身近になったAI

◎ブログに書いた「身近になったAI」関係の記事一覧

過去５年間（2017年〜2021年2021年）に書いた関連記事（約70件）の一覧です。この間に、AIが世の中に広まった状況の一端をうかがうことができるかも知れません。
（自然言語処理、強化学習、データ分析は別ページに纏めてあります。）

2021年12月21日火曜日
■生成AIによるDeepFakesの倫理に関する授業資料
最新のDeep Learningで作られたFake（偽物）DeepFakesは、ポジティブ、ネガティブの両面を持ちます。以下のチュートリアルは、「Artificial Intelligence with MIT App Inventor」の第９弾（beginner level）です。一般の大人にも有用な情報が含まれているかと思います。

2021年12月19日日曜日
■画像の深層学習はどのような領域に着目しているのか
次の段階は、「どうやって認識しているのか」が気になるはずです。それに答えるのは簡単ではありませんが、少なくとも「画像のどこに着目して認識しているか」を示してくれれば、かなり良いです。簡単な原理でそれを実現する（子供向けの）Scratchプロジェクトがありました。大人でも試してみると楽しい！

2021年12月13日月曜日
■機械学習でのFeature Engineering（特徴量設定）体験
ディープラーニングでは、「必要な特徴量は自動的に見つけてくれる」とも言われますが、多くの場合、人間による慎重な特徴量設計が必要（[1], [2]）となるでしょう。「タイタニック号の乗客の生死」に関するデータセット（[3], [4]）があります。今回はこれに関する機械学習を行うえで、どのように特徴量を設定すべきかを体験しました。

2021年12月7日火曜日
■Tensorflow.jsのimportなどで遭遇したエラーの対処
多くの場合、Tensorflowは、Python環境で使われているようです。しかし、いくつかの理由から、JavaScriptで動かすTensorflow.jsへも注目が高まっているようです。

2021年10月5日火曜日
■スマホでニューラルネットワーク（ml5JS/TensorflowJS利用）その１
分類問題等で保持しているデータを使って機械学習させ、その結果を利用して、未知のデータを予測（分類など）したい場合があります。最近では、Tensorflow/Kerasなどを使えば、それは比較的楽に実現できます。ここでは、学習結果をスマホアプリに組み込み、スマホで利用することを行いました。Javascriptから使えるTensorflowJSやML5JSを利用しました。

2021年4月17日土曜日
■口形から「あ/い/う/え/お/閉」を識別（補足）
先の記事の補足です。「あ、い、う、え、お、X」の６種類の口形が、awbとcwaという２つの特徴量によって、かなり明確に分離できるという実験結果を先に示しました。今回は、これをより明確にリアルタイムに確認するために、アプリを若干改訂しました。詳しくは、下図の中の説明文をご覧下さい。

2021年4月12日月曜日
■ML4K(Machine Learning for Kids)で学習済みモデルを利用
ML4K(Machine Learning for Kids)は、機械学習を利用したアプリケーションの作成を容易にするものです。このブログでもいくつかご紹介してきました。今回は、その後のさらなる発展状況の短いサーベイです。

2021年4月7日水曜日
■Identify the position from the key point number in Facemesh
This article is a sequel to "Using the MIT App Inventor Facemesh Extension". In Facemesh, the key points of the face are numbered from 1 to 450, and the map that associates the number with the position in the face is provided by Google on GitHub. However, at present, this map does not show the correct position in the face (probably due to version upgrade). Therefore, I made a tool to get the correspondence between the number and the actual position.

2021年4月5日月曜日
■口形から「あ/い/う/え/お/閉」を識別
MIT App Inventor のExtension利用の続編です。今回は、口形から、「あ/い/う/え/お/閉」を識別することを試みました。口の周りを含む、顔の多数のキーポイントがリアルタイムに得られるので、口形パタンの画像をdeep learningさせることなく、簡単な計算で識別します。

2021年4月2日金曜日
■MIT App Inventorの公式Twitterで紹介されました
MIT App Inventorで公開されたFacemesh Extension（顔認識用の拡張機能）を使って書いたこの記事ですが、App Inventor公式Twitterでご紹介いただきました。（2021年4月1日）

2021年3月30日火曜日
■MIT App Inventorで顔認識学習モデルFacemeshを
MIT App Inventor のExtensionとして、Googleの顔認識(主要450点)学習モデルFacemeshが利用できるようになりました[1][2]。これにより、顔認識関係のスマホアプリがさらに作りやすくなりました。さっそく、簡単なアプリ３つを作ってみましょう。

2021年3月30日火曜日
■Using the MIT App Inventor FaceExtension (for Facemesh)
The MIT App Inventor FaceExtension has been released [1][2]. This makes it very easy to create a smartphone app that uses Google's facial recognition (450 major points) learning model Facemesh. Let's make three simple apps right away.

2021年3月19日金曜日
■顔認識(主要486点)学習モデルFacemeshの利用
Googleの顔認識(主要486点)や指の認識(主要関節21点)の学習モデルが、PythonやJavaScriptなどで使えるようになっています[1]。本記事は、これに基づいた顔認識モデルFacemeshに関する小生独自の簡単な説明です。

2021年3月14日日曜日
■5本の指で0〜31を数えるジェスチャの認識：handpose利用
手の指のランドマーク（キーポイント）21点をリアルタイムに検出する学習モデルhandpose (MediaPipe Hands)[1]があります。そのAPIを利用して、５本の指で0〜31までを数えるジェスチャを認識するデモアプリを作成しました。

2021年2月3日水曜日
■プログラミング例題（ハミルトン閉路問題）：Android版+RNN学習
小規模（５ノード）の有向ハミルトン閉路問題を、前回はマイクロビット（micro:bit）単体で解きました。今回は、それをAndroidスマホで実現しました。MIT App Inventorを用いて、チェックボックスによる接続指定や矢印付きグラフの描画も含めて見やくしました。さらに、Deep Learning（RNN(LSTM)）を用いて、グラフとそのハミルトン閉路の個数の対を、多数学習させる実験も行いました。

2021年1月24日日曜日
■DNA鎖を再帰的ニューラルネットワークSeq2seqの学習データに(2)
リカレント（再帰的）ニューラルネットワークの一種であるSeq2seqを理解する際に必要となるデータセットの準備です。前回に引き続き、分子生物学のDNA鎖を入力データとして利用しました。前回のものよりも学習が難しいと思われたデータ（ゲノムショットガン法の考え方に基づく）を採用したのですが、難なく学習を完了することができました。

2021年1月20日水曜日
■DNA鎖を再帰的ニューラルネットワークSeq2seqの学習データに(1)
リカレント（再帰的）ニューラルネットワークの一種であるSeq2seqは、ある時系列データを別の時系列データへ変換します。その理解のために、分子生物学に出てくるDNA鎖を入力データとして利用しました。長さ６の２つのDNAの連接とそれに必要な相補配列を5万セット学習させた結果、必要な相補配列を100%予測できるようになりました。

2021年1月14日木曜日
■Awesome Dancing with AI Tutorial
MIT App Inventorの人工知能チュートリアル第７弾として、PoseNetを利用した身体動作（ダンス）の検出アプリ[1]が公開されました。骨格17節点の座標をリアルタイムに得られるブロックが新設されたため、スポーツ解析やジェスチャ応用などのスマホアプリを作りやすくなります。

2020年10月8日木曜日
■超小型AIカメラをコイン識別器にしてみる
前回記事の続編です。雑誌を参考に、超小型AIカメラを（コーデイング無しで）コイン識別器にしてみました。AIの初歩的な体験ですが、いかがでしょうか。

2020年10月7日水曜日
■AIチュートリアル：手旗信号（セマフォア）練習
この記事は、Scratchを用いたAIアプリのチュートリアル[1]の紹介です。両腕を使った手旗信号（セマフォア信号）の発出練習をゲーム感覚で行います。ML4K（Machine Learning for Kids）[2]が提供しているのですが、レベルは"advanced"ですので、学生諸君にも参考になるでしょう。

2020年9月23日水曜日
■指先に載るAIカメラ
掌どころか指先に載ってしまう、この小さなカメラですが、AI（人工知能）のためのニューラルネットワークプロセッサ（CNNやFFTアクセラレータを含む）を搭載しているとのことですから驚きます。日経ソフトウェア最新号（2020年11月号）に紹介記事が出ています。M5StickVという製品ですが、注目度が高く品薄のようです。ようやく、秋葉原の店の通販で、3,500円で購入できました。

2020年9月15日火曜日
■Voice Calculator: well-crafted AI tutorial
MIT App Inventorの高校生向けAIチュートリアル６例目として、「Voice Calculator」が追加されました。これは、音声入力「3.14掛ける8はいくら？」や「では、12の3.5倍は？」等々に対して、計算結果を音声で答えます。初歩的とはいえ、自分なりのミニ「Siri」やミニ「OK Google!」もどきなので、受講生の興味を惹くのではと思います。この記事では、日本語版にする場合の留意点（文字単位の検査か、あるいは正規表現利用か）を中心に書きましたので、ご参考になれば幸いです。

2020年8月5日水曜日
■散歩で見つけた昆虫をGoogle Lensで調べる（2020年度）
身近な昆虫等をスマホで撮影して、その名前をGoogle Lensで見つけましょう！

2020年7月5日日曜日
■Beautiful mountain view comes automatically to your smartphone
The purpose of this project is to create an application that uses AI (artificial intelligence) to determine that a mountain is now in a beautiful landscape, and automatically notify it to the smartphone. You can enjoy the scenery with a live camera even in a distant mountain. However, the mountains are often covered with clouds, and the weather changes over a short period of time. Therefore, there will not be many opportunities to see the beautiful scenery. The smartphone app described below will automatically notify you when a photo that is so beautiful that you can see it up to the top of the mountain is obtained. Wouldn't it be fun if you received such a notification while drinking coffee?

2020年6月21日日曜日
■火星探査車のAIを強化するためのお手伝い
NASAの火星探査車Curiosityは現在も活動中ですが、火星での行動を支援するためのAI（人工知能）を強化するお話です。以前の火星探査車は砂に埋もれて動けなくなったことが報じられました。その後は脱出できたようですが。そこで、搭載するAIを一層強化することが進められています。

2020年4月15日水曜日
■じゃんけん機械学習スマホアプリ（古典的マルコフ過程) - 高校生向け（advanced）
機械学習を学ぶためのチュートリアルがあります。モダンAIではなく、古典的（マルコフ過程に基づく）機械学習によって、スマホを「じゃんけん」に強くします。K12（高校生）向けですが、難易度はAdvancedですから、学生諸君にも取り組んでもらえればよいと思います。

2020年2月21日金曜日
■Watson Assistantに関するIBM Webセミナー
今日は、2020-2-21です。新型コロナウィルスの拡散により、イベントや会議などに中止の動きが広まりつつあるようです。いろいろな関係者のおもいや立場もあり、開催か中止かの判断は非常に難しいところだと思います。そんななか、本日、「IBM Webセミナー」というのがあり、参加してみました。事前登録して、自席のPCから聴講でき、質問もできます。

2020年2月1日土曜日
■AIに関するサラリーマン川柳
先日、第33回「サラリーマン川柳」優秀100句が発表された。参考資料[1]にあるとおり、そのうち、AI（人工知能）に関するものが7句ほど含まれていた。その一つが「AIに 営業スマイル 審査され」である。共感できる傑作ではなかろうか。近未来のAI社会を象徴するように感じられた。

2020年1月16日木曜日
■Overview of AI application development environment
I would like to present an overview of the environment for developing AI applications. Look at the diagram below that I created. Basically, we can develop apps in traditional programming languages. However, in recent years, a variety of tools, libraries, and frameworks are on top of it and can be developed at a much higher level. Furthermore, AI services on the cloud and APIs that can be called in various languages ​​are available. High-performance hardware is essential for performing AI processing. Deep learning takes a lot of work to prepare the required datasets, but some systems ease it. Don't miss out on the transfer learning for efficient training using already trained models. The need to run AI apps on smartphones is also growing. Block programming environments such as MIT App Inventor support this.

2019年11月27日水曜日
■利尻山の画像認識をTeachable Machine2とApp Inventorで行う
前回の記事では、MIT App InventorからGoogleのTeachable Machine2を使って画像認識する例を書きました。今回、それを少し進めたアプリを作成しました。

2019年11月20日水曜日
■MIT App InventorとGoogle Teachable Machine2を連携させる
GoogleのAI環境Teachable Machine2を使うと、自分用に、音/画像/ポーズの学習と認識を非常に簡単に行えますが、それだけでは、初心者レベルでに留まってしまいます。一歩進めて、自分の作りたいアプリにこれを組み入れることができれば、世界はグンと広げられます。その糸口となる試みを、MIT AppInventorとの連携という形で行いました。

2019年11月12日火曜日
■スマホを音/画像/ポーズの識別器にする
先日（2019年11月初旬）に発表されたGoogleのTeachable Machine 2.0 [1]はちょっと衝撃的でした。バージョン1.0は2017年に発表されていたのですが、今回のバージョン2.0は著しく進歩しています。”Teachable Machine 2.0 makes AI easier for everyone”のキャッチフレーズの通りだと感じます。

2019年7月13日土曜日
■Real-time image recognition demonstration on a smartphone using TensorFlow.js
There are many examples of image recognition (especially classification) by AI, but the "Google AI Experiments" introduced here seems to be further evolved. It was announced at TensorFlow Dev Summit 2019. Do you already know? This Summit's 38 lecture videos are available on youtube:

2019年5月1日水曜日
■Scratch風の開発環境でTensorFlowを利用できる
自分のPCに環境設定せずにTensorFlowを使いたいのならば、Google Colabですね。Gmailアカウントがあれば、Googleサーバ側のGPUだって指定して学習させられます。しかし、もっと別のものもあります。

2019年4月15日月曜日
■Using MIT App Inventor AWS AI Services Extension
Modern AI image recognition allows us to recognize not only objects, but also the accompanying text (strings). Here we will try it using Amazon AWS Rekognition. Using the APIs provided there, we can create a variety of applications on our PC, but for more convenient use, the applications on our smartphone will be preferable.

2019年4月10日水曜日
■大学生や教員にも有用な子供向けAIアプリ開発環境（ML4KとScratch3）その２
前回の（その１）の続編です。そこでは、「はさみのチョキチョキ音の識別」でしたが、ここでは、「コイン画像の識別」です。しかしながら、実は、これは過去に実施しました。それが以下の記事でした。

2019年4月8日月曜日
■大学生や教員にも有用な子供向けAIアプリ開発環境（ML4KとScratch3）その１
室内の種々のアラーム音を識別する学習モデルとその利用システムが、文献[1]に示されています。入力アラーム音を、パワースペクトルとMFCCに変換し、２つの中間層（ドロップアウトを含む）を持つニューラルネットワークへ与えます。これによる学習結果を使って、未知の音に対して、Raspberry Piでその音源をリアルタイムに識別し、その結果をスマホへ表示します。聴覚障がい者むけの実用性をめざしたものと思われます。認識結果の詳細な分析を含む完成度の高い論文となっており、注目されます。

2018年11月22日木曜日
■人工知能学会での招待講演と言えば...
本日（11/22）から、人工知能学会合同研究会2018が開催されました。

2018年11月14日水曜日
■再び、ソニーのNeural Network Console
今回は、ソニーのNeural Network Consoleについてです。ちょうど１年前に、これを使って、｢人工知能でお菓子を認識する｣という記事を４つ書きました。お菓子の袋を振った音の認識が、こんなに楽にできるという雑誌の記事を見て追試したにすぎませんが。その一つは以下のものです。

2018年11月4日日曜日
■囲碁のプロ棋士の間にもAIが...
小生は、AI（人工知能）の社会での応用をできるだけ見聞きして、できればその技術の内容にも踏み込もうとしています。これまでにも、画像認識・理解、計測器の波形の予測、自然言語処理などでのAIを学んで来ました。まだまだ先は長い気がしますが、新しい知見に触れることで飽きがきません。

2018年11月3日土曜日
■MATLAB EXPO 2018Japan参加レポート
開催日：2018-10-30(火)、開催場所：グランドニッコー東京 台場、MathWorks Japanとしては、今年は10回目の開催。公式サイト：下記に概要があるが、参加者限定で講演スライド（各50枚程度）も開示された。

2018年9月28日金曜日
■稲刈り直前のたんぼの小さなカエル
この写真を例によって、スマホのアプリ（Microsoft Visual Recognition呼び出し）にかけてみました。見事な認識結果でした！稲の葉や稲穂もたくさん写っているのに、葉の色に似たこんな小さなカエルを見つけています。a green frog on a leafという認識は、これを見た人間の認識と変わらないように思います。

2018年9月2日日曜日
■小学生によるセミの抜け殻を題材にした研究：Deep Learningも活用できればいいのだが
昨日のNHKテレビによれば、京都の北山隼君（小学３年生）が夏休みの自由研究で、多数のセミの抜け殻を収集していて、そのうちの15%が、恐らくこの猛暑のために羽化できずに死んだことを明らかにしたという。北山君が集めたセミの抜け殻はすでに数千個に達するそうである。

2018年8月27日月曜日
■もう一歩進める：MIT App Inventorで人工知能体験
オープンキャンパスでは、スマホを使ったAI（人工知能）アプリの開発体験をしました。とても好評で良かったのですが、さらにもう一歩進めることを検討してみます。この体験は、スマホで撮影した物の画像をMicrosoftのImage Recognizerに送って、その認識結果を利用するというものでした。この場合、ニューラルネットワークを使った学習（training）そのものには、受講生は全く関わっていません。そこんところに少し入り込みたいです。

2018年6月17日日曜日
■ScratchでAI（人工知能）を教えるプロジェクト
Scratchは、小中高生向けのコンピュータサイエンス、プログラミング教育に益々利用が広がっているようです。大学のオープンキャンパスなどでも活用されています。そのScratchですが、外部ボードや機器との連携を強化するextensionsなどを装備したScratch-Xにも注目が集まっています。現在まだ実験版（ベータ版）のようですが。

2018年6月14日木曜日
■BackPropagation in Neural Network with an Example (XOR) Using Multiple Micro:bits
In this article I would like to attempt Backpropagation in a neural network using micro:bit.

2018年6月4日月曜日
■Construct a neural network (multilayer perceptrons) using micro:bit
This article treats only forward propagation, whereas, backward propagation is also demonstrated in another article.

2018年3月11日日曜日
■IBMクラウドで桜の開花日予測
間もなく桜の季節ですね。全国各地の桜の開花日予測もすでに出ていますが、これらはどのようにして予測しているのでしょうか。実際にそれをやって見ましょう、というチュートリアルが以下にあります。つい最近（2018-2-26）のIBM Developer Worksの記事です。

2017年11月25日土曜日
■人工知能学会　合同研究会2017
表記の研究会に参加した。11/24,25の2日間に渡り、多数のAI関連研究発表が行われた。小生はこのうちの１日だけ参加し、しかも、下記の招待講演と企業スポンサーの展示だけに焦点を絞って参加した。

2017年11月20日月曜日
■人工知能でお菓子を認識する（その４）
このSony Neural Network Consoleの、まだ述べていない機能についてです。ニューラルネットワークの層構成を含む、様々なハイパーパラメータの自動チューニング（自動最適化）機能です。

2017年11月18日土曜日
■人工知能でお菓子を認識する（その３）
本件、前編（その１）と（その２）とも、Windows単体で動くSony Neural Network Consoleを使いました。その後、すぐにクラウド版（ベータ版ですが）が公開されました。Macからも使えます。Macファンとしてはとても嬉しいです。さっそく、試してみました。

2017年11月16日木曜日
■人工知能でお菓子を認識する（その２）
前編（その１）では、５種類のお菓子などを振った場合の音データそれぞれ100件（１件には、10ms分の、256周波数のスペクトルが格納されている）のTraining用データと、同じく、それぞれ100件のTest用データを使いまいした。その結果、全体の正解率は90.1％でした。

2017年11月14日火曜日
■人工知能でお菓子を認識する（その１）
最近の人工知能アプリの開発環境として注目を集めているもののひとつに、Sony Neural Network Consoleがあります。通常のようなプログラミング言語でのコーディングなしに、ＧＵＩの操作だけで、各種のNeural Networkを構成して、学習させ、問題を解くことができます。さらに、Neural Networkの層の構成を含めた各種のハイパーパラメータの自動チューニング機能もあります。　

2017年11月12日日曜日
■LSTMを用いた電力消費予測の検討
予測したい対象はたくさんあります。株価、為替、売り上げ、気象、等々がすぐ思い浮かびます。そのなかに、電力消費の予測もあるでしょう。最近は、電力自由化に伴い、電力売買相場もあります。また、電力会社では、従来から設備計画や稼働計画立案のために、電力消費予測は重要と思われます。

2017年9月21日木曜日
■RNN（Recurrent Neural Network）による時系列データ予測の分かりやすい例
RNN（Recurrent Neural Network）を使った時系列データの予測（推定）を理解するための良い例題（アプリ）がGoogleから提供されています。とても参考になるように思います。

2017年9月16日土曜日
■チンパンジーと人工知能（Deep Learning）による「じゃんけん」の理解
チンパンジーに「じゃんけん」のルールを理解させることに成功した（京都大学にて）とのニュースがありました。

2017年9月10日日曜日
■LSTMによる学内消費電力の予測
Deep Learningにおいて、CNN（畳み込みニューラルネットワーク）とRNN（再帰型ニューラルネットワーク）はその双璧とも言えよう。ここでは、RNNのうちのLSTM（Long short-term memory）の応用について検討する。

2017年6月30日金曜日
■人工知能アプリの開発体験講座
オープンキャンパスや、受験生向けの講座では、「人工知能」を利用したアプリ開発が多分注目されるものの一つでしょう。単に、人工知能関係アプリをダウンロードして使うだけではありません。自分で自分なりにアプリケーションを組み立てるのです。（人工知能サービス、人工知能のためのAPIは使いますが。）

2017年4月20日木曜日
■TensorFlowのさらに上位のTFLearn
Deep Learningを作るための定番プログラミング言語はPythonのようです。さらにその上に抽象化されたフレームワークTensorFlowがあります。それをさらにもっと抽象化したTFLearnというのがあります。さっそく、下記のチュートリアルを読んで、環境設定し、例題の学習と検証をやってみました。

2017年4月7日金曜日
■Deep Learningの教材にこだわる、迷う
３年生ゼミで、Deep Learningの基礎を学生諸君とやることにしました。「人工知能」のこれからは、これだ！と思い付いたのは、昨年2016年の夏頃です。（世の中からは、ずいぶん遅れていますが）それまでは、私自身もこの関連の研究も教育もやっていませんでした。それ以来、猛チャージで、何冊かの英書、和書、Web解説などを勉強してきました。最終的には、下記の書籍に魅力を感じて、「これをテキストにしよう」と考えるに至りました。

2017年3月29日水曜日
■TensorFlowによるCNNで植物画像を分類（続）
前回のこのタイトルの記事、なにか具体性がありません。少しはデータを示したらどうなのだと言われそうなので、簡単に追記します。まず、TensorFlowで書いた７層のCNN（Convolutional Neural Network）に学習させた画像は、以下のものです。

2017年3月27日月曜日
■TensorFlowによるCNNで植物画像を分類
PythonでDeep Learningに取りかっています。最も有名な例題は、このブログでも取り上げてきましたが、MNIST（手書き数字）の認識です。しかし、そろそろ、既定の例題ではなく、自分に必要な独自の画像などの認識へ進みたいですね。また、TensorFlowも使います。

2017年3月20日月曜日
■CNN（Convolutional Neural Network）の仕組みを見る
Deep Learningにおいて、畳み込みニューラルネットワークCNN（Convolutional Neural Network）は重要な地位を占めています。「畳み込み」は、古くから画像認識などで使われているようです。これをNeural Networkに組み込むことで、その威力をさらに発揮するようです。CNNについては、各種の解説記事やビデオ（Youtubeなど）もありますので、それで学ぶことができると思います。

2017年3月8日水曜日
■多クラスロジスティック回帰の可視化
Deep Learningの最も基本的なところをやります。その一つは、多クラスロジスティック回帰と呼ばれるものです。ニューラルネットワークとしては、最も単純な、中間層のない、入力層と出力層からなりますが、学習用の何種類かの画像の組を与えて、学習させます。それらとは別のテスト用の画像を与えて、学習時の画像のどれに最も近いかを推定できるものです。

2017年2月16日木曜日
■来た！Java TensorFlow！
Googleの著名な人工知能開発環境（ライブラリ）TensorFlowが、昨日（2017-2-15）正式版Version1となりました。

2017年1月28日土曜日
■こんな卒研をやってほしい：人工知能で「きゅうり」の自動選別
注目のDeep Learningですが、下記に示した雑誌[1]で、Google TensorFlowの解説大特集が出ました。これは見逃すわけには行きません。紙版と電子版の両方とも1,000円ですから安いと思います。さっそく、中身を大まかに見てみました。後で、詳しく読んで試してみたいと思いますが、まずは、そのためのメモとして書きます。

2016年11月22日火曜日
■日経ソフトウェア(2017年１月号）にもTensorFlow
日経ソフトウェア（２０１７年１月号）、９ページという短い記事ではありますが、TensorFlowでMNIST（定番の手書き数字認識）をやっているではありませんか！人工知能（ディープラーニング）がこんなに身近で、手軽に使える時代になってしまいました。教員もうかうかできません！

2016年11月22日火曜日
■MIT App Inventorと人工知能（ディープラーニング）
MIT App Inventor for Androidは、現在も進化し続けています。そのひとつとして、このサービスを新たな観点から進展させるサイトThunkable.comがあります。ここでは、いち早く、「人工知能」というメニューを設置し、MicrosoftのEmotion RecognizerとImage Recognizerを使うためのブロックを提供しています。ディープラーニングに基づく画像認識ですね。

2016年11月19日土曜日
■世界ランキング34位の性能のDeep Learning Pythonコードまで学べる！
別記事でもご紹介した、下記の書籍（A5版全298ページ）：斎藤康毅著｢ゼロから作るDeep Learning - Pythonで学ぶディープラーニングの理論と実装｣、隅々まで完全理解とまでは行かないが、最後のページまで来た。途中でPythonコードをタイプしながら実行したり、考え込んだりだったが、Deep Learningの基本をソースコードレベルで一定の理解ができた。この書籍は、how toものではない。理論がしっかり分かる。しかも、基礎にとどまらず、最新の技術も取り入れている。そのため、最終的に作ったPythonコードは、MNIST（手書き数字画像セット）に対する世界コンテストランキングの第34位にあたる認識率（= 99.35%）を誇る！

2016年11月18日金曜日
■Deep Learningのビジュアライゼーション
ニューラルネットワーク、特に隠れ層が４層、５層と増えてディープになるにつれて、エッジの重み計算がどのような感じに行われて行くのか、ビジュアルにできればうれしいですね。Pythonのmatplotlibなどでもできるでしょうが、ここにNetLogoが登場します！

2016年11月16日水曜日
■JavaでDeep Learning、そしてLambda & Parallel Stream
Deep Learningを学んだり、それを使った研究をする場合、プログラミング環境や言語の選択肢がいくつかあります。目的や用途でちがうでしょう。私の場合、総合的に考えて、プログラミングはPython、まずPythonで基本プログラミンを行い理解を深める。その後、Pythonのライブラリとしての位置づけにある、有名なGoogleのTensorFlowへ行く。そういうつもりで進めています。

2016年11月14日月曜日
■人工知能→Deep Learning
人工知能→Deep Learning。IBM Watson, Google TensorFlowなどの環境やツールが揃ってきた。だが、それがどういう理論と仕組みなのかを知るには、ゼロから作ってみることも重要。ある手引きに沿って挑戦：