InfoQ ホームページ Neural-Networks に関するすべてのコンテンツ
-
量子コンピュータとマシンラーニングの関係性を探る
Google AI Quantumチームは先頃、量子コンピュータとマシンラーニングとの関係の調査に寄与する2つの論文を発表した。InfoQでは今回、Googleの上級研究科学者であるJarrod McClean氏に話を聞き、これらの結果の重要性に関する理解を深めることができた。
-
SonyがImageNet上でResNet-50を224秒でトレーニング
Sonyの研究者グループは、ImageNet上でResNet 50アーキテクチャを、わずか224秒でトレーニングしたと発表した。 作成されたネットワークは、ImageNetの検証セット上で75パーセントのtop-1精度を持つ。彼らはこの記録を、NVIDIAの2.100 Tensor Core GPUを使用することで達成した。この記録と同時に、1.088 Tesla V100 Tensor Core GPUを使用して、90パーセントのGPUスケーリング効率も達成している。
-
MicrosoftがWindows 10 Updateで人工知能プラットフォームを組み込み
次のWindows 10 updateで、Windowsアプリケーションに人工知能を統合できるようになる。開発者は学習済みのディープラーニングのモデルをVisual Studioで直接アプリケーションに統合できる。
-
Microsoftは中国語-英語の機械翻訳で人と同等レベルに達した
Microsoftでは、人間の翻訳者が翻訳するのと同じように、中国語の文章を英語に翻訳する翻訳アルゴリズムを作成した。 これまでは、中国語の文章を英語に翻訳することは困難であった。ここ数年で驚くべき結果を生み出した技術であるニューラル機械翻訳のおかげで、Microsoftは機械による翻訳文を、人による翻訳文と同等のレベルにした。
-
物体検出のためのディープラーニングライブラリで、Facebookがオープンソースで提供するDetectron
FacebookやGoogleから最近、最新のディープラーニングアルゴリズムの実装がリリースされており、それによって困難な問題であるマシンオブジェクトの検出に取り組むことができる。
-
自走車による車線変更予測が改善
研究者は、自走車が周囲の車の車線変更を予測するアルゴリズムを開発した。このシステムは、Long Short-Term Memories（LSTM）と呼ばれるディープラーニング技術を使用して動作する。ハイウェイで最も可能性の高いシナリオは、すべての車がその車線にとどまることであるが、アルゴリズムはこの基準となる予測からわずかに改善することができた。
-
トレーニング不要なニューラルネットワークによるDeep Image Prior
オックスフォードの研究者とSkoltechは、トレーニングなしでDeep Image Priorをレンダリング可能な生成系ニューラルネットワークを開発した。
-
スタートアップ企業のVicariousが脳の視覚野にヒントを得たAIによるCAPTCHAの解読に成功
Vicariousがニューラルネットワークを改善して、Recursive Cortical Network(再帰的皮質ネットワーク)と呼ばれる新たなネットワークレイアウトによるCAPTCHA問題の解決を可能にした。一般的なニューラルネットワークとは異なり、RCNはトレーニング前の知識を一切持たず、輪郭(contour)と表面(surface)の知識からスタートする。この事前知識は、モデル構築と一般化可能性(generalizability)の向上に用いられる。
-
Jensen Huang氏がGPU Technology ConferenceでNVIDIAの新プロジェクトを発表
GPU Technology Conferenceがミュンヘンで今日から、NVIDIA CEOのJensen Huang氏の基調講演を皮切りに開催された。NVIDIAが発表したのはNVIDIA Holodeck、Tensor RT 3ライブラリ、同社の車載プラットフォーム、そして自動運転タクシー用のPegasusコンピュータだ。
-
Hillery Hunter氏に聞く: IBMがニューラルネットワークのトレーニング効率の向上によりトレーニング時間を短縮
2017年8月、IBMは、画像認識機能トレーニングの最高記録を更新したことを発表した。IBM Researchは、“ResNet-50”と呼ぶニューラルネットワークレイアウトのトレーニング時間を、わずか50分にまで短縮した。ResNet-101と呼ぶ別のネットワークレイアウトでは、33.8パーセントという精度も達成している。ニューラルネットワークのトレーニングは、256個のGPUを使用して、750万イメージを含むデータセット上で実施した。
-
AppleのiPhone X、専用ニューラルエンジンプロセッサを搭載
先日、Apple ParkのSteve Jobs Theatreにて、ワールドワイドマーケティング担当シニアバイスプレジデントのPhilip Schiller氏が、新しく発表されたiPhone Xの顔認識システムの技術について、A11チップに組み込まれた専用ニューラルエンジンを含めて説明した。
-
Teachable Machine: カメラを使ってブラウザで機械学習
Teachable Machineは、Webカメラを使ってトレーニングすることで、モノや表情を認識させることができるブラウザアプリケーションだ。 デモでは、Webカメラを使って、モノや表情の3つの異なるクラスを認識させることができる。カメラ入力に基づいて、サイトは異なるGIFを表示したり、録音済みサウンドを再生したり、音声を再生したりする。デモは teachablemachine.withgoogle.com にある。
-
Neural Compute StickをローンチしたMovidius(Intelの事業部門)とのQ&A
Movidius(IntelのNew Technology Groupの一部門)が先頃、組込み型ニューラルネットワークを実行するUSBベースの開発キットであるNeural Compute Stickをリリースした。このスティックを使えば、計算能力の低いデバイスでも、ニューラルネットワークとコンピュータビジョンモデルを実行することが可能になる。InfoQは、Intel New Technology GroupのMovidiusでマーケティングディレクタを務めるGary Brown氏に、いくつかの質問をした。
-
Facebook、Neural Machine Translationに移行
Facebookは最近、NMT (Neural Machine Translation) の世界展開を発表した。2,000以上の翻訳方向と1日45億の翻訳が、フレーズベースの翻訳モデルからNMTに切り替わる。Facebookによると、今回の切り替えによって、よく知られた翻訳スコアであるBLEU スコアは11%上がるという。ここでは、どうやって実現したのか、機械翻訳にとって何を意味するのか、競合に対してどうやっていくのか、説明する。
-
TensorFlow Processor Unitアーキテクチャ
TensorFlow Processor Unitアーキテクチャの設計と開発を行なったGoogleのハードウェアチームが、今月初め、そのアーキテクチャの詳細とベンチマークテストを公開した。昨年の同時期に公開された、TPUの最初の発表に対する続報となるものだ。