Recommended
More Related Content
Similar to AI理論とビジネス 中井眞人氏 20171122
Similar to AI理論とビジネス 中井眞人氏 20171122 (20)
Recently uploaded
Recently uploaded (12)
AI理論とビジネス 中井眞人氏 20171122
- 2. 自己紹介 • 分析 統計 構築15年以上 – 時間 経過 劣化 予測精度 驚 – 統計 興味 持 • 統計数理研究所 研究生 機械学習 – 5年前 難解 PRML 認識 機械学習 無 – PRML 含 殆 統計 C言語 実装 経験 持 SVM HMM EM 判別木 変分 粒子 GP CoxHazard 非線形計画法 深層学習(CNN RNN LSTM) 強化学習 • 現在 都立産業技術大学院学生 研究 – SLAM Openpose 用 逆強化学習 • AI論文 日一本読 目標 10本読 人 – 世界中 天才 参入 信 程 記述 多
- 3. 目次 1. 理論 推移 2. 推移 3. 問題点 4. 論文 読 方 5. 6. AI 機械学習 深層学習 強化学習 指
- 4. AI理論 推移 衝撃的 革新技術 出現 築 既存技術 破綻 達磨落 過程
- 5. 1. AI理論 推移(2) • 1950年 1980年 手作 大型計算機 第2次AI 述語論理 (Plolog) 大失敗 日本 AI 停滞 一因 • 1980年 2000年 貴重 個人計算機 出現 頻度統計:識別 (現象 表 統計 解 重回帰分析 主成分分析 分析精度 検定指標 P値,AIC) 行 • 2000年 2010年 増加 計算機 性能 向上 統計:生成 (原因 現象 説明 ) 現象 隠 変数 暴 EM MCMC LDA HMM 粒子 分析精度 構築 試験 分離 試験 再現性 検証 • 2010年 豊富 並列計算機 性能 向上 深層学習 隠 変数 解 画像 音声 認識性能 飛躍的 向上 動画 認識 • 将来予想 自己強化学習 知覚性能 向上 高 報酬 求 計算機 自分 学習
- 6. 2. AI 推移 2000年 貴重 計算機 貧弱 感 経験 示 発展 医療診断 計画 時系列解析 統計 (SAS SPSS) 普及 欧米 多様 社会 適応 多様化推進 日本 品質管理 規格化推進 部品化 廉価 2000年 2010年 増加 個人計算機 性能 向上 統計 多様化 精度指標 無 向 豊富 Web 基 顧客分類 LDA 特定 情報配信 Gunosy Amazon) 豊富 前提 成果 出 xgboost xgboost 特徴量自動抽出 過学習防止 Free 夢 様 判別 2010年 豊富 並列計算機 性能 向上 深層学習 豊富 使 画像 動画 音声認識 高精度 結果 出 特 動画 成果 顕著 深層学習 成熟 初 AI 実現
- 7. 3 AI 問題点 • 深層学習 理論 未解明 一般人 構築 容易 – 深層学習 手作 成功 1000 失敗 岡谷貴之) – 成功 深層学習 構築先(大企業 主導権 持 – 成功 殆 Image-net等 学習済 成果 使 • 大学 公開 – 今日 隆盛 公開 大多数 成果 認知 – 導入評価報告 Kaggle 実績 待 知 • Google Softbank等 API 汎用的 競合相手 多 Image-net 深層構造
- 8. • 月間2000本 発表 AI論文 Web 告知 性能 意義 早 察知 先 応用 考 鍵 – 論文 殆 追試 様 実験結果 – 早期 認 為 公開 増 (10%)程度 – 性能 手法 論文 読 必要 3.1 AI論文 公開 https://github.com/dennybritz/deeplearning-papernotes/ blob/master/README.md 月間 論文 件数推移
- 9. 3.2 公開 • 殆 python 多種 深層学習 存在) • 追試 性能 調 応用 一番早 • 著名 公開 例 – 強化学習 DQN Unreal – 生成画像 • VAE 本質(癖) 学習 画像 生成 • 本物 似 仮想 画像 生成 – 翻訳 pix2pix seq2seq – 画像言語変換 pix2seq seq2pix pix2pix Unreal pix2seq seq2pix VAE GAN
- 10. 4. AI論文 読 方 • AI論文 英語用語 400字程度 英語 読 様 – PDF 単語 合 訳 表示 – 論文以外 異 英語用語 読 限 • AI論文 論文推薦 国際会議 推薦 必 利用 https://github.com/dennybritz/deeplearning-papernotes/blob/master/README.md http://arxiv-sanity.com/discussions http://jeffhuang.com/best_paper_awards.html • AI論文 定 既約 最大 10頁程度 概要 導入 (比較研究) 手法 実験結果 (結論) (参照) • 最近 最適化計算 殆 深層学習 行 • 論文 内容 修士 大学院 聴講生 早 – 年間 万円 機械学習 研究室 連絡 許諾 • 手法 殆 最適化問題 微分 求 – 対数化 微分 解 対数化 理由 掛算 和算 対数化 最大値 不変 – 多変量 扱 線形代数 行列 掛算 理解 十分
- 11. • 最適化問題 次 方法 限 – 変分 法 – EM – 条件付計画法 – SVM 4.1 AI 最適化 解法 EM 平均 期待値 交互 近似SVM 境界面 明瞭 様 分離 変分 法 修正 叙 近似 条件付計画法 条件内 勾配 下
- 12. AI 5.0 AI拠点 5.1 画像 5.2 強化学習 5.3 5.4 自然言語
- 13. 5.0 AI 拠点 USC berkrey: Abbeel CMU: 自然言語 Openpose Tront: Benjio & Hinton 深層学習 DeepMind: Hazavis Alpha碁 Amsterdam: Kingma VAE GoogleBrain: Goodfellow GAN Open-AI: Eronmask 自動運転
- 14. 5.1 画像 動画 • 画像 – VAE 好 (癖) 反映 服装 • RealTime 動画 自動運転 or 知覚用 – yolo (枠認識) – segnet (対象認識) – openpose (顔 指骨格認識) item teste
- 15. • DeepMind – DQN 深層学習 強化学習 成功 Alpha碁 実現 – 発展 DQN 解 挑戦 • 倉庫問題 期先 • 迷路問題 UNREAL 並列Boosting 経験採用 • 複雑 画面 擬似報酬 • 会話応答 Neural Turing Machine – 派生 統合 Rainbow 5.2 強化学習
- 16. 5.3 • 自動運転 – SLAM(Simultaneous Localization and Mapping) 運転中 刻 入 観測 車体 自己位置 地図 生成 – Patial Observation Marcov Decsition Process) 部分的 観測 最適 決定 行 • 制御 – 比 微細 制御 必要 最適 経路 維持 主流 – 実機 場合 理論 最適化 一致 逐次調整 必要 強化学習 TRPO 制御 Hamilton– Jacobi GPS (Guided Policy Search)
- 17. 5.4 自然言語 • word2vec LSTM 大 進歩 様 見 • 自然言語 理解 壁 – 機械 対話 成長 強 AI 必要 – 日本語 対話 指標 整備 • Amazon 整備 • 機械 人間 対話 高 用途別 擬似 可能性 – 既存 22個 chatbot 統合 実用的 発表 A Deep Reinforcement Learning Chatbot
- 18. • 現在 強 AI 入 口 – Alpha碁0 敵対 急速 自己成長 示 – 当面衝撃的 技術革新 続 • API 提供 AI 競合相手 多 • AI 公開 早 応用 有利 – python(深層学習 多様 版 存在 ) • caffee Theano TensorFlow keras pytroch chainer – 最適化問題 理解 – AI英語 習熟 • 好 癖 見抜 好 合 商品 提案 VAE • 深層学習 画像 動画 発展
- 19. (2) • AI AI 統合 威力 増 – AR 拡張 SLAM+深層学習 D画像 – 自動運転 SLAM+深層学習+予測 – 深層学習 強化学習 最適制御 映画 D地図 D SLAM