Tech-on MeetUp#06「What can AI (I) do?」

1
諏訪真一 @suwa_sh

ファースト&スロー: Daniel Kehneman System1 勘・直感 System2 論理的思考 MLはSystem1 #TechOn東京

2019-05-13 20:27:43
諏訪真一 @suwa_sh

AIは人間の代替ではない 同じ作業: AI スケール: AI 道な状況への適応: ヒト 複雑な作業: ヒト #TechOn東京

2019-05-13 20:27:59
まもはしぃ(Mamoru Ohashi)@三島市移住アンバサダー🗻 @mamohacy

ほえー。software2.0。初めて聞いた。振る舞いをあとから変更できるようにしたプログラム #TechOn東京 pic.twitter.com/lGZYwmGx05

2019-05-13 20:30:00
拡大
長沢 智治 \ Tomoharu Nagasawa @tnagasawa

「世の中の振る舞いは定義できないものが多い。データは収集できる」 「振る舞いを定義するのは Software 1.0。DLやMLは、Software 2.0」 #TechOn東京

2019-05-13 20:31:13
YoS @17_YoSK

世の中に明示的に振る舞いを定義できないが、振る舞いのデータをたくさん残せるものは多い。扱えるものが多い。=DLの出番? #TechOn東京

2019-05-13 20:31:45
諏訪真一 @suwa_sh

扱える対象が広がる 犬と猫を見分ける ヒトの性別や年齢を判断する Software 1.0で、明確な定義は難しい データから察する #TechOn東京

2019-05-13 20:33:23
のびす @PedMk0

BigGAN 既存手法を超スケールアップしたら凄くなった GPipe 超大規模NN用分散学習ライブラリ BERT GPT2 巨大なモデルでテキスト学習させたらイイカンジになった 基本的にレベルを上げて物理で殴り倒す #TechOn東京

2019-05-13 20:37:23
YoS @17_YoSK

すごいでっかいデータですごいでっかいニューラルネットワーク使えば精度があがる、という現実?! #techon東京

2019-05-13 20:39:20
諏訪真一 @suwa_sh

BigGAN: Class Conditionalな高解像度画像生成 SOTA手法をスケールアップしたら綺麗にできました GPipe: 巨大なNNの学習に最適化された分散学習ライブラリ NNでNNを探す 多数繰り返したら強くなった #TechOn東京

2019-05-13 20:39:51
諏訪真一 @suwa_sh

BERT: 言語理解系タスクでの強力な教師なし事前学習手法 教師なしで構成できる2タスク 単語の穴うめ 2文が連続分かどうかの判定 多数繰り返したら強くなった #TechOn東京

2019-05-13 20:40:08
諏訪真一 @suwa_sh

GPT-2: クリーンで多様なデータで学習された巨大な言語モデル 次の文章を文書生成する 多数繰り返したら強くなった #TechOn東京

2019-05-13 20:40:14
YoS @17_YoSK

耳から年齢と性別が結構わかるだと?!DNNs Can See Gender/Age from Ears。94%の正答率。 #techon東京

2019-05-13 20:41:37
のびす @PedMk0

眼底写真から性別年代BMI喫煙の有無脳疾患の有無が高精度で判別できる #TechOn東京

2019-05-13 20:42:34
YoS @17_YoSK

眼底の写真から、年齢を差分3歳で当てられる。すごい。 #techon東京

2019-05-13 20:42:40
諏訪真一 @suwa_sh

耳 性別を94%判断できる 眼底写真 BPI、タバコ吸っているか、心臓・脳の疾患が分かる #TechOn東京

2019-05-13 20:44:04
のびす @PedMk0

今まで関連性がない(あるとは思われてなかった)ものでも学習機に喰わせてみたら何か見つかるかもしれない これこそレベルをあげてデータで殴る戦法 #TechOn東京

2019-05-13 20:45:28
諏訪真一 @suwa_sh

Discovery 1.0 科学、ドメイン知識から判断してきた 偶然の発見は少ない Discovery 2.0 学習してみて相関関係に気づく #TechOn東京

2019-05-13 20:45:31