いしたーです。アルバイトで機械学習やってます。こんにちは。 とある勉強会に出席したときに、「機械学習をやりたいけどわからないことが多い」という意見を聞いたので、いくつかアドバイスを載せておきます。 ##読む前の注意 研究についてのアドバイスは書いていません。趣味で機械学習をやろうと思っている方が対象です。 この記事は他の方の意見をまとめたものではありません。私個人の経験に基づいて書いたものです。よって、この記事の内容はほとんど「私の意見」です。 以上2つの注意点を踏まえた上でお読みください。 ##「機械学習で何をしたいのか」を決めてほしい 機械学習を学ぶ前に、機械学習を使って何をしたいのかを決めてください。 機械学習は数式がたくさん登場したり、難しい概念を理解しなければならなかったりすることがあります。 やりたいことを決めてから学ぶと、今自分はある目的を達成するために学んでいるんだと思うこ

米Googleは2015年11月9日（米国時間）、「ディープラーニング（深層学習）」などを実行できる機械学習システム「TensorFlow」をオープンソースソフトウエア（OSS）として公開した。GoogleのSundar Pichai CEO（最高経営責任者）は同社公式ブログで「TensorFlowはGoogle社内よりも社外で使われる方が、より多くのインパクトを与えられると考えた」と、OSS化の理由を説明している。 Googleは近年、ディープラーニングを使った機能を次々と同社のサービスに組み込んでいる。「Android」端末に組み込まれた音声認識機能や、スマートフォンアプリケーションの「Google翻訳」が備えるスマホのカメラで撮影した画像に含まれる単語をリアルタイムで翻訳する機能、オンラインアルバム「Google Photos」にアップロードした画像の被写体を自動的に認識して単語によ

IoTをゼロベースで考えるの第20回は「機械学習」と「ディープラーニング」についてだ。 この言葉、IoTや人工知能の話題ではよく出てくる言葉だが、きちんと説明するのはとても難しい。私も以前聞かれた時とても曖昧な答えしかできなかったので、整理してみる。前後半にわけて解説し、第一回は機械学習についてだ。 機械学習と切っても切り離せないのがインターネットの普及だ。Googleができたのが、1998年、データマイニングの研究が盛んになったのも1998年ということで、このあたりから機械学習の研究は大きく発展したということだ。 機械学習の概念を簡単にいうと、「意味は特に考えず、単に機械的に、正解の確率の高いものを当てはめていく」やり方だ。例えば、翻訳の世界でいうと、「英語でこういう単語の場合は、日本語ではこの単語で訳される場合が多い」「英語でこういうフレーズの時は、日本語ではこういうフレーズで訳される

米Googleが機械学習システム「TensorFlow」をOSSとして公開、「Docker 1.9」リリース、ほか こんにちは、日立ソリューションズの吉田です。 そろそろ、紅葉の便りも届くようになり、秋が本格化してきました。一日の中での寒暖の差もあり、体調を崩しやすくなっていますので、ご注意ください。 今週もOSSに関する注目すべきトピックをとりあげましたので、ゆっくりとご覧下さい。 米Google、機械学習システム「TensorFlow」をOSSとして公開 米国Google社は9日、「ディープラーニング（深層学習）」などを実行できる機械学習システム「TensorFlow」をオープンソースソフトウエア（OSS）として公開しました。TensorFlowを開発したのは「MapReduce」や「Google File System」などの開発者として知られる同社シニアフェローのJeff Dean

By Warren R.M. Stuart 目の前にある物体の重さや壊れやすさなどの性質を知るためには、人間であればまず「触ってみる」「つかんでみる」という行動を経てどのようなものかを把握するもので、特に好奇心の強い子どもだと「口に入れてみる」といった行動を取ることもあります。そんな、人間のような「触ってみる」という行動を通じて目の前の物体の特徴を把握することにGoogle DeepMindの人工知能(AI)が成功したことが発表されます。 (PDF)1611.01843v1.pdf Google DeepMind’s AI learns to play with physical objects | New Scientist https://www.newscientist.com/article/2112455-google-deepminds-ai-learns-to-play-wi

How to watch NASA's first Boeing Starliner crewed flight launch today (scrubbed)

3層パーセプトロンと呼ばれるニューラルネットを用いたパターン認識のサンプルです。ニューラルネットがどういうものかという解説はまた後でしますが、ここではサンプルの遊び方だけ書いておきます。まあゲームではないんですが・・・ pattern_recognition.jar Pythonによる実装 多層パーセプトロンでMNISTの手書き数字認識（2014/2/5） 操作法 起動すると下のようなウィンドウが表示されます。 左側がパターン入力画面です。マウスでクリックするとセルが赤く塗りつぶされます。右側は情報パネルです。プログラムからの出力情報が表示されます。右下がコントロールパネルです。いろいろなボタンがあります。 まず0〜9までの数字の認識を試してみます。 パターン入力画面に上図の0のパターンを入力して追加ボタンを押してください。追加ボタンを押すと今入力したパターンが訓練データとして保存されます

（人工知能の分野で）ニューラルネットワーク（英: neural network; NN、神経網）は、生物の学習メカニズムを模倣した機械学習手法として広く知られているものであり[1]、「ニューロン」と呼ばれる計算ユニットをもち、生物の神経系のメカニズムを模倣しているものである[1]。人間の脳の神経網を模した数理モデル[2]。模倣対象となった生物のニューラルネットワーク（神経網）とはっきり区別する場合は、人工ニューラルネットワーク (英: artificial neural network) と呼ばれる。 以下では説明の都合上[注釈 1]、人工的なニューラルネットワークのほうは「人工ニューラルネットワーク」あるいは単に「ニューラルネットワーク」と呼び、生物のそれは「生物のニューラルネットワーク」あるいは「生物の神経網」、ヒトの頭脳のそれは「ヒトのニューラルネットワーク」あるいは「ヒトの神経網」

ニューラルネットワークと深層学習 What this book is about On the exercises and problems ニューラルネットワークを用いた手書き文字認識 逆伝播の仕組み ニューラルネットワークの学習の改善 ニューラルネットワークが任意の関数を表現できることの視覚的証明 ニューラルネットワークを訓練するのはなぜ難しいのか 深層学習 Appendix: 知性のある シンプルな アルゴリズムはあるか? Acknowledgements Frequently Asked Questions Sponsors Resources 「ニューラルネットワークと深層学習」は無料のオンライン書籍です。 この本では、次のような内容を扱います。 ニューラルネットワーク：コンピュータに、観測データにもとづいて学習する能力を与える、生物学にヒントを得たプログラミングパラダイム。 深

AmiVoice Keyboardは、キーボード入力の代わりに、音声認識技術を活用することで、キーボード上の数字キー・英字キー・ファンクションキー・コントロールキーなど、全てのキー操作を声で行えるソフトウェア。 声だけで、キーボード入力が完結するため、作業の手を止めることなく、ハンズフリー・アイズフリーで、効率的なデータ入力を行えるという。Microsoft WordやExcelなど、既存のソフトに対しても、組込み開発をすることなく、音声認識キーリストの登録を行うだけですぐに利用できる。また、端末内にて音声認識を行うため、インターネット回線は不要。 今回、音声認識エンジンにディープラーニング技術を実装した。これにより、認識精度が大きく向上し、騒音下での発話が、より正しく認識できるようになった。従来の音声認識エンジンと比較し、誤認識が約25%(自社調べ)向上したという。 また、市販のマイクに

アメリカの大手ＩＴ企業グーグルでＡＩ＝人工知能の開発部門を率いるグレッグ・コラード氏が東京でＮＨＫの単独インタビューに応じました。検索エンジンとスマートフォンの基本ソフトでいずれも世界トップの地位を築いたグーグル。今度はＡＩで何をやろうとしているのか、その戦略に迫りました。（経済部 野上大輔記者） グーグルは去年１１月、画像検索や音声認識、自動翻訳などに使われる人工知能のツール「テンサーフロー」を無償で公開し、個人や企業が自由に使えるようにしました。世界標準化を狙うためです。 ＡＩは今、技術革新が進んでさまざまな分野で実用化が可能な段階に入っています。まさに多くの企業がこれからＡＩを導入しようという“黎明期”にグーグルが乗り出した大胆な戦略は大きなインパクトを与えています。 ーーーなぜ無償で公開したのですか。 コラード： 複数の企業が関わって人工知能に革新がもたらされることは最高の世界

はじめに 音声認識を用いたゲームを作りたいとおもって JuliusLib を Unity から使えるようにしてみました。 まだ自分で使える程度の実装しかありませんが https://github.com/chiepomme/julius-unity です。 その際に行ったことを忘れないために備忘録として残しておこうと思います。 なぜ Julius なのか すでに世の中にはいくつかの音声認識 API が登場していますが、有料であったり日本語に対応していなかったり使用したいプラットフォームに対応していなかったりで、無料で日本語に対応していてマルチプラットフォームなものは意外とありません。また、ゲームに使用するため、自由な音声認識より文法を決めた音声認識が必要なのですが、それに対応しているものも多くありませんでした。Julius であればいずれも満たすことができたため採用しました。 方針 Jul

William A. Anders, the astronaut behind perhaps the single most iconic photo of our planet, has died at the age of 90. On Friday morning, Anders was piloting a small…

今年（2016年）の8月9月にPFNのインターンに参加させてもらいました． そのインターンで，ICML2016にて発表されたControl of Memory, Active Perception, and Action in Minecraft (Oh et al. 2016)で提案されたニューラルネットを使った強化学習のモデルを実装しました．この記事はその解説です．実装にはChainerを使いました． 実装はGithubにあります． ちなみに，レッドブルは一度も飲みませんでした（麦茶ばかり飲んでいた）． そもそも強化学習？ DQNとはなんぞや？ ugonamaさんがめっちゃわかりやすい記事を書いてくれているのでそっちを参照してください． Oh(2016)の概要 Oh(2016)は，部分的な観測（Partial observation）しか与えられないようなタスクを解くことを主眼として，

そう言えばこのシリーズ長らく放置してました（汗）。いよいよこのブログもネタ切れが著しくなってきたので、今更そんな古いネタやるのかよと怒られるのを承知で「単に自分がやってみたかったから」というだけの理由で今更感のあるネタをやることにします。ということで、今回のネタはLSTM-RNN (Long short-term memory Recurrent neural network)です。いつも通り完全に自分専用の備忘録としてしか書いていませんので、ちゃんと勉強したい人は他のもっときちんとした資料*1や書籍*2やソース*3を当たってください。。。 超絶大ざっぱなLSTM-RNNの説明 ぶっちゃけ以下のQiitaの記事と人工知能学会の深層学習本あたりを読めば十分という気もしますが*4、我が家には色々LSTM-RNNについて解説した書籍があるのでそちらも読みながら超絶大ざっぱかつ適当に説明しておきま

東芝はこのほど、ディープラーニング（深層学習）の処理を低消費電力で実行する、人間の脳を模した半導体回路「TDNN」（Time Domain Neural Network）を開発したと発表した。スマートフォンなどの端末でディープラーニングを可能にするプロセッサの実現を目指す。 現在のディープラーニングは、大量の電力が必要な高性能コンピュータで行われている。スマートフォンやセンサーなどのエッジデバイスで実行するには低消費電力なチップが必要だが、データをメモリから演算回路に移動するのに大きな電力が必要なことが課題だった。データの移動を減らすには演算回路を完全に並列化し、その演算回路が利用するメモリを演算回路の直近に配置することが有効だが、チップサイズが大きくなってしまうため採用できなかった。 同社は今回、デジタル信号が論理ゲートを通り抜ける際の遅延時間をアナログ信号として利用する技術「時間領域ア

10月31～11月4日（米国時間）に開催されたイベント「Adobe MAX」（カリフォルニア州サンディエゴ）で発表されたAdobeの人工知能「Adobe Sensei」。「Adobe Sensei」は日本語の「先生」が由来とのこともあり、日本でも注目を集めた。今回は、Adobe Senseiができることを具体的にレポートする。 Adobe Senseiが現在導入されているのは、「Adobe Creative Cloud」「Adobe Marketing Cloud」「Adobe Document Cloud」の3つだ。 Adobe Creative Cloudでは、「画像検索エンジン」「フォント認識」「顔認識」「要素に基づいたラベル付け」にAdobe Senseiが活用されている。 画像検索エンジンでは、ユーザーが画像検索すると、Adobe Stockが持つ大量のデータからディープラーニン

Room8 社長 鶴田です。 最近話題なのがAI、そこでよく出てくるのが10年後になくなる職業の話！ まあ、間違いなくロボットに奪われる仕事は出てくると思いますが、10年後のビジネスチャンスがどこにあるかは想像もできないので、まずは今できることをコツコツやるとします。 今回は、Google翻訳にAIのディープラーニング技術であるニューラルネットワークが導入され凄かったのでご紹介します！ ニューラルネットワークとは 専門家ではないので簡単に説明します。 ニューラルネットワークは、人間の脳の神経回路の仕組みをモデルに研究開発されてる技術で、人の脳のようにニューロンを増やし強化していく仕組みです。 人の脳と同じで使えば使うほどそこの機能が強くなります。 例えば、ピアノ 最初はぎこちなく、右手と左手を別々に動かすことが難しかったものが 日々トレーニングを積むことで、右手と左手を別々に動かしたり素早

人工知能とは？ 世間的 「その製品が何か考えているように見える」例: ルンバ 筆者「人工的につくられた人間のような知能」 人工知能のレベル Lv1: 簡単な制御プログラム。掃除機・洗濯機・エアコン・制御工学 Lv2: 古典的な人工知能。入力→出力の関連付け。パズルを解くプログラム・診断プログラム Lv3: 機械学習を取り入れた人工知能。ビッグデータなどからルールや知恵を自ら学ぶ。(最近のいわゆる「人工知能」) Lv4: ディープラーニングを取り入れた人工知能。機械学習をする際に特徴量を自ら学ぶ。 弱いAIと強いAI どちらも問題を解くことができる。 哲学者ジョン・サールが言った。 弱いAI: 意識がない。「中国語の部屋」 強いAI: 意識がある。 1956年の伝説のワークショップで「人工知能」を命名 人工知能研究の四皇が集結 ジョン・マッカーシー マービン・ミンスキー アレン・ニューウェル

Harvard Business Reviewの、新刊本著者のインタビューポッドキャストを聞き流す中、これはと思った本があって読んでみたのだが、ものすごく面白かった。 Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy by Cathy O'Neil Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy 作者: Cathy O'Neil 出版社/メーカー: Crown 発売日: 2016/09/06 メディア: Kindle版 この商品を含むブログを見る 著者のCathy O'Neilはもともと数学研究者で、大学でテニュアトラックまで取っていたのだが、

アメリカで今、HRテックのスタートアップが続々と誕生。その数は400社を超える。テクノロジーはバックオフィスを、働き方をどう変えるのかー（前編はこちら）。 入社5年目のAさんはこの3カ月、残業時間が増えている。休日出勤も多い。気掛かりなのは最近になって、遅刻や欠勤が目立つことだ。 「疲れているのだろうが、一言注意しておくか」 上司はそうして一旦、様子を見るかもしれない。だが、システムは警告する。 「Aさんはそろそろ退職しそうです」 そして1カ月後、Aさんは転職していった。 採用担当のBさんは悩んでいた。ITベンチャーのC社から求人に応募してきたDさんは、実績も十分だ。しかし、自社の保守的な雰囲気とは合わない気がする。社内は紙でのやりとりがいまだに多いだけに、採用時にどんな傾向のあった人が、入社後に活躍してくれるのか？　社風が合わなければ、辞めてしまうのではないか？ 近年、採用時のデータと、

5人の遺体発見　オスプレイ機体主要部とともに海中捜索で 鹿児島県・屋久島沖でオスプレイが墜落した事故で、アメリカ空軍は、機体の残骸とともに複数の遺体を発見…

人工知能（AI）がブームになっているが、これまでのブームとどう違うのか。AIは、どのような発展段階にあるのか。人間の仕事を奪う「敵」なのか。人工知能学会会長である山田誠二氏の、こうした疑問に答えるような講演を要約してお届けする。 人工知能（AI）がブームになっているが、これまでとどう異なるのか。人工知能は、どのような発展段階にあるのか。人間の仕事を奪う「敵」なのか。こうした疑問に答えるような講演を、人工知能学会会長の山田誠二氏が、2016年11月1日に開催したイベント「SAS Analytics Next 2016」で行った。これを要約してお届けする。山田氏は国立情報学研究所教授、総合研究大学院大学複合科学研究科情報学専攻教授、東京工業大学情報理工学院情報工学系特定教授を務めている。 なお、以下は山田氏の講演を要約・再構成したものであり、文責は筆者にある。 「強いAI」と「弱いAI」 何を

Webアプリケーションにおける機械学習活用の基礎──HTML5 Conference 2016セッションレポート 中井悦司（グーグル株式会社） みなさん、こんにちは。Google Cloud Solutions Architectの中井です。 HTML5 Conference 2016では、「Webアプリケーションにおける機械学習活用の基礎」と題して、機械学習の基礎となる仕組み、そして、機械学習を利用したクライアントアプリケーションの例を紹介させていただきました。今回は、この発表の内容を振り返りたいと思います。 機械学習とディープラーニング、そして、AIの関係 機械学習そのものは古くから利用されている技術であり、過去のデータを元にして、「（まだ見たことのない）未来のデータにもあてはまる一般的なルール」を発見することがその役割となります。つまり、はじめて見るデータに対して、何らかの予測を立て

Xcode でソースファイルを編集中に UUID を簡単に生成できると都合が良かったので、そんな Xcode Source Editor Extension を試作してみることにしました。

新型MacBook Proに32GBのメモリ（RAM）が搭載できずにピーチクパーチク言っている人が多い。僕もその1人だ。電池持ちも大事だが、メモリは多いことに越したことはない。 ……と言ってみたものの、本当にRAMは32GBも必要なのだろうか。16GBでは不十分なのだろうか。 僕自身は必要ないだろう。現状、16GBのRAMで困っていることはない。ハードコアな映像制作も画像編集もしない。新モデルでも16GBで十分やりくりできるだろう。 8GBと16GBで迷っている人は下記記事が参考になるはず。 では、”プロ”と呼ばれる人たちはどうなのだろうか。究極のモバイルマシーンとしてMacBook Proを心待ちにしていたトップクリエイター達にとって、RAMが16GBというスペックはさすがに厳しいのではないだろうか。 ZDNetにMacBook Pro（2016）は、仮に”プロ”でもRAMは32GBも搭

サイトにスクリプトを追加する 先ほどの管理画面でCode Snippetボタンをクリックするとサイトに追加する自分専用のスクリプトが表示されるので、多言語化したいサイトの<body>内に追加します。全ページ対応したい場合は、共通のヘッダーやフッターに記述します。 翻訳したいページを登録する 次に、管理画面でNew Pageをクリックして、翻訳したいURLを入力、言語を選択してBegin!ボタンをクリックします。その後、翻訳を有料（Pro Translate）か無料（Machine Translate）が選べますが、とりあえずはMachine Translateボタンを押すと、翻訳画面に移ります。 この翻訳で良ければPublish & Saveボタンをクリックして終了です。※後ほど細かく手動で翻訳の修正もできます。 すると、サイト右下に言語切り替えのボタンが表示されます。 WOVNを試してみ

最近、Googleが開発したDQN（Deep Q-Network）と言う日本人からするとユニーク名前の人工知能が話題になりました。これには、ディープラーニング（Deep Learning）と言う人工知能の学習手法が用いられており、同様の手法を用いた人工知能が従来の人工知能の学習能力をあっさり上回ってしまったと世間を騒がせています。 しかし、このディープラーニングというのがいまいちよく理解されていません。非常に有用な手法であり、今後のビジネスに深く関わってくるということもあって専門家向けの解説は多数見受けられるのですが、素人向けの解説があまりありません。 本記事では、プログラミングや人工知能について全く詳しくない素人の方にも分かりやすくい形でご説明していきたいと思います。 関連記事： ・ディープラーニングの人工知能は囲碁や将棋やチェスをどんな風に考えて指すのか？ ・真の人工知能って何？チュー

Google翻訳にニューラルネットワークが導入されたというニュースが賑わっています。 Google翻訳で文章を翻訳した場合、今まではかなりおおざっぱな翻訳で、そのまま使えるようなものではありませんでした。 参考：ガバガバGoogle翻訳先生シリーズ – Togetterまとめ 例えば、英語のページに何が書かれているのかを知りたくて翻訳しても、そこからさらに何を言っているのか推理が必要となるほどでしたよね。。 しかし、Googleは今まで統計データを元に翻訳していたものを人工知能を使用した翻訳に切り替えたことによって劇的に翻訳の精度を上げることに成功したようです。 gigazine.net Google翻訳ではこれまでフレーズベースで機械翻訳するPBMTというシステムが採用されていましたが、このような単語やフレーズごとに機械的に文章を翻訳する方法ではなく、文章全体をひとつの翻訳単位として捉え

最近よく耳にするようになりました「AI（人工知能）」ですが、先日、こちらの記事にあるように、Facebook、Amazon、Google、IBM、Microsoftの5社は、AI（人工知能）に関して開発や普及を目的とした提携を発表しました。 jp.techcrunch.com 人工知能と言えばsiriなんかも身近なもので（厳密に言えば人工知能ではないようですが。。）、今ではGoolgeの検索エンジンに「RankBrain」と呼ばれるAIアルゴリズムがアップデートされるなど、多くの分野でAIが活用・導入されています。 検索結果に関しては、そのうち検索する人によって検索順位が全く異なるようになるかもしれませんね。。 さらに、先ほどの提携した5社により、すでにパートナーシップのウェブサイトも公開されていて、新たなサービスの開発など、今後の動向が気になる所です。 Home | Partnershi