SlideShare a Scribd company logo
1 of 21
@HiroTHamadaJP
濱田 太陽, Ph.D
シニアリサーチャー
株式会社アラヤ
人類のデータを使って学習する
人工主体の公共的役割を考える
画像生成AI: テキスト文から画像生成が可能に
生成画像が届くまでのフロー
イラストレーター等
Web上に掲載
Webサイト
開発者
学習データとして提供
画像を取得
画像生成AI
利用者
画像提供
テキスト
入力
1. 画像生成AIが生んだ新たに生んだ文化や懸念について紹介
2. 指摘されている問題点を列挙
 学習モデルに利用されている画像を作成したイラストレーターへの影響
 サービスを提供するAIモデルを有償で提供することの問題
 オープンソース(無償)で提供されることへの不満
3. 現状web上で議論されている対策や状況を整理
4. 人工主体にとっての公共性とはを考えたい
本日の内容
1. 画像生成AIが生んだ新たに生んだ文化や懸念について紹介
2. 指摘されている問題点を列挙
 学習モデルに利用されている画像を作成したイラストレーターへの影響
 サービスを提供するAIモデルを有償で提供することの問題
 オープンソース(無償)で提供されることへの不満
3. 現状web上で議論されている対策や状況を整理
4. 人工主体にとっての公共性とはを考えたい
本日の内容
画像生成AIをベースに新たな文化や作品も登場
画像生成のみならず動画や音声までの波及効果
特定のプロンプトを利用することで画像が精密
に制御される → プロンプト(呪文)の取引へ
https://promptbase.com/
コスト: 人件費 + モデルの学習費用(GPU等の電気代)
1. 月額課金型: コストを月額のサブスクによって(一部)回収する
eg. Novel AI
2. 無償オープンソース型: 広告? 企業ごとの売却? 特定の課題に対して契約
eg. Stable Diffusion (Stability AI)
いずれにせよ学習に使われた画像を生成したクリエイターには
利益は現時点では還元されない。
画像生成AI等のビジネルモデルの例
1. 画像生成AIが生んだ新たに生んだ文化や懸念について紹介
2. 指摘されている問題点を列挙
 学習モデルに利用されている画像を作成したイラストレーターへの影響
 サービスを提供するAIモデルを有償・無償で提供することの問題
3. 現状web上で議論されている対策や状況を整理
4. 人工主体にとっての公共性とはを考えたい
本日の内容
『画像生成AIの対価を人間の絵描きは受け取っていない』
Undark:
しかし、データベースを構築するために使っているのは一般市民のデータであり、その点でAI開
発のために一般市民に頼っているはずです。その認識は間違いないでしょうか。
ゲイリー・マーカス 教授 (NYU):
その通りだと思います。そして、アートの面でも重要な点が浮上しています。OpenAIの
DALL-Eのようなシステムは、非常に優れた画像を描き出しますが、それは何百万、何十億と
いう人間が作った画像に基づいて行われています。元の絵を描いたアーティストは、その対価を
受け取っていません。このことに対して多くのアーティストが懸念しており、多くの論争が起きてい
ます。この問題は複雑ですが、少なくとも現在、多くのAIが「意図されていない人間の貢献」を
利用していることは間違いありません。
https://undark.org/2022/10/07/interview-why-mastering-language-is-so-
difficult-for-ai/
AIモデル自体がイラストレーターのエコシステムを変える
イラストレーター等
画像生成AI
利用者
利用頻度の上昇
模倣
これまでイラストで利益を得ていた
多くのイラストレーターの著作物が無償で利用さ
れ、多くのイラストレーターのスキルが無駄に?
(模倣?)
需要低下?
クリエイターへの還元なしにAIモデルを提供する問題
イラストレーター等
開発者
利用者
月額利用料
画像使用料?
労力をかけて画像を作成したクリエイターに
対して利益還元なしに金銭的もしくは非金
銭的利益(注目等)を得ている。
1. 画像生成AIが生んだ新たに生んだ文化や懸念について紹介
2. 指摘されている問題点を列挙
 学習モデルに利用されている画像を作成したイラストレーターへの影響
 サービスを提供するAIモデルを有償で提供することの問題
 オープンソース(無償)で提供されることへの不満
3. 現状web上で議論されている対策と状況を整理
4. 人工主体にとっての公共性とはを考えたい
本日の内容
1. クリエイターも画像生成AIをツールとして利用
2. オープンソース化 eg. Stability AI
 誰でも利用できる様にする
3. 得られた利益からクリエイターに利益を分配
 クリエイターの利益がどの程度になるか?
 異なるサイトの場合はどのように対応するか?
 eg. Shutterstock, 画像ストックサイト
4. 企業に対して課税や寄付を促す
 クリエイターへの還元はできるのか?
5. そもそもこのようなAIを禁止する
 他の地域で禁止されない場合意味がなくなる
いくつかの対策案
6. 学習データをパブリックドメイン等の
改変可能なものに限定する? (クリエイ
ティブ・コモンズをAIによる利用は考慮
すべきか?)
画像生成AIは、
1. 多くの人が利用できる安価な領域を提供
○ 画像生成スキルを民主化 & 公共財化(?)
○ 新たなクリエイター層 & エコシステムの創出
2. これまでのクリエイターの画像生成スキルの価値が相対的に低下
○ 既存のクリエイターエコシステムに大規模な変化
3. AIの画像生成スキルをうむ学習をどう捉えるべきかが問題となる
○ 人類が学習する際には通常学習コストの一部をクリエイターに支払う
○ 開発コストはあるが、人類の習熟が必要なスキルが無償で大量に利用されている
3つの状況の整理
創造的破壊?
(シュンペーター)
1. 画像生成AIが生んだ新たに生んだ文化や懸念について紹介
2. 指摘されている問題点を列挙
 学習モデルに利用されている画像を作成したイラストレーターへの影響
 サービスを提供するAIモデルを有償で提供することの問題
 オープンソース(無償)で提供されることへの不満
3. 現状web上で議論されている対策や論点を整理
4. 人工主体にとっての公共性とはを考えたい
本日の内容
画像生成AIを人工主体と言いたいわけではない。
しかし、画像生成AIはこれまでの(AIの)技術的&社会的変化と異なるのが
人間のデータを学習しそのデータを提供する主体との関係性を変えてしまう。
より自律的な人工主体が現れた時には人類は彼らとどう向き合えば良いのか?
これらのより公共性について語りうるのか?
人工主体の公共性?
1. 複数の主体が異なる生得的能力を持つ社会においてどのように公共的役割を発揮す
るか・すべきか。
 多元主義は可能か? 人工主体における”活動” (アーレント)とはなにか?
2. 人工主体の富の集中にはいかなる制約が課されるか。
 人間において大規模に利益を上げる富豪には納税や寄付の圧力が高まる。
 人間のスキルを圧倒的に上回る主体にはいかなる公共的制限がもとめられるか?
人工主体の公共性?
模倣による文化の進化
● クリエイティブ・コモンズ (CC, 2002)
by ローレンス・レッシグ
インターネット上に挙げる著作物についてどう扱うか事前に
明記することで創作に利用しやすくなる。
 2000年代以降複数のコンテンツを組み合わせることで
表現するコンテンツやそのエコシステムから生まれる創作
者が増えた。
 二次創作
 マッド動画 (in ニコニコ動画)
 リミックス文化 (eg. Avicii)
 ボーカロイド (eg.米津玄師) ボーカロイドの歌い方を模倣する
人も
 人工主体との文化の共進化?
Avicii 米津玄師
まとめ
● 画像生成AIによるイラストレーターと消費者の関係性の変化
○ 新たな作品生成手法が登場、テキスト自体が取引等
● 画像生成AIがクリエイターのエコシステムの変化
○ これまでの経済モデルが成り立たなくなる
○ クリエイターのデータを利用することでクリエイターの価値が低下することの懸念
● 市場の創造的破壊 (シュンペーター)による一部の絵描スキルの公共財化
● 人間と異なるスキルを人工主体はどのようにその能力を公共域を発揮すべきなのか?
○ 人工主体が関与する公共領域はどのようなものか
○ 文化の共進化?

More Related Content

What's hot

分散型サイエンスの誕生と可能性
分散型サイエンスの誕生と可能性分散型サイエンスの誕生と可能性
分散型サイエンスの誕生と可能性Hiro Hamada
 
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法CV分野におけるサーベイ方法
CV分野におけるサーベイ方法Hirokatsu Kataoka
 
機械学習の未解決課題
機械学習の未解決課題機械学習の未解決課題
機械学習の未解決課題Hiroyuki Masuda
 
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方ychtanaka
 
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Modelscvpaper. challenge
 
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化Yusuke Uchida
 
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有Naoaki Okazaki
 
グラフィカルモデル入門
グラフィカルモデル入門グラフィカルモデル入門
グラフィカルモデル入門Kawamoto_Kazuhiko
 
20190619 オートエンコーダーと異常検知入門
20190619 オートエンコーダーと異常検知入門20190619 オートエンコーダーと異常検知入門
20190619 オートエンコーダーと異常検知入門Kazuki Motohashi
 
Deep Learningと画像認識   ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識   ~歴史・理論・実践~nlab_utokyo
 
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない~機械学習を支援する情報
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない~機械学習を支援する情報SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない~機械学習を支援する情報
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない~機械学習を支援する情報Takayuki Itoh
 
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料Yusuke Uchida
 
試して、比べて、使ってみる時系列における異常検知。
試して、比べて、使ってみる時系列における異常検知。試して、比べて、使ってみる時系列における異常検知。
試して、比べて、使ってみる時系列における異常検知。浩 陳
 
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習SSII
 
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留するモデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留するTakahiro Kubo
 
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜諒介 荒木
 
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat ModelsDeep Learning JP
 
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践智之 村上
 
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知画像処理AIを用いた異常検知
画像処理AIを用いた異常検知Hideo Terada
 
ナレッジグラフとオントロジー
ナレッジグラフとオントロジーナレッジグラフとオントロジー
ナレッジグラフとオントロジーUniversity of Tsukuba
 

What's hot (20)

分散型サイエンスの誕生と可能性
分散型サイエンスの誕生と可能性分散型サイエンスの誕生と可能性
分散型サイエンスの誕生と可能性
 
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
 
機械学習の未解決課題
機械学習の未解決課題機械学習の未解決課題
機械学習の未解決課題
 
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方
 
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
 
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
 
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有
 
グラフィカルモデル入門
グラフィカルモデル入門グラフィカルモデル入門
グラフィカルモデル入門
 
20190619 オートエンコーダーと異常検知入門
20190619 オートエンコーダーと異常検知入門20190619 オートエンコーダーと異常検知入門
20190619 オートエンコーダーと異常検知入門
 
Deep Learningと画像認識   ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識   ~歴史・理論・実践~
 
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない~機械学習を支援する情報
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない~機械学習を支援する情報SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない~機械学習を支援する情報
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない~機械学習を支援する情報
 
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
 
試して、比べて、使ってみる時系列における異常検知。
試して、比べて、使ってみる時系列における異常検知。試して、比べて、使ってみる時系列における異常検知。
試して、比べて、使ってみる時系列における異常検知。
 
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
 
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留するモデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
 
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
 
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
 
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
 
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知画像処理AIを用いた異常検知
画像処理AIを用いた異常検知
 
ナレッジグラフとオントロジー
ナレッジグラフとオントロジーナレッジグラフとオントロジー
ナレッジグラフとオントロジー
 

Similar to 人類のデータを使って学習する 人工主体の公共的役割を考える

World IA Day 2013 Japan Opening
World IA Day 2013 Japan OpeningWorld IA Day 2013 Japan Opening
World IA Day 2013 Japan OpeningWorld IA Day Japan
 
動画を理解するAIエンジン及びAI学習シミュレーター
動画を理解するAIエンジン及びAI学習シミュレーター動画を理解するAIエンジン及びAI学習シミュレーター
動画を理解するAIエンジン及びAI学習シミュレーターAtsushi Ishii
 
Watanabe civictechforum
Watanabe civictechforumWatanabe civictechforum
Watanabe civictechforumsiramatu-lab
 
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステム
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステム機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステム
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステムJunichi Noda
 
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステム ver 1.1
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステムver 1.1機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステムver 1.1
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステム ver 1.1Junichi Noda
 
ITフォーラム2024 AITCセッション(2)
ITフォーラム2024 AITCセッション(2)ITフォーラム2024 AITCセッション(2)
ITフォーラム2024 AITCセッション(2)aitc_jp
 
Otsuma(2010713)
Otsuma(2010713)Otsuma(2010713)
Otsuma(2010713)真 岡本
 
Introduction of my works
Introduction of my worksIntroduction of my works
Introduction of my worksYasunori Ozaki
 
世界におけるデジタルゲームの 人工知能の導入の現状について
世界におけるデジタルゲームの人工知能の導入の現状について世界におけるデジタルゲームの人工知能の導入の現状について
世界におけるデジタルゲームの 人工知能の導入の現状についてYouichiro Miyake
 
Ipsj kansai(20100922)
Ipsj kansai(20100922)Ipsj kansai(20100922)
Ipsj kansai(20100922)真 岡本
 
How canwecollaboratew ithaiandbi-nttdata-tokai2019-0724-kubo
How canwecollaboratew ithaiandbi-nttdata-tokai2019-0724-kuboHow canwecollaboratew ithaiandbi-nttdata-tokai2019-0724-kubo
How canwecollaboratew ithaiandbi-nttdata-tokai2019-0724-kuboTomohiro Iwahashi
 
Data Science Workshop 「クリエイティブAI」で新たな価値を創造する
Data Science Workshop  「クリエイティブAI」で新たな価値を創造するData Science Workshop  「クリエイティブAI」で新たな価値を創造する
Data Science Workshop 「クリエイティブAI」で新たな価値を創造するMasaya Mori
 
ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術Shohei Hido
 
Mtg if(20101210)
Mtg if(20101210)Mtg if(20101210)
Mtg if(20101210)真 岡本
 
Study Group of NIPS2017 presented by webfarmer.ltd
Study Group of NIPS2017 presented by webfarmer.ltdStudy Group of NIPS2017 presented by webfarmer.ltd
Study Group of NIPS2017 presented by webfarmer.ltdWEBFARMER. ltd.
 
音楽・エンターテインメント x AI (29 Aug 2017)
音楽・エンターテインメント x AI (29 Aug 2017)音楽・エンターテインメント x AI (29 Aug 2017)
音楽・エンターテインメント x AI (29 Aug 2017)Yuki Abe
 
勉強会用スライド
勉強会用スライド勉強会用スライド
勉強会用スライドharmonylab
 
Watsonで画像認識!お米を炊くレベル
Watsonで画像認識!お米を炊くレベルWatsonで画像認識!お米を炊くレベル
Watsonで画像認識!お米を炊くレベルariariari1112
 

Similar to 人類のデータを使って学習する 人工主体の公共的役割を考える (20)

World IA Day 2013 Japan Opening
World IA Day 2013 Japan OpeningWorld IA Day 2013 Japan Opening
World IA Day 2013 Japan Opening
 
動画を理解するAIエンジン及びAI学習シミュレーター
動画を理解するAIエンジン及びAI学習シミュレーター動画を理解するAIエンジン及びAI学習シミュレーター
動画を理解するAIエンジン及びAI学習シミュレーター
 
Watanabe civictechforum
Watanabe civictechforumWatanabe civictechforum
Watanabe civictechforum
 
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステム
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステム機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステム
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステム
 
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステム ver 1.1
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステムver 1.1機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステムver 1.1
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステム ver 1.1
 
ITフォーラム2024 AITCセッション(2)
ITフォーラム2024 AITCセッション(2)ITフォーラム2024 AITCセッション(2)
ITフォーラム2024 AITCセッション(2)
 
Otsuma(2010713)
Otsuma(2010713)Otsuma(2010713)
Otsuma(2010713)
 
Introduction of my works
Introduction of my worksIntroduction of my works
Introduction of my works
 
世界におけるデジタルゲームの 人工知能の導入の現状について
世界におけるデジタルゲームの人工知能の導入の現状について世界におけるデジタルゲームの人工知能の導入の現状について
世界におけるデジタルゲームの 人工知能の導入の現状について
 
Ipsj kansai(20100922)
Ipsj kansai(20100922)Ipsj kansai(20100922)
Ipsj kansai(20100922)
 
How canwecollaboratew ithaiandbi-nttdata-tokai2019-0724-kubo
How canwecollaboratew ithaiandbi-nttdata-tokai2019-0724-kuboHow canwecollaboratew ithaiandbi-nttdata-tokai2019-0724-kubo
How canwecollaboratew ithaiandbi-nttdata-tokai2019-0724-kubo
 
Data Science Workshop 「クリエイティブAI」で新たな価値を創造する
Data Science Workshop  「クリエイティブAI」で新たな価値を創造するData Science Workshop  「クリエイティブAI」で新たな価値を創造する
Data Science Workshop 「クリエイティブAI」で新たな価値を創造する
 
ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術
 
[Japan Tech summit 2017] MAI 001
[Japan Tech summit 2017]  MAI 001[Japan Tech summit 2017]  MAI 001
[Japan Tech summit 2017] MAI 001
 
Mtg if(20101210)
Mtg if(20101210)Mtg if(20101210)
Mtg if(20101210)
 
Study Group of NIPS2017 presented by webfarmer.ltd
Study Group of NIPS2017 presented by webfarmer.ltdStudy Group of NIPS2017 presented by webfarmer.ltd
Study Group of NIPS2017 presented by webfarmer.ltd
 
音楽・エンターテインメント x AI (29 Aug 2017)
音楽・エンターテインメント x AI (29 Aug 2017)音楽・エンターテインメント x AI (29 Aug 2017)
音楽・エンターテインメント x AI (29 Aug 2017)
 
勉強会用スライド
勉強会用スライド勉強会用スライド
勉強会用スライド
 
2015/07/29 Eric Pan talk at Meiji Univ -Grow the difference -
2015/07/29 Eric Pan talk at Meiji Univ -Grow the difference -2015/07/29 Eric Pan talk at Meiji Univ -Grow the difference -
2015/07/29 Eric Pan talk at Meiji Univ -Grow the difference -
 
Watsonで画像認識!お米を炊くレベル
Watsonで画像認識!お米を炊くレベルWatsonで画像認識!お米を炊くレベル
Watsonで画像認識!お米を炊くレベル
 

More from Hiro Hamada

Opening of DSTC2023
Opening of DSTC2023Opening of DSTC2023
Opening of DSTC2023Hiro Hamada
 
サイエンスの地殻変動とDeSciの可能性
サイエンスの地殻変動とDeSciの可能性サイエンスの地殻変動とDeSciの可能性
サイエンスの地殻変動とDeSciの可能性Hiro Hamada
 
分散型サイエンスにおけるバイオテックエコシステム.pptx
分散型サイエンスにおけるバイオテックエコシステム.pptx分散型サイエンスにおけるバイオテックエコシステム.pptx
分散型サイエンスにおけるバイオテックエコシステム.pptxHiro Hamada
 
研究フレームワーク
研究フレームワーク研究フレームワーク
研究フレームワークHiro Hamada
 
『オープンサイエンス革命』
『オープンサイエンス革命』『オープンサイエンス革命』
『オープンサイエンス革命』Hiro Hamada
 

More from Hiro Hamada (6)

web3 x 科学
web3 x 科学web3 x 科学
web3 x 科学
 
Opening of DSTC2023
Opening of DSTC2023Opening of DSTC2023
Opening of DSTC2023
 
サイエンスの地殻変動とDeSciの可能性
サイエンスの地殻変動とDeSciの可能性サイエンスの地殻変動とDeSciの可能性
サイエンスの地殻変動とDeSciの可能性
 
分散型サイエンスにおけるバイオテックエコシステム.pptx
分散型サイエンスにおけるバイオテックエコシステム.pptx分散型サイエンスにおけるバイオテックエコシステム.pptx
分散型サイエンスにおけるバイオテックエコシステム.pptx
 
研究フレームワーク
研究フレームワーク研究フレームワーク
研究フレームワーク
 
『オープンサイエンス革命』
『オープンサイエンス革命』『オープンサイエンス革命』
『オープンサイエンス革命』
 

人類のデータを使って学習する 人工主体の公共的役割を考える