東大・松尾教授がGMOインターネット顧問に AI活用を加速
松尾教授は、東京大学大学院工学系研究科 人工物工学研究センター／技術経営戦略学専攻教授。日本ディープラーニング協会の理事長や内閣府AI戦略会議の座長を務める一方、AIスタートアップ企業の育成にも取り組むなどAI技術の実社会やビジネスへの適用を進めている。 関連記事 スマートスピーカーに生成AI、Amazonが先行 会話を記憶、ボディランゲージやアイコンタクトも理解 米Amazonが、同社の音声アシスタント「Alexa」に生成AIを搭載する。これにより、継続した会話の他、会話の記憶や各家庭向けのパーソナライズも可能になるという。まずは米国のユーザー向けに今後数カ月以内に提供を始める。 GPT-4を上回るオープンなLLM誕生？ 中国研究者らが「Xwin-LM」公開 米OpenAIの生成AI「GPT-4」を上回る性能をうたうAI「Xwin-LM」が、AIモデル共有サイト「Hugging Face
おわりに - なぜ機械学習はうさん臭く感じられるのか? / 真面目なプログラマのためのディープラーニング入門
本講座では計8回にわたり、ディープニューラルネットワークの原理と実装について 説明してきた。ニューラルネットワークの原理は基本的には 勾配降下法であり、その基盤となっているのが関数の微分可能性である。 ニューラルネットワークにはさまざまな形態が存在するが、 画像処理・画像認識の場合は畳み込みニューラルネットワークが非常に 有効であることがわかっている。また、ニューラルネットワークの 出力形式や損失関数を変えることにより、ニューラルネットワークが 物体検出や奥行き推定など、さまざまなタスクに利用可能であることを紹介した。 さて、本講座は「真面目なプログラマのための」ディープラーニング入門、 と銘打っている。真面目なプログラマとは何か? 諸説いろいろあるだろうが、 多くのプログラマは、ソフトウェア開発において 仕様の明確さや、 システムの効率・堅牢性、そして 保守のしやすさといったものを 追求
真面目なプログラマのためのディープラーニング入門
はじめに: 本講座は「機械学習ってなんか面倒くさそう」と感じている プログラマのためのものである。本講座では 「そもそも機械が『学習する』とはどういうことか?」 「なぜニューラルネットワークで学習できるのか?」といった 根本的な疑問に答えることから始める。 そのうえで「ニューラルネットワークでどのようなことが学習できるのか?」 という疑問に対する具体例として、物体認識や奥行き認識などの問題を扱う。 最終的には、機械学習のブラックボックス性を解消し、所詮は ニューラルネットワークもただのソフトウェアであり、 固有の長所と短所をもっていることを学ぶことが目的である。 なお、この講座では機械学習のソフトウェア的な原理を中心に説明しており、 理論的・数学的な基礎はそれほど厳密には説明しない。 使用環境は Python + PyTorch を使っているが、一度原理を理解してしまえば 環境や使用言語が
ディープラーニングで動画の顔画像の入れ替え実施編＆そこから学ぶ機械学習の基礎の基礎 （Mac OSX） - Qiita
🐒 この記事は、Mac ユーザーで「包丁は料理に使うもの」であり「犯罪・復讐・脅迫に使うものではない」ことがわかる方、そして料理に興味を持つも「包丁の仕組み」が料理より気になる、形から入るタイプの方限定の記事です。 また、この記事は「いいね」（旧 LGTM）が付くたびに見直して何かしら手を入れています。変更通知も送りませんので、ストックくださった方は、お暇な時にまた覗きに来てください。（初稿 2018年02月08日） 「実施編」とは言ったものの、記事の後半は「機械学習の基礎の基礎」であるため、いささか長い記事になっています。ハンズオンというより、むしろ読み物なので、まずはお手すきにスマホとかでゴロ寝しながら読んでください。全体像を把握してからトライされるのが良いと思います。 はじめに この記事は「人物 A の動画の顔を人物 B の顔に入れ替える技術文書」です。その「具体的な HowTo
ディープラーニング系将棋ソフトはどこまでいけるのか 世界コンピュータ将棋選手権の結果から将棋AI将来性を探る
世界コンピュータ将棋選手権とは 林隆弘氏（以下、林）：今回「将棋AIの開発秘話を語る」ということで、座談会形式で秘話を語るということで、まずどのあたりからいきましょうか。 山口祐氏（以下、山口）：まずその「コンピュータ将棋選手権」という大会について、私から簡単に説明してから、ここにいる3人の開発者が、それぞれどういった感想を持ったのかを順番に聞いていければと思っています。 林：お願いします。 山口：はい。今回我々が参加したのは、「第31回世界コンピュータ将棋選手権」という大会でして、こちらは非常に歴史の長い大会です。将棋AI同士が対局をして最強を決めるといった、この業界では一番格式が高いというか、みなさん気合いを入れて参加する大会になっています。 毎年ゴールデンウィークの5月3日から5月5日にかけて開催されていまして、3日に一次予選、4日に二次予選、5日に決勝リーグが開催される流れになって
ディープフェイクと生成ディープラーニング
上の画像は本物の人間の写真のように見えるが、実は、写真に写っているのはすべて実在しない人物だ。全てGANと言われるディープラーニング技術を用いて生成された人物写真である。GANは2014年に当時モントリオール大学で研究をしていたIan Goodfellow氏やYoshua Bengio氏らの研究グループによって、最初のモデルが発表された[2]。その後、ディープラーニング向けのGPUの計算能力が大幅に向上する中で、世界中の研究者がモデルの改良を進め、GANの技術は指数関数的な勢いで進化した。現在では、人間が識別できないほど高精細でリアルな画像を生成できるだけでなく、リアルタイムで動画を変換したり、テキストから画像を生成することも可能だ。ディープラーニングの権威の一人であるYann LeCun氏は、「GANはこの10年間で最も興味深いアイデアである」と語っている。その一方で、急激な技術の進化は
スタンフォード大のアンドリュー・ン氏 AIの構築など学べるMLOps講座、2週間で登録者数4000人を突破 | Ledge.ai
TOP > Article Theme > AI（人工知能）ニュース > スタンフォード大のアンドリュー・ン氏 AIの構築など学べるMLOps講座、2週間で登録者数4000人を突破 画像はTwitterより We’re thrilled to announce the launch of our much anticipated Machine Learning Engineering for Production (MLOps) Specialization on @Coursera! Enroll now: https://t.co/UywbgdQApK pic.twitter.com/vBsuB4Etss — DeepLearning.AI (@DeepLearningAI_) May 12, 2021 オンライン講座「Coursera（コーセラ）」において、人工知能（AI）の権威と
GPUに比べて最大15倍高速な市販CPU向けのディープラーニングアルゴリズムが開発される
近年のAIは、人間が手を加えなくてもコンピューターが自動的に大量のデータからそのデータの特徴を発見する「ディープラーニング(深層学習)」という学習手法で動いています。このディープラーニングは、コンピューターゲームに代表されるリアルタイム画像処理に特化した演算装置・プロセッサであるGPUで処理されるというのが通例ですが、ライス大学のコンピューター科学者がIntelと共同で「GPUに比べて最大15倍も高速にディープラーニングできるCPU向けソフトウェア」を開発しました。 ACCELERATING SLIDE DEEP LEARNING ON MODERN CPUS:VECTORIZATION, QUANTIZATIONS, MEMORY OPTIMIZATIONS, AND MORE (PDFファイル)https://proceedings.mlsys.org/paper/2021/file/
画像ディープラーニングの始め方（画像系AIの概要理解からUdemy受講, E資格取得まで） - Qiita
本記事の目的 もともと本業でデータサイエンスやディープラーニングを扱っていたわけでもなく、ディープラーニング周りは「なんとなく知っている」という状態。ちゃんと勉強したいと思いながらもなかなか手が出ず、モデル実装の経験もない。 上記の状態から、この1年間くらいでやっと、初めてディープラーニング実装の経験をするところまでたどり着いた。とりあえずデータサイエンスの入口に立てた（かもしれない）ということで、整理のためここまで取り組んできたことをまとめてみた。 これから勉強を始める、誰かのために役立てば嬉しい。 ＜画像ディープラーニングの始め方＞ ◇ ステップ1. 画像系AIの全体像を把握する ◇ ステップ2. 画像分類を実装してみる ◇ ステップ3. 理論をフォローアップする ◇ ステップ4. 実装の経験を積む ステップ1．画像系AIの全体像を把握する とりあえず初心者向けの書籍や動画などを見て全
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
「知能とは何か」解明近づく？東大教授・AI研究者松尾豊さんに聞くディープラーニングの先端動向 - エンジニアtype | 転職type
2020.09.08 ITニュース 2015年7月以来５年ぶり２度目となる、東京大学大学院工学系研究科教授で日本ディープラーニング協会理事長の松尾豊さんのインタビューをお届けする。 エンジニアtypeでは今年７月にも、AIテクノロジー企業ABEJA主催のオンラインイベント「DX2020」で行われたABEJA岡田陽介代表との対談「With/Afterコロナ時代におけるDXとAI」をレポートしている。 ＞＞【松尾豊×ABEJA岡田陽介対談】日本企業でDX、AI活用が進まない５つの理由とその処方箋 この記事では「日本企業でDXが進まない理由とその解決策」にテーマを絞るべく割愛したが、講演の中でディープラーニング研究の今を問われた松尾教授は「画像認識系の技術がだいぶ成熟して、アプリケーションもだいぶ出てきた。世の中には”出切った”雰囲気さえ出ている。ところが今（アカデミア方面では）かなり面白いこと
ディープラーニングを学び始めた方へ 東京大学／松尾豊教授の動画 - Qiita
1.はじめに ディープラーニングを学び始めた方にとって、東京大学／松尾教授の動画を見ることは、とても刺激的で勉強になり面白いものだと思います。今回、松尾教授の講演に加えて対談やパネルディスカッションも含めた動画のリンクをまとめましたので、よろしかったら見て下さい。 おすすめは、01, 05, 14, 16, 23, 27 です。 2.動画リンク 講演には★の表示がしてあります。 □2012年 ★01.Computer will be more clever than human beings 東京大学版TEDです（もちろん日本語です）。ウェブを利用した情報の利用と人工知能の可能性についてコンパクトにまとめています。ディープラーニングには触れていませんが、若々しい松尾教授の姿が見れて、内容も興味深いです。<おすすめです。>(15分) □2013年 02.ＩＴ融合シンポジウム ～企業・研究者に
日本ディープラーニング協会の理事長 松尾豊氏がTelexistenceのAI技術顧問に就任予定 「ロボティクスとAI領域で最高難易度の取組み」 - ロボスタ ロボスタ - ロボット情報WEBマガジン
Telexistence株式会社(以下、TX）は東京大学大学院工学系研究科 人工物工学研究センター／技術経営戦略学専攻教授 松尾豊氏がAI技術顧問に就任予定であることを発表した(現在、東京大学で最終承認手続中)。 松尾氏は人工知能、特にディープラーニングとウェブ工学の専門家であり、東京大学を拠点に研究開発・人材育成・社会実装を通じて社会に変革をもたらすことを使命として、各種研究活動を進めている。2017年には日本ディープラーニング協会を設立。理事長に就任し、情報発信や公的機関への提言、国際連携の促進などに取り組んでいる。 TX社は遠隔操作技術と人工知能を用いて、工場の外で、より人間の生活領域に近い場所でロボットを普及させることを目指している。これに際し、最も先進的なAI研究の第一人者であり、実社会においてAIの実践的な活用に高い意欲をもつ松尾氏を加えることが大きな力になると考えていた。一方
ディープラーニングの活用はこれから。産業ごとにバーティカルに変化 -JDLA理事長 松尾豊氏の特別講義レポート | AI専門ニュースメディア AINOW
HOME/ AINOW編集部 /ディープラーニングの活用はこれから。産業ごとにバーティカルに変化 -JDLA理事長 松尾豊氏の特別講義レポート
ディープラーニング(Deep Learning)の歴史を振り返る - 渋谷駅前で働くデータサイエンティストのブログ
先日Quora日本語版でこんな回答を書いたのですが、ついでなので少し文脈情報を付け足してブログの方に再録することにしました。理由は単純で、このブログでディープラーニングの歴史についてまとめた記事を今まで書いてきたことがなく、そしてブログ記事にした方がより認識違いや調査不足などについての指摘をもらいやすいと思われたからです。ということで、以下の説明に関してツッコミがあれば是非コメント欄などにお寄せくださいm(_ _)m (A Neural Network Playground) ディープラーニングを語る上で、その前史であるパーセプトロン、そして（人工）ニューラルネットワークの話題は欠かせません。以下大まかに説明していきましょう。（※歴史解説中では敬称略、各種用語は原則カナ表記*1） パーセプトロンの登場 ミンスキーによる批判と第1の冬の時代 誤差逆伝播学習則と中間層を用いたニューラルネットワ
最近のポケモンはデジモンっぽいのか、ディープラーニングに聞いてみた - Qiita
はじめに ポケモンについて何となく知っている人向けの記事です（デジモンは知らなくてOK） ３月ごろにポケモンたかさおじさんが集計したアンケートの分析をお手伝いしたところ、アンケートの自由記述回答の6353件中、155件もデジモンについて言及するコメントがあった。 「デジモンと区別付かないよね」 「もはやポケモンじゃない…。デジモン…。昔のデザインに戻ってほしいなぁ…。。。」 「主観ですが、伝説のポケモンが角張った印象で、デジモンのような印象を受ける。」 「全体的に毛がなさそうなツルッとしたフォルムの子達が増えた気がします。デジモンっぽい」 「デザインがごちゃごちゃしすぎて子供が描くのが難しい デジモンに近くなってきている」 「ダイパまでのデザインがポケモンっぽいデザイン。それ以降はデジモンみたいな雰囲気。」 私は幼少期からポケモンには触れてきたが、デジモンにはあまり縁がなかったため、 デジ
バーニーおじさんの正体はスタンフォード大学の教授（JDLA ディープラーニング ジェネラリスト検定）
G検定（JDLA ディープラーニング ジェネラリスト検定）。 勉強してみると分かるのですが、色々不思議な用語が出てきて結構面白いです。 今回はその中でも特に謎の多い「バーニーおじさんのルール」について色々調べてみました。 結果、バーニーおじさんの正体は、米スタンフォード大学の教授「Bernard Widrow」さんでした。 また本人に対して、なぜ「おじさん」なのか？メールで確認中。 記事を書いた人 大手IT企業でデータサイエンスを活用した分析業務に携わっています。 元営業という経歴を活かしながら、金融・製造・流通業のお客様を中心にAI活用コンサルや定着支援・人材育成の支援をしたり、講演や執筆活動など幅広く活動しています。
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
【JDLA公式】Generative AI Test
深層学習時代の文字認識とその周辺 / OCR and related technologies in the Deep Learning era
一般社団法人日本ディープラーニング協会【公式】
