画像生成AIが爆速で進化した2023年をまとめて振り返る (1/5)
Stability AIが画像生成AI「Stable Diffusion」を公開したのは2022年8月のこと。すさまじい勢いで発展してきた画像生成AIの1年を振り返ってみようと思います。 初めに見てもらいたいのは「これが無料でいいのか!? “爆速生成AI”がペイントソフトに革命を起こした」で紹介した、KritaとGenerative AI for Kritaを組み合わせて作成した設定資料的な画像です。 キャラクターの3面図のサンプル。Vroidで簡単な3Dで当たり（左）として、右の画像を作成する。それを元に、プロンプトや画像に描き込んだりして、最終画像を作成していく。2枚目には前面図の頭部のカチューシャや、胸部分のフリルがなかったりするが、そこに色を加筆して、プロンプトで指示すると、最終画像にそれが追加されるのをリアルタイムに確認しながら修正できる（筆者作成） Stable Diffusi
ChatGPTに日本語テキストを入力するとき、日本語テキストがどのように分割されてトークンに変換されるかをtiktokenでのぞく - nikkie-ftnextの日記
はじめに これも1つの願いの鍵探し1、nikkieです。 先日tiktokenデビューし、ChatGPTのAPIを呼び出さずに入力トークン長が分かるようになりました。 その中で、ASCII以外の文字（例：日本語）については、トークン（bytesオブジェクト）がそのままでは読み解けませんでした。 読み解くための方法についてこのエントリでアウトプットします。 目次 はじめに 目次 前回のtiktoken！ 英語の場合 日本語の場合 Encodingでデコードして得られたbytesのリストと、元の文字列との対応を取りたい nikkieが唯一知っていたこと：strとbytesは相互に変換できる 元の文字列をbytesに変換してみた 長さが3の倍数なら戻せる！ 長さが3の倍数ではないとき（1文字が複数トークンに分割されているとき） 試行錯誤まとめ bytesを読み解き、元の文字列と対応を取るスクリプ
図解Stable Diffusion
ジェイ・アラマールのブログより。 AIによる画像生成は、(私を含めて)人々の度肝をぬく最新のAIの能力です。テキストの説明から印象的なビジュアルを作り出す能力は、魔法のような品質を持ち、人間がアートを創造する方法の変化を明確に指し示しています。Stable Diffusionのリリースは、高性能(画質だけでなく、速度や比較的低いリソース/メモリ要件という意味での性能)なモデルを一般の人々に提供することになったのは、この開発における明確なマイルストーンです。 AI画像生成を試してみて、その仕組みが気になり始めた方も多いのではないでしょうか。 ここでは、Stable Diffusionの仕組みについて優しく紹介します。 Stable Diffusionは、様々な使い方ができる汎用性の高いものです。まず、テキストのみからの画像生成(text2img)に焦点を当てます。上の画像は、テキスト入力と生
手描きキャラクターに深層学習で影 カラーでも
Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」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。 米メリーランド大学ボルチモアカウンティ校とProject HATによる研究チームが開発した「Learning to Shadow Hand-drawn Sketches」は、キャラクターに影を自動的に追加できる、深層学習を用いた手法だ。 影付きスケッチを直接生成するのではなく、スケッチとは別に影画像だけを生成しているのが特徴。このため、スケッチと影を別々のレイヤーにし、それぞれを別個に編集できる。生成した影はそのまま使用でき、より高い品質を望む場合にはユーザーがさらに修正できる。 提案モデルは、 GAN（Generative Adversarial Network）をベースに、2次元スケッ
Make: Japan | 1冊まるごとScratchでできる！機械学習の入門書『Scratchではじめる機械学習』が7月発売。試し読みページを公開！
1冊まるごとScratchでできる！機械学習の入門書『Scratchではじめる機械学習』が7月発売。試し読みページを公開！ 子ども向けビジュアルプログラミング言語「Scratch」を使って学ぶ、機械学習の入門書『Scratchではじめる機械学習 ―作りながら楽しく学べるAIプログラミング』が7月に発売されます。ML2Scratch、TM2Scratch、PoseNet2ScratchなどのScratchで機械学習を扱える拡張機能を組み合わせ、画像認識や音声認識、姿勢推定などを利用したプログラムを作りながら、機械学習の仕組みを楽しく学んでいくことができます。だんだんとステップアップしながら、最終章では、遺伝的アルゴリズムをScratchで実装することにも挑戦します。Pythonなどのテキストプログラミング言語や、難しい数学の知識は不要。機械学習の仕組みを使ったアプリケーションを“作りながら学
グーグル、機械学習ライブラリ「テンソルフロー」の量子版を公開
グーグルは量子機械学習アプリの作成をより容易にする、無料のオープンソース・ソフトウェア「テンソルフロー・クアンタム（TensorFlow Quantum）」をリリースした。2015年の発表以来、機械学習の普及に貢献してきたグーグルの人気ツールキット、テンソルフローのアドオンだ。 テンソルフローは、多層ニューラルネットワークを簡素化し、再利用可能なコードを提供することで、新しい機械学習アプリをゼロから作成する必要をなくし、機械学習を利用しやすくするものだ。テンソルフロー・クアンタムは、量子機械学習でも同様のことを実現しようとしている。 テンソルフロー・クアンタムを使うと、アプリを実行しているハードウェアの細かな制約に縛られることなく量子アプリを作成できる。実際の量子コンピューターと従来のコンピューター上でシミュレーションする量子コンピューターとを切り替えられる。つまり、本格的な量子コンピュー
Wikipediaを元にした日本語の名寄せデータセットを作成しました - Sansan Tech Blog
こんにちは、DSOC 研究開発部の奥田です。以前の私のブログ記事ではコーギーの動画を見ていると書きましたが、とうとうコーギーを家族として迎え入れ、現在生後6ヶ月の子犬と暮らしております。 さて私たちDSOCでは、SansanやEightの価値を高めるために様々な自然言語処理のタスクに取り組んでおります。例えばニュース記事からの固有表現抽出では、私たちのサービスに特化した固有表現を対象に研究開発しています。その他にも様々あるなかで、特に重要かつ困難とされているものの一つに「名寄せ」というタスクがあります。AIや人工知能と呼ばれるものが発達した現代においても、人間には当たり前にできるタスクが機械には難しいことがまだまだ存在します。 今回は、その「名寄せ」というタスクにおける日本語でのデータセットを作成してみました。これをきっかけに、日本語での名寄せというタスクの研究が進み分野が活性化することを
Wikipediaを活用した表記ゆれへの対応 - sola
自然言語処理のタスクにおいて、表記ゆれの問題が常につきまといます。単純なパターンであれば単純なルールで対処が可能です。例えばアルファベットの大文字・小文字の混在であれば全て小文字に変換すれば良いし、半角文字と全角文字の混在であれば全て全角文字に変換すれば良いでしょう。 しかし、略語はどうでしょうか。例えばPCはおそらくパソコンのことですね。ただ、かしこまった文書だとパーソナルコンピュータと表記されているかもしれません。こうなってくると、単純なルールでの対処はもう難しいでしょう。 そこで、単語の正規化（名寄せ）が必要です。単語の正規化の話は、Sansanの発表資料に良くまとまっています。大きく分けて以下の方法が考えられます。 単語マスタを用意しておき、入力単語に対してレーベンシュタイン距離（編集距離）を計算して最も距離が小さい単語を採用する 方法としては単純で扱いやすい マスタの用意が必要
AI - その革命はまだ起きていない、そして起きそうもない - Qiita
Artificial Intelligence — The Revolution Hasn’t Happened Yet - Link 先週、データサイエンス、AI業界にとって、ターニングポイント（潮の変わり目）となるほど重要なエッセイをUC Berkeleyの教授で、統計、機械学習、AIの研究者でもあるMichael Jordanという人が発表していました。もちろんあのバスケのMichael Jordanとは違います。(笑) 冗談はさておき、ここ最近のビッグデータの世界では標準になってしまったとも言えるSparkを開発したのはもともとAMP LabというUC Berkeleyの研究所のチームなのですがそこを率いていた人がこの人です。彼はシリコンバレーではもちろん、世界的にもビッグデータ、データサイエンスの世界ではかなり有名な人です。 その彼が、最近のAIという言葉に対する一般の誤解と誇大
人工知能を使って異世界系の「なろう小説」を書いてみました - karaage. [からあげ]
人工知能を使って小説を書いてみました。 人工知能（ここでいう人工知能は、機械学習＋αのわりと広い意味で捉えて下さい）を使って、小説を書いてみることにしました。 最近「人工知能」と名前のつく本が多く出ているのですが、一般的なものは内容が適当過ぎたり、専門的なものはあまりに専門家向けだったりするので、興味ある人が楽しみながら、人工知能を理解しつつ、実際に自分も手を動かして試せるような本があると面白いと思いました。ただ、私みたいなただのサラリーマンが書いても、誰も読んでくれないと思うので、小説の1部を人工知能を使って書くというチャレンジをしてみました。 まぁ、全部嘘です。全然深く考えてなくて、思いついて面白いかなと思ったのでやってみました。一応「本当にこんなことやって良いのかな？」と私の脳内の100人のからあげで事前に協議したところ、1人だけ反対したのですが、他の99人のうち一番過激なやつが、反
![人工知能を使って異世界系の「なろう小説」を書いてみました - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/e0a18373e5c7b991bae2b7c9e7cffd68def59706/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20180408%2F20180408161236.jpg)
【Rでword2vec】AKB48と乃木坂46の歌詞を分析して「人生とは何か?」質問してみた - Np-Urのデータ分析教室
前回、巷で話題の「マジ卍」とはどんな意味なのか、word2vecで分析してみました。 Pythonにて、 Twitterデータ取得 MeCabによる単語分かち書き word2vecで分析 ということを行ったのですが、面白い結果になったと思います。 www.randpy.tokyo なお、word2vecって何？という方は以下をご覧ください。 www.randpy.tokyo さて、前回はPythonでしたが今回はR実践編です。 皆さん、人生とは一体何なのか、考えたことはありますか？（急にどうした） 私も20代後半に入り、人生について考えてみたのですが……さっぱり分かりません！ ということで、word2vec先生に質問してみましょう！ 今回扱うデータですが、元気をくれる曲をたくさん歌ってくれているAKB48と乃木坂46の歌詞を扱います。 歌詞データをスクレイピング MeCabによる単語分かち
「仕事ではじめる機械学習」を読んだので作者に媚を売る - Stimulator
- はじめに - 以下を読んで、筆者ら (@chezou, @tokoroten, @hagino3000) ともTwitterで相互フォローだし、いっちょ媚び売るために感想記事でも書いとくかみたいな記事。 www.oreilly.co.jp 私は「企業で機械学習プロジェクトをいくつか経験している」「書に載っているアルゴリズムや検定も大体わかる」くらいで本書のターゲットからは少し外れているっぽいのだけれど、知ったことではない。 - この本どんな人がターゲット？ - 「仕事ではじめる機械学習」というタイトルの通り、「俺は来年から新卒社会人！大学で学んだ知識を活かして機械学習エンジニアとして頑張っていくぞ！」みたいな人が読むとすごく為になる本。 あと、ターゲットとしては「バイトで機械学習経験したい学生」とか「突然上司に機械学習やってくれって言われた！」みたいな人とか。 あと、機械学習を使った時
”仕事で始める機械学習”の要点をまとめてみたらとても良い入門書だった
最近、販売された仕事で始める機械学習を買ったので、購入を考えられている方や機械学習を始めたいと思っている方に読んで、参考になればと思います。 この記事の目的と全体の流れただ読むのと、アウトプット（ブログに書く）前提で読むのとはインプットの質が違うということがわかったので、ブログに書きながら理解していく形を取ります。 全体の流れとしては、章の要約。あぁこの内容知ってるなって人は買わずに済むし、わからないこと多いという人は購入を検討して頂ければ。（出版関係者でもなければ、アフィリエイトなどの営利目的でもなく、いち消費者としての個人的意見になります。 ご了承ください。） 結論から言うと（書評）いままでのオライリーのデータサイエンス本だと英語から翻訳したのでわかりにくい日本語が非常にうっとうしいのですが、 この本は、日本の方が書かれており、日本語スムーズに理解できます。 また、非常に論理立てられて
「人工知能でいい感じの成果を出してくれ」という偉い人の脳内はどうなっているのか – ところてん – Medium
この記事は、前出の本に入れる予定だったコラムのうちの一つです。 正確にいうと、本に入れる予定だったけど、メイン側で締め切りをぶっちぎっていたら、コラムを追加できるような空気じゃなくなって、書くのをやめたものです。 本の宣伝を兼ねて、没にしたコラムに日の目を見させて、あわよくば第二版で入ればいいなー、という内容です。 データサイエンティストの頭の中「偉い人たちは頭がおかしい」と言っても、それは相対的なものであるため、比較対象であるデータサイエンティストの頭の中を覗いてみましょう。 データサイエンティストは組織におけるデータ活用状況について、レベル分けして考えます。そして、基本的に前のレベルが実現できなくては、次のレベルに進むことはできないと考えています。 以下のレベル分けは私が適当に思い描いているものですが、同業者なら大よそ一緒なんじゃないかと思います。 Lv0: データ収集、ログ設計Lv1
オライリーから「仕事ではじめる機械学習」が出版されます
どういう本なの？まえがきのスクリーンショットを貼りましたが、この本は多くの機械学習の本とは異なり、機械学習の実務で使えるようになるために知りたい、機械学習を含めたシステムのアーキテクチャや機械学習プロジェクトの進め方、効果検証をどうするのかということをまとめました。 めざすところのイメージ既に多く刊行されているTensorFlowやChainerでディープラーニングをしてみようというものでもなければ、機械学習の理論をわかりやすく解説するといった類のものでもありません。ゼロから作るDeep LearningやCourseraのMachine Learningで学んだけど、実際の仕事に活かすにはどうしたら良いだろう？という疑問に答えているつもりです。また、大学の講義などで機械学習は学んだけど、実際仕事で機械学習のプロジェクトを進めるときはどうすればいいんだろう？という人にも得るものがあると思い
「日本は機械学習パラダイス」 その理由は著作権法にあり
「日本は機械学習パラダイスだ」。こう提言したのは、早稲田大学法学部教授の上野達弘さんだ。 なぜなのか。その理由は、日本の著作権法にある。 日本の著作権法では、「情報解析を行うために著作物を複製すること」が、営利・非営利問わず認められているのだ。世界にもまれな規定だという。 著作権・AIに詳しい弁護士・柿沼太一さんが10月2日に都内で開いた「AIビジネス法務・知財セミナー」の内容から、機械学習と日本の著作権法の関係についてまとめる。 キモは「著作権法47条の7」 機械学習とは、大量のデータをプログラムに解析・学習させることで、プログラムが自らデータの特徴を見つけ出し、分類・整理できるようにする手法。例えば、大量の猫の写真を学習させ、猫の特徴を学んだモデルに、新たな動物の写真を入力すると、猫か猫ではないかを判別する――といったイメージだ。 機械学習を行うためには、大量のデータをAIプログラムに
マシンラーニング・ソリューションズ株式会社
データを持っていれば、機械学習において、大きなアドバンテージを取れる。それを真に受けて、試してみました。 チュートリアルが用意されていますので、それにデータを入力すれば、「なるほど」という感じくらいの結果はでます。 問題はそこからです。 性能を上げるにはどうしたら良いのかの試行錯誤がはじまるのです。 データの設計、ニューラルネットワークの設計、学習と評価のトライアンドエラーを繰り返すのです。膨大なエネルギーが必要です。 データにおいては、まずはデータのクレンジングが必要です。データが大量にあってもほとんど使えないということも多々あります。そうなると、データの入手方法から考えなくてはならなくなります。また、使えるデータであっても、教師データに加工する必要がある場合もあります。この作業にも非常に工数がかかります。 ニューラルネットワークの設計では、検索が鍵になります。事例を参考にしながらの試行
棋士 藤井聡太を生んだ「黒魔術」の正体 人間はAIを使いこなせるか
公式戦29連勝という新記録をつくった将棋の最年少プロ棋士・藤井聡太四段。その強さの源は「人工知能（AI）」を研究に取り入れたからだといわれる。佐藤天彦名人に2連勝した将棋ソフト「ポナンザ」の開発者・山本一成氏は「ポナンザが強くなる理由はもはや人間には説明できない」と語る。開発者たちは仕組みがわからないことから、人工知能を「黒魔術」と呼ぶことがあるという。これから人間は「黒魔術」を使いこなせるのだろうか――。 ※以下は山本一成『人工知能はどのようにして「名人」を超えたのか？――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質』（ダイヤモンド社）の第2章「黒魔術とディープラーニング」からの抜粋です。 「黒魔術」の影響力が強くなってきている 理由がわからないのに強くなる。人工知能という現代科学の最前線で、なぜそんなことが起きているのか。これからはその説明をしていきましょう
Deep Learningで「いらすとや風人間画像生成モデル」を作った話（DCGAN、Wasserstein GAN） - ぬいぐるみライフ？
フリー素材サイト「いらすとや」に出てくる人間風の画像を自動生成するモデルをDeep Learningで作りました。実装にはGoogle製のライブラリ「TensorFlow」と機械学習アルゴリズムの「DCGAN」「Wasserstein GAN」を用いています。 以下は生成された人間画像のうちそれなりにきれいなものの一例です。頬のところが赤くなっていて何となく本家いらすとやの特徴を捉えられていると思います。 「いらすとや」とは？ 実装した手法の概要 DCGAN、Wasserstein GANについて Generator Discriminator GeneratorとDiscriminatorの学習 学習や実装の詳細 Generator、Discriminatorのネットワーク構成やパラメーター 訓練データ その他 学習経過 モデルを検証する 入力にバイアスを掛けていい画像を出やすくする ま
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
Large Scale Jirou Classification - ディープラーニングによるラーメン二郎全店舗識別
