いっしきまさひこBLOG

AI・機械学習関連、Web制作関連、プログラミング関連、旅行記録などなど。一色政彦。

ML @ Loft #3 Recommendation 聴講ノート

※これはセミナー聴講時の個人的なノートをそのまま公開したものです。誤字誤植や勘違いがある可能性があるのでご了承ください。

LT形式で話の展開が速くあまりメモれず。

ML @ Loft #3 Recommendation - 2019/06/21(金) 19:00〜

7:00PM–7:05PM はじめに

  • 対象:普段から手を動かして機械学習するのが好きで、機械学習運用における課題を持っている人

7:05PM–7:45PM LTセッション (10分×4セッション)

Graph Convolutional Networksを使った推薦システム

AbemaTVを支える推薦システム

  • 株式会社サイバーエージェント 前田英行 氏
  • AbemaTVにおいて運用している推薦システムについて紹介し、実運用上の課題などについて述べる
  • AbemaTVとは? 各種コンテンツを楽しめるインターネットテレビ。テレビは無料。ビデオ(オンデマンド)は一部が無料
  • 推薦機能: ビデオ番組を推薦する機能。「こちらもオススメ(見た番組から)」「視聴履歴からのオススメ(ユーザーから)」
  • 推薦システム: 大きく分けて推薦候補生成処理とリランキング処理で構成される
  • 2段階処理にすることで推薦候補を絞り計算時間を削減したりしいている
  • 課題: アクセス急増、未来の番組推薦、有料・無料の番組がある場合、シリーズものはシリーズ/エピソードのどちらを推薦するかなど

Gunosyにおけるパーソナライズシステム

  • 株式会社Gunosy 小澤俊介 氏
    • キュレーションサービスの開発やデータ分析部
  • ニュースサービスのパーソナライズを支える仕組みと課題について紹介します
  • ニュース推薦の特徴: 更新性の高さ、価値が時間減衰。→ 既存アルゴリズムは適用できない
  • 記事&ユーザーベクトルの更新、推薦API、:
    • 記事(アイテムベクトル)とユーザーベクトルをリアルタイムに更新
    • 推薦API(リスト表示):ユーザーからリクエストが来たらユーザーベクトルを取得して興味ベクトルなどをスコアリングし、記事を生成
  • 推薦システム更新の課題: ...
  • 推薦アルゴリズムの課題: コールドスタート問題、オフライン実験、遷移/時系列の問題

ユーザエンゲージメントを良くするためのターゲットの設定

  • ウォンテッドリー株式会社 久保長礼 氏
  • Wantedly Visitのレコメンデーションシステムの全体像を話をした後、ユーザエンゲージメントを良くするためのターゲットの設定方法についてお話します
  • レコメンデーションの場所: 最初のおすすめ募集、フィルタリング、キーワード検索
  • 2年前に、レコメンデーションチームが発足し、機械学習によるレコメンデーション機能を実装してきた
  • Wantedly Visitのレコメンデーション:
    • データタイプとしては、「ユーザー行動」と「ユーザーやアイテムのデータ」がある
    • ユーザーエンゲージメントスコア: サービスに対する愛着を示すスコア、、など
  • ランダムウォークで類似性を取得している
  • レコメンデーションにおけるターゲット(ランキングがユーザーにとって良かったか悪かったかを判断するための数値)

7:50PM–8:40PM ラウンドテーブル (25分 x 2テーブル)

  • 相談会・ディスカッション (LTerがファシリテーターとなり、参加者全員での技術トークの時間です。)
  • 最大6人/1テーブルほどにわかれて相談や議論など。

第42回WBA若手の会勉強会 Human-like AI実現に向けた認知科学的アプローチ 聴講ノート

※これは勉強会聴講時の個人的なノートをそのまま公開したものです。誤字誤植や勘違いがある可能性があるのでご了承ください。

第42回WBA若手の会勉強会 Human-like AI実現に向けた認知科学的アプローチ - connpass

【余談】自分の大学在学中の専攻は認知科学の一翼である認知心理学で、今回の話は「認知科学」の話だったので何となく懐かしく感じました。ちなみにその当時、認知科学つながりでニューラルネットワークに興味を持ったんだけど、大学卒業からだいぶたってそれをまた学んでいるとは。

メモっているけど、スライドの内容そのままです。 あと全部はメモれていないです。興味がある人はスライドをご参考に。

講演「Human-like AI実現に向けた認知科学的アプローチ ~人間の思考過程をリバースエンジニアリングする~」

  • Cognitive science for the development of human like ai
  • 講演者:南井 優希さん(認知科学に最も興味を持っている)
  • AIに対する期待と現実(認知科学的な視点)
    • 【期待】近年、AIは騒がれており、AIが社会を変えるという認識が高まっている
    • 【現実】しかし、AIで実現できないがいろいろとあることも認識されるようになってきた
    • 機械側からではなく、人間側からアプローチすることで解決できるのでは? それが認知科学に興味を持った理由
  • 認知科学とは? ……人間の認知能力を数理モデルなど科学的に研究する学問
    • その一つのアプローチが、人間をリバースエンジニアリングする:
      • 人間の認知能力を計測して
      • 人間の認知能力を計算モデル化
      • 計算モデルを機械に実装
    • 機械は分類と回帰。しかし人間は世界を解釈・説明する
      • 例えば馬に引きずられている人間の写真を見て……:
        • 機械はあらかじめ決められた範囲でしか答えを出せない
        • 人間は物事をさまざまな確度から考え、多くの情報を理解する
  • 人間の認知的基盤例:
    • 直観心理学: 人間が直観的に行動の意図を推測できること
    • 直観物理学: 人間が瞬時的に物理学をイメージして行動すること
    • 構成性: カメラを分解した図の例。それらを組み合わせて考えられること
  • 直観心理学について:
    • 例えば書類を持っている人が困っている動作をすると、1才そこそこの赤ちゃんが行動の意図を理解・推測して、ドアを開けたりして助けてあげる
    • 例えば○のブロックが山を登る際に、△のブロックは助けるが、□のブロックは邪魔する例を赤ちゃんに見せる。すると、△のブロックを好んで選ぶ(他社の気持ちが理解できる)
    • ではこのとき、人間の頭の中では何が起きているのか? その研究例を示す
      • 心の理解: 人間は、他者の行動に基づき、その心を推測することができる
      • 信念と欲求に基づいた行動計画をモデル化:
        • 例えば……:
          • 行動:Aくんは日曜日に図書館に行った
          • 欲求:本を借りたい
          • 信念:借りた本は図書館にあるし、日曜日も図書館は開いている
        • 仮想シナリオを設計。それを人間の被験者と機械学習のモデルで学習させて、欲求や信念を予測させる。それらを比較した
        • 結果としては、ベイジアンモデルによる推測結果が、人間の推測結果と強く相関していた
    • ……(急な作業が発生してこのあたりメモれず)……
  • 直観物理学について:
    • ……(急な作業が発生してこのあたりメモれず)……
  • 構成性について:
    • 人間は物事を要素に分解して考える:
      • 例えばセグウェイ。ハンドルと支柱と車輪に分解して考えることで、動作を推測できる
      • 同じ物体の識別、新しい例の生成、新しい概念の生成などを、人間はできる。これを検証した論文がある
      • 新しい文字の学習: 同じ文字の識別、新しい例の生成、新しい文字の生成を検証した結果、人間と遜色のないベイジアンモデルが作れた

質疑応答

  • 認知科学の対象領域は、以前と比べると広がっている
  • 参考文献では、ベイジアンモデルで、直観心理学&直観物理学&構成性という基盤が提案されていただけで、これが認知科学の共通アプローチというわけではない
  • ベイジアンモデルで精度が良いが、人間はベイズなのかという点についてはまだ議論があり、科学的に実証できる段階ではない
  • 人間の内面をモデル化することで、なぜ世界を解釈できるのか? このモデルは、世界を解釈するためのツールの1つであると理解している
  • 人はバイアスがあるが、今回の参考文献では考慮されていない。認知科学では、属性ごとに区切って実験することはある
  • 人はモデルを持っているとして、それは意識とどういう関係があるのか? 意識や感情については認知科学ではなく別領域で研究されており結びついてはいない

Visual Studio CodeのRemote-SSH機能で、リモートのコードを触る方法

 2019年6月6日に、Visual Studio Code(VS Code)のMay 2019 (version 1.35)【安定版】がリリースされ、リモート開発(プレビュー版)拡張が利用できるようになりました。これはどういう機能かというと、サーバー上のファイルを、あたかもローカルにあるファイルのように編集できる機能です。

f:id:misshiki:20190615201409p:plain
図01 Visual Studio Code リモート開発の実行イメージ

 利用ケースを挙げるなら、例えば「機械学習でGPU付きのUbuntuサーバーやクラウド環境を利用したい。でもその開発・実装は、普段使いのWindows上のVS Codeで行いたい」といった場合に便利です。機械学習ではJupyter Notebookでも、リモート上のファイルの編集はできるので開発には困らないのですが、VS Codeを使ってコードを書きたいという場合に、この機能が役立ちそうです。

 わたし自身は、JetBotのコードとかもVS Codeで触れたらいいなぁと思って試したのですが、JetBotの基盤であるJetson Nanoの「Linux aarch64」には、このリモート開発機能が対応していなかったです(参考:Remote SSH: Support Linux aarch64 · Issue #60 · microsoft/vscode-remote-release)。残念...。

 とりあえず、Ubuntu 18.04のコンピューターにリモート接続してみました。まだ、世の中にある手順の情報などが洗練されていないようなので、わたしが実行した手順と注意ポイントを、このブログエントリでは紹介します。接続にはSSHを使うので、リモート側にSSHサーバーのインストールが必要です(その手順は割愛)。

(1)Remote Development拡張をインストール

 まずは、作業したいローカル環境(筆者の場合はWindows)上のVS Codeに、Remote Development拡張をインストールします。

f:id:misshiki:20190615201428p:plain
図02 Remote Development拡張のインストール(Webページから)

 上記リンク先から、もしくは次のようにVS Code上からインストールできます。

f:id:misshiki:20190615201444p:plain
図03 Remote Development拡張のインストール(VS Codeページから)

 インストールが完了したら、SSH接続先のホストを構成ファイルで指定します。

(2)SSH構成ファイルで接続先ホストの指定

 Windowsであれば[F1]キーを押すか、左下の[管理](歯車)タブ-[コマンド パレット]から、コマンドパレットを出して、「remote-ssh」などと入力。リストに出る[Remote-SSH: connect to Host...]、[Cofigure SSH Hosts...]、[~/.ssh/config]の順にクリックしていきます(※「~/.ssh/config」以外にSSH構成ファイルを置くこともできますが、ここでは典型的な場合として説明)。

f:id:misshiki:20190615201503p:plain
図04 SSH構成ファイルを開く手順

 これにより、SSH構成ファイルが開かれるので、Host(管理用の名前)、HostName(ホスト名)、User(ユーザー名)、IdentityFile(公開鍵認証で使う秘密鍵のファイル)を指定します。

f:id:misshiki:20190615201517p:plain
図05 SSH構成ファイルの設定内容

 私の場合は以下のように入力しました。

Host masa-i@dapc86-ubuntu.d-advantage.com
    HostName dapc86-ubuntu.d-advantage.com
    User masa-i
    IdentityFile ~/.ssh/id_rsa

 ここでは公開鍵の設定が済んでいる前提で手順を書きましたが、すんでいない場合の手順を(3)で示しておきます。ちなみにパスワード認証も可能でしたが、推奨は公開鍵認証のようです。

(3)SSHの公開鍵認証について

SSHクライアントのインストール

 まずはローカルOSに、SSHクライアントをインストールします。PuTTY for Windowsを使おうとしたらサポートされていなかったです。Windows 10であればWindows OpenSSH Clientを下記リンク先を参考にインストールしてください。

 OpenSSHのインストール状況を確認するため、Windows 10の[スタート]メニューを右クリックして、[アプリと機能]-[オプション機能の管理]を開いたところ、自分の場合はインストール済みでした。

f:id:misshiki:20190615201531p:plain
図06 OpenSSHのインストール状況の確認

 SSHクライアントがインストールできたら、公開鍵(id_rsa.pub)&秘密鍵(id_rsa)を生成します。

SSHの公開鍵(id_rsa.pub)&秘密鍵(id_rsa)の生成

 PowerShell(管理者モード)を使って生成する手順を紹介します。

 まずは[スタート]メニューを右クリックメニューから[Windows PowerShell(管理者)]を実行します(※設定によってはここが[コマンド プロンプト]になっていますが、PowerShellを何とかして開いてください...)。

 あとは、順番にコマンドを打ち込んでいきます。次の画像のようになりますが、その下に、わたしが打った内容を参考までに載せておきます。

f:id:misshiki:20190615201545p:plain
図07 SSHの鍵を生成しているところ

 ディレクトリを移動。

PS C:\WINDOWS\system32> cd ~\.ssh

 SSHの鍵を生成。鍵を保存するファイルはデフォルトの「~/.ssh/id_rsa」のままで。上書き(Overwrite)と出た場合はすでにあるので、注意してください(※上書きすると他に影響が出ます)。パスフレーズ(passphrase)は空にせずに何か入力した方がいいです。

ssh-keygen -t rsa -b 4096

 鍵ができたら、公開鍵(id_rsa.pub)をリモート接続先にアップロードします。

リモートコンピューターへのSSH公開鍵(id_rsa.pub)のアップロード

 この作業も引き続き、PowerShell(管理者モード)を使いました。

 上記のとおりに鍵を生成した場合は、以下のコマンドを順番に打ち込んでいきます。

 以下のコマンドは、以降で使うパスなどの文字列を作っているだけです。masa-i@dapc86-ubuntu.d-advantage.comは、<ユーザー名>@<ホスト名>で各自のものを入力してください。

$UserAtRemoteHost = "masa-i@dapc86-ubuntu.d-advantage.com"
$LocalSourcePublicKey = $env:UserProfile + "\.ssh\id_rsa.pub"
$RemoteTargetPublicKey = $UserAtRemoteHost + ":~/tmp.pub"

 下記のコマンドで、公開鍵をアップロードしています。途中でリモートコンピューターにログインするためのパスワードが聞かれるので、各自のものを入力してください。

scp $LocalSourcePublicKey $RemoteTargetPublicKey

 次のコマンドは、リモートコンピューター上で、アップロードした公開鍵を有効にしています。

ssh $UserAtRemoteHost "mkdir -p ~/.ssh && chmod 700 ~/.ssh && cat ~/tmp.pub >> ~/.ssh/authorized_keys && chmod 600 ~/.ssh/authorized_keys && rm -f ~/tmp.pub"

 以上の手順で、わたしが打った内容を参考までに載せておきます。

f:id:misshiki:20190615201603p:plain
図08 SSHの鍵をアップロードしているところ

 念のため、実際に接続できるようになったかを、次のコマンドでチェックしてみてください(※masa-i@dapc86-ubuntu.d-advantage.comは、<ユーザー名>@<ホスト名>で各自のものを)。ログインできたら、exitなどと打ってログアウトしたら完了です。

ssh -i ~/.ssh/id_rsa masa-i@dapc86-ubuntu.d-advantage.com

 以上で準備は終わりのはずなんですけど、何度かやってみて、「ログインターミナルの表示」を設定した方がトラブルが少なかったので、(4)を説明しておきます。

(4)「ログインターミナルの表示」の設定

 メニューバーの[ファイル]-[基本設定]-[設定]から[設定]ページを開き、[設定の検索]欄に「remote ssh」と入力。左側のツリーから[拡張機能]-[Remote - SSH]を選択して、右側の設定内容にある[Remote.SSH: Show Login Terminal]にチェックを入れてください。

f:id:misshiki:20190615201617p:plain
図09 [Remote.SSH: Show Login Terminal]の有効化

 これで準備万端です。実際に、リモートファイルを開いてみましょう。

(5)Visual Studio Codeによるリモート開発

 (2)と同じ手順でコマンドパレットを開き、[Remote-SSH: connect to Host...]をクリックします。今度は、(2)のSSH構成ファイルで設定したHost管理名(この記事の場合は「 masa-i@dapc86-ubuntu.d-advantage.com」)が表示されますので、これをクリックしてください。

f:id:misshiki:20190615201632p:plain
図10 SSH接続したいリモートホストを選択しているところ

 すると途中で、[ターミナル]ウィンドウが立ち上がり(※(4)の設定をしないと立ち上がらない)、鍵のパスフレーズの入力が求められますので、各自のものを入力してください。パスフレーズが聞かれるのがこれ一回かと思いきや、何度も聞かれます(今後、改善してくれると信じています...)。

f:id:misshiki:20190615201702p:plain
図11 鍵のパスフレーズを入力しているところ

 接続に成功すると、別ウィンドウでVS Codeがもう一つ立ち上がり、[フォルダーを開く]ボタンからリモートコンピューター上を簡単に探索できます。

f:id:misshiki:20190615201713p:plain
図12 リモートコンピューター上のフォルダーを開いているところ

 あとは、リモートコンピューター上のフォルダー内のファイルが、あたかもローカルファイルのように編集できます。

f:id:misshiki:20190615201723p:plain
図13 リモートファイルをローカルファイルのように編集しているところ

 ちなみに、この状態で拡張機能をインストールしようとすると、当然ながら、ローカル環境ではなくリモートコンピューター上にインストールされます。

f:id:misshiki:20190615201734p:plain
図14 リモートコンピューター上にmarkdownlint拡張をインストールしようとしているところ

 以上です。一度つながれば快適です。

誰でも参加できるバーチャルな「ウォーキング」イベント6月3日(月)開始

ウォーキングに興味がある人向けに、スマホを使ったバーチャルイベントの紹介です。

スマホを使ったウォーキングイベント

企業が入っている健保では、(被保険者を建康にして医療保険費を削減するためだと思いますが)スマホのアプリを使ったウォーキングイベントというのがよくあると思います。例えばITS(関東ITソフトウェア健康保険組合)では「MY HEALTH WEBスマ歩ウォーク(歩Fes.)」というのがたまに開催されていて、最近だと2019年4月23日(火) ~ 2019年5月22日(水)で開催されました。わたしも参加して、GW期間中サボったので後半の巻き返しが大変だったのですが、何とか平均歩数9000歩以上(歩数達成賞=1000ポイント、つまり1000円相当)を達成しました。

f:id:misshiki:20190603101629p:plain
MY HEALTH WEB スマ歩 ウォーク(歩Fes.)

普段の生活の中で自然に実践できるので、ウォーキングイベントはほぼ趣味のように毎回参加しています。ただ、こういったイベントがあるのはたまにであったり、健保ごとであったりするので、参加機会はそれほど多くないです。

からだカルテ:歩数イベント 高知編

そこで、今回のブログ記事で紹介するのは、

というものです。ちなみに以前にも、「ウォーキングの歩数をバーチャル名所で競う「歩数イベント」 - いっしきまさひこBLOG」という紹介記事をポストしたことがあります。からだカルテの歩数イベントも開催は「たまに」なのですが、タニタが開催しており、参加費500円(税込)がかかるものの、誰でも参加できるメリットがあります。

f:id:misshiki:20190603102910p:plain
からだカルテ:歩数イベント 高知編

すでに今日(2019/06/03)から始まってしまっていますが、興味があれば上記リンク先をチェックしてみてください。参加する場合はともに頑張りましょう。

今回は高知編で、以下のようなマップの道のりをバーチャルに歩くみたいです。

f:id:misshiki:20190603103856p:plain
歩数イベント高知編の道のり

マイクロソフトリサーチアジア「自然言語処理研究の最新動向」プレスラウンドテーブル 参加ノート

※これはレポート記事にする前の個人的なノートをそのまま公開したものです。誤字誤植や勘違いがある可能性があるのでご了承ください。

NLP Innovation(自然言語処理のイノベーション)

  • Dr. Ming Zhou(周明)、ミン・ジョウ氏: Ming Zhou at Microsoft Research
    • マイクロソフトリサーチアジア(MSRA)副所長、ACL (コンピュータ言語/自然言語処理研究の国際学会)会長、中国計算机学会(CCF)中国情報技術委員会委員長、中国情報処理学会理事。
    • 1989年、中国初のCEMT-I 中英機械翻訳システム開発について中国政府先端科学技術賞。
    • 1998年、著名な中日機械翻訳ソフトウェア J-Beijing を日本にて開発。
    • MSRA にてBing、Office、Windows、Azure 等で用いられている自然言語処理技術を開発し、チャツトボットであるシャオアイス、りんな、Zo を生み出した。
    • 中国における対聯(対句)および詩の生成 Al ゲーム開発、中国語と日本語の Windows IME のリーダーであるほか、英語補助検索工ンジン Engkoo はウォールストリートジャーナル2010 アジアイノベーションリーダーズチョイス賞を受し、2011年に Bing 辞書としてBing に搭載された。
    • 2014年、Microsoft Ability アワードをCE〇サティアナデラより受賞。
    • 2018年、北京傑出労働メダル(五月一日労働メダル)受賞。
    • 周博士は、1985年、重慶大学で学士号、1991年、ハルビン工科大学で博士号を取得。
    • 1991~1993年、清華大学にてポスドクを経て、准教授に昇進。
    • 1996~1999年、サバティカルを利用し日本の高電社にて日中機械翻訳プロジェクトのリーダーを務める。
    • 1999 年よりマイクロソフトリサーチアジアに所属。
  • 自然言語処理(NLP)は大きなブレークスルーを為し遂げている
    • 例えばBing、Office、Windows IME、チャットボット(中国でシャオアイス、日本ではりんな、アメリカではZo、まど実験的なプロジェクトが多数ある)
  • Microsoft Research Asia:
    • 98年に設立してすでに20周年
    • その間、多数の国からインターンを受け付け、さまざまな業界に人材を輩出してきた
    • 今では中国、日本、シンガポールなど多くの国で、研究活動を率いている
    • 論文の数が5000以上ある
    • 学術連携やイベントなども多数進めている。日本ではCOREというのがある。またインターンも東京大学を初めとした博士課程の人が年間15人。フェローシップとして年間10人ぐらいアワードを出している。日本にラボがないので、産総研や理研などに就職していく
  • AI研究のブレークスルー:
    • 2016年にはニューラルネットワークでResNetが登場して画像認識で広く作られるようになった(96%)
    • 2108年9月、SQuAD(86.0%):The Stanford Question Answering Dataset、質問応答技術
    • 2018年3月、言語解釈(69.9%)
    • 2018年6月、OCR(50%)
    • すでに新たなステージ、黄金時代に入ったといえる
    • 事前学習モデル、転移学習、knowledge(知識)、reasoning(推論)など、機械学習の技術も進んでいる
      • 質問:自然言語処理でBERTが最近出てきており、マイクロソフトリサーチでも論文が出たはずだが、そういった最先端研究について
        • BERTは先ほど事前学習モデルと呼んでいたもの(写真撮った)。マイクロソフトではUNILM、MASS、MT-DNNなどを作っており、まもなくリリースする予定になっている
          f:id:misshiki:20190530105911j:plain
          事前訓練モデル
  • 画像認識に関するブレークスルー
    • 今現在のエラー率:3.57%、人間が5.1%なので、すでに人間を超えている
    • SQuADはExact matchが82.65%で、まだ人間が少し上回っている
    • 言語解釈においては、WMT 2019において8言語ペアでベストパフォーマンス
    • OCRのWERも良い成果を残している
  • MSRA Innovation Partnership: マイクロソフトリサーチアジア・イノベーション・パートナーシップ
    • 密に作業パートナーと連携。特にAIが使いたい(もしくはデジタルトランスフォーメーションを進めたい)という企業に、コンサルティングやテクニカルワークショップに呼ぶなどして協業している
    • マイクロソフトはフィードバックが得られて、研究開発に生かせる
    • イノベーションパートナーシップの初期メンバーは16社(写真撮った)
      f:id:misshiki:20190530101625j:plain
      イノベーションパートナーシップ16社
    • 例えばOOCLとの協業やPearsonとの協業などがある
    • NLPに関するMSRのイノベーションや貢献の例も多数(写真撮った):例えば手話と自然言語を使う人がスムーズにやりとりできるサービスなどがある。日本ではりんなも例に挙げられる
      f:id:misshiki:20190530101844j:plain
      NLPに関する貢献例
  • NLPエンジン(写真撮った): 統計機械翻訳、ニューラル機械翻訳などがあり、ニーズに応じて選択できる
    f:id:misshiki:20190530102153j:plain
    NLPエンジン
  • 機械翻訳のロードマップ(写真撮った)
    f:id:misshiki:20190530102308j:plain
    機械翻訳のロードマップ
  • ニューラル機械翻訳(NMT)
  • リソースが少ない言語の機械翻訳について
  • 日本語と英語の違いについて
    • 課題:日本語から英語に翻訳する際は法則性があるが、英語から日本語に翻訳するには語順がかなり変わるので、扱いが難しい
    • 日本語と英語の間のエラー解析をすると、語順が違うなどさまざまな種類の問題が出てくる
  • 機械リーディング解釈(Machine Reading Comprehension):
    • 推測などを加えることで解釈できる場合がある
    • 会話的な質疑応答では、回答が一つとは限らない
  • Xiaoiceフレームワークの製品群: 2014年から2017年まで毎年。シャオアイス、りんななど(写真撮った)
    f:id:misshiki:20190530103308j:plain
    Xiaoiceフレームワークの製品群
  • 手話翻訳: 動きを理解してから、自然言語の文を作成する
  • その他には、中国の古典を生成するサービス、中国の漢字を当てるサービス、画像から詩を生成するサービス
  • マイクロソフトは、どの国、どの人に対しても、自然言語処理の革新に注力したい

メディアで公開済みの記事一覧

第1回 Jetsonユーザー勉強会 聴講ノート

※これはセミナー聴講時の個人的なノートをそのまま公開したものです。誤字誤植や勘違いがある可能性があるのでご了承ください。

【増員】第1回 Jetsonユーザー勉強会(超初心者も大歓迎!) - connpass (リンク先にスライドあり)

JetBotの作り方(RYOYO ver.)

菱洋エレクトロ。JetBotを作りかたを初心者向けに説明します

NVIDIAインダストリー事業部 FAE:Chris To, SA :大串 正矢

Jetsonシリーズ 概要紹介

Jetson TIPS

DeepStreamとTensor RTの概要紹介

(10分) 株式会社GClue 佐々木 陽 JetBot Kit化の格闘記

JetBotの筐体の改造から独自基板の作成まで(深センでGWに1人合宿して開発)の苦労話をLTします。

  • ハードウェアのシリコンバレー「深セン」
  • 華強北(フアチャンベイ):深センの秋葉原
  • 10cmx10cmの基盤を起こすのがたったの220円(現地価格で80円)
  • T-962
  • NVIDIAが指定した最新3Dプリンターでないと苦戦する(それで9時間)
  • タミヤのキャスター:70144 ボールキャスター 1個 タミヤ(TAMIYA) 【通販モノタロウ】 05686503
  • キットで買えるようになる?

以降、メモなし。

(10分) LT:井上 AIoTをお手軽に実現した話

(10分) LT:大橋 Jetson活用事例 食品工場でのカメラによる衛生・安全管理システム

(10分) LT中畑 JetPackにはいっているDemoをその場で実行します

AWS DeepRacerを含む AWSの機械学習サービスに関する記者説明会 参加ノート

【AWS ジャパン】2019/5/23 強化学習の完全自走型レーシングカー「AWS DeepRacer」を含む AWSの機械学習サービスに関する記者説明会

f:id:misshiki:20190523152225j:plain

※これはレポート記事にする前の個人的なノートをそのまま公開したものです。誤字誤植や勘違いがある可能性があるのでご了承ください。当日配布の発表資料に含まれていることは基本的に省略しています。

AWSの機械学習サービスと、AWS DeepRacer

  • 機械学習に興味をもつエンジニアを増やしていけたらよいという取り組みの一つ
  • Alexaなど実ビジネスの中で取り組み、学んできた
  • AWSではさまざまなレベルで機械学習サービスを提供している
  • リーグ - AWS DeepRacer | AWS
  • 機械学習のテクノロジー(強化学習:報酬が高くなるように学習する手法)を使って自走する車のレース
  • 機械学習のモデルを作って自律運転・自動運転させる
  • 世界の各都市でSummtサーキット(大会)を開催: DeepRacer のスケジュールと順位
  • バーチャルサーキットのレースもある
  • バーチャルの中で評価してから実世界で試すことができる(最初から実世界だとぶつかるなどさまざまな問題がある)
  • 無料の学習コンテンツ: e ラーニング | AWS Training & Certification

DNPにおけるAWS DeepRacerを活用した人材育成

  • Builder: AIを活用できる人材のことを指している
  • AWSはそういった人材育成に役立つ環境と考えている
  • そこで、AWS DeepRacerの社内レースを実際に開催する(バーチャルサーキット)
  • 公式のバーチャルレースにも参加している
  • 紙でコースを作ったり、電光掲示板を電子工作で作ったりして、盛り上げている
  • 6月後半以降、定期的に「WS DeepRacer GP powered by DNP」一般開催の予定(6/12に発表予定)

質疑応答

  • DeepRacerは報酬関数などモデルの一部をカスタマイズできるが、完全に独自のモデルを持ち込むことはできないが、ダウンロードして持ち出すことはできる。
  • クラウドの利用料金については、トレーニングを回すだけなら3ドルくらいの数ドルと考えてよい
  • 実機はいつごろ手に入るか?
    • モデルを作る環境はすでに提供を開始している。バーチャルサーキットにも参加可能
    • 実機(技適取得済み:まだ取れていない)は発売日は未定。AWS Summitにはお披露目できる
  • 実機はいくらになるか?
  • 実機のスピードは分からないが、バーチャルでは5 m/秒のはず
  • 実機にはカメラが入っており、中継映像ではなく、録画映像(リプレイなど)という形で見られる

ネット上のAWS DeepRacer関連記事のリンクまとめ(より詳しい情報が出てきています)