「Google X Labs」、コンピュータによる人間の脳シミュレーションで大きな成果
秘密主義の「Google X Labs」で働くGoogleの科学者らは、コンピュータを使って人間の脳をシミュレートすることに関して、大幅な進歩を遂げた。 自動運転車や拡張現実メガネの発明で最もよく知られる同研究所は、1万6000個のコンピュータプロセッサを接続して機械学習用のニューラルネットワークを作り出し、インターネットを徘徊させた。その過程で、同ネットワークは猫を認識する能力を自ら身につけた。 インターネット上で猫を見つける行為はそれほど困難なものに思えないが、The New York Times（NYT）の記事によると、同ネットワークの性能は研究者らの予想を上回るものであり、2万個のアイテムリストから物体を識別するときの精度が2倍に向上したという。 猫を見つけるために、同チームは100億件以上のYouTube動画から無作為に選択したサムネイル画像を同ネットワークに与えた。その結果は、
「Google Science Fair 2012」オンライン科学コンテストのご紹介
メディア関係者向けお問い合わせ先 メールでのお問い合わせ: pr-jp@google.com メディア関係者以外からのお問い合わせにはお答えいたしかねます。 その他すべてのお問い合わせにつきましては、ヘルプセンターをご覧ください。
Google Japan Blog: Google Earth が 190 万年前の希少な人類の祖先の発見に貢献
メディア関係者向けお問い合わせ先 メールでのお問い合わせ: pr-jp@google.com メディア関係者以外からのお問い合わせにはお答えいたしかねます。 その他すべてのお問い合わせにつきましては、ヘルプセンターをご覧ください。
グーグル、機械学習システム構築プロジェクトの成果を公表
Googleは、究極の機械学習システムを構築しようと努めており、その試みから独自の教訓を得ることができた。 このプロジェクトは、地球外生命体の探索プロジェクトにちなんで「Seti」という開発コード名が付けられており、Googleが「困難な予測問題」と呼ぶ問題を解決するために膨大なデータセットが用いられている。同社は、米国時間4月6日の公式ブログへの投稿で、このプロジェクト名を明らかにしつつ、エンジニアリングの限界を認めた。 Googleによると、同社の共同創設者であるSergey Brin氏およびLarry Page氏にとって、機械学習は好まれるトピックとなっており、翻訳アルゴリズムや語義の理解の改善を図る上で有用であると考えられているという。しかしながら、当然ではあるが、非常に複雑な概念でもあり、こうしたシステムを利用することができたGoogleのコンピュータ科学者にさえも難題を突きつけ
Google Japan Blog: Google検索ランキングの背景にある技術
メディア関係者向けお問い合わせ先 メールでのお問い合わせ: pr-jp@google.com メディア関係者以外からのお問い合わせにはお答えいたしかねます。 その他すべてのお問い合わせにつきましては、ヘルプセンターをご覧ください。
任意の場所で核爆発をシミュレーションできる『Google Maps』マッシュアップ | WIRED VISION
前の記事 『Wii Fit』コントローラーをダンベルに変えるキット 世界に広がるハローキティ：『iPhone』壁紙や台湾の病院にも 次の記事 任意の場所で核爆発をシミュレーションできる『Google Maps』マッシュアップ 2009年1月23日 Alexis Madrigal Photo credit: National Nuclear Security Administration/Nevada Site Office(以下も同じ) 核兵器のサイズはキロトンで表されることが多いが、これは兵器の破壊力を真に示すものではない。 『Google Maps』の新しいマッシュアップ『Ground Zero』では、自分が選択した地点を中心にした核兵器爆発による熱の被害を、半径ごとに区切った範囲で教えてくれる。 下に掲載したスクリーンショットでは、米国が開発した核爆弾『B61』がワイアードの本社に命
「グーグル方式の科学」 - 七左衛門のメモ帳
著者：ケヴィン・ケリー ( Kevin Kelly ) 訳 ：堺屋七左衛門 この文章は Kevin Kelly による "The Google Way of Science" の日本語訳である。 グーグル方式の科学 The Google Way of Science ペタバイトレベル以上のきわめて大規模なデータベースができると、人間の学習方法が変わってしまいそうな予感がある。今までの科学の方法では、仮説を構築して観察したデータに合致させる、あるいは新しいデータを集めるということをしていた。そこには数多くの観察がある。どのような理論であれば、今までのデータをうまく説明することができて、そこから次の観察結果を予想できるのか？ きわめて大量のデータがあれば、理論の部分は省略して、いきなり観察結果を予想できるかもしれない。グーグルは早くからそのことに気づいていた。たとえば、グーグルのスペルチェッ
1
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
グーグルがNASAと共同で、量子コンピューターラボを開設
