「人工知能」ブームに乗り遅れた！という方々に捧げる人工知能（機械学習）まとめ記事 - 六本木で働くデータサイエンティストのブログ
(Photo credit: A Health Blog via Visual Hunt / CC BY-SA) 「人工知能」ブームが本格化してまだほんの数ヶ月だと思うんですが、気がついたらTV含む大手メディアが皆こぞって毎日のように「人工知能」を取り上げ、あまつさえ政府や与党の諮問会議でまで「人工知能」の語が飛び交う有様で、一体何をどうしたらこうなるのか僕には全く分かりません（汗）。 とは言え、実際にビジネスの現場でも「人工知能」への期待感が日に日に高まり続けているのは事実で、例えば友人知人の経営者との酒席でも「最近人工知能ってめっちゃくちゃ流行ってるじゃん、あれって実際どうなの？本当に役に立つの？今からでも人工知能事業に参入すべきなのかな？それとも俺たちあいつらに滅ぼされちゃうの？」みたいなことを聞かれることが多いんですよね。 ということで、そういう「人工知能」ブームに乗り遅れたけれど
世の中には将棋やチェスなどさまざまなボードゲームがありますが、これらが駒を動かして「王(キング)を取った方の勝ち」であるのに対して、囲碁は石を置いて「多くの陣地を取った方が勝ち」というルールであるため、素人目では盤上で何が起きているのか理解するのが難しいもの。そんな囲碁の詳細なルールを理解していなくても、プレイするだけでなんとなくルールがわかるようになるのが「ぷよ碁」です。初心者が囲碁を楽しみながら理解するにはピッタリなゲームということで、さっそく囲碁初心者がプレイしてみました。 ぷよ碁 - 無料囲碁ブラウザゲーム https://puyogo.app/ 「ぷよ碁」の画面は以下の通り。上部に5×5の盤面が配置されており、その下に白石と黒石の数が表示されています。さらにその下には「パス」と「降参」というボタンが配置されており、文字通りパスと降参が可能。 初期状態だと白石の下に「対 AI」と表
ディープラーニングは特定分野で非常に高い精度が出せることもあり、その応用範囲はどんどん広がっています。 しかし、そんなディープラーニングにも弱点はあります。その中でも大きい問題点が、「何を根拠に判断しているかよくわからない」ということです。 ディープラーニングは、学習の過程でデータ内の特徴それ自体を学習するのが得意という特性があります。これにより「人が特徴を抽出する必要がない」と言われたりもしますが、逆に言えばどんな特徴を抽出するかはネットワーク任せということです。抽出された特徴はその名の通りディープなネットワークの中の重みに潜在しており、そこから学習された「何か」を人間が理解可能な形で取り出すというのは至難の業です。 例題：このネットワークが何を根拠に猫を猫として判断しているか、ネットワークの重みを可視化した上図から答えよ(制限時間:3分) image from CS231n Visua
囲碁のトップ棋士に勝った人工知能「ＡｌｐｈａＧｏ」が進化し、打ち手を全く教えずに白紙の状態から学習して従来型の人工知能を破ったと開発した会社が発表し、人工知能はもはや人間の知識に制約されなくなったとしています。 この会社が開発した人工知能「ＡｌｐｈａＧｏ」は、囲碁の名人の打ち手のデータを基に学習を重ね、ことし世界最強とされる中国のトップ棋士を破り、大きな話題となりました。 今回、新たに開発した「ＡｌｐｈａＧｏＺｅｒｏ」は答えを導くデータがなくても、人工知能がみずから試行錯誤を繰り返して、よりよい答えにたどり着く、「強化学習」という手法を取り入れたということです。 そして、囲碁の基本ルール以外には何も教えず、わずか３日間で５００万回の対戦をひとりでに繰り返して強さを身につけた結果、トップ棋士を破った従来型の人工知能に圧勝したということです。 さらに、新型の人工知能は白紙の状態から学習する中で
2016年、Google DeepMind社から恐ろしい論文が出された、AlphaGoその名を冠した囲碁プログラムが既存の囲碁ソフトに勝率99％を叩き出したのだ。AlphaGoは強化学習とDeep Learningを組み合わせた囲碁プログラムで、その年に最強の囲碁棋士の一人である李世ドルさんに4勝1負で勝利した。その後も進歩を続けて今のAlphaGoの強さは人類が体感できるレベルを超えるほど強くなったと予想される。 2017年も終わりのころ、Google DeepMind社からまた途方もない論文が発表された。囲碁とほぼ同じ手法で最強レベルのチェスや将棋プログラムを超えたということだった。実際のところ正確に超えたのかどうかちょっとだけ疑問もあるのだが、まず前提として彼らの新手法が途方もない成果をあげたこと素直に祝福したい。彼らは自分たちのプログラムをAlpha Zeroと名付けた。 コンピュ
AlphaGo Zeroが自己学習のみで過去最強になったというニュースが出たのでその元論文を読み、要約をしました。 まず感想を述べると、過去数千年にわたって蓄積してきた知識をAIが数時間で発見することに対する気持ち良さがありました。人間などクソ食らえと思っておりますので、こう言うニュースはとてもスッキリします。そして人間の発見していない打ち筋の発見にも感動しました。これこそがAIの真髄だと信じています。人間が見えていないものをAIが見つける、僕もいつかそんなことをしてみたいと思いながら生きています。 あともう一つ重要だと思ったのは、とてもネットワーク構造および学習過程が簡素化されたことです。マシンパワーも過去に比べて非常に少なく済み、個人でもすぐに再現実験ができそうなくらいです。AIが強くなることと、構造および学習のsimplerが同時に達成できていることが本質的だと思います。 一応、下記
DeepLearning Advent Calendar 2016の17日目の記事です。 はじめに はじめまして。 Liaroという会社でエンジニアをしている@eve_ykと申します。 今年もあと僅かとなりました。 ここらで、今年のDeepLearningの主要な成果を振り返ってみましょう。 この記事は、2016年に発表されたDeepLearning関係の研究を広く浅くまとめたものです。今年のDeepLearningの研究の進歩を俯瞰するのに役立てば幸いです。 それぞれの内容について、その要点や感想なんかを簡単にまとめられたらと思います。 特に重要だと思った研究には★マークをつけておきます。 非常に長くなってしまったため、興味のある分野だけ読んでいただければと思います。 言い訳とお願い 見つけたものはコードへのリンクも示すので、プログラミングに関係ある記事ということで… 分野的にかなり偏っ
囲碁AIブームに乗って、若手棋士の間で「AWS」が大流行 その理由とは？：週末エンプラこぼれ話（1/4 ページ） 人間の能力をAIが完全に上回りつつある「囲碁」の世界。最近では、AIを活用した研究を行う棋士も増えているそうだが、その裏側でAWSが若手棋士の中で大流行しているという。一体何が起こっているのだろうか。 ここ数年、将棋や囲碁といったボードゲームの世界では、AI（人工知能）の能力が人間を上回りつつある。特に、Alphabet傘下のDeepMindが開発した囲碁AI「AlphaGo」は、世界のトップ棋士を次々と破ったことで、昨今の人工知能ブームの“火付け役”となったのは記憶に新しい。 最近では、プロ棋士たちも研究にAIを使い始めているが、その影響で、若い囲碁棋士たちの間で今「AWS（Amazon Web Services）」を利用する人が急速に増えているのだという。一体何が起きている
人間VSコンピュータオセロ 衝撃の6戦全敗から20年、元世界チャンピオン村上健さんに聞いた「負けた後に見えてきたもの」 (1/3) - ねとらぼ
2017年、人間は2つの知的ゲームでコンピュータに決定的な敗北を喫しました。 囲碁の世界レーティング1位の柯潔（カ・ケツ）九段が、米Google傘下DeepMindの囲碁AI「AlphaGo」との3番勝負で3戦全敗（関連記事）。 ボードゲーム最後の砦といわれた囲碁さえCOMに敗北 さらに将棋の佐藤天彦名人が、第2期電王戦二番勝負で将棋AI「PONANZA（ポナンザ）」に、先手番・後手番ともに敗れました（関連記事）。 投了直前、天を仰ぐ名人（ニコニコ生放送より） 急激に進歩するAIにより生活が激変するといわれる21世紀。2045年、あるいはそれを上回る速度で、人間の知能をAIが決定的に上回る「シンギュラリティ」が来るともいわれ、人間の存在価値すら問われ始めている昨今において、衝撃的な出来事でした。 そのちょうど20年前の1997年。囲碁と将棋のように、人間にとって非常にポピュラーな知的ゲーム
アメリカのＩＴ企業、グーグルの研究グループが最新の人工知能を使った囲碁のコンピューターソフトを開発し、人間のプロ棋士に勝利したと発表しました。囲碁でコンピューターが人間のプロに勝つのは初めてです。 囲碁は、将棋やチェスと比べて打てる手の数が桁違いに多いことから計算が複雑で、コンピューターが人間のプロの実力に追いつくにはこの先、１０年以上かかるとされてきました。 論文によりますとグループが開発した囲碁ソフト「ＡｌｐｈａＧｏ」には膨大な可能性を計算して打ち手を探す従来の方法に加え、「ディープラーニング」と呼ばれるコンピューターがみずから学習する最新の技術が使われているということです。 そのうえで、碁石の位置データに基づいた戦況の見極めと、次に打つ手の選択を２種類の別々の人工知能を組み合わせて計算することで、より強い手を見つけ出す能力が格段に高まったということです。 グループによりますと、中国出
※本記事はアフィリエイトプログラムによる収益を得ています Google DeepMindの共同創立者であるデミス・ハサビス氏が1月5日（日本時間）、Twitterを更新。年末年始に世界のトップ棋士を続々撃破していた謎の囲碁アカウント「Master」は、囲碁ソフト「AlphaGo」の新バージョンだと明らかにした。 声明によると、同社ではAlphaGoの改善作業に取り組んでおり、ここ数日はネット上で非公式のテストを行っていたという。「東洋囲碁と野狐囲碁で『Magister』『Master』と対戦した方、そして観戦して楽しんでもらった皆さんに感謝します」。テストが完了したことで、今後は囲碁の団体・専門家と協力して、2017年内に本格的な（持ち時間の多い）“公式戦”を実施するとしている。 無敗のMaster 囲碁アカウント「Master」の戦績は、「野狐囲碁」で30勝0敗、東洋囲碁を含めると60勝
2018年4月21日、株式会社サイバーエージェントが主催するイベント「Battle Conference U30」が開催されました。30歳以下のエンジニアによる30歳以下のエンジニアのための技術カンファレンスである本イベントには、さまざまな領域で活躍する若手が登壇。企業の枠を超えて、自身の技術・事業・キャリアに関する知見を発表しました。「機械学習ブームの裏側に」に登壇したのは、ヤフー株式会社データプラットフォーム本部の池上哲矢氏。「女性エンジニアが少ない」という問題に対して、機械学習を用いて解決を試みた、ユニークな取り組みを紹介します。 「連続最適化」を研究し、ヤフーへ 池上哲矢氏（以下、池上）：ご紹介に預かりました、ヤフー株式会社の池上哲矢と申します。 今日は「機械学習ブームの裏側に」というタイトルで、発表させていただきたいと思います。こういったイベントは初めてで、すごく緊張しているんで
AI（人工知能）に関わる技術、なかでもディープラーニングが急速に発達し、社会のさまざまな領域で実際に利用されるようになりました。その背景のひとつには、AI分野での研究開発に多大な投資を行っている大手IT企業が、その成果の一部をオープンソースとして公開し、世界中のエンジニアが自由に使えるようになったことがあります。 こうしたオープンソースのAI関連ライブラリには、Googleの「TensorFlow」やFacebookの「Torch」といった海外のIT企業のものだけでなく、国内にもPreferred Networksの「Chainer」やソニーの「Neural Network Libraries」などがあります。最近では、関連した情報も数多く手に入るようになりました。 また、これらのライブラリの多くには親切なチュートリアルも用意されており、AIの開発経験がないエンジニアでもさほど手間を掛ける
ロボットから自動運転車、はては囲碁・将棋といったゲームまで、昨今多くの「AI」が世間をにぎわせています。 その中のキーワードとして、「強化学習」というものがあります。そうした意味では、数ある機械学習の手法の中で最も注目されている(そして誇張されている・・・)手法ともいえるかもしれません。 今回はその強化学習という手法について、基礎から最近目覚ましい精度を出しているDeep Q-learning(いわゆるドキュン、DQNです)まで、その発展の流れと仕組みについて解説をしていきたいと思います。 本記事の内容をベースに、ハンズオンイベントを開催しました(PyConJPのTalkの増補改訂版) Pythonではじめる強化学習 OpenAI Gym 体験ハンズオン 講義資料の方が図解が豊富なので、数式とかちょっと、という場合はこちらがおすすめです。 Tech-Circle #18 Pythonではじ
原文記事: [阿尔法狗再下一城 | 蛋白结构预测AlphaFold大胜传统人类模型] (2018/12/03公開) 「研究したいタンパク質があるのだが、その構造と機能がわからない」 — これは分子細胞生物学の研究者が日々直面する最大の難題の一つである*a。アミノ酸配列測定技術が発展する中で、多くのタンパク質の配列がハイスループット*1に解析されているが、この配列決定の段階から実際に3次元構造を決定するまでの間には、未だに大きな距離がある。 生物の基本単位が細胞だとして、細胞の基本的な機能単位こそが、複雑多岐なタンパク質の1つ1つである。そしてまさにタンパク質の機能の本質を決定しているのが、タンパク質の構造である。タンパク質の機能を研究したり、それをターゲットとする薬剤を開発したいというとき、タンパク質の構造はとても重要な要素の一つになる。だからこそ、生物学には、構造生物学という学問領域まで
はじめまして。 本業はアスキーアート (以下AA) 職人のOsciiArtといいます (本業ではない)。 AlphaGo対イ・セドルの対局を見て、「僕もディープラーニングで神AA職人を倒したい！」と思い、pythonをインストールしてちょうど一年の成果を書いていきます。 コードはこちらにアップしてあります。 https://github.com/OsciiArt/DeepAA ここで扱うアスキーアートとは ここで扱うAAとは、 こういうの……↓ ではなく、こういうの……↓ でもなく、こういうの……↓ ともちょっと違って、こういうの……↓ ではもちろんなく、こういうのです。↓ このような、線画を文字を作って再現した「トレースAA」と呼ばれるタイプのAAをここでは扱います。 詳細はwikipediaの「アスキーアート」のページの「プロポーショナルフォント」の項を参照してください。 wikipe
自己対戦と深層学習でマシンにコネクトフォー（Connect4：四目並べ）の戦略を学習させましょう。 この記事では次の3つの話をします。 AlphaZeroが人工知能（AI）への大きなステップである2つの理由 AlphaZeroの方法論のレプリカを 作って コネクト4のゲームをプレイさせる方法 そのレプリカを改良して他のゲームをプラグインする方法 AlphaGo→AlphaGo Zero→AlphaZero 2016年3月、DeepmindのAlphaGo（アルファ碁）が、囲碁の18回の世界王者、李世乭（イー・セドル）との五番勝負で、2億人の見守る中、4-1で勝利しました。機械が超人的な囲碁の技を学習したのです。不可能だとか、少なくとも10年間は達成できないと思われていた偉業です。 AlphaGo 対 李世乭の第3局 このことだけでも驚くべき功績ですが、DeepMindは、2017年10月、
【みんな】Caffeより手軽かつ高速! Cで書かれた必要十分な深層学習フレームワーク darknetを試す【意外と知らない】:電脳ヒッチハイクガイド:電脳空間カウボーイズZZ(電脳空間カウボーイズ) - ニコニコチャンネル:生活
チャオ! オレだ。 深層学習を手軽に使いたいというニーズは日に日に高まっているはずなのに、ガクシャ先生どもと来たら、やれMatlabだ、やれPythonだのと軟弱言語の話しかしやしねえ。どこかに気骨溢れたナイスガイはおらんのか! と思ったら、居た。 それが今回紹介するdarknetだ。 darknetという名前から想像する異常にダークである。 バーン どうよこのダークネス感 いまどき黒いページというのは珍しい。 そして無駄に凝った魔法陣のようなロゴ。ダークだ。 しかしダークネット、厨二満開とせせら笑っていられるのもいまのうちだ。 このダークネット、実に必要十分な機能を最短で試せる超絶優れたツールなのである。 CaffeやTensorFlowほどの知名度はないが、実用性皆無なTensorFlowに比べてdarknetはものすごく実用的。Cが分かる人ならばこれほど使いやすいものもちょっと他にな
"We cannot go against the trend. I think machines will beat humans someday. " "If I get defeated it might be negative for go and this is inevitable in this modern life. However, it will not destroy the value of go itself." （「私たちは時代の流れに逆らうことは出来ません。いつか機械は人間を打ち負かすでしょう」 「もし私が負けたら囲碁にとってはネガティブなことですが、これは現代社会では避けられないことです。 しかし、その敗北は囲碁自身の価値を損なうことはないでしょう」イ・セドル） Human-AI showdown begins 1 p.m. 2016年3月9日、"Alph
岩波新書（1938年創刊）、中公新書（1962年創刊）に続き、1963年に創刊された科学新書レーベル「ブルーバックス」。今年1月に山崎晴雄・久保純子著『日本列島100万年史』で2000番（タイトル）を突破したことを記念して、4週にわたり、編集部への独占インタビューを通じてブルーバックスの魅力に迫ります。さらに、ブルーバックスの人気タイトルを様々にプレゼントする企画も実施いたしますので、最後までお見逃しなく！ 第一弾は、編集長・篠木和久さんにブルーバックスの半世紀にわたる歴史をブルーバックス歴史スゴロクを眺めながら振り返っていただきました。ロングセラー本やチャレンジングな作品、さらに篠木さんの忘れられない作品をご紹介します。 取材・文・撮影／ブクログ通信 編集部 持田泰 猿橋由佳 創刊（1963年）〜90年代まで ※クリックすると大きくなります。 2000年代〜現在まで ※クリックすると大き
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
「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
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
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。
3つの革命1万2千年前、狩猟採集から農耕への移行「農業革命」が起きた。ハラリ氏は、人類の生活は豊かになったという解釈は偏っており「史上最大の詐欺だった」と主張する。 「どの観点から見るかで変わります。たしかに農業革命によって人間は大きな集団的な力を得ました。都市、国、帝国といった集団ができました。貿易、経済成長、技術革新も生まれました」 単位面積当たりに得られる食物は増え、人類の数は指数的に増えた。 「一部のエリート、例えば、王、牧師、王侯貴族といったような人々の生活は、非常に改善されました。歴史は、そうした一部の王侯貴族の見方や、人間の集団的なパワーという観点から述べられます。そうした場合、農業革命は大きな前進だったと言えます」 ただ、大半の人たちにとって、生活の質は悪化したという。 「人間の体や脳は、木に登ったり、動物を追ったりという狩猟採集生活に適応するように発達してきました」 「と
「今から10年後の2026年、AIは東大に入る程度の知能を有すると思いますか？」──ガートナー ITインフラストラクチャ＆データセンターサミット2016に登壇した新井氏は冒頭、会場に向けて1つの質問を投げかけた。 この問いに「Yes」と挙手した人は、全体の80％以上にのぼった。「この質問の次に、どうしてYesと思うのかを聞くと、多くの人がビッグデータを活用した機械学習、最近ではディープラーニングの例を挙げる」という。 今年はAIが人間に勝つには10年かかるといわれていた囲碁の世界で、グーグル傘下のDeepMindが開発した「AlphaGo」が世界チャンピオンに4対1で大きく勝ち越して、世間を驚かせた。東大は日本一難しい大学だが、それでも毎年約3000名が入学する。プロ棋士になるほうが難しい。そのプロ棋士にAIは勝った。 「だったら東大に入ることはそれほど難しくはないのではないかと皆さんは考
※本記事はアフィリエイトプログラムによる収益を得ています 新年早々、囲碁界にビッグニュースが飛び込んできた。1月2日、謎の囲碁アカウント「Master」が、井山裕太六冠とみられる人物と対戦し撃破した。勝負の様子は囲碁サイト「野狐囲碁」で生配信され、世界中の4000人以上が見守った。 勝負の様子（野狐囲碁公式Twitterより） 対局が始まったのは2日20時前。ネット上では瞬く間に謎の怪物と日本最強が対戦しているとの情報が駆け巡り、視聴者数が急増。勝負も序盤から激しい戦いとなった。SNSでは日中韓のプロ棋士が実況し、トップ棋士の1人、古力九段（2003年～2008年の中国ランキング1位）が「井山六冠（白）が良い」とコメントした局面もあったが、次第にMaster（黒）が逆転。20時40分ごろに中押し勝ちとなった。 囲碁界では2016年3月、Google DeepMindが開発した囲碁ソフト「A
Googleが最強のチェス・将棋AI「AlphaZero」を発表 わずか24時間の自己学習で最強AIを上回る
世界最強の囲碁AI「AlphaGo Zero」を開発したDeepMind（Google関連会社）が、チェスと将棋のAIに関する論文を発表しました。AlphaGo Zeroと同様の手法を使い、24時間で既存の最強AIを超える実力に至ったとのこと。 AlphaGoは2017年5月、世界トップ棋士である中国の柯潔（かけつ）九段に3戦全勝した囲碁AI。もともと人間同士の棋譜（対局データ）を学習させていましたが、進化したAlphaGo Zeroでは人間の棋譜を用いず、AIによる自己対戦のみで強くする「強化学習」が用いられました。 「AlphaGo」に敗れた最強棋士の柯潔九段 Googleの囲碁AI「AlphaGo」が19歳の最強棋士に全勝 囲碁AI「AlphaGo」が進化した「AlphaGo Zero」開発 自己との対局で学習し強く 今回の論文では、AlphaGo Zeroで用いられた手法を「Alp
山中伸弥さんが羽生善治永世七冠に聞いた「AIと将棋の未来」（山中 伸弥,羽生 善治） | 現代ビジネス | 講談社（1/3）
ノーベル賞科学者・山中伸弥氏と史上最強棋士・羽生善治氏が「10年後、100年後の世界」について語る「予言の書」が『人間の未来 AIの未来』だ。本書の中から「AIと将棋の未来」について書かれたパートを特別公開する。 なぜ将棋のソフトが急激に強くなっているのか 山中 人工知能（AI）の「AlphaGo」（アルファ碁）が世界トップクラスの囲碁棋士イ・セドルさん（韓国）に四勝一敗で圧勝したことが話題になりましたね。 羽生 はい、2016年3月のことでした。その年の2月、私がNHKの番組［NHKスペシャル「天使か悪魔か 羽生善治 人工知能を探る」2016年5月放送］で人工知能を取材したとき、グーグルの傘下にあるイギリスのディープマインド社で、アルファ碁を開発したデミス・ハサビスさんにお会いしてお話を伺いました。囲碁は少なくとも十年は人間に追いつけないと言われていたので、大きな挑戦と思えました。おそら
1. 第3次AIブームの到来 米Google DeepMindが開発した人工知能（AI）の囲碁プログラム「AlphaGo」が世界トップレベルの実力を持つ韓国のプロ棋士、李世ドル（イ・セドル）九段に4勝1敗と大きく勝ち越したことが着火剤となり、2015年より第3次AIブームへと突入した。(ちなみにAIが誕生したのは1950～1960年代で第1次AIブームの到来) 1.1 余談になるがAlphaGo(4億円の知能)はなぜすごいのか？ AlphaGoがそれ以前のチェスや将棋のAIと異なるのは、 畳み込みニューラルネットワーク（CNN） を応用している点だ。このCNNはさらに強化学習を行い、自分自身と対局を数千万回も繰り返した。 間違っていたらすみません、、、、 1.2 ChatGPTによる生成AIのブーム ChatGPTに代表されるLLMは以前から開発競争が繰り広げられていた。 GPT1は201
Photo via Visual Hunt 少し前のことですが、AlphaGoという囲碁の人工知能プログラムがイ・セドル九段に勝利したことで話題になりました。*1 また、一部のゲームにおいて「DQN（Deep Q-network）」が人間よりも上手くプレイするようになったというニュースも話題になっていましたね。*2 今回はこれらの事例で使われている「深層強化学習」という仕組みを使って、FXのシステムトレードができないかと思い、調べてみました。 注意：強化学習もFXも勉強し始めたばかりなので、色々間違っている箇所があるかもしれません。ご指摘いただけると幸いです。 今回の内容 1.強化学習について 1-1.強化学習 1-2.Reinforcement Learning: An Introduction (2nd Edition) 1-3.UCL Course on RL 1-4.強化学習につい
Googleが開発した囲碁ソフトのAlphaGoが、世界で初めてプロ棋士に勝ったコンピュータとして大きなニュースになっています。Nature誌に論文が掲載されたのですが、仔細に読むといくつか不可解な点がありましたので、調査・考察してみました。 AlphaGoの論文はこちらから見えます。プロ棋士に勝ったこともありますが、何よりコンピュータ囲碁開発者（及び隣の分野のコンピュータ将棋開発者）を驚かせたのは、「既存の他の囲碁プログラムと対戦させた結果、495戦494勝だった」との報告でした。この報告は衝撃的で、これを読んだ他のコンピュータ囲碁開発者たちからは「俺の今までの努力が否定された」「目標を見失ってしまった」などの悲嘆の発言が相次ぐ始末でした。 論文から、AlphaGo、対戦相手のプロ棋士、及び他のソフトのレーティングを示したグラフを引用します。 CrazyStoneとZenはこれまでは最強
これはFujitsu Advent Calendar 2017の18日目の記事です。 掲載内容は富士通グループを代表するものではありません。ただし、これまでの取り組みが評価されて、富士通がQiitaに正式参加することになりました[リンク]。なお、内容の正確性には注意を払っていますが、無保証です。 はじめに この記事では今年発表されたディープラーニング論文（ArXivでの発表時期、発表された国際会議が2017年開催またはジャーナル掲載が2017年のもの）から私が個人的に重要だと思った論文を収集しています。また、2016年末ごろの論文も重要なものは採用しています。 以下の投稿も合わせてご覧ください。 2016年のディープラーニング論文100選[リンク] ディープラーニングにとっての2017年 2017年のディープラーニング技術は主に画像系技術で革新的な進歩がありました。それをけん引したのは敵対
ＡＩ＝人工知能を活用した囲碁のコンピュータープログラムと対局して１勝を挙げた韓国のトップ棋士が引退を表明し、引退の理由について、「ＡＩが登場したことで、どんなに努力してもトップになれないことが分かった」と語りました。 イ九段はこの中で、引退の理由について、「ＡＩが登場したことで、どんなに努力してもトップになれないことが分かった。決して敗れない存在がある」と語り、囲碁のＡＩに勝てないことを引退の理由に挙げました。 国際的なタイトルを数多く持つイ九段は、2016年、ＩＴ大手グーグルの傘下にある企業が開発した囲碁のＡＩ、「ＡｌｐｈａＧｏ」と５番勝負の対局を行い、４敗を喫しながらも１勝を挙げましたが、これ以降、ＡｌｐｈａＧｏに勝った棋士はいません。 将棋やチェスに比べて、対局のパターンが多い囲碁では、ＡＩが人間に勝つのは難しいとされていましたが、ディープラーニングの手法によって飛躍的に進化し、ＡＩ
「電王戦」5年間で人類は何を目撃した？ 気鋭の文化人類学者と振り返るAIとの激闘史。そしてAI以降の“人間”とは？【一橋大学准教授・久保明教氏インタビュー】
（画像は第2期 電王戦の公式サイトより） 今週土曜、「佐藤天彦叡王 vs Ponanza」の対局をもって、様々な名勝負を生み出してきた「電王戦」の歴史が遂に終わりを告げる。 第一回電王戦で、米長永世棋聖と将棋ソフト「ボンクラーズ」が対局したのは、2012年の1月。開始当時を思い返せば、そもそも棋士とAIが公開の場で戦う行為そのものが「衝撃的」であり、さまざまな物議を醸していた。 ※「電王戦」終了の理由については、上記PVの中で説明がなされている。また、第2期電王戦記者発表会の席上で、ドワンゴ川上量生会長が「人間とコンピューターが同じルールで真剣勝負をするスタイルの現状の電王戦は、歴史的役割は終わったと考えて、今回で終了することに致しました」と発言してもいる。 それから5年――今やすっかり状況は変わった。ビジネス誌には「AIが人類の職業を奪う」などのセンセーショナルな見出しが躍り、昨年はGo
これはFujitsu Advent Calendar 2016の11日目の記事です。 掲載内容は個人の意見・見解であり、富士通グループを代表するものではありません。なお、内容の正確性には注意を払っていますが無保証です。 はじめに この記事では先月今年発表されたディープラーニング論文（ArXivでの発表時期、発表された国際会議が2016年開催またはジャーナル掲載が2016年のもの）から私が個人的に重要だと思った論文を収集しています。また、2015年末ごろの論文も重要なものは採用しています。 以下の投稿も合わせてご覧ください。 2017年のディープラーニング論文100選 DeepLearning研究 2016年のまとめ 2016年の深層学習を用いた画像認識モデル foobarNet: ディープラーニング関連の○○Netまとめ NIPS2016実装集 ディープラーニングにとっての2016年 20
深層学習の今のところの限界「何ができて、何ができないか？」 2018.01.08 Updated by Ryo Shimizu on January 8, 2018, 08:29 am JST あけましておめでとうございます。 先日、MIT Technology Reviewにこのような記事が掲載されていました。 深層学習の過大評価は危険、ウーバーAI研究所の前所長が指摘 この論文を発表したのはニューヨーク大学の心理学者のゲイリー・マーカス教授。心理学者ということで、我々情報工学の立場とはまた違う立場で深層学習にできることとできないことを分離しています。 筆者はこのニュースを見て最初は反発したのですが、原文を読んでみると現状のディープラーニングの課題についてよくまとまっているのではないかと思いましたので紹介します。原文はこちら ■ディープラーニングの限界 マーカス教授によると、ディープラー
ドワンゴがディープラーニングを用いたアニメの中割り実験の結果を公開しました。原画を直接中割りするまでには至らなかったものの、動画の枚数を増やすことには部分的に成功。スローモーション演出などへの利用に可能性があるとしています。 YouTubeで公開された動画 同手法は、早稲田大学の研究チームが2016年に提案したラフスケッチの自動線画化手法（関連記事）を出発点とし、中割りができるよう変更を加えたもの。アニメ「アイドル事変」の製作委員会やMAGES.協力の下、実際の動画とセルのデータを使用し、実験により自動生成された映像はYouTubeに投稿、実験結果をまとめた論文はコーネル大学図書館が運営する「arXiv（アーカイヴ）」上で公開されています。 実験に用いられたカット（画像はarXivより） 「中割り」とは原画と原画の間を補完する動きを描いた絵のこと。「動画」は「中割り＋原画をトレースした絵」
By Jimmy Baikovicius プログラマーのJi-Sung Kim氏が36時間のハッカソンで作り上げたという自動ジャズジェネレーターが「deepjazz」です。deepjazzはPython製のディープラーニングライブラリである「Keras」と「Theano」を使用して作り上げられた2層構造の「Long short-term memory(LSTM)」で、MIDIファイル(音源データ)を与えると音楽を学習してオリジナルのジャズを作曲してくれます。 deepjazz: deep learning for jazz http://deepjazz.io/ 「deepjazz」は、Googleの「AlphaGo(アルファ碁)」やIBMの「WATSON」などのような、人工知能(AI)の一種です。Googleのアルファ碁は囲碁を打つ能力に特化したAIですが、deepjazzはその名の通り
データサイエンティストという職業の10年間の変遷を振り返る - 渋谷駅前で働くデータサイエンティストのブログ
(Image by Gordon Johnson from Pixabay) TL;DR 今年の6月に僕自身がデータサイエンティストに転じて10年という節目の年を迎え、10月でDavenportの「データサイエンティストは21世紀で最もセクシーな職業である」HBR総説から10周年になるのを機に、この10年間のデータサイエンティストという職業の変遷を振り返ることにしました。 6月の回顧録記事でも書いた通り、僕がデータサイエンティストの仕事に就いてから今年で10年になります。最近も同じかどうかは分かりませんが、古くから「10年ひと昔」という常套句がある通りで個人的には大きな節目の年だと感じています。 一方で、今年の10月にはあまりにも有名な「データサイエンティストは21世紀で最もセクシーな職業である」HBR総説が出てから10周年を迎え、後述するようにDavenportは「今もデータサイエンティ
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
なんとなくプレイしてもそこそこ囲碁のルールがわかるようになる「ぷよ碁」
ディープラーニングの判断根拠を理解する手法 - Qiita
「ＡｌｐｈａＧｏ」が進化 囲碁の打ち手教えずに従来型破る | NHKニュース
Alpha Zeroの衝撃と技術的失業｜山本一成🚗TURING
AlphaGo Zeroの論文の要約 : ブログ
DeepLearning研究 2016年のまとめ - Qiita
囲碁AIブームに乗って、若手棋士の間で「AWS」が大流行 その理由とは？
グーグルが最新人工知能使い囲碁ソフト開発 プロに勝利 NHKニュース
謎の囲碁棋士「Master」の正体は「AlphaGo」 Googleが発表
「女性エンジニア少ない問題」を解決するために、機械学習で男性エンジニアを女性に変換する
「ディープラーニング×きゅうり」の可能性に、たったひとりで取り組むエンジニア - GeekOutコラム
ゼロからDeepまで学ぶ強化学習 - Qiita
AlphaGoの衝撃再び — タンパク質構造予測でAlphaFoldが今までのモデルに圧勝｜Zhubo.JP
ディープラーニングでアスキーアートを作る - Qiita
PythonとKerasを使ってAlphaZero AIを自作する | POSTD
AlphaGoとトップ棋士の対局を観戦しよう！ - あんちべ！
50年間読み継がれる名著も！科学系新書「ブルーバックス」にロングセラー本が多い理由 | ブクログ通信
ニューラルネットの逆襲から５年後 | Preferred Research
「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
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
AlphaGoのサーバ料金は最低60億円？ - ふくゆきブログ
"貨幣や宗教は虚構"「サピエンス全史」ユダヤ人著者が語ったこと。
新井紀子教授が予見！ロボットで失業するのは「銀行の窓口」より「半沢直樹」
ネットに謎の囲碁棋士「Master」が出現 世界トップ棋士を続々撃破
pythonは_(アンダースコア)の使い方を理解するだけでプロフェッショナルになれる - Qiita
深層強化学習でシステムトレードをやる時に役に立ちそうな資料まとめ - ニートの言葉
AlphaGoが誇大広告ぎみな件 - Ａ級リーグ指し手１号
2017年のディープラーニング論文100選 - Qiita
韓国トップの囲碁棋士引退「努力してもＡＩには勝てない」 | NHKニュース
2016年のディープラーニング論文100選 - Qiita
深層学習の今のところの限界「何ができて、何ができないか？」
ドワンゴがディープラーニングを用いたアニメ中割り実験の論文を公開 スローモーション演出などへの活用に期待
ジャズを自動作曲する人工知能「deepjazz」、AIが作ったジャズはこんな感じ