リーダーシップには項羽型と劉邦型の2つがある
脳の基本単位回路を発見 -単純な回路が繰り返した格子構造が存在-
AIがセレブを想像で描く、二つのAIが対峙して現実そっくりの偽物を生成
この技術はGenerative Adversarial Network(GAN)と呼ばれいま一番注目を集めている研究テーマらしい。
GANは現行のDeepLearningが抱えている問題の多くを解決する切り札になる可能性がある。
米国新興企業は7割が倒産、最大の理由はニーズがなかった
Forbes Japan記事「新興企業は7割が倒産、最大の理由はニーズがなかった」(Niall McCarthy ,CONTRIBUTOR)の内容が面白く参考になると思う。
実現待たれる完全自動運転-その経済効果と求められる新たな経済社会デザイン-
知識社会で生き残るための頭の良さとは?
手術ロボットの功績と訴訟問題からロボットと人間の未来を考える
サイバーダイン山海CEOが落合陽一CEOに直伝 大学発ベンチャーで社会を動かす秘訣
次は「分散AI」、英Armが示すITの将来像
IoT新時代の未来づくり検討委員会(総務省)
50キュービットの量子コンピューターをIBMがついに発表
5年以内に起きる『新しい顧客体験』の3つのトレンド
BostonDynamicsのロボット
米国ワシントンDCのスミソニアン国立自然史博物館
電気自動車を『ワイヤレスで充電』する高速道路──イタリアで技術試験がスタート
このシステムはIPT(InductivePower Transfer:電磁誘導電力伝送)技術を応用したもので、共振用のインダクターを利用し、IPTのベースユニットは路面の下に設置される固定コイル(伝送装置)と、車両に取り付けられる、コイル(受電装置)からなるようだ。
ディープラーニングにもセキュリティ問題
Generative Adversarial Networks (GAN) とは何か、どんなブレークスルーが期待でき如何なる危険性があるか
DCGANはGenerator(制作者) とDiscriminator (判定者) から構成され、GeneratorはDe-convolutionNetworkで構成され、入力されたノイズ (ランダムなシグナル) からイメージ (例えば寝室) を生成するという。
DiscriminatorはConvolutionNetwork で構成され、ここに偽造イメージ (Fake) 又は本物イメージ (Real) を入力、Discriminatorは入力されたイメージを処理し、それがFakeかRealかを判定(Logistic Regression) するが、このプロセスでDiscriminatorが誤差逆伝播法 (Backpropagation) で教育され勾配 (Gradient、本物と偽物の差異) を得るという。
また、SRGAN (Super-ResolutionGenerative Adversarial Networks) とは、低解像度のイメージを高解像度のイメージに変換する技法らしい。
さらに、StackGAN (Stacked GenerativeAdversarial Networks) とは入力された言葉からイメージを生成する技法らしい。
ツイッター、フェイスブック、グーグルが直面するSNSの政治への影響力
量子コンピューター革命 ビットコインが消える?
現場のワザをVRで学習、製造業ロボットが着々と進化中
MIT Technology Review記事「現場のワザをVRで学習、製造業ロボットが着々と進化中 These AI Hotshots Planto Reboot Manufacturing by Jumping Inside Robots」(WillKnight米国版 AI担当上級編集者)興味深い。
エンボディド・インテリジェンス(EmbodiedIntelligence)という、カリフォルニア大学バークレー校のピーター・アビール教授と数名の学生たちが設立したスタートアップ企業が、観察や実験、反復により学習するロボットを開発しているが、ロボットを訓練するのは、実質現実(VR)ゴーグルをかけた遠隔操縦者という。