研究室ではうまく機能する人工知能（AI）システムが、現実世界でうまく機能しないことはしばしばある。主な原因としてこれまで、AIを訓練・テストする際に使うデータと現実のデータの不一致が指摘されていたが、グーグルの研究チームは別の原因を突き止めた。 by Will Douglas Heaven2020.11.24 391 308 72 54 研究室で完璧に近い性能を発揮できるように調整された機械学習モデルが、現実世界では良い結果を出せないことがしばしばあるというのはよく知られている。通常これは、人工知能（AI）を訓練およびテストする際のデータと、現実世界で遭遇するデータの間に不一致が起こることが要因となって起こる問題であり、「データシフト」と呼ばれている。例えば、高品質な医用画像から疾病の兆候を発見するよう訓練されたAIが、忙しい病院の安価なカメラで撮影された、ぼけや切れ目がある画像に対して能

事業開発部の @himkt です．好きなニューラルネットは BiLSTM-CRF です． 普段はクックパッドアプリのつくれぽ検索機能の開発チームで自然言語処理をしています． 本稿では，レシピテキストからの料理用語抽出システム nerman について紹介します． nerman の由来は ner (固有表現抽出 = Named Entity Recognition) + man (する太郎) です． クックパッドに投稿されたレシピから料理に関する用語を自動抽出するシステムであり，AllenNLP と Optuna を組み合わせて作られています． （コードについてすべてを説明するのは難しいため，実際のコードを簡略化している箇所があります） 料理用語の自動抽出 料理レシピには様々な料理用語が出現します． 食材や調理器具はもちろん，調理動作や食材の分量なども料理用語とみなせます． 「切る」という調理

メルカリで写真検索とEdge AIチームに所属している澁井（しぶい）です。機械学習のモデルを本番サービスに組み込むための設計やワークフローをパターンにして公開しました。 GithubでOSSとして公開しているので、興味ある方はぜひご笑覧ください！ PRやIssueも受け付けています。私の作ったパターン以外にも、有用なパターンやアンチパターンがあれば共有してみてください！ GitHub：https://github.com/mercari/ml-system-design-pattern GitHub Pages：https://mercari.github.io/ml-system-design-pattern/README_ja.html なぜ機械学習システムのデザインパターンが必要なのか 機械学習モデルが価値を発揮するためには本番サービスや社内システムで利用される必要があります。そのた

世の中の企業がどのように機械学習を活用しているのか事例を知り、業界全体や自社の目の前の業務で抱えている課題解決に活かせるかを考えるきっかけとなるよう、52種類の事例を紹介します。 近年、AIにおける要素技術のひとつである「機械学習」を活用したニュースを耳にすることが多く、漠然と自社でも活用したほうが良いのではないかと考えている方は多いのではないでしょうか。 世の中の企業がどのように機械学習を活用しているのか事例を知り、業界全体や自社の目の前の業務で抱えている課題解決に活かせるかを考えるきっかけとなるよう、57種類の事例を紹介します。 宇宙ビジネスメディアである本サイト「宙畑（そらばたけ）」では、そんな「機械学習」にインプットするデータの一つとして、俯瞰的・継続的にデータを取得可能な「衛星データ」を提案しています。事例と合わせて、「衛星データ」の可能性にも注目いただけると幸いです。 ※202

【第40回AIセミナー】 「説明できるAI　〜AIはブラックボックスなのか？〜」 https://www.airc.aist.go.jp/seminar_detail/seminar_040.html 【講演タイトル】 機械学習モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識・識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究・提案されてきている。本講演ではこれら近年の代表的な説明法について紹介する。Read less

ai-elsi.org 2023 著作権. 不許複製 プライバシーポリシー

5. 5 目録 ◼ 私の失敗体験談（不均衡データの学習） ◼ 機械学習開発における壁 • 機械学習のビジネスフレームワーク「5D」 • Define（定義する） • Data（データを集める） • Development（開発する） • Deploy（実装する） • Drive（運用する） ◼ ビジネス応用における壁 • AIを使ったキュウリの自動選別 • 機械学習を使って売り上げに貢献する • 機械学習を使わない選択肢 ◼ まとめ 6. 6 目録 ◼ 私の失敗体験談（不均衡データの学習） ◼ 機械学習開発における壁 • 機械学習のビジネスフレームワーク「5D」 • Define（定義する） • Data（データを集める） • Development（開発する） • Deploy（実装する） • Drive（運用する） ◼ ビジネス応用における壁 • AIを使ったキュウリの自動選別 • 機

2019年9月19日「MACHINE LEARNING Meetup KANSAI #6」が開催されました。関西のIT企業が協力して開催している機械学習エンジニアのためのコミュニティイベント「MACHINE LEARNING Meetup KANSAI」。第6回となる今回は、LINE、オムロン、パナソニックシステムデザインの3社がプレゼンテーションを行いました。「機械学習を用いたテキスト正規化手法の動向」に登壇したLINE株式会社の朴炳宣氏は、LINEにおける音声合成技術の紹介と、近年のテキスト正規化手法の動向を解説しました。 機械学習を用いたテキスト正規化の今 朴炳宣氏（以下、朴）：ただいま紹介いただきました、LINE株式会社の朴でございます。大勢の方の前でしゃべることはなかなかないので緊張していますが、よろしくお願いします。 まず自己紹介からですが、私、名前から察していただけるように、

世界最大のeコマース事業者の精度とノウハウをお手軽に ―AWSのAIサービス「Amazon Personalize」「Amazon Forecast」 アマゾンウェブサービスジャパン（以下、AWSジャパン）は10月29日、同社が提供するマネージドな機械学習サービス「Amazon Personalize」と「Amazon Forecast」に関する報道陣向けの説明会を行いました。いずれのサービスともに、昨年11月の「AWS re:Invent 2018」で発表されたもので、すでに東京リージョンでも一般提供が開始されています。 この2つのマネージドサービスは、AWSの親会社であるAmazon.comが20年間に渡って小売事業者として培ってきたテクノロジやノウハウが投入されており、マシンラーニングの知識や経験をもたない一般的なビジネスユーザでも簡単に利用できることから、企業規模を問わずに急速に国

Amazon Web Services ブログ Amazon SageMaker を使用したメジャーリーグベースボールでの新しいスタッツの計算  ファンに沢山の新しい展開を見せてくれた爽快なレギュラーシーズンが終わり、2019 年のメジャーリーグベースボール (MLB) ポストシーズンがやってきました。MLB とアマゾン ウェブ サービス (AWS) は、MLB ゲームで盗塁成功確率、シフトの影響、およびピッチャーの類似点マッチアップ分析の 3 つの新しいリアルタイムの機械学習 (ML) スタッツを開発して実現するためにチームアップしました。これらの機能は、莫大な量の野球データを収集し、ファンが野球の試合を楽しむあらゆる面において、より多くの洞察、見解、および背景を提供するための MLB の最新鋭テクノロジー、Statcast Ai を通じて、ファンが野球をより深く理解できるようにしてく

こんにちは、ZOZOテクノロジーズで機械学習の研究開発をしている松井・真木です。2019 年 9 月末にコペンハーゲンで行われた推薦システムのトップカンファレンスである RecSys 2019 に参加してきたので、本稿では参加報告と気になった論文の紹介をします。 recsys.acm.org Overview RecSys では推薦システムに関するアルゴリズムはもちろん、インターフェースやユーザー心理など幅広い話題を扱っています。今年は参加チケットが売り切れたことからも注目度の高さが伺えます。研究発表はロングペーパーとショートペーパーからなり、採択率はそれぞれ 19%、24%でした。個人的に印象的だったのは、参加者の 7 割以上が企業所属である一方、発表者の数でみるとアカデミアの勢力も強かった点です。私はこれまでいくつかの国際会議に参加してきましたが、RecSys は笑いを取りに来る発表者

2019.09.24 技術記事 コンピュータビジョンの最新論文調査 Single Image Super-Resolution 前編 by shunsuke.nakamura #AI

［CEDEC 2019］ゲームの敵AIはAIに作らせる。「『強い』を作るだけが能じゃない！ディープラーニングで3Dアクションゲームの敵AIを作ってみた」聴講レポート ライター：箭本進一 パシフィコ横浜で2019年9月4日〜6日，ゲーム開発者向けカンファレンス「CEDEC 2019」が開催されている。本稿では，AIにAIを作らせるというユニークな試みを紹介するセッション「『強い』を作るだけが能じゃない！ディープラーニングで3Dアクションゲームの敵AIを作ってみた」の模様をお伝えしたい。 「CEDEC 2019」公式サイト 4Gamer「CEDEC 2019」記事一覧 登壇したのはLuminous Productionsのプログラマー，上段達弘氏だ。スクウェア・エニックス入社後にゲームエンジン「Luminous Studio」の開発に携わり，「FINAL FANTASY XV」ではAI関連の実

株式会社ZOZO(本社：千葉県千葉市　代表取締役社長：前澤 友作)が運営するファッション通販サイト 「ZOZOTOWN」(https://zozo.jp/)は、AIを活用し、各商品画面からユーザーが閲覧する商品と似ている商品を検索できる、「類似アイテム検索機能」の提供を本日8月26日(月)より開始いたしました。 今回の「類似アイテム検索機能」の開発は、ZOZOTOWNやWEARなどZOZOグループが運営するサービスの技術開発を担う、株式会社ZOZOテクノロジーズ(本社：東京都渋谷区 代表取締役社長：久保田竜弥、代表取締役CINO：金山裕樹)がおこないました。各商品画面上にある「画像検索アイコン」をタップするだけで、閲覧中の商品の形・質感・色・柄などをもとにAIが似ている商品を検出し、一覧で表示します。1つの商品を起点として、「これと似た色の服をチェックしたい」「こんな柄の服がほしい」などの

マサチューセッツ工科大学（MIT）などの研究者が、古代文字を解読できる機械学習システムを開発し、クレタ島の古代文字である線文字Bを解読させることで、システムの能力を実証した。大規模データベースに頼らずに言語を翻訳する手法を採用しており、今までに解読されていない古代言語を翻訳できるかもしれない。 by Emerging Technology from the arXiv2019.07.04 1229 482 21 0 1886年、英国の考古学者であるアーサー・エヴァンズは、見慣れぬ文字で奇妙な碑文が刻まれた古代の石に出くわした。その石は地中海にあるクレタ島で見つかったもので、エヴァンズはさらなる証拠を探しに、すぐさま島へと向かった。間もなく、似たような文字が記された多数の石と粘土板を発見し、紀元前1400年頃のものであると推定した。 紀元前1400年頃と時代が推定されたことにより、この文字は

(Image by Pixabay) "Top 10 Statistics Mistakes Made by Data Scientists"という刺激的なタイトルの記事が出ているのをKDnuggets経由で知りました。「データサイエンティストがやらかしがちな統計学的な誤りトップ10」ということで、いかにもなあるある事例が色々載っていて面白いです。 ということで、今回はこの記事を全訳にならない範囲で抄訳して、その内容を吟味してみようと思います（直訳しても意味が取りづらい箇所が多かったためかなりの部分を抄訳ながら意訳しています：こういう訳の方が良いなどのコメントあれば是非お寄せください）。言わずもがなですが、こういう海外記事紹介をやる時はネタ切れということです、悪しからず。。。 元記事の内容 1. Not fully understand objective function（目的関数が何か

「機械学習を誰でもアクセスできるようにしたい。そのために世界中をこうして講演して回っています」 その少年は、若干15歳とは思えない口ぶりで聴衆に語り始めた。 インド生まれの天才少年タンメイ・バクシ。5歳からコードを書くようになり、9歳でiOSの時刻表アプリを開発。プログラミングに取り憑かれた。 そのときの経験をもとにプログラミング言語「Swift」についての本も出版。YouTubeチャンネル「Tanmay Teaches」を立ち上げ、アプリ開発、数学から科学に至るまでの情報を発信し、現在はIBMチャンピオン（IBMのソリューションやソフトウェアに対し、年間を通してそのテクニカル・コミュニティーに優れた貢献をしてきた支持者）として世界中を飛び回る生活を送る。 「将来は10万人がプログラミングを学べるように助けたい」と語る少年が、2019年3月14日、15日にかけて開催されたビジネスカンファレ

せーのでございます。 只今私はAmazon初めてのAI・機械学習系カンファレンス「re:Mars 2019」に参加するため、アメリカはラスベガス「Aria Casino & Resort」に来ております。 このエントリでは「M18-Fighting Human Trafficking Using Machine Learning」についてレポートします。 スピーカーはThorn CEO、Julie Cordua氏、AWS Artificial Intelligence Director、Ranju Das氏です。 レポート AWSと一緒に5年前から取り組んできた闘いとオンラインでの幼児の性的虐待について AIについて話す前にまず人間について話したい 子供の性的虐待は世界が始まる頃からあった 技術の進歩により、虐待も加速した この20年でオンライン上で子供の売買市場が出来上がり、オンラインで

Machine Learning 15minutes! というイベントで登壇したときの資料です。 https://machine-learning15minutes.connpass.com/event/127412/

機械学習Podcast「TWiML＆AI」で先週取り上げられた可視化ライブラリ「Yellowbrick」が非常に便利だったので紹介します！ちなみにPodcastには作者の1人であるRebecca Bilbroさんが出演しているので興味持った方は是非聞いてみてください。 twimlai.com www.scikit-yb.org Yellowbrickとは 一言で言うと、機械学習に特化した可視化ライブラリです。実装的な面で言うと(こちらの方がわかりやすいかもしれません)、scikit-learnとmatplotlibをラップして、scikit-learnライクなAPIで使うことができるものです。 例えば相関行列のヒートマップをプロットしたい場合は次のように書くだけでグラフを作ることができます。 visualizer = Rank2D(features=features, algorithm=