はてなキーワード: オフとは
言いたいことはタイトルで言い切ってしまったので、以下は蛇足である。
5/8で新型コロナが5類感染症に移行となる。時を同じくしてWHOの緊急事態宣言も終了となり、世界的に猛威を振るったパンデミックもひとまずは収束と言えると思う。
自分なりにこの3年を振り返ってみて、楽しかったと思えるファクターはいくつかある。
台風だの大雪だのに不謹慎なワクワク感を覚える人はそれなりにいると思うが、まさにそれの最上級。世界的なパンデミックという、一生に一度遭遇できるかどうかの非日常イベント。
何気ない国際ニュースのひとつとして武漢の新型肺炎(当時は肺炎がフォーカスされていた)が報道されたのが19年の12月末だったと思うが、年の瀬の賑やかさに紛れて不穏なニュースがカットインされる、まさにスリラー映画やSF漫画の導入にありそうなシークエンス。
年を越して2020年、武漢の状況が悪化するにつれて報道の扱いも大きくなってきても、この時点でまだ大多数の人は対岸の火事、せいぜいが以前のSARSや新型インフルのような、それなりの騒ぎにはなっても所詮は限定的な影響で終息すると考えていたと思う。
「これは何かが違う」と思い始めたのは1月下旬、中国全土への拡大から欧州に飛び火し、日本国内でも感染者が報告されたあたりからと記憶している。
マスクが品薄になり、テレビでは連日クルーズ船内の状況がトップニュースに。都市封鎖などという物騒な(しかし蠱惑的な響きの)言葉も飛び交うようになってきた。
日常がじわじわと崩壊していく感覚は極めてスリリングで、眉間に皺を寄せ、表向き深刻を装いつつ、内心に抑え難い高揚感があったことを覚えている。
自分の状況でいえば、2月から在宅勤務が推奨されることになり、急遽work form homeの日々が始まった。並行して外出自粛の風潮が広がり、4月にはついに緊急事態宣言。生活のすべてが自宅に集約されることになった。
幸いなことにコロナ前年に家を買ったばかりで、自宅に引き篭もることに不便がないどころか、快適な自宅を24時間満喫できることは僥倖であったと言える。
とはいえリモートワークに耐えられるだけの設備はなく、当初はダイニングテーブルでPCを開いていた。1ヶ月もせずに硬い椅子に腰が悲鳴を上げたことでオフィスチェアを購入。不用品を片付け、部屋を空け、家具を購入して4月ごろには快適な仕事環境を整備した。
仕事中に仕事そっちのけねデスク整備のブログを参照し、Amazonやヨドバシでアイテムを精査しながら少しずつ環境を整えるプロセスは楽しかった。
通勤という概念の消失は、日常生活に不可逆的な変化をもたらした。これまで通勤に費やしていた毎日往復1.5時間が突如として可処分時間としてカウントされることになったのみならず、「起床してひとまず勤務開始、2〜3のチャットを返したら顔を洗い、洗濯。カメラオフのオンラインMTGに出席しながら朝食」とか、「勤務終了後、夕食を食べてまったりしていたら、メールの返信忘れを思い出した。PCを開いてメール送信だけを行い再び勤務終了」といった極めて柔軟な動きが取れるようになった。
通勤含め10時間近くを毎日無意味に拘束されるオフィス勤務にはもう二度と戻りたくない。
この三年間、世界はコロナを中心に回っていた。政治や経済は当然のこと、社会活動や家族の営み、個人の価値観に至るまでがこの未曾有の疫病に激しく揺さぶられた。
コロナ禍の初期には「ソーシャルディスタンス」が合言葉となり、これまで当然と疑わなかった人と人の近距離での接触が絶対悪となった。
他人との物理的な接触、特に人混みに対する忌避感が急速に醸成された。
飲食店は休業を余儀なくされ、観光地は軒並み閑古鳥が鳴き、興行という興行が中止になり、ついにはオリンピックが延期となった。
全国民に微妙にサイズが合ってないマスクが届き、(結局、その旗振りをした首相を除き、あのマスクを着用している人を見たことがない)、その後10万円が振り込まれた。
公衆衛生と経済停滞のチキンレースの中で、緊急事態宣言が出て、まん防が出て、東京アラートで東京タワーの色が変わった。GoToが始まって終わり、ワクチン接種と副反応は国民の共通体験となった。そして、そのすべてで国民を巻き込む大論争が展開された。
毎週のように状況が変わり、トピックが移り変わる状況には飽きることがなかった。
他にも、欧米諸国での大混乱や中国のゼロコロナ政策を対岸の火事的に眺めることや、未だ謎めいている発生源やそれにまつわる陰謀論の百花繚乱など、不謹慎ながら楽しんでしまったトピックは尽きない。
無論、COVID-19という疾病がなくなるわけではないし、現に今でも着々と感染者は出ている。これからも残り続けるだろう。
ただ、人類史に確実に残るであろう「コロナ禍」というタームは終わる。長かった非日常が終わり、日常が戻ってくる。
それ自体は歓迎すべきことでありまったく異論はないのだけど、一抹の寂しさがあることもまた事実であり、2023年5月6日時点の思いとして増田に残しておく。コロナ禍は楽しかった。
Made in Chinaはもはや当たり前なので、Designed in China製品で良かったものを上げる。
1. キーボード nuphy air96
中華キーボードといえばkeychronだが、それではないnuphyというメーカーのロープロファイルのフルサイズメカニカルキーボード。
音もそこまで大きくなく、ロープロファイルなのに打鍵感も良く大変満足。
フルサイズなのに700gくらいなので出社する時に持ち歩いてもギリ気にならないので、ハイブリッドワークのお供になっている。
マイナス点としては、技適問題はあるので無線機能殺して有線で使うしかないことくらい。(テンキー要らないって人なら技適通ってるair75ってテンキーレスのキーボードがある)
あともうひとつ、気になるというか心象的によくないと感じたのは、nuphyのキーボードが良いとレビューしているYouTuberやキーボードオタクそれぞれに10%オフクーポンを発行していて非常にステマくさいところ。
後発としてはたとえステマっぽくてもこれくらいPRしないといけないのだろうが、10年前ケンモメンだった俺だったら絶対買わなかっただろう。
2. ヘッドホン hifiman sundara
開放型の平面磁界駆動ヘッドホン。インピーダンス低めだが平面磁界駆動は鳴りにくいのでアンプがあった方が良い。
音質はあまり詳しくないが、値段(35000円くらい)に対しては良い音なのではないだろうか。
中華クオリティを感じたのは対応しているはずのバランスケーブルを奥まで差すと音が鳴らなくなり、少し半差し気味にしないといけないところ。(これに関してはリケーブル側の問題の可能性もあるのでなんとも言えないが)
開放型で軽量で長い間つけていても嫌な感じがなく、音も悪くないので良い買い物だったと思っている。
まぁ、これは説明不要でしょう。最近燃えたらしいけど、他の中華製品と比べたら安心感ある。
4. switchbotのアレコレ
switchbot以外を知らないため比較してこれの方が良いと言い切れないが、悪いものではないのは確か。
昨年の春から、京都の北のエリアに分譲地を買って、家族で住み始めている。
結婚して数年。子どもが大きくなってきて、アパートでは手狭になってきたし、旦那と私の給料も少し上がっていて、そろそろ時期なのではと思っていた。
シミュレーションでは将来が厳しい可能性もあったけど、思い切ってモデルハウス見学会に参加して、分譲予定の土地を見て、空気がおいしそうなところだったので買うことにした。
今では後悔している。
もっと別のエリアにすればよかったと思うし、情報集めが不完全だったとも感じてる。周辺に公共施設があるとか、道路網の充実とか、ショッピングよりも大事なことがあった。わかってなかった。
近所にどんな人が住んでいるか。異常な人間が住んでいることを把握していればよかった。不動産会社に苦情を言ったけど、「重要事項説明書に書くことでもないですし、もし書いたら人権侵害になりますから」とのこと。大手だと思ったから信用してたけど、そんな甘いものでもないよね…。
愚痴らせてほしい。おととしの秋だった。思えばラストチャンスだったかもしれない。新家の建築中のこと。不動産会社から連絡があった。「大工さんから情報提供がありまして。夜に、建築中の宅内で翌日の作業準備をしていたところ、ドアがいきなり開いて男が入ってきました」とのこと。男は大工さんと鉢合わせると逃げていったらしい。
まだドアを据え付けたばかりで、電気が通っておらず防犯機能がオフになっていた。警察に言っても捜査は進まない。一応家主には連絡すべきということで、不動産会社が連絡してきた。
旦那には当然報告した。不安そうにはしてたけど、「もう契約したから。不吉だけどこういうこともあるよ」と他人事のような反応だった。ちなみに、ほかのお家は大工さんがすでに引き上げており、鍵がかかっていて無事だったらしい。
今の話をしたい。
結論をいうと、おそらく建築中の家に入ってきた男に苦しめられている。去年の春に越してきてすぐ、近隣の家の人が挨拶にきてくれた。京都市の人って冷たいイメ―ジがあったけど、向こうから来てくれて、親切に暮らしの案内をしてくれた。見知らぬ土地だったので正直ありがたかった。
でも、その折、新しくできた新築家屋をずっと見つめてくる男に気が付いていた。向かいに住んでいる和風の家に住んでいる男だった。道路を挟んで男の家の敷地から見詰めてくる。おそらくだけど仕事はしてる。朝の時間に茶色いツナギ?ていうのあれ……で出かけていくところを見たことがある。
正直気持ちが悪かったけど、いろんな地域にいろんな人がいるだろうしということで我慢していた。いつかはなくなることを信じて。
日曜日に子どもを庭で遊ばせている時だった。向かいの家の二階の窓が開いた。すると、その男がひょっこり身を乗り出した。その男は、ちょっと周りを見渡すと、二階の窓からそのまま……おしっこを始めた。ごく普通に始めた。最初、なにが起きているのかわからなかった。
とにかく、明らかにそれだった。言葉にもしたくない。うちの子どもがそれに目をやっていて、私の方を見て「あれ」と言い始めるところで、手を引っ張って家の中に入った。
なにが起きているのかわからなかった。もう嫌だった。「選択を間違えた」とその時感じた。私は間違えたんだ。なんでもっと、新居を慎重に選ばなかったんだろう。
ほかにも異常な行動はあるんだけど、あとひとつだけ言わせてもらう。
8月だった。日曜日。夫の同僚が集まって庭先でバーベキューをしていた。私も参加させてもらって、賑やかな雰囲気で楽しんでいた。
あれのことが頭をよぎって、向かいの家の二階を見ることが何度かあった。でも、その気配はなかった。あの男が二階から小便をするところは、この時点で3回は観ている。
もし、あれが出てきたらどうしよう。みんなに観られたらどうしようと不安になっていた。
時間が経って何事もなく、安心した気分でバーベキューを楽しんでいたけど突然だった。「おい、お前ら!!」という声が後ろから聞こえた。
あの男だった。道路を超えてうちの敷地内に入ってきたところで旦那が静止した。覚えてる限りでは、
「なんですか、あなた?」
「あの家に住んでます。バーベキューくさいんでやめてくれる?」
「あの家の二階に住んでます。やめてください」
「いや、どう見ても離れてるでしょ。くさくないでしょ」
「ほな警察よぼか!!」
もう辛いので、これくらいにさせてほしい。
その後、本当に警察が来た。あいつが家に引っ込んだ後で通報したみたい。
お巡りさんは、「ご近所トラブルは基本的に関わらないが~うまくやらないと刑事事件に発展して~」みたいなやり取りを旦那としていた。
それからも嫌な事が続いた。何度も。何度も。何度も。
あの男がいる、向かいの和風の家の世帯主との話だったら、とっくにしてる。まったく効果がなかった。漫画で見るような嫌な京都人の象徴みたいなキャラのおじさんだったよ。あの男があと30年経ったら、ああなるんだって感じがした。
どうしようもない状態だ。どうすればいいんだろう。ノイローゼに近くて、仕事の方もうまくいかなくなってきた。
しかも、あいつ以外にも変な人が近所にいる。路線バスの中で自分が車掌になったみたいに振る舞う人とか、信号が変わって横断歩道を渡る時に、ちょっとでもフライングすると大声で怒鳴る人とか……。
アドバイスがほしいとは言わない。私達の問題だから。自分で解決しないといけないんだと思う。
同じ分譲地を買った人も、あいつの言動には腹を据えかねている。今度は行政に相談をしてみる。いや、その前に町内会長さんかもしれない。近所の人に相談したら「間を繋いであげる」って言ってた。
近所のお爺さんが言うには、あの男は高校の用務員をしているらしいとも聞いた。あの親も元公務員で。だとしたら、職場を突き止めて役所に苦情を伝える手もあるのかもしれない。
情報提供しても意味は薄いと思うけど、京都市の北の方の、佛教大学と立命館大学の間くらいの地域になる。地図を見ながら書いてるわけじゃないので、体感の部分はあるけど。同じ失敗を繰り返す人をゼロにしたい。
先達として注意を呼びかけて終わりにする。立地よりも大事なのは、近所にどんな人が住んでいるかだ。今回の失敗を肝に銘じたい。とはいえ、次回がきてもやり切れる自信がない……。
‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐
少しずつ読ませていただいてます。
ポカミスで時系列が変になっていて直しました。住みはじめたのが去年の春先です。
本当読みにくくなってごめんなさい。
A「
私は〈良識ある男女として、差別全般、特に性的指向や性同一性に基づく差別を拒絶します。文化的な意識と普遍的人権の間に緊張がある場合には、人権を優先させ〉ることを誓います。これからの発言もそうです。
最近はポリコレ遵守強調の表現がキツすぎる。今日日、誰も差別に躍起になんてならないのに、やってますよアピールが強すぎて逆に反抗心が芽生えてしまう。
作品の根幹まで捻じ曲げるのはやりすぎだ。クドいんだよ。
言わなくてもわかるよ、お前が差別なんてしないのは。
」
B「
差別主義者だ!
」
A「
〈良識ある男女として、差別全般、特に性的指向や性同一性に基づく差別を拒絶します。文化的な意識と普遍的人権の間に緊張がある場合には、人権を優先させ〉てます?
」
B「
申し訳ありません、〈良識ある男女として、差別全般、特に性的指向や性同一性に基づく差別を拒絶します。文化的な意識と普遍的人権の間に緊張がある場合には、人権を優先させ〉てます。
」
〈良識ある男女として、差別全般、特に性的指向や性同一性に基づく差別を拒絶します。文化的な意識と普遍的人権の間に緊張がある場合には、人権を優先させ〉
https://www.unic.or.jp/activities/humanrights/discrimination/lgbt/
そのように感じたことは一度もありませんし
なおワイは在宅でタブレットでしてるで
タブレットでも出来るもんか?と思ったが今の職場はクソみたいに会議が多くてカメラ常時オフなので
余裕でしたわ
2022-12-12
■会議多すぎる(´;ω;`)
会議が少ない日で4時間、多い日で7時間、基本的には5時以上はある
なお、別に部長でも、大手SIのSEでも、大手ベンダーのマネージャーでも、人材会社の人材営業・コーディネーターでも無い模様
どう考えてもおかしい
というかWEB会議ってキーマンへお仕事してますよアピールの報告会だと思っていたので、
でも女性もオフの日にスーツ着て過ごしていいものか、なんだぜ…?
「女性らしさを損なわず、かと言って入学式のお母さんにもならない、ちょうどいい感じのオフの日スーツをいい感じの値段で…」なんて初心者にしては注文が過ぎるように思えてしまってな。
先日、アシックスストアで足の測定をしてもらったところ、足囲が細く、かかとがデカいという結果だった。
今までスニーカーの紐をどんなにキツキツに締めても、フィットする感じがなかったのは、足の形が一般的な形でなかったからなのか…と妙に納得した。
同様にユニクロのカーディガンを愛用しているものの、今ひとつ体型にフィットしないな、と感じていたが、これも他の部位と比べて、肩幅が広いため、合っていないのだと確信した。
かつては自分は太っているから、いまひとつファッションが決まらないのだと思っていたが、小太り→やや普通くらいにまで体重を落とした上でまだ見栄えがしないというのは服の選び方を間違えている可能性にやっと気づいた。
確かにスーツを着ている時はやたらと人に立ち姿を褒められたので、そういう格好を毎日すればいいのかもしれない。ただオフの日にまでスーツを着るのは面倒だ。
ままならんものよ。
そう思っている貴方!
何故なら供給過多によって「好きなシチュ」×「好きな外見」の組み合わせで絞っても選び放題だからですよ!
もちろん同じ監督のAVであっても女優や男優によって全く毛色が変わってしまいます!
シチュエーションモノも一作目と二作目で方向性が変わることは多いです!
エロ漫画家もロリと巨乳を両方描く人もいるし竿役のキャラ造形が時期によってぜんぜん違うこともあります!
一周回って今はジャケ買いで直感を信じたほうが打率が高くなってきているんですよ!
なろう小説がタイトルで中身全部言ってしまう流れを作りましたよね?
アレが今やあらゆるジャンルに伝搬しているんです!
ジャケットと中身がどこまで一致させられるかが勝負の時代です!
何故か分かりますか?
ちょっと違うだけで羊頭狗肉扱いされてレビューが凄いことになるからです!
今の人はみんなレビューみて買ってるから基本的にレビューが下がったらヤバイです!
それ半分もあってないですよ!
DLゲーの世界なんて99%オフで1000本売ってから値段を戻すのは基本戦略ですから!
そこから発展して最初一ヶ月だけ90%セールとか堂々と言ってるサークルも増えてますからね!
違いますよ?
個人サークルであっても中の人の性癖がコロコロ変わったり中の人がバンドメンバーみたいにコロコロ変わりますから!
あー……まー……本音を言うとね……サンプル見てそれで決めるんですね。
サンプルは本編の500%の出力を誇るのは知られていますが、逆に言えばサンプルの20%の質なら期待していいってことなんで……。
それでね……サンプルのクオリティに0.2をかけて量と値段を考えてポチるか決めるんですよ……。
そうね……昔から変わってなかったわ……。
https://arxiv.org/pdf/2304.10466.pdf
試行錯誤によって方針を学習する深層強化学習アルゴリズムは、環境と積極的に相互作用することによって収集された限られた量のデータから学習しなければならない。多くの先行研究が、データ効率の良いRLを実現するためには適切な正則化技術が重要であることを示していますが、データ効率の良いRLにおけるボトルネックの一般的な理解は不明なままでした。その結果、すべての領域でうまく機能する普遍的な技術を考案することは困難であった。
本論文では、非定常性、過剰な行動分布シフト、オーバーフィッティングなどのいくつかの潜在的な仮説を検討することにより、サンプル効率的な深層RLの主要なボトルネックを理解することを試みている。
強化学習ってよく知らない
我々は、状態ベースのDeepMind control suite(DMC)タスクについて、制御された体系的な方法で徹底的な実証分析を行い、遷移の検証セットにおける高い時間差(TD)誤差が、深いRLアルゴリズムの性能に深刻な影響を与える主犯であり、良い性能をもたらす先行手法は、実際、検証TD誤差を低く制御することを示した。この観察から、ディープRLを効率化するための強固な原理が得られる。すなわち、教師あり学習の正則化技術を利用することで、検証TD誤差をヒルクライムできる。
誤差を減らすのがDeepLearningだけど、それが時間差なのか。
我々は、検証TD誤差をターゲットとするシンプルなオンラインモデル選択法が、状態ベースのDMCとGymタスクにおいて効果的であることを示す。
1 はじめに
強化学習(RL)法は、大容量の深層ニューラルネット関数近似器と組み合わせた場合、ロボット操作などのドメインで有望視されている(Andrychowicz et al、
2020)、チップ配置(Mirhoseini et al.、2020)、ゲーム(Silver et al.、2016)、データセンターの冷却(Lazic et al.、2018)。アクティブなオンラインデータ収集の単位ごとに費用が発生するため(例.
実際のロボットを動かす、シミュレーションによるチップ評価など)、限られた経験量でも効率的に学習できる、サンプル効率の良い深層RLアルゴリズムを開発することが重要である。このような効率的なRLアルゴリズムの考案が、近年の重要な研究課題となっています(Janner et al、
2019; Chen et al., 2021; Hiraoka et al., 2021)。
原理的には、オフポリシーRL法(例えば、SAC (Haarnoja et al., 2018), TD3 (Fujimoto et al., 2018), Rainbow (Hessel et al., 2018))は、データ収集のステップごとに多くの勾配ステップのポリシーと値関数を改善することを可能にするため、良いサンプル効率が得られるはずです。しかし、このメリットは実際には実現できないようで、1回の学習ステップを多く取りすぎることでを収集した各遷移は、多くの環境において実際にパフォーマンスを害する。過大評価(Thrun & Schwartz, 1993; Fujimoto et al., 2018)といったいくつかの仮説、非定常性(Lyle ら、2022)、またはオーバーフィッティング(Nikishinら、2022)が根本的な原因として提案されている。
これらの仮説に基づき、より多くの勾配ステップを持つオフポリシーRLを可能にする方法として、モデルベースのデータ増強(Jannerら、2019)、アンサンブルの使用(Chenら、2021)、ネットワークの正則化(Hiraokaら、2021)、再生バッファを維持しながらRLエージェントをゼロから定期的にリセット(Nikishinら、2022)などのいくつかの緩和戦略が提案されている。これらのアプローチはそれぞれサンプル効率を大幅に向上させるが、これらの修正の有効性は(これから示すように)タスクに大きく依存する可能性があり、根本的な問題やこれらの手法の挙動を理解することはまだ未解決である。
ICLR 2023で会議論文として発表 本論文では、より多くの勾配ステップを取ることが深層RLアルゴリズムの性能悪化につながる理由、ヒューリスティック戦略が役立つ場合がある理由、そしてこの課題をより原理的かつ直接的な方法で軽減する方法を理解しようとするものである。
最近提案されたタンデム学習パラダイム(Ostrovski et al., 2021)を用いた実証分析を通じて、TD学習アルゴリズムは、学習の初期段階において、すぐに高い検証時間差(TD)誤差(すなわち、保留した検証セットにおけるQ-ネットワークとブートストラップターゲットの間の誤差)を得る傾向にあり、悪い最終解をもたらすことを明らかにする。
このホワイト ペーパーでは、深い RL アルゴリズムで勾配ステップを増やすとパフォーマンスが低下する理由、場合によってはヒューリスティック戦略が役立つ理由、およびこの課題をより原則的かつ直接的な方法で軽減する方法を理解しようとします。 最近提案されたタンデム学習パラダイム (Ostrovski et al., 2021) を使用した実証分析を通じて、トレーニングの初期段階で、TD 学習アルゴリズムが高い検証時間差を迅速に取得する傾向があることを示します。
(TD) エラー (つまり、保留された検証セットでの Q ネットワークとブートストラップ ターゲットとの間のエラー) が発生し、最終的なソリューションが悪化します。 さらに、データ効率の高い RL 設定のために考案された多くの既存の方法が、検証 TD エラーを低く制御する限り有効であることを示します。
この洞察は、深い RL を効率的にするための堅牢な原則を提供します。データ効率を向上させるために、検証 TD エラーを山登りすることによって、特定の問題に最も適した正則化を選択するだけです。
この原則は、オンラインRLトレーニングの過程で特定のタスクに最適な正則化戦略を自動的に発見しようとする単純なオンラインモデル選択方法の形で実現され、これを検証TDエラーを使用した自動モデル選択(AVTD)と呼びます。
AVTD は、各エージェントが異なる正則化を適用する共有リプレイ バッファーで、いくつかのオフポリシー RL エージェントをトレーニングします。 次に、AVTD は、環境内で動作するための検証 TD エラーが最小のエージェントを動的に選択します。
この単純な戦略だけでも、多くの場合、さまざまな Gym および DeepMind コントロール スイート (DMC) タスクで個々の正則化スキームと同様のパフォーマンスを発揮するか、それを上回ることがわかります。 重要なのは、パフォーマンスがドメイン間で大幅に異なる可能性がある以前の正則化方法とは異なり、私たちのアプローチはすべてのドメインで堅牢に動作することに注意してください。
要約すると、私たちの最初の貢献は、サンプル効率の高いディープ RL のボトルネックの実証分析です。 これらの課題の背後にあるいくつかの潜在的な説明を厳密に評価し、トレーニングの初期段階で高い検証 TD エラーを取得することが、データ効率の高いディープ RL のパフォーマンスを阻害する最大の原因の 1 つであることを観察します。 私たちの 2 番目の貢献は、単純なアクティブ モデル選択法 (AVTD) です。これは、検証 TD エラーの山登りによって正則化スキームを自動的に選択しようとします。 多くの場合、私たちの方法は、さまざまな Gym および DMC タスクで、最適な個々の正則化スキームに匹敵するか、それを上回ります。