Upgrade to Pro — share decks privately, control downloads, hide ads and more …

AI基礎講座 第1話 自己紹介と講義の目的

AI基礎講座 第1話 自己紹介と講義の目的

株式会社Ridge-i内の2019年度インターンシッププログラムで行った基礎講座。

第1話は自己紹介と講義の目的の解説!そもそもこの講義をしている牛久という人物は何者なの?という話と、今なぜAIがブームになっているのか、その中で起きた牛久個人の自虐的エピソードまで。

対応する動画が https://youtu.be/qzLXk7Jtwjs にアップロードされておりますので、ご興味があればご覧ください。

Be0f86176276318b4b9775d795278f7e?s=128

Yoshitaka Ushiku

May 01, 2020
Tweet

Transcript

  1. Ridge-i インターンシッププログラム 人工知能・機械学習(AI/ML)基礎講座 第1話 自己紹介と講義の目的 Chief Research Officer 牛久 祥孝

  2. 2011 2012 2014 電話音声認識のエラー率が 30%程度→20%以下に 大規模画像分類のエラー率が 25%程度→15%程度に 英仏翻訳の精度が〇〇により 複雑なシステムと同等に

  3. 2012年:一般物体認識における激震 2012年の画像 認識タスクで ディープ勢が 2位以下に圧勝! 2012年の画像 認識タスクで ディープ勢が 2位以下に圧勝! 2012年の画像

    認識タスクで ディープ勢が 2位以下に圧勝!
  4. 2012年:一般物体認識における激震 公式サイトにアクセスしてみると… 1st team w/ DL Error rate: 15% 2nd

    team w/o DL Error rate: 26% [http://image-net.org/challenges/LSVRC/2012/results.html]
  5. 2012年:一般物体認識における激震 公式サイトにアクセスしてみると… 1st team w/ DL Error rate: 15% 2nd

    team w/o DL Error rate: 26% [http://image-net.org/challenges/LSVRC/2012/results.html] It’s me!!
  6. 自己紹介 2014.3 博士(情報理工学)、東京大学 2014.4~2016.3 NTT CS研 研究員 2016.4~2018.9 東京大学 講師

    (原田・牛久研究室) 2016.9~ 産業技術総合研究所 協力研究員 2016.12~2018.9 国立国語研究所 共同研究員 2018.4~9 オムロンサイニックエックス株式会社 技術アドバイザ 2018.10~ オムロンサイニックエックス株式会社 Principal Investigator 2019.1~ 株式会社Ridge-i Chief Research Officer [Ushiku+, ACMMM 2012] [Ushiku+, ICCV 2015] 画像キャプション生成 主観的な感性表現を持つ 画像キャプション生成 動画の特定区間と キャプションの相互検索 [Yamaguchi+, ICCV 2017] A guy is skiing with no shirt on and yellow snow pants. A zebra standing in a field with a tree in the dirty background. [Shin+, BMVC 2016] A yellow train on the tracks near a train station.
  7. 自己紹介 2014.3 博士(情報理工学)、東京大学 2014.4~2016.3 NTTコミュニケーション科学基礎研究所 研究員 2016.4~2018.9 東京大学 講師 (原田・牛久研究室)

    2016.9~ 産業技術総合研究所 協力研究員 2016.12~2018.9 国立国語研究所 共同研究員 2018.4~2018.9 オムロンサイニックエックス株式会社 技術アドバイザ 2018.10~ オムロンサイニックエックス株式会社 Principal Investigator 2019.1~ 株式会社Ridge-i Chief Research Officer [Ushiku+, ACMMM 2012] [Ushiku+, ICCV 2015] 画像キャプション生成 主観的な感性表現を持つ 画像キャプション生成 動画の特定区間と キャプションの相互検索 [Yamaguchi+, ICCV 2017] A guy is skiing with no shirt on and yellow snow pants. A zebra standing in a field with a tree in the dirty background. [Shin+, BMVC 2016] A yellow train on the tracks near a train station. 企業研究所に 思うこと 深層学習の 衝撃 ビジョン& ランゲージの 歴史と今後 日本の研究 コミュニティ への危機意識 大学の環境に ついて これまでの 研究について 紹介
  8. 自己紹介 2014.3 博士(情報理工学)、東京大学 2014.4~2016.3 NTTコミュニケーション科学基礎研究所 研究員 2016.4~2018.9 東京大学 講師 (原田・牛久研究室)

    2016.9~ 産業技術総合研究所 協力研究員 2016.12~2018.9 国立国語研究所 共同研究員 2018.4~2018.9 オムロンサイニックエックス株式会社 技術アドバイザ 2018.10~ オムロンサイニックエックス株式会社 Principal Investigator 2019.1~ 株式会社Ridge-i Chief Research Officer [Ushiku+, ACMMM 2012] [Ushiku+, ICCV 2015] 画像キャプション生成 主観的な感性表現を持つ 画像キャプション生成 動画の特定区間と キャプションの相互検索 [Yamaguchi+, ICCV 2017] A guy is skiing with no shirt on and yellow snow pants. A zebra standing in a field with a tree in the dirty background. [Shin+, BMVC 2016] A yellow train on the tracks near a train station. 企業研究所に 思うこと ビジョン& ランゲージの 歴史と今後 日本の研究 コミュニティ への危機意識 大学の環境に ついて 深層学習の 衝撃 これまでの 研究について 紹介
  9. 自己紹介 2014.3 博士(情報理工学)、東京大学 2014.4~2016.3 NTTコミュニケーション科学基礎研究所 研究員 2016.4~2018.9 東京大学 講師 (原田・牛久研究室)

    2016.9~ 産業技術総合研究所 協力研究員 2016.12~2018.9 国立国語研究所 共同研究員 2018.4~2018.9 オムロンサイニックエックス株式会社 技術アドバイザ 2018.10~ オムロンサイニックエックス株式会社 Principal Investigator 2019.1~ 株式会社Ridge-i Chief Research Officer [Ushiku+, ACMMM 2012] [Ushiku+, ICCV 2015] 画像キャプション生成 主観的な感性表現を持つ 画像キャプション生成 動画の特定区間と キャプションの相互検索 [Yamaguchi+, ICCV 2017] A guy is skiing with no shirt on and yellow snow pants. A zebra standing in a field with a tree in the dirty background. [Shin+, BMVC 2016] A yellow train on the tracks near a train station. [2019年9月1日 日経新聞]
  10. 自己紹介 2014.3 博士(情報理工学)、東京大学 2014.4~2016.3 NTTコミュニケーション科学基礎研究所 研究員 2016.4~2018.9 東京大学 講師 (原田・牛久研究室)

    2016.9~ 産業技術総合研究所 協力研究員 2016.12~2018.9 国立国語研究所 共同研究員 2018.4~2018.9 オムロンサイニックエックス株式会社 技術アドバイザ 2018.10~ オムロンサイニックエックス株式会社 Principal Investigator 2019.1~ 株式会社Ridge-i Chief Research Officer [Ushiku+, ACMMM 2012] [Ushiku+, ICCV 2015] 画像キャプション生成 主観的な感性表現を持つ 画像キャプション生成 動画の特定区間と キャプションの相互検索 [Yamaguchi+, ICCV 2017] A guy is skiing with no shirt on and yellow snow pants. A zebra standing in a field with a tree in the dirty background. [Shin+, BMVC 2016] A yellow train on the tracks near a train station. [2019年9月1日 日経新聞]
  11. 自己紹介 2014.3 博士(情報理工学)、東京大学 2014.4~2016.3 NTTコミュニケーション科学基礎研究所 研究員 2016.4~2018.9 東京大学 講師 (原田・牛久研究室)

    2016.9~ 産業技術総合研究所 協力研究員 2016.12~2018.9 国立国語研究所 共同研究員 2018.4~2018.9 オムロンサイニックエックス株式会社 技術アドバイザ 2018.10~ オムロンサイニックエックス株式会社 Principal Investigator 2019.1~ 株式会社Ridge-i Chief Research Officer [Ushiku+, ACMMM 2012] [Ushiku+, ICCV 2015] 画像キャプション生成 主観的な感性表現を持つ 画像キャプション生成 動画の特定区間と キャプションの相互検索 [Yamaguchi+, ICCV 2017] A guy is skiing with no shirt on and yellow snow pants. A zebra standing in a field with a tree in the dirty background. [Shin+, BMVC 2016] A yellow train on the tracks near a train station. [2019年9月1日 日経新聞] さらに驚かされたのが、そこに紹介されていたわず か97文字のトロント大の技術を説明する一文だった。 学部生時代にニューラルネットワークを学んでいた 牛久は、当時のAI研究者のご多分に漏れずこう思っ た。「なぜ今さらニューラル?」。謎を解くために イタリア・フィレンツェに飛んだ。 [本文より引用]
  12. 自己紹介 2014.3 博士(情報理工学)、東京大学 2014.4~2016.3 NTTコミュニケーション科学基礎研究所 研究員 2016.4~2018.9 東京大学 講師 (原田・牛久研究室)

    2016.9~ 産業技術総合研究所 協力研究員 2016.12~2018.9 国立国語研究所 共同研究員 2018.4~2018.9 オムロンサイニックエックス株式会社 技術アドバイザ 2018.10~ オムロンサイニックエックス株式会社 Principal Investigator 2019.1~ 株式会社Ridge-i Chief Research Officer [Ushiku+, ACMMM 2012] [Ushiku+, ICCV 2015] 画像キャプション生成 主観的な感性表現を持つ 画像キャプション生成 動画の特定区間と キャプションの相互検索 [Yamaguchi+, ICCV 2017] A guy is skiing with no shirt on and yellow snow pants. A zebra standing in a field with a tree in the dirty background. [Shin+, BMVC 2016] A yellow train on the tracks near a train station. Twitterがお祭り状態になる
  13. 本講座の目的 • 人工知能(AI)や機械学習(ML)の技術進歩は目覚ましく、 AIが応用される分野が様々な技術やビジネスに拡大されてい ます。本講義では、ルールベースからニューラルネットワー クに至るAI/ML分野の歴史や各々の技術について、長所や短 所などを実例を交えながら解説致します。 • 各技術についての詳細な実装(プログラムのソース)や理論 (数式)についてを伝えることは目的にありません(12時

    間では無理…)。AI/ML分野の各トピックについてのイン デックスを脳内にインプットしてもらうのが目的です。
  14. 数式について • なるべく数式や理論の詳細には入らないように資料を作りま したが、数式を0にすることが最適だとは思っておりません。 • 必要最低限の数式が登場します。 – 小文字はスカラー – 太字かつ小文字はベクトル

    – ベクトルの第成分 なお、 の場合は番目のベクトル – 大文字は行列であり、転置する場合は⊤と書く – という名前の行列は単位行列 – 行列の行列成分 – () という名前の関数は確率密度関数 – (|) を条件とするの条件付確率密度関数
  15. 本講座の概要 1. AI史・AI概論 ・人工知能の歴史を概説 ・付帯して、第1+2次ブームで 生まれた分野のその後を解説 2. 機械学習基礎 ・各機械学習技術の基礎を説明 ・深層学習の登場する時点まで

    3. 深層学習 ・機械学習技術の基礎を復習 ・深層学習による進歩を説明 4. 各種応用事例 ・各技術のより応用的な事例に ついて概説 ・画像や音声、自然言語などの データ形態ごとの発展も解説