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
本番/ステージング環境GPUぼくめつ大作戦 - クックパッド開発者ブログ
機械学習チームの林田(@chie8842)です。好きなスポーツはテニスとスノボです。 システムは、その当時の最新の技術で作ったとしても必ずレガシー化します。 機械学習システムも他システムと同様、一度デプロイしたら終わりではなく、継続的なメンテナンスが必要です。昨今機械学習は、特に技術の進歩が目覚ましいため、レガシー化するのも早い分野といえます。本稿ではレガシー化した機械学習アプリケーションのメンテナンスと、それに伴うGPU環境からCPU環境への移行によって、大幅にシステムの運用コストを削減した例をご紹介します。 機械学習アプリケーションにおけるコスト課題 クックパッドにおける最初の大きな機械学習プロジェクトである料理きろくがリリースされたのは、2年前のことです。それ以来、様々な機械学習アプリケーションがデプロイされ、現在では大小含めて30を超える機械学習アプリケーションが運用されています。
世界最強の囲碁AIを開発したDeepMindが「人間を超越したFPSプレイヤー」のAIを開発
Googleと同じAlphabetを母体に持ち、世界最強の囲碁AI「AlphaGo Zero」を開発した人工知能(AI)開発企業・DeepMindが、ファーストパーソン・シューティング・ゲーム(FPS)で人間を超えた勝率をたたき出すAI「For the Win(FTW)」を開発しました。ただ敵を倒すだけではなく、人間のチームメイトとも協力して有利にゲームをプレイすることができるとのことです。 Capture the Flag: the emergence of complex cooperative agents | DeepMind https://deepmind.com/blog/capture-the-flag/ 人間とゲームをプレイするAIの研究は、2017年にもOpenAI開発のAIが「Dota 2」で人間に勝利するという結果を残し、話題になりました。また、DeepMindも「
Google Research、複数音から特定の発話者だけの声を聞こえるようにするDeep learningを用いた視聴覚音声分離モデル発表
Google Research、複数音から特定の発話者だけの声を聞こえるようにするDeep learningを用いた視聴覚音声分離モデル発表 2018-04-12 Google Researchは、Deep learningを用いて、複数の音から1人の音声だけを抜き出す視聴覚音声分離モデル「Looking to Listen at the Cocktail Party」を発表しました。 論文：Looking to Listen at the Cocktail Party: A Speaker-Independent Audio-Visual Model for Speech Separation 著者：Ariel Ephrat, Inbar Mosseri, Oran Lang, Tali Dekel, Kevin Wilson, Avinatan Hassidim, William T.
PyTorch
Get Started Ecosystem Tools Learn about the tools and frameworks in the PyTorch Ecosystem PyTorch Conference - 2022 See the posters presented at PyTorch Conference - 2022 PyTorch Conference - 2023 October 16-17 in San Francisco Contributor Awards - 2023 Award winners announced at this year's PyTorch Conference
ラーメン二郎とブランド品で AutoML Vision の認識性能を試す | Google Cloud 公式ブログ
この投稿は米国時間 3 月 26 日に投稿されたもの（投稿はこちら）の抄訳です。 Posted by Google Cloud デベロッパー アドボケイト 佐藤一憲 この 3 つのラーメンは、41 店舗あるラーメン二郎のうち 3 店舗で作られたものです。それぞれ、どの店舗で出されたものか分かりますか？ データ サイエンティストの土井賢治さんが作成した機械学習（ML）によるラーメン識別器を使えば、それぞれの微妙な盛り付けの違いを見分けることで、95% の精度で店舗を特定できます。 この写真を見ても分かるとおり、ラーメン二郎の相当コアなファンでもなければ、ラーメン画像から 41 店舗のどこで作られたかを見分けることは簡単ではありません。テーブルやどんぶりの色、形にあまり違いのない場合が多いのです。 土井さんは、ディープ ラーニングを使ってこの問題を解けるか興味を持ち、インターネット上から 48
Jason's Machine Learning 101
Jason Mayes Senior Creative Engineer, Google Machine Learning 101 Feel free to share this deck with others who are learning! Send me feedback here. Dec 2017 Welcome! If you are reading the notes there are a few extra snippets down here from time to time. But more for my own thoughts, feel free to...
「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
ウェブブラウザ向け深層学習モデル高速実行フレームワーク「WebDNN」
2017/09/03 Deep Learning Acceleration勉強会@DeNAでの発表資料です。
MicrosoftとFacebook、AI開発者向けオープンソースプロジェクト「ONNX」
AI分野で競合するMicrosoftとFacebookが、開発フレームワーク間のスイッチングを可能にするためのオープンソースプロジェクト「Open Neural Network Exchange（ONNX）」でタッグを組んだ。Facebookの「Caffe2」と「PyTorch」、Microsoftの「Cognitive Toolkit（CNTK）」が対応する。 米Microsoftと米Facebookは9月7日（現地時間）、AI（人工知能）開発者がフレームワーク間のスイッチを簡単にできるようにするオープンソースプロジェクト「Open Neural Network Exchange（ONNX）」を公開したと発表した。GitHubで公開されてる。 ONNXは、あるAIフレームワークで構築した学習モデルを異なる機械学習システムに簡単に切り替えることを目的としており、Facebookの「Caff
Google研究者著「Deep Learning」日本語版公開 東大松尾研が翻訳
ディープラーニング（深層学習）の技術研究会であるDeep Learning JPは9月6日、米MIT Pressが出版したディープラーニングの教科書『Deep Learning』の日本語翻訳版を専用サイトに一般公開した。製本版を発売する前にフィードバックを得ることが目的で、発売後は公開を終了するという。 『Deep Learning』は、Googleの人工知能研究プロジェクト「Google Brain」の研究者イアン・グッドフェローさんなどが書いたディープラーニングの入門書。deeplearningbook.orgで段階的に執筆・公開を始め、完成した原著を2016年12月に発売した。製本版の価格は約1万円で、引き続きサイトで無料公開も続けている。 日本語への翻訳は、東京大学の松尾豊研究室が主体として取り組んだという。松尾豊特任准教授は人工知能関連の研究者で、人工知能学会の倫理委員長を務める
RasPiとディープラーニングで我が家のトイレ問題を解決する - Qiita
おしっこセンサーできました ウチの小学生の息子が家のトイレでたびたびおしっこをこぼしてしまう。俺がくどくど注意してもあんまり効果ない。そこで、代わりにAIに怒ってもらうことにした。こんな感じである。 おしっこセンサーのデモ（動画）。水を数滴床にたらすとブザーが鳴り、床を拭くと止まる。 ディープラーニングの画像認識を使い、床の上に落ちた水滴をカメラで検出してブザーが鳴る仕組みだ。夏休みの自由工作に過ぎないので精度は期待していなかったけど、意外にきちんと動いてくれて、カメラに映る範囲に水滴を数滴たらすとピッピと鳴り、床を拭くとブザーも止まる。「お父さんだってAIくらい作れるぞ」と息子に自慢したいがための工作なのだ。 でも、これ作るのはそんなに難しくなくて、休み中の3日くらいで完成した。かかったお金は、RasPiやカメラ、周辺デバイスが2万円弱、画像認識のモデル作成に使ったクラウドの料金が数10
#MakeGirlsMoe でもっと遊べるプログラムを書いた（実質百合画像生成） - ブログのとさか
MakeGirls.moe 二次元キャラを自動生成してくれるMakeGirls.moeが今話題になっています。 make.girls.moe 今までの画像生成手法と比べてもかなり綺麗な画像が出力されるので驚きました。 PFNでアルバイトしている方が作ったそうです。流石... ネットの評判（ニコニコの某動画）を見てみると、「ただパーツを組み合わせただけだろ」とか、「データベースからランダムに選んでるだけでしょ」といったコメントをしている人がいて、 いかに高度な画像生成ができているかがわかります。 技術的な詳細は公式ブログにまとまっています。 MakeGirls.moe Official Blog ここでGANとは～～みたいな話をしてもいいのですが、今回はこのWebサービスでもっと遊ぶためのプログラムを書いたので導入方法と使い方を紹介します。 このプログラムを導入すると「2つのイラストの中間の
BlizzardとDeepMindが『StarCraft II』を利用した機械学習の研究用ツールを公開。目標は打倒プロゲーマー - AUTOMATON
ホーム 全記事 ニュース BlizzardとDeepMindが『StarCraft II』を利用した機械学習の研究用ツールを公開。目標は打倒プロゲーマー Blizzard Entertainment（以下、Blizzard）とDeepMind Technologies（以下、DeepMind）は8月9日、『StarCraft II』を利用した機械学習の研究用ツール（総称SC2LE＝StarCraft II Learning Environment）を公開した。同分野における両社の提携は、2016年11月のBlizzCon 2016にて発表されたものだ（関連記事）。 Blizzardが公開した「StarCraft II Machine Learning API」は、スクリプトまたは機械学習ベースのbot、リプレイデータの分析、ツール・アシストのソフトウェア開発に必要な機能を提供。匿名化された
deeplearn.js
deeplearn.js is an open-source library that brings performant machine learning building blocks to the web, allowing you to train neural networks in a browser or run pre-trained models in inference mode. We provide an API that closely mirrors the TensorFlow eager API. deeplearn.js was originally developed by the Google Brain PAIR team to build powerful interactive machine learning tools for the bro
人とAIの共存を主とする「Google PAIR」、機械学習（NN含む）をブラウザ上で全て実行できるWebMLライブラリ「deeplearn.js 0.1.0」をリリース
人とAIの共存を主とする「Google PAIR」、機械学習（NN含む）をブラウザ上で全て実行できるWebMLライブラリ「deeplearn.js 0.1.0」をリリース 2017-08-12 人を中心としたAIシステムの研究と設計をするGoogleのプロジェクト「The People + AI Research Initiative（PAIR）」は、ブラウザ上で機械学習（Machine learning）を全て実行できるオープンソースライブラリ「deeplearn.js 0.1.0」をリリースしました。 deeplearn.js 本ライブラリは、可能な限り多くの人に機械学習を開かせたいという思いのもと開発されました。その為、インストールやバックエンドなし、ブラウザ上で全て実行できる仕様になっています。 今までもWeb Machine learning（WebML）ライブラリは存在していま
過学習を防ぐ正則化
機械学習では、過学習を防ぐ手段として正則化が行われることが多い 機械学習でよく用いられる正則化には、L1正則化とL2正則化がある 過学習は未知のデータに対応できない原因をつくる 機械学習では大量のデータを扱いますが、偏り過ぎたデータにまで必要以上に対応してしまうという「過学習」の状態に陥る事があります。過学習の状態は、与えた学習データに対しては小さな誤差となるモデルが構築できています。ただし、ごく一部の例外的な学習データに過度に対応したモデルとなっているために、構築した学習モデルを未知データに適用すると必ずしも適切な予測値を返さない状態となります。学習データの中のごく一部の例外的なデータに過度に適用したモデルが構築されている状態ということで「過学習」といいます。 そのため、機械学習では過学習になるのを防ぐために、極端な重みのデータに対してペナルティを与える正則化が用いられます。 過学習を防
What an AI’s Non-Human Language Actually Looks Like
Something unexpected happened recently at the Facebook Artificial Intelligence Research lab. Researchers who had been training bots to negotiate with one another realized that the bots, left to their own devices, started communicating in a non-human language. In order to actually follow what the bots were saying, the researchers had to tweak their model, limiting the machines to a conversation hum
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
GitHub - DeNA/Chainer_Realtime_Multi-Person_Pose_Estimation: Chainer version of Realtime Multi-Person Pose Estiamtion
Aizu.go second
