Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
10分で見る人工知能
法政大学 理工学研究科 応用情報工学専攻
川崎 雄介
自己紹介
• 川崎 雄介
– 法政大学 理工学研究科 応用情報工学専攻 M1
– 全脳アーキテクチャ若手の会 会計担当
– まさかのセキュリティ分野で登壇
2
What are these?
3
What are these?
4
“りんご” “なし”
何故わかったのか?
5
赤い+丸い
“りんご”
黄色+丸い
“なし”
平たく言えば人工知能は
コンピュータに人のような認識能力を与える
6
統計的な特徴
学習の方法
ビッグデータ
図解
7
赤い+丸い
“りんご”
黄色+丸い
“なし”
知識
図解
8
赤い+丸い
“りんご”
黄色+丸い
“なし”
知識
リンゴ!
ナシ!
人工知能(機械学習)の応用範囲
9
商業:レコメンドシステム
医療:画像診断
ネットワーク:スパム検知
セキュリティ:異常検知
(例)セキュリティへの応用
• Jubatusを用いたスパム検知
10
解析ログ
学習
解析
評価
特徴抽出 Jubatus
(学習)
Jubatus
(評価)
10%
90%
なぜ今注目されているのか
① 大量のデータが入手できる環境
11
統計的な特徴
学習の方法
ビッグデータ
なぜ今注目されているのか
② 特徴量という壁を打ち破った = Deep Learning
12
統計的な特徴
学習の方法
ビッグデータ
従来
13
知識
従来
14
知識
キイロッポイ=ナシ
従来
15
知識
キイロッポイ=ナシ
上が赤い = りんご
従来
16
知識
!?
従来
17
知識
!?与えられた画像ひとつひとつに
いちいち「赤い」「丸い」などの
特徴をつけていくときりがない!
機械学習の今
• 識別にとって有益な特徴を「自動」で入手する
Deep Learning
18
!!!
最近の成功例
• Googleの猫
明示的に教えなくとも
「猫」や「顔」の概念を獲得
19
機械が自動生成した画像
Quoc et al, “Building High-level Features Using Large Scale Unsu...
最近の成功例
• 一般物体認識コンテスト
1000クラスの画像識別問題で
人間に匹敵する識別性能を実現
(当時識別率 85% )
20Krizhevsky et al, “Imagenet Classification with Deep Co...
最近の成功例
• Deep Q Network (DQN)
仕組みそのものはCNN+強化学習
コンピュータに「行動則」を学ばせる
21Volodymyr et al, “Human-level control through deep rein...
人工知能界隈の動き
• 2015 年 1 月
– Torch7 の一部をオープンソース化
• 2015 年 2 月
– 総務省が 技術的特異点に関連する会合を開催
• 2015 年 3 月
– Watson(IBM)が銀行員に「内定」
• 20...
まとめ
• 人工知能
– コンピュータに人間のような処理能力を与える
• AI 界隈は非常にHOT
– Deep Learningの出現
• 日本企業もこぞって注目
23
Upcoming SlideShare
Loading in …5
×
Upcoming SlideShare
全脳アーキテクチャ若手の会 強化学習
Next
Download to read offline and view in fullscreen.

7

Share

Download to read offline

10分で見る人工知能

Download to read offline

2015/04/26 wasabi発表資料です。

Related Books

Free with a 30 day trial from Scribd

See all

Related Audiobooks

Free with a 30 day trial from Scribd

See all

10分で見る人工知能

  1. 1. 10分で見る人工知能 法政大学 理工学研究科 応用情報工学専攻 川崎 雄介
  2. 2. 自己紹介 • 川崎 雄介 – 法政大学 理工学研究科 応用情報工学専攻 M1 – 全脳アーキテクチャ若手の会 会計担当 – まさかのセキュリティ分野で登壇 2
  3. 3. What are these? 3
  4. 4. What are these? 4 “りんご” “なし”
  5. 5. 何故わかったのか? 5 赤い+丸い “りんご” 黄色+丸い “なし”
  6. 6. 平たく言えば人工知能は コンピュータに人のような認識能力を与える 6 統計的な特徴 学習の方法 ビッグデータ
  7. 7. 図解 7 赤い+丸い “りんご” 黄色+丸い “なし” 知識
  8. 8. 図解 8 赤い+丸い “りんご” 黄色+丸い “なし” 知識 リンゴ! ナシ!
  9. 9. 人工知能(機械学習)の応用範囲 9 商業:レコメンドシステム 医療:画像診断 ネットワーク:スパム検知 セキュリティ:異常検知
  10. 10. (例)セキュリティへの応用 • Jubatusを用いたスパム検知 10 解析ログ 学習 解析 評価 特徴抽出 Jubatus (学習) Jubatus (評価) 10% 90%
  11. 11. なぜ今注目されているのか ① 大量のデータが入手できる環境 11 統計的な特徴 学習の方法 ビッグデータ
  12. 12. なぜ今注目されているのか ② 特徴量という壁を打ち破った = Deep Learning 12 統計的な特徴 学習の方法 ビッグデータ
  13. 13. 従来 13 知識
  14. 14. 従来 14 知識 キイロッポイ=ナシ
  15. 15. 従来 15 知識 キイロッポイ=ナシ 上が赤い = りんご
  16. 16. 従来 16 知識 !?
  17. 17. 従来 17 知識 !?与えられた画像ひとつひとつに いちいち「赤い」「丸い」などの 特徴をつけていくときりがない!
  18. 18. 機械学習の今 • 識別にとって有益な特徴を「自動」で入手する Deep Learning 18 !!!
  19. 19. 最近の成功例 • Googleの猫 明示的に教えなくとも 「猫」や「顔」の概念を獲得 19 機械が自動生成した画像 Quoc et al, “Building High-level Features Using Large Scale Unsupervised Learning,” 2011
  20. 20. 最近の成功例 • 一般物体認識コンテスト 1000クラスの画像識別問題で 人間に匹敵する識別性能を実現 (当時識別率 85% ) 20Krizhevsky et al, “Imagenet Classification with Deep Convolutional Neural Network,” 2012
  21. 21. 最近の成功例 • Deep Q Network (DQN) 仕組みそのものはCNN+強化学習 コンピュータに「行動則」を学ばせる 21Volodymyr et al, “Human-level control through deep reinforcement learning,” 2015
  22. 22. 人工知能界隈の動き • 2015 年 1 月 – Torch7 の一部をオープンソース化 • 2015 年 2 月 – 総務省が 技術的特異点に関連する会合を開催 • 2015 年 3 月 – Watson(IBM)が銀行員に「内定」 • 2015 年 4 月 – R社が人工知能研究所を設立 22
  23. 23. まとめ • 人工知能 – コンピュータに人間のような処理能力を与える • AI 界隈は非常にHOT – Deep Learningの出現 • 日本企業もこぞって注目 23
  • KidoYoji

    Mar. 15, 2019
  • SUSHIPON

    Jun. 26, 2017
  • MasakazuShinya1

    Mar. 7, 2016
  • motoakinakamura79

    Feb. 23, 2016
  • nukushi

    Apr. 30, 2015
  • ryuichitanabe10

    Apr. 27, 2015
  • KeijuHigashi

    Apr. 26, 2015

2015/04/26 wasabi発表資料です。

Views

Total views

2,759

On Slideshare

0

From embeds

0

Number of embeds

48

Actions

Downloads

37

Shares

0

Comments

0

Likes

7

×