Sakana AI
概要 Sakana AIは進化や集合知などの自然界の原理を応用して基盤モデルを開発することを目指しています。私達の目標は、モデルを自ら訓練し開発することだけではありません。基盤モデルの開発を効率化、高度化、自動化するための新たな手法を生み出すことに挑戦しています。この目標に向けた第一歩として、私たちはプレプリント「Evolutionary Optimization of Model Merging Recipes （モデルマージの進化的最適化）」を公開しました。 このリリースの要点は以下の通りです。 進化的モデルマージという手法を提案します。これは、多様な能力を持つ幅広いオープンソースモデルを融合（マージ）して新たな基盤モデルを構築するための方法を、進化的アルゴリズムを用いて発見する手法です。私たちの手法は、ユーザーが指定した能力に長けた新しい基盤モデルを自動的に作成することができます。既
この世界に存在しない人物の画像をワンタッチで簡単に生成できる「This person does not exist」
UberのソフトウェアエンジニアであるPhillip Wang氏は、サイトをF5キーなどを押して更新するだけで次々に新しい「この世に存在しない」人物の顔を生成する、「This person does not exist」というウェブサイトを作成して公開しました。 This person does not exist https://thispersondoesnotexist.com/ This Person Does Not Exist Is the Best One-Off Website of 2019 | Inverse https://www.inverse.com/article/53280-this-person-does-not-exist-gans-website 「This person does not exist」の公式ページにアクセスすると、世界のどこかにいても全
ディープラーニング（Deep Learning）とは？【入門編】
＃はじめに 最近、ニュースや記事でよく目にする“ ディープラーニング（Deep Learning） ” 。 ビジネスや社会にどのように影響を与え、活用されていくのかに興味ある方が多方面に増えてきている一方で、Deep Learningについて知りたいけれども、実際よくわからない…と感じている方も多く見受けられます。 実際にMM総研の「人工知能技術のビジネス活用概況」の調査結果によると、人工知能のビジネスへの導入率は、日本は他２カ国に比べかなり遅れをとっていることが読み取れます。 引用：https://www.m2ri.jp/news/detail.html?id=238 今回は、その基本的な疑問や実際どうビジネス活用できそうなのか皆さまが想像できるようになるよう、Deep Learningとは一体どういう技術なのか、俗にいう「人工知能(AI)」や「機械学習(ML)」との違いなど基本的な情報
Midjourney/Memeplex(StableDiffusion)などの画像生成AIで思い通りの画像を出すヒント｜shi3z
このnoteの収益を使ってStable Diffusionを使ったWebサービス https://memeplex.appを公開しました。誰でも無料で何枚でもAI作画をすることができます(そのかわり、混み合ってる時は時間がかかると思います)。 このnoteで学んだことをぜひ活用して、AIによる新しい時代の風を感じてください。 また、本文中にMidjourney、StableDiffusion、DreamStudio、Memeplexなどの言葉が頻出するため、全面的な修正を行うことにしました。StableDiffusionに統一しておきたいと思います。 現状(2022/8/28)は、StableDiffusion=DreamStudio/Memeplexと考えて構いません。Memeplexは将来的にStableDiffusion以外のアルゴリズムもサポートする予定だからです。
ユヴァル・ノア・ハラリ、オードリー・タン対談「民主主義、社会の未来」全和訳 | AI新聞 | exaBase コミュニティ（エクサベースコミュニティ）
iStock:NicoElNino We translated RadicaxChange’s original article “To Be or not to Be Hacked? The Future of Identity, Work and Democracy.” Into Japanese with the permission of Audrey Tang and Michael Zur of Yuval Noah Harari International Office. This is an abridged version of the whole conversation. The whole conversation is available as a YouTube video. イスラエルの歴史学者ユヴァル・ノア・ハラリ氏と、最先端のコロナ対策で一躍世界の注目
DeepMind、AIで人間考案のものより優秀なソートアルゴリズムを発見 最大70％高速化
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
数式を使わないTransformerの解説（前編） - conceptualization
2023/3/23 追記： こちら半年以上前に執筆したもので、その後私の理解も進んで内容的に更新したいところが結構あるため、近日中に非公開とさせていただき,更新後に再公開させていただくつもりです。現時点での本記事の内容は、大きく間違ってはいないけどちらほら微妙なところがあるという感じです。 （ざっくり理解するだけでも良いという人にはそれでも良いかもしれませんが、そういう方向けには 今執筆中のこちらの記事 をおすすめします。） −−−− 最近話題のmidjourneyやDALL-E、凄いですよね。中身はディープラーニング（DNN）のようです。DNNといっても色んな技術がありますが、それらにはTransformerという手法が使われています。本記事は、その手法がどんなものであるかを数式を使わずに説明してみよう、という主旨になります。 ※なお本記事は機械学習のプロの研究者ではない私の独自の解釈が
ゲーム AI 実装入門 ~ ダイクストラ法 ~ - 技術者と非技術者のための技術系ブログ
ちょっと前にホットエントリーしていた Cygames さんのエンジニアブログの記事に、こういうものがありました。 ゲームAI -基礎編- 『知識表現と影響マップ』 | Cygames Engineers' Blog 一応、ゲーム業界に身を置いてはいますが、最近こういうコード書いてないなぁと気になっていたので、今回から複数回に分けて、ゲームAI（と言っていいのだろうか）の記事を書いていこうと思います。 まず、最初は Cygames さんの記事を追いかけるところから始めたいと思いますので、件の記事で使われているダイクストラ法を取り上げたいと思います。 ダイクストラ法について ダイクストラ法は最短経路を導き出す時に使われるアルゴリズムで、Cygames さんの記事では「脅威度マップ」・「アイテムの狙いやすさマップ」を作成する際に、各オブジェクトからすべてのセルへの距離を算出する方法として使用され
「ゲームAIはロマンだ」 三宅陽一郎氏と森川幸人氏が語るAI時代の基礎知識
三宅氏：AIの学習アルゴリズムは主に「教師あり学習」と「教師なし学習」に大別されます。教師あり学習は、AIが何をすればよいのかという「教師信号」を、あらかじめ人間が与えます。たとえばVR空間で犬をつくり、「お手」といったときに「お座り」をするとNGというように正解を教えるものです。 一方、教師なし学習は、自らAIが環境のなかで正解を導き出します。暖かい地方に行きたいときに「北に向うと寒いので南に行く」というように、AIが答えを出します。教師あり学習は、教師信号をつくる必要があるため、人間が張り付かないといけません。教師なし学習は、問題設定をする必要はありますが、学習を始めたら、極端にいえば人間は何もしなくてよいのです。 森川氏：ニューラルネットワーク（NN）は通常は教師あり学習です。しかし、私は教師なし学習のほうが好きです。教師あり学習の場合、教示信号を使うことが足かせになり、AIの学習を
【Unity】タイルマップで作る敵AI - 藍と淡々
こんにちは(ؓؒؒؑؑؖؔؓؒؐؐ⁼̴̀ωؘؙؖؕؔؓؒؑؐؕ⁼̴̀ ) 先日ラジオを聞いていたら「1から10の数字であなたが好きなのは？」という質問がありました。 自分は、6月生まれというのもあってか、「6」という数字が好きです。曲線が可愛くて、温かみがある気がします。 しかしリスナーの投票ランキングでは不人気な数字でした。。なんでや・・・_:('Θ' 」 ∠):_ さて、余談からになりましたが、前回の記事では「タイルマップの自動生成アルゴリズム」の解説をしました。（先に読んでおくと今回の内容を理解しやすいです） →「【Unity】「Trocco」で使った、タイルマップの自動生成アルゴリズム【基礎編】 - 藍と淡々」 今回はそれに関連して、これまた「Trocco」で使用した敵AIの作り方を紹介していこうと思います。 ０、実際の敵の挙動 まず簡単に説明すると、前回解説した通り、1平方メート
JavaScript でオセロを実装する(一人二役で指す寂しいゲーム編) | Webシステム開発／教育ソリューションのタイムインターメディア
問題 今年も弊社に新卒採用で入社された方が何名かいます。 採用情報ページに記載されているように、 弊社ではメンター制度が設けられており、 誰かしら指導役の社員が面倒を見たり見なかったりします。 ただ指導するにはまず相手の力量を測る必要があります。 技術者として採用された方を相手にするなら、 適当な課題を与えて、それに対して作り上げたモノを見るのが一番手っ取り早いです。 と言う訳で「適当な課題」として今回は「オセロを実装する」ことにしました。 しかしこれだけではテキトー過ぎるので、以下のように段階を設定しました: 1. 黒も白も人間が指す一人二役の寂しいオセロを実装する。 盤面のサイズは4×4とする。外観やUIは凝らなくてよい。実装はJavaScriptで行い、Webブラウザで遊べるものにする。 2. 仮AIを実装する。このAIの手筋は以下の通り: 取り得る手のうち最も上の行に石を置ける手を
レベルデザインに遺伝的アルゴリズムを活用する
2015年Apr6日レベルデザインに遺伝的アルゴリズムを活用する こんにちは。オインクゲームズの新藤です。 先日、弊社のデジタルゲーム第二弾となる「OLYM」がリリースされました。OLYM はターン制限のあるパズルゲームで、各ステージごとに決められたターン数が設けられてています。このターン数以内に目標を達成できないと、クリア失敗になってしまいます。そのため、このターン数をどう決めるかが、難易度に大きく影響する一因となっています。OLYM では、ステージごとのターン数を決定するのに遺伝的アルゴリズムを活用したので、今日はそれをご紹介します。 最終的にやったことは非常にシンプルです。端的に言えば、AI に実際にパズル解かせて、何手で解けたかをレベルデザインの参考にするということです。この AI を作る際に、遺伝的アルゴリズムを活用しました。そもそもは「自動でパズル解いてくれる AI がいたら面
麻雀C言語プログラム集
リンクフリーです 全てのケースを考慮したものではありません デバッグはしていますがバグが残っている可能性があります ここのプログラムはあくまで一例であり、効率的とは限りません 当HPのプログラムを用いて生じたいかなる損害にも責任を負いかねます 無断使用、改造自由(ライセンスフリー)ですが麻雀プログラムは"仕様"に依存するのでそのまま使用する事は難しいでしょう。あくまで参考程度にする事をお勧めします MENU MJAIクライアント MJAIクライアントとはmjai上で動くAIです。参考 「mjai-occam0.524」(天鳳R1800 特上条件到達) ↑のソースコード ・XCode8.2で開発しています ・実行ファイルの下に opponenthoraestimator/exeと同じ階層に置くファイル 以下のファイルを配置する必要があります ・mjaigame/MJAIGame.xcode
アルゴリズム解説
このページでは、リバーシプログラムThellの思考エンジン"spot"で使われているアルゴリズムについて解説します。リバーシプログラミングについてある程度の理解と経験があることを前提としていますので、初めての方は参考文献にあるような文書を参照することから始めるとよいでしょう。 2005/10/01 PVSとalpha-betaの性能比較を掲載。 2005/09/30 置換表の項目を独立。ハッシュキーの生成について追記。 2005/09/23 「関連リンク」を「参考文献」として分離。 2005/07/19 評価関数について気まぐれで書いた文書 2005/07/17 Thell 3.0.2リリースにあわせ、反復深化について追記。 2005/07/06 図を追加。評価関数学習について若干追記。 2005/07/04 置換表について追記。擬似コードを掲載。 2005/06/26 リンクに探索アルゴ
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
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
機械学習のアルゴリズム12選をわかりやすく解説｜学習手法や活用事例を紹介！ | AI専門ニュースメディア AINOW
ゲーム共通技術 - ゲームプログラミングWiki
Bonanza - The Computer Shogi Program