Conyacサービス終了のお知らせ
conyac

居倉 悠香 (anna_claba) — 翻訳実績

本人確認済み
9年以上前 女性 30代
日本
日本語 (ネイティブ) 英語 フランス語
このユーザーにより翻訳された公開依頼の一覧です。この一覧には、完了されていない依頼は含まれません。
anna_claba 英語 → 日本語 ★★★☆☆ 3.0
2015/06/22 12:08:59
原文

Facebook’s newest deep learning system makes samples of images that humans think are real 40% of the time

Researchers at Facebook have taken a step closer to a holy grail of artificial intelligence known as unsupervised learning. They’ve come up with a way to generate samples of real photographs that don’t look all that fake.

In fact, the computer-generated samples — of scenes featuring planes, cars, birds, and other objects — looked real to volunteers who took a look at them 40 percent of the time, according to a new paper on the research posted online yesterday. Facebook has submitted the paper for consideration in the upcoming Neural Information Processing Systems (NIPS) conference in Montreal.

翻訳

Facebookの最新深層学習システム、人間が40%の確率で本物に見える画像サンプルを生成

Facebookの研究チームは、教師なし学習として知られる人工知能の至高の探求に一歩近づいた。フェイクの画像がなくとも、本物の写真のサンプルを出力する方法を思いついたのだ。

実際に、コンピュータが生成したサンプル（飛行機、車、鳥などを映した光景）をボランティアで参加した人に見せたところ40%の確率で本物に見えたと、昨日Web上に投稿された新しい研究論文に掲載されている。Facebookは近日モントリオールで開催されるNeural Information Processing Systems（NIPS）カンファレンスに向けて、検討材料としてこの論文を提出した。

anna_claba 英語 → 日本語 ★★★★★ 5.0
2015/06/22 12:55:13
原文

The research goes beyond the scope of supervised learning, which many startups and large companies, including Facebook, use for a wide variety of purposes.

Supervised deep learning traditionally involves training artificial neural networks on a large pile of data that come with labels — for instance, these 100 pictures show geese — and then throwing them a new piece of data, like a picture of a ostrich, to receive an educated guess, like whether or not the new picture depicts a goose.

With unsupervised learning, there are no labeled pictures to learn from. It’s sort of like the way people learn to identify things. Once you’ve seen one or two cell phones, you can recognize them immediately.

翻訳

本研究は教師あり学習の範疇を超える。教師あり学習は、Facebookを含む多くの大企業やスタートアップが広範囲にわたる目的で利用している。

従来の教師あり深層学習は、ラベル付けした大量のデータ（例：ガチョウの写真100枚）を元にして人口ニューラルネットワークを訓練し、新しいデータ（例：ダチョウの写真）を生成、そして学習した推測を受け取る（例：新しい写真がガチョウか否か）。

教師なし学習では、学習するのにラベル付き画像を必要としない。人間がモノを認識するようになるのと同様だ。皆さんが1～2個の携帯電話を見たらすぐ識別できるだろう。

anna_claba 英語 → 日本語 ★★★★★ 5.0
2015/06/22 19:33:00
原文

And that “pure research” is utterly fascinating. Google this week demonstrated that its neural networks can generate downright trippy representations of images — Fergus said they “look super cool” — but fundamentally that work “doesn’t get you any further in solving the unsupervised learning problem,” Fergus said. It’s much harder, he said, to generate images that look real that images that look psychedelic.

To do this, Facebook is using not one but two trained neural networks — one generative, and one discriminative. You give the generative one a random vector, and it generates an image. The second one decides if the output image looks real.

翻訳

そして、その「基礎研究」こそが実に魅力的なのだ。Googleは今週、同社のニューラルネットワークでなんともサイケデリックな画像の写像（Fergus氏曰く「超イケてる」画像）を生成できたと実演したが、そもそもこの実演は「教師なし学習の問題をこれ以上解決するものではない」とFergus氏は述べている。サイケデリックに見える画像を本物らしく見せる写像生成は、もっとずっと難しいものだとFergus氏は言う。

これを為すべく、Facebookは1つではなく、2つの訓練されたニューラルネットワークを使用している。1つは生成、もう1つは識別だ。生成ネットワークにランダムベクトルを渡し、写像を生成する。識別ネットワークは出力された写像が本物に見えるかどうかを決定する。