Google、任意の画像が技術的に審美的に美しいかを評価し1-10（10が最高得点）で採点するCNNベースの画像評価モデル「NIMA」を提案した論文を発表
Google、任意の画像が技術的に審美的に美しいかを評価し1-10（10が最高得点）で採点するCNNベースの画像評価モデル「NIMA」を提案した論文を発表 2017-12-19 Googleは、画像に対して技術面と審美面の両方で訓練できるCNN（Convolutional Neural Network）ベースの画像評価モデル「NIMA（Neural Image Assessment）」を論文にて発表しました。 NIMA：Neural Image Assessment 本稿では、任意の画像に対して1から10（10が最高得点）の程度で評価の分布を生成し、スコアのそれぞれに尤度を割り当てるアプローチを提案します。 ユーザが技術的（ピクセルレベルの技術品質）に美しく、または審美的（美の本質）に美しく見えるような画像を予測するために訓練されたdeep CNNが紹介されます。 実験では、AVAなどの大
Google、AIチップ「TPU」はGPUより30倍速い
米Googleは4月5日（現地時間）、AlphaGoや様々なサービスで利用しているオリジナルプロセッサ「TPU（Tensor Processing Unit）」についての論文（リンク先はPDF）を発表し、その性能について説明した。 Googleは現在はTPUを、主に人工知能の推論（学習済みモデルを使う）フェーズで使っているという。そのAIワークロードでは、TPUはGPUやCPUよりも15～30倍高速で、30～80倍エネルギー効率が高いとしている。 なお、ここで比較しているCPUは米IntelのHaswell世代の「Xeon E5-2699 v3」、GPUは米NVIDIAの「Tesla K80」で、いずれも実際にGoogleのデータセンターで稼働しているものだ。 Googleは約15年前から各種サービスで機械学習を採用している。6年前にはディープラーニングの採用を開始し、その処理には膨大なコ
Quantifying the performance of the TPU, our first machine learning chip | Google Cloud Blog
Quantifying the performance of the TPU, our first machine learning chip Editor's Note: Learn about our newly available Cloud TPUs. We’ve been using compute-intensive machine learning in our products for the past 15 years. We use it so much that we even designed an entirely new class of custom machine learning accelerator, the Tensor Processing Unit. Just how fast is the TPU, actually? Today, in co
謎の囲碁棋士「Master」の正体は「AlphaGo」 Googleが発表
※本記事はアフィリエイトプログラムによる収益を得ています Google DeepMindの共同創立者であるデミス・ハサビス氏が1月5日（日本時間）、Twitterを更新。年末年始に世界のトップ棋士を続々撃破していた謎の囲碁アカウント「Master」は、囲碁ソフト「AlphaGo」の新バージョンだと明らかにした。 声明によると、同社ではAlphaGoの改善作業に取り組んでおり、ここ数日はネット上で非公式のテストを行っていたという。「東洋囲碁と野狐囲碁で『Magister』『Master』と対戦した方、そして観戦して楽しんでもらった皆さんに感謝します」。テストが完了したことで、今後は囲碁の団体・専門家と協力して、2017年内に本格的な（持ち時間の多い）“公式戦”を実施するとしている。 無敗のMaster 囲碁アカウント「Master」の戦績は、「野狐囲碁」で30勝0敗、東洋囲碁を含めると60勝
機械翻訳と意味 - アスペ日記
ここ最近、Google翻訳がリニューアルされ、性能が向上したという話が流れてきたので、さっそく試してみた。 ぼくが真っ先に試したのは、「母は、父が誕生日を忘れたので、怒っている。」だ。 なぜこの文が気にかかっていたかは後述する。 結果は次の通り。 "My mother is angry because my father forgot her birthday." すばらしい。 では、「母は、父が鞄を忘れたので、怒っている。」はどうだろうか。 "My mother is angry because my father forgot his bag." 完璧だ！ 「誕生日を忘れた」の場合は「母の誕生日」と解釈し、「鞄を忘れた」の場合は「父の鞄」と解釈する。 これこそ、利用者が翻訳に求めるものじゃないだろうか。 しかし、ここまでだった。 次にぼくは、「父」と「母」を入れ替え、「父は、母が誕生日
私たちがAmazon Web ServicesからGoogle Cloud Platformに乗り換えた理由 | POSTD
https://flic.kr/p/os8Taq 要約：AWSは素晴らしいが、Googleはその グーゴル 倍素晴らしい。 AWS re:Invent （参加料は1,600ドル）に参加したり、チーフ･エバンジェリストの Jeff Barr をフォローしたりすれば、あなたはたちまち、Amazon Web Servicesのとりこになるでしょう。 毎年何百もの新機能が登場しており、食べ放題・融通が利く・運用担当者不要の、オンデマンドサービスのビュッフェのようです。まあ、実際に食べてみるまでは、の話ですが…。 Amazonは素晴らしいです。しかし、Google Cloudは「開発者によって、開発者のために構築された」ものであり、それが一目で分かるのです。 移行した理由 App Engine GAE はきちんと機能し、オートスケーリング機能も持ち、ロードバランサや無料のmemcacheも備えていま
TensorFlow Playground でわかるニューラルネットワーク
この記事を読みニューラルネットワークに興味を持ち勉強を始めました。 ニューラルネットワークを目で見て直感的に理解できるのは素晴らしいですね。 半年以上も前の記事なのでコメントを読まれているか分かりませんが、お聞きしたいことがあります。 TensorFlow Playgroundの入力層のFeatureについて勉強をしているのですが、なぜ生の入力値(座標x,y)ではなく、Featureを間にかませているかその背景を教えていただきたいです。 というのも、MNISTのチュートリアル等では縦横28x28ピクセルの784個のアドレスのグレースケールの値を入力とし、入力層に784個のニューロンを並べている解説が 多く、TensorFlow Playgroundで行われているようなFeatureの選択がどこから出てきたものなのか分からないのです。 ちょっと宣伝のようになってしまいますが、自分の学習成果の
Googleが示す機械学習による新たな働き方--「AIの重要性に気づいた企業が生き残る」
Googleは、同社の企業向け製品や活用事例などを紹介するイベント「Google Atmosphere Tokyo 2016」を6月14～15日に開催した。「Googleの機械学習テクノロジーが変える新しい働き方」と題するセッションでは、人工知能（AI）技術をクラウド型グループウェア「Google Apps for Work」へ適用することで得られる効果などについて語られた。 登壇者は、米GoogleからGoogle for WorkシニアバイスプレジデントのDiane Greene氏と、Google for Workエンジニアリング担当バイスプレジデントのPrabhakar Raghavan氏、そしてGoogle Apps for Work導入企業の代表としてフジテック執行役員情報システム部長の友岡賢二氏。 今はまだ初期時代の、巨大市場に発展するクラウド--Greene氏 Greene氏
Google、Googleフォトで位置情報の無い写真に推定の撮影場所を表示開始 | juggly.cn
2023年12月 (1) 2023年11月 (116) 2023年10月 (79) 2023年9月 (28) 2023年8月 (7) 2023年7月 (6) 2023年6月 (101) 2023年5月 (229) 2023年4月 (201) 2023年3月 (206) 2023年2月 (147) 2023年1月 (193) 2022年12月 (146) 2022年11月 (54) 2022年10月 (1) 2022年9月 (1) 2022年8月 (1) 2022年7月 (3) 2022年6月 (1) 2021年9月 (1) 2021年8月 (8) 2021年6月 (3) 2021年4月 (4) 2021年3月 (6) 2021年2月 (1) 2021年1月 (3) 2020年12月 (2) 2020年11月 (2) 2020年10月 (5) 2020年9月 (12) 2020年8月 (40
Googleのリアルタイム空間認識技術「Tango」は一度に数百個の構造物の特徴を把握して「空間」そのものを記憶できる「Area Learning」機能を持つ
Googleが開発中のリアルタイム3D認識技術「Tango」は、空間内の特徴を記憶することで、空間そのものを記憶できる「Area Learning」機能を持っています。屋内3Dマッピング実現に不可欠なArea Learnigの技術はここまで進んでいるというデモが、Google I/O 2016で発表されています。 Introducing Project Tango Area Learning - Google I/O 2016 - YouTube 会場の客席が満席になっているのに驚くProject Tangoの開発者のウィム・ミュースン氏。今日は「Area Learning」という技術について説明するとのこと。 「Project Tangoについて知っている人」と尋ねると、ほぼ全員挙手。 「では、Area Leaningについて聞いたことがあるという人は？」 パラパラとしか手が上がりません
Googleは「モバイルファーストからAIファーストへ」。その理由は、いずれデバイスという概念は消え去り、インテリジェントなアシスタントになるから
Googleは昨年8月に「Alphabet」とその傘下企業群という形に組織構造を変更したため、今年の手紙はGoogle CEOとなったSundar Pichai氏が本文を書いています。 この手紙ではGoogleの今後の方向性が明確に示されています。それは機械学習やAI（人工知能）への傾倒です。 Googleは創業当初からこの分野へ積極的に投資しリードしてきた存在ですが、今年の手紙の中でPichai氏は「We will move from mobile first to an AI first world.」（私たちはモバイルファーストからAIファーストの世界へ移るつもりだ）と、その変化を明確にしました。 その背景にある考え方はどのようなものでしょうか。手紙はいくつかの章に分かれているので、章ごとのサマリを紹介しましょう。 Knowledge for everyone: search and
Google supercharges machine learning tasks with TPU custom chip | Google Cloud Blog
Google supercharges machine learning tasks with TPU custom chip Editor's Update June 27, 2017: We recently announced Cloud TPUs. Machine learning provides the underlying oomph to many of Google’s most-loved applications. In fact, more than 100 teams are currently using machine learning at Google today, from Street View, to Inbox Smart Reply, to voice search. But one thing we know to be true at Goo
ディープラーニングによって賢くなるGoogle製品ーーGoogle翻訳もより正確になるか - BRIDGE（ブリッジ）テクノロジー＆スタートアップ情報
上： 3月10日にサンフランシスコで開催された2016 Structure Dataカンファレンスにて、MIT Technology ReviewのTom Simonite氏と対談するGoogleのシニアフェローJeff Dean氏（左） Image Credit: Jordan Novet/VentureBeat 大量のデータでニューラルネットワークを鍛錬して新しいデータの予測を立てるディープラーニングと呼ばれる人工知能を活用した結果、Google製品はより賢くなった。Googleマップ、Googleフォト、Gmailなどがこの種の技術により改良されている。次に改良が期待されるサービスはGoogle翻訳である。 補足しておくと、Google翻訳の一部は「インスタントビジュアル翻訳」で既にディープラーニングを使用している。これは、スマホのカメラを翻訳したい単語にかざすと翻訳してくれる機能だ
囲碁AI「AlphaGo」、世界ランク4位に
米Googleの人工知能（AI）部門DeepMindが開発する「AlphaGo」（アルファ碁）が世界ランキングで4位となった。 5万3000局以上の対局結果を元に、世界1719人の棋士のレーティングを公表しているWebサイト「Go Ratings」で「Google AlphaGo」が4位にランクインした。対局相手の李世ドル九段はすぐ下の5位に付けている。 現在世界ランク1位は「AlphaGo、お前は李世ドルに勝っても俺には勝てない」と挑発的に宣言した中国の18歳のプロ棋士、柯潔九段。日本の最高位は井山裕太九段の3位だ。 関連記事 AlphaGo、4勝1敗で勝ち越し 最終局も李氏に勝利 囲碁AI「AlphaGo」と李世ドル九段の第5局が行われ、AlphaGoが勝利した。 「歴史に残る一手」「セドルも人間じゃない」――“人類代表”、囲碁AIに勝利 プロ棋士はどう見る 勧告のプロ棋士・李世ドル九
自らを観察して学ぶグーグルのロボット--いかにして物をつかむようになる？
Liam Tung （Special to ZDNET.com） 翻訳校正： 村上雅章 野崎裕子 2016-03-15 06:45 Googleのロボットアームは、平らな表面に置かれた物であれば、それがどのような形をしていても82％の確率でつかむことができる。 人間にとって、物をつかむという動作は子どもでも簡単にできる。生まれたばかりの赤ん坊であっても、手の平に触れた指を反射的に握る。その能力は時とともに、そして視力の助けを借りて成長し、最終的にはさまざまな物を、その形にあわせて的確につかめるようになる。 Googleは現在、機械学習技術を活用し、人間が手と目を連携させて物をつかむ際のフィードバック過程を模倣することで、複数のロボットアームに日用品をつかむ動作を教え込もうとしている。 人間は、テニスのサーブや、皿洗いといった動作における微妙な筋肉の動きを、こういったフィードバック過程を経て
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
TechCrunch | Startup and Technology News
TechCrunch | Startup and Technology News
Announcing SyntaxNet: The World’s Most Accurate Parser Goes Open Source
AlphaGoのしくみ
DeepMind：AlphaGoをつくった「4億ドルの超知能」はいかにして生まれたのか？