BRIDGE

B05_人工知能

FacebookのヘイトスピーチはAIが削除する

SHARE:

2020年第1四半期にFacebookに投稿されたヘイトスピーチが960万個も削除されたことが判明しているが、同社はこの事態を「一時的なもの」と考えているようだ。 FacebookのCommunity Standards Enforcement Report(CSER)によれば、同社はヘイトスピーチ全体の88.8%をAIで検出したとされる。この数値は前期の80.2%から増加していることが分かるが、…

Capture

2020年第1四半期にFacebookに投稿されたヘイトスピーチが960万個も削除されたことが判明しているが、同社はこの事態を「一時的なもの」と考えているようだ。

FacebookのCommunity Standards Enforcement Report(CSER)によれば、同社はヘイトスピーチ全体の88.8%をAIで検出したとされる。この数値は前期の80.2%から増加していることが分かるが、AIモデルが正確性を向上させた結果とも言える。

FacebookのCTO、Mike Schroepfer氏は以下のように述べる。

AIは全ての問いに対する答えではありません。私たちは終わりのないループにいると考えるべきです。これらの問題は、生活やコミュニケーションに関する人間本来の根本的なものだと思います。特に私たちは問題が曖昧さを持っていると、私たちの手で最終的な決定をしたがる傾向にあります。しかし、AIが可能にすることは一般的なタスクや規模の大きいタスクを効率的に解消することのみなのです。

Facebook AIリサーチは、米国の公開されているFacebookグループからスクレイピングした1万件のデータセット「Hateful Memes」を公開している。Hateful Memesチャレンジは、12月に開催される著名なAIカンファレンス「NeurIPS」で最終選考が行われ、上位者には10万ドルの賞金が提供される。これは、昨年Facebookによって開催されたDeepfake Detection Challengeに続くものだ。

Hateful Memesのデータセットは、ヘイトスピーチを検出し取り除くモデル性能を評価する役割を担う。加えて、マルチモーダルな学習モデルの微調整やテストを実行するため複数のメディアからインプットを受け取る役割も担う。最も正確性の高いAI成智モーダルモデルであるVisual BERT COCOでは64.7%の精度を記録した。しかし、人間の場合では85%の精度を示したため、まだ課題が多く残っていると言えるだろう。

FacebookはCOVID-19に関わるミスインフォメーションに対し、どのようにAIを活用し対処しているかについても発表している。同社が長期間にわたって開発しているSimSearchNetではニューラルネットワークを利用し、重複コンテンツや信頼度の低い投稿に対し警告ラベルを適用する仕組みを取っている。こうした警告ラベルは今年4月に5000件のユーザーに対しつけられたという。また、同月にて警告ラベルが張られたコンテンツをクリックしたのは平均してわずか5%に過ぎないという。

マルチモーダルラーニング

Google AIチーフのJeff Dean氏のような機械学習の専門家は2020年がマルチモーダルモデルのトレンドとなるだろうと発言している。既に、マルチモーダルモデルは動画に自動コメントを挿入したり、画像キャプションを付けたりするなど多岐に渡り利用されている。MIT-IBM Watson LabのCLEVRERのようなモデルも、NLPやコンピュータービジョンを付け加え視覚的推論機能の向上に取り組んでいる。

Hateful Memesデータセットでは、Facebookが認証するバックグラウンドに表示される画像変化に基づいて意味が変化するミームを用いて学習されている。よくミームが抱えるライセンス問題については、GettyイメージAPIを利用し背景画像として代替することで新しくミームを生成している。

Hateful Memesのデータセットで求められている視覚的推論の変化は、AIによるヘイトスピーチ検知の正確性、またポリシー違反の判断に役立つとされる。ヘイトスピーチを取り除くことは認められるべきことだが、早急なヘイトスピーチ検出は同社の経済的利益にもつながることとなる。EUの規制当局は同社にヘイトスピーチに対して厳しく取り締まりを行う注意喚起を促し、その後ドイツでは100万人以上のユーザーを抱えるSNSはヘイトスピーチを迅速に削除することを義務化した。これに違反した場合、5000万ユーロの罰金が科せられることとなる。

また、ケンブリッジアナリティカ事件以降、各国政府はFacebookに対しテロリストのプロパガンダや選挙妨害行為など、コンテンツの監視を要求しており、同社はAIを利用し対応することを明言している。

※本稿は提携するVentureBeat記事の抄訳になります

【via VentureBeat】 @VentureBeat

【原文】

----------[AD]----------

技術至上主義の覇権争いが続く中、米中がAI分野で先手を狙う本当の理由〜英スローニュース団体主催「Tortoise Global AI Summit」から

SHARE:

米中間で緊張と技術的な対立が激化する中、AI がその中心的な役割を果たしている。BBC の前ニュースディレクターらが立ち上げたスローニュース(調査報道)系ジャーナリズムネットワーク「Tortoise」は15日、「Tortoise Global AI Summit」をオンライン開催した。世界の超大国アメリカと中国の関係がますます険悪になっていることについて、トランプ大統領が貿易戦争を開始する前から、…

Image credit: Wallpaper Flare

米中間で緊張と技術的な対立が激化する中、AI がその中心的な役割を果たしている。BBC の前ニュースディレクターらが立ち上げたスローニュース(調査報道)系ジャーナリズムネットワーク「Tortoise」は15日、「Tortoise Global AI Summit」をオンライン開催した。世界の超大国アメリカと中国の関係がますます険悪になっていることについて、トランプ大統領が貿易戦争を開始する前から、両国の競合関係に苦言を呈してきたパネリストらが議論した。

二国間の競争は幅広い技術に及んでいるが、多くの人が今後数十年の間に AI が果たすであろう本質的な役割のおかげで、AI がますます注目されるようになってきていることについて、パネリストの3人は同意している。そして、AI の覇権争いが中国とアメリカだけでなく、他のすべての国がこの技術競争の中で自らの立ち位置を見直さざるを得なくなっている。

世界の二大国の関係が悪化している中で、技術競争を目の当たりにしている。この2つの国はほぼ同規模の経済規模を持ち、世界を支配するための影響力を誇示するための手段として、その経済基盤を利用している。技術競争が広範になる中で、AI は中心的な位置付けを占めている。(イギリスの諜報機関 MI6 の元トップ John Sawers 氏)

Sawers 氏と共にパネルディスカッションに参加したのは、イギリスの新興半導体メーカー Graphcore CEO の Nigel Toon 氏と、イギリス政府 AI 庁(Office for AI)長官の Sana Khareghani 氏。

中国とアメリカに関しては、彼らは非常に長い間、対立の中心に AI を置いてきたと思う。それはリーダーになるための経済競争であり、テクノロジーはそこに投げ込まれたようなものだった。(Khareghani 氏)

パネリストらは、アメリカでの AI の取り組みは企業が主導しているのに対し、中国では政府の政策によってイノベーションが推進されているという従来の常識について議論したが、Toon 氏はその見解に反論した。彼は中国政府がアメリカよりも大きな役割を果たしていることを認めながらも、中国での AI 開発の多くは Alibaba(阿里巴巴)や Huawei(華為)のようなテック大手が主導していて、彼らは Google や Facebook と同じモチベーションを持っている、と述べた。

そういった大手は、外から見れば無敵に見えるかもしれない、と同氏は言う。しかし、彼らは優れた AI プロダクトを作り出す競合への恐れに駆られている。

イギリスの新興半導体メーカー Graphcore CEO の Nigel Toon 氏

テック大手の立場から見てみれば、AI は彼ら自身の存亡に関わるテクノロジーだ。もし他の誰かが Google よりも早く最先端の AI を開発したら………Google はそれを心配している。だからこそ、彼らはこの分野に大金を投資している。Facebook が AI に大金を投資しているのもそのためだ。Google が DeepMind を買収した理由もまさにそれ。こうしたテック大手にとって、AI は自らの存亡に関わるものでしかない。Alibaba にとっても、Tencent(騰訊)にとっても。(Toon 氏)

中国が大きく違うのは、政府がテック企業とより緊密で協力的な関係を築いていることだと Toon 氏は付け加えた。さらに、中国のプライバシーやデータに関する政策や文化は、中国に優位性を与えている。

(中国では)データの収集や利用に何の制約も無い。欧米では、自由な社会の一部として個人のプライバシーに誇りを持っている……中国は大都市の内部に監視システムを設置しているが、これは非常に強力で、(秘密警察の支配を背景とした恐怖政治を行った)スターリンが死んでもおかしくないような制御メカニズムだ。これは中国政府にとって、この分野でアドンバンテージをもたらす。なぜなら、AI と機械学習はデータの大量収集に非常に大きく依存し、そのデータを咀嚼・操作することができるからだ。(Sawer 氏)

この二者択一の図式は、必然的にヨーロッパがその図式の中の、どこにどのように収まるのかという問題につながった。欧州連合(EU)は近年、AI の開発を政治的にも、経済的にも優先させている。この地域は研究やスタートアップに多額の投資を行っているが、米中よりも倫理的なアプローチで AI に取り組むことで、独自のアイデンティティを確立しようとしている。

Khareghani 氏は、大きなリードを持つ米中のベンチャーキャピタルが示す数字は、ヨーロッパの強さを過小評価する傾向があると述べた。

AI にどれだけの投資をしているかという点では、米中が特定の方法でリードしていることを考慮する価値があると思う。しかし、集中、貢献、思考のリーダーシップという点では、カナダ、ドイツ、フランスなどの国と並んで、イギリスが上位に位置している。つまり、判断材料には、資金をどれだけ調達しているかだけでなく、それ以上のものを考慮すべきだと思う。(Khareghani 氏)

イギリス政府 AI 庁(Office for AI)長官の Sana Khareghani 氏

しかし、ヨーロッパにはいくつかの深刻な限界がある。例えば、ヨーロッパはディープテック関連の多くの分野で目覚ましい進歩を遂げているが、高度なコンピューティングの開発に必要な基本コンポーネントの多くを他国に大きく依存していると Toon 氏は指摘している。

コアとなる基礎技術の一部については、供給量が非常に限られている。半導体を例に挙げてみよう。半導体の最先端で製造できる企業は地球上に3社しかない。我々は台湾に拠点を置く TSMC(台積電)と協力している。ヨーロッパの我々がこういった最先端の半導体技術を開発できるとは信じがたい、あるいは不可能だと思う。(Toon 氏)

では、ヨーロッパはどのように対応すべきなのだろうか。Toon 氏は、データや AI の利用に関する規制強化は、国民の信頼と信頼を促進することを目的としているものの、地域企業の活動を阻害することで裏目に出てしまうのではないかと懸念している。

こういった最先端技術へのアクセスができないために、ヨーロッパが競争に参加できなくなるような政策を実施しないよう注意する必要がある。(Toon 氏)

これまでヨーロッパは、米中と協力してその地位を利用しようとしてきた。しかし、最近の出来事はそれを難しくしている。米中が貿易障壁を作り、技術の独立性を主張するようになれば、ヨーロッパは両者との関係を見直さなければならなくなるだろう。

イギリスの諜報機関 MI6 の元トップ John Sawers 氏

長い間、ヨーロッパは、どうにかして両方の世界のベストを手に入れることができると感じていたと思う。そうすれば、アメリカとの政治的・防衛的な同盟関係を維持しつつ、中国を対等な経済パートナーとして扱うことができる。多くのヨーロッパ人にとっては、新型コロナウイルスをきっかけに、現在の中国政権の本質について目から鱗が落ちたと思う……中国ははるかに自己主張が強くなった。我々は、中国が香港で、そして、南シナ海で、何をしているかを見ている。サイバーセキュリティの分野で何をしているかを見ている。中国がどれだけ抑圧的であるかを見ている。(Sawers 氏)

【via VentureBeat】 @VentureBeat

【原文】

----------[AD]----------

第四のスマートスピーカ「Josh.ai」、狙うはハイエンド住宅特化のホームIoT市場

SHARE:

※本記事は.HUMANS社が運営するメディア「THE .HUMANS MAGAZINE」からの転載 GAFAが参入するスマート・ホームスピーカー領域、まだまだ先があるようです。 スマートホーム市場は2018年時点で766億ドル規模。2024年には1,514億ドルにまで、ほぼ倍増する成長市場です。年間平均成長率は12.02%。なかでもスマート・ホームスピーカーで言えば、2018年には52%がAmaz…

Screen Shot 2020-05-22 at 11.22.46 PM

※本記事は.HUMANS社が運営するメディア「THE .HUMANS MAGAZINE」からの転載

GAFAが参入するスマート・ホームスピーカー領域、まだまだ先があるようです。

スマートホーム市場は2018年時点で766億ドル規模。2024年には1,514億ドルにまで、ほぼ倍増する成長市場です。年間平均成長率は12.02%。なかでもスマート・ホームスピーカーで言えば、2018年には52%がAmazon Alexa、Google Homeが32%、Apple HomePodが12%、その他が4%を占めます

9割以上がGAFAが市場シェアを占めるスマート・ホームスピーカー市場。一般的に、Google Homeに搭載されているGoogle Assistant、Amazon EchoのAlexa、HomePodのSiriを直接相手にするのは、スタートアップにとっては賢明ではない戦略のように思われます。ただ、今回紹介するJosh.aiは競争激しい市場へ参入を果たしています。

デンバーに拠点を置く、家庭向け音声ハードウェアおよびプライバシー重視のAIシステムを開発する「Josh.ai」は4月30日、1100万ドルをシリーズAラウンドで調達したと発表しました。累計調達額は2,200万ドル。出資元の情報は非公開。

Josh.aiは広い敷地を持つ家庭に特化して、独自の音声アシスタントを搭載してある、スマート・ホームスピーカーを含む、IoTシステムを提供しています。照明、音楽、エアコンや暖房、オーディオ/ビジュアル、セキュリティ、家電製品など、家の周りの操作を統合するサービスです。ホームオートメーションシステムは一般的に2.5万ドルから50万ドルのコストがかかりますが、Josh.aiに関しては1万ドルからの価格帯を提示しています。

同社が狙うのは、5,000平方フィート以上の家庭でスマートホームシステムを設置したいニーズです。最近ではホテルやコンドミニアムの建物に導入するなど、商業部門でも事業拡大を狙っているそうですが、卸先の約80~85%は一戸建て住宅。

ハイエンドのスマートホームスピーカー市場プレイヤーは、プロダクトが時代遅れなプロダクトラインナップが並びます。「Crestron」や「Savant」などの大規模なインストールを行う企業は、Nest、Google、Amazon、Appleの製品と競合しており、市場では押され気味。

そこでJosh.aiはシンプルなセットアップかつ広範囲に導入できるスマートホームを提供してます。GAFAにデータを抜かれたくない消費者ニーズも少しずつ高まり、プライバシー対策の高さも評価されているようです。

高所得者層向けに大規模なシステムを設置することで、大口顧客と長期的な関係を築けるようになります。システム運用管理費などの名目で、大きな予算を2Cから引っ張ってくることが可能になります。ニッチな領域でありながら、GAFAに勝つ独自の戦略を採用しています。

日本は中流階級が多く、敷地面積も広い家庭は欧米と比べて限られる印象です。他方、アジア市場全体を見渡すと、中国や東南アジアが所有する広大な住宅が点在しています。こうしたアジアの富裕層をターゲットに、「アジア版Josh.ai」が登場したら面白いかもしれません。不動産企業と組み、スマートホーム化を進められるのであれば、未だ小資本のスタートアップ参入する余地はあるのではないでしょうか。

本稿は次世代コンピューティング時代のコミュニケーションデザイン・カンパニー「.HUMANS」代表取締役、福家隆氏が手掛ける「 THE .HUMANS MAGAZINE」からの要約転載。Twitterアカウントは@takashifuke。同氏はBRIDGEにて長年コラムニストとして活動し、2020年に.HUMANS社を創業した

----------[AD]----------

位置情報から人流を推定する「LocationMind」、個人投資家ら4億円出資

SHARE:

位置情報技術の社会実装を目指す「LocationMind」は5月15日、エンジェルラウンドで4億円の第三者割当増資を実施した。引受先には三菱総合研究所、吉銘、マリモホールディングス、および複数名の個人投資家が参加している。なお、出資した個人投資家の氏名は公表されていない。 LocationMindは東京大学の柴崎亮介研究室で開発された位置情報技術の社会実装を目指す企業。「位置情報ビッグデータを用い…

Screen Shot 2020-05-16 at 12.36.54 AM

位置情報技術の社会実装を目指す「LocationMind」は5月15日、エンジェルラウンドで4億円の第三者割当増資を実施した。引受先には三菱総合研究所、吉銘、マリモホールディングス、および複数名の個人投資家が参加している。なお、出資した個人投資家の氏名は公表されていない。

LocationMindは東京大学の柴崎亮介研究室で開発された位置情報技術の社会実装を目指す企業。「位置情報ビッグデータを用いた人流の推定や独自開発のAIアルゴリズムによる人流の予測」「IoTセンサを用いた位置情報解析及びIoTネットワークインフラの提供」「測位衛星からの信号を活用した先端的事業の開発と支援(高精度測位及び、特許技術である測位信号に対するセキュリティサービス)の提供」の3事業を手掛ける。

今回の調達資金は、事業化及び人件費に充て、短期的なCOVID-19禍での国内外の人流分析を含め、位置情報サービスのさらなる普及を目指すという。

via PR TIMES

----------[AD]----------

Facebook、ドローンが荷物を運ぶことを「学ぶ方法を学習」するAIを開発

SHARE:

Facebookとカリフォルニア大学バークレー校の研究者チームは、環境力学をモデル化して貨物輸送ドローンに「学ぶ方法を学習」させるためのアプローチを発表した。将来的に倉庫などで予測不可能な事態にも適応できるようなロボットを開発する上で役立つ可能性があるとしている。 同チームは機械学習の一分野である「メタ学習」を使い、吊り下げたペイロードをコントロールするという動的に変化しつづける状況に適応するため…

Facebookとカリフォルニア大学バークレー校の研究者チームは、環境力学をモデル化して貨物輸送ドローンに「学ぶ方法を学習」させるためのアプローチを発表した。将来的に倉庫などで予測不可能な事態にも適応できるようなロボットを開発する上で役立つ可能性があるとしている。

同チームは機械学習の一分野である「メタ学習」を使い、吊り下げたペイロードをコントロールするという動的に変化しつづける状況に適応するためのモデルを学習させた。クアッドコプター自身がコースの途中でターゲットとなる荷物をピックアップする位置を定め、目的地まで運ぶという課題を設けたものだ。

難題の一つは、ドローンからぶら下げたれたケーブルの先に取り付けてある磁石でさまざまな荷物を吊り上げるというところだ。ケーブルが短ければ、磁石はより速く振れることになる。

この難題に対処するため、チームは、磁石の重さやケーブルの長さなどの条件を変えて大量のデータを集め、力学モデルをトレーニングした。さらに環境要因やタスク要因を追加することにより、システムは初めての荷物に遭遇しても順応することができるようになった。これは、まず力学モデルを初期化し、現在の状況を把握し、アクションの結果を予測し、アクションを実行して記憶した結果から力学モデルを再トレーニングすることによって得られたものだという。

トレーニング用の初期データは、様々なペイロード(3Dプリントで作成した重さ10〜15グラムのボックス)をぶら下げたクアッドコプター(DJI Tello)を人間が飛ばすことによって集められた。外部に搭載したRGBカメラで荷物の位置情報を追跡し、0.25秒ごとに記録している。

最終的に1.1時間に及ぶフライトから約1万6,000件のデータポイントを得た。そのうち5%は評価用に使用した。

研究者らの報告によると、クアッドコプターはほとんどの場合、目的地へ荷物を運ぶことができたが、まだ改善の余地はあると言う。このアプローチではぶら下げた荷物の位置を推定するのみであり、荷物を吊り上げたり降ろしたりするタイミングは手動で指定しなければならなかった。これについては今後の課題となる。

論文にはこう書かれている。

これは、実世界のクアッドコプターに実世界のトレーニングデータでメタ学習させ、吊り下げたペイロードの輸送性能を閉ループ制御によって向上させた初のアプローチであると信じています。

今回はクアッドコプターの貨物輸送について特定の課題のみを取り扱いましたが、この方法は汎用可能であり、刻々と変化する条件下で環境とインタラクトするロボティックシステムの構築にも応用することができます。

※本稿は提携するVentureBeat記事の抄訳になります

【via VentureBeat】 @VentureBeat

【原文】

----------[AD]----------

人種や性別への偏見を改善ーーAI倫理原則、Google Brainらが共同論文発表

SHARE:

Google Brain、Intel、OpenAIおよび米国・欧州の研究機関における研究者は、AIにおける倫理原則を実践的なものに移行させるための手段として「toolbox」と呼ばれる論文を公開した。同キットには、バグ発見に対する報奨金のようにAIのバイアス発見時にも同様の報奨金を支払うといったアイデアが含まれている。 このアイデアは、AIが社会的信頼ならびに社会的幸福のために利用されることを保証…

Capture
Image Credit: SDI Productions

Google Brain、Intel、OpenAIおよび米国・欧州の研究機関における研究者は、AIにおける倫理原則を実践的なものに移行させるための手段として「toolbox」と呼ばれる論文を公開した。同キットには、バグ発見に対する報奨金のようにAIのバイアス発見時にも同様の報奨金を支払うといったアイデアが含まれている。

このアイデアは、AIが社会的信頼ならびに社会的幸福のために利用されることを保証するものとして提案される。著者は、AIバイアス発見に対してもバウンティープログラムを導入することで今まで以上に開発者が対策を意識するようになると述べる。

論文は「Toward Trustworthy AI Development」と呼ばれ、AIの欠陥や脆弱性発見の仕組み、また独利する第三者機関による監査と政府政策を結びつけて市場の統制を図る手法も推奨されている。このAIバイアスに対するバウンティープログラムは、2018年の段階で同論文の共同執筆者JB Rubinovitz氏が最初に提案したもの。

同様に、Googleは同社に対するセキュリティーバグ発見者に対し2100万ドルの支払いを実施、さらにバグバウンティープラットフォームのHackerOneやBugcrowdはここ数か月で資金調達を実施している。

今回発表された論文では、AI倫理原則を実践的なものにするための10個の提案がなされている。近年、GoogleやOpenAIさらには米軍など80以上の団体がAI倫理原則に対し言及をしているが、論文では「(倫理原則は)AIから有益性の高い効果を確実に得るための最初の一歩に過ぎない」とし、「既存の倫理原則は責任の伴うAI開発を確実に実現するためには不十分すぎる」と述べている。

以下は、同論文内で述べられる提言の例だ。

  • AIインシデントをコミュニティーとして共有し、中央集権型のデータベースで管理するべき
  • AI開発におけるプロセスの監査状況・情報を追尾可能なシステムを整備するべき
  • コマーシャルなAIシステムにとって代わる、オープンソースの代替案を提供するべき
  • ハードウェアの拡張や県商工率拡大のため、研究機関への政府補助金を増やすべき
  • 近年開発が進むプライバシー保護を重視したAIのh支援をするべき(ex. 連合学習、差分プライバシー、暗号コンピューテーションなど)

AIシステムが健全に発展すれば、既存システムが抱える人種や性別への偏見を大幅に改善することへ繋がる。例えば、警察機関による顔認証システムの誤認やアフリカ系アメリカ人間における医療の劣悪化などが挙げられる。また、最も直近の例にはCOVID-19に伴い米国司法省がPATTERNというリスク管理ツールを用いて囚人を人種的に区別したことに批判が集まっている。

今年2月には世界最大のエンジニア組織の一つであるIEEE標準化協会は、「Earth-friendly AI」へのシフトや、オンライン空間における子供の保護、社会的幸福度測定のための標準をめぐるホワイトペーパーをリリースしている、

【via Venture Beat】

【原文】

----------[AD]----------

MIT、環境にやさしいAIモデルを論文で発表

SHARE:

MITは最新の論文にて、既存アプローチに比べさらに環境保全に適したAIモデルのトレーニングシステムについて発表した。同論文によれば、モデリングにおける計算効率を向上させることで二酸化炭素の排出を3桁近く抑えられるとする。 AIを利用したモデリングは、例えば画像合成・タンパク質モデリング、自動運転等の分野で多岐に渡り活用されているが、それらの持続的可能性については疑問符が生まれてきている。昨年6月に…

pexels-photo-3641377
Photo by Marcin Jozwiak on Pexels.com

MITは最新の論文にて、既存アプローチに比べさらに環境保全に適したAIモデルのトレーニングシステムについて発表した。同論文によれば、モデリングにおける計算効率を向上させることで二酸化炭素の排出を3桁近く抑えられるとする。

AIを利用したモデリングは、例えば画像合成・タンパク質モデリング、自動運転等の分野で多岐に渡り活用されているが、それらの持続的可能性については疑問符が生まれてきている。昨年6月に、マサチューセッツ大学アマースト校の研究員は、あるモデリングに対して必要な電力量は自動車が排出する米国平均CO2のや約5倍に相当する62万6000ポンドを排出するとのレポートを報告している。

論文で主張される「Once-for-all」ネットワークは、様々なプラットフォームごとに調整可能な多数のサブモデルで構成される事前訓練済みのソリューションだ。各サブモデルでは、ハードウェアの電力と速度の限界と精度・遅延とのトレードオフ関係に基づき、最適なサブモデルを選択する仕組みとなっている。(例えばスマートフォンの場合では、バッテリーや速度、遅延等のトレードオフの最適解に基づいてサブモデルが選択される)。

「Progressive Shrinking」アルゴリズムでは、サブモデル単体の学習効率性をサポートする用途として用いられる。最初に全体のモデルを学習し、続けて学習した全体モデルを同時に利用しながらサブモデルの学習に取り掛かる。最終的には、全てのサブモデルの学習が完了し各プラットフォームに基づいたスピーディーな対応が可能となる。

実験では、1000万以上のアーキテクチャモデルのコンピュータービジョンへのトレーニングは、各サブネットワークに対して費やす時間をはるかに効率性の面で上回ったという。また、このアプローチではモデルの制度並びに効率は失われず、比較して1.5倍から2.6倍の速度を計測したとしている。

現時点においてGitHub上で利用可能なのは、Samsung Galaxy Note8、Samsung Galaxy Note10、Samsung Galaxy S7 Edge、LG G8、Google Pixel、Pixel 2などのデバイスだ。どのデバイスでもIntel XenonやNvidaのGTX 1080Ti、Jetson TX2、V100に対応している。

MITは2017年の論文「Efficient Processing of Deep Neural Networks: A Tutorial and Survey」で既に今回の趣旨と重なる内容を発表していたことは触れておくべきだろう。同研究では、ハードウェア設計変更、コラボレーションやアルゴリズムの変更などAIモデルの計算不可を軽減する方法が複数示されていた。加えて、業界を通したエネルギー消費の分析や機械学習プロジェクトにおけるワット当たりの計算量の標準化の必要性が唱えられていた。

【via Venture Beat】

【原文】

----------[AD]----------

Microsoftが「バグの順位付けAI」開発、数カ月内にオープンソースとして公開へ

SHARE:

Microsoftは、同社に対し顧客から報告されるソフトウェアバグを、セキュリティー・非セキュリティーの括りにて99%の確率で正確に区別し、クリティカルで重要度の高いセキュリティーバグについては平均して97%の成功確率で順位付け可能なシステムを開発した。同システムは数カ月の内に、GitHub上にてオープンソース化されるという。 システムは、AzureDevOpsならびにGitHubレポジトリに保存…

Capture
Microsoft
Image Credit: Khari Johnson / VentureBeat

Microsoftは、同社に対し顧客から報告されるソフトウェアバグを、セキュリティー・非セキュリティーの括りにて99%の確率で正確に区別し、クリティカルで重要度の高いセキュリティーバグについては平均して97%の成功確率で順位付け可能なシステムを開発した。同システムは数カ月の内に、GitHub上にてオープンソース化されるという。

システムは、AzureDevOpsならびにGitHubレポジトリに保存される同社4万7000人のデベロッパー1300万件の作業物・バグデータセットを活用し開発された。Coralogixによれば、開発者は平均して1000行のコード辺り70個のバグを生み出すとしており、バグの修正には1行のコードを書くより30倍の労力を要するとしている。

同社によれば、モデル構築に際しセキュリティーの専門家が承認したトレーニングデータを使用し、統計的サンプリングに基づいてデータのレビューを実施したという。その後、データは「特徴量ベクトル」にエンコードされ、2段階のプロセスを経てシステムの設計が取り組まれる。その後、システムに対しデータがセキュリティーに対しクリティカルかどうかの判断を下すことが出来るよう学習させる。続けて、セキュリティーバグの場合には重要度のラベリングを可能とする学習が施された。

Microsoftが今回開発したモデルでは、バグ予想のために2つの技術を活用している。1つ目がTF-IDF(term frequency-inverse document frequency algorithm)だ。データ内における単語に対し重要度を振りわけ、全体の中でどれだけ関連性があるかを見極めるアプローチとなる。2つ目がロジスティック回帰モデルで、クラスやイベントが発生する確率をロジスティックス関数を基に算出する手法だ。

ソフトウェアにおけるバグを取り除くために、機械学習を使用しているのは同社だけではない。AmazonのCideGuruでは、社内開発のコードレビューやアプリに対して部分的学習を施し、漏洩や無駄なCPUサイクルの過多を発見するために利用されている。Facebookでは、エンジニアの手に届く前にバグ修正を生成するSapFixや、コードの動作と機能をマッピングし、潜在的なバグを探し出すZoncolanと呼ばれるツールが利用されている。

【via VentureBeat】 @VentureBeat

【原文】

----------[AD]----------

Didi(滴滴出行)とAutoX、5月から上海でロボットタクシーのパイロット運用を開始

SHARE:

世界の自動運転車レースをリードしようとしている中国が、また一歩前進しようとしている。Didi Chuxing(滴滴出行)と AutoX は、5月下旬に上海郊外で独自の自動運転による配車サービスプロジェクトを立ち上げようとしていると、この件に詳しい2つの情報筋が14日、TechNode(動点科技)に語った。2つのプロジェクトは別々のものである。両社は同時期に上海市政府との提携を開始している。 重要視…

上海にある AutoX のロボットタクシーオペレーションセンターで準備される自動運転車
Image credit: AutoX

世界の自動運転車レースをリードしようとしている中国が、また一歩前進しようとしている。Didi Chuxing(滴滴出行)と AutoX は、5月下旬に上海郊外で独自の自動運転による配車サービスプロジェクトを立ち上げようとしていると、この件に詳しい2つの情報筋が14日、TechNode(動点科技)に語った。2つのプロジェクトは別々のものである。両社は同時期に上海市政府との提携を開始している。

重要視すべき理由:中国の地方政府がロードテストをサポートし続けるにつれ、Didi や AutoX など新規参入者は、Pony.ai(小馬智行)と Baidu(百度)がリードする混雑したレースにさらに参戦しようとしている。

  • このニュースが伝えられるより数日前、Didi の自動運転部門がソフトバンクから3億米ドルを調達したと報じられた。そして、わずか1ヶ月前には、Didi に出資するトヨタ自動車が Pony.ai に4億米ドルを出資した。これは、中国の自動運転業界で最大の資金調達となった。

詳細情報:配車サービス大手 Didi は、早ければ5月にも上海でロボット配車サービスのパイロットサービスを開始する予定であり、AutoX も同様である。この件を直接知る2人の人物が14日、TechNode に確認した。

Didi は積極的に上海でロボットタクシーをテストしており、できるだけ早くパイロットサービスを開始したいと考えている。(広報担当者)

  • AutoX は10日、上海にアジア最大のロボットタクシーオペレーションセンターを開設したとを発表した。
  • 上海でのプログラム運用は、市北西部の嘉定区の約750平方メートルの面積をカバーし、ロードテストから毎週ペタバイト規模の運転データを収集・処理することが期待されている、と AutoX は発表で語った。
  • 上海でのプログラム運用は、高圧水や高温などの気候条件でハードウェアをテストする設備を提供しながら、仮想交通環境での性能訓練シミュレーションにも利用される予定だ。
  • アプリはまだ公開されていないが、ユーザが AutoX は同社の自動運転車に「近いうちに乗車することができるようになるだろう」としている。また、このオペレーションセンターを作る上でのビジネスパートナーも非公表とされた。
  • AutoXは、中国最大手の自動車メーカーSAIC(上海汽車)や Dongfeng(東風汽車)のほか、Alibaba(阿里巴巴)からも支援を受けている。

背景:上海市政府は昨年9月、Volkswagen のパートナーであるSAIC、BMW、Didi の3社に、65平方キロメートルの区域での中国初となる自動運転の免許を発行し、12月には AutoX がそれに続いた。

  • この問題に近い関係者によると、公式の許可はまだ下りていないため、それ以来、ほとんど進展がないことが明らかになっている。
  • DidiAutoX が昨年末に明らかにしていた計画では、ドライバーレスモビリティの未来をリードするための取り組みの一環として、早ければ年末に、およくとも2020年初めに、上海でそれぞれ30台と100台のロボットタクシーを展開するとしていた。

【via TechNode】 @technodechina

【原文】

----------[AD]----------

Google、AIで「男女別翻訳」に対応

SHARE:

Googleは4月22日、文法上の男女別に翻訳する機能を英語からスペイン語、そしてフィンランド語・ハンガリー語・ペルシャ語から英語へのGoogle翻訳においてリリースすることを発表した。新しいパラダイムを活用して翻訳結果を性別に対応した文章に修正することにより、ジェンダーバイアスの問題に対処する。 同社は、すでにトルコ語から英語への男女別翻訳を提供していたが、その根幹となる技術は主にジェンダー中立…

Google via Flickr by YsfYlmz

Googleは4月22日、文法上の男女別に翻訳する機能を英語からスペイン語、そしてフィンランド語・ハンガリー語・ペルシャ語から英語へのGoogle翻訳においてリリースすることを発表した。新しいパラダイムを活用して翻訳結果を性別に対応した文章に修正することにより、ジェンダーバイアスの問題に対処する。

同社は、すでにトルコ語から英語への男女別翻訳を提供していたが、その根幹となる技術は主にジェンダー中立かどうかをデータ集約的に検出する仕組みであった。今回のアプローチはそうではないため、よりスケーラブルだとしている。Google ResearchのシニアソフトウェアエンジニアであるMelvin Johnson氏はこう述べている。

男女別翻訳の質を高め、さらに4つの言語ペアに拡張することで、初めにローンチしたものよりも格段に進化しました。ジェンダーバイアスにさらに取り組んでいくことを約束し、ドキュメントレベルの翻訳にも拡大する予定です。

Johnson氏の説明によると、トルコ語から英語への男女別翻訳に使用されていた従来の分類子は、新しい言語に適応するのに手こずり、ニューラル機械翻訳(NMT)システムを使用して男女別翻訳を個別に出力することができなかったという。さらに、適格なクエリに対して男女別翻訳を表示することができなかった割合は最大40%だった。これは、男女別翻訳結果が、ジェンダーに関する部分以外でも一致しないことが多いからだ。

対照的に、新しいリライトベースの手法では、まず翻訳を生成し、次にそれらをレビューして、ジェンダー中立のソースフレーズからジェンダー固有の翻訳を生み出すインスタンスを特定。それが正しければ、センテンスレベルのリライターがもう片方の性の翻訳文を出力する。最後に、初めの翻訳文とリライトされた翻訳文をレビューし、違いがジェンダーだけであることを確認する。

Googleによると、このリライターは男性形・女性形のフレーズのペアからなるトレーニング用の例文を数百万件使用して構築された。Google翻訳チームは、一言語の膨大なデータセットに対し、性の区別のある代名詞を男性形から女性形(またはその逆)に交換することでリライト候補文を用意した。エンジニアが開発した言語モデルを数百万件の英文でトレーニング。コーパスから、男性形のインプットから女性形のアウトプット、またはその逆のトレーニングデータを抽出した。

双方向のトレーニングデータをマージしたものを使って、1層のTransformerベースのシーケンス間モデルをトレーニングした。次に句読点や大文字・小文字のバリエーションをつけたトレーニングデータでモデルの堅牢性を高め、最終的に男性形または女性形へのリライトを99%の割合で確実に生成できるようになった。

Johnson氏によると、Googleが開発したバイアスリダクションという測定基準で新旧の翻訳システムのバイアス減少率を測定したところ(ここでいう「バイアス」とは、ソースには男女の区別がないのに翻訳結果にはどちらか一方の性が選択されてしまうことを指す)、ハンガリー語、フィンランド語、ペルシャ語から英語への翻訳においてバイアスが90%以上減少。トルコ語から英語への翻訳については60%から95%に改善された。性別の正確性(性別を指定した場合に正しい男女別で翻訳できる割合)は平均97%だった。

改良版のGoogle翻訳システムは、同社がCloud Vision APIから人々の画像を「男性」「女性」とラベル付けする機能を削除してから数カ月後にロールアウトされる。これとは別に、2018年1月、GoogleはGmailの文章を自動的に補完する機能、Smart Composeにおいても推定される性別に基づいた男女別代名詞を使うことを中止している。

翻訳やコンピュータビジョンへのジェンダー中立なアプローチは、AIシステムから偏見をなくすためにGoogleが行っている大規模な取り組みのほんの一部だ。マウンテンビューに本社を置く同社では、AI倫理チームが開発したテストでバイアスを割り出し、予測技術から暴言、人種差別、ライバル会社への中傷や悲劇的な出来事への言及を取り除いている。

【via VentureBeat】 @VentureBeat

【原文】

----------[AD]----------