理系にゅーす

理系に関する情報を発信! 理系とあるものの文系理系関係なく気になったものを紹介します!

スポンサーリンク

学習

    このエントリーをはてなブックマークに追加 mixiチェック Share on Tumblr Clip to Evernote
1: 2019/01/25(金) 15:16:16.74 ID:CAP_USER
「ライバルがAI(人工知能)を使ったサービスを発表したそうだ。ウチはどうするんだ」――本連載では、上司から突然こんなむちゃぶりを受けて困っている人のために、AIプロジェクトの進め方をいちからまとめてきた。

 あなたはAI導入の目標を明確にし、必要なデータをそろえ、PoC(概念実証)を実施して、AIをどう活用すれば本当に役立つのかを把握した所だ。


 あとは本番環境に実装すれば任務完了――と言いたいところだが、残念ながらこれで終わるわけではない。

 採用した新人を現場に配属して「あとはよろしく」で終わる人事担当がいたらどう思うだろうか? AIを開発して終わりと考えるのは、それと同じようなものだ。AIが真に成果を出せるかどうかはその後のフォローで決まると言っても過言ではない。本稿で解説する3つのフォローが実施できるよう、予算とマンパワーを確保しておいてほしい。

■その1:「偏見を持つAI」を作らないために 運用後も「再学習」
 これまでの記事でも述べてきたが、本連載ではAIを「これまで人間のみが実行可能だった作業や、人間には不可能だった作業を、機械がデータに基づいて実行することを可能にする仕組み」と定義している。

 実際に最近のAIアプリケーションは、データを使ってAIを学習させ、目標とする作業をさせるものが多い。そのため連載第2回で解説したように、AI導入プロジェクトでは「適切な質と量のデータを集められるかどうか」が重要になる。
http://image.itmedia.co.jp/news/articles/1901/25/koba4_02.jpg

 AIの開発が終わったからといって、この課題が消えてなくなるわけではない。1度学習させた内容が、時間経過や環境の変化などで不適切なものになる可能性があるためだ。

連載第2回では、米Amazon.comの失敗についても解説した。採用候補者の履歴書を自動で審査するAIを開発したところ、女性よりも男性を高く評価する「偏見」を持つようになってしまったというものだ。この原因は、学習に使用した過去10年分の履歴書において、男性からの応募が大半を占めていたことにある。そして実際に大量の男性が採用されていたことで、AIが「女性」という性質を、低い点数を与えるシグナルと解釈してしまったわけだ。

 これは開発時の学習用データ準備の失敗ということになるが、環境や時代の変化によってAIの学習内容が時代遅れになってしまった事例という解釈もできるだろう。

 例えばいま、日本の企業がAmazonのように過去の履歴書を学習用データとした「履歴書審査AI」を導入したとしよう(ソフトバンクやサッポロビールなど、実際に採用プロセスにAIを活用する企業は既に登場している)。

 このAIは女性差別をしないように調整されているものの、過去の採用で応募してきたのは日本人ばかりだ。しかし今後、少子高齢化対策として日本で外国人が働きやすくなり、大勢の外国人がこの会社に応募するようになったとしたらどうだろうか。非常に優秀な外国人候補者がいても、AIは彼もしくは彼女を適切に評価できない恐れが大きい。

 このように、いくら過去のデータに基づいて優秀なAIを開発しても、その後の環境変化でAIのアウトプットが不適切なものになる可能性がある。そのためAIの判断精度を定期的に確認して、必要であれば新しいデータを使って「再学習」してやる必要があるのだ。

続きはソースで

ITmedia NEWS
http://www.itmedia.co.jp/news/articles/1901/25/news041.html
images


引用元: 【AI】“がっかりAI”はなぜ生まれる? 「作って終わり」のAIプロジェクトが失敗する理由 [01/25]

“がっかりAI”はなぜ生まれる? 「作って終わり」のAIプロジェクトが失敗する理由の続きを読む

    このエントリーをはてなブックマークに追加 mixiチェック Share on Tumblr Clip to Evernote
1: 2019/02/12(火) 11:45:47.19 ID:CAP_USER
(CNN) ミツバチに訓練を施せば、足し算と引き算を学習できるとの研究結果が発表された。今回の発見が、脳の大きさとその処理能力の関係についてのよりよい理解につながる可能性がある。

オーストラリアのロイヤルメルボルン工科大学(RMIT大学)の研究者が科学誌サイエンス・アドバンシーズで研究結果を発表した。報告書の執筆者によれば、今回の発見が示唆するのは、数字に関するより深い理解は、これまで考えられていたよりも、非ヒト動物にとって把握しやすいものである可能性があるということだという。

多くの動物は、必要不可欠な作業のための基本的な水準の数字について理解している。しかし、これまで、足し算と引き算の能力を示した動物は、チンパンジーやヨウム、クモなど一部に過ぎない。今回の研究で、ここにミツバチが加わった。

RMITによれば、今回の研究が将来の人工知能の開発に役立つ可能性もある。

続きはソースで

https://www.cnn.co.jp/storage/2019/02/11/65029aa53d0b9c6b5f487815dcafab87/002-honeybees-math-study-diagram.jpg
https://www.cnn.co.jp/fringe/35132552.html
ダウンロード


引用元: 【生物】ミツバチ、訓練すれば足し算引き算できます 豪研究[02/12]

ミツバチ、訓練すれば足し算引き算できます 豪研究の続きを読む

    このエントリーをはてなブックマークに追加 mixiチェック Share on Tumblr Clip to Evernote
1: 2019/02/14(木) 16:00:39.94 ID:CAP_USER
アマゾンで買い物をするとき、購入したサービスや商品の価格を設定したのは、おそらく人間ではなくアルゴリズムだ。自動化システムがますます手ごろで簡単に実装できるようになるにつれ、価格設定アルゴリズムはあらゆるオンライン販売で使われるようになってきた。

航空会社やホテルは長らく機械を使って価格を設定してきたが、価格設定システムは進化しており、ルール・ベースのプログラムから強化学習ベースのプログラムへと移行し、価格を決定するロジックはもはや人間がコントロールするものではなくなった。

強化学習はAI(人工知能)エージェントに対し、特定の目標に向けて罰と報酬を使って動機付けする機械学習のサブセットである。アルファ碁(AlphaGo)が、囲碁で最強の棋士を打ち破るのに強化学習を使ったのは有名だ。価格設定システムは、たとえば、全体的な利益を最大化するなどの目標を与えられ、その後、シミュレーション環境でさまざまな戦略を実験し、最適な戦略を見付ける。だが、 ある新しい論文では、このシステムが大きな問題を起こす可能性を指摘している。

続きはソースで

https://cdn.technologyreview.jp/wp-content/uploads/sites/2/2019/02/13030511/amazon-1400x787.png

https://www.technologyreview.jp/nl/pricing-algorithms-can-learn-to-collude-with-each-other-to-raise-prices/
ダウンロード (3)


引用元: 【AI】アマゾンの強化学習ベースの価格設定アルゴリズムが「談合」まで学習してしまう[02/14]

アマゾンの強化学習ベースの価格設定アルゴリズムが「談合」まで学習してしまうの続きを読む

    このエントリーをはてなブックマークに追加 mixiチェック Share on Tumblr Clip to Evernote
1: 2019/02/12(火) 12:07:12.84 ID:CAP_USER
 食べ物に含まれる油脂の存在を強く意識はできないが、あればより好んで食べたくなる。私達はどうやって油脂の存在を知るのか?九州大学五感応用デバイス研究開発センターの安松(中野)啓子特任准教授、二ノ宮裕三特任教授らの研究グループは、他の味とは独立して脂肪酸の味を伝える神経を鼓索神経の一部に発見した。これは甘味、苦味、うま味、塩味、酸味の5つの基本味に加え、脂肪の味が6番目の基本味である新たな証拠となるという。

 これまで、げっ歯類の味蕾細胞に受容体GPR40や受容体GPR120 、さらにトランスポーターCD36が存在し、脂肪酸を受容している可能性が示唆されていた。しかし、ヒトの官能評価、げっ歯類の嗜好性、そして細胞の応答性に関する今までの研究では、脂肪酸独自の味の存在を証明することはできなかった。

 今回マウス鼓索神経単一線維における応答を記録したところ、脂肪酸に特異的な応答を示す神経線維が全体の約17.9%を占めていた。

続きはソースで

論文情報:【Acta physiologica】Fatty acid taste quality information via GPR120 in the anterior tongue of mice
https://onlinelibrary.wiley.com/doi/full/10.1111/apha.13215

https://univ-journal.jp/24738/
ダウンロード (3)


引用元: 【味覚】脂肪酸は6番目の基本味、証拠となる神経を九州大学が発見[02/12]

【味覚】脂肪酸は6番目の基本味、証拠となる神経を九州大学が発見の続きを読む

    このエントリーをはてなブックマークに追加 mixiチェック Share on Tumblr Clip to Evernote
1: 2019/01/23(水) 16:43:50.92 ID:CAP_USER
立教大学は1月21日、国内初となるAI(人工知能)に特化した大学院「人工知能科学研究科」(修士課程)を2020年4月に開設すると発表した。機械学習の数理モデルや統計学の知識を持つ「AIサイエンティスト」や、AI開発ができる「AIエンジニア」などの輩出を目指す。

「人工知能科学研究科」
http://image.itmedia.co.jp/news/articles/1901/22/rikyo1.jpg

 機械学習やディープラーニング(深層学習)を中心としたAI領域について学習・研究できるカリキュラムを設置し、文理融合型プロジェクトを推進、各界を代表する企業との産学連携による社会実装にも積極的に取り組む環境を設けるとしている。

続きはソースで

設置科目(予定)
http://image.itmedia.co.jp/news/articles/1901/22/rikyo2.jpg

ITmedia NEWS
http://www.itmedia.co.jp/news/articles/1901/22/news083.html
ダウンロード (3)


引用元: 【AI】立教大が“AI特化”の大学院 国内初[01/22]

立教大が“AI特化”の大学院 国内初の続きを読む

    このエントリーをはてなブックマークに追加 mixiチェック Share on Tumblr Clip to Evernote
1: 2019/01/07(月) 14:06:33.54 ID:Emp7KWTk
人工知能(AI)は非常に幅広い概念であり、その定義は絶えず進化している。どんなアルゴリズムでも、コンピューター・プログラムでも、十把ひとからげにAIと呼ばれてしまうこともしばしばだ。現時点でAIと呼ばれているものは何なのか、究極的に何を目指しているのか考えてみた。

厳密に言うと、人工知能(AI)とは何だろうか。基本的な質問に思えるかもしれないが、その答えは多少複雑だ。

もっとも広義には、AIは、自ら学習して、推論し、行動できる機械を指す。そうした機械は、新たな状況に直面しても、人間や動物と同じように自ら決断を下すことができる。

現在人々がよく耳にするAIの進歩やAIの応用といったことのほとんどは、機械学習というアルゴリズムのカテゴリーを指している。こうしたアルゴリズム は、統計的手法を用いて、莫大な量のデータからパターンを発見する。そうして発見したパターンを使って予測をする。たとえば、あなたがネットフリックスのどの番組を気に入るかとか、あなたがアレクサ(Alexa)に話しかけたとき、その話は何を意味しているのかとか、核磁気共鳴画像(MRI)に基づいてがんに罹患しているかどうか、といったことを予測するのだ。

機械学習とその一部である深層学習(これは基本的には強化型機械学習のことである)は信じられないほど強力であり、多くの主要なブレークスルーの基盤になっている。

続きはソースで

https://cdn.technologyreview.jp/wp-content/uploads/sites/2/2018/11/10233423/flow-chart-og-cropped.jpg

はっきりさせるために、封筒の裏にフローチャートを描いてみた(上図)。これを見れば、何がAIを活用していて、何がそうでないかを判断できるだろう。

https://www.technologyreview.jp/s/112335/is-this-ai-we-drew-you-a-flowchart-to-work-it-out/
ダウンロード (2)


引用元: 【AI】「人工知能ってなに?」あなたはこの質問に答えられますか

【AI】「人工知能ってなに?」あなたはこの質問に答えられますかの続きを読む
スポンサーリンク

このページのトップヘ