キャラクター性を持つAIチャットボット（AIキャラクター）の開発企業であるrinnaは2021年1月25日、企業向けAIチャットボット開発プラットフォーム「Rinna Character Platform」の新版を発表した。新たに開発されたチャットエンジン「Style Transfer Chat」では、200ペアという少量の会話データを基に“キャラクターのスタイル（口調）”を学習できる。また外部サービスとの柔軟な連携も可能にし、顧客独自の機能を追加しやすくなっている。新版は2021年春からの提供開始予定。 発表会には同社 社長のジャン・チェン氏らが出席し、2016年から提供してきた同製品の企業導入事例や新版の特徴、パートナープログラムなど今後の事業戦略などを説明した。またゲストとして日本マイクロソフトCTO、マイクロソフト ディベロップメント社長の榊原彰氏も出席し、Microsoft Re
Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 米ワシントン大学、米スタンフォード大学、米Adobe Researchによる研究チームが開発した「Lifespan Age Transformation Synthesis」は、1枚の顔写真から過去と未来の経年変化を推定する深層学習フレームワークだ。0歳から70歳までの頭部全体を予測する。 加齢をシミュレーションする既存手法の多くは質感の変化に限定されており、人間の老化や成長過程で生じる頭部形状の変化を見落としている。そのため、質の高い結果は得られていない。 この課題に挑戦するための理想的なモデルは、同一人物による1歳ごとのペア画像を用いて教師あり学習をすることだが、経年変化を捉えた大規模
フューチャーアーキテクト株式会社（本社：東京都品川区、代表取締役社長：神宮由紀、以下フューチャーアーキテクト）は、AIを活用したクラウド型のOCR（Optical Character Recognition：光学的文字認識）プラットフォームサービス「Future OCR®」の提供を2021年1月に開始しました。 フューチャーアーキテクトは、深層学習を活用した文字認識などのAI技術をベースに2019年に佐川急便様の配送伝票入力業務を自動化するAIシステムを開発し本稼働させました。配送伝票情報の読み取りから既存システムへの連携までの自動化はもとより、99.995％以上のAIによる手書き数字（サイズ、重量）認識精度を達成し、高い品質のデータ入力を実現しています。 「Future OCR®」は、フューチャーアーキテクトが佐川急便様をはじめ多数のお客様のプロジェクトで培った業務改革のノウハウと、業務
市販の歌声合成ソフトとして、ヤマハのVOCALOIDとともに独自の歴史を刻んできた「CeVIO」が1月29日、登場から8年を前に大きく進化。深層学習の技術を取り入れ「CeVIO AI」として、開発元のテクノスピーチが発売した。まずはその歌声を聴いてほしい。 これは、ソフト上で楽譜を打ち込んで再生ボタンを押しただけで出力された音声だ。それだけでこのように人間らしい歌声が出力できる。「しゃくりあげ」や「ビブラート」といった歌唱表現も勝手に付く。メインボーカルとして起用するにはもう少し調整が必要だが、作曲中の仮歌に使うなら文句のないクオリティーになっている。人間らしい歌声を合成するまでの時間が短いため、作業を迅速に進められるのがメリットの一つだ。 CeVIO AIリリースまでの道のり CeVIOは2013年公開のWindows専用音声／歌声合成ソフト。名古屋工業大学が長年研究しているHMM（隠れ
Three mysteries in deep learning: Ensemble, knowledge distillation, and self-distillation Published January 19, 2021 By Zeyuan Allen-Zhu , Senior Researcher Yuanzhi Li , Assistant Professor, Carnegie Mellon University Under now-standard techniques, such as over-parameterization, batch-normalization, and adding residual links, “modern age” neural network training—at least for image classification t
Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 米Google ResearchとGoogle Brainの研究チームが開発した「NeRF in the Wild」（NeRF-W）は、観光客などが撮影してインターネットで公開している建造物の写真を組み合わせて3次元化する、機械学習ベースの手法だ。 3次元にしたい建造物を一から撮影するのではなく、一般人が撮影した大量の写真データ群を使うのが特徴。手間を省き、忠実度が高いリアルな合成画像を作り上げる。 今回の手法は、Googleが以前にカリフォルニア大学バークレー校などと共同開発した「Neural Radiance Fields」（NeRF）をベースにしている。NeRFは、さまざまな角度から
｢自分が作ったAIアルゴリズムに排除されるかもしれない｣。ある宇宙物理学者の闘い2021.01.28 22:0014,502 Ryan F. Mandelbaum - Gizmodo US ［原文］ （ R.Mitsubori ） AIは人間が作り出したもの。神じゃない。 今や、機械学習アルゴリズムは人々の日常にすっかり入り込んでいます。私たちが目にするニュースや広告はもちろん、時には車を操作することもあります。しかし、これらのアルゴリズムには負の一面が潜んでいます。というのも、機械学習のアルゴリズムは｢人間が集めた、人間に関するデータ｣に依存しているため、バイアスのかかった情報を吐き出してくる恐れがあるのです。 たとえば、求職者の採用審査を実行するアルゴリズムは、白人以外の（と思われる）名前を自動的に却下してしまう恐れがあります。また、顔認証システムは白人男性の識別は得意ですが、女性や有
日本疫学会開催のセミナーで因果推論について60分のショートレクチャーをしました。 講義資料を公開します（本記事の一番下）。 質疑も盛り上がり楽しかったです、参加してくださった方ありがとうございました。 ボストン時間3AM~だったのでなかなかキツかったですが・・・ 初学者向けの内容で、以下のような話をしました。 「第一部」では因果効果識別のための条件や、DAGについて解説していただきました。 関連する記事はこちら。 「第二部」では主に識別の仮定が成立したあとどのように因果効果を推定するのか、そのための方法について議論しました。 以前公開した因果推論の講義資料の後半部分について、少し詳しく話をした感じです。 関連する記事はこちら。 傾向スコアを用いた方法と（アウトカムに対する）重回帰分析の比較は面白いのでは、と思っています。 口頭での講義資料であり、読みながらの学習に最適化していないこと あく
ディープラーニングフレームワーク SmallTrain 0.2.1 のリリースSmallTrain（スモールトレイン）は、Jupyter Notebookインターフェイスをサポートしました 株式会社 Geek Guild（ギークギルド)(本社：京都市）は、SmallTrain バージョン0.2.1をリリースをしました。 このリリースでは、Jupyter Notebook インターフェイスをサポートしています。 SmallTrainを使用すると、データサイエンスの知識がなくても、質の高いAIサービスの運用ができる学習済みモデルを効率よく構築できます。 JupyterLabが使用できるようにしました。 ソースコードや使い方などの詳細 https://github.com/geek-guild/smalltrain SmallTrain GitHub SmallTrainサイト https://
3つの要点 ✔️コンピュータビジョンにおけるTransformerの応用例について解説 ✔️動画理解・低ショット・クラスタリング・三次元解析タスクにおける研究例を解説 ✔️総数37モデル、本記事では9つのモデルを解説 Transformers in Vision: A Survey written by Salman Khan, Muzammal Naseer, Munawar Hayat, Syed Waqas Zamir, Fahad Shahbaz Khan, Mubarak Shah (Submitted on 4 Jan 2021) Comments: 24 pages Subjects: Computer Vision and Pattern Recognition (cs.CV) はじめに Transformerは自然言語処理のみならず、多くの領域で高い性能を発揮しています。
3つの要点 ✔️コンピュータビジョンにおけるTransformerの応用例について解説 ✔️セグメンテーション・画像生成・低レベル視覚タスクにおける研究例を解説 ✔️総数37モデル、本記事では9つのモデルを解説 Transformers in Vision: A Survey written by Salman Khan, Muzammal Naseer, Munawar Hayat, Syed Waqas Zamir, Fahad Shahbaz Khan, Mubarak Shah (Submitted on 4 Jan 2021) Comments: 24 pages Subjects: Computer Vision and Pattern Recognition (cs.CV) はじめに Transformerは自然言語処理のみならず、多くの領域で高い性能を発揮しています。その中
TFXの歴史を振り返りつつ機械学習エンジニアリングを提案する論文「Towards ML Engineering: A Brief History Of TensorFlow Extended (TFX)」 2021-01-17 この記事はMLOps Advent Calendar 2020の 25 日目の記事です。(盛大に遅れました) KDD2019 の招待講演で Google が TFX の歴史について発表されており、TFX 信者の自分としては発表内容が以前から気になっていたが、公開はされておらずなんとかして見れないかな~と思っていましたが、TensorFlow の Blogで該当の招待講演が論文化されたことを知ったのでメモがてら抄訳として残しておく。 注意)この翻訳記事は原著論文の著者陣からレビューはされていませんShunya Ueta, are providing a transla
今回の目的 前回までは画像処理についていろいろと試してきました。今回からは数回に分けて、自然言語処理（Natural Language Processing）について学んでいく予定です。ここ数年、機械学習の世界においてはTransformerやGPT-x、BERTなどなど、さまざまな技術が生み出されて、自然言語処理の分野が活況を呈しています。その適用領域も翻訳、文章の要約、感情分析、チャットボットなどなど、幅広いものです。 そうした中で、取りあえず今回からは青空文庫から著作権の切れた作品を学習データとして、文章生成を行うことを目的として、自然言語処理にまつわるさまざまな要素を学んでいくつもりです。
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
