Wired：Apple幹部、A13 Bionicチップ開発について語る | iPhone | Mac OTAKARA
※本サイトは、アフィリエイト広告および広告による収益を得て運営しています。購入により売上の一部が本サイトに還元されることがあります。 Wiredが、Appleのワールドワイドマーケティング担当シニアヴァイスプレジデントPhil Schiller氏、シリコンエンジニアリング担当ヴァイスプレジデントSribalan Santhanam氏に、iPhone 11、iPhone 11 Pro、iPhone 11 Pro Maxに搭載された「A13 Bionic」チップについてのインタビューを掲載しています。 A13 Bionicチップには、85億個のトランジスタが含まれていて、6つのCPUコアがあり、2.66GHzで動作する2つの高性能コア（Lightningと呼ばれる）と4つの効率コア（Thunderと呼ばれる）で構成されているそうです。 クアッドコアグラフィックスプロセッサ、LTEモデム、アップ
ディープラーニング初心者向けの日本語学習サイト、PFNが無償公開
Chainer チュートリアルでは、ブラウザ上でPythonのコードを実行できるGoogleのオープンソースのWebアプリケーション「Google Colaboratory」を用いる。Jupyter Notebook上で教材に登場するコードをそのまま実行し、結果を確認できるため、新たに環境を構築する必要がない。 今後は画像認識、自然言語処理、深層強化学習、デプロイといった機械学習を応用する方法も網羅する予定だ。 関連記事 「AIプロジェクトを担当してくれ」突然の上司のむちゃぶり あなたが最初にやるべきことは？ 「ウチの会社でもAIを使おう」――急に上司からこんなむちゃぶりが飛んできたら、どうすればいい？ AI初心者のビジネスパーソン向けに企業のAI導入について分かりやすく解説する新連載がスタート。 元フィギュアスケート選手とディープラーニングの華麗な出会い 「選手の役に立ちたい」社会人大学
Googleの新アプリが凄すぎる。リアルタイム文字変換の精度がエグい
Search, watch, and cook every single Tasty recipe and video ever - all in one place! News, Politics, Culture, Life, Entertainment, and more. Stories that matter to you. Googleの新アプリが凄すぎる。リアルタイム文字変換の精度がエグいGoogleの音声文字変換のAndroidアプリ「Live Transcribe」がすごいのです。YouTubeなどの音源までをも機械学習で取り込み、字幕の精度をあげている同社。今後の展開は、Gmail、Google Driveなどを運営するG Suiteと一緒にビジネス展開もありえるかも…！？
グーグルが公式ブログで明かした「Pixel 3」開発の舞台裏 | Forbes JAPAN（フォーブス ジャパン）
グーグルの新型スマートフォン「Pixel 3」は、ポートレートモードが「Pixel 2」よりもさらにパワーアップしている。 Pixel 3の最大の特徴は、たった1つのレンズで高品質な画像の撮影を実現した点だ。人間が両目を使って3Dビジョンを実現するように、ポートレートモードは通常2つのレンズを使って深度を検知する。これに対し、Pixel 3はオートフォーカスシステムにAI（人工知能）を組み合わせることで、ポートレートモードに対応している。 Pixel 3のカメラセンサーには、画素を左右2つに分割した「Phase-Detection AutoFocus （PDAF）画素」が採用されている。これにより、カメラモジュールが1つしかないにも関わらず、画像を左右のペアに分割している。 左右の画像の違いは人間の目には判別できないほど小さく、これだけで3D画像を生成することはできない。しかし、Pixel
Google Pixel 3が突破したデジタルカメラの５つの限界(1/2)
１．Google Pixel 3が突破したデジタルカメラの５つの限界(1/2)まとめ・Pixel 3の搭載カメラの５つの新機能についてのレビュー ・デジタル一眼レフカメラに迫る性能を持つ超解像度Super Res Zoom機能 ・15枚の連続写真から画素情報を補完する真の生データであるComputational Raw ２．何故、Pixel 3には背面カメラが1つしかないのか？ 以下、www.dpreview.comより「5 ways Google Pixel 3 camera pushes the boundaries of computational photography」、Pixel 3のカメラのレビューの意訳です。GoogleのAIのTOPのJeff Deanが良い記事だとTwitterで言っていた記事の前編です。後編はこちら。Pixel 3関連の記事のまとめはこちら Googl
「AIプロジェクトを担当してくれ」突然の上司のむちゃぶり あなたが最初にやるべきことは？ (1/5) - ITmedia NEWS
「AIプロジェクトを担当してくれ」突然の上司のむちゃぶり あなたが最初にやるべきことは？：きょうから始めるAI活用（1/5 ページ） 「ウチの会社でもAIを使おう」――急に上司からこんなむちゃぶりが飛んできたら、どうすればいい？ AI初心者のビジネスパーソン向けに企業のAI導入について分かりやすく解説する新連載がスタート。 「ライバル企業がAI（人工知能）を使ったサービスを発表したそうだ。それで、ウチはどうするんだ？」 読者の皆さんの中には、突然上司から「これからはAIの時代だ。うちでも何かやろう」とむちゃぶりされた経験がある方がいるのではないだろうか。いまは「第3次AIブーム」が起きているといわれ、企業のAI活用に関するニュースを目にしない日はないと言っても過言ではないほど、日々AIのニュースが飛び交っている。 新連載：きょうから始めるAI活用 上司から突然「ウチでもAIをやるぞ」とむち
グーグルクラウドAI部門トップが語る、AI導入の「誤解」と「正解」
人工知能（AI）技術は今後、企業のビジネスにどのような影響を与えるのだろうか。カーネギーメロン大学のコンピューターサイエンス学部長からグーグルのクラウドAI事業責任者に転じたアンドリュー・ムーアに話を聞いた。 by Will Knight2018.11.13 37 45 27 2 アンドリュー・ムーアは、グーグルのクラウド人工知能（AI）事業の新しい責任者だ（日本版注：ムーア氏はこの9月まで米カーネギーメロン大学コンピューター・サイエンス学部長を務めていた）。グーグルのクラウドAI部門は、機械学習のツールや手法を、通常のビジネスでさらに使いやすく、有用なものにすべく奮闘している。 そのような目標に向け、ムーアのチームは11月8日、異なる機械学習コンポーネントをつなぐモジュラー・フレームワークの「AIハブ」や、機械学習プロジェクトの移植性を向上させるソフトウェア「キューブフロー・パイプライン
深層強化学習アルゴリズムまとめ
はじめに 深層強化学習の分野では日進月歩で新たなアルゴリズムが提案されています. それらを学ぶ上で基礎となるアルゴリズム(というより概念に近い？)はQ学習, SARSA, 方策勾配法, Actor-Criticの4つだと思われるので, これらを軸としてまとめてみたいと思います. 以下の4点はあらかじめご了承ください. コードは書いていません. 概念のみの説明です 他のアルゴリズムの基礎となりうる重要な概念については詳しく書きました. その他については簡潔に書きました 深層学習についてはある程度理解している読者を想定しています 書いているうちに規模がどんどん大きくなってしまったので, どこかに必ず間違いや不足があります. 「この式がおかしい！」「このアルゴリズムも追加するべき！」などコメントがあればぜひお願いします 全体像 扱うアルゴリズムを相関図にしてみました(私のイメージです). まず,
ASCII.jp：リアルタイム画像認識を実践!! UP square + AI Coreでディープラーニング推論 (1/4)
AAEON製小型コンピュータボード「UP2」（UP Square） AAEON製の「UP2」（UP Square）は、Intel製のプロセッサーを搭載した小型コンピュータボードで、サイズは85.6m×90mmのほぼ正方形。Raspberry Piとの互換性を備える40ピンヘッダー、mini PCIeスロット（SATAスロットとしても使用可能）、E-Key用のM.2スロットを備えている。 CPUはCeleron 3350N、Pentium N4200、Atom E3940の3種類から選択が可能で、ストレージとしてはボード上にeMMCを搭載する。メインメモリーは2GB／4GBで、ストレージ容量は32GB、64GB、128GBの3種類から選択が可能だ。 ディープラーニング“推論”用アクセラレーター「UP AI Core」 「UP AI Core」は、旧Movidiusが開発し、現在はIntelが
まだ知らないの!? UP square + AI Coreでディープラーニング推論を学べ! (1/4)
“知能”を持つIoT機器への挑戦 ディープラーニング（深層学習）という言葉が注目され出してから10年ほどが経過した。当初はバズワード扱いする向きもあったものの、深層学習の技術は知らず知らずのうちに浸透し、今や画像検索や製品の良否判定、医療など画像分析に利用されている。さらには、トレードといった金融分野にも応用されるなど、日夜分野を超えた活用が広がっている状態だ。 そして現在、深層学習の応用分野のひとつとして期待されているジャンルがIoTだ。ユーザーに近い末端の機器に知的な機能を持たせることで、従来ありえなかった製品を開発できる可能性がある。さらにドローンやロボット、介護機器といった製品に高度な判断機能を搭載させるといった展開が期待できる。さらにASCII.jp読者にとってうれしいのは、そのプロトタイプレベルであれば、SOHOや個人でも作成できるハードウェアが登場していることだ。 そんな知的
NNが心理学と生理学から離れていった瞬間：Back propagationに関するNature論文(1986)の意義を考える - 渋谷駅前で働くデータサイエンティストのブログ
(Fig. 1 from Rumelhart, Hinton & Williams, Nature, 1986) これはちょっとした小ネタです。僕自身はニューラルネットワーク (Neural Network, NN)の学術的専門家でもなければ況してやNNの研究史家でもないので、たかだか僕自身がかつて脳の研究者だった頃に把握していた事由に基づいて、極めていい加減な私見を書いているに過ぎないことを予めお断りしておきます。よって、この辺の事情に詳しい方いらっしゃいましたら、後学のためにも是非ご遠慮なくツッコミを入れて下さると有難いですm(_ _)m 先日のことですが、@tmaeharaさんがこんなことを呟いておられました。 オリジナル論文 https://t.co/kXfu8jIat3 これです．本当にただチェインルールで微分して勾配法しているだけにしか見えない……．— ™ (@tmaehara
私の会社の機械学習経験ゼロの「ディープラーニングおじさん」が会社のAI戦略を動かすまで - karaage. [からあげ]
ディープラーニングおじさん 私の会社には「ディープラーニングおじさん」がいます。「います」といっても私が勝手に一人で心の中でそう呼んでいるだけですが…ともかく、今日はその「ディープラーニングおじさん」が、機械学習経験ゼロから、最終的に会社を動かすまでの華麗なる軌跡を紹介したいと思います。 なお、会社に関する情報は、私の都合である程度、虚実入り混じった情報になることご了承ください。今回の話で伝えたいことに関しては、影響は無い範囲とは思っています。 ディープラーニングおじさんの華麗なる軌跡 自分のツイートを「ディープラーニングおじさん」で検索したら、最初に引っかかったのが2016年10月ころでした。もう1年半くらい前ですね。 自分も個人で少しだけディープラーニング試したりしてるので、ディープラーニングおじさんに少しだけ自分の知ってる情報を提供してみたけど、おじさん何も聞かずに特攻しててワロタw
![私の会社の機械学習経験ゼロの「ディープラーニングおじさん」が会社のAI戦略を動かすまで - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/71762e78be72331ac96492b2337551ed398703d4/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20180426%2F20180426235611.jpg)
なぜ日本は人工知能研究で世界に勝てないか 東大・松尾豊さんが語る“根本的な原因”
――米国や中国に比べ、日本は人工知能開発で遅れているといわれています。なぜ日本はこの競争に負けているのでしょうか。 松尾さん それは、日本がインターネットで世界に負けた理由と似ているのではないでしょうか。 一つは、技術の取り入れ方が非常に遅い点。1990年代後半には若者たちが「これからはネットの時代だ！」と言っていたのに、上の年代の人たちが理解しませんでした。「信用できない」「オタクが使うだけ」と否定し、新しいものが生まれなかった。 今もそれは同じです。一口にAI、人工知能といっても、新しい技術の中心であるディープラーニングに対して、従来の分野へのこだわりが強く、拒否感が強い人も大勢います。 もう一つは、若い人が力を持っていない点。若い人が自分の裁量で自在に動けるような社会環境になっていません。彼らに裁量を与えて何かやらせれば絶対に何か起こるんですけど、それをやらせないから変化が起こらない
小難しいセンサーは一切不要！！！ラズパイカメラだけでサクッとその場の人数を検出してみる - Qiita
この記事はリンク情報システム（Facebookはこちら）が主催するイベント「Tech Connect! Autumn」のリレー記事です。「Tech Connect! Autumn」は engineer.hanzomon のグループメンバによってリレーされます。 ２日目の本記事は、わたくし@taisuke3（たいすけさん）が執筆しました。どうぞよろしくお願いします。 きっかけ 巷ではAI、ディープラーニングと騒がれ続けている今日この頃、自分には敷居が高いと感じて敬遠していましたが、本イベント「Tech Connect! Autumn」（アドベントカレンダー オータム版）への参加をきっかけに、エンジニアの端くれとして軽くAIに触れてみることにしました。 つきましては、筆者はAIに関しては完全な素人系エンジニアであるがゆえ、本記事にはベストプラクティスではない部分も多数あるかと存じますが、ご容赦
改正著作権法が日本のAI開発を加速するワケ 弁護士が解説
この記事は「STORIA法律事務所」のブログに掲載された「進化する機械学習パラダイス ～改正著作権法が日本のAI開発をさらに加速する～」（2018年9月2日掲載）を、ITmedia NEWS編集部で一部編集し、転載したものです。 学習済みモデル生成のためには大量の生データや生データを基に生成した学習用データセットが必要となりますが、その際に著作物である生データ（文章、写真、静止画、動画など）を利用することも多くあります。 著作権法上、著作物は著作権者に無断で利用（ダウンロードや改変等）することは出来ませんが、実は日本の今の著作権法には47条の7という世界的に見ても希な条文があるため（詳細は後述）、AI（人工知能）開発目的であれば、一定限度で著作権者の許諾なく著作物を利用できます。 その点を捉えて、早稲田大学法学学術院の上野達弘教授は「日本は機械学習パラダイスだ」と表しています。言い得て妙で
「AIメーカー」で画像・音声・動画ファイル、YouTube、録音から文字起こしを行う議事録AIを作ってみた - Qiita
「AIメーカー」で画像・音声・動画ファイル、YouTube、録音から文字起こしを行う議事録AIを作ってみた機械学習DeepLearningAIGoogleSpeechAPIGoogleCloudVisionAPI みんな～！「AIメーカー」で文字起こし機能をリリースしたよー！ 以下の方法で簡単に文字起こしを試せるので、ぜひ使ってみて～！！ 📺YouTubeから文字起こし 🔗画像、音声、動画から文字起こし 🎙️録音で文字起こし AIをうまく使って少しでも面倒な作業から解放だぁ～！https://t.co/qo13Wo6Yli pic.twitter.com/gsRigVROnK — 2z＠みんなのAI「AIメーカー」開発中 (@2zn01) 2018年8月18日 こんにちは、2z（Twitter： @2zn01 ）です。 誰でも気軽にAIを使える＆作れる！みんなのAIプラットフォーム「
深刻な“IT人材不足” AIを手軽に体験するサービス 元Apple社員が開発
AIやディープラーニングは一部の専門家のみが扱うもので、素人には手を出しにくい──そんな固定概念を覆すサービスが登場している。 AI（人工知能）にマシンラーニング（機械学習）、ディープラーニング（深層学習）。一般人からすると、これらは専門家たちのみが扱えるとても高度な技術という印象があるだろう。技術の基本的な構造を理解するのはもちろんのこと、プログラミングを学び、コードが書けるようにならないと話にならないのでは、と考えがちだ。 しかし、米国・シリコンバレー発のスタートアップが開発している、簡単にディープラーニングを体験できるビジュアルツール「Lobe」が、そんな固定概念を覆そうとしている。今後、AI分野に参入したいと考えている企業や人に重宝されるであろうそのツールとは一体どのようなモノなのだろうか。 「ドラッグ＆ドロップ」でお手軽ディープラーニング 2018年初めにローンチされたLobeは
他人のiPhoneに「Hey Siri」と話しかけても反応しないのは機械学習によって誰が話しているのかを聞き分けているため
By Toshiyuki IMAI 「Hey Siri」はiPhone向かって「Hey Siri」と話しかけるだけでSiriを起動してくれ、ハンズフリーで音声入力を開始できる機能です。全員が同じフレーズを使用しているのですが、Siriが他人の声で起動してしまうことはあまりありません。その理由は「機械学習によって持ち主の声を認識する技術が使われている」ことにあるとAppleの公式ブログに書かれていました。 Personalized Hey Siri - Apple https://machinelearning.apple.com/2018/04/16/personalized-hey-siri.html 「Siri」はiOS 5とともに2011年に発表され、それ以降のiPhoneに搭載されている音声認識機能です。2014年にはiPhoneに向かって「Hey Siri」と呼びかけるだけでSi
ディープラーニングの限界 | POSTD
(注：2017/04/08、いただいたフィードバックを元に翻訳を修正いたしました。 @liaoyuanw ) この記事は、私の著書 『Deep Learning with Python（Pythonを使ったディープラーニング）』 （Manning Publications刊)の第9章2部を編集したものです。現状のディープラーニングの限界とその将来に関する2つのシリーズ記事の一部です。 既にディープラーニングに深く親しんでいる人を対象にしています（例：著書の1章から8章を読んだ人）。読者に相当の予備知識があるものと想定して書かれたものです。 ディープラーニング： 幾何学的観察 ディープラーニングに関して何より驚かされるのは、そのシンプルさです。10年前は、機械認識の問題において、勾配降下法で訓練したシンプルなパラメトリックモデルを使い、これほど見事な結果に到達するなど誰も想像しませんでした。
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
NVIDIA、99ドルで手のひらサイズのAIボード「Jetson Nano」 ～Tegra TX1/4GBメモリのスペックでLinuxが動作。472GFLOPSを実現
