お客さま各位 さくらインターネット株式会社 平素よりさくらインターネットに格別のご愛顧を賜り、誠にありがとうございます。 2017年11月30日に、NVIDIA Corporationのドライバソフトウェアの使用に関するライセ ンス条件が改訂され、最新のGeForce用のドライバソフトウェアのライセンス条件に、 「データセンターへの導入の禁止」の条項が追加されました。 詳細は、下記URLより第2.1.3条をご参照ください。 ・日本語: http://www.nvidia.co.jp/content/DriverDownload-March2009/licence.php?lang=jp&type=geforcem ・英語: http://www.nvidia.com/content/DriverDownload-March2009/licence.php?lang=us&type=gefo

AIによる画像認識は、今や人間と同等かそれ以上の精度まで進化している。そんなAIが、どう見ても亀のフィギュアにしか見えないものを「銃だ」と間違って認識してしまったら――。 米マサチューセッツ工科大学の学生研究チームがこのほど、ニューラルネットワークによる画像認識を“だます”3Dオブジェクトを作製する手法を開発したと発表した。この手法では、物体を見る方向を変えたり、拡大・縮小したり、カメラのノイズが乗っていたりしても安定して別の物体に誤認識させられるという。 2次元の画像を加工してAIをだます技術は以前からあったが、その画像をプリントして現実の光やノイズなどの要素が加わったり、回転したりすると正しい認識に戻ることから、現実世界で画像認識システムを使う際のリスクにはならないと考えられていた。

本製品は製造終了により、販売終了です。後継品はこちら。 USBスティック型のディープラーニング用デバイスです。AIプログラミングの外部演算装置として扱うことができるため、クラウドに頼らず、ローカル環境で画像処理やディープラーニング開発を行うことができるようになります。 本製品は、スマートセキュリティカメラや、ジェスチャーコントロールドローン、産業用のマシンビジョン機器にも搭載されている、低消費電力でハイパフォーマンスのMovidius Vision Processing Unit（Myriad 2）を搭載しています。 ローカル環境で、DNN（Deep Neural Network）の推論アプリケーションのラピッドプロトタイピング、検証、およびデプロイが可能です。また、PC側にMovidius™ Neural Compute SDKをインストールすれば、リアルタイム推論を必要とする低消費電力

※2018年06月23日追記 PyTorchを使用した最新版の内容を次の書籍にまとめました。 つくりながら学ぶ! 深層強化学習 ~PyTorchによる実践プログラミング~ 18年6月28日発売 これから強化学習を勉強したい人に向けて、「どんなアルゴリズムがあるのか」、「どの順番で勉強すれば良いのか」を示した強化学習アルゴリズムの「学習マップ」を作成しました。 さらに、各手法を実際にどう実装すれば良いのかを、簡単な例題を対象に実装しました。 本記事では、ひとつずつ解説します。 オレンジ枠の手法は、実装例を紹介します。 ※今回マップを作るにあたっては、以下の文献を参考にしました。 ●速習 強化学習: 基礎理論とアルゴリズム（書籍） ●Deep Learning for Video Game Playing 強化学習とは 強化学習は、画像識別のような教師あり学習や、クラスタリングのような教師なし

19日に行われた Kyoto.なんか #3 で発表・デモをさせていただいた内容まとめです。 はじめに: 検出器の重要性 アイドル顔識別 をずっとやっている中で、顔の識別・分類(Classification)はCNNを使って出来ているけれど まだ上手く出来ていない別のタスクがあって。 それが画像内からの顔領域の検出 (Detection, Localization)。 「画像内に写っている人物が誰であるか」を識別するためには、まずはその画像に写っている「顔」を検出する必要がある。 その検出された顔それぞれについて分類器にかけて「この顔は○○さん」「この顔は××さん」と分類していくことになるわけで。 分類器に与える入力画像を切り抜いて抽出するのにもまず顔領域を検出する必要があるし、その分類器を学習させるためのデータセットも、様々な画像から顔領域を検出して切り抜いてそれぞれに対してラベル付けする

概要 現在の日付を$T$とすると、$T+1$から$T+30$までにおける日次価格の単純移動平均をDeepLearningを使って予測し、 ロングポジションを持った（もしくはショート）時の価格より、予測した移動平均を上(下)回れば利益確定するようなシミュレーション売買を行いました。また、３０日保持したら強制的に手仕舞いするようにします。 エントリーは日時毎に残高があれば全力で行うようにします。 ※オレンジのラインが30日後の30日単純移動平均になります。緑がx軸の日付時点における為替価格です。 使用したDLフレームワーク chainer ver1.3~1.5 ちょうどver1.5で互換性が大幅に変更になって、対応するのが大変でした。 2017/8現在はver2.0.2になっているみたいですね。 使用データ みずほヒストリカルデータ https://www.mizuhobank.co.jp/r

7月20日、Intel (Movidius) がUSB接続タイプのスティック型ディープニューラルネットワーク処理用アクセラレータ「Movidius Neural Compute Stick」を発表しました。 Intelが激安1万円以下のUSB型Deep Learning用端末「Movidius Neural Compute Stick」を発売 : Gigazine Intel Democratizes Deep Learning Application Development with Launch of Movidius Neural Compute Stick | Intel Newsroom プロダクトページ NCSは、Deep Learningに特化した専用チップ「Myriad 2」が搭載された、外付けの演算装置です。USBポートに挿すだけでDeep Learningの推論処理を実

pix2pix pix2pixというモデルがある。入力画像と、それと一対一対応する変換ターゲットの画像を用意すると、その間の変換を自動で学習してくれるというものである。 元論文はこれ: [1611.07004] Image-to-Image Translation with Conditional Adversarial Networks この論文内では、モノクロ写真に着色するだとか、線画に色を付ける、航空写真から地図を生成する、ラベリング画像から写真を復元する、などが行われている。要するに、何らかの画像のペアを用意すれば、ペア間の画像変換が学習できるっぽい。 それで、入力画像としてアニメキャラの顔の画像を用意し、出力画像として入力画像から目のハイライトを消したものを用意すれば、アニメキャラの目からハイライトを消すモデルが学習できないだろうか。 幸い、pix2pixのChainer実装が公

子育てをしていると、人間の成長をあらためて感じる。産まれたばかりのころは、そもそも＜じぶん＞という認識すらない。哲学者の永井均先生の言葉でいえば「私」といってもいいし、自我の中心といってもいいかもしれない。それが、そのうち、モノを見る＜じぶん＞、モノを触る＜じぶん＞、何か泣き声を発する＜じぶん＞というものに気づきはじめる。 そして、大人たちの顔を見ながら、怒ったり、泣いたり、喜んだりする、顔の筋肉の動かし方などを学びはじめる。どういうときに笑うべきか、と。意味はわからない。でも、こういうときには笑うんだ、と体得し、そして、嬉しいときに笑うという意味を後づけで覚えはじめる。 言葉も結局は後づけで、青くて丸い愛嬌あるキャラクターを見ると「ドラえもん」というようになり、肌色のまんまるは「アンパンマン」という。「ちょうだい」といえばなぜか大人たちがモノを渡してくれ、その重なりのなかで「頂戴（ちょう

IntelがUSB接続タイプのスティック型ディープニューラルネットワーク処理用アクセラレータ「Movidius Neural Compute Stick」を発表しました。画像処理やAI技術をクラウドではなくローカル環境で手軽に開発できることが期待されています。 Movidius | Intel Newsroom https://newsroom.intel.com/press-kits/movidius/ Intel Democratizes Deep Learning Application Development with Launch of Movidius Neural Compute Stick | Intel Newsroom https://newsroom.intel.com/news/intel-democratizes-deep-learning-application

ずーーーーっと思ってることがある。 人工知能に仕事が奪われるという話があるけれど、 人工知能に仕事をしてもらっちゃだめなの？？ 人工知能にお金を稼いでもらって、 古代ギリシャ貴族みたいに暮らしたい。 ロボットが貴族制における奴隷代わりになって私の生活費を稼いでもらう。 私は自分のやりたい勉強や研究、創作に時間を使う。 もちろん仕事をしたい人はすればいい。 ロボットがいれば起業もしやすいかもしれないし。 私は生活費を稼ぐことに人生を費やさず、やりたいことをやることに人生を使いたい。 二十一世紀にもなってどーーーしてみんながみんな仕事せなあかんのだ。 競争のためにロボットを使おうなんて思うから「仕事を奪われる」って思うのであって、 逆だろ逆！と思う。 人類はやっと人類みんなの尊厳を守れる世界を作れる。 人を殺させず、ロボットだけに戦争を起こさせるのもいいかもしれない。あくまでロボットだけで。

人工知能の発達が加速を続け、着実にシンギュラリティ（機械が人間の知能を上回る点）へと向かっている今、我々は人類が地球上の頂点に君臨し続けるための方策を講じなければならない。 多くの専門家が人間を上回る能力を有する機械の開発を危険視する。それが大量の失業者を生み出す可能性は現実的であるし、将来的に人間が絶滅させられる未来も否定できない。 この事態を防ぐためのアイデアを提唱する専門家がいる。それによると、AIに自己不信を植え付けておけばいいという。

こんにちは、ほけきよです！ 機械学習の基本は教師あり学習です。 でも、実際の現場ではいろいろ指標が出てきて「?」 ってなるので、一回本気でまとめてみることにしてみました！ 教師あり学習の分類 二値分類 用語一覧表 図解 事例 事例1:果物の分類 事例2:ガンかどうかの検査 ROC曲線の意味合い 指標まとめ 多クラス分類 precision, recall, F-measure accuracy logarithm loss 出力が数値(回帰) 用語一覧 二乗誤差(MSE, RMSE)と絶対誤差(MAE)の使い分け AICとBIC, wAICの使い分け 時系列問題 参考になりそうなサイト 教師あり学習の分類 今回は正解はカテゴリか意味を持つ数字かで場合分けをしてみた。 全体の指標のサマリーはこんな感じ(だと思っている。) ※他にも大事な指標があるよ&これは間違っているのでは？？ というコメン

［速報］Google、スマートフォン向けの機械学習ライブラリ「TensorFlow Lite」発表。DSPをアクセラレータとして利用。Google I/O 2017 Googleは5月17日（日本時間5月18日未明）から開催中の年次イベント「Google I/O 2017」にて、スマートフォンなどのデバイスで実行するアプリケーション向けの機械学習ライブラリ「TensorFlow Lite」を発表しました。 「TensorFlow Liteはアプリケーション向けのライブラリで、高速かつ軽量でありながら、ContinentやLSTMといった最新の技術を利用可能だ」（Dave Burke氏、Vice President Enginieering, Android） TensorFlow Lite同時に、機械学習などで使われるニューラルネットワークの計算をDSPによってハードウェアアクセラレーショ

［速報］Google、機械学習に最適化した「Cloud TPU」発表。「われわれれはいま、AIファーストデータセンターの構築に取りかかっている」。Google I/O 2017 Googleは5月17日（日本時間5月18日未明）から開催中の年次イベント「Google I/O 2017」にて、機械学習に最適化した第二世代のTensorFlow Processing Unit（TPU）とそれを用いたクラウドサービス「Cloud TPU」を発表しました。 われわれはいま、AIファーストデータセンターを作っている Google CEO Sundar Pichai氏。 われわれが検索事業を始めたとき、これをスケールさせるためにはそれまでの計算機のアーキテクチャを見直す必要があった。だからこそわれわれはそのためにデータセンターを最初から構築することになったのだ。 そしていま、機械学習やAIの進化はふた