生成AI（人工知能）の世界では、米OpenAI（オープンAI）と米Microsoft（マイクロソフト）による連合と米Google（グーグル）が頂上決戦を繰り広げているが、続く3番手を挙げるとすれば米Meta（メタ）だろう。 米Amazon Web Services（アマゾン・ウェブ・サービス）やスタートアップなど、生成AIや大規模言語モデル（LLM）のサービスを提供する企業は他にも存在するのだが、生成AIやLLMの開発力ではメタが抜きん出ているためだ。 メタの技術力の高さを示す象徴が、同社が公開する生成AIやLLMのオープンソースだ。 メタが2023年2月に事前学習済みのLLMである「LLaMA（ラマ）」をオープンソースとして公開したことで、数多くの「ChatGPTクローン」が登場したことは、以前の本コラムでも紹介した通りだ。 その後もメタは強力な能力を備えた「すごいAI」を相次ぎオープン
Kyle Kuzma is a lot of things. He’s a forward for the Washington Wizards NBA team and a 2020 NBA champion. He’s also a style icon — depending on who you ask — and an angel investor. No
Netflixは2019年12月3日（現地時間）、データサイエンスプロジェクトを迅速かつ容易に構築、管理するためのフレームワーク「Metaflow」をオープンソースソフトウェアとして公開した。 MetaflowはNetflixが開発したPythonライブラリ。コンテンツ配信やビデオエンコーディングの最適化など、社内の何百ものユースケースに2年間、Metaflowを用いてデータサイエンスを適用してきたという。 なぜMetaflowを開発したのか Metaflowの開発が始まる前、Netflixの機械学習インフラチームはデータサイエンティストに対して社内では何が困難なのかをインタビューした。大規模なデータの扱いやモデル作り、最新GPUに関した回答が集まると当初は考えていたものの、予想は外れた。 最も困難だったのは、「バージョン1」のローンチに到達するまであまりにも時間がかかることだったという。
PyTorch開発チームおよびオープンソースコミュニティと連携し、フレームワーク開発、MN-CoreプロセッサのPyTorchサポートなどを推進 株式会社Preferred Networks（本社：東京都千代田区、代表取締役社長：西川徹、プリファードネットワークス、以下、PFN）は、研究開発の基盤技術である深層学習フレームワークを、自社開発のChainer™から、PyTorchに順次移行します。同時に、PyTorchを開発する米FacebookおよびPyTorchの開発者コミュニティと連携し、PyTorchの開発に参加します。なお、Chainerは、本日公開されたメジャーバージョンアップとなる最新版v7をもってメンテナンスフェーズに移行します。Chainerユーザー向けには、PyTorchへの移行を支援するドキュメントおよびライブラリを提供します。 PFN 代表取締役社長 西川徹は、今回の
AI技術を活用して映像を加工し、普通の馬をシマウマに変える、政治家に言ってもないせりふを言わせる、さらには有名女優のアダルトビデオを作成する――もちろん全て「うそ」（フェイク）なわけですが、いまやありとあらゆる映像加工が可能な時代になりました。2004年に放送されたSFアニメ「攻殻機動隊S.A.C. 2nd GIG」の中で、AIのタチコマが「映像に証拠能力はもうない、一般大衆を楽しませるだけ」という印象的なせりふをつぶやくのですが、それから15年たったいま、この言葉は現実のものになったといえるかもしれません。 最近ではこうしたAIによる高度なフェイク映像は「ディープフェイク」あるいは「ディープフェイク・ビデオ」などと呼ばれ、その危険性が叫ばれるようになっています。つい最近も、こんな映像が注目を集めていました。 米国のリチャード・ニクソン元大統領が原稿を読み上げる短いクリップ。画質は粗く、彼
5/15より東大松尾研究室からDeepLearningエンジニア養成講座「DL4US」の演習コンテンツが無償公開されました。 ※講義パートは公開されていない DL4USコンテンツ公開ページ 私は業務でデータ分析に携わっており、sklern等での機械学習には触れたことがありますが Deep Learningは「いつか勉強しよう...」と思ってできていない状況でした。 ※一度Udemyで講座を受講しましたが、挫折しています。 まだDL4USのLesson0,1をやってみただけですが、非常に良いものだと感じたのでシェアしたいと思います！！ DL4USについて DL4USの紹介記事から本講座の特徴を引用させていただきます。 アプリケーション指向 高度な数学的知識は不要 1人1台独立した仮想GPU環境を用意 実際にモデルを学習させながら技術を習得 コードはすべてKeras （TensorFlow）と
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads 71 Ads API 11
生産設備から社会インフラ、各種災害対策まで「メンテナンス」「レジリエンス」に関する最新の製品や技術、サービスを一堂に集めた展示会「メンテナンス・レジリエンスTOKYO2018」（2018年7月18～20日、東京ビッグサイト）の特別講演に東京大学大学院 工学系研究科 特任准教授の松尾豊氏が登壇。「AIの発達によりわれわれの生活・産業がどのように変わるのか」をテーマにディープラーニング研究の重要性について紹介した。 生産設備から社会インフラ、各種災害対策まで「メンテナンス」「レジリエンス」に関する最新の製品や技術、サービスを一堂に集めた展示会「メンテナンス・レジリエンスTOKYO2018」（2018年7月18～20日、東京ビッグサイト）の特別講演に東京大学大学院 工学系研究科 特任准教授の松尾豊氏が登壇。「AI（人工知能）の発達によりわれわれの生活・産業がどのように変わるのか」をテーマにディー
人工知能(AI)を使ったコンピューターに、より正確な判断を行わせるには学習が不可欠とされています。学習の量が増えれば増えるほど、より高度な判断を行うことができるのですが、学習量を増やすためには大規模な処理をこなせる「計算量の高い」システムが必要です。AIの非営利の研究機関として設立されたOpenAIによると、AIの学習で使用される計算量は2012年から3.5カ月で倍になるスピードで進化し続けていて、2018年現在では約30万倍以上に達しているとのことです。 AI and Compute https://blog.openai.com/ai-and-compute/ OpenAIは「アルゴリズム」「学習データ」「計算量」の3つが、AIを進歩させるために必要不可欠な要素であると述べています。アルゴリズムやデータの改良は数値化させることは困難ですが、計算量は定量化可能であり、計算量の推移を見るこ
実社会でディープラーニング（深層学習）の利用拡大を目的としたコミュニティ「DEEP LEARNING LAB」は異常検知に関する質問が非常に多かったことを受け、2月14日に異常検知ナイトを開催した。同コミュニティ初となるエンジニア向けのイベントで、深層学習で異常検知問題を解く方法論や異常検知関連の最新技術情報に関する情報を共有した。 2時間以上に渡るロングタイムなイベントの中から、本稿では主要なセッションのレポートをお届けする。セッション後の質問やライトニングトークなどに興味があれば、ぜひYouTubeライブのアーカイブをご覧いただきたい。 異常検知入門 最初に登壇した株式会社Preferred Networksの比戸 将平氏は、異常検知の概要を説明した。イベント当日がバレンタインデーということで、「会社でチョコを3つもらいました」「今年はチョコ0個でした」「今年も彼女が手作りどら焼きをく
(注：2017/04/08、いただいたフィードバックを元に翻訳を修正いたしました。 @liaoyuanw ) この記事は、私の著書 『Deep Learning with Python（Pythonを使ったディープラーニング）』 （Manning Publications刊)の第9章2部を編集したものです。現状のディープラーニングの限界とその将来に関する2つのシリーズ記事の一部です。 既にディープラーニングに深く親しんでいる人を対象にしています（例：著書の1章から8章を読んだ人）。読者に相当の予備知識があるものと想定して書かれたものです。 ディープラーニング： 幾何学的観察 ディープラーニングに関して何より驚かされるのは、そのシンプルさです。10年前は、機械認識の問題において、勾配降下法で訓練したシンプルなパラメトリックモデルを使い、これほど見事な結果に到達するなど誰も想像しませんでした。
人工知能（AI）などを活用し、システム開発プロジェクトのプロセス改革に取り組む富士通。この改革のために、2017年11月から本格活用するツールの1つが「ソース診断」だ。このツールでは、英数字や記号といった文字列の固まりであるソースコードを、テキストデータとしてではなく、画像として分析するという。 どのような仕組みでソースコードの不備を見つけるのか。ツール活用により、開発プロセスをどう改善するのか。ツールの開発責任者である富士通アプリケーションズの森崎雅稔取締役兼ソフトウェアエンジニアリングセンター長に聞いた。 保守性の低いコードを見逃しやすい ソース診断は、ソースコードのレビュー作業の効率化と精緻化を支援するツール。画像化されたソースコードを基に、AIが主に可読性を診断する。ツールで可読性が低い箇所に当たりを付け、該当箇所を集中的にレビューすることによって、レビュアーは作業の効率化と精緻化
プログラム問題としてあまりにも有名になってしまったので、今ではあらゆる言語のFizzBuzzがそろっています。面白いですね。 深層学習 で FizzBuzz この記事の読まれている大半の方は、FizzBuzzを書くのにあまり苦労しないでしょう。 しかし、あなたが何かの拍子でプログラムの書き方を忘れてしまったらどうでしょう？ 心配する必要はありません。そういうときこそAIの出番です。 最近は空前の人工知能ブームで、猫も杓子もDeep Learningです。 実際、Deep LearningによるFizzBuzzは、いくつも先例があります。 Fizz Buzz in Tensorflow TensorFlowコトハジメ Fizz-Buzz問題 Kerasでfizzbuzz問題を解いてみる 実装方法にはバリエーションがありますが、基本的には 入力は直前の数値 or 文字列 出力は「数値」「Fiz
「TensorFlow.js」公開、Webブラウザ上で機械学習の開発、学習、実行が可能に。WebGL経由でGPUも活用 TensorFlow.jsの基となったオリジナルの「TensorFlow」は、Googleが開発しオープンソースとして公開されている機械学習ライブラリです。Windows、Mac、Linuxなどに対応し、Python、C＋＋、Java、Goなどに対応したAPIを備えています。 今回発表されたTensorFlow.jsはそのJavaScript版で、Webブラウザ上で実行可能。TensforFlow.jsのAPIはオリジナルTensorFlowのPython APIのすべてをサポートしているわけではありませんが、似た設計となっており、機械学習のモデルの構築、学習、学習済みモデルの実行が可能なほか、学習済みモデルのインポートも可能。 WebGLを通じてGPUを利用した処理の高
スイマセン。クソ煽りタイトルですが、下記の記事のタイトル意訳しただけです。草生やして更にクソさを増してはいます。 Neural network AI is simple. So… Stop pretending you are a genius 個人的にはぜひ本文読んでこの記事のクソ煽りっぷりを満喫してほしいのですが、英語読むのもメンドクセという方に、何が書いてあるかをさらっとだけ説明すると。 要はニューラルネットワークって、↓のPythonで11行のコード分の処理やってるだけじゃね？ こんなの使いまわした程度で「うはｗｗｗ俺天才ｗｗｗ」みたいな顔すんのやめろ、ってことのようです。 まぁハッキリ言って、クソ記事ｗｗｗ煽り乙ｗｗｗなんですけど。 でもぶっちゃけ、真実なんですよ。ある面においては。 僕も今の会社に入るまでディープラーニングに関する知識ほぼゼロだったけど、今は少なくとも、自分の業
日本マイクロソフトは1月18日、昨年の5月23日 開発者向けイベント de:code で発表した、Preferred Networks （PFN）との戦略協業に関する最新状況を紹介するとともに、最近の同社のAIに関する動向を説明した。 この協業は、両社の深層学習関連技術を組み合わせて、深層学習関連のソリューション開発を行うこもので、1月18日、プロジェクト「ONNX（Open Neural Network Exchange）」にPFNとマイクロソフトのDeep Learning Framework 「Chainer」 が参加することが新たに発表された。 PFNとの協業 ONNXは、マイクロソフトとFacebookによる共同プロジェクトで、異なるディープラーニングフレームワーク間でAIモデルの相互運用性の実現を図る取り組み。 マイクロソフトはAI関連ソリューションとChainerを統合する取
「人工知能の分野では、だんだんと黒魔術の影響力が強くなってきています」――“最強将棋ソフト”「Ponanza」を開発した山本一成さん（愛知学院大学特任准教授）が、NHKの番組「視点・論点」で語ったこんな話が、NHKの公式サイトに掲載され、注目を集めている。 記事によると、10年前、山本さんが「Ponanza」を作った当時は、アマ5段の山本さんが8枚落ちのハンデを付けても勝ってしまうほど「とても弱い将棋プログラム」だったが、わずか10年で名人に勝つまでに成長した。 Ponanzaに限らず、人工知能が飛躍的に成長する中で「人工知能の性能を上げるほど、なぜ性能が上がったのかを説明できなくなっている」という「少し困った状況」が起きていると、山本さんは話す。人工知能研究の分野では、「どうやって生まれたのか、あるいはなぜ効果が出るのかわからない技術の総称」として、「黒魔術」という言葉がスラングとして定
Amazon SageMaker（機械学習モデルを大規模に構築、トレーニング、デプロイ）| AWS
広く採用されている AWS の機械学習と分析機能をまとめた Amazon SageMaker は、分析と AI のための統合エクスペリエンスを、すべてのデータに対する統合アクセスとともに提供します。モデル開発、生成 AI、データ処理、SQL 分析のための使い慣れた AWS ツールを使用して、統合スタジオ (プレビュー) からより迅速にコラボレーションして構築できます。これは、ソフトウェア開発のための極めて有能な生成 AI アシスタントである Amazon Q Developer によって加速されます。データレイク、データウェアハウス、サードパーティーまたはフェデレーテッドデータソースのいずれに保存されているかにかかわらず、すべてのデータにアクセスし、組み込みガバナンスを活用して、企業のセキュリティニーズに対応できます。
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
