Hayate.Lab
テーマ①：「芸術とAI」(芸術をAIが学習し、AIが自律的に絵を生み出す)
別カテゴリで学んだ内容を基に、そのIT技術を使ってみよう、というページになります。
着手したい分野は、「芸術とAI」です。
ある時、芸術、特に絵画に興味を持ち、たくさんの絵を描いてみたのですが、
そのどれもが未熟かつ稚拙で見るに耐えないものでした。そんな時、ふと思ったのです。
「芸術とは一部の天才にしか生み出せず、またそれに触れることさえ叶わぬものなのか？」
それと同時に、もし一般人でも学習や訓練によって芸術に触れることができるならば、
芸術をAIが学習し、AIが自律的に絵を生み出すことが可能なのではないか？
と。
そこで、Hayate.Labのメインの研究分野の一つを「AIと芸術」としました。
(今後興味のある分野があれば取り上げてみようとは思うのですが、まずはスモールスタートで…)
研究1 : DCGANを用いたAIによる画像生成の体験
(AIに風景画を学習させ、学習結果を画像として出力させる)
・背景と目的
・アプローチ手法
・原理
・可視化方法
・可視化結果
・考察
研究2:PGGANを用いたAIによる画像生成の体験
(DCGANの限界サイズ(64✕64ピクセル)を超えた風景画の学習結果を出力)
・背景と目的
・アプローチ手法
・原理
・可視化方法
・可視化結果
・考察
研究3:遺伝的アルゴリズムを活用した風景画の複製
扱うのは研究1、2と同様に既存の確立された技術の模倣ですが、研究3では「限られたリソースの中から高解像度の画像を出力する」ことを目標に、風景画の複製に関して扱っていきます。
・背景と目的
・アプローチ手法
・原理
・可視化方法
・可視化結果
・考察
テーマ②：DXにおける機械学習の有用性
次の研究テーマは、【DXと機械学習】です。DX、つまり「データを活用し、その後の行動戦略の指針とする」ことは2023年現在、非常に多く取り上げられることの多いテーマの一つです。DXを実践するには統計学の知識ももちろん必要ですが、近年ではニューラルネットワークの知識も求められています。そこで、ニューラルネットワークの弱点(難しいところ)とされる、多次元の要素の時系列データから1つの予測結果を導くことに挑戦していきます。
研究1:LSTMモデルによるニューラルネットワークを用いた株価予測
時系列データに対するニューラルネットワークの実装にはLSTMモデルが適用されることが一般的です。研究1では、そのLSTMモデルに加え、多次元の入力情報の関連性まで考慮して株価の予測を行うことを考えます。
テーマ③：Raspberry Piによるデジタル工作
Raspberry Piは小型ながら、一通りの「パソコン」の機能を有しています。また、近年では性能も大きく向上し、IoT機器として十分に実用できるレベルに到達しています。
そのRaspberry Pieで「あったら便利」なIoT機器を工作してみる、というのがテーマ③の目的です。