NEC、従来の半分のデータ量で精度良く学習するディープラーニング技術を開発
NECは8月19日、従来の半分の学習データ量で高い識別精度を維持できるディープラーニング技術を発表した。元データの種類を問わないため、画像や音声などさまざまなデータに対し適用できるとしている。 ディープラーニングには、元データを示す「入力層」と回答を示す「出力層」の間に、元データの特徴を抽出する「中間層」が複数ある。NECが開発した技術では、中間層の特徴量を意図的に変化させ、識別が難しいデータを集中的に生成して識別精度を高めている。 同社によると、文字認識や物体認識の標準的なデータセットに対し同技術を適用したところ、従来の半分の学習データ量で従来と同等の精度を実現できたという。 一般的にディープラーニングの識別精度を高めるには、識別が難しいデータを多く学習することが有効とされている。従来は学習用の画像データを意図的に加工、変形させてデータ量を増やす「データ拡張」という手法を使っていたが、十
エンジニア以外も「AIの仕組み」を学ぶべき理由 機械学習とディープラーニングの違いは？
エンジニア以外も「AIの仕組み」を学ぶべき理由 機械学習とディープラーニングの違いは？：よくわかる人工知能の基礎知識（1/4 ページ） 本連載で解説してきたように、AI（人工知能）といってもそれが何を意味するのか、またAIをどのように実現するかの答えは1つではない。とはいえ、昨今の「このサービスは人工知能を活用しています」という説明は、機械学習もしくはディープラーニングのことを指していると考えていいだろう。 ビジネスでのAI活用を考える上で、これらの用語の基本的な意味や、何ができるかを把握しておくことは重要だ。これは開発に関わるエンジニアだけでなく、経営者や現場担当者にも当てはまる。そこで今回は、いまのAIブームをけん引する2つのキーワードについてあらためて解説してみたい。 連載：よくわかる人工知能の基礎知識 いまや毎日のようにAI（人工知能）の話題が飛び交っている。しかし、どれほどの人が
「ディープラーニングは最小二乗法」で物議 東大・松尾豊氏「深い関数の方が重要」
「ディープラーニングは、原理的には単純な最小二乗法にすぎない」――2月18日付けで日本経済新聞電子版が公開した記事について、Twitterでは「ディープラーニング＝最小二乗法」という解釈は異なるのではという指摘が相次いだ。19日には「ディープラーニング」「最小二乗法」といったワードがTwitterでトレンド入りし、波紋が広がっていた。 日経の記事では、慶應義塾大学経済学部の小林慶一郎教授がAI技術について解説。「近年、驚異的な発展を見せているAIのディープラーニング（深層学習）は、原理的には単純な最小二乗法（誤差を最小にする近似計算の一手法）にすぎない」と言及し、「ディープラーニングは『最小二乗法』」と題する図版が掲載された。 最小二乗法は、測定で得られたデータの組を、1次関数など特定の関数を用いて近似するときに、想定する関数が測定値に対してよい近似となるように、モデル関数の値と測定値の差
無計画な「とりあえず機械学習」から脱するには？
「機械学習のプロジェクトは『何のためにやるのか』を明確に文章化できていないと失敗する」――日本マイクロソフトのエンジニア、畠山大有さんはそう力説する。依頼があった企業のプロジェクトに協力する中で“学び”があったという。 「機械学習のプロジェクトは『何のためにやるのか』を明確に文章化できていないと失敗する」――日本マイクロソフトが主催する開発者向けイベント「de:code 2018」で、同社の畠山大有さん（プリンシパルソフトウェア デベロップメント エンジニア）はそう力説した。 畠山さんらは、日本マイクロソフトへ依頼してきた企業のプロジェクトチームに入り、相手企業のエンジニアと協力してコードを書いたり、クラウドサービス「Microsoft Azure」の導入をサポートしたりしてきた。そうした中、機械学習を活用するプロジェクトの成功率を上げる“学び”があったという。 畠山さんが着目するポイント
過熱する“AI人材争奪戦” 「報酬以外の魅力必要」 DeNAの戦略
ディー・エヌ・エーが、優秀なデータサイエンティストを獲得するため「Kaggle社内ランク制度」の導入を始めた。国内外で加熱するAI人材の争奪戦。同社はどうやって優秀な人材の獲得競争に勝とうとしているのか。 研究者やデータサイエンティストなど、優秀なAI人材の争奪戦が過熱している。米Appleや米Googleら大手IT企業が続々とAIベンチャーを買収する中、国内でもAI（人工知能）に造詣の深い人材の獲得で各社が競争を繰り広げている。 中でも、データ分析や機械学習のさまざまなコンペに参加できる米国発のプラットフォーム「Kaggle」（カグル）で優秀な成績を収めたKaggler（カグラー）と呼ばれるデータサイエンティストたちの需要が高まっている。
東大松尾研、「Deep Learning基礎講座」の演習コンテンツを無償公開
東京大学松尾研究室（松尾豊特任准教授）は1月24日、東京大学の公開講座「Deep Learning基礎講座」で実際に使っている演習コンテンツの無償公開を始めた。GPUを使ってモデルを学習する実践的な内容で、個人・非商用に限って無料で利用できる。 Jupyter Notebook形式で作成された研究者向け演習コンテンツで、Jupyter環境があれば利用可能。GPUを利用し、実際にモデルを学習させながら技術を習得できる。線形代数や機械学習が前提知識として必要。コードはTensorFlowと、Numpy、Scipy、Scikit-learnなど標準的なライブラリで構成した。公開したのは演習パートのみで、講義パートのコンテンツは別。 個人で学習する目的のみで無償で利用でき、講習会や教室などでの利用は不可。クリエイティブ・コモンズの「CC-BY-NC-ND」（表示 -改変禁止- 非営利-一般）が適用
「AlphaGo Zero」──ビッグデータ不要のAI棋士が自己対局のみで世界最強に
Googleの系列AI企業DeepMindが、世界最強囲碁AI「AlphaGo」の新バージョン「AlphaGo Zero」が、試合データ不要の自己対局のみで、40日後に柯潔九段に勝った先輩AlphaGoに完勝するまでに成長したと発表した。 米Alphabet傘下のDeepMindは10月18日（現地時間）、過去の試合データを使わず、自己対局のみでスキルアップする新囲碁AI「AlphaGo Zero」を発表した。生まれてから40日後には、5月に世界最強棋士、柯潔（カ・ケツ）九段を破った「AlphaGo Master」に完勝し、世界最強棋士になった。 AlphaGo Zeroに囲碁のルール以外をいっさい与えず、強化学習式で自分自身と対戦させたところ、最初は初心者のような対局を行っていたが、3日目には韓国のプロ棋士・李世ドル氏を破った初代AlphaGoに100対0で勝ち、40日目には5月の引退後
「日本は機械学習パラダイス」 その理由は著作権法にあり
「日本は機械学習パラダイスだ」。こう提言したのは、早稲田大学法学部教授の上野達弘さんだ。 なぜなのか。その理由は、日本の著作権法にある。 日本の著作権法では、「情報解析を行うために著作物を複製すること」が、営利・非営利問わず認められているのだ。世界にもまれな規定だという。 著作権・AIに詳しい弁護士・柿沼太一さんが10月2日に都内で開いた「AIビジネス法務・知財セミナー」の内容から、機械学習と日本の著作権法の関係についてまとめる。 キモは「著作権法47条の7」 機械学習とは、大量のデータをプログラムに解析・学習させることで、プログラムが自らデータの特徴を見つけ出し、分類・整理できるようにする手法。例えば、大量の猫の写真を学習させ、猫の特徴を学んだモデルに、新たな動物の写真を入力すると、猫か猫ではないかを判別する――といったイメージだ。 機械学習を行うためには、大量のデータをAIプログラムに
Google、プログラミング不要で“機械学習”試せるサイト公開
サイトは、Googleが8月にリリースした、ブラウザ上で機械学習の訓練と推論を実行できるJavaScriptのライブラリ「deeplearn.js」を用いて作られた。サイトのソースコードはGitHub上に公開している。 Google Creative Labのデザイナーであるバロン・ウェブスターさんは、ブログで「機械学習について興味がある人々が、もっと簡単に機械学習を試せるようにしたかった」とコメントしている。 関連記事 Google、人間のように線画を描く人工知能「sketch-rnn」を養成中 Googleがお絵かきゲーム「Quick, Draw!」にユーザーが手描き入力した膨大なデータを学習材料に訓練した人工知能「sketch-rnn」は、ネコやブタの線画を人間のように描く。 Google、手描きの絵を機械学習でプロの絵に置き換える「AutoDraw」公開 AutoDrawは、タッチ
TechCrunch JP のタイトルから hiwa 氏の翻訳か否かを深層学習で推定する
追記 (9月30日 22:00) Q : 本文も用いると更に良いのではないか A : 可能な限り氏が翻訳した記事を開きたくないため、タイトルだけを用いた Q : 深層学習ではない手法との比較がない A : 追加実験を行った。登場する語彙の上位 12,000 個の bag-of-words を用いたところ RandomForest (class_weight = 'balanced', n_estimators = 500) では精度 0.93 , 再現率 0.66, f値 0.78 LinearSVC (sklearn のデフォルトパラメタ) では精度 0.88, 再現率 0.81, f値 0.84 となり、深層学習とあまり差がないことがわかった。 Q : 理由は何か 単語の頻度足切りを変化させても精度が変わらないことから、特定の語に強く反応している可能性がある。または特定ジャンルの記事が
Googleの機械学習は「ルール作り」から「例から学ぶ」モデルへ 米GoogleリサーチサイエンティストCorrado氏が考える機械学習と22のレイヤー
機械学習とAIの違いは何か。米GoogleのリサーチサイエンティストのGreg Corrado氏はこう区別する。「AIは、機械にインテリジェンスを持たせること。機械学習は、データから読み取ること。重なる部分はあるが、われわれがやっているのは機械学習である」（Corrado氏）。 11月10日六本木ヒルズで開催されたイベント「Google APAC」にて。Googleリサーチサイエンティスト Greg Corrado氏 Googleの機械学習は今、「ルール作り」から「例から学ぶ」モデルへと変化している。例えば、学生の勉強時間から成績を予測するには、とてもシンプルな方程式で表せる。式で書くと「y＝Wx＋b」。この「W」と「b」が何なのかを導き出すのがCorrado氏らの仕事だという。 膨大な「例」から何時間勉強したらどれくらいの点数を取るかという予測と結果の間の「エラー」を小さくする、これが今
1
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
Engadget | Technology News & Reviews
GoogleのAI、地理情報のない国のGoogleマップを作成 - PC Watch
NASA、Googleの機械学習により「Kepler-90」で新惑星を発見
ウェブ40億ページ分を分析して質問に答える「WISDOM X」、人工知能技術で仮説や質問を提示【CEATEC JAPAN 2017】
グーグル「気球インターネット」が実用段階へ──ドライヴしたのは「機械学習」
Google、機械学習ライブラリ「TensorFlow 1.0」正式版を初リリース
Google、各種プロダクトを下支えするマシンラーニング技術を解説、同技術を一般開放するオープンソースプロジェクトも 
Engadget | Technology News & Reviews