DeepMind Technologies(ディープマインド・テクノロジーズ)は、イギリスにあるAlphabetの人工知能子会社である。2010年にDeepMind Technologiesとして起業され、2014年にGoogleによって買収された[3]。ロンドンを拠点とし、カナダ[4]、フランス[5]、米国にも研究センターを持つ。2015年、Googleの親会社であるAlphabetの完全子会社となった。 DeepMindは、人間と似たようなやり方でどのようにビデオゲームをプレーするかを学ぶニューラルネットワークを作成している[6]。また、従来的なチューリング機械のように外部記憶装置にアクセスできるニューラルネットワークを作成しており、これによって人間の脳の短期記憶を模倣できるのではないかと期待されている[7]。DeepMindは、開発したプログラムAlphaGoが人間のプロ囲碁棋士を初
AlphaFold(アルファフォールド)は、タンパク質の構造予測を実行するGoogleのDeepMindによって開発された人工知能プログラムである[1]。このプログラムは、タンパク質の折り畳み構造を原子の幅に合わせて予測する深層学習システムとして設計されている[2]。 AIソフトウェア「AlphaFold」は、2つの主要バージョンで注目されている。研究者チームはAlphaFold 1 (2018年) を使用して、2018年12月に開催された「第13回 タンパク質構造予測精密評価 (CASP)」の総合ランキングで1位を獲得した。このプログラムは、部分的に類似した配列を持つタンパク質から既存のテンプレート構造(英語版)が利用できない、競技会主催者によって最も難しいと評価されたターゲットの最も正確な構造を予測することに特に成功した。チームは、AlphaFold 2 (2020年) を使用して、2
Lab Sessions: A new series of experimental AI collaborations What happens when you put AI in the hands of dancers, teachers, rappers, artists, oceanographers, photographers, entrepreneurs, and other visionaries? Introducing our next generation large language model PaLM 2 is our next generation large language model that builds on Google’s legacy of breakthrough research in machine learning and resp
for i in range(1, 101): if i % 15 == 0: print("FizzBuzz") elif i % 3 == 0: print("Fizz") elif i % 5 == 0: print("Buzz") else: print(i) プログラム問題としてあまりにも有名になってしまったので、今ではあらゆる言語のFizzBuzzがそろっています。面白いですね。 深層学習 で FizzBuzz この記事の読まれている大半の方は、FizzBuzzを書くのにあまり苦労しないでしょう。 しかし、あなたが何かの拍子でプログラムの書き方を忘れてしまったらどうでしょう? 心配する必要はありません。そういうときこそAIの出番です。 最近は空前の人工知能ブームで、猫も杓子もDeep Learningです。 実際、Deep LearningによるFizzBuzzは、いくつも先例
2000年代にニューラルネットワークの研究が再び活発になりました。現在、ディープラーニングは近代的な機械学習の道を切り開いている非常に活発な研究領域となっています。Google、Microsoft、Facebookなどの企業では、社内のディープラーニングチームが急成長しています。しかし、多くの人にとってディープラーニングはまだまだとても複雑で困難な課題です。本書ではサンプルのPython 3プログラムと簡潔な説明を通してこの複雑な分野の主要な概念を紹介します。微積分、行列演算、Pythonの基礎があれば誰でも本書を始めることができます。 監訳者まえがき まえがき 1章 ニューラルネットワーク 1.1 知的な機械を作るということ 1.2 従来のプログラムの限界 1.3 機械学習のしくみ 1.4 ニューロン 1.5 線形パーセプトロンをニューロンとして表現する 1.6 フィードフォワードニュー
目次 イントロ ← 今ココ Scikit-learn・Keras モデルの性能指標・評価方法 データの前処理・データ拡張 早期終了(early stopping) 転移学習 ハイパーパラメータのチューニング モデル圧縮 応用 はじめに 大学3年生のとき、小林雅一『AIの衝撃 人工知能は人類の敵か』という本をなんのきなし読んだことがあります。その本の中で「最先端のAIを実装できるのは世界でも50人くらいの研究者・大学院生くらいだ」といった文章を読み、なんだかすごそうという動機で機械学習に触れ始めました。そのころちょうど、TensorFlow 0.0.5が公開されて騒がれていたことを覚えていますが、当時ディープラーニングとは何かすらまったく分かりませんでした。それから約2年の月日が経ちますが、TensorFlowをはじめとしたフレームワークの普及もあってか「最先端のAI」というものを研究し実装
Googleは2月15日、オープンソースの深層学習フレームワーク「TensorFlow 1.0」公開を発表した。高速化や柔軟性の強化、安定性の強化などが行われている。 TensorFlowは深層学習(ディープラーニング)向けの機械学習ライブラリで、Google Brain Teamが20015年にオープンソースで公開した。Dropbpx、Airbnb、Snapchat、SAPなど多くの企業や組織で利用されており、Googleによると公開から1年以上でここから派生した6000件以上のオープンソースリポジトリが存在するという。Google内部でもGoogle Translateの改善など様々なプロジェクトに使われているとのこと。 TensorFlow 1.0ではPython APIが安定扱いとなり、今後のマイナーアップデートリリースでも互換性が保証されるようになった。これによって今まで以上に運
機械学習を学ぶのに最も適した教材と言われる、Machine Learning | Coursera を受講し終わりました! 「機械学習に興味はあるけど、何から始めたらいいかわからない」 「Courseraはいいって聞くけど、難くて挫折する気がする」 「機械学習やるなら、PRMLがいいって聞いたけど」 という人は多いと思います。私も同じように思っていました。Courseraの機械学習コースを始めたのはなんとなくですが、修了してみて、やって本当に良かったと思います。機械学習は面白いし夢があるので、ちょっとでも興味がある人の背中を押したいと思い、このコースの何がいいのか簡単にまとめたいと思います。 過去の記事 Coursera Machine Learning (1): 機械学習とは?単回帰分析、最急降下法、目的関数 Coursera Machine Learning (2): 重回帰分析、スケ
Googleは、糖尿病の合併症として発症する糖尿病網膜症(Diabetic Retinopathy:DR)を網膜写真から見つけるための、ディープラーニング(深層学習)用アルゴリズムを開発した。このアルゴリズムを使ったところ、眼科医と同程度の精度で糖尿病網膜症の兆候を発見することができたという。 糖尿病網膜症は、糖尿病にともなって起きる合併症の一つ。早期発見できれば治療可能だが、進行すると回復不可能な失明に至る恐ろしい病気である。 見つける方法は、医師が網膜の写真を調べて診断することが一般的。しかし、専門的な訓練が必要で、十分な診断技術を持つ医師は世界的に不足しているという。そこでGoogleは、マシンラーニング(機械学習)技術やコンピュータ画像処理といった技術が役立つと考え、インドおよび米国の医師と共同で研究に取り組んだ。 まず、糖尿病網膜症の発現データセットを12万8000個の画像で用意
If you tell Siri to set an alarm for 5 am, she'll set an alarm for 5 am. But if you start asking her which prescription pain killer is least likely to upset your stomach, she's not really gonna know what to do---just because that's a pretty complicated sentence. Siri is a long way from what computer scientists call "natural language understanding." She can't truly understand the natural way we hum
You are likely pretty good at picking things up. That’s nice. Part of the reason that you’re pretty good at picking things up is that when you were little, you spent a lot of time trying and failing to pick things up, and learning from your experiences. For roboticists who don’t want to wait through the equivalent of an entire robotic childhood, there are ways to streamline the process: at Google
続・TensorFlowでのDeep Learningによるアイドルの顔識別 - すぎゃーんメモ の続き、というかなんというか。 前回までは「ももいろクローバーZのメンバー5人の顔を識別する」というお題でやっていたけど、対象をより広範囲に拡大してみる。 様々なアイドル、応援アプリによる自撮り投稿 あまり知られていないかもしれないけど、世の中にはものすごい数のアイドルが存在しており、毎日どこかで誰かがステージに立ち 歌って踊って頑張っている。まだまだ知名度は低くても、年間何百という頻度でライブを中心に活動している、所謂「ライブアイドル」。俗に「地下アイドル」と言ったりする。 ライブアイドル - Wikipedia そういったアイドルさんたち 活動方針も様々だけど、大抵の子たちはブログやTwitterを中心としてWebメディアも活用して積極的に情報や近況を発信していたりする。 そんな中、近年登
via Flickr by “Jimmy Baikovicius“. Licensed under CC BY-SA 2.0. Googleと無料オンライン学習プログラムのUdacityが、ディープラーニングの基本を無料で学べるコース「Deep Learning:Taking machine learning to the next level」を開設した。インストラクターを担当する一人がVincent Vanhoucke氏。彼は、Googleのディープラーニングインフラストラクチャーチームを率いている。 Vanhoucke氏はディープラーニングの学習環境について、ソースやツールがアカデミアの外では充実していなかった5年前の状況と比較して「今や研究者もオープンソースツールを使い、研究結果をオープンにするトレンドが定着し始めている。マシーンラーニングの基本を理解していれば、その知識は誰もが簡
Google employs some of the world’s smartest researchers in deep learning and artificial intelligence, so it’s not a bad idea to listen to what they have to say about the space. One of those researchers, senior research scientist Greg Corrado, spoke at RE:WORK’s Deep Learning Summit on Thursday in San Francisco and gave some advice on when, why and how to use deep learning. His talk was pragmatic a
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