AI IoT

データセット「Titanic」について説明。1309件の「タイタニック号乗客者の生存状況」の「表形式データ（年齢や性別などの13項目）」＋「ラベル（生存状況）」が無料でダウンロードでき、分類問題などのディープラーニングや統計学／データサイエンスに利用できる。scikit-learn、TensorFlow、Kaggleにおける利用コードも紹介。

人工知能（AI）を活用して価値を提供する企業が現れる中、PoCでつまずく企業が見直すべきポイントはどこにあるのか。そして今後必要不可欠になる考え方とは何か。機械学習に必要な教師データを企業に提供するLionbridgeに話を聞いた。

NECはTwitter上の災害に関する情報をリアルタイムで解析し可視化する「高度自然言語処理プラットフォーム」の販売を開始した。

The Linux Foundationは「MLflow」を新たにLinux Foundationプロジェクトに加えた。MLflowは、Databricksが開発した、特定の機械学習フレームワークや言語に依存しない機械学習向けプラットフォーム。機械学習の開発ライフサイクルを管理する。

Gartnerは、企業がデータを分析、活用する上で考慮すべき2020年のデータおよびアナリティクス技術の10大トレンドを発表した。

用語「次元の呪い」について説明。特徴量などの次元が多くなるほど、必要な訓練データの量が「指数関数」的に増えてしまう現象を指す。

東北大学とドコモgaccoはオンライン講座「社会の中のAI〜人工知能の技術と人間社会の未来展望〜」を2020年9月から無料で公開する。

RNNクラスがどのような処理をしているのかを、自分だけのRNNクラスを定義しながら、見ていくことにします。

厚生労働省は「保健医療分野AI開発加速コンソーシアム」で決定された工程表を公開した。工程表の公開に当たり「AIを用いた機器などを医療現場に導入、利活用することに伴う課題などについても議論を開始する必要がある」との見解を示した。

AI技術者を応援するフォーラム「Deep Insider」が＠ITに登場してから2年目。その背景やメディアのコンセプト、編集方針などをご紹介するとともに、スキルレベル別のAI・機械学習の学習方法と、それらのレベルに応じた本フォーラムのお勧めコンテンツ、準備中の記事企画についてご紹介しよう。

東京工業大学は、無料のオンライン講座「Science, Engineering, AI ＆ Data Ethics | 科学技術・AI倫理」を公開した。2017年公開の「Science and Engineering Ethics 科学技術倫理」の改訂版で、工学や科学、AI分野で起こる倫理的問題を解決する方法を学べる。

データセット「Boston Housing」について説明。506件のボストンの住宅価格の「表形式データ（部屋数や犯罪率などの13項目）」＋「ラベル（住宅価格）」が無料でダウンロードでき、回帰問題などのディープラーニングや統計学／データサイエンスに利用できる。scikit-learn、Keras／tf.keras、TensorFlowにおける利用コードも紹介。

総務省は、「新型コロナウイルス感染症に関する情報流通調査」の結果を発表した。放送メディアは利用度と信頼度がともに高く、SNSは利用度と信頼度のいずれも低い。デマやフェイクニュースは、若年層ほど信じやすい傾向にあった。

「AWS AIサービス」「Azure Cognitive Services」「Google Cloud AIビルディングブロック」「IBM Watson API」という主要AIサービスの一覧表を示し、各サービスを1行程度で説明する。自分でAI／機械学習モデルを作る前に、既存のAIサービスがないか（カスタマイズできないか）を、これで確認しよう。

文部科学省は日本の科学技術政策に関するトピックをまとめた2020年版「科学技術白書」を公開した。2040年の未来予測や新型コロナウイルス感染症の流行を記載している。

RNNを見ていくその手始めとして、サイン波のグラフを構成する値から、連続するデータの次の値が何かを推測したり、その推測値を基にグラフをプロットしたりしてみます。

東京大学生産技術研究所の准教授を務める小林正治氏らは、IGZOトランジスタと抵抗変化型不揮発性メモリを3次元集積したデバイスの開発に成功した。ディープラーニングの多層ニューラルネットワークを1チップ上に多層構造で実装可能になる。

デューク大学の研究チームが、ぼやけて被写体が特定できない顔写真から、極めて本物に近い画像を生成できるAIツール「PULSE」を開発した。敵対的生成ネットワークによる機械学習を利用した。

データサイエンティスト協会は、「データサイエンス100本ノック（構造化データ加工編）」をGitHubに公開した。データと実行環境を構築するためのスクリプト、演習問題がDockerのコンテナとして実装されており、データ加工について無料で学べる。

データセット「CIFAR-100」について説明。6万枚の物体カラー写真（動植物や機器、乗り物など100種類）の「画像＋ラベル」データが無料でダウンロードでき、画像認識などのディープラーニングに利用できる。Keras／tf.keras、TensorFlow、PyTorchにおける利用コードも紹介。

ニューラルネットワークを使って学習や評価を行うコードを関数にまとめてみます。また、データセットを学習に使うものと精度評価に使うものに分割する方法、学習結果のグラフ化、過学習の抑制などについても簡単に見てみましょう。

機械学習／ディープラーニングの進化は速い。どうやってその最新技術情報に追いつけばよいのか。そんな状況の中、実際に筆者が実践活用して役立っており、本心でお勧めできる3つのメルマガを紹介する。

データセット「CIFAR-10」について説明。6万枚の物体カラー写真（乗り物や動物など）の「画像＋ラベル」データが無料でダウンロードでき、画像認識などのディープラーニングに利用できる。scikit-learn、Keras／tf.keras、TensorFlow、PyTorchにおける利用コードも紹介。

エピックベースは、音声技術関連サービスの2020年度版カオスマップを公開した。カオスマップには文字起こしや音声認識、ビデオチャットなどのサービスや製品が掲載されている。

回帰問題の次は、分類問題の基礎をマスターしよう。二値分類／多クラス分類の場合で一般的に使われる活性化関数や損失関数をしっかりと押さえる。また過学習問題の対処方法について言及する。

CNNによる画像認識ではどんなふうに処理が進むのかを、実際に手を動かしながら確認していきましょう。

IBMは、AIでIT運用を自動化し、コントロール性、効率性、ビジネス継続性を向上させる「IBM Watson AIOps」などを発表した。

微分の考え方と計算方法を理解したら、次は微分の公式を押さえて活用してみよう。幾つかの公式を紹介し、応用例として回帰分析を行うための最小二乗法について基本的な考え方を見ていく。

用語「SELU（Scaled Exponential Linear Unit）」について説明。「0」を基点として、入力値が0以下なら「0」〜「-λα」（λは基本的に約1.0507、αは基本的に約1.6733）の間の値を、0より上なら「入力値をλ倍した値」を返す、ニューラルネットワークの活性化関数を指す。ReLUおよびELUの拡張版。

MITの研究者チームは、少なくとも特定のタスクについては、速度と精度、低いメモリ要件を最適な組み合わせで満たしながら乱数を生成するアルゴリズム「Fast Loaded Dice Roller」（FLDR）を開発した。

人工知能学会が公開している「AIマップβ」を紹介。4枚のAIマップの概要と使い方の例を示す。AIマップは、各AI研究分野の立ち位置を確認したり整理したりするのに役立つだろう。