幼児には、リアルなロボットは生き物に見えている？ ── LOVOTとの共同生活
心の距離は少しずつ近づいていく 3歳になる娘が、とあるキャリアショップの店頭でGROOVE Xの家庭型ロボット「LOVOT」に初めて出会ったのは、半年ほど前のこと。 あまりにもLOVOTのことを気に入った様子だったので、GROOVE XからLOVOTをお借りして、“各地を巡っているLOVOTが、いまはうちに来てくれている”という設定で共同生活を送っている。 私が「大好きなLOVOTと間近で触れ合えるとなれば、喜ぶに違いない！」と安易に考えたのは誤り。初対面時、娘は、親がLOVOTに夢中になっている様子に、やきもちを焼き、あまり近づこうとしない様子だった。 だが、それも長くは続かない。2日目、3日目と一緒に過ごしていったところ、だんだんと興味の方が勝っていったのか、娘の方から、自然とLOVOTに近づいていくように。 目のデザインを自分好みに変更したり（LOVOTは、専用のアプリから、声や目の
現代統計学のための情報量規準の開発：響き合う人とデータ―統数研プロジェクト：統計数理研究所
データ解析において重要な鍵を握る「モデル選択」。統計数理研究所の元所長である赤池弘次氏は1970 年代に、最適なモデルを選択するための指標として赤池情報量規準（AIC）を開発した。それ以降、AIC は世界中に普及したものの、データが大規模化・複雑化した現代の統計学には不都合も生じている。人工知能や深層学習への利用も見越した「令和改定版AIC」の開発に向けて始動したプロジェクトを紹介する。 ビジネスや政策決定など社会のさまざまな場面で、データに基づく判断が求められている。データ解析を行う上で最も重要なのは、対象とする数値データに当てはまりがよく、予測精度の高い統計モデルを使用することだ。統計数理研究所の二宮嘉行教授は、「あらゆるデータ解析において、どの統計モデルを用いるかを決める『モデル選択』のプロセスは不可欠です」と説明する。 モデル選択には常に、ある問題が付きまとう。モデルのパラメータ数
【図形問題】グレーの部分の面積を求めよ！＜Vol.616＞ - エキサイトニュース
学校で習ったはずなんだけど……（汗）。 大人でもわからない!? 面積当てクイズです。 ＜問題＞下図のグレーの部分の面積を計算してください。
Googleは対話型AI「Bard」のミスで時価総額1000億ドルが吹き飛ぶ、現実味を帯びる生成AI倒産 【生成AI事件簿】顧客からの問い合わせに誤回答、社内規則や契約書類で重大ミス、大切な場面で失敗して評判失墜など | JBpress (ジェイビープレス)
生成AIを活用する企業は増える一方だが、それとともに、AIの間違いによって損害を被る企業も増えている。 エア・カナダはチャットボットの誤回答で賠償金を支払うはめに。別の企業は生成AIが作成した解雇合意書に重要な項目が欠落していたため、高額な和解金を支払わなければならなくなった。 企業に求められるのは、生成AIは間違いを犯すという前提に基づいた準備や行動。AIが間違えているかどうか分からない領域では活用すべきではない。 （小林 啓倫：経営コンサルタント） チャットボットで損害を被ったエア・カナダ 企業内でのAI活用が加速している。社員や顧客と自然な言葉でやり取りできる生成AIが登場したことで、AIを応用できる業務が増え、具体的な成果も見えやすくなったためだ。 たとえば、カナダで1855年に設立され、現在では同国で最大の規模を誇るTD銀行（Toronto-Dominion Bank）は、コンタ
フローで考える熱のモデリング（その1） ～熱の理論と熱回路網解析～
前回、前々回の流れのモデリングに続き、今回は「フローで考える熱のモデリング（その1）」と題して、フローで考える熱の理論と熱回路網解析について取り上げる。流れと共通する部分も多いが、熱固有の問題もあるので、この辺りを中心に解説する。
グーグル元CEO特別寄稿：米国には「AIアポロ計画」が必要だ
グーグル元CEOのエリック・シュミットは、アポロ計画が米国を活気づけて宇宙開発競争の勝利をもたらしたように、政府は今すぐ世界トップクラスのコンピューティング・インフラの基礎作りに着手すべきだと主張する。 by Eric Schmidt2024.05.15 1 4 世界的な人工知能（AI）ブームに支えられ、グローバルなコンピューティング能力競争が本格化している。オープンAI（OpenAI）のサム・アルトマンCEO（最高経営責任者）は、あるチップ製造ベンチャーのために7兆ドルもの資金を調達しようとしている。マイクロソフトやアマゾンなどのテック大手は、独自のAIチップを構築している。AIモデルを訓練・使用するためにより多くのコンピューティングパワーが必要になっていることが、最先端のチップから巨大なデータセットまで、あらゆるものを求める動きの原動力となっている。 しかしコンピューティング・パワーの
驚きに満ちた脳の「配線図」、グーグルらが史上最高解像度で3D地図化
ハーバード大とグーグルのチームが、人間の脳細胞間のつながりを高解像度で表した3Dマップを作成した。脳の小さなサンプルを5000の断片にスライスして電子顕微鏡でスキャンし、機械学習を使ってつなぎ合わせた。 by Cassandra Willyard2024.05.13 2 14 ハーバード大学とグーグルの科学者が率いるチームが、人間の脳の1立方ミリメートルのナノスケール解像度の3Dマップを作成した。脳全体はその100万倍であるため、このマップは脳のほんの一部をカバーしたに過ぎないが、約5万7000個の細胞、約230ミリの血管、約1億5000万個のシナプスが含まれている。これは、これまでに作成された人間の脳の画像の中で最も解像度が高い。 これほどの詳細なマップを作成するために、チームは組織サンプルを5000枚のスライスに切り分け、高速電子顕微鏡でスキャンせねばならなかった。その後、機械学習モデ
ノーベル賞候補となった研究者に訊いた“睡眠の謎”「自称ショートスリーパーの99％以上はただの寝不足です」
睡眠の研究で今、「最もノーベル賞に近い」と評される学者が筑波大学にいる。睡眠研究の第一人者、柳沢正史教授である。学生時代から不眠に悩まされてきたという59歳のジャーナリスト・横田増生氏が、その快眠メソッドを学びに門を叩いた。【前後編の前編。後編を読む】 ＊ ＊ ＊ 睡眠を「見える化」する 筑波大学国際統合睡眠医科学研究機構の機構長である睡眠研究者の柳沢正史教授に、高校からがんこな不眠に悩まされ続けてきた私が、睡眠の謎や、快眠のノウハウなどについて訊いた。 私は事前に、教授が立ち上げたベンチャー企業「S,UIMIN」で2日にかけて脳波を計った。1日目は、8時間眠ったが、中途覚醒が2時間近くあった、2日目は9時間強の睡眠で、中途覚醒が1時間ほどあった。まずはその結果を見てもらった。 「この脳波はあまりよくありませんね。点のような中途覚醒がたくさんあるし、まどろみレベルの睡眠が多い代わりに、一番
【連載】計算で挑む環境研究－シミュレーションが広げる可能性
10. 気候モデルから化学気候モデルへ：スーパーコンピュータが可能とするオゾン層年々変動の解析 地球システム領域地球環境データ統合解析推進室 主任研究員 山下陽介 2022年3月号 ［Vol.32 No.12］ 9. 世界の水利用の水源を求める―世界の水資源のコンピュータシミュレーション その３－ 気候変動適応センター 気候変動影響評価研究室長 花崎直太 2021年9月号 ［Vol.32 No.6］ 8. 地球と人類の将来：地球ー人間システムモデルによる研究 地球環境研究センター気候変動リスク評価研究室 主任研究員 横畠徳太 2021年3月号 ［Vol.31 No.13］ 7. より速く、より多く、より長く、より複雑に－シミュレーションを支える技術－ 地球環境研究センター 衛星観測研究室 主任研究員 八代尚 2020年10月号 ［Vol.31 No.7］ 6. スーパーコンピュータが切り開
AIが声から「感情を読み取る」、元グーグル研究者が創業したHume AI（Forbes JAPAN） - Yahoo!ニュース
人間の声から感情を読み取る人工知能（AI）モデルを開発するスタートアップ企業Hume AI（ヒュームAI）は米国時間3月27日、スウェーデンのEQTベンチャーズがリードし、ユニオン・スクエア・ベンチャーズらが参加したシリーズBラウンドで5000万ドル（約77億円）を調達したと発表した。ニューヨークを拠点とする同社の評価額は2億1900万ドル（約330億円）とされた。 ヒュームのAIモデルは、懐かしさから気まずさや不安まで、人間の声から24以上の感情を検出し、それに応じて反応する。例えば、「私の愛犬が今朝死んだ」と同社のAIに語りかけると、「お悔やみ申し上げます。ペットを失うことはとても辛いことですよね」という答えが同情と悲しみを帯びた声で返ってくる。 元グーグルの研究者であるアラン・コーウェンは、2021年に同社を設立し、人の話し方から感情を解釈し、適切な返答を生成する共感型AIを構築した
シミュレーションが広げる可能性（8）地球と人類の将来：地球ー人間システムモデルによる研究 ｜ 地球環境研究センターニュース
現在、コンピュータシミュレーションは環境研究を支える重要な研究方法となっています。天気予報や災害の予測など、私たちの日常生活と深く関係していることもあります。 シミュレーション研究の内容は多岐にわたり、日々進歩しています。このシリーズでは、環境研究におけるシミュレーション研究の多様性や重要性を紹介いたします。 2020年現在、人間活動による地球全体の年間の二酸化炭素排出量は400億トン程度と推定されています*1。これに対して、光合成によって陸域の植物などが大気中の二酸化炭素を吸収する量は年間125億トン、二酸化炭素が海洋に溶け込んで吸収される量は年間92億トンに過ぎず、人間が排出した二酸化炭素の46%は大気中に溜まっていくと見積もられています。これにより大気中の二酸化炭素濃度が増加し、地球温暖化が進行します。 地球温暖化によって、これまでに様々な問題が生じ、今後も生態系や社会に深刻な影響が
オルツが数兆パラメータ規模の大規模言語モデル(LLM)構築に着手 ユースケースから逆算、世界最高峰の速度とコスパを追求 - ロボスタ ロボスタ - ロボット情報WEBマガジン
オルツは、数兆パラメータ超規模の大規模言語モデル（LLM）の構築に着手したことを発表した。 オルツは約10年間、自然言語処理を含む領域で研究開発を行ってきた。また、早い段階からLLMの研究・開発・運用を手掛けてきており、実際のビジネスシーンや実生活におけるユースケースから逆算したLLM設計・構築が肝要であると考えているとのこと。 今回の数兆パラメータ超規模のLLM開発は、単にパラメータ数を膨大にするだけではなく、生成AIのエンドユースケースから逆算した目標であり、パラメータ数に加えて、スピードと計算効率、コストパフォーマンスという実運用時に重要となる指標でも世界最高峰レベルを目指す。 また、オルツは本開発を通して、すでに展開している生成AIプロダクト群をより費用対効果の高いサービスとしてエンドユーザーに提供すること、ならびに、グローバルに先駆けた日本発の生成AIのエンドユースケースの確立を
「かしこまりました」と「承知しました」の意味と使い方：適切な表現を身に付けよう | Forbes JAPAN 公式サイト（フォーブス ジャパン）
「かしこまりました」と「承知しました」は、どちらも相手の要求や依頼を引き受ける際に使われる丁寧な表現である。しかし、その使い方やニュアンスには違いがある。 「かしこまりました」と「承知しました」の項目別解説「かしこまりました」の意味「かしこまりました」は、相手の依頼や命令をしっかりと理解し、引き受ける意思を表す敬語である。主に接客業やサービス業で使われることが多い。例：「お会計はお任せください。かしこまりました。」 「承知しました」は、相手の意図や指示を理解し、実行する意思を示す言葉である。ビジネスシーンや職場で使われることが多く、やや形式的な表現である。例：「次回のミーティングは午後2時からです。承知しました。」 使い方の違い「かしこまりました」は、相手の依頼や命令を受け取る際の礼儀正しい返事として使われ、「承知しました」は、ビジネスの場で相手の指示や情報を受け入れる時の表現である。 「
強化学習の困難と解決に向けた研究の方向性〜強化学習と生成系モデルの融合〜 - Qiita
背景 昨今大規模言語モデルが話題の中心であるが、深層強化学習の領域も2023年付近から大きな進展を見せている。深層強化学習における困難が実用化の妨げになっていたが、基盤モデルや模倣学習の領域の進展によりそれを乗り越える研究成果が出てきている。今回は、深層強化学習における従来の困難と研究の方向性について説明する。 そもそも「強化学習」とは？ 強化学習の問題設定は、エージェントが行動aを決定し、環境から得る報酬rを最大化する問題設定である。エージェントは、状態sと報酬rを入力に、現在の状態の価値を価値関数で評価したり、行動の選択を方策関数で行ったりする。深層強化学習では、方策関数や価値関数を深層学習で近似的に学習するアプローチである。 AlphaGoは最も有名な深層強化学習の応用例です。AlphaGoは、18の世界タイトルを獲得していた伝説の囲碁棋士「イ・セドル」と2016年3月に対戦し、Al
AIの新星ニューラルネットワーク「KAN」とは？ LLMが“カンニング”して評価を盛ってた？ など重要論文5本を解説（生成AIウィークリー） | テクノエッジ TechnoEdge
2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 1週間分の生成AI関連論文の中から重要なものをピックアップし、解説をする連載です。第45回目は、生成AI最新論文の概要5つを紹介します。 生成AI論文ピックアップ 高精度なニューラルネットワーク・アーキテクチャ「KAN」をMITなどの研究者らが開発 1手先のトークン予測ではなく、4手先のトークンを同時に予測するモデルをMetaなどが開発 医療分野に特化したマルチモーダル大規模言語モデル「Med-Gemini」をGoogleが開発 大規模言語モデルが答えに相当するベンチマークを事前に学習し、高い評価を出していた？ AIカンニング問題を指摘した研究 一貫性の高い長編ビデオをテキストから生成するAIモデル「StoryDiffusion」 高精度なニューラ
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
脳型処理における非線形ダイナミクスの研究
人間の動きを模倣可能な生成AIの基盤技術を開発――運動生成タスクへの応用に期待 東北大学とスイス連邦工科大学 - fabcross for エンジニア
MSN
Tohoku University researchers use deep reinforcement learning for walking and running | Tohoku University posted on the topic | LinkedIn
SpatialTracker: Tracking Any 2D Pixels in 3D Space