AI活用 生成AI時代にこそ効く「思考の土台」— エンジニアのためのCS基礎3本柱
「新人はAI使用禁止」が議論される今、本当に必要なのはAIの出力を判断できる土台。4月に行った講義をもとに、アルゴリズム・データ管理・リソース管理の3本柱で「AIに強い人の思考」を解説します。
タビLab.（技術ブログ）
AI活用 
フィジカルAI フィジカルAIとは？ “身体を持つAI”の基本をやさしく解説
「生成AIの次」と注目されるフィジカルAI。現実世界で身体を動かすAIの基本を、従来ロボットとの違い・支える技術・業界動向の3点からやさしく整理します。
GenerativeModels DALL•E 2の使い方
簡単な文章から高画質な画像を生成するAIモデルの最新バージョン「DALL•E 2」の利用についてです。2022年8月現在、利用は登録制となっていますので、ウェイティングリストへの登録から順に紹介いたします。
ウェイティングリストへの登録...
GAN EBGAN（Energy Based GAN）
EBGAN（Energy Based GAN）の実装です。DCGANの派生として、LSGAN→EBGAN→WGANと損失計算の方法について続々と提案されている過程を追っています。EBGANは損失関数をヒンジ損失に変更しています。
E...
GAN LSGAN（Least Squares GAN）
LSGAN（Least Squares GAN）の実装です。DCGANの派生として更なる学習の安定化および高品質画像の生成を目的に提案されたGANです。
LSGANの特徴
LSGANの特徴は名前の通り、DCGANではクロスエン...
GAN CGAN（Conditional GAN）
CGAN（Conditional GAN）の実装を行います。GANではノイズから画像を生成する際、画像はランダムに生成されていました。CGANでは生成時にクラスラベルを指定することで指定した画像を生成できるようになります。
CGAN...
GAN WGAN-GP（Train Wasserstein GAN with Gradient Penalty）
WGANを改良したWGAN-GPの実装を行います。WGANではクリッピングされた重みが２極化するため勾配消失や勾配爆発が起きやすくなる課題がありました。改良版のWGAN-GPでは、重みのクリッピングではなく、勾配に制約をつける手法が提案さ...
GAN WGAN（Wasserstein GAN）
WGANとは、Wasserstein距離により損失計算を導入したGANとなります。GANの問題点として、「学習が安定しない」「勾配消失が起こりやすい」「モード崩壊が起こる」点が指摘されています。WGANではこのような問題の解決としてWas...
GAN DCGAN (Deep Convolutional GAN)
DCGAN とは、Deep Convolutional GANの略で、畳み込みニューラルネットワークによる敵対的生成を意味しています。今回はDCGANを実装してみました。DCGANのチュートリアルではデータセット「CelebA」を使われる...
DeepLearning 最初のGAN（Genera tive Adversarial Networks）
最初のGAN（Genera tive Adversarial Networks）の実装を行いながら、生成モデルや敵対的生成ネットワークについて調べてみました。最初のGANは構造がシンプルなので基本的な仕組みの理解には最適です。
生成...