ウィリアムのいたずらの開発日記

ウィリアムのいたずらが、コンピューター関係について、思ったことを好き勝手に書いているブログです。

自動ぬり絵をしてくれるPaintsChainerとかを聞いてきた!

2017-04-28 13:24:24 | Weblog
4月27日
GPU Deep Learning Community #4
https://gdlc.connpass.com/event/54924/

について聞いてきた!ので、その内容についてメモメモ




■今日のファシリティについて

■あいさつ

■DeepLearningの応用事例としてのPaintsChainer
・自己紹介

・PaintsChainer
 線画を入れると着色結果が一瞬で返ってくる
  https://paintschainer.preferred.tech/index_ja.html

・かなりバズった
 サーバーげろ重→がんばって増強(さくら高火力X5)100Mbps→1G
 テクノロジー→アニメとゲーム
 Chainerっていう色塗りツール

・どうやって作ったか?
 まずデータセットつくりから
 OpenCVでイラスト画像から線画を抽出
  dilate()して一度線画をつぶしてからabsdiff()で抽出
  逆問題を問いいたものから学習させる
 とりあえず、コンボりゅーション、デコンボりゅーション
  特徴抽出カーネルを変えながら学習する
 カンニングしてみる
  線画1ch+ヒント3ch(32Px)
 →ヒントあり着色
 オートエンコーダーより、Unetがいい

・ノーヒントでも塗りたい
 GAN
 →ふあんていになりがち、グレる(学習する意味がなくなる)

・調教むずい

・解像度2倍(超解像)

・Webサービスにして公開
 ソースコードもGitHubで、学習済みモデルも公開!
 動画も塗っている人も

・今後
 もうちょっと使いやすく
 動画、アニメ
 アプリ
 モデルの調教

■JETSON TX2を触ってみた
 JTX2+Caffe2でデモを簡単構築
・マクニカの活動紹介
  →ディープラーニングとAIの導入をお手伝い
   マクニカが提供する ワンストップ・ソリューション

・JETSONモジュール
 NVIDIAのスーパーコンピューター
 役に立つ小さな天才
 4月にTX2
 TX1とのちがい:GUP マクスウェル→ぱすかる
  スペックアップグレード
  メモリ容量大きくなった

・JETSON Developer Kit
 TX1,TX2の形状は同じ
 シールで見分ける

・Caffe
 ディープラーニング用フレームワーク
 画像認識特化

・Caffe2
 4月にオープンソース
 JETSON用スクリプト

・実演
 はうまくいかなかったので省略

・Summary
 Caffe2をJTX2で想像以上に簡単に動作させることができた
 処理性能の向上
  TensorRT:ニューラルネットワークの最適化


■DeepLearningを活用した外観検査システム
・株式会社CECについて

・ディープラーニングを画像検査に活用するメリット
 概観検査自動化の発展経緯
  熟練の技術が受け継がれていかない
  →自動検査
  →目視検査が残っている
 課題
  認識精度
  過検出
  導入の手間
  コスト
  設置スペース
 実装が難しい画像検査の例
  傷の位置
  ワークの位置
  証明条件
・従来は人手で試行錯誤→ディープラーニングで

・従来画像処理手法とDLの違い
 人手で作りこむ→学習に任せる

・留意点
  学習用に大量の画像データが必要
    正常と欠陥両方
  実課題に適用できるか慎重な判断を要する
    トライアル、PoC

・外観検査システム
 WiseImaging:目視でわかる検査

・ご相談:いろんなところから

・検査例1:判別しにくい文字の読み取り
  →でも、くっきりうつるインクを使ったほうが・・・

・検査例2:回路基板上
 多層パーセプトロンで、ほぼほぼ人と同じ

・検査例3:樹脂製品
  照明の安定が難しい

・まとめ

■ディープラーニングフレームワークCognitive Toolkit
 (CNTK)とそこから広がるAI系AzureService

・CNTKとは
 オープンソースでLinuxとWindows対応
 Python,C++,BrainScript
 学習済みモデルはC#でも動かすこと可能

・ほんこんしんかいだいがく
 CNTK:比較的高いパフォーマンス

・MycrosoftのDeepLearningフレームワークCNTKが
 Python
http://qiita.com/mamita/items/a99dead64a6447a76b67

・Microsoft's Historic Speach Breakthrough

・AzureNシリーズ GPUインスタンス
 NC24rがInfiniBand


 ついにきたAzureGPUインスタンス上に30分
 http://qiita.com/kosfuji/items/90e54fc0df3186d930de

 チュートリアルも充実

・CNTK今後のロードマップ

・AI Immersion Workshop
・Microsoft Build 2017
  1年前 Bash
  2年前 ほろれんず

・CNTKのMSプロダクトでの活用
 
・Microsoft Cognitive Serviceとは
 Web API経由で利用できる”人工知能パーツ”
 UBERの顔認識(FaceAPI)
 EmotionAPI:
  デモ:インタラクティブいちゃいちゃギャルげー
 LUISを活用したチャットボット認識能力向上
 Azure Media Analytics:バッチ
  Faceリダクション:動画にぼかしを入れる

・フジテレビ様の動画投稿サイトへの採用も決定
 Microsoft Translator
 https://www.microsoft.com/ja-jp/translator/

・de;code2017

■Deep Learning Institute NVIDIA
 四半期に1回くらい
 ハンズオントレーニング

 エヌビディア DIGITS

 QWIKLABSトークン

 Qwiklabs の NVIDIA ラボで無料ハンズオンを試す
 http://qiita.com/ksasaki/items/65cd2a9e6b5f370bed0e

 次回は名古屋

 GTC
 

この記事をはてなブックマークに追加

ソニー、新たなLPWAネットワーク技術を開発-100km以上の遠距離通信成功

2017-04-28 08:30:29 | ネットワーク
独自の低消費電力広域(LPWA)ネットワーク技術を開発
高感度により遠距離や高速移動中でも安定した無線通信を実現
https://www.sony.co.jp/SonyInfo/News/Press/201704/17-044/


この記事をはてなブックマークに追加

中学生の将来なりたい職業、ユーチューバーが3位

2017-04-28 02:30:00 | Weblog
経営者より学者・研究者になりたいと思うのは、まっとうだと思う。

中高生が思い描く将来についての意識調査2017
http://www.sonylife.co.jp/company/news/29/nr_170425.html


この記事をはてなブックマークに追加

情報技術のパラダイムシフトを聞いてきた!

2017-04-27 20:07:54 | Weblog
4月27日、
2017年4月期 AITCセミナー&オープンラボ開催のご案内
「AI技術鼎談~先端ソフトウェア技術者とAI~」
http://aitc.jp/events/20170426-OpenLab/info.html
を聞いてきた!ので、内容をメモメモ

・・・するけど、最後のAI技術鼎談はよくわかんなかったので、
キーワードらしきものしか挙げていない・・・




■あいさつ

■AIとデータ循環
・技術的特異点
 もうおはなししません。
・二十世紀の預言
 人工物に関する預言はかなり当たっている
 自然物(複雑系)の制御に関する預言は楽観的過ぎる
・自律適応システム
 生命や認知→自律適応システム
 適応的システム=自律的システム(Popper)
・サイクル(循環)~価値~意味
 価値/意味の維持/向上/創造には仮説検証サイクル(データ循環)が必要
 価値~環境への適応~個体/種のサバイバル
 原始帰納関数→一般帰納関数:終了を判定できない
・仮説検証サイクルの普遍性
 学習と進化が仮説検証サイクルに基づくことは、まあ当然
 時定数の小さい仮説検証サイクル
・焦点距離の制御
  →意味の理解と結びついている
・ブローカー失語症
 言語を理解できるが産出できない?
  →文法理解の問題?
・DNNには大局的なサイクルがない
・人間以外の動物には、対称性バイアスがない
  対称性バイアス
 →人間は、アブダクションしてしまう
  AIでサイクルをまわせない
・AIの基盤としてのBPR
 AIの研究開発よりも、むしろ実運用のために構造化されたデータが
 用意にアクセスできる必要あり
・AIの普及にはBPRによるデータ循環社会の構築が必須
 BPR=Business Process Reengineering
・インドのオープンAPIとPDS
  AadHaar
   2年で現金とクレジットカード廃止
   銀行・政府のオープンAPI

  コンセントレイヤ;インド版国営PDS(OpenPDSは難しい)
  カンボジア:ビットコイン技術
   →中途半端にITインフラできてると。。




■演繹から帰納へ:情報技術のパラダイムシフト
・自己紹介
 コンピューターサイエンスと統計
・汎用人工知能と特化型人工知能の違い
 まだ当分できない汎用人工知能
 特化型人工知能は情報技術を進化させる試み
  注目される技術はその時々によって変化
 56から74年 動的メモリ
 80から87  オブジェクト指向
 2006から  帰納的プログラミング
 総務省:強い人工知能と弱い人工知能をわけなかった。

 演繹的プログラミング
  仕様
  モデルを使う
  実装

 もうひとつの方法:例示による仕様
  統計モデリング(統計的機械学習)
  過学習;うまくいかない
  過学習しないモデルをつくる

 深層学習の衝撃
  Facebook YanLeCunによる動画

 領域の切り出しとセグメンテーション

 先ほどの例を深層学習で訓練してみると
   そこそこいい近似:過学習しない

 演繹的システム設計

 対称システムをブラックボックスとしてE2Eで学習
  訓練データセットを用意する

 シミュレーターで強化学習を行う
  分散深層強化学習によるロボット制御
   出力側 5ビット
   入力 273ビット
 要件定義:結果に対してフィードバックすること
   →事後要件定義

・ものづくりの世界(事前要求定義)

 IoT+機械学習の世界

・機械学習の本質的限界
  見たことのないデータに対して無力
    ひらめいたり、臨機応変な対応はできない
  本質的に統計的
    元分布からは、ランダムサンプリングを仮定
    →100%ただしいは無理(バイアスが入ることは避けられない)
・帰納的開発における探索的プロセス
  人がいない?
 →ソフトウェア危機(1960年代)
・同様に、今こそ”機械学習工学”を
  要求工学
  ツール
   訓練データの管理
  テスト
   りぐれっションテスト
  運用




■AITCセミナー「AI技術鼎談」~先端ソフトウェア技術者とAi~

・自然言語処理:データ
 今の統計的機械学習はデータ
 成果出ている
・統計:直感・知性の半分
 ロジックを組むことも必要
・知識フレーム、オントロジー:人工知能の意味論
・実は、従来のやり方も100%は保証できない
  →クラウド
・サイクルに基づく計算モデル
 →ボルツマンマシン
・複数のAIが話をするとき:自然言語に似た話し方?
 分散して、インタラクションのほうが強い
・ダニエルカーレマン
  システムワン思考:直感的→ディープラーニング得意
  システムツー思考:努力して  
・知的とは?
  システムツーへのゆり戻し
・スマートソサイエティ
・宣言型プログラミング:ブレイクスルーが必要
  →ゴールを示せば、AIが解く
・ゴールを記述することの難しさ
  →人の社会における価値は書き下せない
・人は後付で価値を言うのは簡単

・チューニングは本質なのか?
  チューニングのレベルはいろいろある
  対称性バイアス

・ディープラーニングやればいい?
 →この世の中は諸行無常
  いまはわからないから、いろいろいっているが、
  理論的に解明されれば、だれでもできるかも?
 →5年10年安泰ということではない。

・仮説検証と試行錯誤の違い
 パラダイムに載るか

・着目している仮説
  あるふぁご:ゼロ和→相手が思いつかない
  自然言語:相手が思いつかないと・・・
 →問題の構造が違う
  
・コンピューターサイエンス:大きなブレイクスルーなかった
・スターとれっく:こばやしまる
 Out of box thinking

・システム同定の話?
 70年代 ボストン

・訓練データ→運用の場面でアベイラブル
  →ビジネスモデルを制御しないと得られないデータ 

・リアルタイム強化学習→仮説検証

・パーソナルデータエコシステム

この記事をはてなブックマークに追加

起業には2つある

2017-04-27 17:17:46 | Weblog
前エントリの話。まじめに中小企業診断士(を持っている。実は。経営学の修士も出ている。実は)の立場から・・・

IoTに限らず、起業をする人には、2つある。

 1つは、なにかやりたいことがあって、それを元に起業するというもの
 もう一つは、とにかく起業したい!やりたいことは後から考えるというもの

IoTの場合、前者には2とおりあって、
  なにかのサービスを実現したいというもの(ニーズ主導)
  なにかの技術をもとに、それを広めたいというもの(シーズ主導)




このうち、

「なにかのサービスを実現したい」というのは、一番可能性がある。市場もみえているので、あとはサービスが出来れば、先にすすめる。

次に可能性があるのが
「なにかの技術をもとに、それを広めたい」
 技術主導のものは、使い道が見つかれば、なんとかなるかもしれない・・・
 しかし、使い道が見つからないケースもとても多い。実は、可能性は低い。

いちばんまずいのは
「とにかく起業したい!」
この考えならば、IoTやAIは避けたほうがいい。




たとえば、「とにかく起業したい!」というとき、フランチャイズなら、
しっかりしているフランチャイジーであれば、実現する可能性は高い
(成功するかは別問題だが)。
理由は、とにかく起業するまでの方法がわかっているから。


IoTやAIは
 ・使い道もわからない
 ・できるかどうかわからない
 ・今後、流行るかどうかもわからない
 ・商流もきまっていない
 ・だれに、どうやって広告宣伝すればいいかわからない
   :
・・・と、なにもわかんない上、そもそも、IoTでやる必要ないもの、
AI使わないで出来るものも多い。つまり、起業までの不確定要素が多い。
ただ、起業したいだけなら、もっと解りやすい仕事のほうがいい。
だから、あんまり勧められない。

それを勧めてくる人は・・・
  ・あまり技術や現場にくわしくない
    →経営者(昔、技術者も含め)や、役人とか
  ・実は、起業したいという人をもとに、商売している
という場合も結構あるので、話半分に聞いておいたほうが、いいかも・・?

【あわせて読みたい】

「世界を変える」とナメた学生起業で人間不信。あの日の未熟な自分を責めたい
https://new.akind.center/201704/toianna/


この記事をはてなブックマークに追加