Home / Google News / Google SEO / More On How Google Uses Machine Learning In Google Search More On How Google Uses Machine Learning In Google Search This past Friday, I asked John Mueller of Google a bit more on if and how Google may use machine learning for adjusting the weights of various ranking signals. The short answer is, Google may or may not do this, depending on the specific ranking sign
Googleを解雇されたAI倫理研究者が指摘していた「大規模言語モデル」の危険性：Googleさん（1/2 ページ） 先週の金曜日、いつも巡回している米国のIT系メディアがいっせいに、GoogleのAI部門、Google AIのEthical Artificial Intelligence（倫理的AI）チーム共同リーダー、ティムニット・ゲブルさんがGoogleをクビになったと報じました。 ゲブルさんが2日の夜、自らのTwitterで、Googleがいきなり自分をクビにしたとツイートしたのです。 ゲブルさんは、AI研究分野では著名で尊敬されている研究者。黒人で女性。かつてMicrosoft Research在籍中、今の顔認識は学習データが白人男性の顔に偏っているので肌の色が白くないと認識率が下がるという有名な論文を共著で発表しました。著者名は覚えていなかったけれど、私もこの論文（の記事）は印
Home / Bing / Bing SEO / Bing Does Not Know Its Ranking Signal Weights - Machines Learning Deals With It Bing Does Not Know Its Ranking Signal Weights - Machines Learning Deals With It Izzi Smith and Marcus Tandler in their 302 of a Kind weekly SEO video chat interviewed Microsoft's Fabrice Canel. In that interview Fabrice Canel explained that he and no one really knows the individual weights of t
HOME/ AINOW編集部 /【機械学習の解釈可能性】テック専門家に聞く：機械学習モデルはどのように自らを説明するのか？【Google公式ブログ】 US版Googleブログ記事のひとつ『テック専門家に聞く：機械学習モデルはどのように自らを説明するのか？』では、同ブログ編集部のスタッフのひとりであるAndrea Lewis Åkerman氏が、Googleに在籍している研究者Been Kim氏に機械学習について質問した時の回答をまとめています。質問のテーマは「機械学習の解釈可能性」についてです。 「医師」のような特定の職業名が男性に関連付けられて翻訳されるような現象は、「AIのバイアス」として知られています。こうしたバイアスを緩和・除去するうえで重要となるのが、機械学習モデルがバイアスを伴った判断を下した理由を理解可能なように説明する「解釈可能性」です。 Kim氏によると、解釈可能性を実現
老舗Q＆Aサービス「Yahoo!知恵袋」は、長い間あるものに悩まされてきた。規約違反ではないため削除できないが、見る人を不快にさせる内容の“グレーな投稿”である。これまで社内でパトロールを行うなど対応してきたが、同サービスの投稿は約6億件にものぼり、全てのグレーな投稿を見つけ出すことは難しかった。スーパーコンピュータ「kukai」（クウカイ）が導入されるまでは。 グレーな投稿には、中身がなく質問への回答になっていないものや、アダルトカテゴリーではないのに年齢制限が必要そうなものなどがある。ユーザー投稿型サービスだからこそ起こる問題だが「利用者から厳しい意見をいただくことも多い。どこかで線引きをする必要があった」とヤフーの丹羽達洋さんは話す。 そこで考えたのが、グレーな投稿を検出し、トップページなど人目につきやすい場所では非表示にするという対応だった。 グレーな投稿、どうやって見つける？ し
新たな競争はインターネットを浄化するのに役立つ可能性がある。企業や団体が提示した課題に対してデータ・サイエンティストが解決策を競うサイト「カグル（Kaggle）」は、最新の課題を発表した。新しい課題は参加者に、有害なコメントを見つける人工知能（AI）の構築を求めている。 参加者は、「脅迫、わいせつ、侮辱、人格に対する嫌がらせなど異なるタイプの害毒」を見つけるシステムを作ることになる。新しい課題を後援するアルファベット（グーグルの親会社）のテクノロジー育成グループ「ジグソー（Jigsaw）」は、オンラインでの議論を改善する「カンバセーションAI（Conversation AI ）」と呼ばれる研究の先駆者だ。カグルで3万5000ドルの賞金を得るには、ジグゾーのパースペクティブAPI（Perspective API）で構築されたシステムの結果を上回らなければならない。12月19日に提示されたこの
はじめに 平成30年5月18日、著作権法の一部を改正する法律案が国会で成立し、下記改正項目の②を除き1、平成31年1月1日から施行されることとなりました。 今回の改正は、デジタル・ネットワーク技術の進展により、新たに生まれた著作物の利用ニーズに対応するため、著作権者の許諾を受ける必要がある行為の範囲を見直し、情報関連産業、教育、障害者、美術館等におけるアーカイブの利活用をより円滑に行えるようにすることが目的です。 改正項目は、以下の4つです。 デジタル化・ネットワーク化の進展に対応した柔軟な権利制限規定の整備 教育の情報化に対応した権利制限規定等の整備 障害者の情報アクセス機会の充実に係る権利制限規定の整備 アーカイブの利活用促進に関する権利制限規定の整備等 本稿においては、特にビジネスへの影響が大きい①の項目を中心に、各改正項目の概要をご説明します（以下、改正後の著作権法を「改正著作権法
さて、改めて今回の目的を確認しておくと、機械学習を使って東京都23区のお買い得賃貸物件を発見しよう、というものです。前回までの記事で、お買い得賃貸物件を発見するためのデータを収集し、分析にかけられるよう前処理してきました。 www.analyze-world.com www.analyze-world.com 今回の記事では、いよいよ機械学習を使って分析していきましょう。前回まではPythonを使っていましたが、この分析ではRを用いています。なお、コードはGitHub（https://github.com/ShoKosaka/Suumo）に上げておきますので興味ある方は参照ください。 最初に、データの中身をざっくり見ていきます。具体的には、分析のキーになるポイントをグラフにしながら、賃貸物件の現状や変数同士の関係性を把握していきます。 データ探索 まず、23区の中でどこが物件数が多いのかを
最近、外国で講演する機会が多い。2011年にドイツ留学を終えて以降、いろいろと引き受けているうちに招かれることが増え、今年の予定はすでに5回（ミュンヘン、ジュネーブ、メルボルン、北京、ソウル）を超えている。 ＡＩと知財 テーマは様々だが、最近多いのがAI（人工知能）をめぐる知財問題。2016年11月にはソウルで開かれたSeoul Copyright Forumでこれについて話したのをはじめ、また2017年8月にはメルボルンで開かれた国際人工知能会議（IJCAI）でもこれを取り上げた。このテーマが外国で注目されやすいのは、内閣府・知的財産戦略本部における検討など、日本で盛んな議論が展開されていることにもよるが、実はもう一つ大きな理由がある。それが、著作権法４７条の７だ。 著作権法47条の7という規定 この規定――外国だと“Article 47septies”となって言いにくいのだが――は、コ
Googleは、人々が人工知能（AI）を使ったサービスを利用するほど、そのサービスが改善される新たな方法を導入する。 Googleは、同社のモバイルサービスで「Federated Learning」と呼ばれるアプローチを用いることで、基礎となる機械学習モデルを改良できるかどうかテストしている。 その仕組みはこうだ。まず現時点の機械学習モデルがスマートフォンにダウンロードされ、スマートフォン上のデータから学習することで改良される。ローカルで生じたすべての変更は、要約された小規模なアップデートにまとめられる。このアップデートは暗号化された通信によってGoogleのクラウドに戻されて、他のユーザーのアップデートとともに平均化されることで、共通のモデルが改良される。 スマートフォンに保存された機械学習モデルも継続的に改良されるため、エンドユーザーにとっても恩恵となる。 Googleによると、このア
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
