していくことはできないか，という発想が生まれることになった。 果たしてAIは，人間のようにきちんとゲームを攻略できるのだろうか？ またその攻略法は，人間のそれと同じものになるのだろうか。CEDEC 2016では「ファイナルファンタジー レコードキーパー」（以下，FFRK）でAIによるテストプレイを行う試みに関する講演が行われた。 ディー・エヌ・
(主に)ディープラーニングの成果を利用したAPI集(自分用) - Qiita
ディープラーニングなどの成果を活用したAPI一覧 個人の整理用なので、分類や説明は大雑把です。 画像解析 IBM Watson AlchemyVision 機能・特徴 画像内で見つかった物体・人・文字を返す 試してみる IBM Watson Visual Insights（2016年6月末廃止予定） 機能・特徴 消費者の興味、活動、趣味、ライフイベント、製品に関連した洞察を抽出するためにオンラインの画像、ビデオを分析する 試してみる IBM Watson Visual Recognition 機能・特徴 画像中に映った代表的なものの関連する分類のスコアを返す 試してみる GOOGLE CLOUD VISION API 機能・特徴 画像からさまざまな情報を引き出す 画像を数千のカテゴリ(たとえば、「ヨット」「ライオン」「エッフェル塔」など)にすばやく分類する 画像に映る個々の物体や人物の顔を
ついに明かされる「りんな」の“脳内” マイクロソフト、「女子高生AI」の自然言語処理アルゴリズムを公開
日本マイクロソフトは都内で開いた開発者向けイベント「de:code 2016」で、同社が独自に開発する“女子高生AI”「りんな」の自然言語処理アルゴリズムの詳細を語った。りんなのアルゴリズムのキモは「ランク付け」だという。自然な“女子高生らしさ”を生み出している秘密とは？ りんなは2015年7月にLINEアカウントとして登場し、同年12月にはTwitterアカウントも開設。「マジで？！やば！」など“日本の女子高生”をイメージした受け答えができるのが特徴で、現在LINEとTwitterを合わせて340万人以上のユーザーと会話しているという。 Microsoftが開発しているAIとして「Cortana」がよく引き合いに出されるが、Cortanaのコンセプトが「Productivity」（生産性向上）であるのに対し、りんなのコンセプトは「Emotional」（感情的）。例えば、「明日晴れるかなぁ
「人工知能」ブームに乗り遅れた！という方々に捧げる人工知能（機械学習）まとめ記事 - 六本木で働くデータサイエンティストのブログ
(Photo credit: A Health Blog via Visual Hunt / CC BY-SA) 「人工知能」ブームが本格化してまだほんの数ヶ月だと思うんですが、気がついたらTV含む大手メディアが皆こぞって毎日のように「人工知能」を取り上げ、あまつさえ政府や与党の諮問会議でまで「人工知能」の語が飛び交う有様で、一体何をどうしたらこうなるのか僕には全く分かりません（汗）。 とは言え、実際にビジネスの現場でも「人工知能」への期待感が日に日に高まり続けているのは事実で、例えば友人知人の経営者との酒席でも「最近人工知能ってめっちゃくちゃ流行ってるじゃん、あれって実際どうなの？本当に役に立つの？今からでも人工知能事業に参入すべきなのかな？それとも俺たちあいつらに滅ぼされちゃうの？」みたいなことを聞かれることが多いんですよね。 ということで、そういう「人工知能」ブームに乗り遅れたけれど
ディープラーニングの有名ライブラリ5種を最短距離で試す半日コース（TensorFlow, Chainer, Caffe, DeepDream, 画風変換） - その後のその後
「いつか勉強しよう」と人工知能／機械学習／ディープラーニング（Deep Learning）といったトピックの記事の見つけてはアーカイブしてきたものの、結局2015年は何一つやらずに終わってしまったので、とにかく一歩でも足を踏み出すべく、本質的な理解等はさておき、とにかく試してみるということをやってみました。 試したのは、TensorFlow、Chainer、Caffe といった機械学習およびディープラーニングの代表的なライブラリ／フレームワーク3種と、2015年に話題になったディープラーニングを利用したアプリケーション2種（DeepDream、chainer-gogh）。 （DeepDreamで試した結果画像） タイトルに半日と書きましたが、たとえばTensorFlowは環境構築だけなら10分もあれば終わるでしょうし、Chainerなんてコマンド一発なので5秒くらいです。Caffeは僕はハ
東大発モノ作りベンチャーの挑戦 IoTの深刻なエネルギー問題と対応策とは
研究者が考えるIoTの成功事例 玉川憲氏（以下、玉川）：次は川原さんから研究のエリアにおける課題であったり最新動向であったり、今取り組まれていること、私はお伺いして非常におもしろかったんですけれども、そういったところをお話いただけたらと思います。 川原圭博氏（以下、川原）：はい。私はずっと大学にいた、いわゆる大学の先生でした。研究分野としては情報通信で、2000年の始めぐらいからユビキタスコンピューティングとか、IoTにかなり近いコンセプトをずっとやってきました。何が行われてきたかと新しい仕組みをずっと見てきたんですけれども。 IoTの今の動きはアカデミアで過去に誰かによって提案されたものが「あ、やっと実用化されたな」というのが多いなという印象を持っています。そう考えると、僕の中では、まだキラーアプリケーションというか、本当の成功事例はあまり見てないなという気がちょっとします。 「たぶんこ
マシンビジョンが「AIの次のフロンティア」と言われるのはなぜか？ - BRIDGE（ブリッジ）テクノロジー＆スタートアップ情報
Remi El-Ouazzane氏はMovidiusのCEOである。Movidiusはデバイスにつなげる視覚知能を供給するため、アルゴリズムとカスタムメイドのハードウェアを結合するスタートアップである。 Image Credit: Movidius 人工知能（AI）をめぐる話題はここ数年増加の一途をたどっている。この技術のメリットがこれほど広く知られるようになったことはかつてない。2016年はAIで最も難しい課題の1つ、すなわちデバイスに見ているものを理解させる技術が進歩を遂げると、新たな種類のAIデバイスを目にすることになろう。 なぜ機械に視覚が必要なのか。視覚は重要な感覚で、私たちが生きていくのに欠かせない要素の1つだ。機械が人間と関わり、必要なサポートができるようにするためには、視覚領域で物を見て行動できなくてはならない。これは例えば、目の見えない人が「見える」よう手助けをして、周り
Facebookが人工知能研究用の高性能オープンソースハードウェア「Big Sur」をリリース
Facebookは人工知能研究チーム「Facebook AI Research(FAIR)」を立ち上げるなど、人工知能の研究に注力しています。そんなFacebookが人工知能技術を活用したニューラルネットワーク開発用にオープンソースハードウェア「Big Sur」をリリースすることを明らかにしました。 Facebook to open-source AI hardware design | Engineering Blog | Facebook Code https://code.facebook.com/posts/1687861518126048/facebook-to-open-source-ai-hardware-design/ Facebookは顔認識技術やパーソナルアシスタントサービスなど、Facebookの使い勝手やより有効にユーザーデータを活用するために人工知能技術や機械学習
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
NHK クローズアップ現代 「“仕事がない世界”がやってくる！」 20160315
waifu2x
ComputerworldとCIO Magazineは閉鎖しました
人工知能とレタス：食糧危機から人類を救うのはAIかもしれない｜WIRED.jp
https://vaaaaaanquish.hatenablog.com/
