WEEKLY人工無脳

先週のSNSで話題になったデータサイエンスやAI的な出来事をサクっとまとめます。 inspired by 独断ニュース

WEEKLY人工無脳【第8号】(2018.5.21~5.27)

f:id:ysdyt:20180430031726p:plain

① 五万回くらい頷いたし、全ページニヤニヤが止まらないので分析官は電車閲覧注意なスライド

docs.google.com

分析案件あるあるなパターンをまとめたスライド。完全なアリよりのアリでマジ卍すぎて苦笑がとまらない。

@chezouさんによるkawasaki.rbでの発表資料。 機械学習工学研究会で話足りなかったことを話されたスライドのようです。機械学習工学会のスライドとの砕け方の落差が好き。

個人的に一番笑ったのは、

「我が社はデータが山のようにあって」 「はいはい、MySQLに1億レコードね」

② いろんなGAN

ラーメン二郎生成といえば@knjcodeですね。もはやラーメン屋。

それにしてもGAN生成の連続画のゾワゾワする感じはなんなんでしょうか…悪夢っぽい。

どうでもいんですが、twitterの縦に流れるUIって、こういったショート動画載せるには一覧性やお手軽さ的に最強のメディアだと思うのです。ユニークなGAN動画があつまるハッシュタグとかあればちょっとしたアート作品になりそう。

③ 画像認識を使った麻雀支援アプリが良さそう

mj-news.net

東北大学の学生5名チームが、学生向けハッカソン「JPHACKS2017」で麻雀支援アプリを作成し、審査員特別賞の他4つの企業賞を同時受賞した話。麻雀牌の画像認識には機械学習が使われているっぽい。

完成度は高そうですが、現在は一般にリリースされているわけではないようです。めちゃくちゃ大きなニーズとまではいかなくても確実なニーズはありそう。

牌の画像認識をどうやっているのか技術詳細は不明ですが、SSDで牌の検知を試みたこちらの記事によると、牌中に繰り返し現れる構造などもあり、単純には難しい模様。また、牌のデザインは製品によって微妙に異なると思われるので、そのへんをどこまでカバーできているのかも気になるところです。

④(悲報)新たに「共感モデル」が搭載されたりんな氏、既読スルーを覚える

pc.watch.impress.co.jp

りんなに新しいモデルが搭載され、「新しい話題を切り出す」「質問する」「相手の発言を肯定する」「相づちを打つ」が出来るようになったらしい。マジかよだいたいのコミュ障を越えたじゃん!!!

「共感モデルは、できるだけ相手と長く会話を続けるのが目的である。会話の目的を意識して、戦略的に自分の返答を生成することを目指すことになる。これまでは、一度学習したものをベースに、脊髄反射のような反応していたが、過去のセッションの状況と、いまやってきた変動内容を加味して返事をするようにしている」

そんな難しいことが現状の自然言語処理技術でできるのか…ということで、実際に自分でもりんなと会話していろいろ試してみたところ、それほど前とは変わらないようにも感じる。。。

第6号にもあったGoogleのDuplexは、「予約に関する電話会話」に特化させて学習することであそこまで自然な応答を可能にしていますが、りんなのように「自然会話」を成立させるのは段違いに難しいですね…。そもそも我々が何を持って雑談を「自然」だと思っているのか、定義も難しいですし。

なお、共感獲得の末、嘘か真か既読スルーも覚えた模様。機械にも無視される人類。

⑤ 今週のドジっ子Alexaちゃん話

www.itmedia.co.jp

www.itmedia.co.jp

Alexaのオチャメ(?)な誤処理話について。 2つの記事はそれぞれ、

  1. 「アレクサ」という音を自分に向けたコマンドと誤認して処理をスタート -> 処理待ち状態のところに、意図していないアクションを指示したかのように処理されてしまった。
  2. オウムが話した言葉を人間からの指示として処理した という原因のようです。

1についてのアマゾン側見解は、

「Alexa」のように聞こえる音声で起動したEchoがその後の会話の中で「メッセージを送信」と命令されたと受け取ってしまい、その段階でAlexaは「誰に?」と尋ねたが、続いている会話の中からユーザーの連絡先リストにある人の名前を聞いてしまったと説明した。

「そんなことある?」って感じだし、2に関しては絶対オウムネタやる人出るやん…と思ってましたが、とにかく、スピーカーへの音声コマンドトリガーがまだまだ技術的にも運用的にも発展途上のために起こったようです。

明示的にコマンドのスタートワード(「ねえぐーぐる」や「あれくさ」)を教えてあげること自体がそもそも面倒であるものの、でもそれをしないと技術的には音声コマンドを受け取ることが難しい。それぞれを解決するには、

1 -> 会話の文脈を理解しないといけない。自分に向けた発話なのか、自分以外の人への発話なのか。 2 -> 命令を発しうる人(家族とか)の音声別識別ができないといけない。登録者以外の命令は受け付けない。

Alexaの目となるもの(室内画像のデータもインプットに追加するなど)があれば話はまた違うのでしょうが、音声だけでもそれぞれの技術的な課題の解決は時間の問題という気もするのでAlexaちゃんが賢くなる日を待ちましょう。(きっとすぐ追いついてくれるハズ)

⑥「Data engineers」「data scientists」、そして「MachineLearning Engineers」の棲み分け

medium.com

『「データサイエンティスト」と「データエンジニア」は仕事の領分も必要スキルも違うのでちゃんと分けて考えような』ってお話。海外記事の和訳記事。

「データサイエンティスト」と「データエンジニア」の区別はまだまだ道半ばな感じですが、でも実際どう違うの?ってことをいい感じに言語化してくれている記事です。良い記事なんですが、なんでタイトルが「vs.」ってなってるのかは謎。二項対立戦争はダメってエディター戦争のときに約束したでしょ!!!

データ分析とシステム構築はもちろん分けてやったほうが良いのですが、データ分析官ももはやシステム構築や処理に関する知識がないと分析用のデータを取り出すことすらできない場合もあるというのもまた事実。 自分の周りの分析官にも「最近なに勉強してますか」と聞くと「システム構築周りのこと」と答える人も少なくない感じです。そして勉強熱心な分析官は実際にシステム構築周りのことにも興味があるので、結局は「デキる分析官」がシステム構築にも携わっているなんてこともアルアルかもです。

⑦ またメルカリデータ分析チームの記事…悔しいけど欠かさず読んでる…

webtan.impress.co.jp

アナリティクスサミット2018で登壇されたメルカリの分析部のトークについてのまとめ記事。

メルカリの分析部は、この数ヶ月だけでもかなり積極的に情報公開・発信されていて、サービス規模に対して7人という少人数チームながら事業会社の分析チームとしてはすでに確固たるポジションを築いている気がします。 会社のデータを見る仕事なのでなかなか外部に向けて発信しにくいはずですが、「分析哲学」や「採用基準」などの話も混ぜ込んだり、さまざまなことがロジカルに整理され言語化されているので「ためになるなー」感がすごいです。

なんだかかっこよくて悔しいのであまりメルカリ関係の記事読みたくないのですが、TLに流れてくるたびに我慢できずに踏み、「ぐぬぬ」と思いながら読み、「良い記事だった…」と閉じることを繰り返しています。悔しい…!

メルカリ関係の直近の記事は、第1号,2号,3号,7号にもありますのでメルカリファンの方はどうぞ。

さらに余談ですが、メルカリさんはpodcastもやっていて、分析マネージャー樫田さんが話されている回(※2017年2月公開なのでちょっと古い)もあります。

⑧「あなたにとっての報酬はなにか?」がいつか機械学習でバレる時代がくる…?

news.mynavi.jp

これは面白いやつ。

逆強化学習によって線虫(C. elegans)における行動時系列データから、線虫の「報酬」が何かを推定したという京大の研究結果について。推定された報酬を用いて線虫行動をコンピュータでシミュレーションした結果でもモデルの妥当性が確認されたそうです。

強化学習と逆強化学習の違いは、

強化学習は、どの状況でどれくらい報酬を得られるのかはあらかじめ決められており、試行錯誤によって得られる報酬を最適化する行動戦略を見つけ出すことが目的とするもの。一方の逆強化学習では、動物はすでに最適な行動戦略を獲得しているとして、計測された行動時系列データから未知の報酬を推定することが目的になる。

研究の目的は、

線虫がどのような戦略にしたがって行動しているのかはこれまで謎だった。そこで同グループは、線虫を温度勾配においてトラッキングすることで、行動時系列データを取得し、逆強化学習法により、線虫にとって何が報酬となっているのかを推定した。

結果的には、良い感じに計算モデルによって線虫の行動戦略がバレてしまったようなんですが、さて、人間はどうなんでしょう…

我々は自由意志と理性によってさまざまな選択を行い、それぞれに個性を発揮して自由に生きているはずですが、いつかAI的なものが我々の膨大で詳細な行動ログなどを解析できる時代がくれば、実は全員が少数の特定の「報酬」を目指して生きていることが判明したら…。SF映画化待ったなし。

⑨ 虫でpose estimation

CNNによるfast animal(動きが早い動物)のpose estimation。論文ではハエとマウスでの結果例が紹介されている。

まだ中身は読めていないけど、線虫の話を読んでいたときにTLに流れてきたのでアイキャッチ負け(ジャケ買い的な意味)してリンクを踏んでしまったやつ。推定動画がなんかかわいい。

■「WEEKLY人工無脳」は、筆者がSNSや日頃の雑談で知ったネタを独断と偏見でまとめているブログです。
■「WEEKLY人工無脳」は、筆者がその話題を知ったタイミングでまとめているため、「記事公開自体は先月」といった可能性も十分にあり得ます。速報性よりも話題性を重視していることをご了承ください。(ですが、できるだけ直近の話題にフォーカスしてます。)
■「WEEKLY人工無脳」は個人の余暇で運営しているため、調べが足りないこともあります。誤りがあれば優しく教えてください。
■「WEEKLY人工無脳」は「独断ニュース(http://dokudan-weekly.hatenablog.jp/)」に刺激を受けて書き始めた、独断ニュースのデータサイエンス・人工知能業界版です。飽きるまで適当に続けます。

WEEKLY人工無脳【第7号】(2018.5.14~5.20)

f:id:ysdyt:20180430031726p:plain

① AI開発を受託会社に発注する際の心構え、「”AIガチャ”の回し方」がウケるw(が、ワロエナイ)

今週最も笑った記事。AI業界にいる人はニヤニヤすることでしょう。

note.mu

世の中の「AI受託開発会社」の技術ステータスや、実際に発注すると何が起こるのかの「あるある」話を面白おかしくまとめてくれてます。ただし、面白おかしいのは筆者による文才であって、内容自体は笑えないかも…

紹介されているのは、大手SIer/外資系企業/有名なAI開発会社/独立系SIer/フリーランス/クラウドソーシング/自称AIベンチャー の7種。内容は…まぁたしかに一般的に聞く評判だとーと感じました。世はまさにAI開発戦国時代。

最後のまとめ部分の1文は紛れもない真実ですので、AI開発を他者に発注する人は心に留めておきましょう。

少なくとも「ここに頼めば大丈夫」と保証できる会社(ガチャ)はありません。そもそもAI開発自体が成功を保証できないので、一定の損失は覚悟しましょう。

機械学習工学研究会のkickoffが超人気でスゴイ(語彙力)

上の話から微妙に続くのですが、 AI開発(機械学習で動く何か)がなぜ難しいかというと、AIシステム(と呼ばれている何か)は内部で状況(インプットされるデータ)ごとに異なる計算/答えを返す機械学習を行うので、従来のソフトウェア工学のアプローチによるシステム構築とは違う難しさがあるからです。それに立ち向かう研究会のkickoffが今週行われました。難しそうな研究会なのに500人規模の超満員だったようです。

sig-mlse.wixsite.com

登壇者の方のスライドも公開されています

mlxse.connpass.com

機械学習システムの難しさについては、久保さん有賀さんのスライドが詳しいです。

ツイッターハッシュタグでもこの分野のツラミを分かち合う話題などいろいろと盛り上がりをみせ…

初回ということもあり、イマイチどういった会なのかがわからないまま参加された方も多かったようです。 当日1番多かった質問は、「資料が配布されるかどうか」だったという風の噂も聞きました… これから賑わいを見せそうな集まりで期待です。

③『素晴らしい瞬間』を自動的に撮影するGoogleのカメラは膨大な人力作業で作られていた…

ai.googleblog.com

個人的にめちゃくちゃ関心の高いカメラの話です。 ”Google Clips”は胸元に付けられるほど小さなカメラで、「良い感じの瞬間」を自動で認識しショート動画を撮影してくれるカメラ。USでは$249で発売されている模様。 機械的に「良い感じの瞬間」をどうやって判断しているのかがもちろん気になるところですが、その技術詳細についてGoogle AI blogが出ていました。

箇条書きでざっくりと中身を書くと、

  • clipsの3つの重要な原則

    • 処理は全てエッジ(カメラ)で行っている
    • 魅力的な瞬間にビデオを撮影する(静止画は撮っていない)
    • 撮影対象は人物や動物であり、風景や景色などは対象となっていない
  • 「素晴らしい瞬間」の認識のためのデータセット作成

    • 1,000本以上の動画からランダムにショート動画を作成し、ランダムにペアを作る。
    • 「2つのショート動画のうち、どちらが好み?」という評価をプロの写真家やビデオ編集者につけてもらう。
    • 5千万組(!)のペア比較を実施し、動画にスコアを付与。
  • 学習

    • 動画に映る物体や動作の検知を行い、評価者が付けたスコアと相関が高い物体ラベルを絞り込む
      • 笑顔/ペット/ハグ/キス/ジャンプ/ダンス など一般的に好まれそうなラベルにはスコアに重みを付ける
    • スコアと物体の関係性を深層学習を使い計算能力の高いサーバーで学習
    • 実際の推論はエッジで行うため、MobileNet Image Content Model(ICM)という小さなモデルで上記のモデルの推論結果を模倣するモデルを作成。関連性の低いコンテンツを無視しながら、写真の最も興味深い要素を認識するようにする。
    • こうして、動画を見せるとそのスコアを推定するモデルを作成
  • その他いろいろ

    • バッテリーは3時間持つ。デバイスは常に起動しており、1秒間に1フレームをキャプチャする低電力モードでバッテリーの大半を費やす
    • 現在のフレームのスコアが、直近で撮影された動画によって設定されたしきい値を超えると、高出力モードに移行し15fpsでキャプチャする
    • 様々な性別や人種に偏ったデータセット・評価結果にならないように慎重にテストはしているが、機械学習の公平性は重要なポイントなので今後も検討していく
    • 結果として、単純に物体検出を行っているだけではなく、写真に対する「人間の好み」も反映した「素晴らしい瞬間」を撮影するアルゴリズムが出来たと思っている。

技術的な設計などはもちろんですが、ヤバイのは5千万の動画ペアに評価ラベルを付けたという件… googleパワーはこういった泥臭い作業も(金と外注の力を使っていても)完遂することろかと。

④ 人類と深層学習の戦争はすでに始まっている、最初の犠牲者はジロリアンか?

GANでラーメン二郎生成… 凄すぎないかコレ… でもジロリアンならGANよりも優秀なdiscriminatorとして見抜けるんだよね…?

⑤ 「データはユーザの声なき声」

今週は「Data Analyst Leaders Talk!」というイベントがあったようです(申込んだけど落ちた勢)

techplay.jp

DeNA、グリー、メルカリ、楽天の4社それぞれの分析チームのマネージャ・執行役員が、自社のデータ分析の活用と組織について、パネルトーク形式で切り込んでお話をします。

みたらわかる、これ絶対おもろいやつやん。

案の定、ツイッタを見ていると非常に好評だったそうで、さっそく幾つかブログも上がってました。中でも「データはユーザの声なき声」というのはまさにそうだなーと。分析でそういったインサイトを見つけられると超かっこいいですね。

余談ですが、ユーザーのインサイトといえば、誰でも無料でもらえる「離婚届」の用紙がメルカリでジャンジャン売れているらしいという話が最近面白いなーと思いまして、つまり、ユーザーの

「役所でご近所さんに見られるのマズイけど、手元に持っておきたいので600円くらいなら買うわ需要」

にハマったということらしいです。まさに声なき声。 メルカリで謎のアイテムが売れてるときは、ユーザー達の面白いインサイトが見つかる瞬間でもあるのでなんだか分析が楽しそうです。

⑥ 実は人間はもっと多くのものを「視ている」らしい。しかも無意識に。

shiropen.com

東北大学電気通信研究所の研究結果で、人間は自分の周囲360度の環境を学習し、脳内でモデルとして構築することで、直接見ることのできない頭の後ろ側の情報も無意識に処理していることがかわったという研究。

実施された実験は、被験者の周りを360度囲うように6枚のディスプレイを設置し、その6つのディスプレイ上に1つの標的(「T」)および35の引っ掛けの標的(「L」)が提示され、被験者は「T」だけを探し、発見までの時間を記録するというもの。

文字の配置が毎回新しいものに変わる「ランダム配置」と、12の配置パターンを繰り返す「繰り返し配置」を何百回も行い比較した結果、「繰り返し配置」の場合は「ランダム配置」と比較し、有意に発見時間が短かく、しかもそれが例え視覚の外にある背面のディスプレイにTが出現した場合でも当てることができ、発見時間も統計的有意に短かったそうです。(被験者は表示パターンが繰り返しかランダムかは知らされていない) これは、正面にあるものから、背後にあるターゲット位置を推測することができる能力といえ、しかもこのことに被験者は全く気付いていないことから、潜在学習によって周囲の環境を理解しているといえるらしい。

つまり、人間の視覚的知覚には視覚的入力以上のものがあり、身体や文脈情報の影響が示されていると論文には報告されています。人間はただ見えているものを認識したり学習しているだけではなく、自分の意識外でもパターン学習が行われているらしい、とのこと。

見えていないところも予想できる、というそんな超能力者みたいなことを無意識にしてるってこと?とも思うが、実際には、例えばサッカー選手などはフィールド全体のどこに味方や敵のプレーヤーがいるかということを把握しつつ、走ってボールを追ったりしていますが、常時360度を見ているわけではなく、見えていない背面で敵や味方がどう動いているかを(意識的にか無意識にか)想定しているはずです。意外に生活の中でも多用している人間のスキルなのかもしれません。 ちなみに、脳科学者的な興味は、人間が意識外で獲得したこういった情報は脳のどこに保存されてるのかということらしいです。

「人間は視覚から意識外の情報を取得している」という話は、このブログの第2号でも紹介した「人は相手の顔の血色の変化だけで感情を読み取れる」という話と同じような話なのかなと思い、かなり興味深いです。人間の認知はきっともっと広いんでしょうね。ワクワク。

⑦ 「未分類のゴミ」を貯める前にデータ分析官を雇おう(←それな!!!)

tjo.hatenablog.com

明確なルールや基準もなく無差別にデータを集めても「未分類のゴミの山」ができるだけで、きちんと目的と設計を立てられるデータサイエンティストが居て初めて、データを集める前から「可燃」「不燃」「資源」のようにゴミの中から使えそうなデータをより分けることができ、使いものになるものも見つけられるかもね、というお話。

アルゴリズムを考えたり分析することと同じように、「そもそもどういったデータをどういう形式でどれくらい集めるか」という判断は、分析官の中でもわりと経験がないと難しい。それなのに分析官不在の状況で、「とりあえずデータは貯めとこう」とすると返って、データ取得の手戻りを増やしたり無駄な前処理をする必要に迫られたりして良くない。データ活用をしたいなら、データ集めをする”前”に分析官を集めましょう(相談しましょう)という話。

⑧ 商品倉庫のピックアップロボットはAmazonだけじゃないぞ

gigazine.net

Amazonの出荷倉庫でロボットが商品をピックアップしている話は有名ですが、イギリスの大手オンライン小売業者「Ocado」でも可愛いロボットが働いているんだぜ、という話。個人的にはAmazonロボットよりもデザインがかわいくて好き。

25万個のマス中に商品が配置されており、数千台のロボットが秒速4mのスピードでマス上を動き回る。1秒間に300万回もの計算を行って最適かつ衝突の起こらない稼働を実現しているそうです。ロボット1台が運べる重量は10kg。充電が切れそうになると勝手にスタンドに入ってきて充電してまた仕事に戻る(かわいい)

こういう自動化はもっともっと進化してほしいですね。

■「WEEKLY人工無脳」は、筆者がSNSや日頃の雑談で知ったネタを独断と偏見でまとめているブログです。
■「WEEKLY人工無脳」は、筆者がその話題を知ったタイミングでまとめているため、「記事公開自体は先月」といった可能性も十分にあり得ます。速報性よりも話題性を重視していることをご了承ください。(ですが、できるだけ直近の話題にフォーカスしてます。)
■「WEEKLY人工無脳」は個人の余暇で運営しているため、調べが足りないこともあります。誤りがあれば優しく教えてください。
■「WEEKLY人工無脳」は「独断ニュース(http://dokudan-weekly.hatenablog.jp/)」に刺激を受けて書き始めた、独断ニュースのデータサイエンス・人工知能業界版です。飽きるまで適当に続けます。

WEEKLY人工無脳【第6号】(2018.5.7~5.13)

f:id:ysdyt:20180430031726p:plain

Googleの電話予約AIシステムDuplex、ついに本物のAIみたいなものがでてきよった…

gigazine.net

今週の一番の話題と言えばこれでしょう。Google I/O 2018のイベントで発表された「Goole Duplex」。Googleが数年かけて開発したという、「電話でのお店予約」という非常に限定したシチュエーションでのみ、ほとんど人間のように自然にやり取りをして予約を取り付けるAIシステムの話。

これまでごまんと、「AIで~~~できるようになった」みたいな話を聞いて、「それ、AIじゃなくて機械学習な」「AIじゃなくてただの深層学習な」ってツッコミを入れ続けていたけど、初めて「……なんやこれ…AIじゃん…」って思ってしまったやつ。

美容院とレストランに電話予約をしているデモが公開されたのだが、まだ聞いてない人はとにかくリンク先の音声を聞いて欲しい、凄すぎて笑ってしまうから。

合成音声には最近おなじみのWaveNetを利用しており、そのクオリティーは電話口の相手が機械だと事前に知らされていなければ気づくことができないレベル(というか、機械だと教えてもらってもそれでも信じられないレベル)。
「あー」とか「えーと」というような繋ぎの言葉を意図的に挟み込んだり、相手からの質問に即答せずに敢えて時間を置いたりする「人間らしさの演出」まで入れている。もしも対応できなくなるとシステム側が自動で判断して人間とバトンタッチする機能もあり。また、あまりにも人間と区別がつかないので、電話開始時にこれはAIが発話していますよと事前に告知する透明性確保も検討されているらしい。

公開されたデモで特にやばいのは2つめの音声。男性声のAIがレストラン側の女性店員に電話する例。
おそらく女性は英語ネイティブではないうえ、文法もやや適当な感じ。それにもかかわらず自然な受け答えをしている。
特に驚いたのは、AI側が5名の予約をお願いする発言に対して、女性店員が「4名以上は予約できないけど、来たら座れると思うよ」と少しトリッキーな返答をしたのに対して、「じゃあどれくらい待ちそう?」とAIが自然な返答をするところ。マジか。
特定タスクの音声限定で、おそらく最もうまく会話できた例をデモとして公開しているだろうとはいえ、このナチュラルさはヤバイ。これの”AIオレオレ詐欺システム”みたいなのが作られちゃったら日本は間違いなく滅ぶ。

I/OイベントではDuplexとは別に、メールの予想入力補助機能のもっとスゴイやつ、みたいなものも公開されたが、ここまでくると人間のコミュニケーションとはなんぞや、という気分になってくるのは自分だけだろうか。
Duplexにしても、電話口の人間が機械に手加減してもらってるみたいでかわいそうに感じてくるし、もういっそグーグルはお店側にも「予約を受け付ける音声AI」を無料でバラ撒いて、それをお店が使うことで機械同士でよしなに通信してくれるのが最善の世界なんだろうな。ヒトがAIの活動を邪魔している、という気さえしてくる…

ここでは「電話でのお店予約」という限定したタスクをうまく解くシステムの紹介だが、囲碁ゲームに特化したAlphaGOがすぐに汎化されて将棋やチェスに展開されたように、おそらく類似の会話タスクは瞬く間に解かれるのだろう。

Uber自動運転車死亡事故の続報。適合率/再現率のシビアな問題が明るみに。

gigazine.net

Uber自動運転車事故の続報記事で、自動運転システムは被害者が道を横断するのを検知していたが誤検知(false positive)とアルゴリズム側で判断し回避しなかったということが調査でわかったという話。

分類アルゴリズムの精度評価で、適合率と再現率(誤検知と見逃し)のどちらを取るかという話は必ず検討項目としてあがるのですが、特に自動運転や医療領域のような人の命に関わる領域の設計は非常に難しい。

Uberの件ではシステム判断問題として課題が残るものの、そもそもこういった死亡事故が起こった場合、責任は誰がとるのか、アルゴリズム設計者に瑕疵担保責任を問われたりしないかなど今後の法整備も気になるところです。

③サッカーよくわからんマンにもこれならなんとなくわかるぞ!サッカー試合状況の可視化

位置情報を追跡し、一番外側にいるメンバーを線で繋いでそれぞれのチームの領域を表示しているだけなのだが、見ていて非常に興味深いです。なんとなく両チームの領域が、守る場合は広く重なるように、攻める場合は相手のカバー領域外にメンバーを配置できると良さそうですが、プレー中の選手たちの脳内も実はこんな領域把握が行われているのでしょうか。ビジュアライゼーションとしては簡単なのに面白いなーと。

④画像認識技術をゲーム化させるセンスに嫉妬

japanese.engadget.com

画像認識能力を使った「絵文字版借り物競争」的なゲームをgoogleがリリース。TensorFlow.jsで動いているのでブラウザで起動する。URLにスマホからアクセスするだけでゲームをプレイできる。 https://emojiscavengerhunt.withgoogle.com/

画像認識性能が向上し、しかも技術者であれば比較的簡単に利用できるようになったことからも、「この機能で何か面白い画像系アプリとか作れないかな」と挑戦した技術者は山のようにいるだろう。 それでも、一般的な物体は検出できても、”植物の種類”のようなあまりにマニアックなものまでは識別できないこともあり、「何かできそうで、できない」という結論に達して開発を諦めた人もまた大勢いたはず。 そこをアイデアとUIUXの技術で子どもでも遊べてハマりそうなゲームを作ったところがさすが。

ちなみにこのゲームのUIUXには、シリコンバレーで活躍する日本人デザイナーの川島高さん(@kawashima_san)も参画されている。 http://www.takashikawashima.com/portfolio/

2018/4/23のTakramのpodcast「海外でデザインを仕事にする(後編)」でもお話されているので興味がある人は聞いてみると楽しいかも。

⑤PoseNetがブラウザーで駆動するところまでやってきたぞーーー!

shiropen.com

OpenPoseから始まった骨格推定の感動もついにコードゼロで動くまでやってきた。こちらも同じくTensorFlow.jsで動いている。

PCでこちらのURLを開いて、インカメラ使用を許可すると骨格推定が始まる。ヌルヌル動いててヤバイ。あまりにも簡単に、あまりにも正確に追跡されて笑ってしまう。「すべての人がAIを使えるように」というgoogleの思想を改めて実感した瞬間。

⑥葬式まであげたのに地獄から帰ってきやがったKinect

japanese.engadget.com

Kinectの生産終了が決定し、一部ではお葬式まであげられて別れを惜しまれたKinectが、しれっと第4世代として帰ってきた。我々の別れの言葉を返せと言いたい。

今度はAzureのもろもろと繋がり、センシングしたデータをより活用できそうな雰囲気が漂っている。スペックは以下。

1024 x 1024 解像度のToF式奥行きセンサ、4K RGBカメラ、日光下での性能を向上させるグローバルシャッター、360度マイクアレイなどを備え、さまざまな用途に使いやすい小型と低消費電力が特徴です。

小型化したKinectモジュールをDJIのドローンなどにも搭載するなどエッジコンピューターの領域でも頑張っていくらしい。 それにしても最近のMSの他社とのコラボレーションはイケてる感じがする。MSの好感度が上がっていく…

ところで、Google I/Oでは2次元画像からのPoseNetでの(つまりソフトウェア的な)骨格推定が話題となり、MSはハードウェアを使っての物理センシング(人間の骨格推定以外のこともきっとできるだろうが。)という戦略なので面白い。今後の両方向の動向に注目したい。

それにしても復活嬉しい。おかえりKinectちゃん。

⑦カメラ画像の明暗修正にも機械学習

gigazine.net

学習と教師データもお手軽に作れるし、シンプルなアイデアだけになるほどーと関心した。また1つ、ハードウェア側の補正を(完全ではないが)ソフトウェア側で補えるようになった。カメラもまだまだ進化する。

⑧ありそうで無かったデータサイエンティスト採用方法が強い

“イキリデータサイエンティスト”という言葉があるように(特にツイッターでよく見られる)、世の中のデータサイエンティストはなぜだか個性が強い人(オブラートに包んだ。)が多い印象で、入社したものの全く会社に合わないという人は少なからずいろんなところにいると思われるのです。 そこで!会社とマッチしなかったデータサイエンティストを対象に積極的に採用しますよという強気の採用広告。同時に世の中のデータサイエンティストニーズの高さも感じられます。

それにしても入社一ヶ月後というのはつまりまだ新卒研修とかしている会社がほとんどなわけで、そこで「この会社とは合わん!」と社員に思われてしまうほどダメな研修をしていると見限られてしまうということなのですね…会社側も研修も新卒だと思って適当にやってるとダメということね。。。

⑨AIがやってるのは「理論」的推論ではなく「直感」的推論?

togetter.com

Ponanza開発者の方のまとめツイート。 まとめツイートだけ読んでも「何のこっちゃ」と思っていたのだが、以下の方のツイートで何の話をしているのかわかった気が する。

「理論」と「直感」は対極にあるものではなくて、使うデータの量が違うだけの同じ線上にある手法、という考え方はおもしろい。そう考えると機械学習がやってるのは「直感」だという言い方もわかる気がしますね。

⑩最近、ブレインマシンインターフェースの話題が気になる…

neuralism.hatenablog.jp

最近自分の周りで何故かポツポツとブレインマシンインターフェース(BMI)の話題が増えていて、おすすめされた記事。 機械学習を用いた脳内認識活動の可視化など、最近話題になったネタの紹介や、脳の情報をインプット/アウトプットする方法などが簡単にまとめられている良記事です。

BMIの最終的に行き着く先が、各個人の脳を共有する地球規模のコネクトームだという、わりと良く聞く意外性のないオチなのでアレですが、近い将来我々の生活に入ってくる実用的なBMIなどんなものだろうかと夢が膨らむ。BMIなんてもっと未来の話だろうと思っていたのに、ソフトとハードの進化が最近異常に早いので意外に近くまできているのかもしれません…

余談ですが、文章中にイーロン・マスクBMIへの言及があるのですが、イーロン・マスクは「我々はシミュレーションの中で生きている」というシミュレーション仮説の支持者らしいです。ちょっと本題から外れるかもですがシミュレーション仮説についてわかりやすく説明されているこちらの記事もおすすめ。

⑪物理学業界からのKaggleへの殴り込み。物理出身クラスターのデータサイエンティストはやっぱり燃えるの?

jp.techcrunch.com

珍しい(?)物理と機械学習の話。世界最大規模の素粒子物理学の研究所であるCERNが、加速器実験から得られるデータをkaggleに提供しコンペを開いている。賞金はやや少ないものの、実際の加速器のデータを扱えるので物理クラスター勢にはアツい話題なのかもしれない。

体系的な教育が行われないまま必要性によって盛り上がったデータサイエンス領域は、多くの人材を物理学専攻の学生から得ている雰囲気がある。物理学を学んでいた学生は、理論的な考え方はもちろん、プログラミング、統計学、数学とデータサイエンスに必要なスキルセットと被りが多かったため、実際に現在活躍しているデータサイエンティストも物理畑出身の方が多い。CERNが出しているデータということもあって、意外に挑戦するデータサイエンティストは多いのかもしれない。

■「WEEKLY人工無脳」は、筆者がSNSや日頃の雑談で知ったネタを独断と偏見でまとめているブログです。
■「WEEKLY人工無脳」は、筆者がその話題を知ったタイミングでまとめているため、「記事公開自体は先月」といった可能性も十分にあり得ます。速報性よりも話題性を重視していることをご了承ください。(ですが、できるだけ直近の話題にフォーカスしてます。)
■「WEEKLY人工無脳」は個人の余暇で運営しているため、調べが足りないこともあります。誤りがあれば優しく教えてください。
■「WEEKLY人工無脳」は「独断ニュース(http://dokudan-weekly.hatenablog.jp/)」に刺激を受けて書き始めた、独断ニュースのデータサイエンス・人工知能業界版です。飽きるまで適当に続けます。

WEEKLY人工無脳【第5号】(2018.4.30~5.6)

f:id:ysdyt:20180430031726p:plain

ゾゾスーツ続報。3Dデータ表示がめっちゃかっこいいんだが!

mwwlog.com

さっそくゾゾスーツの使用感レビューブログが出てました。アツいサービスはブロガーが放っとかないのです。

センサーでピッと計測する前バージョンよりも、さすがに計測方法がめんどくさそうです(画像撮影時の注意事項がかなり多そう)。でもそもそも頻繁に撮影するものでもないのでok。 計測結果の3Dデータもめちゃくちゃかっこいいし、測定精度もミリ単位で表示されるようです。計測後はゾゾタウンアプリにデータがリンクされ、商品のサイズ選択時に「あなたのサイズはこれ!」と明示的に教えてくれるそう。もうこれ最高じゃないですか…。絶対自分サイズのシャツ買う。 マーカーを読み取る技術者も既にでてきたぞ。

AI活用で新たな政治スタイル目指す“ポリテック”の始動

this.kiji.is

小泉進次郎氏が新たな言葉を作って政治に浸透させようとしている。politics × technology。

もう少し詳しい内容も話されているニコニコ超会議でのトーク全編動画はこちら。

www.youtube.com

具体的にどういうことをするかということまでは(おそらく時間の都合上)詳しくは言及していないが、まず言葉を作ることが大切だと話している。

銀行業界でFintechという言葉ができたことで、銀行はIT化なりブロックチェーンなり、テクノロジー利用を進めなければいけない(もしくはテクノロジーが必要だ)という認識が広く広まった。 Fintechとは何なのか実際にはよくわからないものであっても「Fintechに取り組み、発展させる姿勢がある」ことを示さなければ会社として世の中に置いていかれるという意識にまで到達したのは記憶に新しい。それを同じようなテクノロジーの意識改革を政治界でポリテックという言葉を使って起こすことがひとまずの目的のようです。 テクノロジーで日本を動かそうとする若手政治家の筆頭として、小泉進次郎氏の発言や行動に注目したい。

機械学習は人間が近代までに平均化や最大公約数を得るために振るい落としてきたものを取り戻す武器

gigazine.net

機械学習とか深層学習なんて小難しいもの使わなくても、正しくビジネス問題の設定ができればSQLだけでも売上は増やせるんや」という話。

ここに書かれていることは正しいのだけど、機械学習が目指してるのは「顧客の上位◯%」「最終購買から◯日」みたいなマス向けのルールベースによるクラスタリングではなく、顧客ごとにコンシェルジュをつけるように、本当の意味でその人だけのオーダーメイドな施策を打てるようにすること。平均化や最大公約数からの脱却を目指すのが機械学習の目標。なのでちょっと話が違う。

(ちなみにタイトルは落合陽一氏がそんなようなことをどこかで言っていたのでその引用)

「おじさんの鏡だ」「こんなおじさんになりたい」。”ディープラーニングおじさん”に勇気をもらった人たちが続出。

karaage.hatenadiary.jp

機械学習に詳しくない(というかLinuxpythonも知らなかった)”おじさん”が半年ほどの独学で深層学習に習熟し、会社のAI事業の方針にも絡むまでになられたお話。「好きこそものの上手なれ、に年齢は関係ない」というのお手本のような話。

インターネットミームでは一般的には「〜〜おじさん」は「時代遅れの老害」を意味してディスる意味の使われ方をするため、それとは真逆の内容に感動した読者が続出。1000はてブ超え。年中ディスで溢れるはてな村に光が指した瞬間である。

そしてディープラーニングおじさんが賞賛を集める一方で、エアポートおじさんTOKIOおじさんたちがディスられるGW後半戦の始まり。おじさんたちの戦いはまだまだ続く…

FBがマッチングサービスを開始

www.afpbb.com

個人情報の取扱についてケンブリッジアナリティカ事件の話題も覚めやらぬ中、さらにソーシャル性を強みにしたサービスを打ち出してくるFacebookぐぅ強い。

米国で結婚するカップルの3組に1組がインターネット上で出会っており、フェイスブックのユーザー2億人が独身と自己申告していることにも言及した。

3組に1組がネットで出会う、ってほんまかいなと。日本のマッチングサービスと何が違うんだ…(それともただのメンタリティー?)

そして類似マッチングサービスの株が軒並み暴落したという…

kabumatome.doorblog.jp

個人的には、わりと真剣に少子化対策のためにも日本は国策としてでもネットでの出会いを推奨すべきだと思っている。
「最大幸福の組み合わせ問題」としてデータサイエンスももっと貢献できるはず。日本では”出会い系アプリ”というネガティブな印象の言葉が残ってしまっていて難しい部分もあると思うが、Pairsタップル誕生にもますます頑張って欲しい。

FacebookはすでにAIの倫理面について考え始めている

www.cnet.com

かつて画像識別問題において有名だった話だが、”女性の医師”の画像を見せると高確率で”看護師”だと誤判定するということがあった。

この原因は、世の中の医師は一般的に男性が多く、看護師には女性が多いというバイアスを、機械的には男性=医師, 女性=看護師と学習した結果。現実世界では性別・年代による格差や倫理問題は綺麗事抜きにたしかに存在するが、AIには正しくない倫理を学んでほしくない、少なくともFBが今後作るAIにはそういうことを求められている。

そのような課題に対し、FBはアルゴリズムが持つ潜在的な識別バイアスを測定するためのツール”Fairness Flow”を作ったよという話。

ケンブリッジアナリティカの件で、プライバシー情報にセンシティブに成らざるを得ないFBには今、こういった取り組みをアピールする必要性に駆られているのかもしれない。しかしそれは世の中にきっと役に立つことなので応援したい。

All We Need is arXiv

jp.techcrunch.com

Nature紙がなぜか今更有料の機械学習専門論文誌をやりますと言って、「ハゲタカビジネスだ」とボロクソに叩かれている話。

生物学の実験では、依然として専用の設備や機器、高価な試薬が必要な場面が多いので、追試などを誰もが行える環境でない限りは専門の機関(や研究者)が事前にレビューを行ったのちに世に出すプロセスは必要であり、意味がある。(そうしないと真偽不明の論文が大量に出回り逆に研究の足を引っ張ったりして困る)

しかし、機械学習分野においてはGoogleFacebookが行うような何千台も計算機を並列で走らせるような内容でない限り、自由に動かせるGPUが数台あるだけで多くの人が世界中で各自追試を行うことができる。この環境の違いは「論文の公開プロセス」を全く違う形態にするほど大きな違いがある。

Natureが権威をチラつかせて論文誌を立ち上げたなら、それはかなり時代を読めていないということになる…

Ng教授のオンライン書籍教材

qiita.com

かの有名なNg先生がオンライン書籍を執筆中だそうで、そのドラフト版(1-22章)がオンラインで公開中だそうです。

なんかあっさり書きましたが、そもそも販売する書籍を事前に(ドラフト版といえど)公開するスタイルっていつから普通のことになったんですかね…
ドラフトを公開することで、ユーザーはいち早く最新のエキサイティングな内容に触れるし、著者は内容や誤字、感想のフィードバックを貰える。そして公式公開までアジャイルに直していく…。人々の意識もかなり代わりましたね...スゴイ時代になったものです…

上の論文紙の話題とも一部通じますが、機械学習関連の論文や技術解説文書はもはや現在の一般的な出版スタイル・意識・スピード感と大きな乖離があります。
技術はすぐに陳腐化する。これは慣用句ではなく、早いと3ヶ月〜半年でも十分に”昔”の話になってしまう。

書籍レベルのまとまった情報でなくても、noteでサクッと最新の話題を書いて、1月ほどの賞味期限内(実際に期限なんて無いが、気分的にはそんな感じ)に買ってもらうという意識が何となくあるし、最近話題のマッハ新書のような、もはやちんたら200ページを文書を読むことなく箇条書きで超サックリと要点だけ話すような文書スタイルもじわじわと流行り始めている。

技術者の副業意識も高まりつつある背景もあり、この流れはまだまだ大きくなりそうな気がする。 話が逸れたが、機械学習分野の進歩の速さは当該の技術分野だけに留まらず、出版業界にも影響を与えているという話がしたかった。

FBのコンピュータービジョン精度向上は、ユーザーの思い出でをより鮮明に記録してくれる

thebridge.jp

タイトルが全てを要約してくれている。ちなみに原文はこちら

画像認識はすでに驚くような精度で詳細なジャンルまで識別できるようになっているがこの進化はまだまだ止まらない。

これ以上精緻に、精度良く識別できる必要があるのかしらと個人的には思ったりするが、FBにおいてはユーザーが投稿する画像に映るものが「白いスーツを着た男」ではなく「ピエロ」だというところまで認識できることによって、ユーザーの思い出をより鮮やかに記録することができるようになる。それは素晴らしいことだと思う。

2012年にFBがinstagramを10億ドルで買収したときには流石にこういったデータの使い方をするとは想定してなかっただろう。FBは良い買い物をしたんだなー。

ちなみに、インスタグラム画像への教師情報にはタグ情報を用いているそうで、それはそれでタグのノイズ問題がある(画像に映ってもないのにノリで関係無いいろんなタグを多量にくっつける人いますよねー)。
その問題には、弱い教師あり学習(Weakly supervised learning)なるもので対応させているらしく気になる。 現状で2万カテゴリの分類が可能になり、将来的にはこれを10万まで増やす予定だそうです。

2万円台のスタンドアローン型VRヘッドセットが本物のVR布教起爆剤となるか

japanese.engadget.com

おそらく今週のIT業界で最もインパクトがデカかったニュースではないだろうか。

「このブログの趣旨と関係ないじゃん」と言われそうだが、オンラインコニュニケーションの主戦場が遅かれ早かれ確実にVR/AR空間に移っていくなかで、AI的な技術は必ずその中心にいることになるので関係なくない(たぶん)。

今回のOculus Goは値段を安価にするためにも、モーションに関するセンシングは制限しているらしい。

上下左右を見渡す・見上げる・見下ろすことはできますが、しゃがんで下から見たり、頭や体を動かして避けるような動きには対応しません。

それでもなお、「安価で、取り回しの容易な」デバイスが圧倒的な”正義”であることには変わりない。 GWにすでにガチャガチャと触っているアーリーアダプターなエンジニアたちはOculus Goで怠惰にNetflixを楽しんだりしている。くそぅ、羨ましい…

VRと深層学習といえば、ICLR2018のbest paperに選ばれた論文「Spherical CNNs」がある。球形画像にCNNかけるという内容。

理論が先か、データが先か。でも二律背反は良くないよという話。

d.hatena.ne.jp

つまり推論の方法、「演繹法」と「帰納法」の話をしている。

経済学者は主には演繹法的な考え方、データサイエンティストは帰納法的な考えが中心にあるよね、という話。
演繹法と帰納法は、ざっくりいうと、物事を考える際に「理論(ルール)」が出発点になる考え方なのか、「現実(データ)」が出発点になる考え方なのかということ。

もちろん、演繹法を主とする経済学者が、考え方の違いによって二律背反的に帰納法を主とするデータサイエンティストをディスっているという話ではなく、経済学者は長い歴史の中で「統計も嘘をつく」事をよく知っているので、帰納法的なやり方に偏重した推論は危ないよ、データサイエンティストの人は気をつけてね、という感じ。
この手の話もわりと定期的に盛り上がっているような気がする。この話はちょうど次の記事の話にもリンクする。

Netflixは定性分析と定量分析をいい感じに行う。(でも「定量>定性」な気がする)

qiita.com

泣くデータサイエンティストも黙るNetflix様の分析事例紹介記事。誰もが知るコンテンツデータ分析の神様的企業である。

Netflixのデータ活用事例と言えば、レコメンデーションの精度がめちゃくちゃ良いという話が多く世に出ていますが、この記事ではレコメンド以外のデータに基づく施策判断事例・リテンション(ユーザーの契約継続率)を下げない/上げる施策が紹介されておりすごく興味深いです。(個人的には5つ星評価方法をやめた話が面白かった)

ただ単に、「圧倒的なデータ量を武器に定量的な分析を行ってリテンションを下げない/上げる施策を決めていますよ」という話ではなく、アンケートや個別のユーザーインタビューから収集する定性的な評価も大いに参考にしているという話もしています。あと、とんでも無い数のA/Bテストをやりまくっている感。

1つ上の記事の話も兼ねて考えるなら、演繹的な方法(Netflixの中の人達が正しいと考えている仮説やユーザーからのサービスに対する改善要望など)からの結果だけでなく、データからの帰納的な根拠も一致しないと本サービスとして実装しない、というような話。
ただし、記事を読んでいる感じでは、「ユーザーがYesと言っても、データがYesと言わなければやらない」「データがYesと言ってて、ユーザーもYesだったら納得感あるからやる」というような、どちらかといえば定性的な評価よりも定量的な評価に重きが置かれているようにも感じる。。。

「バランス良くいろいろな視点・手法で分析しようぜ、だってそれぞれのやり方には弱点があるのだから」、ということを以下の文章が説明してくれてます。

既存のデータを使った分析は今日起こっていることを理解するのにはいいですが、将来のことを理解することができません。クオリテイティブやアンケートの手法に関しては、カスタマーはインタビューやアンケートでは本当のことを言ってくれないということが分かっています。そして、A/Bテストに関しても、そもそもそうしたテストができないようなケースがたくさんあります。

と言いつつ、既存のデータを使って”将来ウケるコンテンツ”を作りまくっているNetflix先生でした。

■「WEEKLY人工無脳」は、筆者がSNSや日頃の雑談で知ったネタを独断と偏見でまとめているブログです。
■「WEEKLY人工無脳」は、筆者がその話題を知ったタイミングでまとめているため、「記事公開自体は先月」といった可能性も十分にあり得ます。速報性よりも話題性を重視していることをご了承ください。(ですが、できるだけ直近の話題にフォーカスしてます。)
■「WEEKLY人工無脳」は個人の余暇で運営しているため、調べが足りないこともあります。誤りがあれば優しく教えてください。
■「WEEKLY人工無脳」は「独断ニュース(http://dokudan-weekly.hatenablog.jp/)」に刺激を受けて書き始めた、独断ニュースのデータサイエンス・人工知能業界版です。飽きるまで適当に続けます。

WEEKLY人工無脳【第4号】(2018.4.23~4.29)

f:id:ysdyt:20180430031726p:plain

金属ガラス合成にも機械学習

gigazine.net

金属ガラス合成がどれほど難しいものかはわからないが、内容的には、無数の組み合わせが存在する中から現実的な材料の組み合わせを見つけさせる、というものらしい。

おそらく創薬分野の課題と似たような「膨大な組み合わせの中から特定の結合パターンを見つける」みたいな問題だと思うが、パターン認識こそ機械学習の得意分野。このような問題はいろんな業界に転がっているはずなのでこの数年はそういった簡単な問題が解かれる事例がまだまだでてくるはず。

NEC機械学習の特徴量抽出設計自動化技術で子会社設立。しかし新CEOのTシャツが気になって内容が入ってこない。

japan.zdnet.com

かなり立派な会見っぽいのに、この服装で参加したNEC(新会社CEO)の方のメンタルの強さが気になって記事の内容が頭に入ってこない。

「特徴量の自動抽出」という半信半疑な話だけれど、最近人気と噂のDataRobotが提供しているものと同じ方向性のものだと思われれる。

ただ、NECはこれまでもこの技術に関するリリースを継続的に出している。

NECは「異種混合学習技術」という手法によって、データサイエンティストが人手で行っていた高度な作業(データの関係性発見、特徴量の抽出・設計から分析モデル作成まで)を高精度に自動化する研究開発を2012年からずっと行っていたらしい。

NECの今回の技術やDataRobotのサービスが、この自動化分野の真打ちとなるかはわからないが、「特徴量の自動抽出」はいつかきっと達成される課題なので今後も注目したい。

ちなみにこの方が変なTシャツ着てるのは今回だけじゃないということもお伝えしておきます。

business.nikkeibp.co.jp

8K映像技術はきっと機械学習の良いパートナーになる

tech.nikkeibp.co.jp

好評開催中の「人体展」でも8K動画の展示がされていて、「人間の目の解像度的にそんな必要?」って思ったけど、超精細な患部の状況を知りたい医療系画像や、最近医療分野でもバリバリ活躍している機械学習用の画像データとして貴重っぽい。2K画像と8K画像の比較が結構衝撃的なので是非リンク先記事を見て欲しい。

8Kによって「精細によく見える」ことの恩恵は、単純にズームしても画質が粗くならないということだけではなく、”厚そう・薄そう・硬そう・柔らかそう”といった”質感“までが画像から予想できるようになること。人間に予想できるということはもちろん機械的にも識別が可能になるというわけで、「カメラが良くなる」ことの恩恵は計り知れない。

こういった最先端の道具の完備・ネットワーク化を目指した「次世代手術室SCOT(Smart Cyber Operating Theater: 通称スマート治療室)」というものも開発が進んでいる。今後ここに医療用AIが組み込まれることは間違いないので期待しかない。

詳細な学習用画像が深層学習アルゴリズムを進化させる話は先週号の「コンクリートヒビを自動検知するシステム」にも書いたので興味があればぜひ見てください。

新型ゾゾスーツに「違う、そうじゃない」が殺到。しかし技術者たちはにわかに賞賛している模様

ゴーリキーとのフライデーがすっぱ抜かれたもののナイスコメントで好感度をあげた前澤社長だが、新型ゾゾスーツは不評な模様。剛力にこのダサいスーツを着せられるのかと案の定イジられている

IT企業がハードウェアを無料でバラ撒いてでも生体情報を取得しようとする姿勢は、データアナリスト達的にはかなり胸熱な展開だったと思う。これこそ真のデータドリブン企業。かく言う自分も、ゾゾスーツ発表直後にソッコーで申し込んだ勢の一人。

今回のネタについていくつか記事を追ってみると、

センサー計測式のゾゾスーツを無料で配布します(かっこいい!) → 製造委託先ではもろもろで製造できず(40億損失) → 画像でマーカーを読み取る形式に変更して自社開発 → 7月までには予約者に届けるね

という流れらしい。そして当初の未来感がすごかったかっこいいスーツから、水玉ドットの新型スーツが出てきたのでみんながっかり…という。

どっちがコケてもいいように新旧スーツは裏で同時に開発を進めていたらしく、ハードウェアを作ることの難しさを感じられる。ちなみに画像でマーカーを読み取る形式は3億で買い取ったアイデアらしい。

たしかにかっこよさが失われ多少がっかりはしたが、コスト面と必要機能を考えると、わざわざ伸縮センサーのような高価なハードを使わなくても、マーカー形式でも精度良く体型測定できそうである。こちらの動画の最後の方に複数人の測定画像がでてくるが、パッと見でもそれぞれの体型の違いがわかるのでやっぱり問題なさそう。

今後は自分のサイズにあった服をオーダーする流れがきっとくるので、ゾゾスーツの人気は間違いなく高まる。そうしたら安価に製造できる新型スーツが良いことは自明。 でもそんなことはみんなわかってるんだ…みんなは「ゾゾスーツ届いた!」といってインスタに写真撮るチャンスを多少なりとも失ったことにがっかりしてるだけだから気にしないでね前澤社長。ゴーリキーとお幸せに…

ちなみに、ダサいダサいと言われる新型スーツだが、ComputerVision勢とスーツフェチズム勢からじわじわと好評の声が上がりだしている。冗談抜きで、技術者のお遊びとしてこのスーツからとれるデータでわりとデカいムーブメントくるぞ。zooは決して失敗していない。

教師なし学習の波が機械翻訳まできている

deeplearning.hatenablog.com

深層学習には膨大なデータが必要、ということは変わらないが、それが「教師あり」なのか「なし」なのかで更に労力は異なる。

労力がかからない教師なし学習で如何に教師あり学習の精度に追いつくか、というのが大きな流れの1つとしてあるが、こと「機械翻訳」のタスクにおいては当然翻訳の答えとなる教師データが必要と考えられていた。 それに対して、教師なし学習でもかなりの精度を出せるようになってきた論文についてくわしく解説してくれているありがたいブログ。(いつもお世話になっています!)ノイズ除去や”逆翻訳”というアイデアをうまく機能させるために「潜在表現空間を共有させる」という一見難しそうなアイデアをうまく説明してくれている。

「コレ考えた人、頭いいなー」と思える、膝を打つような体験に何度も出会えるのがこの進歩の早い分野の一番の魅力かもしれない。

Qiitaのタイトルに並んでいるだけで笑ってしまうからやめて

qiita.com

往年の「トリビアの泉」を見ているかのようなワクワクを感じながら読める。可視化一発芸として自分の中でランクインした。

ドコモの位置情報とDLでタクシーの需要予想

cloudplatform-jp.googleblog.com

ドコモの携帯ネットワークをつかった人口統計情報(つまり位置情報でしょ?)やその他もろもろの変数の合計120次元のデータをstacked denoising autoencoderに突っ込んで、500m四方エリア別の30分後のタクシー需要を95%程度の精度で予測するモデルをtensorflowで作った話。

需要予想モデルはエリアによってDLと自己回帰モデルを切り替えて使うらしい。すべてDLだけでやろうとしないところは正しいやり方だと思うし、実際に社会現象の予想モデルはきっと1つのモデルだけでは説明できないのだと思う。stacked denoising autoencoderを採用した理由はインプットデータのノイズを削減するのが精度を上げるためのキーだったからとのこと。

何はともあれ、社会が便利になるための技術活用は大歓迎。タクシーはともかく、電車の通勤ラッシュもなんとかならんものか…

このプロジェクトはNTTドコモ東京無線富士通によって行われたそうだが、NTTグループcorevoというAIブランドを独自に展開している。おそらく今回のタクシーの話はまた別なのだろうと思うが。

■「WEEKLY人工無脳」は、筆者がSNSや日頃の雑談で知ったネタを独断と偏見でまとめているブログです。
■「WEEKLY人工無脳」は、筆者がその話題を知ったタイミングでまとめているため、「記事公開自体は先月」といった可能性も十分にあり得ます。速報性よりも話題性を重視していることをご了承ください。(ですが、できるだけ直近の話題にフォーカスしてます。)
■「WEEKLY人工無脳」は個人の余暇で運営しているため、調べが足りないこともあります。誤りがあれば優しく教えてください。
■「WEEKLY人工無脳」は「独断ニュース(http://dokudan-weekly.hatenablog.jp/)」に刺激を受けて書き始めた、独断ニュースのデータサイエンス・人工知能業界版です。飽きるまで適当に続けます。

WEEKLY人工無脳【第3号】(2018.4.16~4.22)

f:id:ysdyt:20180430031726p:plain

「分析チームと機械学習チーム」は「内科医と外科医」の関係、になるほど。

mercan.mercari.com

世の中の企業が、「AI部署をつくらないと」「データ分析官を雇わないと」「でもどういったスキルセットの人を雇えばいんだ」と言ってる中で、やはりメルカリのデータ活用に関するノウハウや組織論は頭1つも2つも抜けている気がする。データ分析チーム(BIチーム)と機械学習チーム(MLチーム)を「内科医と外科医」と例えて両者の対象領域の違いを説明していてわかりやすい。

水樹奈々はビジネス書

PFN社長の西川さんが水樹奈々ファンであることは有名であるが、朝からビジネスマンを混乱させるのやめてあげてw

それでも水樹奈々はビジネス書と言い張るビジネスマナードットコムぐぅ強い。

機械学習に必須な数学知識はどれくらいか?」という新たな宗教戦争

yoheikikuta.github.io

機械学習を独学で学ぶ人が増えた昨今において、「数学勉強し直したいんですが、ミニマムで必要なのはどのあたりまで?」という議論は、EmacsVim戦争の裏で着々と新たな戦線を拡大している。数学原理主義派はいつも涼しい顔をして「詳しければ詳しいに越したことはないけど、これくらいわかってないと困るぞ」と言いながら難解な数学専門用語の話をしてくるが、迫害を受ける我々のような哀れな子羊はだいたい「とりあえずこの本でも読んどけばおk」というあたりで解散帰宅となっている気がする。

この新たな戦争に対して、我々は誰もが幸せになれるもっと素敵な回答を常に求めいている

Pandasの基本をサクッと学べる記事を書きました!

qiita.com

手前味噌ですが拙書記事です。データの前処理でよく使うPandas関数を手を動かしながら体系的に学べる記事を書きました。

自分が4年前に初めてPandasを学び始めた頃も、Pandasについてまとまった情報はこの本くらいしかなく、しかしこの本は分厚い・読みにくい・内容が古い、と初学者が参考にするにはなかなか適切ではない感じでした。なので@sinhrksさんのブログなどに非常にお世話になっていたのですが、2018年の今でも、最低限必要なPandasの使い方をサクッと学ぶための良いページがないなと思い作成しました。割とよくまとまっているのではと個人的にも思っているお気に入り記事です。お役に立てば幸いです。

音声データでもCNNは有効らしいぞ

blog.brainpad.co.jp

楽曲の特徴をメル周波数スペクトログラムとして可視化し、それを画像分類問題とみなして、楽曲のアーティスト分類や、類似アーティスト推定などを行っているブログ。おおむねF値で7,8割ほどの精度が得られている。

画像に限らず、時系列や自然言語、ここで紹介されている音声データなどの他種類のデータも、CNNで精度良く解ける例はいろいろとでてきている。パターン認識問題にさえ落とせればCNNが解いてくれるはず...という期待感が高まる。

深層学習で医師の作業をサポート。こういうのを待っていた!

research.googleblog.com

これは未来のデバイス…かっけぇ…

医師が操作する顕微鏡で見えている視野に対してリアルタイムでARのように情報を補足することで、医師の意思決定(ここではがん細胞の発見)をサポートするAR顕微鏡!がん細胞の特徴を学習済みのモデルでリアルタイムに推論を行っているらしく、その推論速度は1秒間に10フレーム。このスピードなら医師がサンプルを変えたり視野をズラしたりしても大きなストレスなく操作できそう。しかも一般的な顕微鏡にアドオンする形で機能追加できるらしい。Google様が開発。日本語記事はこちら。某IBMの某ワトソンみたいな小難しい”AI”サポートはいいから、こういう実用的でセンスのある機器で医師の業務をガンガン効率化・高精度化させてほしい。

メルカリ分析部に惚れる人が続出

seleck.cc

事業会社における分析部の仕事について、「分析資料作成の努力は意思決定者にとって重要ではない」「意思決定が変わらないなら分析する必要はない」「社員に愛されるダッシュボードを作るべし」「ゆるふわBI」「Query Recipe」などなど、多くの名言が飛び出すメルカリ分析部の良記事。分析部の仕事がいかに有用なものかが外部の人間でもひしひしと感じる。一見の価値あり。

リアル世界をデジタルアーカイブする活動はきっと未来で重宝されるはず

www.itmedia.co.jp

現実世界の文化遺産建造物がデジタルアーカイブされていくことには大賛成。単純な文化遺産保全の意味でも十二分に価値があると思うし、機械学習の文脈では、強化学習用のリアル空間のフィールドとしても良さそう。 それにしても、この活動をしている非営利団体CyArk(サイアーク?と読むのか?)のネーミングの中二感が良い。

機械学習基盤の運用についての議論はまだまだ続く...

yubessy.hatenablog.com

従来、「システム」というものは一度仕様が決まって運用が始まればその処理自体は変わること無く、数ヶ月(ものによれば何十年も)続けるものでした。ただ、システムの内部で機械学習の計算も入るようになると、システムの実行環境やリソース要件が頻繁に変更される可能性がでてきます。そんな機械学習基盤(MLOps)の運用課題はKubernetesのようなコンテナオーケストレーションによって解決しやすいかもね、ということを良い感じにテキスト化してまとめてきれている記事。

現状、機械学習基盤の構築はなかなか難しく、その理由は網羅的な知識を持っている人がほぼいないこと、機械学習を行いたい対象のサービス種がまちまちすぎて一概にベストプラクティスが言えない(無い)ことが大きそう。しかし機械学習を使わない大規模ウェブサービスはほぼ無くなると思われるので、この分野はこれから益々盛り上がるのだろう。

カオス理論は機械学習にとって「なにそれ美味しいの?」状態になるのか

gigazine.net

我々がカオスだと考えていることは所詮ヒト脳が処理できない次元だというだけで、膨大な次元数を物ともせずパターン認識できる機械学習にとってはたしかにカオスでも何でもない「解ける」問題なのかもしれない。機械学習が私達の知らない「世界の秘密」を教えてくれることに超期待。

受託分析の仕事のツラみがTLでプチ盛り上がりする

受託分析の仕事の肝はまさにこの一連のツイート通り。そして手が動く優秀な分析官は昇格してPMとなるも、仕事はお客さんとの期待値コントロールとスケジューリングばかりになり、「ワイは分析がしたいんや…」と言い残し事業会社の分析部に転職するところまでがお約束。

機械学習アルゴリズムの性能を引き出すために、改めてハードウェア企業に注目すべき

tech.nikkeibp.co.jp

コンクリート表面のひび割れを深層学習で自動検知する仕組みを総合建設会社の大林組富士フィルムが作成した話。その精度は幅0.05mm以上のひび割れを100%検出できるほどらしい。0.05mmのひび割れってマジか。

大林組の特殊な高性能カメラで撮影した精細な画像をデータとして学習しているのが肝だと思われる。 機械学習によってソフトウェア側で補正を掛けて綺麗な画層を撮影することは可能になったが、こういった機械学習用の学習データとして質の良い画像を得るには高度なハードウェア技術が重要であり、そういった意味で高い技術力をもったハードウェア企業の存在感は高まっていると感じる。日本企業にもこのあたりで頑張ってもらいたい。

エンジニアの新しいお小遣い稼ぎ。技術記事は有料noteに書く時代が来つつある?

note.mu

かの有名なUIUXデザイナーの深津さん(@fladdict)がジョインして改善が進められ、利用者が増えていると噂のブログサービス"note"なんですけど、"有料記事配信"はこれまでにもたくさんのブログサービスが挑んでは散っていく中、noteでは一定の売上や定着を見せているようです。中でもツイッターで深津さんが言及されているようにIT系技術記事は有料noteとも相性が良いようでポツポツと盛り上がりを見せているように見えます。

ちょうど技術書典が今週末にアキバで開催されていますが、わりとお安い値段で面白そうな本がTLに流れてくるので気になる...そういったものもnoteのような集金できるプラットフォームで公開され、お手軽に買えると個人的に嬉しいなと思ったり。今後の盛り上がりに期待。

note.mu

■「WEEKLY人工無脳」は、筆者がSNSや日頃の雑談で知ったネタを独断と偏見でまとめているブログです。
■「WEEKLY人工無脳」は、筆者がその話題を知ったタイミングでまとめているため、「記事公開自体は先月」といった可能性も十分にあり得ます。速報性よりも話題性を重視していることをご了承ください。(ですが、できるだけ直近の話題にフォーカスしてます。)
■「WEEKLY人工無脳」は個人の余暇で運営しているため、調べが足りないこともあります。誤りがあれば優しく教えてください。
■「WEEKLY人工無脳」は「独断ニュース(http://dokudan-weekly.hatenablog.jp/)」に刺激を受けて書き始めた、独断ニュースのデータサイエンス・人工知能業界版です。飽きるまで適当に続けます。

WEEKLY人工無脳【第2号】(2018.4.9~4.15)

f:id:ysdyt:20180430031726p:plain

人は相手の顔の血色の変化だけで感情を読み取れるという衝撃

Facial color is an efficient mechanism to visually transmit emotion | PNAS

毎週聞いてるPodcastバイリンガルニュース」の#308(34分頃から)で紹介されていた面白い話。人は相手の顔の血色の変化だけで相手の感情を読み取れているという研究について。

人は怒ると鼻や頬の血色が変化しそれは年齢や人種を問わず同じパターンが見られる。研究チームは、18種類の感情で見られる血色の変化を無表情のヒトの顔写真に重ね、感情を推定させるテストを20人の被験者に対して行ったところ、それぞれの感情を幸せ・悲しみ・怒りの表情を約7割ほどの確率で当てることができた。(つまり、筋肉の動きが無くても、血色だけで感情が読み取れていた)。また、喜んでいる人の顔に怒りの血色を載せて感情をmixすると、被験者は「理由は不明だが違和感がある」ということまで気づいた。さらに、同じことを人工知能にさせると幸せ・悲しみ・怒りの表情を約9割の確率で当て、人間より高い精度を示した、という内容。

顔には他の部位には見られないほど皮膚の表面近くに血管が密集しているらしく、この話ともリンクしているのかもしれない。「おフェロメイク」のようなチーク濃いめの血色をよく見せるメイク方法も実はこういった心理に効いていたりするのならば非常に面白い。

人工知能(おそらく比較的単純な画像の分類問題を解く深層学習モデルだと思われる)がこういったタスクで人よりも高い精度を出すのもうなずける。というよりまさに機械が得意なタスクじゃん。今後に期待。

この研究結果が真実で、人間は実は無意識のうちに処理している情報が他にもまだまだあったりすると面白いなー

P.S こちらの先生の研究らしい 。この技術を活用してonline-emotionという企業も始めたそう。オハイオ大学のリリース記事はこちら

誰でもディープラーニング出来る時代に難しいのは「現状のビジネスにどうやってイイ感じにfitさせるのか。開発コスト分ペイするのか」問題

www.itmedia.co.jp

AIと言う名の画像分類とチャットbotを福岡のクリーニング店 店長が独学で作って活用しているよという話。

衣類を精度良く24クラス分類したり、ITリテラシーの低い店員にも使えるようにチャットbotのUIを工夫するなど独学で進めたものの、「で、これどうやって業務に活用しよう?」みたいな話。 AI開発上の問題となった点としてあげられている

(1)課題設定が明確でないと、自分の目的に合ったデータを使っての機械学習ができない (4)実際の業務オペレーションや費用対効果がどうなるか分からない

という点はまさに「深層学習モデルはひとまず誰でも動かせるようになったけど、で、これどう役に立つの?」アルアルで、データ分析の話をしていたはずなのに、気づいたらコンサルみたいな仕事しかしていない、みたいな感じになる。技術だけが異様に早く進化した結果として今現在、至る所で起こっている話だと思われる。

それにしても、キュウリの人といい、Google Japnaはこういう人みつけてくるのうまいな。AIで監視しているのだろうか。

深層学習を使った新しいアート手法が生まれそうで面白い

www.gizmodo.jp

最近、twitterなどでこういう系のアート(?)が流れてきて面白い。 原理が詳しく説明されていなくて謎なんですけど、おそらく特定対象物の画像(炎・花・海・人の顔など)だけを学習させたauto encoder系の何か?それをリアルタイムでpredictさせているのだろうか?そうだとしても思った以上にうまく描写されていて素敵。デジタルアート的な文脈で発展するだろうか。

実行パラメータの数字をファイル名にいれたりして学習結果を管理している人に朗報

jp.techcrunch.com

medium.com

実際に深層学習モデルを学習させている人はわかってくれると思うが、モデル精度を上げるために行うパラメータ調整はけっこうな組み合わせでパラメータ変更を行うので、学習に実行したパラメータとその学習結果を記録するのが非常に煩雑になり困る。ファイル名やディレクトリ名にパラメータ数を書き込む、みたいなことをする俺俺便利ツール君みたいなものを作っている人も少なくないかもしれない。たぶんCometMLはそういうことを解決してくれる。事業会社で最近流行りの深層学習基盤も、自動で再学習を行った場合にモデルファイルの管理などをどうするかという問題があると思うが、そういった点も何かしらうまいベストプラクティスを提供してくれるのかもしれないし、してくれないかもしれない。

六次の隔たり」の次元数はますます減っている

www.gizmodo.jp

先週も書いたCambridge Analyticaの続報。オーストラリアではたった53人のユーザーから31万人分のデータが流出していたという話。

問題のアプリをダウンロードしていなくても、繋がっている友人によってはデータが流失してしまう。「繋がる」ことにサービス最大の意味を持つFacebookだけに、なんとも恐ろしいことです

六次の隔たり」みたいな話を地で行っている。漏れたデータはもうどうにもならないが、この事件がどう収められるのかだけ、私 気になります。ザッカーバーグさんもずっと詰められててかわいそう。

"オープンコミュニケーション"を推進するアイデア

mercan.mercari.com

「slackサイコー!便利ー!yeeeeah!」って感じのメルカリさんのslack事例記事。内容的には「なにをいまさら...」感がすごいあるものの、めちゃくちゃシェアされている。

ただ、「オープンコミュニケーション文化を推進するためにDM率などを監視する」というようなアイデアは面白い。メールを脱した21世紀の人類のやり方だなーと感じる。slackが便利だということは多くの人が既に知っているが、slackが提供するメッセージやりとりの統計情報の価値を理解している人はまだ少なそう。

(ニッチだけど)身近なものを対象に深層学習使う話は心が踊るよね

qiita.com

道路のひび割れを物体検知でリアルタイム推定する話。東大の研究室らしく、arXiv論文も出てる。

VGG16ベースのSSDで精度良く予測ができているらしい。論文をちらっと読んでみると、車内に簡単にマウントしたスマフォで検出用の画像を取得するらしく、時速40kmで走行する車の前方10メートル先の画像を撮影して、その画像を1.5秒で推論し、ヒビの位置を返す。スマフォのような(超高精細ではない)お手軽なカメラを使うというのがよい。自動運転時の路面状態を判断するようなタスクで活躍するのだろうか。それにしても論文内容をQiitaにもまとめる時代なのかー。

2017年の慶応SFCの研究室公開イベントORFでも、機械学習系の研究室が「路面や道路標識の剥がれ」をSSDで検出している内容が発表されていた。データの収集は町中を走るゴミ収集車の車載カメラから提供してもらっていたという話だった気がする。アルゴリズムなどは無料で公開もされているから、こういった研究のキモはどうやって精度のよいデータを集めるか、分析設計をどうするか、アウトプットの具体的なイメージや実社会で実運用にも耐えうるか、みたいなところがポイントになるのだろうか。

深層学習で「カクテルパーティー効果」っぽい機能を再現

shiropen.com

人間が雑音の中から特定の音だけを拾える「カクテルパーティー効果」は、人間(動物?)が行うユニークな認知の一つだったが、機械も同じような機能が行えるようになったらしい。ただ、この手法は

本提案手法は、音声を分離するために入力ビデオの聴覚信号と視覚信号の両方からアプローチしています。人が話す声と口の動きは相関関係があるため、両者を捉えることで精度は向上します。

というかんじで、画像(口の動き)と音声の両方を使っているので、厳密には人間のカクテルパーティー効果ではないはず(人間は聴覚だけでそれが行える)でもそんなこまけーことはどうでもいい、人間と同じような機能をまた一つ獲得したのだから。

個人的には最近、音声系のネタが増えてきたように感じている。

医師の代わりに医療判断を行うAIが世界で初めて認可される。医療の流れが変わるぞ

www.theverge.com www.technologyreview.jp

医療系サービスでアメリカFDAの認可を受けるというのはかなりスゴイことで、googleセルゲイ・ブリンの奥さん(生物学者のアン・ウォイッキ氏)と他2名が起業した遺伝子解析サービス「23andMe」もその検査精度を理由にFDAからサービス中止勧告を受けたりしていた(2018年3月には公式に認可が降りたらしいが。)

AIによる医療診断サービスがそんな厳しい認可を突破した事例が一つでも出来たということは、今後もこういったAI医療がたくさん出て来ると予想される。医療に限っては決して「医師が不要になる」ということはないだろうが、こういったサービスが医師の負担軽減となり、医療業界全体の風向きが良い方向に成ることを期待している。画像認識系のタスクで解ける医療判断はまさに深層学習が得意な分野。記事でも精度9割と書かれていたので、医師の判断精度と比較しても十分実戦投入出来る精度になったということなのだろう。

今後AIによる医療診断システムをFDAが認可していくということも中の人がツイッターで発言しているそうなので次のニュースにも期待。

次世代の脳波計?スゲーっぽいけど、なんで顎なんだぜ?

jp.techcrunch.com

明言はされていないが、おそらく脳波計の一種だと思われるが、記事では顎の神経筋から信号を読むとしているので、脳波ではないのかもしれない。頭などに設置して脳波を測定するデバイスは、脳からの物理距離が離れるほどノイズが乗ってしまうので、わざわざ顎に計測部分を設置する理由が謎すぎる。

MITチームがつくっているということと、確度が92%ということなのでとんでも製品ではないと思われるが、見た目のインパクト含め謎が多い。

ちなみに、日本では、阪大発ベンチャーのPGVなどが軽量・低価格な脳波計デバイスを開発している。

当たり前のように機械学習APIwebサービスに使う時代。機械学習をセンス良く使えるか?

sakamoto2.hateblo.jp

GoogleCLOUD NATURAL LANGUAGE APIを使って、はてブホットエントリーのコメントを対象に感情分析して、感情ごとに記事を集約したキュレーションサービスを作った話。機械学習適応先を選択するセンスが良い。

行われている事自体は難しいことはないが、やはりこういったお手軽な機械学習APIは読者の関心が高いらしい。

半年ほど前に同APIが案件で利用できるかどうかいろいろ触ってみたときは、日本語に関して感情分析精度がかなり低かったので使用は見送ったが、ブログ中で試されている「チョコレートが好きすぎて死にそう」「チョコレート嫌いなので食べると死ぬ」は自信を持ってポジティブ・ネガティブを推定できるようになっているので良さそう。googleのことだからひっそりと精度を高めていっている可能性もある。

機械学習・深層学習を使ったwebサービスは一発芸感があるが、ビジネスにおいても機械学習をどのようにインパクトのある使い方が出来るかという設計やセンスは、それもまた「一発芸」的なところがあるのでバカにしてはいられない。

■「WEEKLY人工無脳」は、筆者がSNSや日頃の雑談で知ったネタを独断と偏見でまとめているブログです。
■「WEEKLY人工無脳」は、筆者がその話題を知ったタイミングでまとめているため、「記事公開自体は先月」といった可能性も十分にあり得ます。速報性よりも話題性を重視していることをご了承ください。
■「WEEKLY人工無脳」は個人の余暇で運営しているため、調べが足りないこともあります。誤りがあれば優しく教えてください。
■「WEEKLY人工無脳」は「独断ニュース(http://dokudan-weekly.hatenablog.jp/)」に刺激を受けて書き始めた、独断ニュースのデータサイエンス・人工知能業界版です。飽きるまで適当に続けます。