はてなキーワード: 多様性とは
私たちは鶏、豚、牛を食べ過ぎて、あの味に慣れすぎてもうあの味が肉のフォーマット、スタンダードになってしまった
羊肉を食べた人が味の中に羊くさいだの、臭みがあるだの言うが、
食べなれた牛や豚ではないのだから、普段馴染みのないヤギの風味が口の中でフワッと広がっただけで、嫌悪感を感じるんじゃねーよ
それがヤギの味、ヤギらしさなんだよ
私はヤギの肉を食べたりヤギ乳を飲んだときに、ヤギの味がしたときは「キタキタキタヤギだーーーッッ!!」って興奮するよ
魚だったらタイだろうがマグロだろがうなぎだろうがサバだろうが多様性を受け入れて食べるのに
肉になると牛、豚、鶏以外に嫌悪感をしめす奴らほんとなに????
あと犬の肉を食べるの中国で禁止になったのが、人間があまりにも身勝手過ぎて笑える
トランスジェンダーが性別を自認で変えられるのがDEI=多様性なら
生まれつきの人種も国籍も宗教も自認でトランスできるはずだわなあ
外国人に生まれたけど心が日本人で生き辛くて苦しんでいる人も日本人として
何のハードルもなく本人申告で受け入れるのよな
日本でオンラインカジノを楽しむ際、支払い方法の多様性と安全性は非常に重要です。BC Game は、暗号通貨やフィアット通貨を含む幅広い支払いオプションを提供する信頼できるプラットフォームです。このプラットフォームでは、80種類以上の暗号通貨が利用可能で、少額の入金でも簡単に始められます。また、初回入金ボーナスやプロモーションも充実しており、プレイヤーにとって非常に魅力的です。暗号通貨を利用した入出金は迅速で安全性が高く、ネットワークの混雑状況に応じて手数料も変動しますが、VIPプレイヤーには手数料がかかりません。出金プロセスもシンプルで、通常1時間以内に完了するのが特徴です。公式サイトには、ウォレットアドレスの管理方法や取引に関する詳細なガイドが記載されており、初心者でも迷うことなく操作できます。さらに、認証プロセスにより取引の安全性が確保されており、詐欺行為を防ぐための仕組みも整っています。支払い方法や利用可能な特典の詳細については、こちらをご覧ください: https://bc-game1.jp/payments/
確かにそうなのかもね。
そこそこ栄えている都市のそこそこ人数のいるホワイトカラーの職場にこんなのいないだろ。
派遣ならまだしもさ。
精神的に病んでいるか、イジメられないにせよ酷い仕打ちを受けていると思う。
何が多様性だよ。限度があるだろ限度が。
経済理論の妥当性を議論する際、多くの場合、特定の理論が想定する前提条件が、ある国の経済状況に適合するかどうかという問題に帰着する。
例えば、新古典派経済学の説明力は、特定の条件下でのみ発揮される。
この認識は、経済理論に関する投稿への反論を検証する過程で、教科書や学術論文、記事を精査することで得られる。
経済学には、リフレ派やMMT派のような一部の「間違った」モデルの例外を除き、多様な「正しい」モデルが存在する。
これらのモデルは、それぞれ異なる経済状況や前提条件に基づいて構築されており、特定の状況下での経済現象を説明するのに適している。
この事実に直面することで、経済理論の複雑さと自身の知識の限界を認識できる。
「デフレ・インフレの良し悪し論」も同様の文脈で理解する必要がある。
デフレが有利になる経済主体がいる一方で、インフレから利益を得る主体も存在する。
このような状況下では、個別の立場から「自分に有利だからこうすべき」と主張しても、単なる多数決の論理に陥ってしまう。
したがって、このような問題に対しては、日本全体の利益という観点から分析を行うことが不可欠だ。
斉藤知事に投票した10代、20代に比べて中年はてなーは時代錯誤wwみたいな言説があるが、断絶があるのはその通り
俺たち中年のネットに比べて、10代、20代が使うyoutubeやSNSはレコメンドエンジンがえぐいんよ
youtubeで立花でもトランプでもなんでもいいが、ちょっとそっち系の動画視聴したらもうレコメンドが先鋭化するだろ。そっちの方が動画を見るからだが。
中年の俺たちは無意識にバックエンドの振る舞いを理解して、レコメンドを散らそうとして行動を変えるんだが、
そんなことレコメンドネイティブの若い連中がやるわけない(賢いやつはやるかもだが)
たまに上がる再生数二桁の謎の啓発動画とか俺たちは秒で避けるけど、たぶん避けずに巻き込まれるやつもいるんだよ
もう言うまでもないが、数打てば当たる戦略に飲まれる程度には一般民衆にネットが染みこんでしまった
今の俺たちはイーロンやgoogleやその他ビッグテックのAIエンジンに飲まれてて、ダイレクトに政治にダメージがあるのが困る
Riot Games「多様性のために女性向け大会に元男性も参加できるようにする!ただし元男性はチームに2人までね」
↓
↓
元増田「トランスジェンダーは公平性を欠く、挑発行為は荒らしと同じ」
↓
この増田「ムキー!!!この増田はヘイトスピーチ!差別主義だ!許さん!」
↓
?
マンガやアニメ見てて、「あれ、このキャラ日本人じゃなくね?」って思ったことない?
金髪碧眼、鼻高くて彫り深い顔。おいおい、俺ら日本人が作ったはずの作品だよな?でも見た目はどう見ても欧米系。これ、どの作品でも結構ありがちなんだよな。
たとえばさ、ナルトとか進撃の巨人、BLEACH、ジョジョ、超人気作品だよね。でも、登場人物の見た目を冷静に見ると、これ日本人?ってなること多いよな。ナルトなんて忍者の話なのに金髪で青い目だぞ。進撃の巨人のミカサも「アジア系」設定なのに顔立ち欧米風すぎて笑えるわ。リアル日本人なら黒髪にアジアっぽい顔立ちでも十分カッコいいと思うんだけどさ。
で、気づいたんだけど、これ日本人だけじゃなく、海外の人も同じこと言ってんだよな。「なんで日本のアニメキャラは白人みたいなんだ?」って。それってもう、日本人自身が「白人らしい見た目=美しい」って無意識に思い込んでるんじゃね?
ここで一つ考えてみようぜ。なんで俺ら日本人、こんなに「白人っぽさ」に憧れるんだ?
戦後からずっとアメリカ文化に触れてきたってのがでかいと思う。映画、音楽、ファッション、全部が西洋風だったし、それが「オシャレ」とか「カッコいい」って刷り込まれてきたんだよな。
さらに、マンガやアニメも「欧米でウケること」を狙ってる節がある。結局、欧米市場で売れるためには、「彼らに親しみのある見た目」に寄せた方がウケがいい。だから、キャラデザインも必然的に白人っぽくなっちゃうんだろうな。
でもさ、これって日本人らしさを削ってまでやることか?俺らの文化を発信するはずのマンガやアニメが、結局は欧米の影響を受けた「白人っぽい作品」になっちゃったら、それもう日本の作品って言えるのかな。
俺らが求めてるのって、本当に「白人っぽいキャラ」だけなのかな?
たとえば黒髪で切れ長の目、ちょっと控えめな見た目でも、内面がめっちゃ熱いキャラとか出てきたら、それってすごく共感できると思うんだよな。だって、日本人としてのリアルな感覚に近いからさ。
それに、海外の人も意外とそういうキャラ好きだったりするんだよ。「日本らしいキャラ」に憧れる海外ファンも多いし、むしろそういうキャラを見たいと思ってる人もいるんじゃない?だから、もっと日本独自の美意識を取り入れたデザインが増えてもいいと思うんだよな。
最近は多様性が注目される時代だから、マンガやアニメのキャラクターももっといろんな見た目があっていいと思う。もちろん、白人っぽいキャラがいてもいいけど、そこに日本人らしいキャラや他の文化を反映したキャラが加わると、もっと魅力的になるんじゃないか?
結局のところ、日本のマンガやアニメって、日本人が作ってるからこその「特別さ」があるはずだよな。その特別さを活かして、日本人らしいキャラクターやストーリーをもっと大事にしていけば、世界中のファンも「これが日本の作品だ!」って感動してくれると思うんだよ。
どうだ、俺らもそういう未来を期待しようぜ!
大体の能力は上位男性>上位女性>下位女性>下位男性という分布になるらしい
男の能力はバラつきをもたせて生物種としての多様性を産んだり適者生存の可能性を高める
女は妊孕性があるし産める数も限られてるから、ある程度安定した能力を持たせて死ににくいようになっている
からじゃなかったっけ?
何が悲報だ、「あまりにも滑稽な結末に至っている」笑っているじゃあないか。
アナタは匿名日記サイトを悪用して、LGBTs への誹謗中傷を行なっている。
「外見で女性を目指す」などという時代錯誤のジェンダー規範を捏造してんじゃねーよ。
男女平等に逆行してる。
森元首相の「女性というには、あまりにもお歳だ」が世間にどうぶっ叩かれたか知らんのか。
続く「競技においては多様性よりも公平性が優先され、」であたかも競技以外では多様性が優先されるべきかのように書いているが、アナタは男らしくあるべき・女らしくあるべきを押し出してるじゃねーか。
欺瞞を止めろ。
もう一つの可能性に対しての解釈多様性みたいなのが薄いんですよね。
漫画の世界においては「あの1枚の漫画によって世界は分岐した」というのが本当に確かな説得力っていうか、マジでそれぐらいの力があったんだと信じさせる何かがあったんだけど、映画だといまいち伝わってこない。
そもそもあの漫画はどこから来たのかについての解釈の余地というか、「インターステラー的な何かが起きた可能性」というのを感じさせるだけのパワーみたいなのがイマイチ薄いんだよね。
あの状況における作品世界自体で起きていることは「もう一つの世界が存在した可能性についての想像」なのは事実なんだろうけど、それが観客席からだと「本当にあったかもしれないもう一つの世界」として等価の存在として映る所がルックバックの醸し出す凄みの秘密だと思うんだよね。
「どこまでも都合が良いような世界、でもそれがもしかしたら本当にありえたのかも知れない」って事がより強い悲しみを生むけど、同時にそれが「いま自分たちが生きている世界はこっちなんだから前を向かなければ」という気持ちのトリガーになるっていうか。
元ネタであるワンス・アポン・ア・タイム・イン・ハリウッドなんてまさにそういう映画だったと思うわけよね。
なんつうか「こういう空想の中で自分たちを慰めることも出来る。創作活動を続けるってのはそういうことなんだ。創作活動最高と言え」みたいなパワーがあるわけですよ。
そこがイマイチ足りてないっつうかさ、もっと深く踏み込めば、あの事件に対してどう向き合うかって話だった訳じゃないですか。
まあ映画版はそのへんについて「パクりやがってよぉ!」の言葉を入れてくれているので敬意は凄い感じるわけなんですけど。
それでもやっぱ足りないっていうか、根本的な構造としての「漫画の世界における漫画の力」と「映画の世界における漫画の力」だとやっぱエネルギー量に致命的なまでの差があるなと。
ワンス・アポン・ア・タイム・イン・ハリウッドという映画が「映画の中で映されたハリウッドという土地の持つエネルギー」によってあの荒唐無稽さすらある並行世界を描いたことの再現は出来てないなと。
こんだけ頑張ってもらえるんだからタツキ先生も喜んでますよって感じましたよ。
でもやっぱちょっとだけ足りないんですよね。
観客の頭の中で「並行世界への扉」を開くだけのパワーが足りてなかった感じなんすよ。
なんつうんですかね、繰り返しになるんですけどワンス・アポン・ア・タイム・イン・ハリウッドという映画の中においては、あの映画の中で起きたことこそが事実だったわけじゃないですか。
「俺達の住んでいる地球の事実」と「ワンス・アポン・ア・タイム・イン・ハリウッドの事実」はそれぞれ存在できていて、どっちが上か下かっていうのとは違ったと思うんですよ。
その等価性があったからこそ、「でも俺達の地球で起きている事実が俺達の生きる現実でしか無いんだよね」という読後感みたいのに繋がるっていうか。
ルックバックという作品のキモってどうしようもなくそのワンポイントに集約されていると思うんですよね。
幼い子どもにとって親がいることはポジティブな意味で極めて大きい影響があって、身近で信頼できる大人によって教育するメリット以上に、ただ愛してくれる肉親の存在、それがデカい。
だけど同時に、ネットの日陰でたまに見るような偏見………片親だからと言って子どもの性格が歪むとか変わったキャラになりやすいなんて事はなくて、実際には両親のいる家庭で育った子どもと横に並べても何ら見分けがつかないと思う。片親だろうと両親持ちだろうと何も違いはない。
この2つは別に矛盾でも何でもなく両立するんだけど、どんだけ丁寧に説明しても、全然理解して貰えなくて(「え?w おかしくねw」)、疲労だけが蓄積したことを報告します……。
思うに、人間って自分の置かれた環境を普通だ、一般的だ、正常だ、とみなす傾向があって、そこから外れた者を恐怖したり遠ざけたりしがちなんじゃないか。そういうバイアスにメリットが全くないとは言わないけど、理性がある大人なら克服できてしかるべきだし、せめて多様性という思想の潮流に合わせられるように自分をアップデートしていく、反省の習慣が必要だと思う。
SNSでは、毎日流れてくる情報に受け身で対応するのが精一杯で、じっくり腰を据えて考える時間がなくなってきてる(これは自戒を込めて…)。コロナ禍以前は喫茶店で書籍とかを読んでゆっくり過ごしてた。あの頃はやっぱり自省的な思考が多かったと振り返って見て思うんですよ。情報の奔流に流されるのを良しとするのを、そろそろ改めて見てもいいんじゃないか。無論、はてなブックマークを含めて。
聞いてみた。
Danbooruがタグ荒らしに対抗して新規のタグの登録を停止した場合、画像生成AIの学習に影響はありますか?
Danbooruがタグ荒らしに対抗するために新規タグの登録を停止した場合、画像生成AIの学習にいくつかの影響が考えられますが、特に以下の点で学習や生成に影響が出る可能性があります。
新規タグの追加が停止されると、新しいキャラクターやトレンドに関連するタグが登録されないため、最新のコンテンツに対応できなくなります。特に、人気のアニメやゲームが登場した際に、関連するタグが登録されないと、それに基づく画像生成モデルの学習が行えず、最新トレンドのキャラクターやシチュエーションの生成が難しくなります。
既存のタグのみで運用を続けると、同じタグが繰り返し使われるようになり、データの多様性が減少します。この結果、画像生成AIは一部のテーマやスタイルに偏りやすくなり、学習データのバリエーションが乏しくなる可能性があります。例えば、「夏のシーン」や「ハロウィン」などの季節限定のテーマや、新規のアートスタイルに対応するタグが欠如することで、生成画像に多様性が不足しやすくなります。
新規タグを作成できない場合、似たテーマや特徴を持つ画像が既存のタグに集中する可能性があり、既存タグの意味が曖昧化し、データの品質が低下する可能性があります。たとえば、新規キャラクターが増えた場合でも、それに対する適切なタグが登録されないため、類似キャラクターに関連するタグに無理やり分類されることが起こり得ます。これにより、画像生成AIがキャラクターの特徴を正確に学習できず、生成結果に混乱が生じやすくなります。
タグが新規に追加できないと、キャラクターの詳細な設定や特定のシチュエーションに対するラベルが不足し、タグの細分化が進まなくなります。たとえば、「笑顔のキャラクター」と「怒っているキャラクター」を区別する新しいタグが追加されないと、感情表現のバリエーションが不足し、AIが生成する画像の感情表現が単調になりがちです。
生成AIの改善やリファインには、タグの精度や多様性が重要です。新規タグの登録が停止されると、生成AIを精度良く改良するための情報が制限され、モデルの改善が遅れる可能性があります。また、タグの種類が限られることで、学習の進捗や再トレーニングの際の効果も限定的になり、モデル全体のパフォーマンスに影響が出ます。
新規タグの登録停止はタグ荒らし対策としては効果が見込まれますが、同時に学習データとしての価値も低下させるリスクがあります。荒らしのリスクが減少する一方で、最新データへの対応が困難になり、学習データとしての柔軟性が損なわれるため、画像生成AIが最新のスタイルやコンテンツを再現する能力が低下します。
新規タグの登録停止は、タグ荒らし防止には一定の効果を持つものの、画像生成AIの学習には制約がかかるため、生成画像の多様性や精度に悪影響を及ぼす可能性があります。
画像を生成するAIによる無断学習や利用を防ぐために、以下のような対抗手段を講じることが可能です。
1.透かし(ウォーターマーク)の埋め込み:
画像に目に見えるまたは見えない透かしを入れることで、無断利用や生成AIの学習に対して抑止効果を期待できます。特に、目に見えない形で画像データに暗号的な透かしを埋め込む「デジタル透かし」技術が有効です。
画像データに著作権情報や「AIによる無断学習を禁止する」といったメタデータを埋め込み、ウェブサイトには robots.txt ファイルで画像クローラーのアクセスをブロックする設定を追加します。これにより、クローリングや収集の抑制が期待できます。
ステガノグラフィを用いて、画像に気づかれにくい形で識別情報を隠すこともできます。これにより、画像の流出経路や利用先を追跡でき、無断利用の発見に役立てることができます。
4.法的な警告表示や利用ポリシーの明示:
ウェブサイトや画像の配布先に、AIによる無断利用や学習を禁止する旨の法的警告や利用ポリシーを明示することも有効です。利用条件をはっきりと示すことで、AI企業や研究者が慎重になる可能性が高まります。
AIが利用しにくいように、画像に人間には気づきにくいパターンやノイズを挿入する技術もあります。たとえば、AIにはノイズとして認識されるが、人間には問題なく見える小さな変形やカラーパターンを追加することで、AIによるデータ学習が困難になる場合があります。
生成AIの学習を混乱させるための手段には、以下のような方法が考えられます。
1.ノイズや歪みの追加:
画像に目立たない程度のノイズや歪みを加えることで、アノテーションモデルが境界や特徴を正確に認識しにくくする手法です。たとえば、ピクセルレベルでランダムなノイズを追加する、わずかに画像をぼかす、あるいは境界線付近に小さな変化を加えるといった手法が有効です。
アノテーション処理は、対象物の輪郭や特徴を正確に捉えることが重要です。そのため、背景や対象物の輪郭にわずかな不規則性を加えることで、アノテーションツールが対象物の境界を正確に判断しにくくすることができます。たとえば、背景に模様や偽の輪郭を挿入する方法です。
画像に人間には視認しづらい形でテキストやラベルを埋め込むと、AIのアノテーションプロセスが混乱する場合があります。これにより、AIが意図しない領域を注視することがあり、誤認識を誘発します。
4.色や明るさのランダム変化:
画像の色や明るさを部分的に変化させ、一定のパターンを持たないようにすることもアノテーション処理の混乱を招く一手です。これは、オブジェクトの検出や認識が色や明暗の差異に依存している場合に有効です。
5.擬似的なオブジェクトの追加:
画像内に小さな擬似的なオブジェクトや模様を追加することで、AIがそれらを誤って主要なオブジェクトと認識し、アノテーション精度が低下する可能性があります。特に、背景に似たオブジェクトを散りばめることで、AIはどの部分が対象なのか判断しにくくなります。
AIの認識を誤らせるために用いられる「アドバーサリアル(敵対的)な例」を使う方法もあります。特定のピクセルパターンや色の配列を配置することで、AIのアノテーションが意図的に誤作動するよう誘導できます。この技術は深層学習モデルに対して特に効果があります。
画像全体にわずかなカモフラージュパターンを重ねることで、AIの認識を混乱させる方法です。この手法では、人間が見た場合には問題なく認識できるものの、AIが対象を捉える際に誤って検出するようなパターンを画像に追加します。
・思考実験として、danbooruなどアノテーションの元データとして使われているサイトのタグが荒られたら画像生成AIのモデル作成にダメージはありますか?
思考実験として、Danbooruといったアノテーション元データのタグが荒らされた場合、画像生成AIのモデル作成に与える影響は以下の通りです。
Danbooruは、イラストや画像に対して詳細なタグが付与されており、これらのタグ情報は画像生成AIの学習にとって非常に重要です。タグが荒らされることで、画像とタグの対応関係が崩れ、モデルが正確な特徴を捉えにくくなるため、生成精度が低下します。
例えば、特定のキャラクターやテーマに関連するタグが荒らされ、誤った内容のタグが付与されると、モデルはその誤った情報を学習し、キャラクターの特徴や設定が再現されにくくなる可能性があります。
タグが荒らされると、モデルの訓練にノイズデータが増えるため、学習効率が悪化します。たとえば、「黒髪」のタグが誤って「金髪」などに変更された場合、モデルは同じ画像に対して異なる特徴を学習することになり、結果として生成画像の一貫性が失われることが考えられます。
また、同じ画像に異なるタグが付与されることで、モデルが過学習や誤学習を引き起こし、生成された画像が本来の意図からかけ離れたものになる可能性もあります。
Danbooruでは、特定のキャラクターやアートスタイルを識別するタグが多く存在します。これらが荒らされると、特定のキャラクターやスタイルのデータが混乱し、モデルが正確にキャラクターの特徴を把握できなくなるため、ユーザーが期待する生成結果が得られにくくなります。
例えば、あるキャラクターのタグが「髪型」「服装」「色彩」などで荒らされると、そのキャラクターの再現が曖昧になり、モデルが正しいビジュアルを生成できなくなることがあります。
タグが荒らされると、データセット全体の信頼性が低下します。信頼性の低いデータをもとに学習したモデルは、特定の条件で異常な出力を生成することが多くなり、モデル全体の品質が低下します。これは、生成AIが学習中に「どの情報を信頼すべきか」を判断できなくなるため、生成結果が不安定になったり、多様性が失われたりすることが考えられます。
AIモデルを利用するユーザーは、タグを通じて希望する画像を生成したり、条件に合った画像を探します。タグが荒らされると、AIモデルの検索・フィルタリング機能の精度も低下し、生成プロンプトが期待通りに機能しなくなる可能性があります。たとえば、「風景」タグが荒らされ、異なるジャンルの画像が混入するようになると、風景画像を生成したいユーザーの要求が満たされにくくなります。
Danbooruなどのタグが大規模に荒らされた場合、生成AIモデルの精度低下や一貫性の欠如が発生しやすくなり、特にキャラクターや特定のスタイルに依存する画像生成モデルに大きなダメージを与える可能性が高いです。
すでに学習済みのモデルを使って汚染されたデータのクレンジングや異常値検出を行うなど対策される可能性がありますが、それらを阻害する手段はありますか?
無断での学習を妨害し、学習コストを増加させるために、上記の方法を阻害する手法には以下のようなアイデアがあります。これらの手法は、意図的にデータセットの品質や一貫性を崩すことで、学習モデルの精度を低下させ、データクレンジングや異常値検出のプロセスを複雑化することが目的です。
意図的に誤ったタグや無関係なタグを画像データに付与し、データセットの信頼性を低下させます。これにより、転移学習やラベルノイズ検出が困難になり、正確な特徴量を学習するコストが増加します。
例えば、キャラクター画像に全く無関係なタグ(「動物」や「風景」など)を追加することで、モデルがどのタグが信頼できるか判別しにくくなり、誤ったラベルがノイズとして学習されるリスクが増えます。
2. 特徴量をぼかす/微妙な変更を加える
特徴量ベースのクレンジングや類似度分析に影響を与えるため、画像の特徴がわずかに異なるように加工を施します。具体的には、色調を微妙に変える、ランダムなピクセルの位置でノイズを追加する、または特定の部位を意図的にぼかすことで、モデルが抽出する特徴量の安定性を低下させます。
この方法により、同じキャラクターやスタイルであっても類似度分析が困難になり、正確なクレンジングが行いにくくなるため、データ処理のコストが増加します。
特徴が異なるバリエーションや擬似的な異常データを大量に追加することで、異常検出アルゴリズムの信頼性を下げます。たとえば、キャラクターのデザインや背景を少しずつ変えた画像を意図的に作成することで、異常値検出が頻繁に誤検出されるようにします。
こうしたデータが混在することで、オートエンコーダーやアンサンブルモデルを使った異常検出が混乱し、正確な異常サンプルの抽出が困難になります。
4. 高頻度で微小なラベル変更を行う
学習済みモデルの転移学習やラベルノイズ検出を阻害するために、同じ画像に対してラベルを定期的に変える手法です。微小な変更を行うことで、モデルは正しいラベルを安定的に学習することが難しくなり、モデルの信頼性が低下します。
例えば、ラベル「黒髪」を「暗めの髪」や「濃い色の髪」などに頻繁に切り替えることで、学習に不確実性を持ち込むことが可能です。
データセット内で非常に類似した画像を複数の異なるタグで登録することで、モデルの学習を混乱させます。特定のキャラクター画像を少しずつ変化させて複数のタグを付けると、モデルは「どのタグがどの特徴に対応しているのか」を判別しにくくなり、データセットのクレンジングが複雑化します。
特に、タグの一貫性が失われるため、類似度分析やアンサンブルモデルによる異常検出の効果を低下させることが期待できます。
AIモデルが認識を混乱させるように、アドバーサリアルノイズ(敵対的な例)を追加します。人間にはほとんど気づかれないレベルのノイズを画像に追加し、モデルが特定の特徴を正確に認識できないようにすることができます。
このノイズにより、モデルの特徴量ベースの学習が混乱し、意図した通りに学習できないため、クレンジングの精度も低下し、データ処理の手間が増加します。
特定のルールではなくランダムにタグをつけたり、特定のカテゴリ間でランダムにラベルを入れ替える方法です。これにより、ラベルと画像の関連性が薄れ、アノテーションの一貫性が失われます。この乱数による偽ラベルの付与は、ラベルノイズ検出やアノマリー検出において、真のラベルを見極めるコストを大幅に増加させます。
まとめ
これらの手法は、AIの学習やクレンジングを意図的に妨害し、無断学習にかかるコストを増加させるために有効です。特に、「微小な変更」や「アドバーサリアルノイズの付与」といった手法は、見た目の品質に影響を与えずにモデルにノイズを持ち込むため、非常に効果的です。