サクサク読めて、
アプリ限定の機能も多数！
アプリで開く
A small cabin ontop of a snowy mountain in the style of Disney, artstation さらに、その多くはユーザーがテキストを入力するだけで画像を生成できるアプリケーションを備えていたため、人々が気軽に使える身近な存在として急速に普及しました。これまでにも囲碁AIのAlphaGoや言語AIのBERTやGPT-3を始め、強力なAIは多数登場していますが、ここまで多くの人が積極的に利用するAIはありませんでした。 生成AIとは何者なのか画像生成AIという言葉から想像できるように、「文章生成AI」や「音楽生成AI」なども存在します。本記事ではこれらをまとめて「生成AI」と呼ぶことにします[1]。 生成AIはこれまでのAIと何が違うのでしょうか。従来のAIの例として、入力画像がホットドッグかどうかを判別する画像分類AIを考えましょ
InnovativeTech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 サイボーグ009が加速装置を起動するようなジェスチャーも可能になるかもしれない（加速はできないが）。 米コーネル大学、米カーネギーメロン大学、中国科学院大学による研究チームが開発した「TeethTap」は、歯の噛み具合で多様なハンズフリージェスチャー入力が行える、機械学習を用いたシステムだ。耳下のセンサーで顎の動きと歯の音を検出し、13の個別のジャスチャーを区別する。 視線を追跡し入力する方法、顔の表情を読み取り入力する方法、口パク（音声発話）を認識する入力方法など、これまでにもウェアラブルデバイス向けのハンズフリー入力は、多数報告されてきた。今回は歯を使うハンズフリーの入力アプローチだ。
ディクテーション学習を無料、オンライン、ログイン不要で出来る日本最大級のリスニング特化型ウェブサービスです。 ディクテーションは、聞き取った英語を一字一句書き取るという勉強法で、リスニング力の向上に大きな効果があると言われています。 設立以来、計68万人以上の方にご利用頂いています(Google Analyticsユーザー数調べ)。 アプリ版のディクトレもリリースされました。こちらも無料です。合わせてご利用ください。 2025年10月26日時点での総問題数は 646 問です。 ランダムに1問解く 短い英会話のリスニング問題 AさんとBさんの短い会話をディクテーションするカテゴリーです。難易度も優しめです。当サイトで一番利用されているカテゴリーです。全問アメリカ英語発音です。
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? タイトルと同じことを心でつぶやいている人は結構いると思います。 当記事では、「どんな仕組みで動くのか」ではなく、「どうすれば動くのか」に焦点を当てています。 飛行機はどんな理屈で飛ぶのか、ではなく、飛行機はどう操作すれば飛ぶのか、という感じです。 要するに何すりゃいいの 端的に言えば次の通り: 学習済みモデルを用意プロジェクトにTensorFlowのライブラリを追加 TensorFlowInferenceInterface をnewして学習済みモデルを読み込ませる 画像とかを配列化してTensorFlowInferenceInterf
こんにちは、スマートニュースの徳永です。深層学習業界はGANだとか深層強化学習だとかで盛り上がっていますが、今日は淡々と、ニューラルネットワークの量子化の話をします。 TL;DR パラメータだけを量子化するのであれば、ほぼ精度を落とさずに、パラメータのデータ容量は1/16程度にまで削減できる パラメータ、アクティベーション、勾配のすべてを量子化し、推論だけでなく学習までもビット演算だけで実現する研究が進んできている 現在は深層学習 =GPU必須というぐらいの勢いがあるけど、量子化の研究が進むと、今後はどうなるかわからないよ はじめに 情報理論における量子化とは、アナログな量を離散的な値で近似的に表現することを指しますが、本稿における量子化は厳密に言うとちょっと意味が違い、十分な（=32bitもしくは16bit）精度で表現されていた量を、ずっと少ないビット数で表現することを言います。 ニュ
【要約】 「英語の本を、無料で読みたい」という方のために、 無料で読める3万冊を超える英語の文学作品から、読みたい本を検索できるサービス「Bungo Search（ブンゴウサーチ）」をリリースしました。 このnoteでは、Bungo Searchの機能や使い方をご紹介します。英語を読む力を鍛えるためには、実際に英語の文章を読んでみることが大事です。 しかし、いざ英語を読もうと思っても、「何を読めばいいのかわからない」という方も多いのではないでしょうか？ そうした方々にぴったりな、無料で読める英語の文学作品を検索できるサービス「Bungo Search（ブンゴウサーチ）」をリリースしました。Bungo Searchを使えば、３万冊を超える英語の文学作品の中から、読了時間や難易度などによって、あなたにぴったりの本を見つけ出すことができます。Bungo Searchは無料で利用できて、さら
Simple 8-bit AssemblerSimulatorを使ってアセンブラの動きを簡単に見てみます。Simple 8-bit AssemblerSimulator? 画面構成とレジスタの構成 簡単なプログラムを書く 汎用レジスタへの値の格納 スタックに値を書き込み&読み込み 繰り返し処理 参考Simple 8-bit AssemblerSimulator?Simple 8-bit AssemblerSimulatorはウェブ上でアセンブリを実行できるシミュレータです。 schweigi.github.io 名前の通りCPUは8ビットで、メモリは256バイトです。 現代のCPUを考えると逆にちょっと想像つかないような値だし命令の種類も限られますが、 アセンブリの基礎を学ぶにはちょうど良さそうなので使い方を紹介します。 画面構成とレジスタの構成 画面構成はかなりシンプルです
フィボナッチ数列 1,1から始めて、「前２つの項を足したものが次の項」という構造をしている数列が「フィボナッチ数列」です。具体的に書き下すとこういうものです。 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, ... 確かに「前２つの項を足したものが次の項」になっていますね。言うまでもないですが、ここに現れている一つ一つの数が「フィボナッチ数」です。 番目のフィボナッチ数を「」と表すことにすると、フィボナッチ数列は以下の式で定義されます。 （前二つの和が次の数） （1,1から始める） これだけで十分です。これだけ指定してさえあれば、以降の数値は一意に定まります。 そしてこれは「0,1」から始めて足していっても結局同じ数列が現れるので、「0番目のフィボナッチ数」つまりとして0をおくこともあります。 さて、このフィボナッチ数の間にはさまざ
All photo illustration by Leading Company中国の深センから電車で1時間ほど行ったところに、約8000人の画家が住む大芬（ダーフェン）という場所があります。 ここでは、ホテルの受付や部屋に飾ったりする名画の複製(コピー)が大量につくられており、世界の複製画の約6〜7割がつくられていることでも有名です。 名画のコピーに限らず、少し前の中国と言えば、「theコピー大国」でした。 ブランド物からソフトウェア、そして、アニメのキャラクターまで、様々なものをコピーすることで成長してきましたが、中国のシリコンバレーとも呼ばれる深センの街を歩いてみると、もうコピー大国といったイメージはありません。 ↑昔の中国はコピー大国だったが、現在の深センにコピー大国のイメージはない。(LC.inc) ECのアリババはアマゾンを、検索エンジンのバイドゥはグーグルを、家電メーカー
Chainer チュートリアル数学の基礎、プログラミング言語Python の基礎から、機械学習・ディープラーニングの理論の基礎とコーディングまでを幅広く解説 ※Chainerの開発はメンテナンスモードに入りました。詳しくはこちらをご覧ください。 何から学ぶべきか迷わない ディープラーニングを学ぶには、大学で学ぶレベルの数学やPython によるプログラミングの知識に加えて、 Chainer のようなディープラーニングフレームワークの使い方まで、幅広い知識が必要となります。本チュートリアルは、初学者によくある「まず何を学べば良いか」が分からない、 という問題を解決するために設計されました。 初学者は「まず何を」そして「次に何を」と迷うことなく、必要な知識を順番に学習できます。 前提知識から解説 このチュートリアルは、Chainer などのディープラーニングフレームワークを使ったプログ
いままでのあらすじ 前回の記事（線形代数の知識ゼロから始めて行列式「だけ」理解する - アジマティクス）で、行列に対して定義される「行列式」というものをインストールしました。そこにいたるまでの道のりを振り返っておきます。前回の記事を読んでいない人はここさえ読んでおけば大丈夫です。 ・座標変換のうち、直線と原点を変えないものを線形変換という。 ・線形変換は、基底ベクトルがそれぞれどう変化するかだけで記述できる。 ・基底ベクトルがそれぞれどう変化するかは、一つの行列を使ってまとめて記述できる。 ・行列とは線形変換であるといってよい。 ・行列（≒線形変換）からは、「その変換によって座標全体がどれくらい伸び縮みするか」という値を取り出すことができる。 ・その値こそが、行列式である。 この記事では、そんな行列式にまつわるあれやこれやを拾っていきます。 行列式の計算 実際に行列が与えられたときにそこか
AR×位置ゲー×メタバース！360Channelが新サービス「360maps」をリリース 19時間前推しがそこにいる！XR技術でVTuberと同じ空間に「PUURUプロジェクト」秋葉原イベント開催 株式会社PANDORAMRXRVtuberPUURUプロジェクト 2025/10/10 18:00VRChat「VRC-JP 初心者プラザ」訪問者50万人突破！Z世代が1日3時間以上滞在！VRVRchatメタバースVRC-JP 初心者プラザ 2025/10/03 18:00 『8番出口』のおじさんが2人！？映画コラボのショート動画が公開 ポッキーVRMeta８番出口 2025/09/26 18:00 Metaが新カテゴリー「AIグラス」を発表！Ray-Ban Displayが登場 スマートグラスMetaAIグラスMeta Ray-Ban DisplayMeta NeuralBand 20
ある人工知能（AI）のアルゴリズムがついに、ほとんどの人が当たり前にできる作業を制覇した。それは朝、服を着ることだ。 服を着ることは、機械にとって驚くほど困難である。非常に柔軟な素材と格闘しなければならないからだ。たとえば、セーターを着るときの面倒な動きを考えてみよう。生地を自分に向けて引っ張り、セーターを破らないようにしながら胴体をちょうどよく入れ、両腕と頭の上にかぶせなくてはいならない。 ジョージア工科大学の研究チームはこのほど、形状や開始位置が変わった場合にも服を着ることができる、人型のキャラクターを開発した。このプログラムでは、機械学習の手法である強化学習 （RL）アルゴリズムが使われている。強化学習は、人間が動物を訓練する方法に着目し、報酬とペナルティを利用してAIエージェントに望ましい目的を達成させる手法である。今回の場合、アルゴリズムは人形キャラクターが正しい穴に頭と手足を入
はじめに TensorFlow2.0がもうすぐ来るよ！APIs High levelAPIs Eager Exexution Reference Models Contribの扱い プラットフォーム TensorFlow Lite TensorFlow.js TensorFlow withSwift パフォーマンス Distributed TensorFlowCPU、GPU、TPUの最適化関連 その他のパッケージ TensorFlow Probability Tensor2Tensor End to End ML systems TensorFlow Hub TensorFlow Extended はじめに TensorFlow2.0ではこれまでのTensorFlowから大幅に変化するので、その変更点について記しておきます。 基本的には公式のRoadmapの和訳と思って差し支えあり
ベイズ統計学とはベイズ統計学とは、ベイズの定理をもとにした統計的な考え方の一種です。 記述統計学・推計統計学とは異なる考え方をします。 ベイズ統計学が注目されている理由ベイズ統計学の基になっているベイズの定理は1700年代から存在していました。古い歴史のあるこの領域が、今再注目されている理由を解説します。 ベイズ統計学の歴史ベイズ統計学は、1700年中頃にトーマズベイズによる、ベイズの定理の発表により、産声をあげました。その後、1800年代後半に再び現在のベイズ統計の考え方の基礎となる考え方をする人々が現れました。 しかし、推計統計学論者のフィッシャーらが、「主観確率を扱うのは科学的でない」とし、ベイズ統計学は闇に葬り去られてしまったのです。 科学的であるかないかは別として、ベイズ統計学は現実に役に立つ学問であるということがが徐々に認められ、1950年代に入り再び研究され注目を浴びるように
セントルイス・ワシントン大学やAdobeら、1枚の画像から平面深度マップをピース単位で再構築する機械学習を用いた手法を発表 2018-07-27 セントルイス・ワシントン大学、Adobe Research、ArgoAI、サイモンフレーザー大学の研究者らは、屋内シーンにおける１枚の画像からピース単位の平面深度マップを再構築する「PlaneNet」を発表しました。 論文：PlaneNet: Piece-wise Planar Reconstruction from a Single RGB Image 著者：Chen Liu, Jimei Yang, Duygu Ceylan, Ersin Yumer, Yasutaka FurukawaGitHub：art-programmer/PlaneNet （左から順に、入力画像、ピース単位の平面セグメンテーション、再構成した深度マップ、テクスチャ
まずは復習。 分散とは「各データが平均値からどれだけ離れているか」という、データの散らばり具合を表す。 具体的には、分散は「（各データの平均値からの距離）の２乗の平均」。 分散は2乗であることに注意。単位をそろえるために、分散の平方根を取ったものが標準偏差。 標準偏差をσで表すと、分散はσ^2で表される。 式で表すと次のようになる。 ここで、次のようなベクトルを導入する。（なぜ？ あとで値を複数持つデータに拡張するのに便利だから） すると、さきほどの分散の式は、次のような縦ベクトルと横ベクトルの積の形で書くことができる。 （’は転置を表す） これまでの話で、たとえば、数学のテストの点数がどれくら散らばっているか、ということを知ることができる。 ここで、英語のテストも行った場合、数学と英語の点数の関係を知りたい、という場合には、複数のデータ群を扱う必要がある。 例えば、生徒の「数学の点数」と
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Amazon、社内エンジニア教育に使っている機械学習コースを無料提供 – TechCrunch Japan
