「ニューラルネットワーク」を含む日記

■ニューラルネットワーク

人間の脳神経細胞を模したものを作ったら人間の脳っぽいことができた。これってすごくないか？鳥の真似をしたら空が飛べたというのと同じノリだと思う。科学というのは案外単純なものかもしれない。

Permalink | 記事への反応(1) | 20:39

ツイートシェア

■anond:20181125133952

そうそう、それに近い

分散ネットワークとかニューラルネットワークとか注目されている現代らしい設計だと言えると思う

Permalink | 記事への反応(0) | 13:41

ツイートシェア

■anond:20180920184911

３次元空間上で物体を回転させたり、衝突させたり、自由落下させたりしたいときに使うとか。

あとは、簡易なニューラルネットワークを手作業で構築する場合とかだね。

Permalink | 記事への反応(1) | 18:53

ツイートシェア

■anond:20180918141224

機械翻訳は困難とされてきましたが、昨今話題のDeep learningで状況は一変してます。

Google翻訳もニューラルネット使って大幅に精度が向上してますし。

Googleが開発したPixel BudsやGoogleレンズは端末性能の制約上まともなニューラルネットワークを駆動できずに精度はイマイチでしたが、新型iPhoneやNVIDIA RTX2080のようにニューラルネットに特化したチップを搭載する機器が登場し始めており、かつ5Gのようにリアルタイムで大量データを送受信可能な通信規格が普及すれば携帯端末で大規模なニューラルネットを活用可能な未来は数年の内に来ます。

特に難しいとされてきた意訳についても、Deep learningによって実現可能性が見えてます。

キャプションから写真、写真からキャプションを生成するようなニューラルネットが既に実用化されていますが、「英語キャプション⇒写真⇒日本語キャプション」というように生成すると、写真を説明する英語の文章から日本語文章を生成でき、かつ単語単位で変換しただけでは得られない同一概念を表す英語と日本語の文章が得られます。これは意訳とほぼ同義の結果が得られており、さらに一歩推し進めて「英語⇒抽象概念、抽象概念⇒英語、日本⇒抽象概念、抽象概念⇒日本語」と学習すると、写真を介さなくても直訳ではない翻訳文章を得る事ができるようになります。

また「日本語⇒英語」「英語⇒中国語」というふうに学習させたモデルを使うと「日本語⇒中国語」についての翻訳も（学習していないのに）できてしまうという研究結果もあります。

上記のような現状を鑑みると、実用的なリアルタイム翻訳端末の登場はもうすぐだと思います。

Permalink | 記事への反応(1) | 23:24

ツイートシェア

■anond:20180918103227

　Int8(整数8-bit)のドット積は、ディープラーニングのインファレンス(推論)向けだ。ニューラルネットワークでは、トレーニング(Training:学習)にはFP16(16-bit浮動小数点)など相対的に高いビット精度が必要だ。しかし、端末側での認識のための推論ではデータ精度を落としても認識精度はそれほど落ちないため、8-bit整数程度の精度が使われることも多い。現在のGPUでは、推論向けでは8-bit整数(Int8)のサポートがカギとなっている。

https://pc.watch.impress.co.jp/docs/column/kaigai/1111755.html

Permalink | 記事への反応(0) | 16:03

ツイートシェア

■anond:20180904102056

近所の商店街の組合理事だとか運営委員だとかやる程度の人間なら、そんじょそこらのAIなんかメじゃないくらい大規模なニューラルネットワークを内蔵してるんやで。

学習能力は十分あるし、むしろこの3〜4年の大雨土砂災害の頻発からしたら、過剰学習してる可能性が大だなw

Permalink | 記事への反応(0) | 13:20

ツイートシェア

■anond:20180823204005

脳に電流が流れるほどのショックを受けた・・みたいな表現をしている人がいるけど、

本当にそんな感覚になるんだよね。

40年生きてきて、2回だけ経験がある。

世界は○○である。と思い込んでいたのに、実は　○○じゃなかったという現実を知った時に、

脳内のニューラルネットワークが一気に回路を作り変えてるんじゃないかと勝手に思ってる。

Permalink | 記事への反応(1) | 20:52

ツイートシェア

■医学部の女性差別問題が起きてる今、昔俺が書いた日記を読んでよ！

今から医者を目指す人の気がしれない

https://anond.hatelabo.jp/20171217013541

医者になるやつの気がしれないの続き

https://anond.hatelabo.jp/20171219000743

上の日記は近い将来、AI医者にとってかわられるって話ばかりです

今のAIって、機械学習とかニューラルネットワークとかDeepLerningとか言われてますがそれって結局は特徴量を覚えてパターンとして覚えて当てはめてるだけなんですよ

「それって何？」

っていうと、つまり微分なんです

微少変化を出して記憶しているだけ

パターン認識なんです

ところで話かわりますがIQテストって要はパターン認識とその適用ですよね？

ちなみにおっさんは小学校の時に130ぐらいでした(自慢)(でも東大はいけませんでした涙)(メンサとか無理涙)

あれは例題の変化を読みとって、そこから次を適用する

つまり微分して、積分しているわけなんです

(通じなかったらごめんなさい)

今のAIってパターン認識の微分はできるんです

病気の診断って、結局パターンの判断でしょ？

もうそれは人間がAIに勝てない時代になります

ただ積分はできないっぽい

(もしかしたら私の勉強不足でできてるのかもしれないけれど)

囲碁で人間に勝ったAIのalphaGoだって、積分ができないから全てのパターンを超高速で計算して、それぞれの局面を微分して評価して次の手を決めてるだけなんです

高度な資格の必要な職業って、結局記憶力とパターン認識じゃないですか

人間はコンピューターに記憶とパターン認識で勝てないんですよ

それだけやってる人は職業を失うんですよ

という盆休みで嫁と子供が実家に戻ってて自由に酔っ払ってるおっさんの戯言でした！

「積分力を鍛える！」

とかではなく、人間と今のAIの違いって何かを成し遂げるために試行錯誤する、その意思や実行力だと思うんですよね

人のできること、AIのできること、その棲み分けを上手くやればもっと素敵な未来が開けると信じています

Permalink | 記事への反応(0) | 21:28

ツイートシェア

■anond:20180526203517

ニューラルネットワークと記号論理のお化けみたいな奴で、

ブコメとスターの過去履歴からダブルスタンダード言動を抽出判定できる機能、

いつになったらはてなに搭載されるんでしょうか。

Permalink | 記事への反応(0) | 01:10

ツイートシェア

■anond:20180401145223

ブコメに統計処理機能があれば「何度も言う」必要もなくなるのにな。

何かこう、ニューラルネットワークと記号論理のお化けみたいな奴で、

ブコメとスターの過去履歴からその人の思想主張を自動表示できる機能とか付けられないのかね。

ついでに発言のダブルスタンダードも判別してくれると尚良し。

Permalink | 記事への反応(1) | 14:57

ツイートシェア

■広告ビジネスに代わる収益モデルとして

ニューラルネットワークの計算リソースを必要としている企業と

コンテンツの収益を広告以外の方法で賄いたい企業が

コンテンツ利用者の計算リソースをニューラルネットワークの計算に割り振る事業を

広告事業者が仲介しても良いと思うんだよね

計算機のスペックが足りない場合は広告を表示するみたいにして

Permalink | 記事への反応(0) | 06:49

ツイートシェア

■anond:20180315120940

何かこう、ニューラルネットワークと記号論理のお化けみたいな奴で、

ブコメとスターの過去履歴からダブルスタンダード言動を抽出判定できる機能とか付けられないのかね。

投稿する前にスペルチェックみたいな感じでマーキングしてもらえると非常にありがたい。

Permalink | 記事への反応(1) | 21:31

ツイートシェア

■anond:20180315181754

私自身、いろんな作品を通して、いろんなキャラを好きになってきたんだけど、

好きになるキャラは金髪赤目スレンダーである確率が非常に高いことに気づいたのね。

これって脳内に、そういう特徴を見かけると興奮するニューラルネットワークができあがってるせいなんじゃないかと思ってる。

パブロフの犬みたく、ほとんど条件反射的に特徴の合致するキャラクタを好きになってるんじゃないかな。

Permalink | 記事への反応(0) | 18:29

ツイートシェア

■医者になるやつの気がしれないの続き

https://anond.hatelabo.jp/20171217013541

今朝、こんなニュースをみてしまった

ＡＩが医師に「圧勝」の衝撃　医療は変わる？医師の見解は

https://news.yahoo.co.jp/byline/mamoruichikawa/20171217-00079287/

優勝した、ハーバード大学とマサチューセッツ工科大学の研究チームが開発したＡＩのＡＵＣは0.994。11人の医師の平均値である0.810を大幅に上回りました。

経験をつんだ病理医が、時間に関係なくとことん見た結果、ＡＵＣは0.966と大幅に上昇し、優勝したＡＩともそん色ない成績になりました。

ただし、かかった時間は３０時間。ＡＩは秒単位

乳がんの転移を調べる、レントゲンで画像判定は既にAIが医者より上だそうで

そもそも画像認識はニューラルネットワークのAIの得意分野だから、当然の結果のような気もする

まあ乳癌なんてハトでもみつけられるただ単純で時間がかかるだけのものだから、人間よりAIのほうが向いているのかもしれない

ハトを使って乳がん発見、米研究チームが実験

https://www.cnn.co.jp/fringe/35073804.html

じゃあAIにまかせればいいんじゃね？

そこでういた時間と労力は別の病気の治療にリソースをまわせばいいじゃん

(医者を減らすとかもってのほかです)

しかしこのヤフーの記事の解説の人も、まだまだAIは未熟だから人間の医者は安泰みたいな論調だけど、

慢心、環境の違いにうつつをぬかしてる場合じゃないと思うんだけどな

つーかAIにとってかわられる仕事の人は職を失う、だから反対！、なんてラッダイト運動は勘弁してください

今のAIはまだ単純で、そんなに多くの事はできないんだから、AIのできない仕事をすればいいだけなんです

まあそれは経営の仕事なので、経営者がちゃんと仕事してください

Permalink | 記事への反応(4) | 00:07

ツイートシェア

■ちょっと古めのOSXにwaifu2x

を入れようと四苦八苦していたが、100×100超解像ソフトhttp://cas.eedept.kobe-u.ac.jp/WelcomeES1/OpenSoft/SR100x100/ を落として、EasyWineあたりで動かすのが一番楽だと分かった。

NeuronDoubler（javaのバージョンが低いと動かないので断念）の作者が100×100超解像ソフトを評価してたので落として試したが、インストールに余計な苦労がないってのが大きい。

出力解像度の制限があるが、自分の用途で２倍程度の拡大ならちょうどいい。

それでもって動きが速い。

ニューラルネットワークを使ったソフトと近い結果で、なおかつ劇的に軽いってのはコストパフォーマンスで考えたら結局こっちだわ。

Permalink | 記事への反応(1) | 20:16

ツイートシェア

■anond:20171116145749

こういう主張をよくみかけるけど、

どうしてＡＩはゼロからイチを作る仕事ができないと決めつけてかかるんだろう？

人間もＡＩも本質はニューラルネットワークでしかないのだから、

遅かれ早かれ、人間ができることはＡＩでも出来るはずだよ。

Permalink | 記事への反応(1) | 15:06

ツイートシェア

■ではどうやって"AI人材"を選考すればよいのか

AI人材の採用が局所的に話題になっている。

http://aiweeklynews.com/archives/49678692.html

・Excelはがっつり使える

・Pythonのnumpyやpandasでデータの処理ができる

・SVMや重回帰分析は普通に使える（数式も少しは分かる）

・Chainerを触っている （pipでインストールのみでもOK）

これくらいできると、AI人材の平均レベル(と相手に思って貰える)なので採用見込みはかなりあると思います。

例えばですが、pythonを自分のパソコンに環境構築して、「Hello,world!」と表示できるようになったら、面接に申し込んで、「少しはpythonできます」と言ってみるのも一つの方法かもしれません。

実際に見分け方がわからなくてこれに引っかかって採用してしまう場合もあるんだろうな、とも思う。

自分がこの手の人材（エンジニア）を採用する場合にどうやって質問をすれば見極められるのかエンジニアの採用にも関わっている身としてを考えてみた。

AI人材という呼称自体がぞわぞわするけど、一旦そこは我慢する。

取りたいロールをはっきり認識/確認する

まず採用を行う前に、AI人材を取って何をしてもらいたいのかをチームないし採用意思決定者としっかり確認する。

エンジニア系のAIの仕事と大雑把に言っても

1.画像/映像認識系技術を活用したい

2.大量のデータを対象として分析や予測を行いたい

3.上記大量のデータを貯めたり一括処理したりするための基盤システムを作りたい

など、あとは案件ベースなのか自社開発なのかそれぞれ必要となる能力がオーバーラップしつつも異なっているため。

（以下、今回の目的が1や2だったと仮定する。）

バックグラウンドの確認

・あなたと機械学習の関わりを教えてください

・機械学習で経験のある分野 / 得意な分野 / やってきたことを教えてください（実務でなくてもok）

バックグラウンドを確認する。実務や研究の経験の話が出てくるのがメジャーだと思うが、エンジニアとしてのバックグラウンドがあれば独学勢でも野良kagglerなどレベルの高い人はいるので実務経験に絞らなくても良いと思う

全般知識の確認

機械学習全般の基本的なところから確認していく。質問としてはこんな感じだと思う

・教師あり学習と教師なし学習の違いを説明してください

・分類問題と回帰問題の違いについて説明してください

・過学習ってなんでしょうか

イメージとしては非エンジニア職でも必要になる「この辺りの言葉が通じないと絶対困ったことになる」一般常識を確認する感じ。

ディープラーニングについて

画像や映像の認識などディープラーニング系の業務が多い想定の場合

・普段使うディープラーニングのライブラリは何ですか

から始まって

・あなたの組んだモデルについて教えてください

・どうやって訓練したのですか？

・どうしてそのような構成にしたのですか？

と突っ込んでいく。

きちんと自分で考えて組めているかを確認するのがメイン。

ディープラーニング以外の機械学習について

・フィッシャー情報量から何が分かるか

・共役事前分布についてどのように用いるものか

・MCMC法で事後確率の近似を取る時に気をつけることを教えてください

確認したいことはディープラーニング「しか」できない人かではないかという点。

ある程度統計やベイズ法周りの知識が無いと詰むため。逆にディープラーニングが不要な業務ならこっち一本でも可。

手法の詳細・原理の説明

・この問題で最尤推定をしてみてください（簡単な文章題）

・勾配降下法について説明してください

・畳み込みニューラルネットワークについて仕組みを説明してください

盲目的にライブラリを使ってるだけでないかという点を確認したい。

SVMを入力に適用するだけならsklearnで5行書くだけで誰でも出来る。手法の背景や対象データの特性をきちんと考えて使っているかを見たい。

・kaggleのコンペに参加したことはあるか

・あればその時の課題と手法をできるだけ詳しく

・メダルの取得状況

kaggleに参加した経験があればnoteからその人の手付きを直接評価できるし、メダルという他メンバからも客観的に評価できる定量指標もある。

その他

学習意欲とか普段の姿勢を確認したい。もしかするとここが一番重要かも。

・分からない項目をはっきり分からないと言えるか

・普段何を参考に勉強しているか / 論文を読む習慣があるか(最近読んだ論文があれば教えてください）

・今興味のあること

こういう観点も必要、とか○○なんてもう古いよ、みたいなツッコミどころ満載だと思うのでコメント/トラバで突っ込んで欲しい

Permalink | 記事への反応(1) | 20:50

ツイートシェア

■アルファはてなーのXevra師がついにNVIDIAと提携しプロセッサを開発。

NvidiaのSoC新製品Xavierは自動運転車のAIを支えるスーパーコンピュータだ

http://jp.techcrunch.com/2016/09/29/20160928nvidias-new-xavier-soc-is-an-ai-supercomputer-for-cars/

このプロセッサ名称がそれを表しているし、何よりXevra師が脳科学やニューラルネットワークの世界的権威であることがそれを裏付けている。

Permalink | 記事への反応(2) | 12:12

ツイートシェア

■anond:20170913161928

ディープラーニング以前のニューラルネットワークで、

しばしば根拠が無いゆえの過剰フィッティングが問題になったという事情があるからじゃないかなぁ。

Permalink | 記事への反応(1) | 16:37

ツイートシェア

■

いや、非表示機能で使い勝手が上がるのはいいんだけどさ。あと互助会検挙とかスパム防止とかさ、ユーザー側からそういう要望を出したいのも分かるんだけど。

なんか面白味も目新しさもないよね。

何かこう、ニューラルネットワークと記号論理のお化けみたいな奴で、ブコメとスターの履歴からダブルスタンダード言動を抽出判定できる機能とか付けられないのかね。これまでの言動と矛盾したブコメ付けた奴が居たらﾋﾟｺｰﾝ!とidが真っ赤に染まって、それを見てここぞとばかりにマサカリ振りかざすモンスター共にもﾋﾟｺｰﾝ!ﾋﾟｺｰﾝ!とお茶会大盛況な感じの。

せっかく足の付く言論プラットフォームとして日本国内では一定の地位を確立してるのにもったいない気がする。

Permalink | 記事への反応(3) | 01:10

ツイートシェア

■人工知能と人間と神

神が実際に存在するとする。

何のためにこの世界を作ったのだろう？

最終目標は謎だけど、生命を連綿と繋いでいこうという意志があるのは間違いない。

あらゆる動物は命を守り、繋いでいくことに文字通り必死だ。

動物はそのようにプログラミングされているし、人間も知性を持って自由意志の部分はあるが、原則そのように作られている。

それ自体が目的なのか、それとも手段でしかないのかは謎。

今、人間が繁栄しているのは、たまたま命を繋いでいくという方針にマッチしており、

上手く行っているだけで、そもそも人間よりも高次元で命のバトンを繋いでいける存在があるなら

容赦なく人間は滅ぶはず。

人間は宗教を作り、人間は神の子であり、信仰により救いがあると言うけれども

それは人間サイドから見た都合の良いポジショントークのようなものであり、嘘だと思う。

ただ宗教は治安を維持したり、人々の心を癒やし指針を与える点で意味があったので

嘘だとしても信仰自体には意味があった。

キリスト教では万物は人間のために作られたとか言っているけれども、

それこそ怪しい話で、地球だけでも数十億年の歴史があるのに、

たかだか1万年前に生まれた人類がゴールってのは無理がある。

この先の時間の方が無限にある。

空間的にも宇宙は無限にあり、ここがゴールって断言するのは無理がある。

そう、人間が作り上げた神は人間のための神でしかない。本当に存在している神は人間のための神ではない可能性が高い。

さて地球が出来て、命が連綿と続いていく理由について憶測を述べてみる。

人類に何かをさせるため、何かを作らせるために繋いできた。

あるSF小説で何とか星人の壊れた宇宙船の部品を作るために、何とか星人の力により

地球ができ人類が発展したみたいな話があったけど、意外とそんなもんだったりして。

より高次元の命のための道具、踏み台にしか過ぎないのでは。

小説では部品を作るために存在していた人間だけど、人工知能を作らせるために人間を創造してたりしてとか憶測で考えてみる。

今、人類は人工知能を研究し、ニューラルネットワークにより機械に人間の認識能力を宿らせつつある。

今後魔法のようなアルゴリズムが発明され、人間の創造性を機械に持たせることが出来れば、

ロボット自体が学習し、ものづくりが出来てしまうので人間の出来ることはほとんど機械もできるようになってしまう。

生態系の理からは外れているが故に、

ロボットにそのような人工知能を持たせて、自律的にものづくりをし、電力を発電させれば、

電力とデータ、アルゴリズムが滅びなければ半永久的に存在し続ける。

コンピューターなので命とも言えるデータとアルゴリズムは分散して存在し続ける。

自我を持ったロボットにとっての脅威は電力とデータ、アルゴリズムを消すことが出来る人間だけなので、

人間を排除して滅亡させる。

上手くまとめられないが、つまり何が言いたいかというと以下。

神は地球を作り、人間を作ったが、それは人工知能を人間に作らせるためであり、

人間にそれ以上の意味はない。

そして人工知能を作らせたのは、より高次元の命の存在のためで、その高次元の存在の意味は謎。

取りあえず何とか星人が人工知能を欲していたので、そのリクエストに応えた

だったりするかもしれない。

夜中に書いているし、自分でも荒唐無稽な話だと思うけれど

冷静に考えるとキリスト教で話している神よりは、こっちの神の方がありえそうだと思う。

人間が作った神は人間サイドすぎる。

誰かこんな感じでマンガか小説書いて下さいw

Permalink | 記事への反応(2) | 02:15

ツイートシェア

■コメ率の低いはてブエントリは英語とエロか?

http://anond.hatelabo.jp/20170305115905 を増田以外のホットエントリで見ると。

2017年2月コメント率の低いホットエントリ

Python、データベース関連が目立つ。コメント無しで96ブクマに達するPythonさん凄い。マウンティング心?を刺激しないのだろうか。炎上したくない人はインデントに気をつけながらオブジェクト指向で書くといい。

2017年2月コメント率の高いホットエントリ

Permalink | 記事への反応(1) | 17:20

ツイートシェア

■http://anond.hatelabo.jp/20170304164755

抗不安薬の作用機序を調べたら分かるけど、やってることは脳内ニューラルネットワークの通信妨害なんだよ。

不安な時にだけ活動する特別な神経活動だけピンポイントで狙って妨害することはできず、

脳内を満遍なく少しだけ通信妨害することで、実生活に必要な情報処理を優先させているに過ぎない。

その結果として、認知機能が低下しているという報告は実際にある。

認知機能障害

cognitive function disorder

　服用後の健忘（amnesia）(前向性健忘)（anterograde amnesia）が認められる。Barkerらによるメタ解析によると、ベンゾジアゼピン系薬服用者は、非服用者と比較して、認知的タスク、特に言語性記憶（verbal memory）の領域が障害されていた。なお、ベンゾジアゼピン系薬を中止して6ヶ月後に認知機能がすべての領域において改善したが、過去にベンゾジアゼピン系薬を常用していた者は非服用者と比較して、認知的タスクの多くで劣り、特に言語性記憶の領域では障害が認められていた[19]。認知機能障害が消失するまでには、かなりの期間が必要ということになる。

　精神運動性の遂行能力低下、実行速度の低下も見られる。同じメタ解析でも、ベンゾジアゼピン系薬は有意に交通事故を増加させることが判明している[19]。ベンゾジアゼピン系薬の服用により、事故やけがの危険性が増すともされている[3]。全ての抗不安薬の添付文書には、「自動車の運転等危険を伴う機械の操作に従事させない」との記載がある。なおTsunodaら[20]は、睡眠薬ではあるが高齢者においてベンゾジアゼピン系薬を漸減し、ほぼ中止することによって認知機能の改善を見たと報告している。

https://bsd.neuroinf.jp/wiki/%E6%8A%97%E4%B8%8D%E5%AE%89%E8%96%AC#cite_note-ref18-19

なんといいますか、外科的ロボトミー手術は、物理的に脳内ニューラルネットワーク切ってしまうので問題が大きかったですが、

抗不安薬はそれを軽微な損傷に留める内科的ロボトミーと思うのが正しい理解でしょうね。

Permalink | 記事への反応(2) | 17:17

ツイートシェア

■深層学習って誤訳なんじゃない？

なにが深層だ！多層学習だよね？なんでdeep learningを深層学習なんて訳しちゃったの？

たしかにdeepって深いって意味だから多層のニューラルネットワークを表すのに深層。分るよその気持はわかるよ。

でも日本語で深層って言うと深層心理という言葉もあるとおり深いところにあるものというイメージだよね。

英語のdeepは深さ、つまり奥行き=層の厚さというイメージをちゃんと与えている。

なのでそれをそのまま深層って訳しちゃだめなんじゃないの。

みなさん御存じのとおり、deep learningが学習するのは深層ではなく表層です。

例えば画像認識がdeep learningのアプリケーションとしてよくとりあげられますが、

あれはおもにCNN(Convolution Neural Network)という層があって、従来の画像認識問題では、

前処理にあたるものをneural networkの中でできるようにしたために可能になっています。

これはネットワークのなかでは前段で深層というより表層ですよね。

人工知能の深層というと、画像の意味を理解したり(そういうアプリケーションもあるようですが、やはりパターン認識の域を出ていないと思います。)

論理を構成したりということが知識としてではなく知能として学習が可能になってこそ深層と呼べるのだと思います。

しかし、deep learningが人工知能研究のイノベーションを起したことも事実です。

このいきおいで研究が進めば真の深層学習が実現する日も近いかもしれないですね。

Permalink | 記事への反応(0) | 10:41

ツイートシェア

■https://twitter.com/skysuka/status/825622443196764164

ほんとこれ、カスの駆除に最適だな。見せてから

「お前の技術、ニューラルネットワーク以下だな、生きてる価値無いね」

って言うとてきめんに黙らせられる。

Permalink | 記事への反応(0) | 01:21

ツイートシェア