TensorFlow Playgroundはニューラルネットを理解するのにおススメ - 西尾泰和のはてなダイアリー
ネットワークの重みや各ニューロンがどういう入力の時に発火するのかが、学習していく過程で各時刻可視化されてとても良い教材です。 http://playground.tensorflow.org/ うずまきのデータセットに関して「中間層が1層しかないとうずまき（線形非分離な問題）は解けない」という誤解があるようなので、まずは1層でできるという絵を紹介。なお僕のタイムライン上では id:a2c が僕より先に気付いていたことを名誉のために言及しておきます。 で、じゃあよく言われる「線形非分離な問題が解けない」ってのはどういうことか。それはこんな問題設定。入力に適当な係数を掛けて足し合わせただけでは適切な境界を作ることができません。 こういうケースでは中間層を追加すると、中間層が入力の非線形な組み合わせを担当してくれるおかげで解けなかった問題が解けるようになります。 1つ目のデータセットでは特徴量の
[DL輪読会]BERT: Pre-training of Deep Bidirectional Transformers for Language Und...
静止画なのに回っているように見える「錯視」について、深層学習（ディープラーニング）で自ら学習する人工知能（ＡＩ）も、人間と同様に「回っている」と誤って判断し、錯視が起きていることを、基礎生物学研究所（愛知県岡崎市）と立命館大学（京都市）などの共同研究グループが発見し、国際学術誌で発表した。 ＡＩの深層学習は、世界のトップ棋士を次々と破った「アルファ碁」で注目を集めた新技術。画像など膨大なデータを読み込み、判…
Web開発におけるコンピュータサイエンス - 機械学習編2 - Hatena Developer Blog
この教科書は、はてなサマーインターンの講義資料として作成されたものです: https://github.com/hatena/Hatena-Textbook 機械学習編1（基礎編）では、最も初歩的な分類器である単純パーセプトロンを題材に、機械学習の基本について勉強しました。機械学習編2（実用編）では、実問題に機械学習を適用する上でのコツや、各種の機械学習アルゴリズムの使い分け、高次元データへの対処法、といったトピックについて解説していきます。 実問題に機械学習を適用する タスクを定義する データを特徴ベクトルに変換する 評価方法を決める 正解データの正例と負例は均等に ベースラインとなる手法を実装する 実データに向き合うときの心構え 機械学習のワークフロー 1. 前処理 データセット作成 サンプリング 特徴抽出 欠損値・欠測値への対応 値のスケーリング 特徴選択 次元削減 2. 学習 モデ
(数式を使わない) Transformer の直感的な説明 / 真面目なプログラマのためのディープラーニング入門
(数式を使わない) Transformer の直感的な説明 RNN の欠点 Transformer はこれをどう解決したか Transformer の動作原理 複数の要素間の関係を考慮する (Self-Attention、自己注意) 要素の順序を考慮する (Positional Encoding、位置エンコーディング) まとめ 概要: ChatGPT などで使われている Transformer モデルは、 ニューラルネットワークの世界にいくつかの革新的なアイデアをもたらした。 本記事では、プログラマに理解しやすい形でそれらのアイデアを解説する。 実際に使われている数学の詳細には触れない。 (技術的解説については元論文 Attention is All You Need か、 その注釈版である The Annotated Transformer を参照のこと。 日本語では この解説 がわかり
サイバーエージェント、最大68億パラメータの日本語LLM（大規模言語モデル）を一般公開 ―オープンなデータで学習した商用利用可能なモデルを提供―
株式会社サイバーエージェント（本社：東京都渋谷区、代表取締役：藤田晋、東証プライム市場：証券コード4751）は、最大68億パラメータの日本語LLM（Large Language Model、大規模言語モデル）を一般公開したことをお知らせいたします。 近年、OpenAI社が開発した「ChatGPT」※1 を始めとする生成AI・LLMは急速な進化を遂げており、世界中のあらゆる業界・ビジネスにおいて活用が進んでいます。 一方、既存のLLMのほとんどは英語を中心に学習されているため、日本語および日本文化に強いLLMは少ない状況です。 ■最大68億パラメータの日本語LLM（大規模言語モデル）の公開について こうした背景のもと、当社は日本語LLMの開発に取り組んでおり、このたび一部モデルをHugging Face Hubにて公開いたしました。公開されたモデルはオープンな日本語データ※2で学習したもので
私が2012年にニューラルネットの逆襲（当時のコメント）というのをブログに書いてからちょうど5年が経ちました。当時はまだDeep Learningという言葉が広まっておらず、AIという言葉を使うのが憚られるような時代でした。私達が、Preferred Networks（PFN）を立ち上げIoT、AIにフォーカスするのはそれから1年半後のことです。 この5年を振り返る良いタイミングだと思うので考えてみたいと思います。 1. Deep Learning Tsunami 多くの分野がこの5年間でDeep Learningの大きな影響を受け、分野特化の手法がDeep Learningベースの手法に置き換わることになりました。NLP（自然言語処理）の重鎮であるChris Manning教授もNLPで起きた現象を「Deep Learning Tsunami」[link] とよびその衝撃の大きさを表して
写真をアニメキャラクターに変換できる技術が登場
GAN(敵対的生成ネットワーク)と呼ばれるアルゴリズムを使用して人物の写真からアニメキャラクターを作成する方法がTokyo Deep Learning Workshop 2018で解説されており、その動画がYouTubeにアップロードされています。 25.Yanghua Jin: Creating Anime Characters with GAN - YouTube GANは2つのニューラルネットワークを組み合わせ、競い合わせることで特定のデータを生成する精度を上げる仕組みです。GANを発案したイアン・グッドフェローさんはGANを偽札を作ろうとする偽造者と偽札を見分けようとする警察の攻防に例えて説明しています。つまり、片方のニューラルネットワークが本物そっくりな偽札データを作成して「警察」をだまそうとし、「警察」側のニューラルネットワークは入力されたデータの中から偽札データを見つけだそう
巷で話題のStable Diffusion（以下SD）をファインチューニングする方法が公開されたので、早速やります。
「人工知能の分野では、だんだんと黒魔術の影響力が強くなってきています」――将棋ソフト「Ponanza」を開発した山本一成さんがNHKの番組「視点・論点」で語ったこんな話が注目を集めている。 「人工知能の分野では、だんだんと黒魔術の影響力が強くなってきています」――“最強将棋ソフト”「Ponanza」を開発した山本一成さん（愛知学院大学特任准教授）が、NHKの番組「視点・論点」で語ったこんな話が、NHKの公式サイトに掲載され、注目を集めている。 記事によると、10年前、山本さんが「Ponanza」を作った当時は、アマ5段の山本さんが8枚落ちのハンデを付けても勝ってしまうほど「とても弱い将棋プログラム」だったが、わずか10年で名人に勝つまでに成長した。 Ponanzaに限らず、人工知能が飛躍的に成長する中で「人工知能の性能を上げるほど、なぜ性能が上がったのかを説明できなくなっている」という「少
本記事は、浄土宗・月仲山称名寺の稲田 瑞規（いなだ みずき）さんよりご寄稿をいただきました。彼岸寺のコンテンツ「 お寺の未来 」の記事に刺激を受け、書かれたものとなっております。若いお坊さんの問題提起を、多くの方に共有していただければと思います。それでは皆さま、どうぞご一読くださいませ。 ------------ 未来の話。もし仏教を学ぶ人工知能が誕生したら、仏教は、僧侶は、いったいどうなってしまうのだろうか。 未来といってもそう遠い未来の話ではない。近年、人工知能の技術は目まぐるしいほどに発展している。例えば、人工知能（AI）が映画の脚本を製作したり、人工知能が大喜利をするようになったり。 ※参考記事 「AIが脚本を書く時代、「クリエイティビティ」はいつまで人間の特権か」 「【世界初】大喜利ができる人工知能の開発者に会ってきた」 これらの人工知能のテクノロジーに共通するのが、インプット
グルメサイト「食べログ」で評価点が不当に下がり、売り上げが減少したとして、飲食チェーン店がサイト運営のカカクコムに約6億4000万円の損害賠償などを求めた訴訟の判決が16日、東京地裁であった。林史高裁判長は独占禁止法が禁じている「優越的地位の乱用」に当たると判断。チェーン店側の請求を認め、カカクコムに3840万円の支払いを命じた。原告側によると、評価点を決めるルールの「アルゴリズム」（計算手法
Googleが500億円以上で買収した謎のスタートアップ「DeepMind」。当時、無名の人工知能(AI)開発ベンチャーのDeepMindをGoogleが買収した目的は、天才デミス・ハサビス氏を手中に収めたいからと噂されていました。Googleの期待通りDeepMindはAI技術を磨き上げ、学習してゲームの腕をメキメキ上げるアルゴリズム「DQN」を発表して一躍有名になり、人工知能ソフト「AlphaGo」を開発してこれまで難攻不落と考えられてきた囲碁の世界最強棋士を破るのに成功するなど、世間をあっと驚かせています。 そのDeepMindを率いるハサビス氏にThe Vergeが、AlphaGo VS 囲碁界の魔王イ・セドル(李世乭)九段の世紀の対決の第1戦が終了した翌日の第2戦が始まる前にインタビューしています。 DeepMind founder Demis Hassabis on how A
京都のスタートアップ企業であるデータグリッドは、クリエイターの仕事をAIに委ねる「クリエイティブAI（人工知能）」の開発を進めている。“何かを作り出すAI”の1つとして、アイドルの顔を「生成」するAIを作成し、今後の新しいAIの利用法を提案する。 昨今の女性アイドルの顔というと、大勢が踊り歌うユニットなどの印象から、私たち人間は「こんなイメージかな？」と思い起こすことができる。そうしたいわゆる“アイドル顔”を、ディープラーニングによって無数のバリエーションで作り上げる。京都大学発のスタートアップ企業、データグリッド（京都市左京区）が開発した「アイドル自動生成AI」が提供する機能がそれだ。架空のアイドルの顔を高解像度・高品質で自動生成し、同社のWebサイトでは生成した多くのアイドルの顔を連続的に変化させた様子を動画で紹介している。変化するどの顔も確かにアイドルらしい顔つきをしているが、それぞ
大澤昇平🇺🇳 on Twitter: "東大は左翼の肩を持つつもりです。共産主義の反日大学にすべきでない。一刻も早い浄化を。 https://t.co/6ZGSD9a2Wd"
東大は左翼の肩を持つつもりです。共産主義の反日大学にすべきでない。一刻も早い浄化を。 https://t.co/6ZGSD9a2Wd
2. ライセンスの確認以下のモデルカードにアクセスして、ライセンスを確認し、「Access Repository」を押し、「Hugging Face」にログインして（アカウントがない場合は作成）、同意します。 4. Colabでの実行Colabでの実行手順は、次のとおりです。 (1) メニュー「編集→ノートブックの設定」で、「ハードウェアアクセラレータ」に「GPU」を選択。 (2) 「Stable Diffusion」のインストール。 # パッケージのインストール !pip install diffusers==0.3.0 transformers scipy ftfy(3) トークン変数の準備。 以下の「<HugginFace Hubのトークン>」の部分に、先程取得したHuggingFace Hubのトークンをコピー&ペーストします。 # トークン変数の準備 YOUR_TOKEN="<H
0. 忙しい方へ 完全に畳み込みとさようならしてSoTA達成したよ Vision Transformerの重要なことは次の3つだよ 画像パッチを単語のように扱うよ アーキテクチャはTransformerのエンコーダー部分だよ 巨大なデータセットJFT-300Mで事前学習するよ SoTAを上回る性能を約$\frac{1}{15}$の計算コストで得られたよ 事前学習データセットとモデルをさらに大きくすることでまだまだ性能向上する余地があるよ 1. Vision Transformerの解説 Vision Transformer(=ViT)の重要な部分は次の3つです。 入力画像 アーキテクチャ 事前学習とファインチューニング それぞれについて見ていきましょう。 1.1 入力画像 まず入力画像についてです。ViTはTransformerをベースとしたモデル(というより一部を丸々使っている)ですが、
どうも、佐野です。 昨日「第1回 プログラマのための数学勉強会」を開催しました。朝からの大雪にも関わらず多くの方にお集り頂き、濃厚なセッションの数々をお送りすることができて大変嬉しく思っております。 以下、各セッションを動画・資料と共に、簡単に内容のご紹介をさせて頂きます。 1. 「プログラマのための線形代数再入門」 - 佐野岳人 [資料] トップバッターとして発表させて頂きました。線形代数は3Dプログラミングをはじめ、画像処理や機械学習など多くの分野で必要になる数学の分野です。「行列の積はなぜこんな複雑な形をしているのか？」から「行列は線形変換・アフィン変換の定量表現である」という話をしました。 次回は中編として「行列式・逆行列とその実装」、後編で「座標変換と固有値・固有ベクトル」を発表してみたいと思います。 2. 「明日話したくなる「素数」のお話」 - 辻順平 [資料] 日曜数学者 i
要点 最先端機械学習モデル「Vision Transformer」に基づく、新たなレンズレスカメラの画像再構成手法を提案 提案した画像処理技術は高速に高品質な画像を生成できることを実証 小型・低コストかつ高機能であるため、IoT向け画像センシング等への活用に期待 概要 東京工業大学 工学院 情報通信系の潘秀曦（Pan Xiuxi）大学院生（博士後期課程3年）、陈啸（Chen Xiao）大学院生（博士後期課程2年）、武山彩織助教、山口雅浩教授らは、レンズレスカメラの画像処理を高速化し、高品質な画像を取得できる、Vision Transformer（ViT）[用語1]と呼ばれる最先端の機械学習技術を用いた新たな画像再構成手法を開発した。 カメラは通常、焦点の合った画像を撮影するためにレンズを必要とする。現在、IoT[用語2]の普及に伴い、場所を選ばず設置できるコンパクトで高機能な次世代カメラが
村上福之です。AlphaGoのサーバ利用料金をエイヤでお見積りをしたら58億9811万4845円だった。ざっくり60億円。ソースはGoogle様のGCEお見積りツール。年間2586万ドル=29億円くらい。開発&学習2年なのでそれくらい。「株式会社まんだらけ」を２つ買収しても10億円オツリが来るプライス。スペックは適当。ただし、GPU利用料金を除く。GPUインスタンスは一般に公開されていないからだ。だから、本当はもっと高いかもしれないし、CPUも公式発表の1202台でずっと使った場合なので分からない。あと、Persistent Diskなどは０円で設定している。 言いたいことは、どっちにしても、零細ベンチャー企業は払えない金額だということが分かった。 有限会社シーリスの有山社長と話していて、「AlphaGoってGoogleみたいにサーバやGPUを死ぬほど使えないと無理だよね。カネかかりすぎ。
Google機械翻訳の仕組み&できるようになったこと/まだ難しいことについて、社内の機械学習勉強会で説明します - yasuhisa's blog
社内の機械学習勉強会で最近話題になった機械学習関連のエントリを取り上げているのですが、ここ一ヶ月ではGoogle Neural Machine Translation(GNMT)がとても話題になっていました。GNMTで使われているEncoder-Decoderやattentionのような仕組みを直近で使う予定は特にはないですが、機械学習を使うエンジニアとして知っておいて損はないし、技術的に何が変わったことにより何ができるようになって、何はまだできないのかを知ろう、というのが目的です。技術的な項目は興味ない人も多そうなので、最後に持っていきました。 Google Neural Machine Translation(GNMT)の最近の進化について できるようになったこと 定量的な評価 まだまだ難しいこと 技術的な詳細 Encoder-decoder Attention based encod
最新AIの描く絵が「ヤバすぎ」「個展開ける」と話題 文章から画像を生成する「DALL・E 2」、米OpenAIが発表
米AI研究企業OpenAIは4月6日（現地時間）、文章から画像を生成するAI「DALL・E 2」を発表した。2021年1月に同社が発表した「DALL・E」の後継に当たるAIで、生成した画像を掲載するデモサイトも公開している。Twitter上ではAIが生成した画像のクオリティーの高さに「最新のAIやばすぎる」「個展開ける」など、驚きの声が出ている。 例えば「An astronaut riding a horse in a photorealistic style」（写真のようなリアルに描かれた、馬に乗る宇宙飛行士）では下記のような画像を生成する。
最近はツイッターでいろんな人に普段どんな感じで勉強してるのかということを聞かれるのですが、ぼくはだいたいネットでPDFを拾ってきて読んでます。 そこでぼくが今まで読んだ中で良さげな機械学習系の本のリンクをまとめておこうと思います。 ちなみに全て英語ですので日本語じゃないとやだ〜〜〜って泣いちゃう方はタブを閉じるか日本語訳を書店で探してきてください。 PRML (Pattern Recognition and Machine Learning) Pattern Recognition and Machine Learnng www.microsoft.com まず1冊目はみんな大好きPRML。 機械学習の本というよりかはベイズの本と言っていいようなお気持ちもあるのですが、基礎力として非常にいい本だと思います。 特にグラフィカルモデルの章はめちゃくちゃ読み応えあるので個人的には大好きな一冊。
長文日記
乗るしかないこのビッグウェーブに Deep Learning（深層学習）に関連するまとめページとして使用する予定です。Deep Learningに関する記事・スライド・論文・動画・書籍へのリンクをまとめています。最新の研究動向は全然把握できていないので今後研究を進めるなかで記録していきたいと思います。読んだ論文の概要も簡単にまとめていく予定です。本ブログでは、当面の間、Theanoを使って各種Deep Learningアルゴリズムを実装していきたいと思います。 関連ニュースなどはTwitterでも流しているので興味があったらフォローしてください。 すべてに目が通せず更新が追いついていません。私のはてなブックマークで[Deep Learning]というタグを付けて登録しています。まったく整理できていませんがご参考まで。 Theano編 TheanoをWindowsにインストール（2015/1
LINE、NAVERと共同で、世界初、日本語に特化した超巨大言語モデルを開発 新規開発不要で、対話や翻訳などさまざまな日本語AIの生成を可能に | ニュース | LINE株式会社
LINE、NAVERと共同で、世界初、日本語に特化した超巨大言語モデルを開発 新規開発不要で、対話や翻訳などさまざまな日本語AIの生成を可能に 従来の特化型言語モデルとは異なる、汎用型言語モデルを実現予定。 処理インフラには世界でも有数の、700ペタフロップス以上の高性能スーパーコンピュータを活用 LINE株式会社（所在地：東京都新宿区、代表取締役社長：出澤剛）はNAVERと共同で、世界でも初めての、日本語に特化した超巨大言語モデル開発と、その処理に必要なインフラ構築についての取り組みを発表いたします。 超巨大言語モデル（膨大なデータから生成された汎用言語モデル）は、AIによる、より自然な言語処理・言語表現を可能にするものです。日本語に特化した超巨大言語モデル開発は、世界でも初めての試みとなります。 従来の言語モデルは、各ユースケース（Q&A、対話、等）に対して、自然言語処理エンジニアが個
「企業からイラスト作成を発注されたが、提示された価格は安すぎないだろうか」──SNSなどで、イラストレーターからこんな声が時折上がっている。客観的に、イラストの工数や価格を評価できないか。こんな要望を叶えるシステムを、コンテンツ制作会社がAI（人工知能）で試作した。 「塗り方」「描き込み量」「難易度」「価格」 AIが評価 このシステムに、食べ物を持った女の子のイラストを入れてみる。すると、AIが数秒かけてイラストを解析し、「水彩塗り」「ギャルゲ塗り（※）」といった塗り方の割合判定や、背景画像の比率、描き込み量、制作難易度、総合スコア、想定制作価格を提示してくれる。 ※ギャルゲ塗り：美少女ゲーム（ギャルゲー）でよく用いられる塗り方。主にエアブラシツールなどで、キャラクターの柔らかな陰影や色のグラデーションを表現する手法を指す。
ついにガロアが死んだ年齢を超えてしまったことに気がつき、自分がまだ何も成し遂げていないことを悲しく思う今日このごろです。 さて、今日はGoogleが出した機械学習ライブラリのTensorFlowの使い方について軽く説明しつつ、ゆるゆりの制作会社の識別を行おうと思います。 TensorFlowとは TensorFlowはGoogleが11/9に公開したApache 2.0ライセンスで使える機械学習ライブラリです。Googleは様々なところでプロダクトに機械学習を活用していますが、TensorFlowは実際にGoogle内部の研究で使われているそうです（TensorFlow: Google 最新の機械学習ライブラリをオープンソース公開 - Google Developer Japan Blog）。 Googleのネームバリューは恐ろしいもので、GitHubのStar数はすでにChainerやC
ひたすら楽してディープラーニング
Using AI in Software Design: How ChatGPT Can Help With Creating a Solution Architecture
「Pythonで儲かるAIをつくる」はビジネス向けの超実践的な機械学習本でした - karaage. [からあげ]
「Pythonで儲かるAIをつくる」を読みました 日経BP様より「Pythonで儲かるAIをつくる」を献本いただきました。筆者の赤石さんは、日本IBMで働く、本職のデータサイエンティストです。赤石さんの執筆したAI書籍の本は3冊目4冊目になります。赤石さんに関して、詳細はIBMの以下ブログ記事が詳しいです。 Pythonで儲かるAIをつくる 作者:赤石 雅典発売日: 2020/08/06メディア: 単行本 Pythonで儲かるAIをつくる 作者:赤石 雅典発売日: 2020/08/06メディア: Kindle版 AI関連書籍三冊目を出版したIBM赤石雅典に聞く「AIと仕事と執筆」 | IBM ソリューション ブログ 赤石さんが書いた本は、いずれも基礎から丁寧に説明してあり分かりやすい内容です。特に「ディープラーニングの数学」は社会人になってから、必要に迫られてディープラーニングに必要な数学
![「Pythonで儲かるAIをつくる」はビジネス向けの超実践的な機械学習本でした - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/9449c9db4388eeb4c8c79bd8b9f8f8c89aee3743/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20200809%2F20200809110655.jpg)
「ディープラーニングは、原理的には単純な最小二乗法にすぎない」――2月18日付けで日本経済新聞電子版が公開した記事について、Twitterでは「ディープラーニング＝最小二乗法」という解釈は異なるのではという指摘が相次いだ。19日には「ディープラーニング」「最小二乗法」といったワードがTwitterでトレンド入りし、波紋が広がっていた。 日経の記事では、慶應義塾大学経済学部の小林慶一郎教授がAI技術について解説。「近年、驚異的な発展を見せているAIのディープラーニング（深層学習）は、原理的には単純な最小二乗法（誤差を最小にする近似計算の一手法）にすぎない」と言及し、「ディープラーニングは『最小二乗法』」と題する図版が掲載された。 最小二乗法は、測定で得られたデータの組を、1次関数など特定の関数を用いて近似するときに、想定する関数が測定値に対してよい近似となるように、モデル関数の値と測定値の差
リンク Craiyon, formerly DALL-E mini Craiyon, formerly DALL-E mini Craiyon is an AI model that can draw images from any text prompt! 45 users 5103
機械学習／Deep Learningの仕事が増える2017年、ソフトウェアエンジニアがFPGAを学ぶべき理由
ソフトウェアエンジニアがFPGA（field-programmable gate array）を使うハードルがさらに下がってきている。クラウドサービスでFPGAを活用できたり、Pythonで記述したニューラルネットワークをFPGAに高位合成できる研究成果が出てきたりしているのだ。 ソフトウェア開発者の立場でFPGAに取り組むイベント「FPGAエクストリーム・コンピューティング」を主宰する佐藤一憲氏、FPGAの高位合成によるディープラーニングについて研究している東京工業大学の中原啓貴氏（中原研究室）、そしてFPGAベンダーであるザイリンクスの神保直弘氏が、急激に常識が変わりつつあるFPGAの動向を語り合った。 本稿では座談会の中から、ソフトウェアエンジニアにFPGAや高位合成が求められる現状、そして、今後どのようなツールを使うべきか、ソフトウェアエンジニアがFPGAに取り組む際の課題などにつ
Mistral AI has closed its much rumored Series B funding round with General Catalyst leading the round. The company has secured €600 million (around $640 million at today’s exchange rate)…
PFNのmattyaです。chainerを使ったイラスト自動生成をやってみました(上の画像もその一例です)。 20日目の@rezoolabさんの記事(Chainerを使ってコンピュータにイラストを描かせる)とネタが被っちゃったので、本記事ではさらに発展的なところを書いていきたいと思います。一緒に読んでいただくとよいかと。 概要 Chainerで画像を生成するニューラルネットであるDCGANを実装した→github safebooruから顔イラストを集めてきて学習させた 学習済みモデルをconvnetjsで読み込ませて、ブラウザ上で動くデモを作成した→こちら(ローディングに20秒程度かかります) アルゴリズム 今回実装したDCGAN(元論文)はGenerative Adversarial Networkというアルゴリズムの発展形です。GANの目標は、学習データセットと見分けがつかないようなデ
「ラーメン二郎」のラーメン画像をリプライすると、どこの二郎なのか答えてくれる――そんなTwitterのbotアカウントを、NTTコムウェアの技術者が趣味で開発した。正答率は約87％という。 ラーメン店「ラーメン二郎」のラーメン画像を送り付けると、どこの二郎なのか答えてくれる――そんなTwitterのbotアカウントを開発したと、NTTコムウェアの技術者が8月10日、NTTグループ有志が主催する技術交流会「NTT Tech Conference #2」で発表した。正答率は約87％という。 ラーメン二郎は、関東を中心に約40店舗を展開している。店舗ごとにラーメンの味や見た目が少しずつ異なり、ネット上では「常連は見た目で店舗を見分けられる」という声もある。botのTwitterアカウント（@jirou_deep）は、ラーメン二郎の画像をリプライすると、可能性が高い店舗トップ3を答えてくれる。 「
POSTD は、ニジボックスが運営する、エンジニアに向けたキュレーションメディアです。ニジボックスはWebサービスの企画、制作、開発、運用を一貫して担うリクルートの100%子会社です。 リクルートグループのオンラインサービスをはじめ、様々な業種・業界・業態のサービス開発を行っております。
この連載ではおなじみのキャラクター「明日来子さん」に右側からライトを当ててみた。左がIC-Lightを適用したもので、右がオリジナル。環境はWebUI Forge用の拡張機能を使用 5月8日に、「ControlNet」など画像生成AI関連の著名研究者であるイリヤスフィール（lllyasviel）さんが発表した「ICライト（Imposing Consistent Light、印象的な一貫的なライト）」が盛り上がりました。入力した画像をもとに、後から指定した照明効果を踏まえた画像を生成する技術です。 画像生成AIで照明効果がつけられる「ICライト（IC-Light）」 発表された学習済みモデルは、「ライトを指定すると、キャラクターのデータに合わせてテキストのプロンプトに合わせて独自に背景を生成するもの」「キャラクターとライトの影響を加味して、別の背景画像と合成するもの」の2種類があります。これ
OSSベースの機械学習が強い理由
英語版はこちら。 TensorFlowの登場以降、OSSベースの機械学習の盛り上がりは加速しています。Kerasの作者のFrançois Cholletさんの言葉が、この状況を非常に端的に表しています。これだけでも十分だとは思いますが、この記事では、なぜオープンソースの機械学習が強いのか、最近のどういった流れがあるのかを整理したいと思います。 tl;dr機械学習やDeep Learningのフレームワークが充実してきた論文が査読前に公開され、他社も簡単にアルゴリズムの検証ができるようになった多くのプレーヤーの参戦により、アカデミアでの機械学習の研究がレッドオーシャン化した他社にないアルゴリズムで一発勝負、実装は秘密、というアプローチが厳しい牧歌的な時代5年前10年前の世界では、先端の機械学習に取り組んでいるのは大学などの研究室、大企業の研究所や一部の先進的な企業がほとんどでした。特に、ラベ
学校図書館で子どもの読書や学習を支える学校司書の配置増を求める国会決議案に、与野党で唯一、日本維新の会が「近い将来、司書の仕事は人工知能（AI）で代替可能になる」と反対し、臨時国会（9日閉会）への提出が見送られていたことが19日分かった。 2015年施行の改正学校図書館法で「努力義務」とされた学校司書の配置は全体の半数程度にとどまっている。このため「文字・活字文化推進機構」が働き掛け、衆参両院で全会派が了承した形での決議案提出を目指していた。 維新の浅田均政調会長は取材に「人件費増に直結する『司書の配置促進』は『改革』の名に値しない」と文書で回答した。
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
機械学習で泣かないためのコード設計
ＡＩ：誤って「回転」と錯視…人間同様に 立命大など発見 | 毎日新聞
ニューラルネットの逆襲から５年後 | Preferred Research
Stable Diffusionをいらすとやでファインチューニングする
「人工知能は、黒魔術の影響が強くなっている」――“最強将棋ソフト”Ponanza開発者が語る
【寄稿】ブッダの教えを学んだ人工知能が誕生したとき仏教の未来はどうなるか？ | 仏教なう | 彼岸寺
食べログ側に賠償命令、評価点下落「優越的地位の乱用」 - 日本経済新聞
囲碁チャンピオンを打ち破ったGoogleの人工知能「AlphaGo」を作った天才デミス・ハサビスが人工知能を語る
存在しない“アイドル顔”を自動生成 京大発ベンチャーがAI開発
Google Colab で はじめる Stable Diffusion v1.4｜npaka
画像認識の大革命。AI界で話題爆発中の「Vision Transformer」を解説！ - Qiita
「第1回 プログラマのための数学勉強会」開催しました！（動画＆資料つき） - 34歳からの数学博士
機械学習の進化が、「レンズ」というカメラの当たり前を覆す 次世代イメージセンシング・ソリューション開発を加速
AlphaGoのサーバ料金は最低60億円？ - ふくゆきブログ
無料で拾える機械学習系の本のPDFまとめ - とある京大生の作業ログと日々の雑記
Deep Learning リンク集 - 人工知能に関する断創録
「このイラスト、価格はいくら？」 AIがプロ目線で見積もり
TensorFlowでアニメゆるゆりの制作会社を識別する - kivantium活動日記
「ディープラーニングは最小二乗法」で物議 東大・松尾豊氏「深い関数の方が重要」
AIに『ゴッホの唐揚げ』と『セザンヌの唐揚げ』を描かせてみた→唐揚げリクエストブーム発生
TechCrunch | Startup and Technology News
Chainerで顔イラストの自動生成 - Qiita
「ラーメン二郎」全店舗“見分ける”bot NTTコムウェア技術者が趣味で開発
POSTD | ニジボックスが運営するエンジニアに向けたキュレーションメディア
画像生成AIに照明革命 日本と世界で同時に“神ツール”登場 (1/3)
維新「司書はAIで代替可能」 唯一反対、増員決議できず ｜ 共同通信