サイエンスニュースまとめは、 生まれたばかりのブログです。 応援して下さいね☆ お友達にもここを教えてあげて下さいね。

※取り上げて欲しいニュースやテーマを募集しています!コメント欄に書き込んで下さいね!!!

ディープラーニング

【AI】ルービックキューブを一瞬で解くことに深層強化学習アルゴリズムが成功

1: 一般国民 ★ 2019/07/17(水) 23:25:30.88 ID:CAP_USER

ルービックキューブを一瞬で解くことに深層強化学習アルゴリズムが成功
https://gigazine.net/news/20190717-rubiks-cube-solve-deepcubea/
2019/7/17 12時20分
GIGAZINE

【科学(学問)ニュース+】

(写真)by Olav Ahrens Røtne
no title


囲碁のトップ棋士に勝利したAI「AlphaGo」は、自らの進化形として生まれた「AlphaGo Zero」に、誕生からわずか30時間で超えられてしまいました。AlphaGoとAlphaGo Zeroの違いは、AlphaGo Zeroが人間の棋譜を参考にせず、自身による強化学習で鍛錬を重ねたという点にありました。これと同じように、カリフォルニア大学アーバイン校(UCI)が生み出した深層強化学習アルゴリズム「DeepCubeA」は、人間の手助けなく、ルービックキューブをほんの一瞬で解けるようになったそうです。

UCI researchers’ deep learning algorithm solves Rubik’s Cube faster than any human | UCI News | UCI
https://news.uci.edu/2019/07/15/uci-researchers-deep-learning-algorithm-solves-rubiks-cube-faster-than-any-human/
no title


Solving the Rubik’s cube with deep reinforcement learning and search | Nature Machine Intelligence
https://www.nature.com/articles/s42256-019-0070-z

6色のパネル9枚で構成された六面体の立体パズル・ルービックキューブは、慣れてくると50手程度で解くことができ、最短だと20手を切ることが可能です。

UCIのピエール・バルディ教授らは、このルービックキューブを「DeepCubeA」と呼ばれる深層強化学習アルゴリズムで攻略。事前に解法を与えたり、人間を手助けをしたりすることなく、2日間かけた自己学習の結果、解決率100%、うち60.3%の事例で最短の解き方を得ることに成功しました。解くのにかかる時間は「ほんの一瞬」だとのこと。

バルディ教授によると、「DeepCubeA」は解決戦略が人間の解き方と異なっており、そもそも推論形式が異なっていると考えられるとのこと。プロジェクトの究極の目標は次世代AIシステムの構築にあるとのことで、「今回のことは、大きな目標への一歩です」とバルディ教授は語っています。

なお、今回の事例は「自己学習で解法に到達した」という点がポイントの1つ。すでにコンピューターを用いた「ルービックキューブ早解き」は相当な速度に到達しており、2018年にはマサチューセッツ工科大学のベン・カッツ氏とジャレッド・ディ・カルロ氏がわずか0.38秒での攻略に成功しています。

世界最速の0.38秒でルービックキューブを解くマシンが登場、世界記録を大幅に塗り替える様子がムービーで公開中 - GIGAZINE
https://gigazine.net/news/20180308-rubiks-cube-solving-machine/

GIGAZINE



引用元:http://anago.2ch.sc/test/read.cgi/scienceplus/1563373530/
続きを読む

【AI】「ディープラーニングは、原理的には単純な最小二乗法にすぎない」で物議 東大・松尾豊氏「深い関数の方が重要」

1: しじみ ★ 2019/02/20(水) 21:44:16.33 ID:CAP_USER

「ディープラーニングは、原理的には単純な最小二乗法にすぎない」――2月18日付けで日本経済新聞電子版が公開した記事について、Twitterでは「ディープラーニング=最小二乗法」という解釈は異なるのではという指摘が相次いだ。19日には「ディープラーニング」「最小二乗法」といったワードがTwitterでトレンド入りし、波紋が広がっていた。

 日経の記事では、慶應義塾大学経済学部の小林慶一郎教授がAI技術について解説。「近年、驚異的な発展を見せているAIのディープラーニング(深層学習)は、原理的には単純な最小二乗法(誤差を最小にする近似計算の一手法)にすぎない」と言及し、「ディープラーニングは『最小二乗法』」と題する図版が掲載された。
no title


 最小二乗法は、測定で得られたデータの組を、1次関数など特定の関数を用いて近似するときに、想定する関数が測定値に対してよい近似となるように、モデル関数の値と測定値の差の2乗和を最小とするような係数を決定する方法。ディープラーニングに詳しい東京大学の松尾豊特任准教授は、2018年8月に登壇したイベントで、「ディープラーニングは最小二乗法のお化けのようなもの」「従来のマシンラーニングは(階層的に)『浅い』関数を使っていたが、ディープラーニングは『深い』関数を使っている」と説明していた。
no title


 松尾氏は2月20日、Twitterの公式アカウントで「小林慶一郎先生はよく議論させていただくので、少し責任を感じています」とツイート。ディープラーニングを簡潔に解説するため「深い関数を使った最小二乗法」という言葉を使ってきたが、「深い関数を使った」という説明がいつも抜け落ちてしまうと嘆く。


松尾 豊
@ymatsuo
しかし、いつも「深い関数を使った」というところが抜け落ちてしまいます。ディープラーニングはその名の通り「深い」ことを強調した学術用語であり、そのくらい深いことが重要ですが伝わらない。深い関数により表現力が革命的に上がり、アルゴリズム的な挙動も含め表現できるのは驚くべきことです。
https://twitter.com/ymatsuo/status/1098116029987713024

松尾 豊
@ymatsuo
「最小二乗法」は、損失関数を最小化することで、モデルのパラメータをデータから推定することを、一般の人がぎりぎり持っている(かもしれない)知識で言い換えたもので、大雑把ではありますが、それほど悪くない言い方だと思っています。深いことに比べるとそれほど重要ではありません。
https://twitter.com/ymatsuo/status/1098116143393386497

松尾 豊
@ymatsuo
いずれにしても、経営者や政治家の方を含め、多くの人に正しく理解してもらうのは大変難しいです。「最小二乗法」がこれだけ話題になるというのは、逆に言うと、多くの人がぎりぎり理解できる地点がそこらへんまでなのだということを示してもいて、なかなか絶望的ではあります。まだまだ道は長いです。
https://twitter.com/ymatsuo/status/1098116255737737216

松尾 豊
@ymatsuo
翻って、「深い関数」という意味や、それがもたらす可能性を、(専門家の人も含め)どれだけの人がちゃんと理解しているのかとは、常々疑問に思います。もちろん、AI全般、あるいは知能全般の議論と簡単に結びつけるのは良くないですが、非常に大きな広がりがある技術だと思っています。
https://twitter.com/ymatsuo/status/1098116360062722048


 続けて、「深い関数により表現力が革命的に上がり、アルゴリズム的な挙動も含め表現できるのは驚くべきこと」「『最小二乗法』は、損失関数を最小化することで、モデルのパラメータをデータから推定すること(略)深いことに比べるとそれほど重要ではありません」と投稿。経営者や政治家など、AIに詳しくない非エンジニアに正しく理解してもらうための解説は「大変難しい」と痛感しているようだ。Twitterでも同様に、AI技術について上司や同僚にどう解説すればいいかを嘆くエンジニアの声も見られた。

 松尾氏は「深い関数」の意味やそれがもたらす可能性について、今後も研究や啓もう活動を続けていくと発信した。

ITmedia NEWS
https://www.itmedia.co.jp/news/articles/1902/20/news141.html
https://twitter.com/5chan_nel (5ch newer account)



引用元:http://anago.2ch.sc/test/read.cgi/scienceplus/1550666656/続きを読む

ATRと京都大学、fMRIで測定した人間の脳活動のみから、その人が見ている画像や心の中でイメージした内容の画像化に成功

1: しじみ ★ 2018/01/14(日) 23:13:39.25 ID:CAP_USER

ATR(国際電気通信基礎技術研究所)と京都大学の研究者らは、
fMRI(機能的磁気共鳴画像法)によって測定された人間の脳活動のみから機械学習を用いて視覚像を再構成する提案を論文にて発表しました。

本稿は、人間が見ている画像を、fMRIで測定した脳活動パターンのみで知覚内容を視覚化する機械学習を用いた手法を提案します。

提案手法では、画像を見る被験者からfMRIで測定した脳活動から、
画像の視覚特徴パターンを予測するよう学習したデコーダを用いてDNN(Deep Neural Network)の信号パターンへ変換します。
そして、DGN(Deep Generator Network)を組み合わせて画像を生成します。

これらのことで、人間が見ている画像に類似した画像を脳活動の情報から高いレベルで生成することを可能にしました。
以下の映像では、左に見ている画像、右に出力した画像が映し出されます。

心の中のイメージも画像化に成功
また、心の中でイメージした内容を画像化することにも成功しました。手法は上記と同じです。

上述では、見ている画像を再構成しましたが、今度は一度見た画像を記憶し、
画像を見ていない状態から心の中でイメージする脳活動だけで再構成するというものです。
被験者には、関連付いている単語と画像をペアで記憶させ、その後、単語を提示し画像を想起させました。

以下の映像では、その結果を確認する事ができます。左に記憶した画像、右に再構成した画像です。

画像:(左が見ている画像、右が再構成された画像)
http://shiropen.com/wp-content/uploads/2018/01/ezgif-4-1082d57d21.gif

図:本提案手法の概要。
no title


関連動画
Deep image reconstruction: Natural images https://youtu.be/jsp1KaM-avU


Deep image reconstruction: Visual imagery https://youtu.be/b7kVwoN8Cx4



Seamless
http://shiropen.com/2018/01/14/31458


続きを読む
最新記事
_
記事検索
相互RSS
連絡先
おすすめ理系学問入門書
大学学部生レベルの物理化学の名著。学んだアトキンスが何版かでマウントを取り合う人たちもいます。


基礎から丁寧に説明している量子力学。


遺伝子とは?種とは?を探究した名著。


数学とこの世界の生命との不思議な関係性を解き明かしています。

その他おすすめ書籍
これを読んで英語論文を書きました…
(理系英語論文の構文を学ぶなら、同じ分野のきちんとした英語論文の文章を参考にするのが一番良いとは思いますが、日本語思考と英語記述との橋渡しになりました。)



現代の世界情勢を理解するために最低限の世界史の知識は必須!