はてなキーワード: クローとは
私は以前、AGIへの短期的なタイムラインには懐疑的だった。その理由のひとつは、この10年を優遇し、AGI確率の質量を集中させるのは不合理に思えたからである(「我々は特別だ」と考えるのは古典的な誤謬のように思えた)。私は、AGIを手に入れるために何が必要なのかについて不確実であるべきであり、その結果、AGIを手に入れる可能性のある時期について、もっと「しみじみとした」確率分布になるはずだと考えた。
しかし、私は考えを変えました。決定的に重要なのは、AGIを得るために何が必要かという不確実性は、年単位ではなく、OOM(有効計算量)単位であるべきだということです。
私たちはこの10年でOOMsを駆け抜けようとしている。かつての全盛期でさえ、ムーアの法則は1~1.5OOM/10年に過ぎなかった。私の予想では、4年で~5OOM、10年で~10OOMを超えるだろう。
https://situational-awareness.ai/wp-content/uploads/2024/06/this_decade_or_bust-1200x925.png
要するに、私たちはこの10年で1回限りの利益を得るための大規模なスケールアップの真っ只中にいるのであり、OOMsを通過する進歩はその後何倍も遅くなるだろう。もしこのスケールアップが今後5~10年でAGIに到達できなければ、AGIはまだまだ先の話になるかもしれない。
つまり、今後10年間で、その後数十年間よりも多くのOOMを経験することになる。それで十分かもしれないし、すぐにAGIが実現するかもしれない。AGIを達成するのがどれほど難しいかによって、AGI達成までの時間の中央値について、あなたと私の意見が食い違うのは当然です。しかし、私たちが今どのようにOOMを駆け抜けているかを考えると、あなたのAGI達成のモーダル・イヤーは、この10年かそこらの後半になるはずです。
マシュー・バーネット(Matthew Barnett)氏は、計算機と生物学的境界だけを考慮した、これに関連する素晴らしい視覚化を行っている。
最後に、定量化するのが最も難しいが、それに劣らず重要な改善のカテゴリーを紹介しよう。
難しい数学の問題を解くように言われたとき、頭に浮かんだことを即座に答えなければならないとしたらどうだろう。最も単純な問題を除いて、苦労するのは明らかだろう。しかしつい最近まで、LLMにはそうやって数学の問題を解かせていた。その代わり、私たちのほとんどはスクラッチパッドで段階的に問題を解いていき、その方法ではるかに難しい問題を解くことができる。「思考の連鎖」プロンプトは、LLMのそれを解き放った。生の能力は優れているにもかかわらず、明らかな足かせがあるため、LLMは数学が苦手なのだ。
私たちはここ数年で、モデルの「足かせを外す」ことに大きな進歩を遂げました。これは単に優れたベースモデルをトレーニングするだけでなく、アルゴリズムの改良によってモデルの能力を引き出すものです:
足場作り。CoT++について考えてみよう:ただ問題を解くようモデルに求めるのではなく、あるモデルに攻撃計画を立てさせ、別のモデルに可能性のある解決策をたくさん提案させ、別のモデルにそれを批評させる、といった具合だ。例えば、HumanEval(コーディング問題)では、単純な足場作りによってGPT-3.5が足場なしのGPT-4を上回った。SWE-Bench(実世界のソフトウェアエンジニアリングのタスクを解くベンチマーク)では、GPT-4は~2%しか正しく解くことができませんが、Devinのエージェントの足場があれば14-23%に跳ね上がります。(後ほど詳しく説明するが、エージェントのアンロックはまだ初期段階に過ぎない。)
ツール:もし人間が電卓やコンピュータを使うことを許されなかったらと想像してみてほしい。まだ始まったばかりだが、ChatGPTはウェブブラウザを使ったり、コードを実行したりできるようになった。
エポックAIによる研究によると足場作りやツールの使用など、これらのテクニックのいくつかを調査したところ、このようなテクニックは多くのベンチマークで通常5~30倍の効果的な計算量の向上をもたらすことがわかった。METR(モデルを評価する組織)も同様に、同じGPT-4ベースモデルからのアンホブリングによって、エージェントタスクのセットで非常に大きなパフォーマンスの向上を発見しました。
https://situational-awareness.ai/wp-content/uploads/2024/06/metr_gains_over_time-1024x597.png
これらをコンピュートとアルゴリズムの効率で統一した実効的なコンピュート規模に当てはめることは困難ですが、少なくともコンピュート規模の拡大やアルゴリズムの効率とほぼ同規模の大きな進歩であることは明らかです。(また、アルゴリズムの進歩が中心的な役割を担っていることも浮き彫りになっています。0.5OOM/年の計算効率は、すでに重要なものではありますが、ストーリーの一部に過ぎません。)
「アンホブリング」こそが、実際にこれらのモデルが有用になることを可能にしたのであり、今日多くの商業アプリケーションの足かせとなっているものの多くは、この種のさらなる「アンホブリング」の必要性であると私は主張したい。実際、今日のモデルはまだ信じられないほど足かせが多い!例えば
ここでの可能性は非常に大きく、私たちはここで急速に低空飛行の果実を摘んでいる。これは非常に重要です。"GPT-6 ChatGPT "を想像するだけでは完全に間違っています。 GPT-6+RLHFと比べれば、進歩は段違いだ。2027年までには、チャットボットというより、エージェントのような、同僚のようなものが登場するだろう。
続き I.GPT-4からAGIへ:OOMを数える(8) https://anond.hatelabo.jp/20240605210232
どうしてこうなった?ディープラーニングの魔法は、それがただ機能するということであり、あらゆる場面で否定的な意見にもかかわらず、その傾向線は驚くほど一貫している。
https://situational-awareness.ai/wp-content/uploads/2024/06/sora_scaling-1024x383.png
効果的な計算のOOMが増えるごとに、モデルは予測通り、確実に良くなっていく。OOMを数えることができれば、能力の向上を(大まかに、定性的に)推定することができる。そうやって、先見の明のある数人がGPT-4の到来を予見したのだ。
GPT-2からGPT-4までの4年間の進歩を、スケールアップの3つのカテゴリーに分解することができる:
1. コンピュート:計算:これらのモデルを訓練するために、より大きなコンピューターを使うようになった。
2.アルゴリズムの効率化:アルゴリズムの進歩には継続的な傾向がある。これらの多くは「コンピュート・マルチプライヤ」として機能し、有効なコンピュート量の増加という統一された尺度に乗せることができます。
3.「趣味のない」利益:デフォルトでは、モデルは多くの素晴らしい生の能力を学習しますが、あらゆる種類の間抜けな方法で足かせとなり、実用的な価値が制限されます。人間のフィードバックからの強化学習(RLHF)、思考の連鎖(CoT)、ツール、足場などの単純なアルゴリズムの改善により、潜在的な能力を大きく引き出すことができる。
これらの軸に沿って、改善の「OOMを数える」ことができる。つまり、有効計算量の単位でそれぞれのスケールアップをトレースするのだ。3倍は0.5OOM、10倍は1OOM、30倍は1.5OOM、100倍は2OOMといった具合だ。2023年から2027年まで、GPT-4の上に何を期待すべきかを見ることもできる。
ひとつひとつ見ていくが、OOMの数を急速に増やしていることは明らかだ。データの壁には逆風が吹いている可能性があり、それについては後述するが、全体的には、2027年までにGPT-4の上に、GPT-2からGPT-4規模のジャンプがもう1回起こると予想される。
まず、最近の進歩の原動力として最もよく議論されている、モデルへの(大量の)コンピュート投入について説明します。
多くの人は、これは単にムーアの法則によるものだと考えている。しかし、ムーアの法則が全盛期を迎えていた昔でさえ、その進歩は比較的緩やかなものでした。しかし、ムーアの法則が全盛期だった昔でさえ、10年で1~1.5OOMと、比較的ゆっくりとしたスピードだった。(かつては1つのモデルに100万ドルを費やすことさえ、誰も考えもしないことだった。)
モデル | 推定コンピュート | 成長率 |
---|---|---|
GPT-2 (2019) | ~4e21 FLOP | |
GPT-3 (2020) | ~3e23 FLOP + | ~2 OOMs |
GPT-4 (2023) | 8e24~4e25 FLOP + | ~1.5~2 OOMs |
エポックAI(AIトレンドの優れた分析で広く尊敬されている情報源)の公開推定値を使用して、2019年から2023年までのコンピュートスケールアップを追跡することができます。GPT-2からGPT-3へのスケールアップは迅速で、小規模な実験から大規模な言語モデルを訓練するためにデータセンター全体を使用するまでにスケールアップし、コンピュートのオーバーハングが大きくなりました。GPT-3からGPT-4へのスケールアップでは、次のモデルのためにまったく新しい(はるかに大きな)クラスタを構築しなければならないという、最新の体制に移行しました。それでも劇的な成長は続いています。エポックAIの試算によると、GPT-4のトレーニングでは、GPT-2の3,000倍から10,000倍の計算量を使用しています。
大雑把に言えば、これは長期的なトレンドの継続に過ぎない。過去10年半の間、主に投資(およびGPUやTPUの形でAIワークロードに特化したチップ)の幅広いスケールアップのため、フロンティアAIシステムに使用されるトレーニング計算量は、およそ〜0.5OOM/年で成長してきた。
https://situational-awareness.ai/wp-content/uploads/2024/06/compute_long_run_trend-1024x968.png
GPT-2からGPT-3への1年間のスケールアップは異例のオーバーハングであったが、長期的なトレンドが続くことは間違いない。SF-rumor-millは、巨額のGPU受注の劇的な話で一杯だ。その投資は並大抵のものではないが、動き始めている。
この分析によれば、2027年末までにさらに2OOMsのコンピュート(数十億ドル規模のクラスター)が実現する可能性は非常に高いと思われる。さらに+3OOMsのコンピュート(1,000億ドル規模以上)に近いクラスターも可能性がありそうだ(マイクロソフト/OpenAIで計画中と噂されている)。
https://situational-awareness.ai/wp-content/uploads/2024/06/stacked_compute-1024x866.png
続き I.GPT-4からAGIへ:OOMを数える(5) https://anond.hatelabo.jp/20240605205449
過去10年間のディープラーニングの進歩のペースは、まさに驚異的だった。ほんの10年前、ディープラーニング・システムが単純な画像を識別することは革命的だった。今日、我々は斬新でこれまで以上に難しいテストを考え出そうとし続けているが、新しいベンチマークはどれもすぐにクラックされてしまう。以前は広く使われているベンチマークをクラックするのに数十年かかっていたが、今ではほんの数カ月に感じられる。
https://situational-awareness.ai/wp-content/uploads/2024/06/owid-test-scores-1024x723.png
ディープラーニング・システムは、多くの領域で急速に人間レベルに達し、あるいはそれを超えつつある。グラフィック データで見る我々の世界
私たちは文字通りベンチマークを使い果たしている。 逸話として、友人のダンとコリンが数年前、2020年にMMLUというベンチマークを作った。彼らは、高校生や大学生が受ける最も難しい試験に匹敵するような、時の試練に耐えるベンチマークを最終的に作りたいと考えていた。GPT-4やGeminiのようなモデルで〜90%だ。
より広く言えば、GPT-4は標準的な高校や大学の適性試験をほとんど解いている。(GPT-3.5からGPT-4までの1年間でさえ、人間の成績の中央値を大きく下回るところから、人間の成績の上位に入るところまで、しばしば到達した)
https://situational-awareness.ai/wp-content/uploads/2024/06/gpt4_exams-780x1024.png
GPT-4の標準テストのスコア。また、GPT-3.5からGPT-4への移行で、これらのテストにおける人間のパーセンタイルが大きく跳ね上がり、しばしば人間の中央値よりかなり下から人間の最上位まで到達していることにも注目してほしい。(これはGPT-3.5であり、GPT-4の1年も前にリリースされたかなり新しいモデルである。)
https://situational-awareness.ai/wp-content/uploads/2024/06/math2022-1024x273.png
灰色:2021年8月に行われた、MATHベンチマーク(高校数学コンテストの難解な数学問題)の2022年6月のパフォーマンスに関する専門家の予測。赤い星:2022年6月までの実際の最先端のパフォーマンス。ML研究者の中央値はさらに悲観的だった。
MATHベンチマーク(高校の数学コンテストで出題された難しい数学の問題集)を考えてみよう。このベンチマークが2021年に発表されたとき、最高のモデルは問題の5%しか正解できなかった。そして元の論文にはこう記されている:「さらに、このままスケーリングの傾向が続けば、単純に予算とモデルのパラメータ数を増やすだけでは、強力な数学的推論を達成することは現実的ではないことがわかった。数学的な問題解決をより牽引するためには、より広範な研究コミュニティによる新たなアルゴリズムの進歩が必要になるだろう」、つまり、MATHを解くためには根本的な新しいブレークスルーが必要だ、そう彼らは考えたのだ。ML研究者の調査では、今後数年間の進歩はごくわずかだと予測されていた。しかし、わずか1年以内(2022年半ばまで)に、最高のモデルの精度は5%から50%に向上した。
毎年毎年、懐疑論者たちは「ディープラーニングではXはできない」と主張し、すぐにその間違いが証明されてきた。過去10年間のAIから学んだ教訓があるとすれば、ディープラーニングに賭けてはいけないということだ。
現在、最も難しい未解決のベンチマークは、博士号レベルの生物学、化学、物理学の問題を集めたGPQAのようなテストである。問題の多くは私にはちんぷんかんぷんで、他の科学分野の博士でさえ、Googleで30分以上かけてやっとランダムな偶然を上回るスコアを出している。クロード3オーパスは現在60%程度であり、それに対してインドメインの博士たちは80%程度である。
https://situational-awareness.ai/wp-content/uploads/2024/06/gpqa_examples-768x1120.png
続き I.GPT-4からAGIへ:OOMを数える (4) https://anond.hatelabo.jp/20240605205024
いや、おれも知らん。
文化資本(英語: cultural capital、フランス語: le capital culturel)とは、社会学における学術用語(概念)の一つであり、金銭によるもの以外の、学歴や文化的素養といった個人的資産を指す。フランスの社会学者ピエール・ブルデューによって提唱されて以来、現在に至るまで幅広い支持を受けている。社会階層間の流動性を高める上では、単なる経済支援よりも重視しなければならない場合もある。
wikipedia(https://ja.wikipedia.org/wiki/%E6%96%87%E5%8C%96%E8%B3%87%E6%9C%AC)
フランスの社会学者ピエール・ブルデュー,P.(Pierre Bourdieu, P.)とジャン=クロード・パスロン,J-C.(Jean-Claude Passeron, J-C.)が考案した概念で,人間の知識技能を資本として捉えたゲーリー・ベッカー,G.S.(Gary S. Becker, G.S.)の人的資本概念を文化領域に拡張し,貨幣や財の経済的側面のみならず,教育や文化の面において財が相続・生産・蓄積・投資される過程を説明する。文化資本は言葉遣いや立居振る舞いなどの身体化された様態,書物・絵画などの文化財所有による客体化された様態,学歴・資格によって制度化された様態からなり,それらを教育や就職など,経済的には「市場」となりうる「場=界(champ)」に投資することで,再生産戦略を可能にする物質的・象徴的な利益を引き出す。それは幼少期の家庭から相続継承され,学校教育を通じて中立的な能力証明へと変換され,社会的な地位や権力の再生産に結びつく。この概念によって,一見利害関係なく実践される文化慣習行動を,貨幣経済より広範な「象徴交換の経済」に取り込んで分析することが目指される。
コトバンク(https://kotobank.jp/word/%E6%96%87%E5%8C%96%E8%B3%87%E6%9C%AC-377212)
小難しいがようするに、
という前提があって、
・金だけでなく、文化的素養や学歴、スキルなどの見えない資産も子に受け継いでいるんだ!
ということなんだな。
で、その受け継ぐ過程で使われる個人的資産(=投資のもとになるもの=資本)を文化資本というらしい。
てことは、美術館それ自体は文化資本ではないやんけ!(個人資産じゃないから)
おいおい、「文化資本」という言葉もまた、はてなーたちの反知性主義によって意味が捻じ曲げられているじゃないか。
「なんか語感がかっこいいから、意味はよくわからんけど使ってみました」じゃねーんだよ。
美術館そのものではなく、「親が美術館によく行く習慣がある」とか、そういう「家のなか」の話なんだよ、文化資本てのは。
しかも資産や社会的地位の再生産に結びついていることが前提なのであって
庶民が「お、、おれはモネの展覧会とかよく行くし?」とか「いやー、声優の舞台挨拶が家から近くていいっすわ!」とかホクホクしてるのは文化資本じゃないんだよ。単なるエンタメ消費だそれは。アホか。
「親父が社長やってたんで、起業は自分にとって自然な選択肢でしたね」ってやつだよ。
あれこそ文化資本だよな。
・・・と、こうやって知らない言葉の意味の確認すら行わない、知的誠実さ皆無のお前らが親からたいした文化資本を受け継いでいないのは明白。
地方民は「美術館いってまーす☆文化資本文化資本☆」とかなんとか自慢してるスノッブどもを見下していいぞ。
・適当に調べたり考えたりしてみる感じ、居住地域に美術館だとかいい学校があるだとかは社会資本の話な気がするわ
・文化資本て、「親の語彙の豊富さ」とか「親同士の会話の知的水準の高さ」とか「親が教育資格を保有していて、知的水準の高いフィードバックが日常的に得られる」とか、「社会的地位の高いオトナとの会話機会の豊富さ」とか、そういうものなんじゃねーかな
・「文化資本の定義を都市や地域に援用」とか言ってるやつ、文化資本て社会階層の再生産を説明するロジックで生まれた言葉らしいから、「都民=殿上人、地方民=下層民!」的な東京の選民思想を前提に生きてるってことになると思うんだが、大丈夫そ?
・つーか、東京のなかでも当然ながら格差や階層があるわけで、そのなかでざっくり「もとの定義は家の話だけどぉ、都市に援用すればぁ」っつってるやつは、東京の内側で生まれている格差にはどう説明をつけるんだ?東京にいるだけで文化資本の恩恵を享受できるなら、東京の内側の社会格差はその他の地域と比べて小さくないといけないはずだろう。まずはそれを示してくれ
・いい学校とか文化施設へのアクセスを高めるために東京に住む、はたしかに「その判断能力があったり意思決定をする家庭である」という意味で文化資本があるといえそう。ただ、その意思決定の内実が本当にそうなのか?というのは問いたいところではあるな。なんとなく東京で就職したとか、職場が東京だからそのまま住んでますとか、そっちが主要因なやつも多いんじゃないの?
・いくつかブコメ読んで、格差を批判する文脈でなら都市間に援用してもいい気がしてきたが・・・仮に「都市の文化資本」という概念が成り立つ場合、以下が疑問。詳しい人おしえて
1.文化資本の枠組みだけで考えると、いい学校、いい美術館などは「客体化された形態の文化資本」に分類されるはずだが、そもそもこれらは社会資本ではないか?どう整理するのか?「ハビトゥスを形成しやすい環境が東京の文化資本」と言ってるやつもいるが、わざわざ"援用"せずとも「東京は社会資本が充実してますなー」で済むんじゃないか?
2.もとの定義に照らすかぎり、文化資本=経済的な格差・階層の再生産に結びつくものなので、「他地域よりも東京を経済的・社会的に特権的地位たらしめている、東京に特異的な文化慣習行動」が「東京の文化資本」ということになる。それってなに?そんなんある?
3.ここまで考えて、いわゆる「ユダヤの商法(ほんとにあるのかしらんが)」はユダヤ人の文化資本といえそう、つまり都市という地理的な要素よりは特定の価値観を共有する集団内においてなら、文化資本という概念は家を超えて援用できそうと思ったんだけど、どうなん?
抗うつ薬で太る薬といえばNaSSAと呼ばれる鎮静系抗うつ薬のリフレックス/レメロン(ミルタザピン)と三環系抗うつ薬のトリプタノール(アミトリプチリン)が代表的。
トリプタノール以外でも三環系抗うつ薬は効果が強いぶん副作用も強く、比較的太りやすいとされる。でも三環系は古い薬であり、第一選択薬じゃないので処方されてる人は比較的少ない印象。
あとは、抗精神病薬だけど抗うつ薬として使われることが多いドグマチール(スルピリド)も食欲が増進するイメージがある。
普通の人がまず処方されるであろうSSRIやSNRIは太るような副作用はそれほどない。
特に太りにくい抗うつ薬の代表格はSNRI。サインバルタ(デュロキセチン)、イフェクサー(ベンラファキシン)、トレドミン(ミルナシプラン)の3つ。
私は今までSSRIは全種類、SNRIはイフェクサーのみ服用したことがあるけれど、太ったことは一度もない
(SNRIは服用量が増えるにつれてSSRIでは一度も出たことのない副作用、ミオクローヌスが酷くなっていったので服用中止した)。
そのせいか、リフレックス/レメロン(ミルタザピン)と三環系抗うつ薬以外で「抗うつ薬で太った」と言う人を見かけると
「それって抗うつ薬の副作用ではなくて、うつ状態で運動量が落ちたことや精神状態が安定したことにより食欲が回復してきたからでは?」
「もしくは、うつ病の症状として過食が出ているのでは?」と思ってしまう。
抗うつ薬ではなく抗精神病薬ではジプレキサ(オランザピン)とセロクエル(クエチアピン)が太りやすいことで有名な薬だから、それらを服用してる人が太るのならまだ理解できるのだが……。
https://www.youtube.com/watch?v=dJ27klj1nZw
seesaa Blogの検索機能、一覧機能の問題で1000話以前のリンクへたどり着くのは至難の業だ。まるで密教のようになっているソレを詳らかにしようと思う。
月別アーカイブで掘るのが効率的ってのを発見→ http://savannayagi.seesaa.net/archives/200909-1.html "200909-1"を変えていく
「0001話 2009/03/07 http://savannayagi.seesaa.net/article/115268130.html」から始まるんだがURLに規則性がない
クローリングするなら「2009/03/07以降の全記事を拾う」でいいかな
...
色盲も出たのもこの影響なんかな
精神原因による色覚異常の事例はあるでしょうか?気になったので調べてみました!
[Conversion disorder - Wikipedia](https://en.wikipedia.org/wiki/Conversion_disorder)
兆候と症状
(中略)
転換性障害は現在、機能性神経症状障害という包括用語に含まれています。転換性障害の場合、心理的ストレス要因があります。
DSM-5 に記載されている機能性神経症状障害の診断基準は次のとおりです。
患者には、随意運動機能または感覚機能の変化の症状が少なくとも 1 つあります。
a. 臨床所見は、症状と認識されている神経学的または病状との間の不適合の証拠を提供します。
b. この症状や欠損は、別の医学的障害や精神障害によって説明するのが適切ではありません。
c. 症状または欠損は、社会的、職業的、またはその他の重要な機能領域において臨床的に重大な苦痛または障害を引き起こすか、医学的評価を必要とする。
[以降関連する情報なし]
調べてみた結果、「ストレス性の色覚異常」(color blindnessもしくはachromatopsia)に関する直接的な言及は見当たりませんでした!
比較出来ないんじゃなくて、比較するのがナンセンスって話なんだけどまだ理解できない?
同じスポーツというジャンルの中でサッカーと野球、どっちが面白いかというのはプレイする人や見る人、その敷居の高さによって変化するよね
同じファンタジー漫画でも読む人のバックボーンやその時置かれている状況や環境によって面白さのベクトルやテーマが変化するのにどうやって比較するの?
比較してる作品もジャンルはバラバラ、富樫作品を出してしかもレベルEを一番にする俺わかってるよな(ドヤ)みたいなのが透けて見えるし短い文章も理解できず、比較することにしか焦点を当てない
子供が遊びで話す『スタローンとジャン・クロード・バンダムはどっちが強い?』そのレベルでいいよ、みたいな一文があるならまだ回答しようがあるのになw
軽微利用のくだり、その解釈だと検索エンジンも普通に違法にならね?
検索エンジン側で持ってるデータベースにクロールしたデータを全文ぶち込んでインデックス作ってないとこんな検索速度出せないでしょ
まさか検索するたびにクローリング走らせて全文中に検索ワードとの合致あるか調べて結果返すわけでもあるまいし
https://public-comment.e-gov.go.jp/servlet/PcmFileDownload?seqNo=0000267588
パブコメ用に素案も読み返してたんだけど、検索拡張生成(RAG)についての文化庁の見解は新聞協会のそれとはそもそも大幅な食い違いがありそう
https://www.bunka.go.jp/seisaku/chosakuken/hokaisei/h30_hokaisei/pdf/r1406693_17.pdf
というか問29に沿って考えれば、「情報解析によって時事情報(※ただの事実であって著作権によって保護されない)を表示する」が主であって、その過程における「既存の著作物を複製翻案等する」は従であるとも評価しうるのでは
https://www.jiji.com/jc/article?k=2024010401008&g=int
2日に米名門ハーバード大の学長辞任を表明したクローディン・ゲイ氏は、3日の米紙ニューヨーク・タイムズ(電子版)への寄稿で、数週間にわたり人種差別的なものを含む中傷や脅迫を受けていたと明かした。その上で「扇動家たちがこれ以上、私が学長であることを利用して、大学の理念を傷つけることがないよう望む」と訴えた。
異例の抜擢をされた一流の研究者だったのに、反ユダヤ主義だとか剽窃だとかの言いがかりを受けた。
tool-assisted speedrun, もしくはtool-assisted superplayの略であるTAS.
そのプレイを行なっている人をTASさんとネット上では呼んでいる.
ネットでは、凄腕海外ニキやロシア幼女だの言われているが、俺はリアルでTASさんにあったことがある.
俺は当時仕事で機械学習関連のことをしていたのだが、TASさんとは機械学習系の勉強会で知り合った.
彼の学歴は、MARCHと同じくらいの国公立大学の情報系の出身.
TASさんの当時の職場は、いわゆるメガベンチャーのどこかであった.
TASさんが勉強会でプレゼンをしたのだが、3Dグラフィックが凄まじい、カッコいいプレゼン資料を使って発表していた.
聞いてみると彼はパワポといったスライド作成ツールを使わずに、
自力で開発した3Dグラフィックモリモリのプレゼンツールでプレゼンを行なっていた.
もちろん発表の内容も、最先端の機械学習技術を盛り込んだ素晴らしい内容であった.
そこで彼が大学時代にとあるゲームのTAS動画を作っていたTASさんであることを知った.
そこで発表された、割と話題になったデバイスがあったのだが、先行発売で会場で買えるとのことで、俺も買いに行ったのだが
TASさんは列の先頭に並んでおり、販売開始と同時に、100個くれ、と言って買おうとした.
先行発売ということで販売側もたくさん買われる想定をしていなかったので、数を用意していなかった.
TASさんがたくさん買おうとした結果、販売個数に制限が設けられることになってしまった.
TASさんに聞くと、日本に帰って売り捌こうとしていたらしい.
このようにTASさんはとても優秀だが、商売気のある人物でもあった.
彼は大学時代、周りの友人が金持ちばかりだったらしく、それに憧れて自分も富裕層になりたいと願い
そのために本業の仕事以外でも精力的に活動を行い、努力していた.
休日は開発の仕事を請け負い、それで得たお金を全て不動産投資に突っ込んで家賃収入を得て、どんどん資産を増やしていった.
その不動産投資は、自分の機械学習の知見をフルに発揮し、相場よりも割安な物件を割り出すシステムを自分で組み、
不動産流通システムのREINSをクローニングし、割安な物件を見つけては、リノベーション等を行い、相場通りの家賃で貸し出すというビジネスを行なっていた.
そのビジネスが順調だったようで、彼はメガベンチャーの職場を退職し、自分で会社を立ち上げた.
その後はほとんど会わなくなってしまってSNSで流れる情報でしか追っていないのだが.
TASさんはAIシステムを開発し、テレビに専門家として呼ばれて話をしていたのを見た.
そしてその会社は同業の大きな会社に買収され、その買収元の会社はアメリカで上場してしまった.
@aaron2927
古いタイトル、特に 2D ゲームで最も恋しいのは、入手できるクールなアイテムの数々だと思います。 マグネット グローブ、ガスト ジャー、フックショット/クローショット、グラップリング フック、カブトムシなどは非常にクールですが、オープンワールド ゲームにはありません。 BOTW/TOTK で本当に深刻な問題は、進行システムが実際には存在しないことです。 ゲームを開始すると、すぐにすべてのギズモを入手できます。そして、唯一の障害となるのは健康とスタミナで探索するように言われます。 ダンジョンから手に入れたクールなアイテムを持って古いエリアを再訪したり、遠くにハートのかけらが見えたけど、適切な道具を持っていないのでどうやって手に入れることができるのか疑問に思ったりすることはありません。 成長システムが機能するのは、キャラクターが向上し、大きなクライマックスに向かって盛り上がっていくのが嬉しいからです。 ただし、BOTW/TOTK はゲーム表面の 90% をレベルにする方向に進んでいますが、それは大量にあります。
@dericandkhristy
素晴らしい投稿です。 やりがいのある進行状況がないため、ゲームは本当に空虚な体験のように感じられます。
@wesshiflet2214
はい、そして今では、強力なオーバーワールドのボスを除いて、期待ループはありません
@JJMomoida
それも懐かしいですね! 過去のゼルダ作品のダンジョンアイテムに関して私が見た主な不満の一つは、通常、入手したダンジョンの外ではあまり使い道が見られないということです……個人的には、そこはあまり気にしていませんでした。 。 TPのアービターズ・グラウンドでスピナーを使うのはとても楽しかったです。 これがこのダンジョンのアイテムであることは理解していたので、ダンジョン以外であまり使わなくてもあまり気にしなかった。 歓迎しますか? もちろんですが、私にとってそれは決して苦痛ではありませんでした。
@therealpskilla502
まだアクセスできない爆撃可能な壁やフックショットのターゲットなどを見て、そこにあるものをさまよい、その後ハートのかけらを拾うのに必要なアイテムを持って戻ってくるというメトロイドヴァニアの側面が懐かしいです。 これは非常に効果的なゲームプレイ ループです。
@TitForce
@dericandkhristy 空とは言えません。 しかし、それはただ違う経験です。 ただ空っぽだという考え方は、青沼氏の「リニアなゲームを作る意味がない」という考え方と全く同じだ。 「そんなに自由ではないから」
@ドメスティックス2958
ありがとう。 アイテムベースの進行はゼルダの最大の特徴の 1 つでしたが、それが廃止されたことに私はショックを受けています。
特にイライラするのは、TOTK には早い段階で遭遇する可能性はあるものの、まだ何もできないもの (コンストラクト ファクトリなど) がいくつかあるからです。 以前のゼルダ ゲームでは、特定のアイテムや能力を後でやり直す必要があるため、実行できないパズルに遭遇するのが一般的でした。 しかし、totk では、最初に必要なツールがすべて入手できるため、他のすべてがすぐに入手できるときに、まだ実行できないパズルがあるかどうかをどうやって知ることができるのでしょうか?
@thatnerdygaywerewolf9559
そうだ、これが新しいゼルダで私が欠けている主な点だ。 新しいアイテムやパワーを手に入れると、新しいことができるようになるのはいつも楽しかったです。 時にはプレイ方法を完全に変えることさえありますが、そうでなくても、それはまだ楽しみです。
この点では、TotK の方が BotW より少し優れていたような気がします。少なくとも賢者のパワーには環境効果があり、パズルに使用され (チャンピオンの能力とは異なり)、入手できるマイナーパワーもいくつかありましたが、それはまだ数マイル先です。 エンドゲームの感触や感じ方が初期のゲームとは大きく異なっているという点で、従来のゼルダとは異なります。 (編集: また、TotK には、新しい能力の獲得を特に気分良くさせる「まだ解決できない問題が見える」という側面がまだ欠けていました)。
@therealpskilla502
@thatnerdygaywerewolf9559 どちらかというと、両方のゲームに逆の難易度曲線があるように感じます。 最初は非常に脆弱で、いつも殺されますが、大量の回復アイテムを手に入れると、特に鎧を完全にアップグレードすると、文字通りゲーム内の何もかもあなたを殺すことができなくなります。
@rondorock2563
非常に多くの新規プレイヤーは、ダンジョン内でこれらすべてのアイテムを入手するスリルを知りません。 ドーパミンの爆発、オープニングの宝箱のアニメーションだけでも人生が変わります。ゲームプレイを強化するアイテムで視点が突然変わり、新しい方向性を発見すると、特に素晴らしいアイテムを手に入れることで多くを達成したような気分になります。 それを手に入れるための挑戦。 かつてのゼルダ ゲームはその点で非常に優れており、それは私にとって簡単には忘れられないでしょう。 😊