artificial-intelligence

by Katsuhiko Sato | November 19, 2020
概要 弊社ではAIによる『逆転オセロニア』のバランス設計支援のような ゲーム x 機械学習の取り組みを、様々なゲームタイトル間で横展開するための基盤導入 を進めており、本取り組みにおいてはこの基盤のことを、開発進行の便宜上シミュレータ基盤と呼称しています。 この記事では上記のシミュレータ基盤の導入を題材に、ゲームへの機械学習技術の適用にあたって、ゲームタイトルの開発において必要となる事前の準備の進め方や考え方
by Ryohei Shimizu | October 29, 2020
はじめまして。9月初旬より約半月にわたり、AIエンジニアコースのインターンに参加させていただいた清水と申します。大学院は情報系の専攻で、最近は幾何学的な深層学習に関する研究に取り組んでいます。その過程で言語的なタスクを出口に用いることも多く、副次的に深層学習を利用した自然言語処理にも多少明るかったりします。 題目にあるTransformerとは、そうした分野にてここ数年にわかに注目を集めている仕組み
by Ryogo Yokoyama | October 22, 2020
はじめまして! 9月上旬の2週間、データサイエンティストコースのインターンに参加した横山です。普段は大学で圧電材料を使用したデバイス作製に関する研究を行う傍ら、アルバイトやコンペティションでデータ分析を楽しんでいます。 この記事では、私がインターン中に取り組んだ内容について記述しています。 概要 本記事では、対戦ゲームに登場する各キャラクターの「強さ」を表す指標について記述しています。「強さ」はいろいろな
by Issei Nagasawa | October 14, 2020
1行で 遷移を工夫した山登り法によって、強いデッキを高速に編成するアルゴリズムを構築しました。 はじめに はじめまして。9月の上旬に2週間、データサイエンティストコースのインターンに参加した長沢です。普段はKaggleや競技プログラミングにうつつを抜かしており、企業のインターンに参加したのは今回が初めてです。 この記事では、インターン中に私が取り組んだ内容について書きます。機械学習が流行ってるけど組み合わ
by takuma-yoshimura | September 24, 2020
こんにちは。 ゲーム事業部ディベロップメント統括部AI推進部の吉村です。 先日オンライン開催されたCEDEC2020にて、システム本部AIシステム部の甲野と共に「『逆転オセロニア』における,バンディットアルゴリズムおよび強化学習を用いた対戦環境のバランス設計支援」という講演をさせていただきました。 聴講にお越し下さった皆様、ならびに運営の皆様、誠にありがとうございました。 本講演では、『逆転オセロニア』に
by Daisuke-Tamada | September 03, 2020
2020年8月、早稲田塾、技術評論社が企画した高校生向けのイベント「未来発見プログラム 2020・夏 スーパー AI プログラム」が開催されました。8月11日から8月20日までの間で全てオンラインにて開催された本イベントでは「ITリテラシーを学び、物の考え方、本質を体得する」という理念の基、「ウィズコロナ・アフターコロナ社会におけるAI活用」を参加した40名の受講生のみなさんに考えていただきました。 こちらの
by Jonatan-Alama | June 08, 2020
この記事では、DeNAでのコンピュータービジョン関連の機械学習のためのデータ生成処理方法について説明します。 主に、内製のアノテーションシステム「Nota」の開発とそのシステムと全体のMLワークフローに統合する方法について取り上げます。現在のソリューションに到達するため、私たちが行ったいくつかの決断、および解決しなければならなかった課題について説明します。 はじめまして、アラマ・ジョナタンです。現在D
by Akira Kikusato | May 21, 2020
はじめに はじめまして、分析部の喜久里と申します。様々なゲームサービスや関係部署の課題解決に向けた分析を担当しています。 AIに関連した技術がホットなトピックの1つになって久しいですが、既存の手法やツールと比べてフィージビリティが読みにくい部分があり、様々な場所で適用が試行錯誤されているのが現状です。私たちもこれまで何件もAI関連技術の業務適用を試みており、上手く進められたケースもあればそうでないケー
by atsushi.morimoto | March 26, 2020
TL;DR タクシー運転中に扱うアプリとして、低遅延を保証するため、Redis を DB として選定したが、問題も多い 20 万本の道路ごとに十数種類の特徴量を扱うが、必要となるデータには「時間特性」「地理特性」があり、これを生かした構成にした 特徴量の種類の多さや、リアルタイムデータに対するデバッグの困難さと戦ってきた このアーキテクチャには、デプロイの複雑さや、Redis が単一障害点になる問題があり、戦いは続く MOV お客様探
by Tomohiro-Kato | March 25, 2020

AIシステム部の加藤倫弘です。私は現在「DRIVE CHART」のエッジAIチームのチームリードとして、ドラレコへのAI技術組み込み全般を担当しています。

この記事は、DRIVE CHARTにおける AI技術の事業応用 ーモデル開発からサービスデプロイまでー Part1の後編です。 後編では、研究開発しているアルゴリズムをどのようにドラレコに組み込んでいるか、実装観点でご紹介します。