InfoQ ホームページ MachineLearning に関するすべてのコンテンツ
-
GoogleがTensorFlowモデル最適化のためのQuantization Aware Trainingをリリース
Googleは、TensorFlow Model Optimization Toolkit用のQuantization Aware Training（QAT）APIのリリースを発表した。QATは、ニューラルネットワークトレーニングプロセス中に低精度のハードウェアをシミュレートし、全体的なネットワーク損失メトリックに量子化誤差を追加する。これにより、トレーニングプロセスがトレーニング後の量子化の影響を最小限に抑えられる。
-
Facebookがタンパク質配列を処理するAIモデルをリリース
Facebook AI Researchの科学者チームが、DNA配列のタンパク質データを処理するディープラーニングモデルをリリースした。モデルには約7億のパラメータが含まれており、2億5,000万のタンパク質配列によるトレーニングで生物学的特性を学習した結果として、ゲノミクス予測タスクにおける現在の最先端技術の改善に使用することが可能である。
-
TensorFlow 2.3ではパイプラインのボトルネックを削減し、前処理を改善
TensorFlowプロジェクトは、バージョン2.3.0のリリースを発表した。これは、入力パイプラインのボトルネックの低減、前処理用のKerasレイヤー、メモリプロファイリングのための新しいメカニズムを備えている。
-
AmazonがECSでEC2 Inf1インスタンスのサポートを発表
先頃のブログ投稿で、Amazonは、顧客がAmazon Elastic Container Service (ECS)でAmazon EC2 Inf1インスタンスを使用できるようになったと発表した。同社は、インスタンスのパフォーマンスが高く、予測可能なコストが低いことを約束している。
-
GoogleがTensorFlow開発者認定を導入
Googleは、ディープラーニングフレームワークであるTensorFlowの認定プログラムを開始した。認定試験はPyCharm IDEプラグインを使用して管理され、合格した受験者はGoogleのワールドワイドの認定ディレクトリにリスト化される。
-
TensorFlow Quantumが量子コンピュータと機械学習をひとつにする
TensorFlow Quantum(TFQ)は、Google量子コンピューティングフレームワークCirqとTensorFlowを組み合わせて、量子機械学習(ML)モデルの作成を可能にする。
-
Microsoftが偽情報に対抗する新テクノロジを発表
先日のブログ記事でMicrosoftは、偽情報(disinformation)に対抗する2つの新しいテクノロジを発表した。Video Authenticatorツールと、操作されたコンテンツを検出し、閲覧中のメディアが本物であることを保証するテクノロジである。
-
ML Kit Pose Detectionにより、iOSとAndroidで体の動きの追跡が可能
Pose Detectionは、当初はML Kitアーリーアクセスプログラムで利用可能であったが、正式にML Kitの一部になった。ライブラリは、顔のランドマーク、手、足などの人体を追跡できる。
-
Salesforceがデータベース用自然言語インターフェースPhotonをリリース
Salesforce Researchの科学者チームと香港中文大学(Chinese University of Hong Kong)は、データベース用自然言語インターフェース(NLIDB)Photonをリリースした。パーザ構築にディープラーニングを使用することにより、一般的なベンチマークで63パーセントという精度と、あいまいな質問の明確化をユーザに求めるエラー検出モジュールを実現している。
-
DeepMindのAgent57はすべてのAtari 2600ゲームで人間よりも優れた結果を出している
GoogleのDeepMindの研究者はAgent57と呼ばれる強化学習（RL）システムを作成した。Agent57は、Arcade学習環境で57のAtari 2600ゲームすべてで人間のベンチマークを上回った。Agent57は、パッケージの中で最も難しいゲームでさえ、人間よりも優れた結果を出した最初のシステムである。
-
GoogleのSEED RLが強化学習を80倍スピードアップ
Google Brainの研究者は最近、AI強化学習向けのスケーラブルで効率的なDeep-RL（SEED RL）アルゴリズムをオープンソース化した。SEED RLは、複数のRLベンチマークで最先端の結果をより低コストで、以前のシステムより最大で80倍高速に実現する分散型アーキテクチャである。
-
GoogleがCloud AIプラットフォームパイプラインのベータ版を発表
Google Cloud Platform（GCP）は最近、オープンソーステクノロジーであるTensorFlow Extended（TFX）とKubeflow Pipelines（KFP）を活用する機械学習（ML）ワークフローを自動化および管理するための新製品であるCloud AI Platform Pipelinesのベータ版を発表した。
-
サイレントビデオのサウンドトラックがAIで生成可能に
研究者のGhose、Prevost両氏が、指示された無音のビデオに対して、リアルなサウンドの同期サウンドトラックを生成可能な、ディープラーニングアルゴリズムを開発した。 生成するサウンドをクラス分類するようにニューラルネットワークをトレーニングし、サウンドを生成するようにシーケンシャルネットワークをトレーニングした。これにより、時系列のイメージから、まったく様式の異なるサウンド生成への移行を可能にしたのだ！
-
自然言語処理とゲノミクス処理を進化させるGoogleのBigBirdモデル
Googleの研究者たちが新たに、BigBirdと呼ばれるディープラーニングモデルを開発した。Transformerニューラルネットワークで、これまでよりも最大8倍長いシーケンスを処理することができる。このモデルをベースとしたネットワークが、自然言語処理(NLP)およびゲノミクス処理において、新たに最高のパフォーマンスレベルを達成した。
-
AWS、コンタクトセンタのワークフローを管理するAIサービスソリューションを導入
AWSは先頃、コンタクトセンタへのAIの統合を可能にするサービスのコンビネーションを、Contact Center Intelligence(CCI)として公開した。