InfoQ ホームページ Deep+Learning に関するすべてのコンテンツ
-
Googleのコグニティブへの投資：Cloud Speech APIが一般利用可能レベルに到達
最近のブログ投稿において、Googleは自身のCloud Speech APIが一般利用可能(GA)となったことを発表した。このCloud Speech APIにより、開発者は動的な翻訳に加え、動画、画像、そしてテキストの解析のような、認識処理のための訓練済み機械学習を利用可能になった。Cloud Speech APIは昨年の夏にオープンβの形で開始された。
-
ディープラーニング技術を使用してIBMは音声認識で新たなマイルストーンを達成
IBMの調査チームは最近、SWITCHBOARD言語コーパスを使用して、5.5％の単語誤り率で音声認識における新たな業界記録に達したことを発表した。これは、人の誤認率と言われる5.1％に近づいている。彼らはこのマイルストーンを達成するためにディープラーニング技術と音響モデルを使用した。
-
TensorFlow 1.0がリリース
Googleは最近、TensorFlowバージョン1.0を発表した。 Python APIは現在安定しており、JavaとGoの実験的なAPIが追加されている。XLAによって、パフォーマンスが劇的に向上する。Kerasは、ビルドインモジュールを使用してTensorFlowと統合することもできる。tf.transform、tf.layers、tf.metrics、tf.lossesの全てが、フレームワークに新機能として追加されている。
-
Giltのディープラーニング応用
ディープラーニングはニューラルネットワークを起源として，マシンラーニングの中で急速に進化しているサブフィールドだ。最近のアルゴリズム的な進歩とGPUによる並列化の活用は，囲碁のようなゲームをマスタするだけでなく，ディープラーニングをベースとしたアルゴリズムによる実用的なアプリケーションをいくつも実現している。 ファッション業界はその対象分野のひとつだ。 Giltは実用的なアプリケーションとしてディープラーニングを利用している。
-
Android ThingsはTensorFlowベースの機械学習とコンピュータビジョンをIoTデバイスにもたらす
最近リリースされたAndroid ThingsのDeveloper Preview 2 (DP2) では、IoTデバイスにおける機械学習とコンピュータビジョンにTensorFlowが簡単に使えるようになった。加えて、いくつかのIoTプラットフォーム向けにUSBオーディオのサポートが拡張され、Intel Jouleのサポートも追加された。また、新しいNative PIO APIを通じて、ネイティブドライバを直接使えるようになった。
-
Spark Summit EUのハイライト - TensorFlow, 構造化ストリーミング，GPUハードウェアアクセラレーション
Apache SparkとディープラーニングライブラリTensorFlowとの統合，構造化ストリーミング(Structured Streaming)とGPUハードウェアアクセラレーションを使用したオンラインラーニング – この２つが，先週ブリュッセルで開催されたSpark Summit EU 2016のハイライトだ。
-
GoogleがAlloのレコメンデーショングラフ処理アルゴリズムを公表
Googleは，さまざまな複雑性空間と予測出力を持つ大規模なグラフに対して，実行時間の一定なグラフストリーミングアルゴリズムを詳説した。
-
Googleが画像キャプションの機械学習モデルをTensorFlowに移行，オープンソース公開へ
TensorFlowが機械学習とデータ科学の分野でその採用を拡げつつある。既存の学習モデルやエンジンがパフォーマンス向上を目的として既存のフレームワークから移植される例も多く，オープンソースプロジェクトとしての採用と成功にも拍車がかかっている。
-
Amazon、AWSの深層学習フレームワークとしてMXNetを選択
AmazonのWerner Vogels氏は、内部で採用する深層学習ツールキットとしてMXNetを選択し、AWSのコミットメントをオープンソースMXNetエコシステム開発に広げることを発表した。
-
Ocade社は、新しいカスタマーサービスアプローチのために、TensorFlowとGoogleクラウドプラットフォームを利用する。
Ocado Technologyは、返答時間を早くすることと、大きなカスタマー数と限りあるサポートリソースの活用や人格を持たないサポートボットを避けることを目的に、カスタマーの電子メールを自動的に分類したり優先度を付けるためにTensorFlowを利用する。
-
YouTubeのレコメンデーションアルゴリズムはどのように動くか
Googleが最近発表した 論文において、YouTubeのエンジニアが、YouTubeレコメンデーションアルゴリズムの内部動作について、今まで以上に詳細に分析した。この論文は、9月にBostonで開催されたレコメンダシステムの第10回ACMカンファレンスで発表された。この記事では、YouTubeが、この業界で最大、かつ、最も複雑なレコメンデーションシステムを操作するために、どのようにディープラーニングを使うのか分析する。
-
IBMがコグニティブ・コンピューティングのための相変化メモリによる人工ニューロンの開発に成功
チューリッヒのIBM Researchにて，科学者チームが相変化材料(phase-change materials)を使用し，データの保持と処理が可能な人工ニューロンを開発した。 これら相変化ベースの人工ニューロンは，ビッグデータ(イベントベース・データのリアルタイム・ストリーム)におけるパターン認識や相関の発見に利用できる。また，教師なし学習を高速かつ小エネルギーで実施することができる。
-
CommAI: FacebookによるAIのトレーニングとテストのためのシステム
Facebookは、AIシステムのトレーニング・評価プラットフォーム、CommAI-envをリリースした。これは「A roadmap towards Machine Intelligence」にインスパイアされたもので、人間やマシンとのインタラクションによるさらなる専門的トレーニングの土台となる汎用学習能力を、知的エージェントに教えることを狙いにしている。
-
TensorFlowでキュウリの選別・仕分けを学習する
組み込みシステムエンジニアとしてのバックグラウンドを持つキュウリ農家が、自動化のためにキュウリ農家の選別・仕分けスキルを真似させようと、TensorFlowニューラルネットワークに学習させた。
-
Facebook オープンソース ディープラーニング プロジェクト Torchnet
Facebook人工知能研究所は、Torchnetプロジェクトをまとめてオープンソースとして公開する。ディープラーニングのボイラープレート（訳注：お決まりのコード断片）を再利用やプラグインできるように最適化する。