機械翻訳は人間に追いついたのか？ 評価方法を検証する
機械学習の目覚ましい進歩によって、機械翻訳はすでに人間に近い精度を持つとされている。だが、機械翻訳の実力を正しく比較するには、評価方法の変更が必要だという。 by Emerging Technology from the arXiv2018.11.16 7 30 8 0 コンピューター言語学者たちは、ここ数カ月間、機械翻訳がついに人間の翻訳者に追いついたと次々に主張し始めている。 ニューラル・ネットワークを使って文を異言語間で翻訳する手法は、機械学習と人工知能（AI）の絶え間ない大きな進歩のおかげで近年、飛躍的に向上した。だから機械が人間の能力に近づいたといっても、別に驚くべきものではない。事実、コンピューター言語学者らは、主張を裏付ける有力な証拠をすでに手にしている。 だが、チューリッヒ大学の博士課程生であるサミュエル・ローブリらは、シャンパンはまだお預けにすべきだという。研究チームは、
JavaScript で 機械学習はじめよう
JavaScript で 機械学習はじめよう Shuhei Iitsuka みなさん、こんにちは。飯塚修平といいます。 それでは、JavaScript で機械学習はじめようという題で発表させていただきます。 よろしくお願いいたします。 1 http://bit.ly/2FDqHss
Machine learning, meet quantum computing
A quantum version of the building block behind neural networks could be exponentially more powerful. Back in 1958, in the earliest days of the computing revolution, the US Office of Naval Research organized a press conference to unveil a device invented by a psychologist named Frank Rosenblatt at the Cornell Aeronautical Laboratory. Rosenblatt called his device a perceptron, and the New York Time
TIS、自然言語処理・機械学習向けデータ作成ツール「doccano」をOSSで公開 | ニュースリリース | 2018年度 | ニュース | TIS株式会社
TIS、自然言語処理・機械学習向けデータ作成ツール「doccano」をOSSで公開 ～ 自然言語処理・機械学習を行うためのデータ作成を容易にし、企業システムにおける活用を促す ～ 2018年11月6日 ＴＩＳインテックグループのTIS株式会社（本社：東京都新宿区、代表取締役会長兼社長：桑野 徹、以下TIS）は、自然言語処理・機械学習向けのデータ作成ツール(アノテーションツール)「doccano（ドッカーノ）」をオープンソースソフトウェア（OSS）として公開することを発表します。 「doccano」公開ページ： https://github.com/chakki-works/doccano 「doccano」は、自然言語処理・機械学習に使われるラベル付きデータ（教師データ）の作成を容易にするツール(アノテーションツール)です。 テキスト分類、系列ラベリング※1、系列変換※2 という3つの基本
機械学習向け教師データ作成ツール、TISがオープンソースで公開：3種類のデータ作成に向く - ＠IT
TISは機械学習に向けた教師データ作成ツール「doccano」をオープンソースソフトウェアとして公開した。テキスト分類、系列ラベリング、系列変換という3つの基本的なタスクで使用するデータを作成しやすいという。 TISは2018年11月6日、自然言語処理や機械学習に向けた教師データ作成ツール「doccano（ドッカーノ）」をオープンソースソフトウェア（OSS）として公開すると発表した。GitHubから入手できる。 doccanoは、機械学習などで教師データに使うラベル付きデータを作成するアノテーションツール。「テキスト分類」、文中の人名や地名などを特定する「系列ラベリング」、要約や翻訳といった「系列変換」という3つの基本的なタスクで使用するデータを作成しやすいという。 これらの基本的なタスクは表計算ソフトなどの帳票ツールでも実行可能だが、例えば系列ラベリングでは文字単位、単語単位でデータを作
学習率の決め方 -LR range testとCyclical Learning Rate-
本記事について 本記事では、Deep Learningを用いた学習の要となる学習率の決め方、また学習率更新関数の決め方ご説明します。 これから説明する方法は、米国で数多の機械学習エンジニアを輩出している学習講座 fast.ai に取り入れられている手法で、その手法はDeep Learningフレームワークに導入、または導入検討されているものです。 この学習率決定法・更新関数は導入が簡単な割に、精度が数％上昇したり既存の精度までに到達する学習時間(Epoch数)が半分以下なるため、取り入れないのはもったいないと思いから記事にしました。 この記事は fast.ai 及び 論文『Cyclical Learning Rates for Training Neural Networks』を参考しにしています。 初期学習率の決め方: LR range test LR range testとは 初期学習
【OSS】Google、言語表現事前トレーニング手法「BERT」をオープンソース公開---最新の質問応答システムを30分で訓練
【OSS】Google、言語表現事前トレーニング手法「BERT」をオープンソース公開---最新の質問応答システムを30分で訓練 OSS×クラウド最新TOPICS 2018年11月5日 11:36 Googleは、言語表現事前トレーニング手法「BERT」をオープンソース公開した。 BERTとは 自然言語処理(NLP)とは「言語翻訳」「センチメント分析」「セマンティック検索」「その他の数多くの言語タスク」などにまたがる人工知能(AI)のサブカテゴリ。 「BERT(Bidirectional Encoder Representations from Transformers)」とは、さまざまな自然言語処理(NLP)タスクの最先端の結果を得る言語表現事前トレーニングのための新手法。 BERTの特徴 Google AI言語の研究者であるJacob Devlin氏とMing-Wei Chang氏は、B
Neural Best-Buddies (NBB) : 2枚の画像の中で「意味的に」似ている部分を探す
Powered by DLHacks 見た目がなんとなく似ている物体の画像を持っていると、無性に位置の対応をとりたくなってきます。 今回は、Convolutional Neural Network (CNN) を使って画像間の位置の対応付けを行った論文を紹介します。 はじめに 下図のように、2枚の画像を入力して「意味的に」似ている部分（座標と座標の対応）を出力します。 位置の対応は、全 pixel に渡って求めるのではなく、確信度の高い点のみを出力します。 このスパースな位置の対応を Neural Best-Buddies (NBB) と呼びます。 下図では、5つの NBB を出力していることになります。 種類が違う物体であっても、それっぽい対応が取れていることが分かります。 （引用：https://github.com/kfiraberman/neural_best_buddies ）
約22000人のクラウドワーカーが学習データを作る！GengoAIのチャーリーに聞いた自然言語処理でのデータの重要性！ | 人工知能ニュースメディア AINOW
HOME/ AINOW編集部 /約22000人のクラウドワーカーが学習データを作る！GengoAIのチャーリーに聞いた自然言語処理でのデータの重要性！ 最終更新日： 2019年7月10日 おざけんです。 今回の記事は自然言語処理技術に着目します。 自然言語処理技術はAI・人工知能技術の中でも特に注目されています。自然言語という人間が生活の中で使う言語を機会が解釈することができれば、その活用の幅は飛躍的に広がるでしょう。 特に注目されているのはチャットボットの技術です。新しいインターフェースとしてスマートフォンを凌ぐ技術だとされ2016年あたりから話題になった技術です。 AI関連の展示会では相変わらずチャットボット系のサービスの展示が多いものの、世間的にはチャットボット技術はまだ下火と言えそうです。それは自然言語技術にはまだまだ発達の課題があるからです。 今回は、Uberで自動運転のプロジェ
蒸留 第1回 | DeepX AI Blog
こんにちは、エンジニアの中村です。 今回から数回にわたって、ディープラーニング技術の実用上の重要な課題を解決する蒸留という手法について紹介したいと思います。 ディープラーニングは非常に魅力的なモデル学習技術ですが、実際に使用する際には計算リソースがボトルネックとなり、利用可能なシーンが限定されてしまうことがあります。せっかくの魅力的な技術も、そうなってしまうと宝の持ち腐れです。蒸留は、精度を損なわずに計算負荷の小さいモデルを訓練することを可能にし、ディープラーニングが実際に利用できるシーンを拡大します。 また、蒸留はこうした計算リソースに起因する ディープラーニングの実用上の課題を解決するだけでなく、モデルの精度向上、訓練の効率化、敵対的攻撃（Adversarial Attack）に対する防御など、その他のさまざまな用途に使用可能な応用領域の広い手法でもあります。 今回の記事では、モデル圧
Google、TensorFlowベースの強化学習フレームワーク「Dopamine」（ドーパミン）、オープンソースで公開。脳の報酬系をインスパイヤ
Google、TensorFlowベースの強化学習フレームワーク「Dopamine」（ドーパミン）、オープンソースで公開。脳の報酬系をインスパイヤ 機械学習のアルゴリズムのひとつである「強化学習」は、コンピュータが行動を選択した結果なんらかの報酬を得るとき、選択を繰り返していくなかでできるだけ多くの報酬を得るように学習していく、というものです。 この強化学習は、プロ囲碁棋士を破った初めてのコンピュータプログラムとなった「アルファ碁」で用いられたことで一気に注目されるようになりました。 Google Brainチームは、TensorFlowをベースにした強化学習のための新しいフレームワーク「Dopamine」（ドーパミン）をオープンソースで公開しました。 Dopamineは、下記のように脳の報酬系からインスパイヤを得たと説明されています。そしてドーパミンは人間にとっての報酬系である快感に関わ
東大 松尾豊准教授らが「日本企業のAI戦略」を激論 世界と比べて何が足らない？
ディープラーニングが第3次AIブームを牽引し、機械学習、ディープラーニングといったテクノロジーが実際にサービスに組み込まれる事例も増えてきた。いよいよ「実用段階」にシフトしてきたAIの最新動向や、日本を含むグローバルでの取り組みはどうなっているのか。東京大学大学院 工学系研究科 特任准教授の松尾 豊氏を始め、楽天 執行役員 兼 楽天技術研究所 代表の森 正弥氏、ABEJA 代表取締役社長 CEO 兼 CTOの岡田 陽介氏らが、今後のビジネス活用のために、日本企業がとるべき「AI戦略」について提言した。 米国だけでなくアジアでもAI研究者の「獲得競争」が起きている 機械学習やディープラーニングがさまざまなビジネス、サービスに組み込まれ、グーグルやフェイスブックといった「テックジャイアント」は数百人規模で優秀な技術者を抱えている。都内で開催された「新経済サミット2018」では、「世界のAI戦略
グーグル、「G Suite」をAIでさらに強化--「Hangouts Chat」のスマートリプライなど
Googleはサンフランシスコで開催中の「Google Cloud Next」カンファレンスで、生産性およびコラボレーションのツール「G Suite」が現在400万人以上の顧客に利用されていることを明らかにした。同社はこのわずか1年の間に300近くの新機能を「G Suite」に追加しており、人工知能（AI）を活用した複数の機能を含めて、さらなる機能を追加すると発表した。 AIを活用する新機能は、読み書きとミーティングを対象としたものだ。書くことについては、「Hangouts Chat」に「Smart Reply」を追加し、チャットルームにおける素早い返信を可能にした。応答が必要かもしれないメッセージを見つけて、3つの異なる返信文を提案する。チャットにふさわしい程度のカジュアルさを保ちつつ、仕事相手に対して適切な文章になるように設計されている。また、「Gmail」の「Smart Compos
ML Kit の紹介
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
Kaggle Tokyo Meetup #4 開催レポート - tkm2261's blog
こんにちは。tkm2261です。 今日は2018/5/12に開催したKaggle Tokyo Meetup #4の模様をレポートします。 connpass.com このmeetupも4回目となり、今回はGoogle様からサポートを頂いた事もあり、かなり大規模なmeetupになりました。 今回からMaster枠とExpert枠を設けたり、Youtube Liveをしたり、人数を増やしたりと色々新しいことを試しています。 さらに自分で言うのもアレですが超豪華なスピーカーになっています。 本日の見どころは 競プロ界の神tourist wataさん 金メダル2個のnovice pocketさん 苦労人masterのterekaさん scikit-learn生みの親davidCさん LTなのに一ヶ月前から資料作ってたjackさん 2 stage制の鬼osciiartさん talkingdata覇者f
AWS Documentation is Now Open Source and on GitHub | Amazon Web Services
AWS News Blog AWS Documentation is Now Open Source and on GitHub Earlier this year we made the AWS SDK developer guides available as GitHub repos (all found within the awsdocs organization) and invited interested parties to contribute changes and improvements in the form of pull requests. Today we are adding over 138 additional developer and user guides to the organization, and we are looking forw
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
構造化されたデータをGCPでMachine Learning - DMM inside
機械学習は敷居が高すぎるので学習済みのモデルだけ利用してみる | カレリエ
Deep Reinforcement Learning for NLP (for beginners)
Kaggle Tokyo Meetup #4 - 資料一覧 - connpass
