William A. Anders, the astronaut behind perhaps the single most iconic photo of our planet, has died at the age of 90. On Friday morning, Anders was piloting a small…
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
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
世界最強棋士との三番勝負で完勝した囲碁AI(人工知能)「アルファ碁」を開発したグーグル傘下の英ディープマインド社が、対局に備えて積み重ねたアルファ碁同士による自己対戦の棋譜50局を公開した。棋士の理解を超える着手の連続に、「こんな碁はいまだかつて見たことがない」と碁界は騒然としている。 革新的な技術「ディープラーニング(深層学習)」を導入したアルファ碁は、高段者の棋譜を写真のように画像として読み込み、各局面に応じた好手を学習。人間の残す棋譜だけでは教材が足りず、アルファ碁同士が自己対戦を繰り返して能力を高めたが、その棋譜はほとんど非公表だった。 アルファ碁は5月23~27日、中国の世界最強棋士、柯潔(かけつ)九段を3戦全勝で圧倒。その後、ディープマインド社は「囲碁ファンへのスペシャルギフト」として棋譜50局を自社のホームページに公開した。 手数が進んだ特殊な状況に限り有効とされていた「星へ
「生成AIイヤー」とも言える2023年も終わりに近づいてきたが、ここにきてグーグルがさらに新しい技術を投入すると発表した。 グーグルは12月7日(日本時間)、生成AI向けの新しい大規模言語モデル「Gemini(ジェミニ)」を発表した。 自社のチャットAI「Bard」はもちろん、「Pixel 8 Pro」をはじめとしたAndroidスマートフォンへの組み込みも進める。 グーグルのスンダー・ピチャイCEOはリリースの中で、Geminiをこう表現する。 「賢いソフトウェアというよりも、より便利で直感的な、相談できる専門家または仲間のように感じられるようになる」 グーグルが本気で取り組んだGeminiとは、どんな存在なのだろうか。
米Alphabet傘下の英DeepMindが、遺伝子配列情報からタンパク質の立体構造を解析するAI「AlphaFold v2.0」(以下、AlphaFold2)をGitHub上で無償公開し、ネット上で注目を集めている。Twitterを利用する生物系の研究者からは「革命的な成果だ」「これからの研究の前提が変わっていく」など、AlphaFold2の予測精度に対して驚きの声が相次いだ。 なぜAlphaFold2はこれほどの驚きや賞賛をもって迎えられているのか。タンパク質構造解析の難しさをひも解く。 未知の部分が多いタンパク質の構造 タンパク質は数十種類のアミノ酸からできており、配列によってさまざまな性質に変化する。例えば筋肉、消化酵素、髪の毛はそれぞれ役割が異なるが、いずれもタンパク質で作られている。タンパク質の構造が分かれば、生体内の化学反応の理解が進む。アルツハイマー型認知症やパーキンソン病
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
米Google傘下のAI企業Google DeepMindは6月7日(現地時間)、アルゴリズムを開発するAI「AlphaDev」が、人間が考えたものより高速なソートアルゴリズムを発見したと発表した。 ソートアルゴリズムは、入力されたデータを一定のルールに基づいて並べ替えるもの。ネット検索結果の並べ替えやランキング制作などIT技術の根幹を担う技術の一つ。今回AlphaDevが考案したアルゴリズムは既存のものに比べて、少量のデータなら最大70%、数十万規模の大量のデータなら約1.7%速く処理できた。 DeepMindはAlphaDevに新しいアルゴリズムを発見させるため、ソートの作業を「組み立てゲーム」としてプレイさせた。「正確にソートできる」「既存のアルゴリズムより高速である」という2点を満たせばクリアとした。 関連記事 OpenAIやDeepMindのCEOやトップ研究者ら、「AIによる人
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。
※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
米IT企業グーグル傘下の英グーグル・ディープマインド社が開発した囲碁の人工知能(AI)「アルファ碁」と、世界で最も強い棋士の一人、韓国の李セドル九段(33)の第4局が13日、ソウル市内のホテルで行われた。李九段が180手までで白番中押し勝ちし、初勝利を収めた。 対局は15日まで全5局行われる。アルファ碁が3連勝しており、李九段が意地を見せた形だ。李九段は対局後の記者会見で「本当に何にも代えがたい、値打ちをつけられない1勝だ」と喜んだ。アルファ碁の弱点については「自分(アルファ碁)が考えられなかった手が出た時の対処能力が落ちる」と指摘した。 一方、ディープマインド社のデミス・ハサビスCEO(最高経営責任者)は「李九段の妙手、様々な複雑な形勢にアルファ碁のミスが出る局面が作られた」と語った。(ソウル=東岡徹)
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
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
[29日 ロイター] - 米実業家イーロン・マスク氏や人工知能(AI)専門家、業界幹部らは公開書簡で、AIシステムの開発を6カ月間停止するよう呼びかけた。社会にリスクをもたらす可能性があるとして、まずは安全性に関する共通規範を確立する必要があると訴えた。 オープンAIが開発したAI対話ソフト「チャットGPT」の最新版言語モデル「GPT─4」に言及し、これを上回るシステムを開発停止の対象にすべきとした。 公開書簡は非営利団体「フューチャー・オブ・ライフ・インスティチュート(FLI)」が発表。マスク氏や米アルファベット傘下ディープマインドの研究者、英スタビリティーAIのエマド・モスタク最高経営責任者(CEO)、AIの大家であるヨシュア・ベンジオ氏やスチュワート・ラッセル氏など1000人以上が署名している。
By PhOtOnQuAnTiQuE 人間の脳が学習する仕組みを再現するディープラーニングの研究が進んだことで、コンピューターによる人工知能(AI)の技術が飛躍的な進化を遂げています。Googleが500億円で買収したといわれているイギリスのベンチャー企業「DeepMind」が開発したエージェントプログラム「DQN(Deep Q-Network)」は一度プログラムを起動させるとあとは人間が手を加えなくても「スペースインベーダー」や「ブロック崩し」といったゲームを一人で勝手に練習し、ハイスコアをたたき出す方法を学習できるレベルに達しており、今後のAI開発をさらに加速させるブレークスルーになると考えられています。 Google DeepMind http://deepmind.com/ Human-level control through deep reinforcement learnin
Google「DeepMind」、コンピュータが人型ベースでB地点にたどり着く最善の方法(柔軟な動き)を独学で生成する強化学習を用いたアプローチを提案した論文を発表 2017-07-11 GoogleのAIを研究する子会社「DeepMind」は、強化学習で人型含めシミュレートされた環境の中で複雑で柔軟な動きを生成するアプローチを提案した論文を公開しました。 Emergence of Locomotion Behaviours in Rich Environments(PDF) これら動きは、コンピュータが独学で最善の方法として考案した行動です。 研究者は、エージェントに動きのセットと前進するインセンティブを与え、AからB地点にたどり着く最善の方法を生み出すための強化学習を仕込みます。 コンピュータは、今ある動作を使って試行錯誤を繰り返し、さまざまな動き方を思いつく中で次々と最善へ近づけてい
Research indicates that carbon dioxide removal plans will not be enough to meet Paris treaty goals
by Jaro Larnos Google傘下にある人工知能研究所DeepMindが開発したAlphaGo(アルファ碁)と、中国の最強棋士である柯潔(か・けつ)九段との試合が、現地時間2017年5月23日から中国で開催中の「The Future of Go Summit」で行われました。以前、「AlphaGoはイ・セドルに勝てても私には勝てない」と発言していた柯九段ですが、23日に行われた3戦中の1戦目はAlphaGoが勝利しました。 AlphaGo China | DeepMind https://deepmind.com/research/alphago/alphago-china/ AlphaGoを巡っては2016年3月9日、トップ棋士・李世乭(イ・セドル)九段との対局が韓国のソウル市内で行われ、AlphaGoが勝利したことが世界中に衝撃を与えていました。AlphaGoが第1局目に勝
新たなライブラリsonnet sonnetとは DeepMind社製であること TensorFlowと共に使える TensorFlow TensorFlowの役割 TensorFlowの追加ライブラリ Keras TensorFlow-Fold edward sonnet sonnet使ってみた記事まとめ 多分日本語最速で出た使ってみた記事 インストールから丁寧に コードに対するコメントが豊富で参考になる記事 新たなライブラリsonnet sonnetとは DeepMind社が社内で利用していた深層学習ライブラリです。 昨日これがオープンソース化されました。 DeepMind社製であること DeepMindは現在Google傘下の人工知能開発企業です。 圧倒的な専門家集団の集まりであり、深層学習の研究にGoogleが乗り切る際に、DeepMind社は買収されました。その後、資金力と研究力を
ランニングできず 英語30分 The Boune Leagacy (1) DeepMindの自然言語を理解するUNREALモデルの論文を読み、深い感動を覚える。 このモデルは自然言語理解に於ける2つの懸案事項を解決している。 ・計算機が言語を教える事を可能にした。 言語理解で正解すれば計算機がエージェントに報酬を与えることで、 数十万の繰り返し学習を可能にした。従来は人間が計算機に教えるしかなく、 試行回数の壁があった。 ・複雑な文章理解では、単純な文章学習を経ていけば可能になることを実証した DeepMindの証明したかったことは以上の3点である ・言語理解を解明するには、人間の環境に似た3要素の模擬環境が必要 ・動作できるエージェント ・エージェントが存在する3D環境 ・報酬と罰則 ・言語学習には相当な繰り返しが必要 ・複雑理解では適切な学習手順が必要
囲碁世界チャンピオンを打ち負かしたDeepMind製のAI「AlphaGo」は度重なる機能強化によってチェスや将棋などあらゆるボードゲームへの対応を果たしました。新たに、AlphaGoの系譜を受け継ぐAI「AlphaTensor」が「行列の積を計算する最適な方法を求めるゲーム」に挑み、行列の積を計算する未発見のアルゴリズムを導き出すことに成功しました。 Discovering faster matrix multiplication algorithms with reinforcement learning | Nature https://doi.org/10.1038/s41586-022-05172-4 Discovering novel algorithms with AlphaTensor https://www.deepmind.com/blog/discovering-no
","naka5":"<!-- BFF501 PC記事下(中⑤企画)パーツ=1541 -->","naka6":"<!-- BFF486 PC記事下(中⑥デジ編)パーツ=8826 --><!-- /news/esi/ichikiji/c6/default.htm -->","naka6Sp":"<!-- BFF3053 SP記事下(中⑥デジ編)パーツ=8826 -->","adcreative72":"<!-- BFF920 広告枠)ADCREATIVE-72 こんな特集も -->\n<!-- Ad BGN -->\n<!-- dfptag PC誘導枠5行 ★ここから -->\n<div class=\"p_infeed_list_wrapper\" id=\"p_infeed_list1\">\n <div class=\"p_infeed_list\">\n <div class=\"
このコーナーでは、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いるWebメディア「Seamless」(シームレス)を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 Twitter: @shiropen2 米Google DeepMindなどに所属する研究者らが発表した論文「Stealing Part of a Production Language Model」は、米OpenAIのGPT-4や米GoogleのPaLM-2などのクローズドな大規模言語モデル(LLM)から、モデルの一部を盗み出す攻撃を提案した研究報告である。言語モデルのAPIへのクエリを通じて、低コストでモデルの内部構造に関する情報を抽出することに成功した。 GPT-4やPaLM-2などの最先端AIモデルは、APIを通じて一般ユーザーに提供されているが、内部構造や学習に使用され
新たな数学の定理の発見や、未証明の予想の解決にAIが役立つ──そんな研究結果を、囲碁AI「AlphaGo」などで知られる英DeepMindが発表した。順列に関する新しい定理を発見した他、ひもの結び目を数学的に研究する「結び目理論」についても、異なる数学の分野をつなぐ、予想していなかった関係性を見つけたという。 DeepMindは、豪シドニー大学と英オックスフォード大学の数学者とともに数学研究を支援するための機械学習フレームワークを構築。これまでも数学者は、研究対象を調べるためにコンピュータを使い、さまざまなパターンを生成することで発見に役立ててきたが、そのパターンの意義は数学者自身が考察してきた。しかし、研究対象によっては何千もの次元があることから、人間による考察も限界があった。 今回開発したアルゴリズムは、こうしたパターンを検索する他、教師あり学習を基にその意味を理解しようと試みるという
Googleと同じAlphabetを母体に持ち、世界最強の囲碁AI「AlphaGo Zero」を開発した人工知能(AI)開発企業・DeepMindが、ファーストパーソン・シューティング・ゲーム(FPS)で人間を超えた勝率をたたき出すAI「For the Win(FTW)」を開発しました。ただ敵を倒すだけではなく、人間のチームメイトとも協力して有利にゲームをプレイすることができるとのことです。 Capture the Flag: the emergence of complex cooperative agents | DeepMind https://deepmind.com/blog/capture-the-flag/ 人間とゲームをプレイするAIの研究は、2017年にもOpenAI開発のAIが「Dota 2」で人間に勝利するという結果を残し、話題になりました。また、DeepMindも「
囲碁の世界チャンピオンを打ち負かしたソフト「AlphaGo」が正常進化して、「AlphaZero」が誕生しました。人間による手助けを一切必要としないAlphaZeroは、ルールしか知らない状態から自己教育することで、たった30時間でAlphaGoを完膚なきまでに打ち負かす強さに成長可能。囲碁だけでなく、数十時間の独学でチェス・将棋でも、既存の最強ソフトを圧倒する強さへと進化できます。 AlphaZero: Shedding new light on the grand games of chess, shogi and Go | DeepMind https://deepmind.com/blog/alphazero-shedding-new-light-grand-games-chess-shogi-and-go/ 囲碁チャンピオンを打ち負かしたソフト「AlphaGo」は、自分で自分を鍛
by Dick Thomas Johnson 画像生成AIが人間を差し置いて絵画コンテストで優勝するなどAIが近年目覚ましい進歩を遂げる中、査読付の専門誌であるAI Magazineに、将来的に超知能AIが現れて人類に対する脅威となる可能性は高いと結論付ける論文が掲載されました。 Advanced artificial agents intervene in the provision of reward - Cohen - 2022 - AI Magazine - Wiley Online Library https://doi.org/10.1002/aaai.12064 Google Deepmind Scientist Warns AI Existential Catastrophe "Not Just Possible, But Likely" | IFLScience http
米Googleは7月20日(現地時間)、同じAlphabet傘下の人工知能企業DeepMindのディープラーニング技術により、データセンターの冷却のための電力を40%削減することに成功したと発表した。 Googleはこれまでもデータセンターの省電力化に努めており、「われわれのデータセンターがかなり高度であることを考えれば、これは驚異的なステップだ」という。 データセンターを取り巻く環境は各センターで大きく異るため、1つのデータセンターで構築した省エネシステムを他に応用することは難しい。だが、ディープラーニングであれば、応用できる。 DeepMindのチームはデータセンターのセンサーを通じて蓄積された膨大なデータ(気温、動力、ポンプの速度、セットポイントなど)を使ってニューラルネットワークを訓練し、システムを構築した。 このシステムを実際のデータセンターに設置したところ、以下のグラフのような
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