Google DeepMind、マシンが周囲を認識するために、2D画像から3Dシーンを推定する教師なし視覚認識ニューラルネットワーク「GQN」を発表 2018-06-15 Google DeepMindは、マシンが周囲を認識するために、2D画像からシーンの3Dモデルを生成する視覚認識フレームワーク「Generative Query Network(GQN)」システムを発表しました。 GQNは、事実上何も知らないエージェントが、シーンの複数の静的2D画像を見て、それの合理的に正確な3Dモデルを再構築するシステムです。 シーンの内容を人間がラベル付けすることなく、あらゆる角度からシーンを推定しレンダリングします。マシンが、その部屋なりを動きながら収集した2D画像を基に、関係性や規則性などを学び、見えない部分も含めオブジェクトの位置や色などを推定し再現します。 以下のような単一の視点から正確な3
深層強化学習は、子どもが何かの技能を学ぶのと非常に似ている。習うより慣れろだ。しかし、ロボットのような自律エージェントの場合、ある試みの後に次の試みを実施する前に、エージェントを取り巻く環境を元の状態に戻さなければならない。それは例えば、人間が走り回って物体を置き直すといった時間のかかる面倒な作業になることもある。 グーグル・ブレイン、ケンブリッジ大学、マックス・プランク知能システム研究所、カリフォルニア大学バークレー校の研究者は、次の試みを実施するために環境を元に戻すことや、元の状態に戻せないような行動はとらないことを、エージェントに教える方法について、アーカイブ(arXiv)に公開した新しい論文で詳細に記述している。 研究者たちは、一緒に機能する「進む」と「元に戻す」方策をエージェントに与えた。「進む」方策は技能を学習するのと一緒にタスクとして課されるのに対し、「元に戻す」方策はエージ
AIは写真に写っている猫や犬を高い精度で認識可能だが、一方で、「猫を追いかけている犬」といった、それぞれの関係性についての認識は難しかった。Alphabet(Google)傘下のDeepMindの研究チームはこのほど、複数のオブジェクトの関係性認識能力(関係推論)について、高い精度を持った2つのシステムを開発した。 AIは写真に写っている猫や犬を高い精度で認識可能だが、一方で、「犬と喧嘩する猫」といった、それぞれの関係性についての認識は難しかった。Alphabet(Google)傘下のDeepMindの研究チームはこのほど、複数のオブジェクトの関係性認識能力(関係推論)について、高い精度を持った2つのシステムを開発した。同社がアルファ碁の開発によって、AIが人間以上の創造性を持つことを世に示したことは記憶に新しい。 1つ目は、オブジェクトの位置関係を認識するシステム(オブジェクトが別のオブ
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 Google DeepMindの研究者らは米国時間11月17日、「Reinforcement Learning with Unsupervised Auxiliary Tasks」と題した新たな論文の公開を同社ブログで発表した。論文には、動物が夢を見ることで学習速度を向上させている点から着想を得た、「UNsupervised REinforcement and Auxiliary Learning」(UNREAL:教師なしの強化および補助学習)について記されている。 この知見を取り入れたエージェントを、Atariのゲームと、「Labyrinth」という3D迷路ゲームを使ってテストしたところ、以前のアルゴリズムに比べて学習速度が10倍に高
ディープマインド(DeepMind)は10月12日、次世代の人工知能技術として「ディファレンシャブル・ニューラル・コンピューター(Differentiable Neural Computers:DNC)」を発表した。 ディープマインドは人工知能AlphaGoによって囲碁世界チャンピオンを打ち負かしたことが記憶に新しいグーグルのAI研究チーム。近年ではコンピューター・ゲームのルールを自分で学びクリアする「DQN(Deep Q-Network)」を発表している。新AI技術のDNC(機械式計算機として名高いバベッジのディファレンシャル・エンジンを連想させる名前)は、DQNの技術を更に進化させたアーキテクチャを採用し、既存ディープラーニングよりも学習精度や汎用性が高いAI技術のようだ。
Googleがリアルタイムの顔認証技術を開発している。ユーザーが銀行口座や電子メールアカウントにログインする際に、スマートフォンの前面カメラを使って連続的にユーザーを認証する技術だ。 連続認証は、セッションの開始時に認証情報を使用するだけの現在の手法を改良する有望な技術と見なされている。 セキュリティ専門家Lenny Zeltser氏が説明しているように、連続認証を実現する1つの方法として、スマートフォンのセンサを使って、ユーザー本人のキーストロークや指紋などの生体信号を受動的に監視し、別人によるなりすましを検出した場合はアクセスをブロックするやり方がある。 スマートフォンのカメラを使った顔認証は、同じ目的を達成するための別の手法だ。しかし、新しい論文の中で複数の研究者は、過去の事例がリアルタイムでの使用に十分適しているとは言えず、実際の状況でカメラが捉えるものを検出するように設計されたも
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
処理を実行中です
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