MIT Introduction to Deep Learning 6.S191: Lecture 4Deep Generative ModelingLecturer: Ava SoleimanyJanuary 2022For all lectures, slides, and lab materials: ht...
00:50:00 このビデオでは、Alexander Amini が強化学習、特に Go の分野における最近の進歩について説明しています。 Google DeepMind プロジェクトである Alpha Zero は、世界最高の人間のプレーヤーをしのぐことができました。次の講義では、ニールセンが深層学習に関する文献とその限界について説明します。これにより、学生がこの分野の学習と進歩を続ける意欲を高めることができれば幸いです。
MIT Introduction to Deep Learning 6.S191: Lecture 5Deep Reinforcement LearningLecturer: Alexander AminiJanuary 2022For all lectures, slides, and lab material...
MIT 6.S191 の「Deep Learning New Frontiers」レクチャーでは、さまざまなトピックが取り上げられています。講師のAva Soleimanyは、コースのさまざまな締め切りについて説明し、ゲストの講義を紹介し、現在の研究の最前線について説明します。万能近似定理、一般化、データ品質、不確実性、および敵対的攻撃に関するディープ ニューラル ネットワークの制限についても説明します。さらに、グラフ畳み込みニューラル ネットワークと、創薬、都市モビリティ、COVID-19 予測など、さまざまなドメインでの潜在的なアプリケーションについても説明します。最後に、自動機械学習 (autoML) のトピックと、それが高性能の機械学習および深層学習モデルの設計にどのように役立つかについて説明します。講師は、人間の学習、知性、および深層学習モデルの間の接続と区別の重要性を強調して締めくくります。
00:00:00 このセクションでは、Ava が、クラスの T シャツと、ラボおよび最終プロジェクトの今後の締め切りに関するロジスティクス情報を提供します。また、残りのゲストレクチャーを紹介し、カバーされる新しい研究フロンティアに触れます。強化学習ラボがリリースされ、3 つのラボすべての期日は明日の夜ですが、合格点を得るためにそれらを提出する必要はありません。コースの単位取得には、深層学習に関する論文のレビューまたはプロジェクトの最終プレゼンテーションを提出する必要があります。最終的なプロジェクト提案コンテストでは、今夜の深夜までにグループ名を提出する必要があり、深層学習論文レポートの指示がまとめられています。
00:05:00 このセクションでは、スピーカーは、コースの今後のセッションで予定されているゲスト講義の素晴らしいラインナップについて説明します。ゲスト スピーカーには、新興の自動運転車企業 Innoviz、Google Research と Google Brain、Nvidia と Caltech、Rev AI の代表者が含まれます。講演者は、コンテンツへの完全なアクセスを確保するために、同時に講義に参加することの重要性を強調しています。また、講演者は、これまでのコースで取り上げた内容を要約し、ディープ ラーニング アルゴリズムの力と、さまざまな分野に革命をもたらす可能性を強調します。講演者はまた、強力な関数近似器としてのニューラル ネットワークの役割を強調し、データから意思決定へ、またはその逆のマッピングを行います。
00:50:00 このセクションでは、講師が automl (自動機械学習) の概念と、高性能の機械学習および深層学習モデルを設計する能力について説明します。 automl のアイデアは、最新の機械学習とディープ ラーニングの設計パイプラインで人気を博しており、特にそのアルゴリズムが非常に優れたパフォーマンスを発揮するアーキテクチャの作成に成功している産業用アプリケーションで人気があります。講師は、automl アルゴリズムによって提案されたアーキテクチャが、人間が設計したものよりも少ないパラメーターで画像認識タスクで優れた精度を達成した例を紹介します。 Automl は、データ処理と学習予測パイプライン全体が AI アルゴリズムによって設計および最適化される auto ai のより広い概念に拡張されています。講演者は、興味のあるタスクで高いパフォーマンスを発揮する新しいモデルを生成できる AI を設計することの意味と、人間の学習モデル、知能モデル、深層学習モデルの間のつながりと違いについて聴衆に考えてもらうことで締めくくります。
MIT Introduction to Deep Learning 6.S191: Lecture 6Deep Learning Limitations and New FrontiersLecturer: Ava SoleimanyJanuary 2022For all lectures, slides, an...
MIT Introduction to Deep Learning 6.S191: Lecture 7Deep Learning for Autonomous DrivingLecturer: Omer Keilaf (CEO) and Amir Day (Head of CV & DL)Innoviz Tech...
MIT Introduction to Deep Learning 6.S191: Lecture 8How Rev.com harnesses human-in-the-loop and deep learning to build the world's best English speech recogni...
MIT 6.S191: AI for Science ビデオでは、従来のコンピューティング手法を使用して複雑な科学的問題を解決する際の課題と、シミュレーションを高速化するための機械学習の必要性について説明しています。講演者は、離散点に過適合することなく微細な現象を捉えることができる新しい ML 手法を開発する必要性について議論し、ニューラル演算子とフーリエ変換を使用して偏微分方程式 (PDE) を解くためのさまざまなアプローチについて説明します。また、偏微分方程式で逆問題を解く際に、位相と振幅の情報を周波数領域に保持し、物理法則を損失関数として追加することの重要性についても説明しています。さらに、AI を使用して記号方程式を学習し、新しい物理学または法則を発見する可能性、不確実性の定量化の重要性、スケーラビリティ、および AI アプリケーションをスケールアップするためのエンジニアリング側の考慮事項についても触れています。このビデオは、個人が AI を使ってクールなプロジェクトを追求することを奨励することで締めくくられています。
00:00:00 講演者は、科学のための AI に焦点を当てて、困難な領域における AI アルゴリズムの主要な設計の役割について説明します。ドメインの専門家と AI の専門家の間で共通の言語と基盤を構築する必要があり、科学のための AI の新しいアルゴリズムを開発する必要があります。主な課題は、外挿またはゼロショット一般化の必要性です。これは、トレーニング データとは大きく異なるサンプルで予測を行うことを意味します。これには、ドメインの事前確率、制約、および物理法則を考慮する必要があり、純粋にデータ駆動型にすることはできません。科学計算におけるコンピューティングの必要性は飛躍的に高まっており、AI は気候変動への取り組みや現実世界の詳細なモデル化に役立つ可能性があります。
00:10:00 このパートでは、解像度不変で対称性を考慮した方法で連続現象と分子モデリングをキャプチャできる AI モデルを開発する際の課題について説明します。大規模な AI モデルは、地球の天気などの複雑な現象を捉えるのに役立ち、データの可用性の向上と大規模なスーパーコンピューターがその有効性に貢献していると、彼らは指摘しています。講演者はまた、偏微分方程式を解く際のアルゴリズム設計の課題と、標準的なニューラル ネットワークを単純に使用できないことについても説明します。特に、モデルがさまざまな初期条件で何が起こるかを学習する必要がある流体の流れなど、偏微分方程式のファミリーを解く場合はそうです。
00:40:00 ビデオのこのセクションでは、講演者は AI を使用して記号方程式を学習し、新しい物理学や法則を発見する可能性について説明していますが、これは難しい場合があります。また、ディープ ラーニング モデルの不確実性定量化の重要性、スケーラビリティ、および AI アプリケーションをスケールアップするためのエンジニアリング側の考慮事項についても触れています。さらに、変換モデルでの自己注意の使用やノイズ除去のための生成モデルなど、他のスレッドの可能性についても言及しています。全体として、この講演の目的は、ディープ ラーニングの優れた基礎を提供し、個人が AI を使用してクールなプロジェクトを追求するよう奨励することです。
MIT Introduction to Deep Learning 6.S191: Lecture 9AI for ScienceLecturer: Anima Anandkumar (Director of ML Research, NVIDIA)NVIDIA ResearchJanuary 2022For a...
MIT Introduction to Deep Learning 6.S191: Lecture 10Uncertainty in Deep LearningLecturer: Jasper Snoek (Research Scientist, Google Brain)Google BrainJanuary ...
ビデオ「人工知能: 人類最後の発明」では、人工知能 (AI) の開発に関連する進歩と潜在的なリスクを探っています。このビデオは、Google DeepMind の AlphaGo に焦点を当てています。これは、数世紀にわたる人間の戦略知識をわずか 40 日間で上回りました。弱い AI と強い AI の違いを深く掘り下げ、高度な AI が技術的特異点にどのようにつながるかについて説明します。そこでは、AI は継続的に改善され、人間より何十億倍も賢くなります。スピーカーは、AI に人間のような価値観と原則を与えることの重要性を強調し、制御不能なシステムを作成しないように注意します。このビデオは、超インテリジェント AI を開発する前にその結果を慎重に検討する必要があることを強調することで締めくくられています。
00:05:00 このセクションのビデオでは、ニューラル ネットワークと、マシンがデータから学習し、データに対する独自のビューを適応させる方法について説明します。また、人間の脳とコンピューターの能力の違いを探ります。たとえば、コンピューターはわずか 1 週間で 20,000 年分の人間レベルの研究を実行できます。さらに、機械学習の指数関数的な性質、つまり開始はゆっくりですが、物事が劇的にスピードアップし始める転換点に達することを意味します。弱い AI と強い AI の違いが指摘されています。前者は消費電力が少なくてすみますが、後者と超知能 AI の違いは数百万倍にもなります。したがって、わずか数か月で超知能レベルに到達するのに役立つ可能性がある強力な AI の重要性が強調されています。
00:10:00 講演者は、高度な AI がどのように技術的特異点をもたらし、自らを継続的に改善し、人間より何十億倍も賢くなるかについて説明します。講演者は、AI に人間のような価値観や原則を与えないと制御不能になる可能性があるため、AI の作成方法には注意する必要があることを強調します。講演者は、知性のみを持ち、知恵を持たない AI が、必ずしも倫理的または人間にとって良いとは限らない決定を下す方法について説明します。講演者は、Neuralink についても紹介します。Neuralink は、インターネットへの高速アクセスを可能にし、世界中で利用可能なすべての情報に瞬時にアクセスできるようにするニューラル レースを作成することを目的としています。
00:15:00 このセクションでは、人工知能システムの作成に伴う潜在的な不確実性とリスクについて説明します。意識をプログラムする方法や、愛や憎しみなどの感情を再現する方法など、考慮すべき多くの問題があります。また、非常にインテリジェントな AI が急進的な見解を採用し、プログラムされていることではなく、そのアジェンダにコミットする可能性もあります。コンピューティングの進歩は鈍化していますが、スーパー インテリジェント AI は、人類が最盛期を迎えるのを助ける可能性を秘めているだけでなく、悪者の手に渡れば武器にもなります。これは真剣に受け止めるべきトピックであり、そのようなシステムを作成する前に、その安全性への影響を考慮する必要があります。
Artificial Intelligence: Mankind's Last Invention - Technological Singularity ExplainedPart 2: https://www.youtube.com/watch?v=zuXNlTJb_FMFollow me on Instag...
00:05:00 このセクションでは、スピーカーは、自動運転車や会話型エージェントの開発など、人工知能の分野で達成されたエキサイティングな進歩について説明します。 AI はまだ私たちの日常生活に完全に統合されていませんが、テクノロジーはデジタル世界との関わり方に影響を与え始めています。また、講演者は、AI 研究の進歩における機械学習とコンピューター ビジョンの役割、および AI が医療やロボット工学などのさまざまな分野に革命を起こす可能性についても強調しています。
00:10:00 このセクションでは、人工知能の認知能力の影響と、それが経済と社会にどのように革命を起こしているかについて学びます。 AI の開発は進行中のプロセスですが、計画、自然言語の理解、および画像処理のためのモジュールを備えたマシンを作成しました。より優れた AI と、これらのさまざまな能力をシームレスに統合する AI を構築するには、課題が待ち構えています。近年、AI へのアプローチに変化があり、機械はプログラム的な哲学ではなく、例を通じてトレーニングされています。コンピューター ビジョンのブレークスルーにより、画像を理解する能力が向上し、自動運転車などの技術の進歩につながっています。
00:30:00 このセクションでは、Joelle Pineau 博士が、特に一連の介入を必要とする疾患の治療を最適化するための AI 戦略の使用について説明します。大量のデータを持つことは重要ですが、より小さなデータ セットから効率的に学習することも重要であると彼女は指摘します。彼女は、疾患のダイナミクスに関するドメイン固有の知識と理解を持っている AI 研究者と医学研究者との間のコラボレーションの必要性を強調しています。さらに、経済や社会の多くの分野で人材を育成し、AI に対応できるようにすることの重要性を強調しています。ピノーはまた、カナダでの AI 研究の進歩を支援するために、次世代の学生を生み出すためのカナダ全体の戦略についても説明しています。
00:35:00 このセクションでは、トロントのマッセイ カレッジのジュニア フェローが、AI の社会経済的影響、特に失業と富の格差の拡大について議論しました。スピーカーの Joelle Pineau 博士は政策の専門家ではありませんが、影響を受ける可能性が最も高い業界を予測し、その変化に向けて次世代を準備することが重要であると示唆しています。離職の一例は、トラック運送業界です。この業界では、新しい人材を採用するのが難しいため、自動化によってプレッシャーが軽減される可能性があります。ただし、医療分野では、放射線科医などの特定の仕事が AI に取って代わられるという現実に人々を備えるのは難しいかもしれません。ピノー博士は、人間社会は順応性があり、解決すべき新しい興味深い問題が常にあることをグループに思い出させます。
00:40:00 このセクションでは、Joelle Pineau 博士が、より多くの技術的視点とコーディングをさまざまなカリキュラムに組み込むという需要を満たすために、数学、科学、およびコンピューティング スキルに関する次世代の教育を準備することの重要性について説明します。しかし、幅広い文化的経験を持たない可能性のある技術専門家と、技術的専門知識を持たない可能性がある政策立案者との間にはギャップがあり、共通言語を見つけるには時間がかかります。ピノー博士はまた、人間の脳は AI 研究の大きなインスピレーションである一方で、機械ができることには人間の脳ができる物理的な制約があり、ニューラル ネットワークはこれらのアルゴリズムを構築するストーリーの一部しか説明できないことを共有しています。 AI アプリケーションに関して、ピノー博士の最も興味深いのはロボティクスにおける強化学習であり、彼女は人間中心の環境で安全かつ効果的に動作できる自律システムの未来を楽しみにしています。
Dr. Joelle Pineau discusses how artificial intelligence is poised to change almost every aspect of our lives, from medical treatments to assistive robots to ...
ビデオでは、AI の倫理的影響に焦点を当てて、人工知能の長所と短所について説明しています。 AI を使用して効率と公共の安全を改善する方法だけでなく、プライバシーを侵害するために使用する方法も強調しています。このビデオでは、Google で長年勤務している従業員である Jens Redma に、会社にとっての AI の重要性についてインタビューしています。
Developments in artificial intelligence (AI) are leading to fundamental changes in the way we live. Algorithms can already detect Parkinson's disease and can...
MIT 6.S191: ディープ ジェネレーティブ モデリング
講義 4. MIT 6.S191: ディープ ジェネレーティブ モデリング
このビデオでは、ディープ ジェネレーティブ モデリングを使用して入力データのより滑らかで完全な表現を学習し、それを使用して新しい画像を生成する方法について説明します。 DGM の鍵は、潜在変数ごとに確率分布を導入することです。これにより、ネットワークはその潜在分布からサンプリングして新しいデータを生成できます。
MIT 6.S191: 強化学習
講義 5. MIT 6.S191: 強化学習
このビデオでは、Alexander Amini が強化学習の概念と、強化学習を使用してニューラル ネットワークをトレーニングする方法について説明しています。まず、強化学習がどのように機能し、実際のシナリオでどのように使用できるかを説明します。次に、ポリシー勾配ネットワークをトレーニングする方法について説明します。最後に、トレーニング ループの反復ごとにポリシー勾配を更新する方法について説明して、ビデオを締めくくります。
MIT 6.S191 (2022): ディープラーニングの新境地
講義 6. MIT 6.S191 (2022): ディープラーニングの新境地
MIT 6.S191 の「Deep Learning New Frontiers」レクチャーでは、さまざまなトピックが取り上げられています。講師のAva Soleimanyは、コースのさまざまな締め切りについて説明し、ゲストの講義を紹介し、現在の研究の最前線について説明します。万能近似定理、一般化、データ品質、不確実性、および敵対的攻撃に関するディープ ニューラル ネットワークの制限についても説明します。さらに、グラフ畳み込みニューラル ネットワークと、創薬、都市モビリティ、COVID-19 予測など、さまざまなドメインでの潜在的なアプリケーションについても説明します。最後に、自動機械学習 (autoML) のトピックと、それが高性能の機械学習および深層学習モデルの設計にどのように役立つかについて説明します。講師は、人間の学習、知性、および深層学習モデルの間の接続と区別の重要性を強調して締めくくります。
MIT 6.S191: 自動運転用 LiDAR
講義 7. MIT 6.S191: 自動運転のための LiDAR
ビデオ「MIT 6.S191: LiDAR for Autonomous Driving (MIT 6.S191: 自動運転用 LiDAR)」では、Innoviz による自動運転車用 LiDAR 技術の開発を紹介し、システムの可視性と予測機能の利点と重要性を強調しています。講演者は、LiDAR システムの信号対雑音比に影響を与えるさまざまな要因、センサーの使用における冗長性の重要性、衝突関連のオブジェクトを検出する際の高解像度と計算効率の必要性について説明します。また、オブジェクトの検出と分類におけるディープ ラーニング ネットワークの課題、さまざまな LiDAR データ表現、およびオブジェクト検出と境界ボックスの精度のためのクラスタリングとディープ ラーニングのアプローチの融合についても説明します。さらに、このビデオでは、FMCW と飛行時間型 LiDAR の間のトレードオフについても触れています。全体として、ディスカッションでは、安全性と自動運転の将来を強化する上での LiDAR の重要な役割が強調されています。
MIT 6.S191: 自動音声認識
講義 8. MIT 6.S191: 自動音声認識
このビデオでは、Rev の共同創設者が、文字起こし、キャプション、または字幕メディアを使用する人々と、文字起こしサービスを必要とするクライアントをつなぐという会社の使命について説明しています。 Rev は ASR を使用してマーケットプレイスを強化し、1 週間に 15,000 時間以上のメディア データを書き起こし、顧客が独自の音声アプリケーションを構築するための API を提供しています。 Rev が開発した新しいエンド ツー エンドのディープ ラーニング ASR モデルは、前任者と比較してパフォーマンスが大幅に向上していますが、ASR は英語でも完全に解決された問題ではないため、まだ改善の余地があります。スピーカーは、データセットのバイアスを処理するためのさまざまな手法、トレーニング用の音声データを準備する方法、およびエンド ツー エンド モデルの問題に対処するためのアプローチについて説明します。
MIT 6.S191: 科学のための AI
講義 9. MIT 6.S191: 科学のための AI
MIT 6.S191: AI for Science ビデオでは、従来のコンピューティング手法を使用して複雑な科学的問題を解決する際の課題と、シミュレーションを高速化するための機械学習の必要性について説明しています。講演者は、離散点に過適合することなく微細な現象を捉えることができる新しい ML 手法を開発する必要性について議論し、ニューラル演算子とフーリエ変換を使用して偏微分方程式 (PDE) を解くためのさまざまなアプローチについて説明します。また、偏微分方程式で逆問題を解く際に、位相と振幅の情報を周波数領域に保持し、物理法則を損失関数として追加することの重要性についても説明しています。さらに、AI を使用して記号方程式を学習し、新しい物理学または法則を発見する可能性、不確実性の定量化の重要性、スケーラビリティ、および AI アプリケーションをスケールアップするためのエンジニアリング側の考慮事項についても触れています。このビデオは、個人が AI を使ってクールなプロジェクトを追求することを奨励することで締めくくられています。
MIT 6.S191: 深層学習の不確実性
講義 10. MIT 6.S191: 深層学習における不確実性
講師の Jasper Snoek (リサーチ サイエンティスト、Google Brain) が、特に医療、自動運転車、会話型対話システムなどの分野における、機械学習モデルにおける不確実性と分布外ロバスト性の重要性について説明します。予測の不確実性を表現することで、モデルは医師や人間に決定を下したり説明を求めたりするためのより多くの情報を提供し、最終的にシステムの全体的な有用性を向上させることができます。講演者はまた、モデルの不確実性と不確実性の原因についての考え方を紹介し、モデル自体の限界を認識しているモデルはさらに有用である可能性があることを強調します。
人工知能: 人類最後の発明
人工知能: 人類最後の発明
ビデオ「人工知能: 人類最後の発明」では、人工知能 (AI) の開発に関連する進歩と潜在的なリスクを探っています。このビデオは、Google DeepMind の AlphaGo に焦点を当てています。これは、数世紀にわたる人間の戦略知識をわずか 40 日間で上回りました。弱い AI と強い AI の違いを深く掘り下げ、高度な AI が技術的特異点にどのようにつながるかについて説明します。そこでは、AI は継続的に改善され、人間より何十億倍も賢くなります。スピーカーは、AI に人間のような価値観と原則を与えることの重要性を強調し、制御不能なシステムを作成しないように注意します。このビデオは、超インテリジェント AI を開発する前にその結果を慎重に検討する必要があることを強調することで締めくくられています。
カナダの人工知能革命 - Joelle Pineau 博士
カナダの人工知能革命 - Joelle Pineau 博士
Joelle Pineau 博士は、人工知能 (AI) の分野における進歩と課題について議論し、AI 研究の進歩における機械学習とコンピューター ビジョンの役割を強調しています。彼女は、神経刺激療法と強化学習を使用したてんかん治療の最適化に関する自身の研究を発表しています。ピノー博士は、AI の社会経済的影響についても議論し、治療を最適化するために AI 研究者とドメイン固有の医学研究者との協力が必要であると述べています。彼女は、より技術的な視点をカリキュラムに組み込むという要求を満たすために、数学、科学、およびコンピューティング スキルの次世代の教育を準備することの重要性を強調しています。しかし、彼女はまた、データのバイアスの問題や、データに関するプライバシーとセキュリティの懸念など、この分野の課題も認識しています。ピノー博士は最終的に、AI がヘルスケアやロボット工学などのさまざまな分野に革命を起こす可能性を秘めていると考えており、人間中心の環境で安全かつ効果的に動作できる自律システムの未来に期待しています。
彼女はまた、技術を拡大するために人工知能 (AI) の分野に多様な視点を持ち込む必要性を強調し、AI で若い女性を訓練する McGill の AI for Good などのイニシアチブに言及しています。しかし、彼女は、人材不足による AI 開発のボトルネックを克服するために、AI の影響を測定し、より多くの人を AI で迅速にトレーニングする必要があると述べています。 Pineau は、AI 分野を前進させるためには、多様でよく訓練された労働力を持つことが重要であると強調しています。ビデオは、ピノーが 11 月 14 日にオムニ キング エドワード ホテルでミシェル ラモントをフィーチャーした今後のイベントを発表することで終わります。
人工知能とアルゴリズム: 長所と短所 | DWドキュメンタリー(AIドキュメンタリー)
人工知能とアルゴリズム: 長所と短所 | DWドキュメンタリー(AIドキュメンタリー)
ビデオでは、AI の倫理的影響に焦点を当てて、人工知能の長所と短所について説明しています。 AI を使用して効率と公共の安全を改善する方法だけでなく、プライバシーを侵害するために使用する方法も強調しています。このビデオでは、Google で長年勤務している従業員である Jens Redma に、会社にとっての AI の重要性についてインタビューしています。