知能と技術的特異点 - Sideswipe
これは 人工知能アドベントカレンダー の1日目の記事です。 はじめに 本アドベントカレンダーは25日間をかけて、知能、あるいは人工知能（あとで触れますが、正確には汎用人工知能を指す）について、それを理解しまた実現する技術について、広く浅く解説と紹介をします。 ここでいう人工知能は、後述するように一般に考えられている人工知能(Artificial Intelligence) ではなく、汎用人工知能 (Artificial General Intelligence, AGI) であり、一言で表すなら、「人と同じような知性をもった機械」を考えます。ただし、以降は特に断りのない限り、AGIの意味で単にAIといいます。AIとAGIの違いについては、以前の記事 人工知能は Deep Learning によって成されるのか？ - Sideswipe を御覧ください。こちらは今回のシリーズで扱う内容の概要
なぜドレスの色の錯覚はおきたか？-色の恒常性- - Sideswipe
ドレスの写真って？ インターネットで見る人によって二通りの色に見えるドレスの画像が話題になっていました。結論からいえばこのドレスは青と黒なのですが、「青と黒に見える」派と「白と金に見える」派に分かれるのです。あなたはどちらに見えますか？ 引用元: http://swiked.tumblr.com/image/139988249090 「ディスプレイが違うから」といった説明も見受けられますが、同じディスプレイを見て意見が割れている方もいることから、影響はあるにしても主要因ではなさそうです。 また、「年をとると網膜の細胞が衰えて云々」という意見もありますが、老若男女はあまり関係なく青黒派と白金派がいるので、こちらの影響も少なさそうです*1。 それではこの理由について解説してみます。間違えてたら教えてください。 30秒で分かる説明 人間は周囲の状況が変わっても同じものは同じ色で見えるように脳内で
一次視覚野の概要 - Sideswipe
masawada Advent Calendar 2013 の 12/17 の記事です。 後頭部について書けばよいようなので私は大脳新皮質のうちでも比較的研究が進んでいる一次視覚野について書きます。 一次視覚野について 後頭部といえば、そう、視覚野 (Visual cortex) です。 後頭部には、ブロードマンの脳地図における17野、すなわち一時視覚野(V1)や、そこと接続している V2(18野), V3(19野) などが存在します。 低次視覚野は視覚と密接に結びついていることから実験しやすく、ネコやサルの脳を用いてさまざまな研究がなされています。 構造 光が目に入ると、その信号は視床にある網膜神経節細胞から視神経を通って外側膝状体(LGN) に投射されます。 LGNについては後頭部にないので詳しい説明は省きますが、V1からも同様にLGNへの入力があり、視覚的注意やサッカードなどを制御し
Random Forest とその派生アルゴリズム - Sideswipe
はじめに こんにちは。 Machine Learning Advent Calendar 2013、 12月4日担当のkazoo04です。 最近引っ越しをしまして、家ではインターネットが使えないつらい生活を送っています。 今日は最近気になってるアルゴリズムである Random Forest や、その派生アルゴリズムについて紹介したいと思います。 Random Forest はその使いやすさや性能の高さ、 Kinect による身体部位推定などで利用されていることから近年注目されており、この記事をご覧の方もよくご存知かと思います。 社内でも RF を便利に扱えたり、高速に計算したり、AWS で大量のデータを扱ったりするミドルウェアやライブラリを作ったりしています。 最近はさらに色々な応用例が発表されたり、面白そうな派生アルゴリズムが出てきたので一部ご紹介します。 Random Forest R
JubatusとOpenCVで一般物体認識 - Sideswipe
はじめに 先日の Jubatus Casual Talks で、OpenCVを使った一般物体認識の概要と、注意しなければならないポイントについて発表させていただきました。 Jubatus opencv from Kazuya Gokita 詳しくは上記のスライドを御覧ください。 一般物体認識とは 要するに、画像を与えた時にそこに何が写っているのかを推定することです。 ゾウの写真ならゾウ、自転車の写真なら自転車だとコンピュータに判断させるのが目的です。 ところが、これがなかなか難しい問題であまりうまくいっていません。 Googleの画像検索は一見この問題を解決しているように見えますが、画像検索の場合はその画像の周辺にあるテキスト情報が利用できるのでちょっと違います。 たとえば、写真のすぐ下に「ウサギかわいい」って書いてあったらたぶんウサギの写真だろうと判断できます。 このような情報が与えられ
Deep Learning の概要 - Sideswipe
はじめに 去年の 機械学習×プログラミング勉強会 vol.2 で、Deep Learning の概要について発表させていただきました。誘っていただいた @07c00 さん、ありがとうございました。 Deep learning from Kazuya Gokita 詳しくは上記のスライドを御覧ください（注：Auto Encoder と DBM をごっちゃに説明しているので正しくありません、そのうち直します）。 Deep Learning とは Deep Learning は、ニューラルネットワーク*1のひとつで、5層とか10層とか、従来の手法ではうまく学習できなかった深い層の学習をうまくできるようにしたアルゴリズムです。 Deep Learning が目指したところ 入力に近い層では、単純な特徴抽出しかできませんが、それらの重み付け和をとると表現能力が上がります。それをさらに上位の層に入力し
オンライン線形分類器とSCW - Sideswipe
はじめに こんにちは。Machine Learning Advent Calendar 2012 、 12/20 を担当させていただく @kazoo04 です。 普段は（株）ウサギィでエンジニアをやっています。 今日の話 今日は Exact Soft Confidence-Weight Learning (Wang et al, ICML2012) (以下SCW)のご紹介を致します。 SCWは線形オンライン形分類器のひとつで、 学習が高速 オンライン学習 ノイズに強い 精度が良い という素晴らしいアルゴリズムです。 SCWはCWを改良したアルゴリズムですが、本記事ではPerceptronから始まり、PA、CWなどを経てSCWに至るまでの過程とSCWのアルゴリズムについてまとめたいと思います。 数式の表記 すみません、はてなブログを始めたばかりで、ベクトルを太字の立体にする方法がイマイチわか
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
