CATEGORY

Bias

4033
  • 論文研究

1997年のプロムに誘ったらどうなっていたかをニューラルネットで推定する方法（A Neural Networks Approach to Predicting How Things Might Have Turned Out Had I Mustered the Nerve to Ask Barry Cottonfield to the Junior Prom Back in 1997）

田中専務拓海先生、最近部下がAIの論文を読むべきだと言ってきましてね。ですが私はそもそも数学も得意ではなく、論文を読んで何が実務に使えるのか見極められません。まずは要点だけ教えていただけますか。AIメンター拓海素晴らしい着眼点ですね！まず結論だけ端的に言いますと、この論文は『過去の出来事

  • Bias
  • 論文研究

VLA-COSMOS 3 GHz 大規模プロジェクト：z ∼5までの宇宙の星形成史（The VLA-COSMOS 3 GHz Large Project: Cosmic star formation history since z ∼5）

田中専務拓海先生、お時間いただきありがとうございます。部下から「この論文を読めば星の形成の歴史が分かる」と聞かされまして、正直ピンと来ません。経営に例えるなら何が変わるんでしょうか。AIメンター拓海素晴らしい着眼点ですね！この論文はラジオ観測という手段で宇宙の「いつ、どれだけ星が作られた

  • Bias
  • 論文研究

刑事司法におけるリスク評価と公平性（Fairness in Criminal Justice Risk Assessments）

田中専務拓海先生、最近「AIの公平性」って話を聞くんですが、刑事司法で使うリスク評価って具体的に何が問題なんでしょうか。現場に入れるかどうか判断したいのです。AIメンター拓海素晴らしい着眼点ですね！大きく言うと、この論文は「公平性（fairness）」の定義が複数あり、それらが互いにぶつ

  • Fairness
  • , Bias
  • 論文研究

顔の長期的経年変化を段階化して確率的に合成する手法が実用的な年齢進行と年齢不変認識の品質を飛躍的に高める（Temporal Non-Volume Preserving Approach to Facial Age-Progression and Age-Invariant Face Recognition）

田中専務拓海先生、最近部下に「年齢で顔認証の精度が落ちる」と言われましてね。対策に投資する価値があるか判断したくて。要するに、年取っても本人とわかるようにする技術って本当に実用的なんですか？AIメンター拓海素晴らしい着眼点ですね！大丈夫、一緒に見れば必ずわかりますよ。今回の論文は年齢変化

  • Bias
  • 論文研究

医療画像検索を変える深層畳み込みニューラルネットワーク（Medical Image Retrieval using Deep Convolutional Neural Network）

田中専務拓海先生、最近現場から「画像データの検索が効かない」と聞きまして。うちのような製造系でも、検査データや過去の不具合画像をどう検索するかが課題です。今回の論文はどんな話なんでしょうか。AIメンター拓海素晴らしい着眼点ですね！これは医療画像を例に、画像そのものから特徴を学んで似た画像

  • Evaluation
  • , Bias
  • , Classification
  • 論文研究

REBAR：離散潜在変数モデルに対する低分散・無偏差な勾配推定（REBAR: Low-variance, unbiased gradient estimates for discrete latent variable models）

田中専務拓海先生、最近部下から「離散の潜在変数が云々でREBARが良いらしい」と聞いたのですが、正直何を言っているのか分かりません。要するにどんな成果なんでしょうか。AIメンター拓海素晴らしい着眼点ですね！簡単に言うと、REBARという手法は離散（取り得る値が限られる）変数を扱う学習で、

  • Bias
  • 論文研究

音色（ティンバー）解析のための畳み込みニューラルネットワーク（Timbre Analysis of Music Audio Signals with Convolutional Neural Networks）

田中専務拓海先生、お時間いただきありがとうございます。部下から「音楽データにAIを使える」と言われて困っておりまして、まずこの論文が何をしているのか、要点を簡潔に教えていただけますか。AIメンター拓海素晴らしい着眼点ですね！大丈夫です、簡単に説明しますよ。要点は三つで、1) 音色（ティン

  • Bias
  • , Neural Networks
  • , Deep Learning
  • , Classification
  • 論文研究

局所化されたサポートベクターマシンの普遍的一貫性とロバスト性（Universal Consistency and Robustness of Localized Support Vector Machines）

田中専務拓海さん、最近部下から「局所的に学習するSVMが良い」と聞いたのですが、何がそんなに良いんでしょうか。現場導入での投資対効果が心配でして。AIメンター拓海素晴らしい着眼点ですね！大丈夫、一緒に整理すれば見えてきますよ。要点は三つで、計算負荷の分散、地域ごとのデータ特性への適応、そ

  • Bias
  • 論文研究

複数のロガーからのログ化バンディットフィードバックを用いた有効評価（Effective Evaluation Using Logged Bandit Feedback from Multiple Loggers）

田中専務拓海先生、お忙しいところすみません。最近、部下から「ログデータを使って新しい施策を評価できる」と言われて困っております。A/Bテストを毎回回せない現場事情がありまして、要するに古いデータで新しい案の成否を測れるのか知りたいのですが、簡単に教えていただけますか。AIメンター拓海素晴

  • Evaluation
  • , Bias
  • 論文研究

学習頑健な視覚・セマンティック埋め込み（Learning Robust Visual-Semantic Embeddings）

田中専務拓海先生、最近部下から画像と文章を同じ仕組みで扱う研究があると聞きまして、正直何がすごいのか掴めていません。要点を簡潔に教えていただけますか。AIメンター拓海素晴らしい着眼点ですね！大丈夫、端的に3点で説明しますよ。まずこの研究は画像とテキストを同じ「埋め込み」空間に置いて比較で

  • Bias