渡辺明名人、１秒間に8000万手読むコンピュータを購入しディープラーニング系のソフトも導入（１）（松本博文） - エキスパート - Yahoo!ニュース
【渡辺明名人】37歳。名人・棋王・王将の三冠を保持し、現将棋界の序列１位。近年はコンピュータ将棋（AI）を用いての綿密な研究でも知られる。ほとんどの棋士を相手に勝ち越し「現役最強」とも言われるが、棋聖戦五番勝負では藤井聡太棋聖に挑戦して敗れた。 （７月某日、LINEにて、渡辺名人が研究用の新しいマシンの購入を検討しているという話になり） 渡辺 将棋ソフト用のパソコンと最新のソフト事情について教えてもらいたいんですけど。 松本 それなら水匠開発者の杉村達也さんが適任です。ご紹介しますよ。 渡辺 ディープラーニング系のソフトってなに？ってところですよ、私は（笑） 松本 ますますちょうどいい。私もそのあたり、さっぱりわからないので（笑）。ところで新しいマシンを買うのだと、たとえば藤井聡太さんみたいなモデルはCPUだけで50万円らしいですね。 松本 ということは、トータルで予算80万円ぐらいですか
半年後に将棋の神様が現れるかもしれない話──最強将棋ソフト開発者が語る“ディープラーニング勢の台頭による将棋ソフトの進化”
棋聖、王位と立て続けにタイトルを取った藤井二冠の次の標的は、前期も挑戦者決定戦まで進んで挑戦まであと一歩だった王将戦。 将棋界最難関といわれる王将リーグといえども、今の藤井二冠を止める者は誰もいない……そんな予想はしかし、意外すぎる形で裏切られます。 何と……トップ棋士が立て続けに、藤井二冠に対して振り飛車をぶつけ始めたのです！ しかもそれは、普段はあまり振り飛車を指さない、居飛車党の棋士たちでした。 結果的に、藤井二冠は王将戦の挑戦権を逃すどころか、リーグからも陥落……。 もともと将棋ソフトは振り飛車を『不利な戦法』と考えており、ソフトを研究に用いる藤井二冠はデビューから一度も振り飛車を採用していません。 そして藤井二冠以外のトップ棋士たちも、ソフトを使用して研究しているはず。 それなのにどうして、不利なはずの振り飛車を敢えて使い、しかも居飛車では止めることができなかった藤井二冠を倒すこ
人間が深層学習のAIを理解できないのには、理由がある：朝日新聞GLOBE＋
【特集】「『予測』という名の欲望」全記事はこちらから読めます ■人間にはAIの考えが分からない？ ――ディープラーニングは、大量の「教師データ」を読み込み、入力する変数と、出力する変数との間の関係を見つけ出します。その関係が分かれば、新たなデータを入力したとき、出力が予測できるというわけですが、なぜ人間はそのプロセスを理解できないのでしょうか？ おもにふたつの要因があります。質的なものと、量的なものです。量的な問題は、すごくシンプルです。ディープラーニングの内部で動くパラメータ（母数：システムの内部で動く情報）が多すぎるので、その大量・複雑なデータを人間の直感につなげることが難しい、という話です。最近は、多いものでは1億個を超えるパラメータから出力を予測します。じゃあ、その1億個をざっと人間が見てなにか分かるのかといえば、分からない。これが基本的に起こることです。 ――大量の変数という意味
ディープラーニングも使える確率的プログラミングツール「Gen」を開発、MIT
ディープラーニングも使える確率的プログラミングツール「Gen」を開発、MIT：AIモデルやアルゴリズム作成の民主化に貢献 マサチューセッツ工科大学（MIT）の研究チームが開発した確率的プログラミングツール「Gen」を使えば、初心者でも簡単にAIに触れることができ、専門家は高度なAIプログラミングが可能になる。ディープラーニングよりも適用範囲の広いことが特徴だ。 【訂正：2019年7月4日10時50分 記事タイトルの一部に誤解を招く表現があり訂正しました。 訂正前：ディープラーニングを超える汎用AIツール→訂正後：ディープラーニングも使える確率的プログラミングツール】 マサチューセッツ工科大学（MIT）の研究チームは、2019年6月下旬に米アリゾナ州フェニックス市で開催されたカンファレンス「Programming Language Design and Implementation」で、新し
中国・海南省の裁判所に「AI裁判官」登場 裁判官不足解消に一役（東方新報） - Yahoo!ニュース
【東方新報】AI技術の発達に伴い、中国各地の行政部門では政策決定にAIを導入しようとする試みが盛んだ。法律分野でもAIの利用が進みつつある。 海南省高級人民法院（Hainan Higher People's Court）刑事法廷の呉向東（Wu Xiangdong）副裁判長によると、同裁判所は全国の裁判所に先駆け、AI技術を裁判官の事案処理に最大限利用しているという。 同省のAIを活用した量刑規範化システムには、ビッグデータ処理、自然言語処理、グラフ構造の知識データ、ディープラーニング（深層学習）などのAI技術が総合的に取り入れられている。 システムは裁判官の審理過程に倣い、事案の重要要素を自動的に抽出。過去の判例を分析・応用し、判決書や関連法律文書などを作成する。このシステムは、独自に開発したグラフ構造法律知識ベースや自然言語処理プラットホームなど、10項目以上の特許を取得している。 「こ
Ponanza開発者、山本一成氏が語る強化学習とA/Bテスト運用の舞台裏
Ponanzaにおける強化学習とA/Bテスト運用 山本一成氏（以下、山本）：山本一成と申します。よろしくお願いします。 ありがとうございます。ここからはややガチめなエンジニアの話です。まず確認したいんですが、エンジニアとかプログラマーって人はどれくらいいるんですかね？ （会場挙手） あ、けっこういるのか！ 安心した（笑）。 私、10年くらい将棋のプログラムを作ってきて、最初はまったくのど素人から始めたんですけど、いろいろやっていく中で、現代にも通じるようなさまざまな運用とかが出てきたんですね。そのへんをみなさんと共有できればと思っています。 まず最初のスライド、さっそく手書きでやる気がない感じですが（笑）。将棋のプログラムってどんなもの？ という話です。将棋も囲碁も、大雑把にいうと、2つの要素があります。1つは探索です。つまり、先を読むということですね。 先を読むと強いです。みなさんもそん
将棋ソフトPonanza開発者「人工知能はいまのところ論理的な思考はほとんどできない。むしろ『直感』を得意としていることはあまり納得されていない」
Issei Yamamoto🚗創業メンバー募集中🌔 @issei_y 人工知能はいまのところ論理的な思考はほとんどできない、むしろ所謂「直感」のほうを得意としているという話、あまり納得されてない。確かにコンピュータは論理的に動いている、でもそれはハード・ソフトウェアエンジニアが一生懸命作った論理であったコンピュータが発案した論理ではない。 2018-05-11 15:59:03 山本一成🌤️TuringのCEO @issei_y 🚙完全自動運転EVの量産を目指すTuringのCEO turing-motors.com ☗名人を倒した将棋プログラムPonanzaの作者 🧑🏫愛知学院大学特任教授 🚑カジュアルDM大歓迎 🚒CTO:@aoshun7 COO:@daisukeman note.com/issei_y Issei Yamamoto🚗創業メンバー募集中🌔 @iss
西川善司の3DGE：囲碁でトッププロに勝利したDeepMindのAIは，「StarCraft II」でも人間に勝てるか？
西川善司の3DGE：囲碁でトッププロに勝利したDeepMindのAIは，「StarCraft II」でも人間に勝てるか？ ライター：西川善司 北米時間2018年3月26〜29日の会期で開催されたGPU Technology Conference 2018（以下，GTC 2018）では，とにかく機械学習ベースの人工知能（Artificial Intelligence，以下 AI）に関するセッションが多かった。 GTC 2018で支配的だったのは自動運転関連だが，機械学習ベースのAIをゲームに応用するセッションもいくつかあり，なかでも個人的に興味を惹かれたのとしては，DeepMindによるセッション「StarCraft II as an Environment for Artificial Intelligence Research」（AI研究開発環境としてのStarCraft II）が挙げら
Deep Learningを用いた将棋プログラムGunyanzaを公開しました
ディープラーニング(深層学習)というのが流行っているそうです。すべての人類はディープラーニングによって実現されたAIに隷属する未来なんですってよ!!! こわーい。 そんなバラ色の技術、いっちょかみしておきたいですよね。 さて、オフィスで社長とダベっていたところ、「将棋プログラム面白そうだよね」という話になりました。お互将棋プログラムを作って闘わせようぜ、いぇー、と盛り上がり、勢いでコンピュータ将棋選手権に申し込みまでしてしまいました。 そんな経緯で、ディープラーニングをミリしら(=1ミリも知らない)な僕が、試しにディープラーニングを使って将棋のAIを書いてみたらいいやん、と思いついたのでした。将棋も、ハム将棋でハム8枚落ちで負けるレベルくらい。ダメじゃん。 ミリしらなので、「チェスで何かやってるヤツがいるだろう」とアタリをつけてググった結果、Erik Bernhardssonさんによる d
AIベンチャーの雄が総務省の開発指針に反対する理由
人工知能（AI）の開発者が研究開発に当たって留意すべき原則「AI開発ガイドライン（仮称）」の素案を策定するため総務省が設置した産官学会議から、AIスタートアップのPreferred Networks（PFN）が離脱していたことが明らかになった。 Preferred Networksは深層学習（ディープラーニング）開発のスタートアップ企業で、深層学習フレームワーク「Chainer」の開発元としても知られる。 総務省 情報通信政策研究所は、同ガイドライン素案策定のための産官学会議「AIネットワーク社会推進会議」を主催している。2016年12月には、素案策定に向けた論点整理を公開した。 この素案は、日本政府がOECD（経済協力開発機構）などに提案することを目的に策定するもので、「日本の法制度に直接反映させることを想定したものではない」（同研究所）という。 だがこの方針に対し、2017年1月まで同
中国「絶芸」、日本最強を破りＶ 囲碁ＡＩ大会：朝日新聞デジタル
昨年来、世界のトップ棋士と互角以上に渡り合ってきた囲碁ＡＩ（人工知能）同士が対戦する「ＵＥＣ杯コンピュータ囲碁大会」は１９日、東京都調布市の電気通信大で予選を勝ち抜いた１６ソフトの決勝トーナメントがあった。中国のＩＴ会社・テンセントが開発した「絶芸」が、決勝で日本最強のＡＩ「ＤｅｅｐＺｅｎＧｏ」を破り優勝した。 日中韓米仏、台湾の出場２９ソフトが参加する世界最大規模の大会。絶芸は中国のインターネット囲碁サイト「野狐（のぎつね）」で、非公式ながら世界トップ級の棋士を倒す強豪ＡＩとして知られていたが、ＵＥＣ杯は初出場。開発チームの技術者１０人は囲碁のルールも知らなかったが、わずか１年ほどで「ディープラーニング」（深層学習）による驚異の囲碁ＡＩを開発した。 絶芸とＺｅｎは今月２６日に東京・飯田橋であるＡＩ対棋士の棋戦「電聖戦」に出場し、日本の若手筆頭格・一力遼七段（１９）とハンディなしの互先（た
機械学習をやると、AIより人間の方が詳しくなる現象 - bohemia日記
こんにちは。ぼへみあです。 機械学習がすっかりブームになって、仕事や趣味でディープラーニングを使ったことがある人が増えていると思います。 特に画像分野でディープラーニングは成果を上げているので、特定のものを判別・識別するといった事例が多いかと思います。 そうした画像系のディープラーニング経験者なら経験する現象があります。 それは、 「その分野について、作ったAIよりも自分が詳しくなる」 という現象です。 おそ松さん見分けの第一人者になってしまった 以前取り組んだおそ松さんの6つ子をディープラーニングで見分けるネタでは、学習用データセットの作成のために、自力で5000枚以上のおそ松さんたちを見分ける作業を行いました。その結果、アニメを見ても、これは何松だ、と判断できるようになってしまいました。当時はおそ松さんを見分ける能力は誰にも負けない自信がありました。 なぜか学会でおそ松さんの話をする機
ディープラーニングでアスキーアートを作る - Qiita
はじめまして。 本業はアスキーアート (以下AA) 職人のOsciiArtといいます (本業ではない)。 AlphaGo対イ・セドルの対局を見て、「僕もディープラーニングで神AA職人を倒したい！」と思い、pythonをインストールしてちょうど一年の成果を書いていきます。 コードはこちらにアップしてあります。 https://github.com/OsciiArt/DeepAA ここで扱うアスキーアートとは ここで扱うAAとは、 こういうの……↓ ではなく、こういうの……↓ でもなく、こういうの……↓ ともちょっと違って、こういうの……↓ ではもちろんなく、こういうのです。↓ このような、線画を文字を作って再現した「トレースAA」と呼ばれるタイプのAAをここでは扱います。 詳細はwikipediaの「アスキーアート」のページの「プロポーショナルフォント」の項を参照してください。 wikipe
ディープラーニングの仕組みと応用
脳の神経回路の構造を模倣 ディープラーニングは、大量のデータを学習するために、人間の脳の神経回路の構造を模倣（モデル化）した情報処理の仕組みであるニューラルネットワークを用いる。図3のニューラルネットワークは、「入力層」「隠れ層」「出力層」という3層で構成している。また、学習データは入力データとなる手書き文字の画素データと、正解データがセットになっている。 このニューラルネットワークのモデルを学習させるには、まず手書き文字画素データをピクセル単位に分割した上で、各ピクセル値を入力層に入力する。図3のモデルでは縦横28ドットで分割していることから、784個が入力層に並ぶ。 入力データを受け取った入力層は、受け取った値に「重み付け」をした上で、後段にある隠れ層のニューロン（神経細胞。CPUのような役割を担う）に伝達する。 同様に隠れ層の各ニューロンは、入力層から受け取った値をすべて加算し、その
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
人工知能の現状と競争政策 - 東京大学 松尾 豊
cakes（ケイクス）
cakes（ケイクス）