As WWDC 2024 nears, all sorts of rumors and leaks have emerged about what iOS 18 and its AI-powered apps and features have in store.
VCs are clamoring to invest in hot AI companies, willing to pay exorbitant share prices for coveted spots on their cap tables. Even so, most aren’t able to get into such deals at all. Yet, small, unknown investors, including family offices and high-net-worth individuals, have found their own way to get shares of the hottest…
サービス終了のお知らせ NAVERまとめは2020年9月30日をもちましてサービス終了いたしました。 約11年間、NAVERまとめをご利用・ご愛顧いただき誠にありがとうございました。
今、世界中でロボット革命に関連する多くのムーブメントが起きています。格安のセンサーからスマートフォンとの連携技術、また部品を3Dプリントすることなど様々です。 では、これらのロボットに知性と自律性を与えるためソフトウェアはどうするのか? その開発を進めているのが、NASAなどからも資金調達を行っているケンブリッジのスタートアップ「Neurala」です。年内におけるソフトウェアの発売を目指しています。 こちらは、同じ動作を繰り返すような反復的な動きや人間がリモコンで操作するためのプログラミングに依存させません。人の介入なしに学び、環境に適応し続けるロボットを低コストで誕生させようとしています。 Neuralaのソフトウェアで動くロボットは、人間の脳と同じように場所を確認し、人間の顔を識別し、目の前にある物を認識します。 全てのロボットの頭脳となることを目指す「Neurala」。今後の動向に注
遺伝的アルゴリズム(GA)でサーバの自動チューニングをします。 GAを機械学習を一つと書いてしまいましたが違うようなのでタイトルを変更させて頂きました。 遺伝的アルゴリズムについては↓の動画が分かりやすいです http://www.youtube.com/watch?v=yZJ1V-zv_gU まずは通常の負荷テストができるところまで準備する必要があります。攻撃用のサーバをターゲットと(ネットワーク的に)近い場所に用意してください。負荷を掛ける側(Attacker)にも相応のスペックは必要です。 ストレスツールはコマンドラインから利用出来るものでしたらなんでもかまいません。ab(Apache Bench)などは最初から入っているので手軽ですが、今回は「グリーン破壊」というソフトを利用しました(グリーン破壊のインストール方法は本家サイトに譲ります) 自動チューニングを行うにあたり、ターゲット
scikit-learn(sklearn)の日本語の入門記事があんまりないなーと思って書きました。 どちらかっていうとよく使う機能の紹介的な感じです。 英語が読める方は公式のチュートリアルがおすすめです。 scikit-learnとは? scikit-learnはオープンソースの機械学習ライブラリで、分類や回帰、クラスタリングなどの機能が実装されています。 また様々な評価尺度やクロスバリデーション、パラメータのグリッドサーチなどの痒いところに手が届く機能もあります。 インストール scikit-learnの他にもnumpyとかscipyとかが必要です。 Windows 64 bit版の人は以下のURLに色々なインストーラーがおいてあるのでおすすめ Python Extension Packages for Windows - Christoph Gohlke その他の人は以下のURLを見て
IBMのCEO、Ginni Rometty氏がNational Venture Capital Associationのスピーチの中で、こんな発言をしています。 We’ll launch an ecosystem where Watson is a service and you build applications around it. (我々は、ワトソンがサービスとなり開発者たちがワトソンのアプリケーションを書く、そういった生態系をローンチするだろう) ワトソンはIBMによって開発され、2011年にクイズ番組「Jeopardy!」で人間に勝利して世間をにぎわせた人工知能です。 今後はこの超絶ハイスペックな人工知能をより多くの開発者が利用できるようになり、AppleのSiriなど比べ物にならないくらいのハイクオリティな人工知能アプリケーションが生まれるかもしれませんね。 »IBM t
danceman 曰く、 ライス大学Moshe Vardiコンピューター・サイエンス学科教授によれば、2045年までに人工知能搭載ロボットが、すべてとまではいかなかったとしても、少なくとも人間のできる仕事の大部分を行うことが可能になるのではないかとのこと(本家/.、Singularity HUB記事)。 私達のひ孫世代は仕事をしなくなると考える人もいるようだが、Singularity HUB記事では、産業革命後にオートメーション化が進んだにも関わらず、むしろ人間はこれまで以上に働くようになっていることを挙げ、人工知能を搭載したロボットが人間の仕事を奪うようなことがあっても人間は仕事しているだろうとしている。つまり従来の仕事がなくなっても、人間には新たに生産的な仕事を創出する傾向があるとのこと。 人工知能ロボットに仕事を奪われたら、どんな仕事が新たに創出されるのだろう? スラッシュドットのコ
人工知能のクイズ王、隠語を覚えすぎて一部メモリを消去されていた2013.01.20 16:007,312 福田ミホ くそったれとか。 IBMの人工知能「ワトソン」は、アメリカのクイズ番組「Jeopardy!」でふたりのクイズ王を破り、世界初の人間じゃないクイズ王になりました。本100万冊分もの知識を詰め込み、人間のクイズ王に対し勝率75%で圧勝していました。 でも、そんなワトソン君にもわからないことがあったようです。それは、どんな言葉は使って良いもので、どんな言葉は不適切かということです。 実はワトソンの開発中、研究チームリーダーのエリック・ブラウンさんはあることを試みていました。ワトソンを人間と対話可能なマシンにするなら、今どきの若者的言葉使いも理解すべきじゃないかと考えたのです。そしてそんな言葉の知識源として、彼らはオンライン辞書のUrban Dictionaryを選びました。Urba
ネイト・シルバー氏の"The Signal and the Noise: Why So Many Predictions Fail-but Some Don't"を読み終えました。本文だけで450ページという力作で、様々な魅力がつまった本なのですが、いつものように簡単にご紹介を。 ネイト・シルバー氏は統計学の専門家で、過去に野球選手のパフォーマンスを予測する理論"PECOTA"を開発したことでも知られる人物。現在はニューヨークタイムズ紙に"FiveThirtyEight"というブログを書いたり、TEDで講演したりといった活動も行っています。その彼が「予測」をテーマに、当たる予測と外れる予測を分けるものは何か、その可能性と限界はどこにあるのか等々について、様々な事例(野球や選挙、株価、天気予報、さらには真珠湾攻撃やテロ事件まで)を基に考察を行ったのが本書です。 タイトルの「シグナルとノイズ」
コンピュータ将棋のプログラム同士で対戦し、最も強い“棋士”を決める「第23回 世界コンピュータ将棋選手権」が、東京・早稲田大学で5月3日(金・祝)から5月5日(日・祝)まで開催されます。プロ棋士と対決する「第2回将棋電王戦」で勝利した、「GPS将棋」や「ponanza」も参加。最終日の決勝戦は、誰でも会場内で観戦できます。 ▽ http://www.computer-shogi.org/wcsc23/ コンピュータ将棋協会が主催する同大会では、5月3日に1次予選、5月4日に2次予選、5月5日に決勝戦が行われます。前回大会の順位などを参考に、上位16プログラムはシードとして2次予選から、それ以外の参加プログラムは1次予選から参加します。1次予選ではシードを除いた全プログラムが7局ずつ対戦し、上位8プログラムが2次予選に進出。24プログラムで2次予選を戦い、その中の上位8プログラムが決勝戦へ駒
3.機械学習としてのGA 探索法としてのGAでは、問題がはっきりしていて、最適なパラメータの調整を行うといったような問題を対象として扱っていましたが、今回は機械学習の手法としてGAを用いる場合について扱ってみたいと思います。 機械学習というのは、コンピュータなどにより自動的に知識を獲得するためのさまざまな手法を言います。一般にこれは人工知能の分野で活発に研究がされていたのですが、GAに基づく機械学習(GBML : Genetics-Based Machine Learning)として、GAの分野でも研究されています。 GAの基本的な流れは個体の評価をもとにして、優秀なものを選んでいくと言うものですがこれを、機械学習のための手法として用いるには少々工夫をする必要があります。GBMLには分類子システムというものがあり、これはさらにアプローチの仕方の違いからピッツアプローチとミシガンアプローチに
コンピュータはいったいどこまで進化することができるのでしょうか。 その可能性を垣間見せてくれるのが、人類 vs コンピュータで行われる「第2回将棋電王戦」です。昨年行われた米長邦雄 vs ボンクラーズの第1回将棋電王戦は、蟻の穴から万里の長城が決壊するような将棋でボンクラーズが勝ちました。リベンジマッチにあたる第2回は、人類側は将棋のプロ棋士5人、コンピュータ側は2012年世界コンピュータ将棋選手権で上位5つのソフトが対戦する団体戦となっています。 現在までの戦局は人類側の1勝2敗1分け。もう人類側に勝利はありません。最終戦で勝てば引き分けに、負ければコンピュータ側の勝利が確定するのです。 今まで、将棋はとても複雑だからコンピュータがプロ棋士に勝つのは難しいと言われてきました。オセロやチェスに比べて、取った駒を使うことができる将棋は考えなければいけないパターンがとても多いとされてきたのです
将棋電王戦が「コンピュータソフトは人間を超えたのか?」と話題となっている。これは「全自動」と「半自動」を区別して考えればわかりやすいと思う。 つまり、アマ高段者がソフトの弱点を補いつつ、要所でソフトの計算能力を効果的に使えば、現時点でもプロを凌駕することは確実だと思う。しかし、人間の介入を一切許さない完全自動モードでコンピュータが上位プロに勝てるかどうかについては、勝ったり負けたりの微妙な状態がしばらく続くと思う。 そして、これは、「プログラムが人間より強い」と考えるよりは、「数学の力をうまく使うとコンピュータはよく働く」と考えるべきではないだろうか。 ソフトが飛躍的に強くなったのは、機械学習という手法が一般化してからだ。つまり、多種多様な駒の配置を、評価点という一元的な数値として一般化する(基準を過去の棋譜から計算で作り出す)数学的手法によって将棋ソフトは急に強くなった。もし、中盤の細か
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