75年前の今日。1945年8月6日8時15分,広島市への原子爆弾投下。当時の推定人口35万人のうち,9万〜16万6千人が,被爆から2〜4か月以内に死亡したとされる。写真は呉市の吉浦町(現:若葉町)の海軍工廠砲煩実験部から尾木正己が… https://t.co/XuiEMixQRu
AIの想像力が人間を超えるとき。深層強化学習のブレイクスルー、D3RLの衝撃 2020.10.08 Updated by Ryo Shimizu on October 8, 2020, 11:13 am JST 「最近のAIがすごい」と言われてからもう6年ほどが経過した。 なかでも人目を引いたのは、なんといっても2016年のAlphaGoだろう。最難関ゲームの一つと言われる囲碁において、人間のトップ棋士に対しAIが圧勝したのである。 これは「深層強化学習」というAIだが、実際のところ、「深層強化学習」を実用的に利用した例はまだ少ない。 多くのAIベンチャーやAIベンダーが扱う「AI」技術は、古典的な統計解析か、時折ニューラルネットを使っているくらいで、「深層学習」ではあっても「深層強化学習」とは完全に別物である。ラジオもコンピュータも同じ電気で動くものだが別物であるのと同じだ。 深層強化学
Course Logistics Lectures: Tuesday/Thursday 12:00-1:20PM Pacific Time at NVIDIA Auditorium. Lecture Videos: Will be posted on Canvas shortly after each lecture. These are unfortunately only accessible to enrolled Stanford students. Office Hours: We will be using Zoom for office hours. You can find a full list of times and locations on the calendar. Contact: Announcements and all course-related que
Innovative Tech: このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 独MPI Informatics、仏Technicolor、仏Valeo.ai、米スタンフォード大学による研究チームが開発した「StyleRig」は、機械学習が生成したリアルな、だが実在しない人物の顔(静止画)を自在に編集できるシステムだ。 顔の向きや表情、光の当たり方などを変更できる。 今回の手法は、GAN(Generative Adversarial Network)を用い、リアルな顔画像を生成するNVIDIAの「StyleGAN」をベースにしている。 StyleGANは、高解像度の人物画像や2つの顔を組み合わせた合成画像を生成するスタイル変換ネットワークで、実在しないがリアルな顔を出
この1週間はGPT-3のユースケースの広さに驚かされる毎日でした. シリコンバレーでは話題騒然ですが日本ではほとんど話題になっていないので,勢いで書くことにしました. GPT-3はOpenAIが開発した言語生成モデルです.名前の由来であるGenerative Pretrained Transformerの通り,自然言語処理で広く使われるTransformerモデルを言語生成タスクで事前学習しています. 先月申請すれば誰でもGPT-3を利用できるOpenAI APIが発表され,様々な業種の開発者によって驚くべきデモンストレーションがいくつも公開されています. 特に話し言葉からJSXやReactのコードを生成するデモは著名なベンチャーキャピタルから注目を集め,誇大広告気味だと警鐘を鳴らす事態に発展しています. This is mind blowing. With GPT-3, I built
王位戦第1局に勝利し、会見する藤井聡太七段/2020年7月2日、愛知県豊橋市 (c)朝日新聞社 佐藤天彦(さとう・あまひこ)/1988年、福岡市生まれ。2006年に18歳でプロ四段。15年、王座戦でタイトル初挑戦。16年の名人戦で初タイトルを獲得、17年に初防衛、18年に羽生善治竜王(当時)の挑戦を退け、3連覇を達成した (c)朝日新聞社 将棋界ではAIによる研究が全盛時代を迎えている。棋士たちは日々、研究に励んでおりなかなか差がつきにくい状況だ。そんななか、藤井聡太七段はなぜ異次元の強さを誇っているのか。AERA 2020年7月13日号で、対戦経験のある佐藤天彦九段がその差を解説する。 【佐藤天彦九段の写真はこちら】 * * * ──佐藤さんも6月2日に棋聖戦決勝トーナメントの準決勝で藤井さんと対局されました。その時の感触は? 私にとっては、藤井さんとの公式戦での対局は2度目となり、
▲画像:Collins Lab at MIT 提供 私たちにとってなじみ深い抗生物質だが、過去数十年で新たに開発された抗生物質は数少ないそうだ。こうしたものも、実際には既存の医薬品にわずかに手を加えたものが多いという。新しい抗生物質の特定には、多額の費用や長い多大な時間がかかるのが実情のようだ。 一方、既存の抗生物質に対して耐性をもつバクテリアも存在するそうで、その数も増えており、状況は深刻化しているといわれる。 このような抗生物質にかかわるさまざまな問題を解決する取り組みがマサチューセッツ工科大学で行われている。AIを使ったディープラーニングによって、抗生物質が効かない耐性菌にも有効な、強力な新薬を見つけることができたそうだ。 今回、研究チームは大腸菌を殺すのに有効な分子の化学的特徴を特定するために、アメリカ食品医薬品局FDAが承認した約1,700種類の医薬品と、多様な構造や幅広い生理活
近年ではオンラインの翻訳サービスに機械学習が用いられるようになり、以前よりも格段に翻訳の精度が向上しています。2017年8月にサービスが開始された機械学習を用いたオンライン翻訳サービスの「DeepL翻訳」が、日本語と中国語の翻訳に新しく対応したとのことで、実際に日本語での翻訳機能を試してみました。 DeepL翻訳 https://www.deepl.com/translator DeepL翻訳が日本語と中国語を習得 https://www.deepl.com/blog/20200319.html DeepL Translator gets support for Japanese and Chinese languages - gHacks Tech News https://www.ghacks.net/2020/03/19/deepl-translator-gets-support-f
理研AIPセンターや日本医科大学などの研究チームは2019年12月18日、病理画像を診断する画像認識AIの「説明可能性」を高める技術を開発したと発表した。英オンライン科学誌「Nature Communications」に同日掲載された論文の概要は「診断注釈(annotation)のない組織病理画像から、説明可能な機能を自動的に取得できることを示した」としている。 研究チームが開発したのは、前立腺がん組織を撮影した病理画像から、摘出後のがん再発の有無を予測するAI技術である。がん再発の予測は手術後の治療方針を決める重要な手掛かりになる。今回の研究成果のポイントは、従来の診断基準にはなかった、がん再発の予測精度を高める新たな知見をAIが見いだしたというものだ。 これまで医療画像を診断するAIと言えば、画像から病変の有無や位置を判定できる一方、「なぜ病変と判定したのか」までは説明できないのが一般
その驚くべき開発法は、1つのモデルに画像認識や音声認識など様々なタスクを学習させるというものだ。そうして万能AIのモデルを作り、100万種類を超えるタスクに対応することを目指す。学習していない未知のタスクに対しては、100万種類の学習済みタスクとの類似性からどう対処すればよいかを判断する。 グーグルは2017年6月に発表した論文「One Model to Learn Them All」で、1つのモデルに8種類のタスクを段階的に学習させていったところ、学習したタスクの数が増えるほど一部のタスクの精度が上がり、各タスクの精度に悪影響が出なかったことを検証によって確かめたと記している。グーグルは学習するタスクの種類を増やしていくことで万能AIを目指す。 「AIが人間に頼らずAIを開発する」「万能AIが登場する」と聞くと、AI脅威論を想像するかもしれない。しかし現実はそう単純ではない。AIがAIを
ここ数年のコンピューターを使った自然言語処理の進歩には目を見張るものがあります。 その原動力となっているのが、今のAIブームを支えているディープラーニングという機械学習の手法です。この手法を取り入れたGoogle翻訳が作る翻訳文は、正確かつとても自然で「そのまま使える」レベルに到達しています。ほんの数年前まで、翻訳ソフトはヘンテコな翻訳をするというのが当たり前だったことを思うと隔世の感があります。 そのGoogleのAIチームが先日発表した、ディープラーニングを使った自然言語処理の最新モデルがBERT[*1]です。多様なベンチマークで従来の記録を上回る結果を叩き出して、大きな注目を浴びています。 この結果に驚いた人が多いのでしょうか、最近BERTについてよく質問を受けます。BERTそのものについての質問に加えて多いのが、「ロボットは東大に入れるか」というプロジェクトにおいて研究・開発が進め
pohotos by Ronnie Macdonald 「AIが人間の仕事を奪う」と言われ始めてしばらく経ちますが、今や「幻滅期に入った」なんて言われ方もしています。おかげで僕は仕事を奪われることもなく、毎日満員電車に揺られています。奪う奪う詐欺もいいとこです。 そんなAIの発展にはもう少し時間がかかりそうな一方で、学べる環境は簡単に手に入るようになりました。触るなら、皆が幻滅しかかっている今な気もします。ということで、今更ですがAIの力を知るべく、ディープラーニングに触れてみることにしました。 いろいろ試したのですが、ここでは結果をメインに「無知の状態から勉強しても、ディープラーニングでこれぐらいは楽しめるよ」ということを伝えてみます。プログラムはお手本になるようなものではないので、見たい人だけに有料で公開してみます。 Kaggleでディープラーニングのお手並み拝見 最初にディープラーニ
創作AIの進化は予想以上に速く、気づけば創作物の多くをAIが担っていた…なんて状況も、信憑性を帯びてきた。クオリティの高い創作物を大量生成するAIの出現で、著作の使用料体系に崩壊が起きる可能性がある。 ヒトの書いたものと見分けがつかないような文章を生成する「GPT-2」の登場も衝撃的だったが、真っ先に市場にインパクトを与えそうなのが画像の領域だ。 Webサイト、generated.photos上に、著作権フリーのオリジナル顔画像10万枚が公開された。あらゆるシーンでハイクオリティの顔画像が利用可画像生成AIは、悪用されることでマイナスの影響もあるが、著作権フリーの画像が出回れば自身の創作の幅が広がり、恩恵を受ける方も多いだろう。同プロジェクトは、まさにこれを狙ったものだ。 GAN(敵対的生成ネットワーク)による画像生成は、ヒトやネコ、アニメキャラから賃貸物件まで、たくさんの対象で試されてい
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