TyDi QA：多言語対応した質問回答ベンチマーク(1/2)
１．TyDi QA：多言語対応した質問回答ベンチマーク(1/2)まとめ ・日本語を含む11種類の多様な言語を網羅する質問回答用のデータセットであるTyDi QAが公開 ・TyDi QAは共通点の少ない言語を集めたため多様な言語に多様な対応可能なモデルを訓練できそう ・TyDi QAには言語とデータの課題を表す11言語からの200,000を超える質問と回答のペアが含まれる ２．TyDi QAとは？ […]
音声
1/23ページ
LaserTagger：制御可能で効率的な文章生成アプローチ(2/2)
１．LaserTagger：制御可能で効率的な文章生成アプローチ(2/2)まとめ ・従来のseq2seqを使ったモデルと比較してLaserTaggerには３つの利点がある ・制御可能で幻覚の影響を受けにくい事、最大100倍の速度で予測を実行可能である事 ・数千程度の学習データを使用してトレーニングした場合でも適切な出力を生成可能 ２．LaserTaggerとBERTベースモデルの比較 以下、ai. […]
Google Research：2019年の振り返りと2020年以降に向けて(6/8)
- 2020.01.18
- 強化学習, AI for Social Good, BERT, 視覚, 音声, transformer, federated learning, video, jeff dean, universal sentence encoder
１．Google Research：2019年の振り返りと2020年以降に向けて(6/8)まとめ ・従来は分割して段階的に行った作業を大規模ニューラルネットワークで一気にやる事が主流になりつつある ・これらの研究結果はBERTの検索エンジンへの投入を初め実世界で使われるようになってきている ・機械による知覚は静止画像から動画やライブ性、意味や複雑な状況の把握などに対象が移ってきている ２．自然言語 […]
Google Research：2019年の振り返りと2020年以降に向けて(5/8)
- 2020.01.17
- 強化学習, モバイル, AI for Social Good, 脳, TPU, 音声, transformer, efficientnet, automl, federated learning, video, gpipe, jeff dean, disentangled representation
１．Google Research：2019年の振り返りと2020年以降に向けて(5/8)まとめ ・2019年はニューラルネットワークのトレーニングにどのような力学が働くのか特性を理解を目指した ・AutoMLの研究も継続し、既存モデルの改良や特定ハードに特化したモデルなど様々な改良を実施 ・表形式データの取り扱いに特化したAutoML Tablesはデータサイエンティストのコンペで好成績収めた […]
Google Research：2019年の振り返りと2020年以降に向けて(3/8)
- 2020.01.15
- 医療, Pixel, モバイル, AI for Social Good, クラウド, 視覚, 音声, transformer, federated learning, jeff dean
１．Google Research：2019年の振り返りと2020年以降に向けて(3/8)まとめ ・機械学習をクラウド上ではなくスマートフォン上で実行する事に注力し音声、視覚、文字の認識が可能に ・これによりプライバシー保護と応答速度向上、ネットワーク接続がなくとも動作できるようになった ・医療分野では画像を使った困難な診断などで人間の専門家を支援できるレベルの精度を達成しつつある ２．AIによる […]