3. ICML2019 開催概要
International Conference on Machine Learning 2019
・Tutorial (6/10) ←この資料の内容
・Conference Session (6/11~6/13)
・Workshop (6/14~6/15)
@Long Beach Convention Center
4. Meta-Learning: from Few-Shot Learning to Rapid
Reinforcement Learning
• Meta-Learning入門
• 数式できちんと定義
して解説してくれた
のでありがたかった
• auto-MLとの関係性
も言及。can be cast
as meta-learningと
のことで、これもわ
かりやすいし混乱せ
ずに済んだ
資料: https://drive.google.com/file/d/1DuHyotdwEAEhmuHQWwRosdiVBVGm8uYx/view
5. Meta-Learning: from Few-Shot Learning to Rapid
Reinforcement Learning
• 様々あるMeta-Learning手法のメリット比較などもされていてありがたい
• 個人的にはOptimization-baseが気に入った
• second-order-optimizationって、あまりイコールでデメリットだと感じない
資料: https://drive.google.com/file/d/1DuHyotdwEAEhmuHQWwRosdiVBVGm8uYx/view
6. Intel AI Research Luncheon
at ICML Long Beach 2019 @Hyatt Regency
• Intelによる研究紹介イベント
• GANで事前分布の選択を誤ったりMismatchがあると困るよねという課題設定
• そこで、いっそのことノンパラメトリック手法にしたという研究
そういえば、似た課題設定の研究が『ICLR読み会in京都』で紹介されてた気が…
• https://www.slideshare.net/KiwamuYamamoto/iclr2019-in-lt-understanding-and-improving-
interpolation-in-autoencoders-via-an-adversarial-regularizer
7. • Uber AI Labsの方々によるTutorial講演
どうでもいいけど昨日初めてUberを利用したら想像以上に便利で感動した
• Population-Based Search
パラメタを並列探索させ、誰かが良さげなパラメタを見つけたら共有して、
それを起点に再度並列探索を繰り返す
ハイパラサーチや強化学習で成果を挙げている
• スライドがまだ公開されてないので、代わりにDeepMindのサイトでも貼ってお
きます(わかりやすい)
• https://deepmind.com/blog/population-based-training-neural-networks/
Recent Advances in Population-Based Search for Deep Neural Networks:
Quality Diversity, Indirect Encodings, and Open-Ended Algorithms
8. Recent Advances in Population-Based Search for Deep Neural Networks:
Quality Diversity, Indirect Encodings, and Open-Ended Algorithms
う~ん、わからん
言いたいことはわかる、が、
we do not just want to
solve known problems,
because unknown problems
are also important.
とのことで、結果的に出来上
がるもののイメージがわかな
い
• 同じく、Uber AI Labsの方々によるTutorial講演
• しかし、Tutorialにしてはえらく近未来な分野の紹介だった
• Open-Ended Algorithms
今の機械学習は特定の問題を短期間で解こうとしているように見える
そもそもの知能はそのようなクローズな存在ではないはず
数億年かけて人類が進化したように、AIも継続的な進化をさせたい