GPT-3の衝撃 - ディープラーニングブログ
この1週間はGPT-3のユースケースの広さに驚かされる毎日でした． シリコンバレーでは話題騒然ですが日本ではほとんど話題になっていないので，勢いで書くことにしました． GPT-3はOpenAIが開発した言語生成モデルです．名前の由来であるGenerative Pretrained Transformerの通り，自然言語処理で広く使われるTransformerモデルを言語生成タスクで事前学習しています． 先月申請すれば誰でもGPT-3を利用できるOpenAI APIが発表され，様々な業種の開発者によって驚くべきデモンストレーションがいくつも公開されています． 特に話し言葉からJSXやReactのコードを生成するデモは著名なベンチャーキャピタルから注目を集め，誇大広告気味だと警鐘を鳴らす事態に発展しています． This is mind blowing. With GPT-3, I built
コンピュータビジョンの今を映す-CVPR 2017 速報より- （夏のトップカンファレンス論文読み会）
2017年9月18日 夏のトップカンファレンス論文読み会(CVPR/ICML/KDD etc.) での発表内容です． https://abeja-innovation-meetup.connpass.com/event/63466/ コンピュータビジョン分野の「今」を映す挑戦です。論文読破・まとめ・アイディア考案・議論・実装・論文執筆（・社会実装）に至るまで広く取り組み、その過程で出てきたあらゆる知識を共有します。 2015〜2016年は1,600本以上の論文まとめを全て公開し、著名な国際会議のWSにおいて受賞を経験しました。2017年はさらにアウトプットにこだわり、突出した成果を出すことを目標とします。 SlideShareにて論文まとめや講演資料を公開し、Twitterでも情報を共有しております。 cvpaper.challenge https://sites.google.com/s
「自動生成」された美少女は、手書き美少女と区別がつくのか？ - プリキュアの数字ブログ
この４人の美少女キャラのうち、 ３つは、 「コンピュータで自動生成」したもの １つだけ 「人の手で描かれたもの」です。 どれが「人の手で描かれたもの」か、判りますか？ （答えは中ごろにあります） ＊＊＊＊＊＊＊＊＊＊＊＊ 美少女キャラクターをコンピュータが自動生成してくれるサイトがあります。 make.girls.moe 製作者twitter: Aixile@MakeGirlsMoe (@namaniku0) | Twitter （サイトの使い方の詳細などは下記サイトが参考になります） 1クリックで嫁がポンポン生まれるサービスが登場 深層学習で萌えキャラを自動生成 - ねとらぼ また、どうやって作っているかの解説論文も公開されています（英文） （どうも「Getchu.com」のサムネイルを学習させて画像処理しているっぽいですね・・） 何も考えず１クリックで、このレベルの美少女画像が無限に出
（DeepMind発）SCANモデル ～ 画像 から 言葉と結びついた概念 を 形成し、物事 を 結び付けて 考える想像力・創造力 を 持ち、概念連関体系 を 組み上げる こと が できる 人工知能モデル の 提案 : Learning Abstract Hierarchical Compositional Visual Concepts 論文 を 読む - Qiita
（DeepMind発）SCANモデル ～ 画像 から 言葉と結びついた概念 を 形成し、物事 を 結び付けて 考える想像力・創造力 を 持ち、概念連関体系 を 組み上げる こと が できる 人工知能モデル の 提案 : Learning Abstract Hierarchical Compositional Visual Concepts 論文 を 読むDeepLearning深層学習人工知能NLP画像処理 DeepMindの人工知能 が ついに、人間 が持つ 想像力と創造力 の 領域 に 足を踏み入れた。 （ 原論文 ） Irina Higgins et.al (2017) SCAN: Learning Abstract Hierarchical Compositional Visual Concepts （ DeepMind公式ブログ ） （DeepMind公式ブログ）Imagine
深層学習を超えた手法とは何か : 思考のカケラ
最近、深層学習の精度を超えた手法が発表されています。 今回は、昨日（6月17日）ニュースになったDeepmindによるPredictron（自動計画＋強化学習）も含めて、紹介します。
NVIDIA と Facebook が協力し、Caffe2 ディープラーニング フレームワークを拡充 | NVIDIA
NVIDIA と Facebook は、Caffe2 を利用して人工知能を進化させる、共同開発の結果を発表しました。Caffe2 とは、Facebook のオープンソース コミュニティに対する貢献により実現した、新しい AI ディープラーニング フレームワークです。 世界は毎日、テキスト、写真、ビデオなど、情報を生み出しています。Facebook は、このような情報の管理に役立つ新しい AI システムを開発し、情報の量が増えていったとしても、人々が世界をより適切に理解し、より効果的なコミュニケーションを図れるようにしています。Caffe2 を利用すると、開発者と研究者は、大規模に分散されたトレーニング シナリオを作成でき、エッジ デバイス向けの機械学習アプリケーションを構築できるようになります。 AI 対応サービスのモバイルでの提供は、一瞬のうちに完了しなければならない、複雑なデータ処理タ
週刊少年ジャンプの短命作品を，機械学習で予測する （前編：データ分析） - Qiita
1. はじめに 週刊少年ジャンプ（以下，ジャンプ）は，日本で最も売れている漫画雑誌1です．言うまでもなく，私は大ファンです． ジャンプ編集部の連載会議は非常にシビアです．ジャンプ作家の奮闘を描いたフィクション漫画「バクマン。」では，編集部が毎号の読者アンケートをもとに各漫画の人気を評価し，掲載順や打ち切り作品を決定する様子が描かれています2．連載開始から10週以内（単行本約1冊分）で連載が打ち切られてしまうことも珍しくありません．とても厳しい世界です． 本記事では，機械学習を使って，短命作品（10週以内に終了する作品）の予測を行います．究極の目標は，ジャンプ編集部より先に打ち切り作品を予測し，好みの作品が危ない場合はアンケートを出して打ち切りを回避することです3．我々は読者アンケートの結果を知ることができないので，掲載順の履歴を入力とし，短命作品か否かを出力する多層パーセプトロン4をTen
人工知能技術の健全な発展のために - Preferred Networks Research & Development
4月10日の日経ITproの記事「 AIベンチャーの雄が総務省の開発指針に反対する理由」で、総務省主導で推進されているAIネットワーク社会推進会議とその開発原則分科会からPFNが離脱したことを、取り上げていただきました。私とのとりとめのないインタビューを適切にまとめてくださった日経ITpro浅川記者に深く感謝いたします。また、その記事に対して、はてなブックマーク、NewsPicks、FacebookなどのSNSを通して多くのコメントを下さった方にも感謝の意を表します。ありがとうございます。離脱の理由は記事にある通りですが、総務省の方々も私達の立場を真摯に受け止めてくださっていて、実りのある議論を続けてくださっています。その上で、今後の議論を深めるために、いくつかの点について補足したいと思います。 汎用人工知能と特化型人工知能 現在、人工知能という言葉は大雑把には、 汎用人工知能（「強い」人
声優の声を分類してみた - Qiita
まだ終わらない。 ここから手作業でコーナーの切り替わりシーンの部分とか、音楽流すコーナーとか、他の人の声が入ってる部分とかを手作業で削除していった。 ただ、バックで小さな音楽が常に流れているのはもうどうしようもないので無視。 このバックの音の影響を最小限、もしくは無くすにはどうすればいいんだろうか・・。 とりあえず、これでデータ収集は完了！ 2.データから特徴量を抽出する 周波数強度を特徴量にしたらいいんじゃない？高速フーリエ変換だ！となるが、 オライリーから出てる実践機械学習システムにはそれよりメル周波数ケプストラム係数(MFCC)ってやつを使った方がいいよ！と書いてたので今回はそっちを使うことにする。 色々見てみたところ、現在の音声認識ではMFCCが代表的な特徴量として用いられていて、人間の音声知覚の特徴を考慮してるらしい。 しかし、MFCCにはピッチの情報が含まれないようだ。 ケプス
WaveNet: A Generative Model for Raw Audio | DeepMind
Research WaveNet: A generative model for raw audio Published 8 September 2016 Authors Aäron van den Oord, Sander Dieleman This post presents WaveNet, a deep generative model of raw audio waveforms. We show that WaveNets are able to generate speech which mimics any human voice and which sounds more natural than the best existing Text-to-Speech systems, reducing the gap with human performance by ove
TensorFlowコトハジメ 手書き文字認識(MNIST)による多クラス識別問題 - デジタル・デザイン・ラボラトリーな日々
はじめに 手書き文字認識(MNIST)による多クラス識別問題をやってみる。 前回に引き続きこの資料を基に理解していく。 TensorFlow を使った�機械学習ことはじめ (GDG京都 機械学習勉強会) from Toru UENOYAMA MNISTとは 手書きの文字列を認識するもので、画像認識では定番と言えるテーマだ。 手書き文字の認識データは、機械学習の著名な研究者であるYann LeCun氏のwebsiteで公開しており、0-9のいずれかの数字が学習用、テスト用それぞれで60000枚と10000枚含まれている。 各数字画像の大きさは28×28ピクセルの単色画像で、RGBではなくGray-scaleの色空間となっている。 多クラス識別問題 前回の八百屋の識別問題が、買えるか買えないかの2クラスの分類であったが、今回は手書き文字を0-9と多クラスの分類となる。 手書き文字認識 機械学習
ニューラルネットワークの動物園 : ニューラルネットワーク・アーキテクチャのチートシート(前編) | POSTD
新しいニューラルネットワークのアーキテクチャがその時々で誕生するため、それら全部を把握することは困難です。全ての略語を覚えようとすると、最初はその数の多さに圧倒されてしまうでしょう（DCIGNやBiLSTM、DCGANを知っている人はいますか？）。 そんなわけで、これらのアーキテクチャの多くを盛り込んだチートシートを作ることにしました。そのほとんどはニューラルネットワークです。しかし、中には全く異なるアーキテクチャも潜んでいます。どれも独特で目新しいアーキテクチャばかりですが、ノードの構造を描くことで基本的な関係が分かりやすくなってきます。 これらをノードマップとして描くことの問題点は、これらがどのように使われるかを明確に示していないという点です。例えば、変分オートエンコーダ（VAE）はオートエンコーダ（AE）と同じように見えますが、実際は訓練過程が全く異なりますし、訓練したネットワークの
TensorFlowの強さはコミュニティの大きさ。参加者の人数とレベルがすごい！ - HELLO CYBERNETICS
TensorFlowのコミュニティ はじめに TensorFlowの強み ネット上に質問と回答が溢れている サードパーティーがTensorFlowを盛り上げる TensorBoardなどの便利機能 宣言的プログラミング 確率モデルを記述するedward登場 Google、TensorFlow自体も頑張る アンドロイドOSに対応 ラズベリーパイをサポート Chainerは？ 分散協調学習へ TensorFlowのコミュニティ はじめに こんにちは。私はChainerを応援していますが、いつでもTensorFlowの動向を伺っております。簡単なニューラルネットを書いてみて、TensorFlowを使ってみるということも継続的に続けております。 それでも普段はChainerをメインで使っていて、なんとか活性化しないかなと思っているところです。しかし、ずっと言われていることですが、TensorFlo
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
NIKKEI STYLEは次のステージに
TechCrunch | Startup and Technology News
クックパッドの機械学習を支える基盤のつくりかた / Machine Learning ops at Cookpad
人工知能の「人手いらずの学習」がついに実現する？ グーグルによる「AI対AIの訓練」という挑戦
Datasets
http://cs231n.stanford.edu/reports/2016/pdfs/262_Report.pdf
DeepMindがWaveNetを公表する - スピーチと音声の合成のためのディープニューラルネットワーク
