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

AI

    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: 2018/01/15(月) 18:22:05.48 ID:CAP_USER
2015年、グーグルは大きな非難を受けた。
グーグル・フォトの画像認識システムが黒人女性をゴリラと認識してしまったからだ。
しかし、2年経った今でも、問題は適切に修正されていない。
その代わり、グーグルは多くの霊長類に関連する画像タグを検閲して削除している。

ワイアード(Wired)は多くの動物の写真を使ってグーグル・フォトを再度テストした。確かに、パンダからプードルといった動物については簡単に認識できることは分かった。
しかし、ゴリラやチンパンジー、それにヒト科に分類されるチンパンジー属の画像については、ラベル付けされていなかった。

続きはソースで

関連ソース画像
https://cdn.technologyreview.jp/wp-content/uploads/sites/2/2018/01/12041914/rob-schreckhise-40905-1400x787.jpg

technologyreview
https://www.technologyreview.jp/nl/google-photos-still-has-a-problem-with-gorillas/
ダウンロード (1)


引用元: 【テクノロジー】〈黒人女性をゴリラと認識〉波紋を呼んだGoogleフォト「ゴリラ」誤認識、 機械学習ではいまだ解決せず

〈黒人女性をゴリラと認識〉波紋を呼んだGoogleフォト「ゴリラ」誤認識、 機械学習ではいまだ解決せずの続きを読む

    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: 2017/12/30(土) 10:13:19.20 ID:CAP_USER
子供の生きる力を育てるためには、年末年始になにをするのがいいだろうか。おすすめは「ボードゲーム」だ。
東京大学の特任講師・藤本徹さんは「子供が親と一緒にゲームをすることで、生きる力がつく」という。
ゲームで「社会の縮図」を体感することが子供の成長を促すのだ。では、どんなゲームがおすすめなのか。
「ゲーミフィケーション」の世界をご紹介しよう――。

子供は「複数人の大人と遊ぶ」ことで学び、力が伸びる
人工知能(AI)の普及が進む10~20年後。いまある仕事の約半数がAIにとって変わるといわれている。
今の子供たちが、将来困らないためには、どういった能力を身につけさせればいいのだろうか。

※オックスフォード大学のマックス・A・オズボーン博士による分析。
2015年に「未来の雇用」という論文で発表され、世界に衝撃を与えた。

私は、雑誌「プレジデントFamily2018冬号」の取材で、その「答え」を発見した。
それは「親子でボードゲームで遊ぶこと」だ。

今回、東京大学の特任講師・藤本徹さんらが主宰する「Ludi×Lab」に話を聞いた。
これはゲームと学習に関する研究者ユニットで、藤本さんはゲームの仕組みを学習や社会問題の解決に役立てようとする「ゲーミフィケーション」の専門家である。
藤本さんは「複数人で遊ぶボードゲームでは、人の振る舞いを見て学ぶ『ソーシャルラーニング』を手軽に行うことができる」という。

「主に1人でやるデジタルゲームと違って、ボードゲームでは親や友達と一緒に遊ぶことで相互作用が生まれます。
そこで会話したり、他のプレーヤーがどのようなやり方で勝ったのかを見て学んだりすることができます。
このような社会的な環境のなかで、さまざまな学びが得られるのがボードゲームの特徴なんです」(藤本さん)

「Ludi×Lab」メンバーの福山佑樹さん(東京大学の特任助教)も説明する。

「ロシアの教育学者・ヴィゴツキーが提唱した『発達の最近接領域』
ボードゲームにおいても子供は自分よりも経験値が高い人と遊ぶことで、普段の自分ができるよりも少し難しいことに取り組めるようになっていきます。自然とキャパシティーが広がり、いろいろな力が伸びていくんです」

※子どもが自力で問題解決できる水準と、他者からの援助や協働により解決可能となる、より高度な水準のずれの範囲のこと。

▼ボードゲームで来るAI時代を“生きる力”をつける
こうした力こそ、来るAI時代を“生きる力”になると語る。
2020年には大学入試方法を含む大規模な教育制度改革が行われる。
新学習指導要領では、生きる力をつけるために以下の3つが重要だとしている。

(1)基礎的・基本的な知識・技能
(2)知識・技能を活用して課題を解決するために必要な思考力・判断力・表現力など
(3)主体的に学習に取り組む態度

(1)はこれまでの教育で日本が得意としてきたことだ。問題は、(2)と(3)である。

そうした力を子どもに身に付けさせるために親として何をすればいいのか、2人の子供を持つ私自身もさっぱりわからなかった。
そもそも従来型の教育を受けてきた親世代に本物の思考力や判断力が備わっているのか怪しいのだから、わからなくても無理はないのだろうが。

しかし、「ボードゲームさえやっていれば、思考力も判断力も表現力も主体的に学習に取り組む態度も、大丈夫だ」とLudi×Labの皆さんは太鼓判を押す。
子供にとっても楽しい「遊び」だから、勉強のように「やりなさい」と叱る必要もなさそうだ。


藤本さんの言う「人の振る舞いを見て学ぶ=ソーシャルラーニング」は重要だ。
私たちは社会に出て企業に勤めるまで、ソーシャルラーニングの機会が少ない。
でも、それでは“生きる力”が不足したまま社会人として働き出すことになり、グローバル競争やAIとの仕事の奪い合いで負けてしまう。

続きはソースで

PRESIDENT Online
http://president.jp/articles/-/24121
images (1)


引用元: 【児童心理学】親とゲームをする子は将来"食っていける"「社会の縮図」をいちはやく学ぶ

親とゲームをする子は将来"食っていける"「社会の縮図」をいちはやく学ぶの続きを読む

    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: 2018/01/07(日) 22:54:09.26 ID:CAP_USER9
https://www3.nhk.or.jp/news/html/20180107/k10011281441000.html?utm_int=news-new_contents_list-items_010

1月7日 19時00分
インターネット上の交流サイトなどに個人が公開しているプロフィールをAI=人工知能が分析し、人材を求めている企業への転職をすすめるサービスが登場し、企業の採用活動の新たな方法として広がるか、注目されそうです。

東京・渋谷区のベンチャー企業「Sansan」は名刺を交換したビジネスマンの個人が交流できるSNSを運営しています。
この会社では、200万人に上るSNSの利用者に企業から転職の誘いがくるという人材の仲介サービスを始めました。

SNSに公開されている名刺のデータや交流の履歴をAIが分析し、人材を求めている登録企業の中から条件や相性が合いそうなところをSNSの利用者に提示します。
担当者の西村晃さんは「日々のビジネス活動が蓄積されたデータを基に客観的に企業を推薦できるのが強みだ」と話しています。

一方、東京・渋谷区のベンチャ-企業「スカウティ」はツイッターやフェイスブックといった交流サイトやブログなどに個人が載せているプロフィールや書き込みをAIで分析し、人材を求めている企業に紹介するサービスを始めました。

この会社のサービスは、ネット上のあらゆる場所を対象に書き込みの内容を分析し、書き込んだ個人が転職を希望しているかどうかにかかわらず、人材を求めている企業に紹介するのが大きな特徴です。
現在は人材を探す対象を技術系の職種に絞っていますが、すでに35の企業が利用しているということです。

島田寛基代表は「個人が情報をオープンにし、誰でも人工知能が使えるようになって企業の採用活動は変化していくのではないか」と話しています。

続きはソースで

ダウンロード (4)

引用元: 【IT】“AIスカウト“で変わる人事 ネットで人材発掘 企業に紹介

“AIスカウト“で変わる人事 ネットで人材発掘 企業に紹介の続きを読む

    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: 2017/12/06(水) 00:07:29.91 ID:CAP_USER9
シンギュラリティが始まったようです。詳細は以下から。

人間を越える人工知能が現れ、自らの力で新たな人工知能を作り上げてゆく未来。シンギュラリティ(技術的特異点)と呼ばれる時系列的な瞬間は2045年頃に起こるとされていましたが、既に私たちはその領域に足を踏み入れていました。

Google Brainの研究者らが「自らの力で新たな人工知能を作り上げるAI」であるAutoMLの開発に成功したと発表したのが今年2017年5月のこと。そしてこの度、AutoMLが作り上げた「子AI」はこれまで人類が作り上げたAIよりも優れた性能を持っていたのです。

Googleの研究者らは「強化学習(reinforcement learning)」と呼ばれる手法を用いて機械学習モデルのデザインを自動化。AutoMLは子AIが特定のタスクへの対応力を発展させるためのニューラルネットワークの制御装置の役割を担います。

今回のNASNetと名付けられた子AIはコンピュータ視覚システムで、リアルタイムの映像から人間、車両、信号、ハンドバッグ、バックパックなどを自動で認識します。

AutoMLはNASNetの性能を査定してその情報をNASNetの改善に用います。この行程を何千回も繰り返します。研究者らはImageNet image classificationとCOCO object detectionという2つの巨大画像データベースサイトで実験を行いましたが、NASNetはこれまで人類が作り上げたどのコンピュータ視覚システムよりもよい成績を収めました。

続きはソースで

配信2017年12月5日10:16
BUZZAP
http://buzzap.jp/news/20171205-google-brain-nasnet/


ダウンロード

引用元: 【IT】GoogleのAIが自力で「子AIの作成」に成功、しかも人間作より優秀 AutoML ★3

GoogleのAIが自力で「子AIの作成」に成功、しかも人間作より優秀 AutoML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: 2017/11/20(月) 12:11:02.07 ID:CAP_USER
 中国で行われた医師免許の筆記試験に参加したのは人間ではなく、清華大学などが開発したAI搭載の人型ロボット「暁医(シャオ・イー)」です。
人間の受験者と全く同じ問題に挑戦した暁医は、600点満点中456点を獲得し、合格ラインの360点を大きく上回った好成績を収め、ロボット初の合格となりました。去年の6月から試験勉強を始めた暁医は、数十冊の医学本をインプットしたということです。

続きはソースで

テレ朝ニュース
http://news.tv-asahi.co.jp/news_international/articles/000114884.html
ダウンロード (1)


引用元:  【テクノロジー/中国】中国では、AI(人工知能)を搭載したロボットが医師国家試験に合格しました。ロボット初の快挙です。

中国では、AI(人工知能)を搭載したロボットが医師国家試験に合格しました。ロボット初の快挙です。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: 2017/11/20(月) 12:16:52.81 ID:CAP_USER
東京大学(東大)は、機械学習の転移学習という技術を活用して人工知能が繰り返し成長することで、物質の界面の構造を決定するための計算コストを1/3600まで削減することに成功したと発表した。

同成果は、東京大学生産技術研究所の溝口照康 准教授、小田尋美氏、清原慎氏、東京大学大学院新領域創成科学研究科の津田宏治 教授らの研究グループによるもの。
詳細は日本の学術誌「Jounal of the Physical Society of Japan」に掲載された。

界面は、物質の電気伝導性やイオン伝導性、耐久性などの機能に役割を果たしている。
界面の構造は結晶とは異なっており、その構造が界面における機能の起源だ。
つまり、界面の機能を理解するためには、界面固有の構造を明らかにすることが不可欠だ。

一方で、同じ物質でも無数の種類の界面が存在し、それぞれの界面が異なる構造をもっている。
さらに、その中の1種類の界面でも、数千~数万個という候補構造が存在しており、従来はすべての候補構造について理論計算を行い、候補の中から最も安定なものを決める必要があったため、さまざまな種類の界面の構造を網羅的かつ系統的に決定することは困難だとされてきた。

研究グループはこれまで、ある問題を解くための人工知能を作成するクリギングという機械学習の手法を利用して人工知能を作成し、界面構造を探索させる手法を開発してきた。

続きはソースで

関連ソース画像
http://news.mynavi.jp/news/2017/11/17/090/images/001.jpg

マイナビニュース
http://news.mynavi.jp/news/2017/11/17/090/
ダウンロード


引用元: 【テクノロジー】人工知能が膨大な計算を3600分の1に削減 - 東大が転移学習を組み込んで成功

人工知能が膨大な計算を3600分の1に削減 - 東大が転移学習を組み込んで成功の続きを読む
スポンサーリンク

このページのトップヘ