第3回 Machine Learning 15minutes!に参加した

-Googleの機械学習プロダクト グーグル株式会社- 佐藤 一憲さん

A Neural Network Playground
ニューラルネットワークを理解するためのツール

Googleでの利用シーン

・グーグル検索
　昨年からディープラーニング(RankBrain)ベースに
・Googleフォトはディープラーニングで分類分け
・英語版Gmailについてはメール返信をディープラーニングを利用して予測変換
　10%は予測変換内容が利用されている
・ディープラーニングを利用して、データセンター電力効率が15%オフに

TensorFlow

・Googleサービスで実際に利用されている(日々開発されている)
・分散環境を前提として設計されている
・学習結果をオフラインやスマートデバイスでも利用可能
　(他のフレームワークよりも優れている点)
・現状いかに分散させるかで各ベンダがしのぎを削っている

誰でも利用できるように

専門家でない人たちが利用している
例えば、
・キュウリ仕分け
・からあげロボット

より最適化するために

ハード面についても強化している
→CloudMLでその威力を実感できるはず
→解析に何日かかかるようではダメ
・Jupiterネットワーク
　サーバ間ネットワークのレイテンシを下げるために自社で開発
・TensorProcessingUnit
　CPUでもなくGPUでもない
　10倍の電力性能比
　→利用して1年以上経っている枯れた技術

-IBM Watsonの機械学習サービスとWatson Knowledge Studio- 日本アイ・ビー・エム株式会社 平山 毅さん

IBM Watoson→クラウド提供、エンタープライズを意識(プロダクトの枠組み)
コグニティブコンピューティング；環境からすべて用意(軍事関連もあるためオンプレミスということも)

TensorFlow→オープンソース提供 (誰でも)使えるように

IBM Watoson Knowledge Studio
業界や分野ごとの知識に基づいて、
各分野の言葉の使われ方の微妙な違いまでWatsonに教えることを可能とするツール

-Dive into Deep Learning Framework- 株式会社ABEJA 緒方 貴紀

株式会社ABEJA IoT, BigData, AIを扱っている会社
4年間ディープラーニングに従事している。その際に利用したフレームワークについて個人的感想を

TensorFlow

・行列計算ライブラリ(DeepLearningだけでなくさまざまな用途あり)
・MLプラットフォームを提供開始するので、GPUマシンが必要なくなるかも
・仕組みが複雑のため勉強する必要がある
・グーグルのプラットフォームで最適化されているため、環境によっては処理が重い

K ケラス

・シンプルに直感的に利用できる
・TensoleFlowなどをバックエンドとして利用している
・Multi-GPU非対応
・とりあえず使いたい人向け

Chainer

・ネットワーク記載時の柔軟性が高い
・内部がどうなっているかわかりやすい

-対話botの技術- 株式会社ウサギィ 五木田 和也さん

自然な感じで雑談できるためにLSTMを利用している
　LSTM→Recurrent Neural Network を改良し、長期の依存関係を扱えるようにしている