数値解析系

2018年6月10日 (日)

”名大祭”に行ってきました

この辺りで”めいだい”というと、”明治大学”ではなく”名古屋大学”のことを言います。

その名古屋大学の恒例の学園祭”名大祭”へ行ってまいりました。

Img_1239

名古屋大学って、象徴となる建物がないんですよね。強いて言うなら、この”豊田講堂”でしょうか?

Img_1242

受付でパンフレットをもらい、いざ学内へ。

それにしてもこの名大祭パンフ、いつの間にか凄くいい紙を使うようになりましたね。

20年前にいた頃の名大祭パンフといえば、手作り感満載の再生紙で白黒印刷というものでした。が、今やカラー印刷が当たり前なようです。

Img_1376

ところで、私が在籍していた頃の名大にはこんな大きな建物もなく、この20年のうちに次々に建てられたようです。

日本で3番目に広い大学だとかどうとかで、しかも名古屋市内のわりと一等地にあるため、日本で一番地価の高い大学などと言われてましたけど、今はどうなんでしょうか?

Img_1228

初めは、豊田講堂内にある研究室紹介をいくつか拝見。

これは「宇宙地球環境研究所」のポスター。太陽フレアの観測やら年代測定(炭素14の分析など)まで手掛ける研究所のポスターがありました。

小中学生にもわかるさまざまな冊子が置いてあったのですが、このサイトでダウンロードできます。

「50のなぜ?」を見てみよう 中高生向けページ | ISEE 宇宙地球環境研究所

漫画版の「...ってなんだ!?」シリーズは必見です。理科が好きな学生諸君であれば、興味をそそられること間違いなし、です。

ここには他に、人の動きをトレースする研究や、ディープラーニングによる田植えから収穫までのタイミングを予測するモデルを展示しているところもあって、なかなか今どきの研究も見られました。

Img_1245

さて、祭りのメインストリートは、豊田講堂から図書館にかけてのこの通り沿い。

たくさんの屋台が出てました。わりと客引きがしつこかったです。

Img_1247

で、長男が選んだのはこの”デブ・チュロス”。

写真を撮り忘れましたが、いうほど”デブ”ではなかったです。

Img_1255

他にも、フリマの会場もありました。

Img_1294

ところで、名大内にはあちこちにカフェがありますね。今回だけで3、4か所見つけました。これは、図書館にあるスタバ。

我々の時はこんなものなかったんですが・・・時代ですかねぇ。

Img_1288

なんだか一瞬、目がおかしくなるこのアートが書かれた建物は「全学教育棟」というところ。

我々の時代には「教養部」と呼ばれ、大学1、2年を過ごした場所でしたね。

Img_1265

この建物の中で「名大レゴ部」を発見。

東大レゴ部は有名ですが、名大にもあったんですね。

Img_1272

地元らしく、地元にちなんだ作品が並んでました。これは「熱田神宮」。織田信長が桶狭間の戦いの前に戦勝祈願をしたことで有名な神社ですね。

Img_1274

この奇妙な建物は、地元ではおなじみの「名古屋市役所」。どうしてこういうデザインなのか、私にもよくわかりません。お城に近いからですかね?

Img_1311

北部の方には、こんな建物があります。

2014年に、青色LEDでノーベル物理学賞を受賞された3氏のお1人、赤崎先生を記念する記念館です。

Img_1314

これは当時使用した電子顕微鏡?だそうです。こんな感じに、当時使われた研究機器類が展示されております。

Img_1321

今や高輝度LEDはあらゆる分野に使われております。ここがその原点といえる場所なんですね。

Img_1327

名大というところは、西側が発達しております。道を挟んで東側に行くと

Img_1331

急に人口密度が下がります。

Img_1328

おっと、こんなところに弊社製品が・・・

Img_1333

ところどころ、高い建物が並んでいるかと思えば

Img_1356

こんなうっそうとした林が残っているのも、東部の特徴。

Img_1339

中には、こんなけもの道のような場所まで・・・この先に、私の所属していた研究室があったんですけどね。

Img_1361

ついでに、ずっと東まで行ってきました。

東の果てこには、私にとってなじみ深い工学部6号館があります。

ですが、名大祭では特に何もしない建物だったため、中には入れず。残念。

Img_1362

20年ぶりに来ましたが、相変わらずですね、この建物。耐震補強のみ施されてました。

Img_1370

もう一人のノーベル賞受賞関連の施設も発見。これは2001年にノーベル化学賞を受賞された野依教授の記念館です。

Img_1379

こんな感じに、ぐるりと回って得られた戦利品は以上。

名大祭パンフに青色発光ダイオードのパンフ、レゴ教室のチラシと名大ストラップです。

卒業後も数度ほど訪れましたけど、端から端まで回ったのは実に20年ぶりのこと。

また時々、訪れたいですね。

名古屋大学(理系) (2017年版大学入試シリーズ)

2018年4月17日 (火)

ラーメン二郎のラーメンの写真からどの店のものかを当てる学習器

ラーメン二郎といえば、あの山盛りのもやしが印象的な盛り付けをするラーメン屋ということまで知っています。

ですが、私自身は一度も行ったことがないんですよね・・・特に行きたいとも思いませんが。

そんなラーメン二郎。全部で41店舗あるらしいですが、ラーメン二郎のラーメンの画像から、この41店舗のどこで作られたものかを言い当てるという、役に立つのか立たないのかわからない学習器を作ってしまった人がいるようです。

ラーメン二郎の写真、どこの店舗のものかを機械学習が見極め! | Techable(テッカブル)

使われたのは、Googleが提供するCloud AutoML Visionというシステム。これに48000枚の画像を使ってディープラーニングを実施。94.5%という高精度で、画像と店名を言い当てるというシステムを構築したそうです。

そんな学習器を作れるということは、41店舗それぞれに固有の差があるんですね。その方が驚きです。

でも、こういう場合は、ラーメン以外の要素、例えばテーブルの色合いや容器で見分けている場合というのもあるようです。が、その違いを排除しても見極めているとのこと。どうやら、肉の切り方やトッピングの載せ方に癖があるようです。現在、その見極め要素を調査中とのこと。

しかし、これほど微妙な差も見分けることができちゃうんですね。しかも、95%というかなりの高確率で。もしかして、愛知県のスガキヤのラーメンも支店ごとに見極められたりするんでしょうか・・・さすがに、スガキヤは無理でしょうね。

世界一美味しい「どん二郎」の作り方 誰も思いつかなかった激ウマ! B級フードレシピ

2018年4月12日 (木)

クックパッドによるディープラーニングを用いたホットドッグ検出器の記事

皆さんご存知クックパッド。様々なお料理のレシピが載せられた、今やだれもが知っているサービスです。

そんなクックパッドに、なんとディープラーニングを用いた「ホットドッグ検出器」が出ております。

ディープラーニングによるホットドッグ検出器のレシピ - クックパッド開発者ブログ

正確にはクックパッド開発者ブログなんですけどね。でも、クックパッドらしく詳細な「レシピ」が載ってます。

プログラムコードだけでなく、データセットまで用意されております。このサイトを見るだけで、独自データによるディープラーニング活用方法が一通りわかるようになってます。

で、判別結果は上の画像のように、ホットドッグの辺りだけカラーに、それ以外は白黒になるよう結果が表示されます。

使っているのは、MobileNetという、モバイル機器向けのモデル。Imagenetの学習済みデータを転移学習し、ホットドッグを認識できるようにしてます。Macbook Proで10epochに20分ほどの計算時間だそうです。

結果表示の方法にちょっとびびっと来ますね。MobileNetを使っているというのも気になるところ。Raspberry Pi Zeroでも動く!?MobileNetの画像認識がすごい: EeePCの軌跡という記事を書いて以来、私もMobileNetが気になってますし。

クックパッドらしい記事ですね。この「ディープラーニング・レシピ」、気になる方はぜひリンク先へ。

クックパッド レタスクラブ お気に入り登録数★上位レシピが大集合! プロのレシピ人気ベストおかず (レタスクラブムック)

2018年4月 6日 (金)

強化学習でハイレベルな領域に達したAIのギャラガ操作がなかなか凄い

そろそろ強化学習なるものに手を出してみたい気分ですが、なかなかいい事例がありません。

この事例のように、ゲームで応用されているものが多いですね。

AIが「ギャラガ」を操作しながら学習していく動画が興味深い事に | BUZZAP!(バザップ!)

40代以上の方ならご存知な方も多いであろう、ナムコの名作「ギャラガ」をプレイするAIです。

で、その動画はこちら。

初期に1機やられますが、その後はギリギリをかわし続けるプレイを披露してくれます。

まるで名古屋打ちのように鼻先で撃ち落とす場面もあれば、ボスキャラのビームにキャプチャーされながら撃ち落とす場面もあったりと、なかなかシビアな戦いを繰り広げてくれます。2度目のボーナスステージはパーフェクトを出しております。

ただ、あのビームにキャプチャされた後、そのボスを撃墜するとデュアル構成になるのですが、その技は学習しなかったようで、ここでは登場しません。ひたすら撃墜するだけのAIのようで。

途中でWindows10のアップデートで中断してしまったようです。あのまま、どこまでプレイが続いたんでしょうね?気になるところです。

なお、このギャラガ攻略には「leanfun & playfun」というのが使われているようです。NES(ファミコン)に特化した強化学習プログラムなようですね。

learnfun and playfun: A general technique for automating NES games

ゲームに使うというのはなかなかいいアイデアです。

ただし、できれば実用で使いたいですね。いいネタ&プログラムないかしらん。

将棋AIで学ぶディープラーニング

2018年4月 3日 (火)

Interface 5月号購入

本当はInterface増刊号の「人工知能を作る」を買おうかと思って本屋に行ったのですが、そちらが見当たらない代わりに、こっちを見つけて買ってしまいました。

Img_0897

今どきのキャッチ―なキーワードである「人工知能」が自習できるという特集記事の今月号のInterface。これは、外せませんね。

Img_0905

目次はこんな感じ。生体計測というこれまた気になる記事もありますが、ここは浮気をせず(?)「もくもく自習 人工知能」を見てまいります。

(【捕捉】もちろん、生体計測も面白い記事でした)

Img_0904

参考までに、その他の記事です(目次)。

Img_0899

特集記事の開きページです。ここに書かれたグラフの意味は、わかる人にはわかるんじゃないでしょうか?

いや、どちらかというと、ここに書かれた意味が分からない人向けの特集でもあります。

Img_0900

最近、会社で「AIについて調べてこい!」などと言われている人は多いんじゃないでしょうか?んなこと言ったって、何から始めればいいのか・・・

いや、私に言わせれば、それは幸せな環境ですよ。上の人がAIに理解がないと・・・おっと、ここはそういうことをいう場所ではありませんでしたね。

Img_0901

k-meansが人工知能のLチカといえるかどうかはわかりませんけど、この手法、確かによく用いられてますね。

私もちょうど勉強したいところでしたので、これは重宝します。

Img_0902

後半の方には、こんな応用事例まで出てきます。これは、ポストに投函されたものを分類するというハードウェア。ちょっと面白そうな雰囲気の機械です。

紹介したいページは山ほどありますが、これ以上のところを見たい方はぜひお買い上げを。

AIといえば最近はディープラーニングですが、今回のInterfaceではk-meansやSVMなど、その他の機械学習手法も紹介されてます。おまけに、Raspberry Piで動かせるAIを扱っており、工場などでIoT/AIを使いたいと考えている方にはうってつけの号。幅広く学びたい方は、是非入手されることをお勧めします。

Interface(インターフェース) 2018年 05 月号

2018年3月29日 (木)

「人工知能を作る」3月30日発売へ

Interface 4月号の増刊号として、「人工知能を作る」が発売されるそうです。

人工知能を作る

目次を見る限りでは、今までのInterfaceの人工知能関連記事の総集編のようですね。この記事が載ったInterfaceを買い忘れた人は、これでまとめて買うことができます。

お値段は2808円、3月30日発売。

Raspberry Piを使った記事が多く、ディープラーニングだけでなくサポートベクターマシンの記事もありますね。幅広く機械学習・人工知能を学びたい方にはお勧めです。

人工知能を作る  2018年 04 月号: Interface(インターフェース) 増刊 (ボード・コンピュータ・シリーズ)

2018年2月15日 (木)

もらったチョコが”本命”か”義理”かを判別してくれるAI

こういう役に立つのか立たないのかわからないディープラーニングの使い道、私は好きです。

AIでチョコが「本命」か「義理」かを判別 エンジニアの試みが話題に - ITmedia NEWS

時期が時期だけに、バレンタインデーにちなんだAIネタが出てきました。

”本命”と”義理”のチョコ画像各500まいを使い、CNN(畳み込みニューラルネットワーク)で学習器を作ったところ、まあまあそれっぽいAIができてしまったようです。

なお、本命と判定される画像はこちら。

義理と判定されるのは以下。

「一目見て義理とわかるチョコ」は当然、”義理”と判定されるようですね。

ゴディバが義理チョコ文化に警鐘を鳴らして話題になりましたが、女性に負担になるようなら、そういう風習は廃れるべきでしょうね。一方、本命チョコは実を結ぶきっかけになれればいいですね。

この学習器がそんな文化に何らかの変化を与えてくれるかどうかはわかりませんが、こういう事例もあるということで。

いちばんやさしい ディープラーニング 入門教室

2018年2月 1日 (木)

TensorFlowと深層学習が学べるシリーズ「人工知能フレームワーク入門」

個人的に、ちょっと期待できそうな人工知能入門シリーズが、ネット上で公開されています。

人工知能フレームワーク入門(第1回):人工知能とTensorFlow | さくらのナレッジ

さくらのナレッジ「人工知能フレームワーク入門」というシリーズ。TensorFlowを使い、実際にディープラーニングプログラムを構築していくようです。

ただ、読んでいただくとわかりますが、どうしても数学的な話は出てきます。ですが、こればかりは避けては通れないと思っています。

今後どうなるかはわかりませんが、この第1回に出てくるのは最低限の数学なので、それほどわかりにくいというわけではありません。

数学とPythonをかじっており、デアゴスティーニのシリーズをこつこつと組み立てるのが好きだという人には向いていそうなシリーズですね。

より実践的には、以下のようなコンテンツもあります。

東大松尾研、「Deep Learning基礎講座」の演習コンテンツを無償公開 - ITmedia NEWS

松尾豊特任准教授が実際にDeep Learning基礎講座で使っている演習コンテンツを、個人用・非商用に限り無償で利用できるよう公開しております。

Deep Learning基礎講座演習コンテンツ 公開ページ | U-Tokyo Matsuo Lab

日本ではこの分野においては4万人以上の技術者が不足しているといわれています。が、無償でこれだけの質のコンテンツが公開されたことは、実に心強いですね。

私はどうしても実践から入ってしまいますね。実際に動いているものを目にして、そこから理論や数式に戻るほうが理解しやすいということもあって、まずはわからないまでもコードを入手して動かすということをやっています。

それぞれのやり方で進めるのがいいんでしょうが、興味があればどうとでも学べる環境がそろいつつあります。たった1年でずいぶんとこの辺りの環境が整った気がしますね。

ソニー開発のNeural Network Console入門 ―数式なし、コーディングなしのディープラーニング

2018年1月29日 (月)

ニューラルネットワークを作り出すAIが登場

今や”AI”といえばディープラーニングですが、そのディープラーニングの性能を決めているのが、そこに使われるニューラルネットワーク。

で、画像認識などの精度を上げるために、このニューラルネットワークを試行錯誤してチューニングしているのですが、このほどそのニューラルネットワークを作るAIというものが登場しました。

AIを実現する「ニューラルネットワーク」を自動的に構築することが可能なAIが出現 - GIGAZINE

MENNDLと名付けられたそのAI、実験的に作られたAIではなく、フェルミ国立加速器研究所のニュートリノ研究のために、その膨大なセンサーデータを処理するために最適なニューラルネットワークを探し出すために使われているそうです。

といっても、なんのこっちゃかよくわかりませんが・・・ただ、私自身十数層程度のニューラルネットワークのチューニングというのをやってますけど、あれでも結構大変です。

ちなみにこのMENNDLというAIが動いているのは、18,688台のTeslaが搭載されたTitanというスーパーコンピューター。現在TOP500で世界5位に位置するこのスパコンを使って、人間なら数か月かかる作業を、わずか24時間で終わらせることに成功したようです。

こういう記事を見ると、AIがAIを作り出して、ついに人類に対し反旗を翻す・・・なんてことを想像する人がいるかもしれません。でも、このAIはどんなに頑張っても人類に反旗は翻しそうにありませんね。

人間とコンピューターの関係を考えると、人間は創造が可能だが、長時間の労働では疲労が蓄積してミスが増大するという欠点があります。一方、コンピューターはミスなく長時間の労働を行ってくれるが、創造が苦手というもの。お互い得手不得手があるので、AIの終着点とは、結局人と機械の共存じゃないかと私は思ってるんですが。いちいち人間に反旗を翻しても、あまりいいことはなさそうですよね。

ソニー開発のNeural Network Console入門 ―数式なし、コーディングなしのディープラーニング

2018年1月19日 (金)

TensorFlow用”DCGAN”で独自データでの画像生成を試みてみる

ディープラーニングといえば「認識」用として使ってましたが、最近は「生成」用のコードも充実しつつあります。

画像生成の手段として”GAN”という手法があります。”Generative Adversarial Networks”の略で、日本語では”敵対的生成ネットワーク”といいます。

敵対的というキーワードがなんだか物騒ですが、下記のサイトなどを参考にその仕組みを勉強してみました。

はじめてのGAN

ディープラーニングでご飯を作ってみる - SunPro 2016技術書典

2つ目のサイトの解説が、わかりやすかったですね。

プログラム的な中身はともかく、こういう動作をしているそうです。

まず、中には”贋作絵師”と”鑑定士”がいます。

まず、鑑定士が登場。この鑑定士に本物の絵(教師データ)と、贋作絵師が作り出した偽物をランダムに与えます。

本物、偽物を正確に見分けられたら、鑑定士に報酬が与えられます。

本物を偽物と認識した場合は、何も得られません。

贋作絵師が作った偽物を本物と鑑定した場合は、贋作絵師に報酬が与えられます。

そうなると、鑑定士は「くそっ!!今度こそ見破ってやる!」となりますし、偽物と判断された贋作絵師は「次こそだましてやる!!」となるわけです。

この2者の壮絶な戦いをプログラム内部にやらせれば、贋作絵師がどんどん”本物”っぽい絵を描いてくるようになる・・・という仕組みです。

このとき、画像の認識や生成に使うニューラルネットワークに畳み込みを使ったものを”DCGAN”(Deep Convolutional Generative Adversarial Networks)というらしいです。

さて、下記のサイトを参考に、早速遊んでみました。

例によって、うちの環境はWindows 10 Home(64ビット)、Anaconda 4.2.0(Python 3.5)+TensorFlow 1.2.0 で実行しております。

DCGAN-tensorflowで自動画像生成をお手軽に試す - Qiita

まず、下記よりTensorFlow版DCGANのコードを入手します。

DCGAN-tensorflow - Github

で、上のサイトのように、セレブな顔生成をやってみたかったら、その名も”CelebA”というデータセットを入手して、上のサイトにあるようにコードを実行するだけで行けます。

まず、コードのあるフォルダに行き、そこで

> python download.py celebA

と打ち込みます。

”requests”だの”tqdm”だのを入れろと言われたら、それぞれpipで入手します。

> pip install tqdm
> pip install requests

download.pyを実行すると、”data”フォルダ内に”celebA”というフォルダができます(約1.3GB)。

この中には約20万枚ものセレブなお方の顔写真が入ってます。これを眺めるだけでもなかなか楽しいデータです。

この状態で、以下のコマンドを実行。

> python main.py --dataset celebA --input_height=108 --train --crop

これで、以下のような画像ができるはず・・・

ちょっと不気味な写真が多いですが、なんとなく顔っぽいものが生成されてます。

ただ、めちゃくちゃ時間がかかる上に、既に結果のわかっているものを実行してもつまらないですね。

というわけで、ここはいきなり独自データセットでトライしました。

使ったのは、”けものフレンズ”動画顔検出器をディープラーニング+OpenCV物体検出で作る(転移学習&メモリ不足対策): EeePCの軌跡でも使ったフレンズさんの顔画像1970枚。

独自データセットで学習させる場合のやり方は簡単で、”data”フォルダ内に”kemo”というフォルダを作って、そこにこの1970枚のデータを入れます。

Dcgan01

そして、次のコマンドを実行。

> python main.py --dataset kemo --input_height=64 --output_height=64 --train

で、待つこと15分ほど。

Dcgan02

”samples”というフォルダに、64×64の画像が8×8個並んだ画像が、大量に生成されます。

ここには生成過程も出力されてます。これを見ると

Train_03_0009

最初はこんな感じ。なんとなく、顔っぽいものがありますが、全然わかりません。

Train_16_0019

だんだん顔っぽくなっていきます。

Train_23_0009

おお!だんだんといい感じに!

・・・なったんですが、この状態から先に進みません。これで終了。なんだか、いまいちな生成結果です。

もしかして、髪の毛の色や顔の特徴がバラバラ過ぎるのがいけないのかと思って、サーバルちゃんのような金髪系の顔に絞って(395枚)再び学習。

今度は、5分ほどで終了。

Train_16_0002

最初はこんな感じ。お、なかなかいい感じです。

Test_arange_98

ですが、それでもここまでしか行けませんでした。さっきよりはましですが、とても耐えられるクオリティではありません。

なんとなく、フレンズさんっぽい絵にはなるんですけどねぇ。

やっぱり、教師データが少なすぎるんでしょうか?わりとうまくいってる先のセレブ顔データ(CelebA)は20万枚ですからね。

なお、このGANによる最新技術はここまで進んでます。Progressive Growing of GANsというらしいです。

40秒あたりから”偽物”の写真が出てくるんですが、もう本物の写真と見分けがつきません。これも先のCelebAというデータセット(ただし高解像度版)を使って作られたもの。いやはや、すごい。

なんとなく、画像生成アルゴリズムで遊んでみました。

さて、こんなものが一体、何の役に立つのでしょう?

例えば、SNSなどで流行っているものをジャンルごと(有名人、食べ物、洋服・・・等)にあつめて、それを使って画像生成をかけると、なんとなく流行りそうなデザインが見えてくるかもしれません。

それをもとに商品をデザインしたら・・・流行り物ができるかどうかは、わかりません。そこは解釈し、創造する人の力が必要です。

でも、創造を刺激することはできそうですね。”GAN”に最も期待されていることは、勝手に画像を作ってくれることではなく、刺激してくれることなのかもしれません。

他にも”文章生成”なんてものがあります。例えば、こんな事例が。

人工知能で画像をRADWIMPSっぽく解説してみた。 - Qiita

こちらも試したいところですけど、いまいちよくわかっていないので、まだ手付かず。

この1、2年で、機械学習、特にディープラーニング周辺の技術が大幅に向上しました。この1年、この分野を追っかけてきましたが、ソフトもハードも予想以上の進化でついていくのが大変です(いや、既についていけてないですが)。

ただ、機械学習技術によって、人の職業が奪われるということはないんじゃないかなぁと思っています。たしかに、単純作業、ルーチンワークというものはなくなると思いますが、創造分野の仕事はむしろAIの発達で活性化するんじゃないかと思ってます。

その創造力を活性化に期待がかかる技術の一つが、こちらのGAN。使い道はなくとも、手軽に試せるので、気になる方は独自データで遊んでみてはいかがでしょうか?

TensorFlowはじめました 実践!最新Googleマシンラーニング (NextPublishing)

より以前の記事一覧

当ブログ内検索

  • カスタム検索

スポンサード リンク

ブログ村

無料ブログはココログ