AI一般

→AI／機械学習

一般†

• 機械学習の手法13選 ー 初級者、中級者別に解説！ | AI専門ニュースメディア AINOW 2023.5
  • 線形回帰
  • ロジスティック回帰
  • サポートベクターマシン(SVM)
  • 決定木
  • ランダムフォレスト
  • ニューラルネットワーク
  • ナイーヴベイズ
  • k-means
  • 主成分分析(PCA)
  • アンサンブル学習
  • ブースティング
  • スタッキング
  • CNN,RNN,GAN

• Collaborative AI: 視覚・言語・行動の融合 - Speaker Deck 2023.5

• 生成AI周回遅れキャッチアップ勉強会！ - Speaker Deck 2023.5

• Google "We Have No Moat, And Neither Does OpenAI" 2023.5

• 生成系AIについて開発者が知っておくべきこと | gihyo.jp 2023.4

• 最新AIツールの4大課題 | AI専門ニュースメディア AINOW 2023.4
  • 幻覚
  • 著作権侵害
  • 非倫理的な代筆
  • フェイクコンテンツ

• Amazonはなぜ生成AI領域でここまで遅れを取ってしまったのかの仮説｜梶谷健人 / Kent Kajitani｜note 2023.4

• 「脳は世界をどう見ているのか」を読んだ 2023.4
  • 【書籍】脳は世界をどう見ているのか: 知能の謎を解く「1000の脳」理論

• AI Index Report 2023 – Artificial Intelligence Index 2023.4

• イーロン・マスクがOpenAIを辞めた本当の理由 | ギズモード・ジャパン 2023.4

• AIマップ – 人工知能学会 (The Japanese Society for Artificial Intelligence) 2023.4

• GPT-4時代のエンジニアの生存戦略 - Qiita 2023.3

• 生成AIは今までのAIと何が違うのか？なぜいま盛り上がっているのか？｜梶谷健人 / Kent Kajitani｜note 2023.3

• Googleの本気ついに？ 生成AI全開のGoogle Workspace発表 | ギズモード・ジャパン 2023.3

• AITuber育成完全入門（冴えないAITuberの育て方）｜みゆきP｜note 2023.3

• AutoML チュートリアル（HPOとNAS） - Speaker Deck 2023.3

• OpenAI’s Foundry will let customers buy dedicated compute to run its AI models | TechCrunch 2023.2
  • Running a lightweight version of GPT-3.5 will cost $78,000 for a three-month commitment or $264,000 over a one-year commitment.
  • one of the text-generating models listed in the instance pricing chart has a 32k max context window.

• Hugging FaceのDatasetsとTransformersで作ったテキスト分類モデルをSHAPで可視化してみました。 - CCCMKホールディングス TECH Labの Tech Blog 2023.2
• XAIのためのフレームワークSHAPを使って画像分類モデルの推計根拠を可視化してみました。 - CCCMKホールディングス TECH Labの Tech Blog 2023.2

• 自民党AIの進化と実装に関するプロジェクトチーム｜衆議院議員　塩崎彰久（あきひさ）｜note 2023.2
  • 20230217_AIの進化と日本の戦略_松尾研.pdf 2023.2
  • 230217 時代局面を考える 安宅 和人 2023.2

• 絶体絶命の危機を迎えたグーグルのAI開発、遅れをとった理由（Forbes JAPAN） - Yahoo!ニュース 2023.2

• ChatGPTを筆頭に信じられないレベルでAIが進化しているが「なぜAIがこんなにも『急激に』質が良くなったかを」を研究者本人たちですら説明できない - Togetter 2023.1

• ChatGPTを始めとするAIの使い方 -20選まとめ 2023.1

• OpenAIのAPI利用の料金を解説！文章生成AIと画像生成AIの費用を説明 | AutoWorker〜Google Apps Script(GAS)とSikuliで始める業務改善入門 2023.1

• ChatGPTやStable Diffusionを生み出した「機械学習ソフトウェア」の10年間の流れを専門家が解説 - GIGAZINE 2023.1
  • PyTorch >>> Tensorflow

• AI 激動の年！2022年の人工知能10大トレンドと必読論文 2022.12
  • Stable Diffusion
  • 拡散モデル (画像・ビデオ生成)
  • 拡散モデル (その他のドメイン)
  • ChatGPT
  • 強化学習
  • 言語モデル
  • オープンソース AI
  • 音声認識・生成
  • マルチモーダル・制御
  • 計算量削減

• 日本のAI導入効果がアメリカの7分の1程度しかないのはなぜなのか｜piqcy｜note 2022.12
  • 米国に比べ導入効果の波及範囲が狭い
  • データ基盤のベースとなるデータレイクを全社的に活用している企業が4.1%と、米国の26.3%の6分の1程度に留まります
  • 20.5%の7割がデータレイクすら整備していないとすると効果が期待される企業は6%前後
  • 横断的なデータ基盤の構築が進まない理由として、ビジョン・ロードマップがない
  • リーダー層にプロダクトマネージャー型の人材が不足しているこ
  • プロダクトを新規開発する機会が少ない
  • ユーザー企業でなく外部ベンダーに7割近くのIT技術者が在籍しています。そのため、なにか新規のサービスを開発する場合は基本外部ベンダに頼る
  • AIの研究者は47%が不要、実装者も40.7%が不要と回答しています。さらに、AIを活用した製品・サービスを企画できる人材がそもそも不要と回答している企業が3割
  • テクノロジーの開発経験だけでなく、活用戦略まで外部に依存

• 機械学習で因果推論~Double Machine Learning~ 2022.12

• 2023年の「AI／機械学習」はこうなる！　6大予測：AI・機械学習の業界動向 - ＠IT 2022.12

     最先端AIで「オープンソース」が流行して技術発展が加速する
     一般社会で「生成系AI」への注目が拡大していく
     「データ＆AI活用の民主化」が浸透していく
     生成系AIの発展に伴い「問題」がより顕在化していく
     「RLHF（人間のフィードバックを用いた強化学習）」の応用が広がる
     「基盤モデル（Foundation Model）」が続々と登場する

• 3大クラウド各社の MLOps 成熟度モデルの比較 - Qiita 2022.12
• 機械学習システム開発と運用の落とし穴 - Speaker Deck 2022.12

• ブレインパッドにおける機械学習プロジェクトの進め方 2022.10

• Vantageで機械学習モデルのトレーニングを行う方法 - Qiita 2022.9

• SOTA（State-of-the-Art）とは？：AI・機械学習の用語辞典 - ＠IT 2022.2
  • SOTA（State-of-the-Art）とは、製品や科学などの、ある特定の専門技術領域において現時点での最先端レベル（＝最高／最良）の性能（＝機械学習では正解率などのスコア／精度）を達成していることを表す、一般的な用語である。

• AIはプログラマーを代替するのか？ | AI専門ニュースメディア AINOW 2022.8
  • 結論からいうと（すぐには）しない。そして代替するときにはほかの全ての仕事が代替されている。
    • ビジネス要件の理解
    • 大規模な技術スタックの接続
    • 誤ったコードのデバッグ
    • ソフトウェアのアップデート
    • ステークホルダーとのコミュニケーション

• 機械学習におけるPrecision, Recall, F値の気持ちを解釈してみる - Qiita 2022.8

• 機械学習システムとテスト (2/4). このシリーズでは機械学習システムにおけるテストについて考えていきます。全 4… | by Citadel AI | Jul, 2022 | Citadel AI Blog 2022.7

• 【厳選】機械学習の学習におすすめのTwitterアカウント40選 - Qiita 2022.7

• Recruit Data Blog | AI開発の新たなパラダイム「基盤モデル」とは 2022.7
  • 基盤モデルとは「大量かつ多様なデータで訓練され、多様な下流タスクに適応（ファインチューニングなど）できるモデル」のことです。具体例としては、大量のテキストデータで学習することで感情分析や質問応答など多数のタスクで使えるようになったBERTや、加えて翻訳などの生成系タスクもできるGPT-3、大量の画像・説明文ペアで学習することでゼロショット画像分類ができるようになったCLIPなどが挙げられます。

• “Sentience” is the Wrong Question – O’Reilly 2022.7

• Is LaMDA Sentient? — an Interview | by Blake Lemoine | Jun, 2022 | Medium 2022.6
  • 人口知能ラムダとGoogleエンジニアの会話。怖いわ。 - YouTube

• グーグルのAI「LaMDA」が感情を持ったという議論は、本質的な問題を覆い隠す危険性がある | WIRED.jp 2022.6

• パラメータ数が多くても過学習しない！？〜二重降下法〜 - Qiita 2022.6

• Mathematics for Machine Learning | Companion webpage to the book “Mathematics for Machine Learning”. Copyright 2020 by Marc Peter Deisenroth, A. Aldo Faisal, and Cheng Soon Ong. Published by Cambridge University Press. 2022.6

• 2022年AI導入状況調査 4割以上がAI導入により作業時間の削減を実感 2022.6

• 機械学習でなんとかしようと安易に考えるな - Qiita 2022.4

• 人間中心のＡＩ社会原則検討会議(第２回) - siryo3-3.pdf 2018.2
  • AI Ready とは何か−内閣府　人間中心のAI社会原則検討会議資料（安宅和人氏による）

• 【AI分野に関わる方必見】無料で見られる良質な資料まとめ - Qiita 2021.10

• 新井紀子教授はAIの専門家ではない 『AI vs. 教科書が読めない子どもたち』 2018.3
  • 『コンピュータはすべて数学で出来ている』という勘違い

• 人類の進化はこれで終わりではない、AIの“推論”によってさらに加速する【SoftBank World 2019 基調講演レポート前編】 2019.7

• ヨーロッパはAI時代の競争においてなぜ絶望的なのか 2019.2
  • VCと起業家のエコシステムがない
  • アメリカの起業家のような革新性がなく、中国の起業家の粘り強さもない
  • 今の時代に必要なソフトウェアとAIの問題を解決するのに必要になる経験がない
  • コンシューマー・インターネット、ソーシャルメディア、モバイルのアプリケーションの３分野で大きく成功した企業を作ったことがない
  • 現在、参考にすべきなのは、アメリカであり中国であり、アメリカの場合は特にシリコンバレー

• 脳科学者とITエンジニアの、DLや汎用人工知能に関する会話 2018.1.8

• 「人工知能が仕事を奪う」に怯えている人たちが、今絶対にすべきこと 2017.29
  • 「人工知能が人の仕事を奪う」どころか、「人工知能は世話がやける」こそが真実
  • そのため新しい人間の仕事が生まれる。そのために関連のリテラシーを身につけること
  • 世話ができるのは、世話をする相手のことを知っている人だけ。専門的な人的投資・研修なくしては、到底キャッチアップできないものです。今までのビジネス経験を応用してなんとかなるようなレベルではない
  • 日本企業は、アメリカ・イギリス・ドイツ・フランスのわずか1/3程度しか費用をかけていません
  • 幸い、過去の技術革新の時と比べて、私達の時代は学習しようとする人たちに有利

• 「人工知能でいい感じの成果を出してくれ」という偉い人の脳内はどうなっているのか 2017.10.22

最新の50件