![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
「[[.NET 開発基盤部会 Wiki>http://dotnetdevelopmentinfrastructure.osscons.jp]]」は、「[[Open棟梁Project>https://github.com/OpenTouryoProject/]]」,「[[OSSコンソーシアム .NET開発基盤部会>https://www.osscons.jp/dotNetDevelopmentInfrastructure/]]」によって運営されています。 -[[戻る>DS]] --G検定：試験対策 --[[E資格：試験対策]] *目次 [#i682ba59] #contents *概要 [#id70c625] 資格取得：2023/3 **[[実施概要>DS#g45ac81a]] [#g311f728] **試験対策 [#t6b79a11] -基本的な理解のため、AI系の書籍や教育で勉強する。 -その後、G検定用の書籍・対策講座などで勉強する。 -試験対策は四択という事もあり想定問題・模擬試験が強力 --過去問研究が常套手段だが、過去問は一切公開されていないのが現状。 --対策業者の[[書籍>#g43dd7ec]]や講座、セミナーで想定問題・模擬試験を入手。 --想定問題・模擬試験ををひたすらやる（[[高度午前対策>高度情報処理技術者試験の午前対策]]のような）。 --また、範囲が広く試験中はググれるので、短時間でググって回答するトレーニングもしておく。 **注意事項 [#o177dba4] -AIの分野は技術進歩が活発で[[シラバス>DS#fb431e70]]は頻繁に変更されている（言い訳）。 -ただし、ある程度の基礎を勉強したら[[高度午前対策>#t6b79a11]]的な勉強で済むのでそれほど気にならない。 *詳細 [#ea4b4798] **開発 [#a95cbb67] ***スピードの向上 [#h36f0119] -arXiv~ 様々な論文が保存・公開されているウェブサイト -Google Scholar~ さまざまな学術文献を簡単に検索 -[[Kaggle]]~ 最適モデルを競い合う予測モデリング及び分析手法関連プラットフォーム ***失敗モデルへの5つの対応 [#g79381c8] [[OpenAI>#b06228eb]]の論文「人工知能セイフティにおける具体的問題」中。 +負の副作用を回避する。 +報酬ハッキングを避ける。 +スケーラブルな監督の実施。 +安全な探査（ロボット掃除機がおかしい時など） +分配的シフトに対するロバスト性（ロボット掃除機が学習したのとは異なる環境に置かれた場合等） ***責任ある AI の基本原則 [#q6f3ee47] Microsoft -公平性~ AI システムはすべての人を公平に扱う必要があります -信頼性と安全性~ AI システムは信頼でき安全に実行する必要があります -プライバシーとセキュリティ~ AI システムは安全であり、プライバシーを尊重する必要があります -包括性~ AI システムはあらゆる人に力を与え、人々を結びつける必要があります -透明性~ AI システムは理解しやすい必要があります -説明責任~ AI システムにはアカウンタビリティ（説明責任）が必要です 参考：https://learn.microsoft.com/ja-jp/training/modules/responsible-ai-principles/4-guiding-principles **AI全般 [#t2cfb82a] ***[[歴史>人工知能（AI）#r0e1aab0]] [#s2fe4f4c] ***定理 [#x917bfed] -[[バーニーおじさんのルール（深層学習）>深層学習（deep learning）#c3a537ba]] -次元の呪いと次元の祝福 --次元の呪い~ 問題の次元数が増えるにつれて、問題を解くのが難しくなる現象 --次元の祝福~ 問題の次元数が増えるにつれて、特定のアルゴリズムやモデルのパフォーマンスが向上する現象 -ノーフリーランチ定理~ 数学的にありうべき全ての問題の集合について、どの探索アルゴリズムも同じ平均性能を示す。 --問題領域の知識を可能な限り使用して最適化すべきだということを示しており、 --領域を限定して特殊な最適化ルーチンを作成すべきであることを示している。 -みにくいアヒルの子の定理~ --純粋に客観的な立場からはどんなものを比較しても同程度に似ているとしか言えない、という定理 --つまり、何らかの「主観的な仮定（特徴の選択）」がないと「分類」は（理論上）不可能であると言う事。 ***問題 [#c405f92d] -[[モラベックのパラドックス>人工知能（AI）#qc25b067]] -[[トイ・プロブレム>人工知能（AI）#q6f18407]] -[[フレーム問題>人工知能（AI）#bd2791da]] -[[強いAIは実現不可能>人工知能（AI）#xfeb1ab6]] -[[記号接地問題>人工知能（AI）#f2b272c2]] -[[身体性>人工知能（AI）#kd11c451]] -[[知識獲得のボトルネック>人工知能（AI）#o8dacbc6]] -[[特徴量設計>人工知能（AI）#ubeaa11d]] -[[シンギュラリティー>人工知能（AI）#a77a05c5]] ***テスト [#xc8a431a] -[[チューリング・テスト>人工知能（AI）#f2feb418]] -[[常識推論タスク>人工知能（AI）#t6314f1b]]~ COPA, WSC -[[中国語の部屋>人工知能（AI）#xfeb1ab6]]~ チューリング・テストを発展させた思考実験 -ウォズニアック・テスト（ミスター・コーヒー・テスト --機械が汎用人工知能であるかを判定するためのテスト。 --初めて入る（間取りなどを一切知らない）他人の家に上がり、その家の主人にコーヒーを淹れてあげられるか否かを試す。 ***脳の機能 [#ve38a251] -[[強化学習>機械学習（machine learning）#nbbca2a2]]~ 大脳基底核の働きを模倣の働きを模倣 -[[教師あり学習>機械学習（machine learning）#y3a9ef2a]]~ 小脳の働きを模倣 -[[教師なし学習>機械学習（machine learning）#p3ab14a7]]~ 大脳皮質の働きを模倣の働きを模倣 ***データセット [#f5df0a4a] -MINST~ 画像処理システムの小規模手書き数字（0-9）データベース -CIFAR-10/100~ 画像処理システムの中規模データベース（10/100カテゴリ） -[[ImageNet>畳み込みニューラルネットワーク（CNN）#v6676d34]] --物体認識用の大規模画像データベース --20,000カテゴリ、1400万画像を超える --WordNetの単語データベースを元に、ImageNetの構築 -MS COCO --Microsoft COCO（Common Objects in Context） --大規模な「カラー写真」の画像データセット --様々な種類のセグメンテーションタスク用 --約33万枚 ---教師ラベル付き：約20万枚以上 ---教師ラベル無し：約12万枚以上 -IDC調査：全世界でのデジタル・データ年間生成量 --2016年：16ZB --2025年：163ZB --単位：T（テラ）→ P（ペタ）→ E（エクサ）→ Z（ゼタ）→ Y（ヨタ）~ -オープンデータ（日本） --オープンデータ2.0 --官民データ活用推進基本法 --世界最先端IT国家創造宣言 --官民データ活用推進基本計画 --オープンデータ基本指針 https://ja.wikipedia.org/wiki/SI%E6%8E%A5%E9%A0%AD%E8%AA%9E ***規格 [#ad4198c4] -[[ONNX]] -IEEE --P7000 倫理的設計のモデルプロセス --P7001 自律システムの透明性 --P7002 データプライバシーのプロセス --P7003 アルゴリズミックバイアス (差別) --P7004 子供と学生データのガバナンス --P7005 従業員データのガバナンス --P7006 パーソナルデータAIエージェント --P7007 用語 --P7008 人を倫理的につき動かすAI --P7009 AIのフェールセーフ設計 --P7010 AI時代の幸福の指標 --P7011 ニュース源の信頼性の特定と信頼性評価 --P7012 機械可読な個人情報の合意 --P7013 自動化された顔分析の包摂とアプリケーション **機械学習 [#i3af76f0] ***[[エンコーディング>機械学習（machine learning）#id0e10d5]] [#zf94fac5] ***異常/予兆 検知 [#vfbde03c] 教師なしが基本だが教師ありもある。 -異常＝正解以外の場合は、教師あり。 -ソレ以外（外れ値、離れ値、予兆）は、教師なし。 **深層学習 [#acc7aead] ***高速化 [#k7458bd1] -[[GPU>深層学習（deep learning）#f674295b]] -[[誤差逆伝播法>深層学習の誤差逆伝播法]] -[[DistBelief>TensorFlow・Keras#e01488e3]]：並列処理によるDeep Learning計算の高速化 -[[バッチ正規化>ニューラルネットワーク#cb59f056]]（学習の収束の高速化と安定化を達成 ***[[量子化>E資格：試験対策#c83ee43f]] [#x875eb72] ***[[活性化関数>ニューラルネットワーク#m155734b]] [#e34dcc1d] -変遷~ シグモイド（0～1）→ tanh（-1～+1）→ ReLU ***学習オプション [#d66c34df] -[[勾配降下法アルゴリズム>深層学習のテクニック#ma318ba7]] -出力の分布 --[[重みの初期値>深層学習のテクニック#o35805ae]] --[[バッチ正規化（Batch Normalization）>深層学習のテクニック#t3c6ab88]] -汎化性能 --[[機械学習と同様の正則化>深層学習のテクニック#q7425431]] --[[早期終了（early stopping）>深層学習のテクニック#q2b741ae]] --[[ドロップアウト（Dropout）>深層学習のテクニック#hf3c7a28]] --[[Cutout / Random Erasing>深層学習のテクニック#hf3c7a28]] -[[モデルの軽量化>E資格：試験対策#c83ee43f]] --プルーニング --蒸留 --量子化 ***DNN、CNN [#l6c7a5bd] -[[DNN>ニューラルネットワーク#ge448516]] -[[CNN>畳み込みニューラルネットワーク（CNN）#l62c4148]] --[[物体識別>画像処理とコンピュータビジョン（物体識別）]] --[[物体検出>画像処理とコンピュータビジョン（物体検出）]] --[[領域検出>画像処理とコンピュータビジョン（領域検出）]] --[[特定領域検出>画像処理とコンピュータビジョン（特定領域検出）]] ***[[RNN>再帰型ニューラルネットワーク（RNN）]]、[[LSTM>長短期記憶ニューラルネットワーク（LSTM）]] [#def1cc9c] -[[Enc-Dec、Seq2Seq、RNN Encoder Decoder>RNN Encoder-Decoder（Sequence-to-Sequence）]] -[[Attention、Transformer、BERT>言語処理（AI）#k8328489]] ***[[言語処理>言語処理]] [#p53139e9] -[[N-gram>言語処理#ude56875]] -[[ベクトル化>言語処理（AI）#ie809371]]~ TF-IDF、word2vec（CBOW、Skip-gram）、BERT -[[文の分散表現の構成法>言語処理（AI）#la545a06]]~ BoWモデル、系列変換モデル ***[[音声処理>音声処理#e7315500]] [#h36197dc] 音声認識の概要 ***[[強化学習>強化学習（Reinforcement Learning）]] [#k1d30379] -深層強化学習の工夫 -報酬成型（Reward Shaping）~ 強化学習の通常の報酬値に追加の値を加えることで、~ 学習速度を向上させることを目指すフレームワーク -オフライン強化学習 --過去に集めたデータのみを使ってオフラインで強化学習を行う手法 --安全面でのリスクや経済的なコストを伴う実応用場面で期待される。 -シミュレーション --Sim2Real ---物理シミュレーション ---シミュレーション等で強化学習したモデルを現実世界に用いる --ドメイン・ランダマイゼーション ---sim2realにおいて複数の環境で学習を行う ---シミュレータの様々なパラメタをランダムに設定 ***End-to-End [#u5693c54] -反対はStep-by-Step -[[物体検出>画像処理とコンピュータビジョン（物体検出）]]、[[音声認識>音声処理（AI）#r69c330c]]、[[機械翻訳]]、[[ロボティクス>人工知能（AI）：ロボティクス]]などで使われる。 ***DBN（深層信念NW [#la6cf2c1] -多層のグラフィカル・ネットワーク --制限付きボルツマンマシン（RBN）を複数組み合わせた生成モデル --二つの層が接続されており 同じ層のノード同士は接続しない。 --制限付きボルツマンマシンを一層ずつ学習し積み重ねる。DNNの前身。 -データの生成モデルとして利用される。 -ヒントンは単相ネットワークに分解し -入力から段を追加しつつ段階的に教師なし学習。 -最後に出力層を載せ誤差逆伝播法で教師あり学習。 -[[事前学習>深層学習のテクニック#ebe9edcc]]したものをDNNに転換すると過学習に陥らない。 ※ DBN：Deep Belief Network、RBM：Restricted Boltzmann Machine ***子供のAI [#t722b4b0] -推論エンジンが知識ベースから成る[[エキスパート・システム>人工知能（AI）#f052336d]]みたいなモノが「大人のAI」として、 -ディープラーニングは経験から学ぶ「子供のAI」が実現できるようになってきた。 ***自動運転 [#o82fc3d8] -自動車 --[[レベル（SAE）>画像処理とコンピュータビジョン（AI）#ibb37950]] --[[都市>画像処理とコンピュータビジョン（AI）#ibb37950]] -ロボット --人間との関わり：遠隔操作 ＞ 半自律 ＞ 完全自律 --兵器： ---自律兵器システム（AWS）、致死性自律兵器システム（LAWS） ---殺人ロボット阻止キャンペーン（CSKR : Campaign to Stop Killer Robots） ---特定通常兵器使用禁止制限条約（CCW : Convention on Certain Conventional Weapons） ***発展 [#c9499ae6] -汎用目的技術であり、産業全体に連鎖的な発明を生じさせる。 -発展：画像認識 → 眼 → 機械翻訳 → 言語処理（意味理解）、知識処理（知識獲得） → 現象のモデル化 -イノベーション：認識 → 身体性 → 記号 → 意味処理 → 知識獲得 -マルチモーダル：複数の入力情報（視覚・聴覚・触覚・味覚・嗅覚）を基に処理を行うAI ***その他 [#rd8c0b2e] -苦手な事は（、今の所）、 --説明が必要なプロジェクト --感情的な事や、芸術的な事になっているらしい。 -日本は画像認識位しか出来ないと言われている...が特許出願数は多いらしい。 -Adversarial Examples：画像に摂動を与えエラーを誘発させる敵対的入力 **法律関係 [#dc74c4c6] ***著作権 [#h8bbbf03] AIの生成物の生成過程に人間の創作的寄与があれば認められる。 ***不正競争防止法 [#o00146f2] AIのドキュメント、データ、プログラムなどについて、 -[[営業秘密>高度午前 - 企業と法務#d9afd544]]として全てが保護の対象となり得る。 -限定提供データではデータのみが保護の対象となり得る。 ***学習データの [#g9996775] -著作権~ ネット情報を学習データとして活用する場合、 --米国にはフェアユースというものがある。~ 一定の条件を満たせば許可を得なくても著作物を再利用できる法原理 --EUの場合、著作権侵害に当たる。 --日本の場合、営利・非営利問わず著作権侵害には当たらない。~ ---著作権法 現４７条の７ → 新３０条の４ ---必要に応じて機密保持義務の契約を課す。 -個人情報保護~ [[匿名加工情報>SC：法制度 - 個人情報、マイナンバー（法律と制度）#bc16fdcd]]にする。 -金融分野の機微（センシティブ）情報~ ガイドラインで一定の行為が禁止されている。 ***AIの生成物の特許 [#e43d1317] -自然人が前提なので特許は難しい。 -自然人の創作の3ステップ --課題設定 --解決手段候補選択 --実効性評価 ***[[蒸留>E資格：試験対策#c83ee43f]]モデルと特許 [#l94e445e] -モデル自体の特許 --既存モデルを再利用して構築したモデル。 --既存モデルの入力と出力のペアで学習する。 --ビジネス上は、フリーライドの問題が生じる。 --学習済みモデルに特許性がある可能性（内容同一）。 --ちなみに派生モデルとは[[転移学習やファイン・チューニング>深層学習のテクニック#h518e281]]によるもの。 -独占権の権利行使 --相対的独占権（著作権）：「内容同一」＋「依拠」が必要 --絶対的独占権（特許権）：「内容同一」でありさえすれば権利行使が可能 ***規制法案 [#o3ce8544] -EU~ 欧州AI規制法案 -カナダ~ 人工知能及びデータ法 ***AIネットワーク化の影響とリスク [#da5b677a] AIネットワーク化の影響とリスク - 総務省~ AIシステムと他の（AI）システムとのネットワークが形成 -AI自体 --回答の精度 --ブラック・ボックス --AIエンジン毎の特性 --データのバイアス -AI利用 --AI利用：犯罪に利用される問題 --社会的負のインパクト：人の職を奪う問題 --法律・社会のあり方：AIに責任を問えない問題 ***サンドボックス制度 [#g3608eb6] [[ドローン>#m021b67b]]や[[自動運転>#x781eb57]] ***ドローン [#m021b67b] -150m以上の高さの空域では許可が必要。 -承認が必要。 --夜間の飛行 --モノの投下 --大勢の集まる場所での飛行 --ヒト・モノから30mの距離での飛行 ***自動運転 [#x781eb57] -日本 --レベルの定義は[[SAE J3016>#o82fc3d8]] --戦略的イノベーション創造プログラム（SIP） ---2018：Lv4の実験（港区） ---2020：Lv2の市場化 ---2025：Lv4の市場化 **固有名詞（組織・人名など [#ybdd66d7] ***OpenAI [#b06228eb] https://ja.wikipedia.org/wiki/OpenAI ***[[OpenAI]] [#b06228eb] [[失敗モデルへの5つの対応>#g79381c8]] -営利法人OpenAI LPとその親会社である非営利法人OpenAI Inc. からなるAI研究所 -2015年末にサム・アルトマン、イーロン・マスクらによってサンフランシスコで設立 -アプリケーション --DALL-E、DALL-E 2、GPT-3、[[ChatGPT]] --OpenAI Gym、Universe -技術的目標 ++自身の進歩を測定する ++家庭向けロボットを作る ++有益な自然言語理解を持つエージェントを作る ++シングル・エージェントを用いて多様なゲームを解く -[[失敗モデルへの5つの対応>#g79381c8]] ***非営利 [#f02c520e] -パートナーシップ・オン・AI~ https://en.wikipedia.org/wiki/Partnership_on_AI --人工知能の責任ある使用に取り組んでいる非営利団体 --創設：Amazon、Facebook、Google、DeepMind、Microsoft、およびIBM --2019には、100 を超える学界、市民社会、産業界、非営利団体が加入 -FLI~ https://en.wikipedia.org/wiki/Future_of_Life_Institute --Future of Life Institute --特に高度な人工知能(AI) による実存的リスクを軽減するために活動する非営利団 --アシロマAI原則： ---人工知能研究の将来を討議した会議において発表されたガイドライン。 ---人工知能が人類全体の利益となるよう倫理的問題、安全管理対策、研究の透明性などについて23の原則 -FHI~ https://en.wikipedia.org/wiki/Future_of_Humanity_Institute --Future of Humanity Institute --人類の未来研究所は、オックスフォード大学の学際的な研究センター --2005 年に哲学学部とオックスフォード マーティン スクールの一部として設立 -AI100 --One Hundred Year Study on Artificial Intelligence --AAAIでの議論を受けてスタンフォード大学の人工知能に関する 100 年研究 --2030年のAIと生活（Artificial Intelligence and Life in 2030）：ディストピアではないが怖い -AAAI (Association for the Advancement of Artificial Intelligence) --全米人工知能学会 --倫理的・法律的課題の議論など人工知能に関する研究を広く扱う。 --アイデア 2018 計928 米250 中240 日30 --米国における中長期展望と官民における取り組み~ Presidential Panel on Long-Term AI Futures: 2008-2009 Study -IEEE~ 「倫理的AI」の設計に関するレポートを発表している。 -日本 --人工知能学会倫理委員会 ***政府政策 [#y7e0e1ba] -経済成長戦略 --日本：新産業構造ビジョン --中国：インターネットプラスAI3年行動実施法案 --英国：RAS分野の成長戦略（RAS 2020） --ドイツ：デジタル戦略2025 -取り組み --米国：インダストリアル・インターネット --日本：ソサイエティ5.0 --中国：製造2025 --ドイツ：インダストリー4.0 -米国 --DARPA --... -日本 --ITSS＋ ---セキュリティ ---データサイエンス ---IoTソリューション ---アジャイル開発 --３省体制 ---総務省：情報通信研究機構 脳情報通信融合研究センター ---経済産業省：産業技術総合研究所 人工知能研究センター ---文部科学省：革新知能統合研究センター --AI戦略2019 ---人間中心のAI社会原則~ ・基本理念（尊厳、多様性、SDGs） ・基本原則（人間中心、プライバシー、セキュリティ、公平/公正/教育）~ ---高校生に基礎習得させる（教育改革 ---... ***国際会議 [#a55d5223] -サイバネティクス（学術研究運動→学問） -NeurIPS (Neural Information Processing Systems)~ ICMLと並び機械学習の世界最高峰の国際会議 -ICML (International Conference on Machine Learning)~ NeurIPSと並び機械学習の世界最高峰の国際会議 -ICLR (International Conference on Learning Representations)~ ICLRは2013年にできた新しい国際会議で、そのレベルは世界トップレベル -AAAI (Association for the Advancement of Artificial Intelligence)~ 倫理的・法律的課題の議論など人工知能に関する研究を広く扱っている世界トップレベルの国際会議 -IJCAI (International Joint Conference on Artificial Intelligence) -AISTATS (International Conference on Artificial Intelligence and Statistics) -UAI (The Conference on Uncertainty in Artificial Intelligence) -COLT (Conference on Learning Theory) https://mlmlai.com/ml-conference/ ***イベント [#f9215313] -コンシューマー・エレクトロニクス・ショー（CES）~ 毎年1月全米民生技術協会が主催し、ネバダ州ラスベガスで開催される電子機器の見本市 ***ベンチマーク [#xe360af8] -TOP500（スパコン~ https://ja.wikipedia.org/wiki/TOP500 >HPLベンチマークによるコンピュータの性能のランキング --HPL・HPCG~ 倍精度浮動小数点処理・行列の乗算を多用し大規模連立一次方程式を解く --Graph500~ https://ja.wikipedia.org/wiki/Graph500~ >グラフを扱う性能によるベンチマークによるランキング --Green500~ https://ja.wikipedia.org/wiki/Green500~ >消費エネルギーで割った値によって求めた計算の電力効率のランキング ***著名人系 [#oc81e5ec] -全般 --アーサー・サミュエル：人工知能 (AI) の造語 --トム・ミッチェル：人工知能 (AI) の定義 --[[アンドリュー・ン：GPU>深層学習（deep learning）#f674295b]] --カナディアン・マフィア ---ジェフリー・ヒントン：ゴッドファーザー ---ヤン・ルカン：弟子 ---ヨシュア・ベンジオ：孫弟子 -画像系 --[[福島邦彦：1980年にCNNの原型、ネオコグニトロンを発表>深層学習（deep learning）#gecfeadd]] --ヤン・ルカン：[[LeNet>畳み込みニューラルネットワーク（CNN）#v6676d34]], [[MNIST>ニューラルネットワーク（推論）#zf703d94]] --[[ジェフリー・ヒントン：SuperVisionのAlexNet>深層学習（deep learning）#ga6a692f]] --フェイフェイ・リー：[[ImageNet>畳み込みニューラルネットワーク（CNN）#v6676d34]] --[[イアン・グッドフェロー：GAN>ニューラルネットワーク#b6b45e6b]] -言語系 --トーマス・ミコロフ：~ [[Word2vec、RNNの発展形のEnc-Dec、Seq2Seq>言語処理（AI）]] -... --ジョン・サール：[[中国語の部屋>#xc8a431a]] --スティーブ・ウォズニアック：[[コーヒー・テスト>#xc8a431a]] --フランク・ジャクソン：メアリーの部屋、クオリア（経験の主観的、質的性質） --SF作家アイザック・アシモフ：ロボット工学三原則（人間への安全性、命令への服従、自己防衛） -書籍 --キャシー・オニール：Weapons of Math Destruction --マーティン・フォード：ロボットの脅威 人の仕事がなくなる日 --ニック・ボストロム：スーパーインテリジェンス 超絶AIと人類の命運 --アンドリュー・マカフィーとエリック・ブリィニョルフソン：ザ・セカンド・マシン・エイジ --[[アンドリュー・パーカー：カンブリア紀大進化の謎を解く眼の誕生>深層学習（deep learning）#ca8279e0]] --マイケル・オズボーン：雇用の未来~ 今後10～20年間に、技術進歩により、 ---アメリカ国内の労働者の47％が仕事を機械にとって代わられるリスクが高い ---(NRI)日本国内の労働者の約49％が仕事を機械にとって代わられるリスクが高い -その他 --ドロニー・ブルックス：MIT、ロボティクス、ルンバ（iRobot） --ジェンスン・フアン：NVIDIA共同設立、社長兼CEO --アレックス・グレイブス：ニューラル チューリング マシン ***企業、組織名 [#q890fe9b] -DeepMind~ https://ja.wikipedia.org/wiki/DeepMind --2010年に起業、2014年にGoogleによって買収。 --2015年、Googleの親会社であるAlphabetの完全子会社となった。 --[[AlphaGo>強化学習（Reinforcement Learning）#z5d22482]]を開発。 -Coursera~ https://en.wikipedia.org/wiki/Coursera >教育技術の営利団体。 --設立~ スタンフォード大学コンピュータサイエンス教授 ---Daphne Koller ---Andrew Ng Google Brainの共同設立者 Baiduの元チーフ サイエンティスト --Massive Open Online Courses (MOOCs)の代表的なプラットフォームの一つ ---edX ---gacco ---OUJ MOOC -中国系 --Baidu（百度）~ https://en.wikipedia.org/wiki/Baidu >中国のGoogle的企業、2013年から自動運転技術の開発を進めている（アポロン）。 --Alibaba（阿里巴巴）~ https://en.wikipedia.org/wiki/Alibaba_Group >中国のAmazon的企業、AIで都市を管理統制する「スマートシティ」プロジェクトを展開 --Tencent（腾讯）~~ https://en.wikipedia.org/wiki/Tencent >世界最大のビデオ ゲーム ベンダーでゲーム、ロボット、医療系のAIに注力 --SenseTime（湯科技）~ https://en.wikipedia.org/wiki/SenseTime >同社は、顔認識、画像認識、物体検出、光学式文字認識、医用画像解析、動画解析、自動運転、リモートセンシング --iFLYTEK（科大讯飞）~ https://en.wikipedia.org/wiki/IFlytek >音声認識ソフトウェアと 10 以上の音声ベースのソフトウェアを作成 --BAT~ Baidu, Alibaba, Tencent -医用 --IBM~ Watson for Oncology（ガン治療方針を提案） --画像診断 ---IDx~ 米国の糖尿病性網膜症AI自動診断システムを開発 ---Enlitic~ 米国のAIを応用した医用画像診断システムを開発 ---Imagen Tech~ 手首の骨折を検出するOsteoDetectを開発 ---Lunit~ 韓国の医療AIスタートアップ -ゲーム（強化学習 --テーブル・ゲーム ---前述のDeepMind --ビデオ・ゲーム ---OpenAI Five（Dota2をプレイする ---DeepMind AlphaStar（StarCraft2をプレイする -ロボティクス --[[OpenAI>#b06228eb]]~ ロボット・ハンド Dactyl --Blue River Technology~ スマート農業機械 --Moley Robotics~ 調理ロボットを製造 --Nuro~ 自動運転の米スタートアップ --SoftBank Robotics~ 除菌清掃ロボット Whiz i -自動運転 --日本：自動車会社、ZMPなど --中国：Baidu（百度）、SenseTime（湯科技） --米国：NVIDIA DRIVE、Comma.aiなど --イスラエル：Mobileye --ハンガリー：aiMotive -AI社 --Tencent、2017/6の調査 ---計：2542社 ---米：1078社 ---中：592社 ---他：872社 --State of AI 2018 Report - CB Insights Research ---計：152億ドル ---米：48％ ---中：38％ ---他：14％ --The Complete List Of Unicorn Companies - CB Insights（2018 ---計：278社 ---米：132社 ---中：79社 ---他：1社 ***システム, ソフト [#c5f33ebd] -画像系 --[[画像認識>画像処理とコンピュータビジョン（物体識別）#aac0e160]]・[[物体検出系>画像処理とコンピュータビジョン（物体検出）#d48b6bd9]]・[[領域検出>画像処理とコンピュータビジョン（領域検出）#u795ab85]] --[[GAN系（pix2pix、CycleGAN）>敵対的生成ネットワーク（GAN）]] --AutoDraw~ >Googleが提供している無料の自動描画ウェブサービス --OpenPose ---リアルタイムに複数人の関節を同時に推定し姿勢推定するボトムアップ型。 ---（トップダウン型は人物をインスタンス・セグメンテーションしてから処理） ---Confidence Maps：関節を推定 ---PAFs：正しい関節の組合せ推定 --GQN~ DeepMindの2D画像を3D画像化する ---表現ネットワーク(The representation network)と呼ばれる層で、二次元の画像から三次元の情報を把握 ---生成ネットワーク(The generation network)と呼ばれる層でその特徴を元に、物体を三次元空間に出力 -言語系 --WordSmith~ https://en.wikipedia.org/wiki/WordSmith_(software) >コーパス言語学の分野での作業向けのソフトウェア -音声系 --[[WaveNet>音声処理（AI）#td2a4f7a]] -チャットボット --[[ELIZA>人工知能（AI）#m85363f5]] ---チャットボット、 おしゃべりボット ---ELIZA効果：意識的にはわかっていても、無意識的にコンピュータの動作が人間と似ていると仮定する傾向。 --Tay、りんな、Xiaoice -スマート・スピーカー --Amazon - Echoシリーズ（Alexa --Google - Google Homeシリーズ（Assistant（Duplex --Apple - HomePodシリーズ（Siri --Xiaomi - XiaoAIスピーカーシリーズ --Baidu - DuerOSスピーカーシリーズ --Alibaba - Tmall Genieスピーカーシリーズ --Sonos - Sonos Oneスマートスピーカー --Harman Kardon - Invokeスマートスピーカー --JBL - Linkスマートスピーカーシリーズ --Lenovo - Smart Displayシリーズ --Microsoft - Cortanaは生産停止 -IoTソリューション --GE：Predix --京セラ：SIGFOX --オムロン：i-BELT --ファナック：Field System --コマツ：スマート・コンストラクション -SaaS --Google > GCP > Vertex AI（AutoML と AI Platform） --Amazon > AWS > Amazon SageMaker --Microsoft > Azure > Azure Machine Learning -情報信用、信用スコア --みずほ銀行・ソフトバン > J.Score --アリババグループ > アントフィナンシャル > 芝麻信用（ジーマ信用） -SLAM~ 自分が何処にいるのか、周辺がどうなっているのか、を把握する自動運転向きの認識技術 -World Models~ 反射行動など迅速な運動系タスクを行うため脳内を抽象化した環境世界を学習する予測モデルのアルゴリズム -Logic Theorist（1955-1956 --人間の問題解決能力を真似するよう意図的に設計された世界初のプログラム --プリンキピア・マテマティカの冒頭の52の定理のうち38を証明、一部に新たな洗練された証明方法を発見。 **その他 [#c3ca0bb7] -D-Wave：量子アニーリング -ソフトバンク・ビジョン・ファンド -テレイグジスタンス：遠隔臨場感、遠隔存在感 -ダイナミック・プライシング：価格を需要と供給の変動に合わせて調整 -A/D変換：アナログデジタル変換 *参考 [#kda4d697] **カンペ用語集 [#t2316249] -G検定カンペ用語集リスト~ https://gkentei.techblog.jp/archives/13712572.html -G検定カンペ用語集リスト（英語）~ https://gkentei.techblog.jp/archives/13720716.html **模擬テスト [#uda024b4] -G検定模擬テスト利用（無料）申請~ https://ws.formzu.net/fgen/S80988339/ -G検定(AIの検定)模擬テスト – Study-AI~ https://study-ai.com/generalist/ **YouTube [#ce1bf350] -某处生活_LiveSomewhere G検定対策 --PART1：概要と出題範囲①｜難易度・例題紹介~ https://www.youtube.com/watch?v=aL7I8j7CpWA --PART2：出題範囲②｜難易度・例題紹介~ https://www.youtube.com/watch?v=jOGcrD_zyFM --PART3：出題範囲③と受験Tips~ https://www.youtube.com/watch?v=WKmJL2wBBm0
