  |
はてなキーワード: 人工知能とは
計算機科学は、情報の理論的基盤から実用的な応用まで、広範な領域をカバーする学問です。以下に、計算機科学の主要な分野と、特にネットワークに関連するトピックを体系的にまとめます。
プログラミングパラダイム: 手続き型、オブジェクト指向、関数型、論理型など。
プロセス管理: CPUのスケジューリングとマルチタスキング。
機械学習アルゴリズム: 教師あり学習、教師なし学習、強化学習。
深層学習: ニューラルネットワークによる高度なパターン認識。
ネットワークは、情報の共有と通信を可能にする計算機科学の核心的な分野です。
OSI参照モデル: ネットワーク通信を7つのレイヤーに分割し、それぞれの機能を定義。
プレゼンテーション層: データ形式の変換。
アプリケーション層: ユーザーアプリケーションが使用するプロトコル。
TCP/IPモデル: 現実のインターネットで使用される4層モデル。
リング型: 各ノードが一方向または双方向に隣接ノードと接続。
IP（Internet Protocol）: データのパケット化とアドレッシング。
TCP（Transmission Control Protocol）: 信頼性のある通信を提供。
UDP（User Datagram Protocol）: 信頼性よりも速度を重視した通信。
ルーター: 異なるネットワーク間のパケット転送とルーティング。
IDS/IPS（侵入検知/防止システム）: ネットワーク攻撃の検出と防御。
VPN（仮想プライベートネットワーク）: 安全なリモートアクセスを提供。
SDN（Software-Defined Networking）: ネットワークの柔軟な管理と制御。
IoTプロトコル: MQTT、CoAPなどの軽量プロトコル。
SNMP（Simple Network Management Protocol）: ネットワークデバイスの管理。
ネットワークトラフィック分析: パフォーマンスとセキュリティの最適化。
ネットワークオーケストレーション: 自動化された設定と管理。
AIによるトラフィック最適化: パフォーマンスの向上と障害予測。
マイクロセグメンテーション: ネットワーク内部の細かなアクセス制御。
『コンピュータネットワーク』 アンドリュー・S・タネンバウム著
『ネットワークはなぜつながるのか』 戸根勤著
Coursera: 「コンピュータネットワーク」、「ネットワークセキュリティ」コース
edX: 「Computer Networking」、「Cybersecurity Fundamentals」
IETF（Internet Engineering Task Force）: ietf.org
IEEE Communications Society: comsoc.org
W3C（World Wide Web Consortium）: w3.org
中国の景気回復は、世界経済にも大きな影響を与えるため、非常に重要な課題です。様々な要因が絡み合っているため、一概に「こうすれば必ず回復する」という答えはありませんが、いくつかの重要なポイントを挙げてみましょう。
消費の活性化: 家計所得の増加、消費税の減税、サービス産業の振興、eコマースの更なる発展などが考えられます。
住宅市場の安定: 住宅ローン金利の引き下げ、不動産投資の促進、住宅価格の安定化などが重要です。
インフラ投資の拡大: 鉄道、道路、都市インフラ整備など、大規模なインフラ投資は、雇用創出と経済全体の活性化に繋がります。
国有企業改革: 国有企業の効率化を図り、民間企業との競争を促します。
知的財産保護の強化: イノベーションを促進し、企業の成長を後押しします。
不良債権処理: 金融機関の健全性を確保し、貸出を円滑化します。
貿易摩擦の解消: アメリカとの貿易摩擦など、対外関係の安定化は、経済成長に不可欠です。
一帯一路の推進: インフラ投資を通じて、周辺諸国との経済関係を強化します。
ワクチン接種率の向上: 集団免疫の獲得を目指し、経済活動の正常化を図ります。
少子高齢化が進んでいるため、労働力不足や消費の低迷が懸念されます。移民政策の見直しや、女性の社会進出を促進するなど、人口減少問題に対応することが重要です。
環境汚染や気候変動は、経済活動に大きな影響を与えます。環境規制を強化し、再生可能エネルギーの導入を進めるなど、持続可能な経済成長を目指すべきです。
人工知能やIoTなどの技術革新は、経済成長の新たなエンジンとなり得ます。研究開発投資を促進し、イノベーションを加速させることが重要です。
中国の景気回復は、日本を含む世界経済にも大きな影響を与えるため、今後の動向に注目が必要です。
間違い
https://milterm.com/archives/3836
米陸軍大学校の研究者チームは、開戦から10カ月間に関する公開情報の研究を行った。
チームはこの戦争から学んだ教訓を導き出し、米軍が現代戦の要求に適応するのを助けるために、この取組みを計画した。
1973年、米陸軍は戦略的変曲点（strategic inflection point）に直面した。
米軍のベトナム介入は米陸軍の士気を低下させ、ソ連製兵器を装備したエジプト軍がヨム・キプール戦争で米軍兵器を装備したイスラエル国防軍をほぼ撃破するのを目の当たりにした。
これに対して米陸軍参謀総長は、従来のソ連の脅威を中心に思考とドクトリンを方向転換させるため、米陸軍訓練ドクトリン・コマンドを設立した。
新組織は、1973年のヨム・キプール戦争を研究し、コンセプトを開発し、調達と装備品の変更を推進し、近代的な戦争を戦うための陸軍を準備する任務を負った。
今日、米陸軍は新たな戦略的変曲点に直面しており、米陸軍が次の戦いに備える根本的な方法を変える選択に迫られている。
国防組織が20年にわたる対テロ戦争から脱却し、大規模戦闘作戦の将来を受け入れ始める中、現在進行中のロシア・ウクライナ戦争は、戦いの性質の変化を浮き彫りにしている。
それは、高度な自律型兵器システム、人工知能（AI）、そして米国が第二次世界大戦以来経験したことのない極めて高い死傷率を特徴とする戦いの将来である。
ロシア・ウクライナ戦争は、米陸軍の戦略的マンパワーの厚みと、死傷者に耐え代替する能力において重大な脆弱性を露呈している。
米陸軍の戦地医療計画担当者は、戦死戦傷者、あるいは疾病やその他の非戦傷者に至るまで、1日当たりおよそ3,600人の死傷者が持続的に発生すると予想している。
ちなみに、米国はイラクとアフガニスタンでの20年間の戦闘で、約5万人の死傷者を出した。
大規模な戦闘作戦では、米国は2週間で同じ数の死傷者を出す可能性がある。
採用不足は戦闘兵科の分野で50％近くもあり、1973年には70万人、1994年には45万人いた即応予備は現在わずか7万6,000人しかいない。
この数では大規模な戦闘作戦中の死傷者の交替や増員はおろか、現役部隊の既存の空白を埋めることもできない。
つまり1970年代の志願制による兵力というコンセプトはその賞味期限を過ぎ、現在の作戦環境にはそぐわないということである。
大規模な戦闘作戦に必要な兵力を達成するためには部分的徴兵制に移行する必要があるかもしれない。
ウクライナ侵攻当初のロシア軍の作戦成績が予想外に悪かったにもかかわらず、同軍は初期の深刻な挫折から学び続け、西側の観測筋をいまだに驚かせるような方法で適応している。
わずか5カ月足らずの間に、30万人以上の非活動予備役要員と8万人以上の新規志願兵を動員訓練雇用するロシアの能力は、米国とNATO同盟国が過小評価していた戦略的兵力能力の重要さを示している。
簡単に言えば、ロシアは21世紀の戦いにおいても量（mass）が重要であることを示している。
国家の動員能力は、同盟国にも敵対者にも決意を伝える最も重要な方法のひとつである。
ウクライナの戦場は同等またはほぼ同等の相手との21世紀の高強度戦（high-intensity twenty-first-century warfare）の憂慮すべき致死性を浮き彫りにしている。
ウクライナの戦場から得られた最も重要な観察のひとつは、緊急時に既存の欠員を補い、死傷者を補充し、兵力構成を拡大するために、以前から訓練を受けた軍事要員を豊富に保持しておくことの価値である。
米国は、現代戦の現実を直視し、将来の同様の戦争に備えて、戦略的人材層の厚みを活性化させなければならない。
今日、米軍は採用の危機に直面している。軍務に就くことを希望しているのは、軍務年齢にある米国人のわずか9％であり、軍務に就く資格があるのはわずか23％である。
現状では、志願兵だけの米陸軍は米国の抑止力を維持するのに苦労しており、この軍種は大規模戦闘作戦（LSCO）が必要とする取組みを維持することはできないだろう。
長年の「ジャスト・イン・タイム」がサプライ・チェーンを弱体化させた。
米国が将来の大規模戦闘作戦に関与する場合、戦争に関与する国々はヨーロッパ製ではなく米国製兵器を使用する可能性が高く、将来の敵が補給線を危険にさらす可能性もあるため、ウクライナのように外部からの支援が可能かは不確かである。
マイクロチップや軍需品製造のような産業で事業の継続性を確保するためには、危機時に供給を制限したり競争者に売却したり米国に対抗して技術を使用したりする可能性のある国ではなく、自国か最低でもカナダのようなアクセスしやすく信頼できる同盟国の領土内で製造能力を維持しなければならない。
より多くの米国人が防衛インフラの仕事にアクセスできるようになって初めて、米国は大規模戦闘作戦シナリオにおいて自国と同盟国の両方に必要な兵站上の能力容量を持つことになる。
というのは、この先のことを誰も想像できてないだろ？
この先、っていうのは実際に人間より賢い人工知能が実用化されたり、
人間が出来る作業をすべて人間より優秀にこなせるロボットが出来たりしたあとのこと。
今とは全く様変わりした世界になるはずの未来、誰もこの先のことを想像できていない。
もちろんSF作品とかではそういう未来を描いているものもあるが何だかが変竹林だ。
例えると、電子メールがある世界なのにどうやって遠く離れた故郷の母親のもとに手紙を届けたらいいんだろう？と悩んでいるような主人公ばかりが出てくる。
米陸軍大学校の研究者チームは、開戦から10カ月間に関する公開情報の研究を行った。
チームはこの戦争から学んだ教訓を導き出し、米軍が現代戦の要求に適応するのを助けるために、この取組みを計画した。
1973年、米陸軍は戦略的変曲点（strategic inflection point）に直面した。
米軍のベトナム介入は米陸軍の士気を低下させ、ソ連製兵器を装備したエジプト軍がヨム・キプール戦争で米軍兵器を装備したイスラエル国防軍をほぼ撃破するのを目の当たりにした。
これに対して米陸軍参謀総長は、従来のソ連の脅威を中心に思考とドクトリンを方向転換させるため、米陸軍訓練ドクトリン・コマンドを設立した。
新組織は、1973年のヨム・キプール戦争を研究し、コンセプトを開発し、調達と装備品の変更を推進し、近代的な戦争を戦うための陸軍を準備する任務を負った。
今日、米陸軍は新たな戦略的変曲点に直面しており、米陸軍が次の戦いに備える根本的な方法を変える選択に迫られている。
国防組織が20年にわたる対テロ戦争から脱却し、大規模戦闘作戦の将来を受け入れ始める中、現在進行中のロシア・ウクライナ戦争は、戦いの性質の変化を浮き彫りにしている。
それは、高度な自律型兵器システム、人工知能（AI）、そして米国が第二次世界大戦以来経験したことのない極めて高い死傷率を特徴とする戦いの将来である。
ロシア・ウクライナ戦争は、米陸軍の戦略的マンパワーの厚みと、死傷者に耐え代替する能力において重大な脆弱性を露呈している。
米陸軍の戦地医療計画担当者は、戦死戦傷者、あるいは疾病やその他の非戦傷者に至るまで、1日当たりおよそ3,600人の死傷者が持続的に発生すると予想している。
ちなみに、米国はイラクとアフガニスタンでの20年間の戦闘で、約5万人の死傷者を出した。
大規模な戦闘作戦では、米国は2週間で同じ数の死傷者を出す可能性がある。
採用不足は戦闘兵科の分野で50％近くもあり、1973年には70万人、1994年には45万人いた即応予備は現在わずか7万6,000人しかいない。
この数では大規模な戦闘作戦中の死傷者の交替や増員はおろか、現役部隊の既存の空白を埋めることもできない。
つまり1970年代の志願制による兵力というコンセプトはその賞味期限を過ぎ、現在の作戦環境にはそぐわないということである。
大規模な戦闘作戦に必要な兵力を達成するためには部分的徴兵制に移行する必要があるかもしれない。
ウクライナ侵攻当初のロシア軍の作戦成績が予想外に悪かったにもかかわらず、同軍は初期の深刻な挫折から学び続け、西側の観測筋をいまだに驚かせるような方法で適応している。
わずか5カ月足らずの間に、30万人以上の非活動予備役要員と8万人以上の新規志願兵を動員訓練雇用するロシアの能力は、米国とNATO同盟国が過小評価していた戦略的兵力能力の重要さを示している。
簡単に言えば、ロシアは21世紀の戦いにおいても量（mass）が重要であることを示している。
国家の動員能力は、同盟国にも敵対者にも決意を伝える最も重要な方法のひとつである。
ウクライナの戦場から得られた最も重要な観察のひとつは、緊急時に既存の欠員を補い、死傷者を補充し、兵力構成を拡大するために、以前から訓練を受けた軍事要員を豊富に保持しておくことの価値である。
同等またはほぼ同等の相手との21世紀の高強度戦（high-intensity twenty-first-century warfare）の憂慮すべき致死性を浮き彫りにしている。
米国は、現代戦の現実を直視し、将来の同様の戦争に備えて、戦略的人材層の厚みを活性化させなければならない。
今日、米軍は採用の危機に直面している。軍務に就くことを希望しているのは、軍務年齢にある米国人のわずか9％であり、軍務に就く資格があるのはわずか23％である。
現状では、志願兵だけの米陸軍は米国の抑止力を維持するのに苦労しており、この軍種は大規模戦闘作戦（LSCO）が必要とする取組みを維持することはできないだろう。
長年の「ジャスト・イン・タイム」がサプライ・チェーンを弱体化させた。
米国が将来の大規模戦闘作戦に関与する場合、戦争に関与する国々はヨーロッパ製ではなく米国製兵器を使用する可能性が高く、将来の敵が補給線を危険にさらす可能性もあるため、ウクライナのように外部からの支援が可能かは不確かである。
マイクロチップや軍需品製造のような産業で事業の継続性を確保するためには、危機時に供給を制限したり競争者に売却したり米国に対抗して技術を使用したりする可能性のある国ではなく、自国か最低でもカナダのようなアクセスしやすく信頼できる同盟国の領土内で製造能力を維持しなければならない。
より多くの米国人が防衛インフラの仕事にアクセスできるようになって初めて、米国は大規模戦闘作戦シナリオにおいて自国と同盟国の両方に必要な兵站上の能力容量を持つことになる。
1.一般的に言われるAIは、狭義のAIすなわち完全自律自己成長型人工知能の事ではないよ
2.これをAIと認めないなら AI Act 筆頭に人工知能を対象とした規制は「生成AIはAIじゃないんで関係ないね」になるよ
3.「生成AI」はホニャララ生成モデルを包括した用語だから、当たり前に使ってる機能が実は生成AIに該当するという事もよくあるよ
1.テキストを入力したら入力通りの画像が生成表示されるText-to-Imageの様子を検索エンジンになぞらえただけのものだよ
2.本気で生成AIはAIじゃなくて検索エンジンだと思ってるのは君だけだよ
1.そういうのもあるし、そうじゃないものもあるよ
2.極端な話、個人のゲーミングパソコンで動く程度のAIはネットワーク不要だと思って差し支えないよ
3.ただ、ChatGPTのようなクローズドモデルはそもそもユーザーがモデル本体を自由に扱えないから、ネット環境がないと使えないよ
4.そうではないモデル、例えばLlamaはモデルが公開されているから、動かせる性能のコンピュータがあって生成環境が整っていれば使えるよ
1.今どきの生成AIはテキスト入力するやつだけじゃなくて色んなのがあるよ テキストは出力をガイドするために使う手段の一つだよ
例えばテキストの場合、テキストからテキストを生成するのはText-to-text、テキストから音声はText-to-speech、音楽はText-to-musicのように色々あるよ
画像を入力に使うものは大体Image-to-****って言うよ
4.最近は複数の形式を同時に処理できるマルチモーダルモデルも盛況だよ
1.特定の絵柄に寄せて生成された画像じゃない限り、元の絵師は存在しないよ
2.例えば特定の画家の絵柄で、その画家が描いたことのない表現Bを描かせたAIイラストは巷に溢れてるよね
同じように、誰とも言い難い絵柄でBを描けるよ
1.コラージュのようなものだと単純化するのはいいけど、実際はコラージュじゃない*から注意が必要だよ
*補足：『実際はコラージュじゃない』けど、「どう見てもコラージュにしか見えない」ものが生成される事はあるよ これは全ての生成物がコラージュだ、という話ではないよ
2.人間の学習とAIの学習は同じみたいな話だよ 概念に共通部分を見いだせる以上でも以下でもないよ
1.推奨はしてるけど限定ではないよ 研究目的を推奨してる理由はLaion 5B自体が最低限のフィルタリングしかしていない闇鍋だからだよ
2.Laion 5Bを使うとしても、普通はそこから目的に合わせてフィルタリングした別のデータセットを作成するよ
1.Laion 5Bは画像へのリンクとキャプション集で、画像は含まれてないよ
2.何十億もの画像へのリンクが含まれ、その中には著作物のリンクが大量にあり、CSAMにアクセスできるものも含まれていた という所までは客観的な事実だよ
1.CSAMの判定は日本で言う児童ポルノとはかなり差異があるよ
2.日本でエロ同人やエロ創作を頒布してるような作家の大半が逮捕されるくらいCSAM判定が厳しい国もあるよ
3.ここは日本だよ
1.多様なイラストを生成できるのは多様なイラストを学習しているからという理由が大きくて、それを「データセットのおかげ」と言うのは厳密には間違いではないよ
ただ「データセット」には画像以外のデータも含まれるから、これを言いたい場合は「イラストのおかげ」と言うのがいいよ
詳細が公開されている画像生成AIの場合、学習に使われた画像は初期に公開されたモデルが最も多いけど、学習している画像が減った最近のAIのほうが明らかに高性能*だよね
それは生成係と人間とを橋渡しする通訳係の性能向上や、学習の仕方の研究が進んでいるからだよ
*補足：何をもって高性能とするかは諸説あるけど、ここではプロンプト忠実度や表現力、質の高さなどを評価対象とするよ
1.その判断が出たアメリカでも、生成AI使ってるから著作権なしなんていう暴論は文章が読めない人しか言ってないよ
2.外国を持ち出すと、例えば中国ではテキストから生成したAI画像に著作物性が認められてAI画像の転載を著作権侵害とした裁判例が出てるよ
転載者が作者のクレジットを除去してたことで、氏名表示権の侵害も認められたよ
つまり調整と選択を人間が繰り返したAI画像は、AIを道具として使った人間による創作意図あり創作的寄与ありの著作物と認定されたということだよ
アメリカより中国の方が日本と近い判断基準で考え方にも合致してるから、日本でもAI画像に著作権があると見なすべきだよ
っていうことにもなるね
3.人間の手で自ら苦労して作った創作でも、最小限度の創造性や独自性がないと判断されて著作物性が認められない事もあるくらいケースバイケースなのが著作権だよ
4.どのAI画像は著作権で保護され、どのAI画像が著作権で保護されないのか外野から分からないのだから、とりあえず大抵のものは著作権があるものとして扱うのが安全だよ
君がAI画像に著作権は無いと言ってたのを信じて転載した人が著作権侵害で訴えられても、責任取れないよね
5.ここは日本だよ
1.要は国次第だよ
1.トラブル回避を目的として転載や二次利用を制限している人は全く珍しくないよ 君達の行いを考えよう
2.自分が丹精込めて作ったものが勝手に使われて嫌…という気持ちだけじゃないことは君なら分かるはずだよ
3.AI絵師が皆「バンバン転載してください！」って言ってる方が、今以上にAIだらけの環境になるから大変だよ
4.著作権の有無に拘らず、AI絵の転載や無断使用禁止を宣言するのはむしろ奨励すべきことだよ
5.それでいて著作権法の権利制限規定の影響を受けるのはみんな同じだよ
1.僭称ではなく「偽称」や「詐称」の方が正確だけど、意図は分かるからここでは横に置くよ
2.僭称とは、相応しくない身分を偽ることだよ そこから手描きと機械生成の区分を偽ることとして使われだしたよ
3.偽る、つまりAI絵を手描きだと自称するようなこと以外は僭称と言い難いよ
4.「パッと見で手描きかと思ったらAIだった」とか「AIだけどAIタグつけてない」などは僭称を意味しないよ
5.『「AIだけどAIタグつけてない」などは僭称を意味しないよ』 とは言ったけど、それはAIタグをつけなくてもいいプラットフォームに限るよ
6.騙すつもりで表記してないんだーとかまで言っちゃうと、君が処される可能性が出てくるからやめたほうがいいよ
1.君の規制論を適用すると二次創作にも被弾するよっていう程度の話だよ
2.AI使いへ言葉を選ばずに心無いツッコミをすると人間絵師にも流れ弾が当たるのと同じようなことだよ
3.反AIに本物の表現規制派が紛れてるのと一緒で、ちょこちょこ本物の二次創作アンチも参戦してるから注意が必要だよ
1.文字通りの反AIという意味で君を反AI扱いしてる人はほとんどいないよ
2.この呼称はAnti AIという単純なシンボルを、集団で連日投稿サイトに上げてた反生成AIの先輩たちによる努力の証だよ
1.君が無断学習に反対してるだけじゃないことは皆分かってるよ*
2.普段どんな事を言ってるか、何に賛同しているか、どんな呟きに共感しているかは意外と見られてるよ
*補足：本当に無断学習をどうにかしてほしいだけの人を反AIとは言っていないし言うべきでもないよ
1.『当該著作物に表現された思想又は感情を自ら享受し又は他人に享受させること』は、生成するから享受だーなんていう単純な話じゃないよ
2.享受という言葉が生成物に関わる時は、まさにその学習に使われた当該著作物を見た時と同様の知的又は精神的欲求を満たせるか、が重要なポイントになる時だよ
3.一番考えやすいのは、既に著作物だと認められている特定キャラクターが表現されている画像データで学習したLoRAを作成する場合、いわゆるキャラクターLoRAについてだよ
まず1. もちろん学習しただけでは学習元の著作物を享受できないから関係ないね
そして2. LoRAを生成に使用したとしても、無関係な画像を生成する場合には学習元の著作物は享受はできないね
*補足：LoRAとは言っても出力を特定の方向に誘導するために使うものだから、例えばマイナス方向に適用すると学習データの特徴とは離れるし、LoRA無しの場合と比べて微妙に変化が加わる程度に適用することもできるし、LoRA同士を混ぜたり引いたりできるし、色々な使い方があるよ
最後に3. 学習させたキャラクターを再現したり、部分的に改変したキャラクターを生成するための利用
*補足：学習した人と利用した人が別だと、考えることが増えるよ
そうしてやっと、作られた画像のデキ次第で類似性バトルが始まるよ ここがいわゆる「手描きと一緒」とされる部分だよ
この場合の「類似性」は法律基準であって、トレパク警察のように認定されるものではないよ
4.事前学習モデルの副産物として特定著作物の本質的特徴を再現できる場合は、AIで生成させるサービスの提供者が該当キーワードのブロックや置換などの技術的な措置を取り、普通の利用者*が生成できないように対策すべき、というのは国際的なコンセンサスが取れつつあるよ
*補足：文字列を一部書き換えたり入れ替えたり、なんとか規制を潜って生成しようとするのは「Obfuscation」という攻撃手法の一種で、こういう事をする人は「普通の利用者」とは認められないよ
2.言葉遣いが丁寧だから問題ない、悪いからアウトじゃなくて、振る舞いを総合的に判断されるよ
3.どうしてもやりたいなら自覚と責任を持ってやるんだよ そんなつもりじゃなかった、は通用しないからね
1.ディープフェイクとは、深層学習=ディープラーニングと偽物=フェイクをあわせた造語で、深層学習を利用した現実に存在しない画像や映像のことだよ
生成系AIによる生成物も「深層学習モデルで生成された、これまでに存在しなかったメディア」だよ
2.このうち、実在対象をヌードにするなどのポルノグラフィを特に、ディープフェイクポルノやフェイクポルノと言うよ フェイクポルノは、深層学習でないものも含むよ
3.言うまでもないけどフェイクポルノを公開すると法に触れる可能性が高くて、既に判例もあるんだ
生成AIを使わなければいいなどという事もないよ
4.どの法律で罰せられるか、どんな法律違反になるかは内容によるよ 主に名誉毀損、肖像権、プライバシー、わいせつ物陳列、著作権、パブリシティ権だよ
5.よく「取り締まる法律がない」というけど、それはフェイクポルノの作成自体を罰する法律がない という意味で、基本的に世論を煽る目的で言われるよ
6.作れるからというだけでツールを取り締まるのは難しいけど、フェイクポルノ作成を売りにしているくらいまで行くとチャンスはありそうだよ
「作れる」の規制が簡単にできない理由は、厳密に範囲を指定しないとコンテンツ製作に使われる顔変更やボイスチェンジャーの他、様々なツールも対象になってしまうからだよ
またなんか思いついて気が向いたら続きを書くよ
俺も驚いたんだけどね、サマー・グローちゃんは機械じゃなくて人間なんだって。
まさか、あの輝くような笑顔が人工知能じゃなくて、本物の感情だったなんて。
でも、考えてみれば当たり前かもしれない。だって、彼女の好物はラズベリーパイなんだ。機械が食べ物を好むわけないよね。
そういえば、グローちゃんの髪の毛は緑色で、触るとサボテンみたいにチクチクするんだ。
彼女曰く、これは光合成をするためなんだって。人間って本当にすごいね。機械には絶対できない。
これだけのコンテンツを作り上げるのがただただすごい。。
※chatgtp: YouTubeの動画タイトル一覧を取得して公開すること自体は、著作権法に違反する可能性は低いです。
1.8万円のWin11タブレットが意外とよい！！
100%の正解も間違いもない
100歳時代の勝間式「人生戦略ハック100」の読みどころ紹介
15秒以内に開始できないことはまずしない
15年ぶりの引越しでわかった、買ってはいけない、負債となる家具家電ワースト3
1日1万歩歩くことの本当の意味を理解する。それは、こまめに動く習慣がついているかどうかの指標です。
1日3分続けられるのは超すごい。運動でも、読書でも、食事でも、短時間でもずっと続けるほうが効果が高いです。
1週間に1日位は自分を甘やかす日を作ろう。あまりガチガチに目標に向かって邁進したり、自分を節制し続けると、返ってバランスを失う恐れがあります。
5000円以内でチャレンジできるものはとりあえずやってしまおう
50代になってよかった３つのこと
50年間知らなかった、布団カバーの便利なかけ方
52歳にして、日傘に目覚めた話
55歳にして初めて知った衝撃。寝心地の決め手は寝返りにあった。
8月19日はバイクの日。これからバイクに乗りたいと思っている人への応援歌
AIは味方であって敵ではない。一緒に協力することでより豊かな未来が待っています
AIに勝つためには運動機能を鍛えよう。ちょっとした動作については当分、人間のほうが優位です。
Audibleの聴きたい放題が最高すぎる。2022年1月末から聴きたい放題に変更になりました。
BMIを20未満にしない方が良い理由。健康リスクは太ってるよりも痩せてる方が、はるかに高いことを知っておこう
Chromeリモートデスクトップが超便利
Google Pixel6 Proはどんな人なら「買い」なのか。1ヶ月半毎日使った感想をまとめます。
Googleの新スマホ、Pixel6の音声入力がすごかった話
KindleやAudibleの朗読睡眠のすすめ。寝付きもよくなりますし、知恵も増えます
PDCAサイクルの回し方のコツ
Pixel Fold使用1週間レビュー。予想よりかなりよかった！
Pixel7と7Proのレビュー。6より相当よくなりました。
Q&A これまでキャリアのない40歳女性が、同年代の男性正社員並みの収入を得るためにはどうすべきですか？
Q&A 勝間和代さん、１日何食とっていますか？ 栄養バランスやスタイルキープのコツは？
Q&A 勝間和代さん、使っている体重計を教えて下さい
Q&A 勝間和代さん、まゆげの手入れはどうやっていますか？
Q&A 勝間和代さん、お気に入りのスマホアプリを紹介して下さい
Q&A 勝間和代さん、適切な買い物をするためのコツを教えて下さい
Q&A 勝間和代さん、ふだんのネイルのお手入れ方法を教えて下さい
Q&A 勝間和代さん、人前で緊張せずに話せるコツを教えてください
Q&A 勝間和代さん、気の合う友達をたくさん作る方法を教えてください
Q&A 勝間和代さん、どんな人とつきあっていけばいいか、教えて下さい
Q&A 勝間和代さん、どうやったら、見栄っ張りな自分をやめられますか？
Q&A 勝間和代さん、どうしたら、時間を守れる人間になれるでしょうか？
Q&A 勝間和代さん、自宅でのヘアケアやスキンケアの方法を教えて下さい
Q&A 勝間和代さん、ふだん、どのようにテレビを使っているか、教えて下さい
Q&A 勝間和代さん、健康的な食事をとりながらも、食費を安くする方法を教えて
Q&A 勝間和代さん、仕事、育児、家事で忙しい中での目標達成方法を教えて下さい
Q&A 勝間和代さん、スマホ１台だけで仕事をするのはどんなイメージでしょうか？
Q&A 勝間和代さん、良い習慣を身につけ、悪い習慣を追い出す方法を教えて下さい
Q&A 勝間和代さん、変化することが怖いのですが、どのように考えればいいですか？
Q&A 勝間和代さん、イライラする事が起こってしまった後の対応方法を教えて下さい
Q&A 勝間和代さん、隣の芝生は青いと、つい妬んでしまう心をどうしたらいいでしょうか？
Q&A 勝間和代さん、ヘルシオとホットクック、どちらか片方だったらどっちを買えばいいですか？ また、型番は何を買えばいいですか？
Q&A 勝間和代さん、多忙にかまけて、やるべきことができない怠惰さとどう向き合えばいいでしょうか？
Q&A 勝間和代さん、特にチョコレートが大好きで、シュガーフリーできません。どうしたらいいでしょうか？
Q&A 勝間和代さん、転職時のリスクマネジメントを教えて下さい。変な転職先にいくことを防いだり、失敗したときのリカバリー方法が知りたいです。
Q&A 勝間和代さん、就職や転居のように失敗リスクが高い決断については、たくさんの試行錯誤ができないのですが、どのように考えればいいか、教えて下さい
SNSを楽しく活用する大事な鉄則。それは、承認欲求ではなく情報共有に使うこと。
YouTube の撮影カメラをピクセル7 Pro に変えてみました
YouTubeのやり方変えて1ヶ月の感想。たのしーーわーーー。話したいこと話すのがやっぱりいいですね。
YouTubeサムネイル省略の結果報告。結局、ライトユーザー向けに必要でした。
YouTube撮影失敗の歴史をゆるく語る。一番大きかったのは、スマホのインカメラを使用しなくなったことでしょうか。
ご飯0.5合炊きのすすめ。毎回1膳分だけを炊くことによって、保温や管理の手間から解放されて、しかもどんなお米でも何でもものすごく美味しくなります。
なぜIHコンロは使いにくいのか
何でも25％の余裕が生活を楽にする
エンジン01 in 市原 1⧸26-28 ぜひいらしてください
半年から1年かけてうまくいかなかったものは損切りしよう（訂正バージョン）。それ以上の時間を使ってもうまくいく確率は低いです。
ゼロよりは0.1を目指す
継続の鍵は15秒以内に開始できることにあり
試行錯誤は3回で仮説、5回でやっと実用、10回で完成を目安にする。１回で完成させようとするから、虫が良すぎるし、結局達成できないで失敗してします。
勝間和代のKindle本をFire端末でオーディオブック化する方法の詳細説明
インスタもLINEもスマホではなくパソコンで使おう。圧倒的にタイパがよくなります。
相手の心はSNS写真で透けます。SNSにアップされた写真を見ると、その人が無意識に何を一番大事にしているのか、すべてバレてしまいます。
勝間和代のWindowsパソコンに音声入力をするさまざま4つの方法の紹介
勝間和代のYouTube動画作成講座。慣れると1本15分でできます。
まめさは正義
小ささは正義
新刊「勝間式 金持ちになる読書法」本人紹介。12月25日発売です。
勝間和代の、1本トータル20分でできる、ゆるゆるYouTube動画作成方法
自分も周りも2割ぐらい間違ってると思った方がかえって物事がスムーズに進む
意外と良い！5万円以上の価値があるぞ、キンドルスクライブ Kindle Scribe
勝間和代の、Google KeepとGoogleカレンダーの併用で、めんどうなことを実行する方法
勝間和代の、SNS依存にならずによい距離感で付き合うためのたった1つのコツを教えます
勝間和代の、YouTube字幕機能説明。YouTube 動画には自動生成された字幕が付いています。意外と知られていませんが、これがあると、音声なしでも、外国語でも、YouTube見られます
勝間和代の、iPhoneの音声入力が苦手な人へのちょっとしたアドバイス
努力に酔わない
ポータビリティ(可搬性、動きやすさ)の価値をもっともっと重視しよう
年末のご挨拶。2023年に良かったことをベスト3を発表します。
あらゆることは3日やらないと、超億劫になる
新幹線ワークはSワークP席が最高すぎる
思い込みの外し方
動け、動け、動け
安定は実はリスク
会話は心のごはん
予防はコスパ最強
時間を生むコツ。1日10秒短縮でも1年で1時間です。日常のルーティンから無駄を少しずつ取り除くことで、毎日の時間は生まれていきます。
家庭の在庫管理は2ビン法の徹底に限る
夕食の外食は週に2回までにしよう。それ以上にすると胃腸が疲れて睡眠スコアが悪くなります
試行錯誤の回数は3桁を目安にしよう
より良い決定には4つ以上の選択肢が望ましい
電気自動車アリア5000キロ走行ガチレビュー。5000キロ走ったからこそわかった、いい所と悪い所
誕生日記念動画、50代になってわかった3つの幸せ。無事52歳の誕生日を迎えられたので、若いうちにはわからなかった3つの50代の幸せを記録します。
やる気は仕組みが9割
勝間和代はなぜ、iPhone Xをやめて、Android勢となったのか。アプリの速さ、電池容量、画面の大きさ、すべてが快適です。
失敗を恐れない方法
重い腰を上げる方法
犯人探しをやめよう
正解は一つではない
頼る力の身につけ方
遊びこそが実は学習
下腹ぽっこり解消法
独学は基本、非効率
上手な手抜きのコツ
断る力の身につけ方
怠けごころの抑え方
電熱服活用のすすめ
パソコンのメモリは16GB以上にしよう。スマホ依存から抜け出すためにも快適なパソコンは必要
調理家電の電気代は1回せいぜい数十円。電気代を気にして導入しないのはもったいないです。
電気自動車アリアの2000キロ走行レビュー。納車1ヶ月半、良い点も悪い点も、ユーザー目線に素直にお話してます
迷った時は余命あと2年だったらどうするかを考えよう
勝間和代の、自分が90歳までできる仕事は何かを考えてキャリアプランを設計しよう
間違いの素直な認め方
良い口コミの見分け方
過度なやせ願望に注意
時差行動徹底のすすめ
ヒットは直感で決まる
健康こそが最大の美活
信頼こそが加齢の味方
青信号をすぐに渡るな
空腹は判断を間違える
建設的な先送りの勧め
暇ならばマメになれる
悪い自分を見捨てない
許せない相手の許し方
初めて買うものはほぼ100% 失敗する。だからこそ、そこから学習することが重要
古いスマホは売らずに2台持ちにしよう
人から親切にされるコツ
細切れ行動蓄積のすすめ
少食は行動力を阻害する
根気の正体は体力である
使える道具は全部使おう
妖怪「出不精」の退治法
天気予報は風速も見よう
サボりぐせの乗り越え方
怠けたい心が変革を生む
イチゼロ習慣をやめよう
気が散りやすいのも才能
体力はすべてを解決する
ライフログで身を守ろう
寝具にはお金をかけよう
ギリギリは頭が悪くなる
会話泥棒に気をつけよう
上手な利他力発揮のコツ
寝室は静かでなくていい
１日１やめ運動のすすめ
脅す人には注意をしよう
目標を追い求めすぎない
わが道を行く最大のコツ
歯磨きは歯間磨きが主役
楽しくなければ学べない
時間割引率の引き下げ方
試せることは全部試そう
遊びこそが最高の脳トレ
私達は自分の実力よりも2割ぐらい自信過剰だと思うとちょうど良い
勝間和代の、キャリアは5年かけて、強みを活かす仕事100%の状態まで持っていこう。そうすれば、短時間労働になるし、収入も上がります。
悩むのは悪いことではない
運を良くする技術を学ぼう
自炊は実は最高のぜいたく
なんか前は黎明期のやつ「あああれね」って感じだったんだけど最近のまじでわからん
https://www.publickey1.jp/blog/24/2024web3nftaiai.html
People-Centric
振る舞いのインターネット
汎用人工知能
エンボディドAI
量子機械学習
商用核融合炉
ChatGPT-4o
AIが検索結果を生成し、より関連性の高い情報を提示する技術。
嬉しい点: 精度の高い情報をすぐに得られる。
企業や組織が持続可能な運営を実現するための支援ツールやシステム。
3. People-Centric
人間中心のアプローチで、個人のニーズや体験を重視する技術やビジネス戦略。
5. 振る舞いのインターネット
不明。
都市部での空飛ぶ車やドローンによる移動手段の実現を目指す技術。
AIやIoT技術を活用して、都市全体を効率的に運営する未来の都市モデル。
多数の小型衛星を連携させ、地球全体に通信や観測サービスを提供する技術。
AIを用いてサイバー攻撃を検知し、即座に対応する自動防御システム。
不明。
不明。
13. 汎用人工知能
バーチャル空間で活動する、リアルな人間に似たキャラクターやアバター。
嬉しい点: 新たなコミュニケーションの形が広がる。
大規模言語モデル（LLM）を使ったサービス提供プラットフォーム。
嬉しい点: 高度な自然言語処理が容易に利用できる。
16. 月データセンター
月に設置されるデータセンターで、宇宙規模でのデータ処理を行う施設。
18. ヒューマノイド
Claude3
以下、各技術の説明と、それぞれのメリットを簡潔に記載します：
People-Centric:
メリット：より使いやすく、ユーザーニーズに合った製品やサービスの創出。
振る舞いのインターネット:
汎用人工知能:
月データセンター:
エンボディドAI:
量子機械学習:
商用核融合炉:
馬鹿だからこういうこと書いて平然と気持ちよくなれちゃうんだろうけど、この手のポリコレ運動って日本発祥じゃ無いぞ
人工知能のフェアネスや倫理の話なんて海外でぎゃーぎゃー言われてて、だいぶ遅れて日本に輸入された話だし、今回の話も内的な動機で問題提起されてるんじゃなくて海外の目を気にして色々グダグダやってる印象だし
中国はやりたい放題できる一面もあるからこそ技術は進んでるけどな
まぁでもいいんちゃう？そういう背景を全く知らずに、バカなこと書いて絶頂してるバカを検出するソフトが完成したらまず炙り出されて君みたいなのが被害を被るわけだし、開発してる側は実際そこまで困らんのよ
わざわざ君みたいなバカの人生が詰まないようにいろんな取り組みがなされてるのに、本人がこれじゃぁって感じだよね
とっ散らかった思い出話？で失礼します。
当時はLLMなんて影も形もなく、人工知能といえばなんかちょっと賢いくらいのアルゴリズムをさしていて、
理論的にはニューラルネットワークもSVMもあったものの機械学習が注目されるちょっと前の時代。
（ちなみに設定上はマルチはニューラルネットワークではなく、ニューロネットという似た何か）
今のような計算機もないし、理論的な話もフレーム問題みたいなやる気のない議論しか無く。
とりあえずプログラミングは勉強したものの、なんかちょっと賢いアルゴリズムくらいしか学ぶものがなかった。
機械学習（SVM）が流行ったのが大学に入った頃でこれはと思って飛びついたものの、まぁ大したことはできず。
対話ボットとしてでも再現できればと思っても、まともな生成は夢のまた夢だった。せめて対話の分析ができればと思っても、言葉の意味とか全然扱えない状態で、
対話の分析なんかしても、定型文に近いパターンが扱えるかどうか。当時のペースだと１００年経ってもマルチどころか、
イカリヤ（ハンドメイドメイ）も厳しい状況で、よく博士課程なんか進んだな。この当時から、こつこつ対話の研究を
続けていた方々には、本当に頭が下がります。で、対話は難しすぎるので、目先を変えたタスクで博士課程を取る。
このころには、長瀬源五郎になれないということには気が付いてきてはいたものの、誕生に関わる可能性のある
博士とった後くらいで、 Mikolov がLLMの遠い祖先といってもよいRNNLM とみんな大好き word2vecを作った。
この時点ではまだ、言葉の意味をベクトルで表せるって程度で、その後のBERTくらいまではまだ性能があがってすごいくらいで、
まだマルチっぽいものも作れないしまだまだ遠いな、とちょっと高を括っていた。そろそろ対話を研究する時期じゃないかとは思いつつも、手は動かず。
そして気が付いたら、GPT-2 が簡単なコードを書けるようになっていた。この時点で、なぜ他のものは投げ捨てて飛びつけなかったか、
今でもちょっと考える。その時点ではチェリーピッキング的なものでも、精度の問題ならいずれ勝手に解決されることは分かっていたのになぁ。
で、結局今はLLMのプロンプトエンジニア。これはこれで面白いのだけど・・・、マルチが作りたかったはずなのに、随分離れたとこに流れ着いてしまった。
今となってはマルチ風に会話できる対話ボットぐらいすぐに作れるんだが・・・、なんかもうそういうことじゃないんだよな。。。
例えOpenAIに転職してたとしても、マルチに近づけるわけではないんだが。なんか、大作の構想練り続けてうん十年みたいだなー。
数学者目指して数学以外のことやってる時点で数学もできてないじゃん
人工知能系のことやってる数学者出身者もいるけどあれはそっちのほうが適正あったり待遇がいいからやっているって話であって、わざわざ数学から離れてそこでも活躍できないって、それは多分国語力の問題とかですらないよ
数学を究めんと欲し海外にまで行って博士号を取得（できなかった）しようとした、そんな学者崩れのAI研究者が生成AIでは落ちぶれた理由は何か？ → 正解は「国語力がないため、プロンプトを満足に記述できない」からでした。数学だけできても、駄目なんですね。
古今東西どこもかしこもやることは同じだからか次々と出てくるが、似たような事しか言わなくなったので終了
====
現代社会において、生成AIはその革新的な技術で多くの注目を集めていますが、その影響力を懸念する人々も少なくありません。私たちが目にするSNS上の活動やキャンペーンの背後には、影響力を行使しようとするフリーランスのイラストレーターたちがいます。彼らは、生成AIの使用に対する反対意見を広めるために、さまざまな群衆心理を操作する手法を駆使しています。今回は、その中でも特に顕著な手法について詳しく見ていきましょう。
