reinforcement learning

強化学習と深層学習（ディープラーニング）：共通点と相違点を解説 人工知能（AI）の分野では、様々な学習手法が開発されています。その中でも、近年注目を集めているのが強化学習と深層学習（ディープラーニング）です。 強化学習と深層学習は、どちらもAIの高度化に貢献している技術ですが、その仕組みや応用範囲は異なります。本記事では、強化学習と深層学習の共通点と相違点について、わかりやすく解説します。

ロボット工学における深層強化学習のための自動報酬関数設計者としての自己定義大規模言語モデル 原題：Self-Refined Large Language Model as Automated Reward Function Designer for Deep Reinforcement Learning in Robotics 深層強化学習(Deep Reinforcement Learning: DRL)は、多くのロボットアプリケーションで顕著な成功を収めているが、高性能な報酬関数を設計することは、多くの場合、手作業による入力を必要とする困難なタスクである。近年、推論やプランニングなど、深い…

ChatGPTが発表されて以降、どのような計算によって、生成が可能となるのか、その仕組みを説明する情報はありふれている。その嚆矢となったのはスティーブン・ウルフラムによる、次の記事だっただろう。writings.stephenwolfram.com大量のテキストを学習したうえで、入力されたテキストに関連するトークンを予測する。そのためのアイデアや数式についての解説は聞き飽きた。特にその学習方法やアイデアの本質、その狙いについての説明を聞きたかった。それは、例えば次のような具合だ。アプローチ 演繹 公理、普遍的事実、法則から個別事象を導く 帰納 個別事象、観測をもとに普遍的事実、法則を導く機械学…

こんにちは 8月23日(水)から8月25日(金)に行われたCEDEC2023の個人的なメモです。 オンラインパスで参加しました。 メモ AIはゲームをどのように変えるのか FFXIVにおけるシナリオ制作の歩み ～10周年の覚え書き～ 「モバイルの限界に挑み、会社の技術力を底上げする！」技術デモプロジェクトのポストモーテム 音声や動画像の低遅延AI処理を可能にする、機械学習モデル設計と実機向け最適化技術 ブロックチェーンゲーム開発におけるチェーンの選び方 【ポケットモンスター スカーレット・バイオレット】 パルデア地方を描き出す――見た目の仕組みを徹底解説！ 明和電機・完全攻略セミナー ゲーム業…

support page 以降、章ごとのメモや思ったことを混ぜて書く（目次併記） 0, 1 2, 3 4 5 6 終 あとがき その他、思ったこと 手書きメモ おまけ：メモをテキスト化してgpt(3.5)に食わせてみた input output 感想 support page https://hillbig.github.io/large-language-models/ 以降、章ごとのメモや思ったことを混ぜて書く（目次併記） 0, 1 序章 チャットGPTがもたらした衝撃 登場から二カ月で月間一億人が利用するサービスに 大規模言語モデルはこれまでにない汎用サービスを実現する 生活や社会を変え…

自動運転におけるモーション関連モジュールの DRL ベースの軌道追跡 原題：DRL-Based Trajectory Tracking for Motion-Related Modules in Autonomous Driving 自動運転システムは常にプランナーやコントローラーなどのモーション関連モジュールの上に構築されます。 これらの運動関連モジュールには、原始的なルーチンとして、正確かつロバストな軌道追跡手法が不可欠です。 現在の手法は、コンテキストやダイナミクスなどのモデルについて強い仮定を置くことが多く、現実世界のシステムの変化するシナリオに対処できるほど堅牢ではありません。 本稿…

断続的に故障するセンサーを使用したタイムリーな複数目標送信 原題：Timely Multi-Goal Transmissions With an Intermittently Failing Sensor センサーはランダムな現象を観察し、観察された現象に関する最新情報をリモート モニターに送信します。 センサーに断続的な障害が発生する場合があり、その場合、センサーが回復するまでモニターは更新を受信しません。 モニターは、更新のタイミングを利用してセンサーの故障を検出するだけでなく、観察されたプロセスをタイムリーに把握したいと考えています。 我々は、このシステム モデルを、コミュニケーションに…

強化学習市場：世界の産業現状、競合分析、シェア、規模、動向2023-2029年の予測 2023年8月28日に、QYResearchは「グローバル強化学習に関する市場レポート, 2023年-2029年の推移と予測、会社別、地域別、製品別、アプリケーション別の情報」の調査資料を発表しました。強化学習の市場規模、シェア、売上及び今後の動向を説明します。世界市場における主要メーカーの製品範囲、サービス、ソリューションを重点的に分析する。本レポートは、2018年から2029年までの会社別、地域（国）別、製品別及びアプリケーション別の売上げ実績と予測に焦点を当てています。 コロナ禍によって、強化学習（Re…

「ようこそ、バーチャルライフ。の第1回目のブログ記事へ。今日は、多くの人々が日常生活で利用している、あるいは未来における可能性に興味を持つ人工知能、略してAIについてお話します。 第1章: AIとは何か? 人工知能とは、人間の思考プロセスを機械に模倣させる科学的な分野です。コンピューターが自然言語を理解したり、問題を解決したりする能力を開発することが目的です。 **人工知能 (Artificial Intelligence, AI)** は、人間の知能をコンピューター上でシミュレートする技術の総称です。以下、その主な要素と概念について解説します。 1. **機械学習 (Machine Lear…

こんにちは！DataIntelligenceチームの垣内です。 今回は6月27日（火）と28日（水）に日本マイクロソフト株式会社の品川オフィスとオンラインのハイブリット形式で開催されたイベント「Microsoft Build Japan」のExpoブースにて展示した「レシピ提案アプリ」について、人気だったプロンプトエンジニアリングについてお話しします。 プロンプトエンジニアリングについて そもそもプロンプトとは ユーザーが生成AIに対して行う質問や指示のことをプロンプトと呼びます。生成AIは入力内容を理解して何かしらの出力（Completion）を返します。 例えば「神戸市は何県にある？」とい…

皆様、大変ご無沙汰しております。調べ物をしていたら、自分がブログを書いていたことをふと思い出しました。多くの方に読んでいただいているようなので、備忘録も込めて、ブログを再開しようと思います。 今回は、大規模言語モデルについてのお話です。昨今、ChatGPTを代表とする大規模言語モデル（LLM）が注目を集めています。私はとある企業様から依頼を頂き、”大規模言語モデルの活用”について講演させて頂きました。今回は、その講演内容の資料を公開しますので、ぜひ読んでいただけると幸いです。 サマリー 講演資料URL サマリー LLMは多くのリスクを抱えており、活用する際には、以下のリスクを考慮する必要がある…

こちらは「ChatGPT の仕組みを理解する」の後編記事になります。 前編は以下の記事をご参照ください。 tech-blog.abeja.asia 前半記事では、自然言語の基礎的な部分から GPT-3.5 まで説明していきました。GPT-3.5 の次としては、ChatGPT の元になっている InstructGPT を説明したいところなんですが、InstructGPT では強化学習の手法を使用しているので、後半記事では一旦自然言語から離れて強化学習の基礎から PPO までを説明し、最後にメインコンテンツである InstructGPT → ChatGPT を説明します。 強化学習の基礎事項 強化…