はじまるデータ分析応用ビジネス AI/データ分析ブームは近年ますます勢いづいていますが、チュートリアルからなかなか先に進めない方も多いのではないでしょうか?db analytics showcase Sapporo 2018では、実ビジネスへの応用にヒントを見出すための30セッションを用意。札幌でデータ分析技術/AIなどを応用したビジネスを展開している企業の方からも多く講演いただきました。
Googleが開発したオープンソースの機械学習用ソフトウェアライブラリ「TensorFlow」を活用し、マリオカートで自動運転を再現した様子をデベロッパーのケビン・ヒューズさんが公開しています。 TensorKart: self-driving MarioKart with TensorFlow http://kevinhughes.ca/blog/tensor-kart デベロッパーのヒューズさんは年末年始の空き時間に、「人工ニューラルネットワークを用いてマリオカート64をプレイする」というプロジェクトに取りかかったそうです。ヒューズさんは過去数年の間、「機械学習を用いて何かしたい」と考えていたそうで、特に最近話題のTensorFlowを使ってみよう、ということで今回のプロジェクトを思いついた模様。このプロジェクトの内容は、「TensorFlowを用いて人工知能がマリオカート64をプレイ
ディープラーニングPaaS「ABEJA Platform」をパートナーに公開 機械学習を運用レベルに引き上げるためのノウハウを他社と共有 11月22日、ABEJAはディープラーニングに特化した自社製プラットフォームを「ABEJA Platform Open」として2017年冬より提供することを発表した。12月からは機能を限定したα版を無料で提供し、パートナーとともに共創を加速する。 IoTでビッグデータを溜め、機械学習で解析する時代へ 発表会で登壇したABEJA代表取締役社長 CEO兼CTOの岡田陽介氏は、2012年からディープラーニング専業でビジネスを展開してきたABEJAの沿革を説明した。 シリコンバレーで機械学習のテクノロジーの勃興に衝撃を受けた岡田氏がABEJAを立ち上げたのは、ディープラーニングという言葉が生まれる前の2012年にさかのぼる。その後、さまざまな企業とのPoC(Pr
<大量のデータを並列処理するコンピュータゲームの画像処理チップに目をつけ、AI用半導体チップを開発し、AIのパワーアップとコンピューティングコストの大幅減を実現したエヌビディアは、AI産業革命の起爆剤になるか> 半導体メーカーNVIDIA(エヌビディア)が人工知能(AI)革命の立役者として産業界の注目を集め始めた。同社のパートナー企業の顔ぶれを見るだけで、これからどの業界に変化の波が押し寄せるのかが予測できそう。その裾野は広く、まさに革命前夜の様相を呈している。 世界最大級見本市の来年の基調講演に 毎年1月に米ラスベガスで開催される世界最大級の家電見本市Consumers Electronics Show(CES)の2017年の基調講演が、NVIDIAのCEOのJen-Hsun Huang(ジェンスン・ファン)氏に決まった。 CESは1967年に始まった歴史ある家電見本市。基調講演は毎年、
人工知能(AI)がブームになっているが、これまでのブームとどう違うのか。AIは、どのような発展段階にあるのか。人間の仕事を奪う「敵」なのか。人工知能学会会長である山田誠二氏の、こうした疑問に答えるような講演を要約してお届けする。 人工知能(AI)がブームになっているが、これまでとどう異なるのか。人工知能は、どのような発展段階にあるのか。人間の仕事を奪う「敵」なのか。こうした疑問に答えるような講演を、人工知能学会会長の山田誠二氏が、2016年11月1日に開催したイベント「SAS Analytics Next 2016」で行った。これを要約してお届けする。山田氏は国立情報学研究所教授、総合研究大学院大学複合科学研究科情報学専攻教授、東京工業大学情報理工学院情報工学系特定教授を務めている。 なお、以下は山田氏の講演を要約・再構成したものであり、文責は筆者にある。 「強いAI」と「弱いAI」 何を
AIといえば「ディープ・ラーニング」という言葉がセットのように語られていたが、最近ではこの言葉が「マシン・ラーニング」に置き換わった感がある。どちらもデータを単に処理するのではなく深く分析、ラベリングを行い再整理することでより人間の脳の機能に近づけることを意味するが、具体的な両者の差はどこにあるのか。 「それは処理するデータの量、質による」というのはボストンにあるセンティエント・テクノロジー社のデータ・サイエンティスト、ジュイ・チャンダリア氏だ。現在の定義ではディープ・ラーニングとはマシン・ラーニングの一形態であり、それが適用されるのはナロウ・ネットワーク、つまり分析対象が単一のものである、あるいは比較的単純なものである場合だ。 AIによる法人監査 例えば、銀行の窓口業務を想定する。顧客の要望は預貯金、引き出し、振り込み、新規講座開設その他、非常に限られた業務となる。これをAIに置き換える
今回は連載のタイトル「人工知能で明日のビジネスは変わるのか?」というテーマにふさわしく、人工知能もしくは機械学習とその市場もしくは収益について考えてみます。 人工知能でマネタイズできる分野 人工知能はいろんな切り口からの分類がありますが、前回の結びに書いたように「人間を超える」という部分がお金になるものと、「超えないけど人間より隈なく処理をする」という部分がお金になるものがあります。 人間を超えるもの まず前者の「人間を超える」というケースです。 これはビジネスとして大変美しく、理想的です。人間ではできないことをやるのですから、そこに料金が発生するのも納得です。ただ、現時点ではこれはなかなかありません。 ディープラーニングによる画像認識は、人間を超える精度を出しつつあります。画像認識自体をどうお金に変えるかのほうが課題です。囲碁の棋力も人間を超えつつありますが、これもそのこと自体はやはり
「第三次AIブーム」を牽引するディープラーニングは、システムがデータの特徴を学習して事象の認識や分類を行うもので、脳の神経回路を模したニューラルネットワークを多層化したものです。これが注目されたきっかけは、画像認識や音声認識が得意だったという点でしょう。人工知能の「AlphaGo(アルファ碁)」が、韓国のプロ棋士に勝利したニュースは記憶に新しいですが、アルファ碁にもディープラーニングの技術が用いられています。 ディープラーニングは画像認識をする際に「次元縮退」という処理を行っています。イメージとして一番近いのは「カクテルパーティ効果」です。周囲の雑音がある場所でも、会話に集中しているときは他の雑音が耳に入ってきません。これは、脳が会話部分だけを圧縮し、それ以外の次元を排除する処理を行っているのです。 ディープラーニングも同じです。盤面を画像に見立てて、盤面が有利か、不利か、全体を大まかに抽
本稿は、長年のテクノロジ・ジャーナリストであるマイケル・コープランド(Michael Copeland)氏がディープラーニングの基本を説明する一連の記事の第一弾です。 「人工知能は未来のテクノロジだ」、「人工知能はサイエンス・フィクションだ」、「人工知能はすでに私たちの日常生活の一部だ」――これらの説明はすべて事実であり、単にAIのどの面を指して言っているかによります。 たとえば、今年、Google DeepMindが開発したプログラム「アルファ碁」(AlphaGo)が囲碁の対局で韓国のプロ棋士イ・セドル(Lee Se-dol)氏を破った際に、DeepMindが勝った経緯を説明するため、「AI」、「機械学習」、「ディープラーニング」という言葉がメディアでさかんに取り上げられました。この3つは、どれもアルファ碁がイ・セドル棋士を打ち負かした理由の一部ですが、同じものではありません。 その関係
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