  |
はてなキーワード: 暗号とは
反反AIで特に絵に対して文句をいっている人って、絵描きに対してコンプレックスがあるか、AIで絵を描いて儲けたいとか何かのポジショントークとしか思えないところがある。
例えば DeepL とかの AI ベースの製品も入力内容を学習に使わないオプトアウトができるようになっている。
X とか SNS に載せたらそれは学習に使いますと言われたらそのSNSを使わないという選択があってもよい。
そこを学習は合法だからと連呼するのは、会社のデータをなんでもかんでも外部のサイトに提供してお漏らしすることが許されている会社なのかな？AI の発展のためにおまえのデータをすべて開示すべきとかいってる奴は働いたことがないか、やっかみか何かか？と思ってしまう。
クロール防止を避けられてしまうならウォーターマークなどで自衛するしかないだろう。これは生成AI以前でも行われていたこと。難易度を少しでもあげLORAされにくくする、学習に時間がかかったり手間がかかるので悪用する利益に見合わないと思わせるようにするというのは問題ない。
現代の暗号化も素数とか計算に時間がかかることに依拠しているものもあるように、現実的な時間というのは重要なファクターなのだ。
これは絵だけでない。声やテキスト全ての学習されたくない情報をどうやって学習させないかをちゃんと考えて一般の人に広めるのは個人情報保護のように今後リテラシーになっていくのかもしれない。なので学習されないようにしていると冷笑するのではなく、安全な公開方法を用意したりする仕組みを考えるべきなのだろう。
あの法律、生成AIをあまり想定してなかった、かつ一度決めたら引っ込められないお役所仕草が相まってると思うのだよね。
AI にも色々あって画像認識、背景削除など色々使える。GenAIと違いこれらのAIは基本的に学習した結果がそのまま出力されない。このように使われるなら納得されるだろう。
一方GenAIは学習結果から同じフォーマットの成果物を出してしまうのが問題。画像生成は学習したデータを元にした画像しか生成しない。LLMもニュースや過去のデータを元に回答している。それらには本来権利があるのに無視してしまっている。
声優の話や、海外の getty やニュースサイトの訴訟とか、今後法律も変わってくると思う。
EU なんかは学習元データ開示させようとしてるし、アメリカのエンタメ界隈のロビー活動によってはディズニー法みたいに変わることもあるだろう。
特許や著作権同様、国際協調して進めるべき案件だろう。盗まれるならやはり保護技術や法律が必要ということ。
学習速度と生成速度が全然違う。前述のとおり暗に現実的な時間というものが守ってくれていた部分がとっぱわれてしまった。
活版印刷の時に著作権ができたように何らかの制限ができてしかるべきだと思う。
横道にそれるが量子コンピューティングなりで暗号鍵やHashが推測できるようになったら暗号化はどうなるのだろうね。パスワードの解析も人間が考えたものだから解析するのは問題ないとか言うのだろうか。すでに不正アクセス防止法があるが。
そこは同意だがライセンス、特許はあるよね。ライセンス違反をしてコピーをしたら訴えられる。プロプライエタリな製品のEULAだと大体リバースエンジニアリングも禁止だ。
プロプライエタリの製品のソースコードをすべてオープンソースにせよとかおもってるのかな？
音楽は消費するのに少なくとも一曲3分以上かかるし、小説、動画だってもっとかかる。
一方、絵というのは一目で個人的な見解のレベルでは良し悪しがわかる。そのため消費するのに時間がかからない。それなのに人間が作成するには時間がかかるという非対称性がある。
そういうものをAIで数秒に一枚生成されてしまうのだから反発が大きい。
声もそう、その人の声でなにかするというのは一瞬で消費される。一度学習されてしまえば再利用に歯止めが利かない。
消費するために公開せざるを得ないものについても保護できるようにすると言うのは必要。それが著作権以外でもいい。
何でも学習合法にするとDeepFakeや類似作品が溢れかえる。しかも生成は数秒。
それをすべて被害者が訴えて回るのはフェアではない。学習、生成段階で歯止めをかける仕組み、法制度が必要になってくるだろう。
それを合法だから！反AIは異常とか言ってるのはそれはそれで思慮が足りない。
一方、合意して学習した内容を使ったAI、例えば自分の作品を自分で改善するといった分野に使うなら否やはないだろう。
そういった使い方があるにも関わらずAIは悪と言い、企業や個人に突する反AIもあれはあれでおかしい。
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。
まず言っておきたいのは、コメントってやっぱり大切だってこと。
コードを書いた人の意図を後から見た人が理解できるようにするためのものだし、未来の自分が「あれ、これ何書いたっけ？」と迷うのを防ぐためにも、コメントは欠かせない。
でもうちの会社にいる“バリバリできる人”、仮にSさんとしておきましょう。
このSさん、そもそもプログラムのスキルが超ハイレベルで、コードをめちゃくちゃ書ける人。
みんなが「あれどう書くんだっけ？」ってなるような複雑なロジックをサクサク書けるし、妙なバグも即座に見抜く。もう尊敬しかない。
で、Sさんのコードは、当然コメントもバッチリ入っているわけですよ。ただね…これが実に困った問題なんだけど、そのコメント…意味がわからない。
だって、Sさんの説明って、どこか抽象的だったり、ちょっと暗喩（暗号？）染みてるんです。
言葉としては正しいし、ちゃんと書いてくれてるんだけど、どうも頭に入ってこない。
たとえば「このループは不変量を維持するための役割を果たす」とか、やたらと専門用語が並ぶ感じ。
で、読んだ結果「何をどうしてるんだっけ？」と逆に混乱してしまう。
それで、しまいには「Sさんのコメントの意味がわからないから、誰かもう少しわかりやすい説明を足してくれませんか？」っていうリクエストが社内で上がるようになった。
この“コメントに対するコメント”という新しい文化が生まれつつある。
Sさんが「ここは変数の定義です」と書くと、誰かが「この変数の定義がなぜ必要かについて補足します」とか、「ここでの不変量とは何か解説します」とか言い出すわけですよ。
Sさんが「このアーキテクチャがスケーラビリティを保つためのものである」と書けば、「スケーラビリティの具体的な定義についてもここにメモしておきます」とか。まるで辞書の注釈がついていくみたいに、コメントがどんどん増えていく。
こうなると、なんというか「天才の思考の跡をたどる」って感じになってきて、普通のエンジニアとしては大変なんよ。
Sさんとしては、きっとわかりやすく書いてるつもりなんでしょうが、僕たちからするとSさんのコメントを読み解くためにさらに別のコメントをつけていく状況。
こうして、コメントの数だけが増え、肝心のコードがどんどん見づらくなっていく。
なんだか本末転倒な気もするけど、仕方ない…。
コメントがないとわからないし、でもコメントがあってもわからない。
いやー、天才ってすごい。
闇バイトに引っかかったので、その主催主の悪事を書いたのだけど、弁護士を使って名誉毀損で訴えられている。まぁ、こっちは金あるし、負けても民事だから、どうでもよいのだけど、あっちは大丈夫なんだろうか？と思ってカキコ。具体的には、
ということを、ネットに書き込んだら、まさかの弁護士を使って裁判してきた。でも、これらは証拠があって、こっちも弁護士を雇って、代理で裁判をやってもらう。それで、こっちの弁護士も「なんで、こいつ、これで裁判しようと思ったんだ？」と言っていたので、自分もそう思うのよね。これが事実だったら「裁判中に監督省庁が動き出して逮捕されたらどうしようか？」って原告（詐欺師）は思わないのだろうか？思わないから、詐欺師になれるのだろうけど。
「漫画家イエナガの複雑社会を超定義」の「量子コンピューター」の回がこの後1:20からNHK総合で再放送するようなので、本放送を見たときの自分の感想を改めてここにまとめる。
一般のメディアにおける「量子コンピューター」の取り上げ方はいつも、専門知識を持っている人間から見たらとんでもない誇張と飛躍で充ちている。もはやSTAP細胞詐欺か何かに近い危険性を感じるので、こういう話に接する時の注意点、「ここを省略していることに気づくべき」要点を解説する。
メディアにおける「量子コンピューター」の説明は、大体いつもストーリーが似通っている。
件の軽い調子の番組だけでなく、ニュートンだろうと日経サイエンスだろうと、まあおおよそ複素関数論の「ふ」の字も紙面に出したら読者がついてこれなくなる程度のメディアではほとんど同じ構成である。
これはこの20年ほど変わらない一種のパターンになっているが、実はこのそれなりに繋がっているように見える一行一行の行間すべてに論理的な問題を孕んでいる。
この行間に実は存在する論理の省略、あるいは嘘と言っても良い誤摩化しをひとつひとつ指摘していこうと思う。
量子ビットには重ね合わせの状態が保持できる。これに対して計算処理をすれば、重ね合わせたすべての状態に並列に計算を実行できる。ように見える。
しかし、これも一般的に聞いたことがあるはずなので思い出して欲しいが、「量子力学の重ね合わせの状態は、『観測』により収束する」。
つまりどういうことか？ 量子ビットに対する処理が並列に実行出来たとしても、量子コンピュータの出力はそれをすべて利用できるわけではない。
量子コンピュータの出力とは、量子ビットに対する並列処理の結果の、確率的な観測に過ぎない。
なので、手法的な話をすれば、量子アルゴリズムとはこの「確率（確率振幅という量子状態のパラメータ）」を操作して、望む入力に対する結果が観測されやすくする、というちょっとひとひねりした考え方のものになる。
単に並列処理ができるから凄いんだという説明は、増田自身一般向けの説明に何度も繰り返したことがあるが、まあ基本的には素人相手の誤摩化しである。
ここさえ踏まえれば、知識がなくともある程度論理的にものを考えられる人には、量子コンピュータに対する色々な期待も「そう簡単な話ではない」となんとなく感じられると思う。
量子コンピュータのキラーアプリとされている暗号解読は「ショアのアルゴリズム」という非常に巧妙な計算を通して得られる。
上で説明したように、量子コンピュータは単に「並列計算だから」なんでも高速な処理ができる訳ではない。暗号解読については、この「ショアのアルゴリズム」という自明でない計算手法（高速フーリエ変換の応用）が見つかってしまったからこそ問題になっているのであって、このアルゴリズムの実行が出来なければ暗号解読ができるとは言えない。
さてここからは量子力学というより計算機科学の話になるが、あるチューリングマシン上のアルゴリズムが別の計算モデルで実行可能かどうかは、その計算モデルがチューリング完全であるかどうかによるというのはプログラマには常識である。
これは量子コンピュータにおいても変わらない。量子コンピュータの一般に知られる多くのアルゴリズムはドイチュの量子チューリングマシンを前提に作られており、チューリング完全でないアーキテクチャでは実行できない。できるはずがない。ショアのアルゴリズムも当然そうだ。
しかしながら、この20年弱、D-Wave社が最初の「自称・量子コンピュータ」を開発したと発表して以来、さまざまな企業が「開発に成功した」と発表した「量子コンピューター」の中で、このチューリング完全なものは何一つ存在しない。
これらでは、今後どれだけ「性能」が伸びようとも、暗号解読の役には立たないのである。
以上の議論から総合すればわかると思うが、量子コンピュータで世界が一変するなんてヴィジョンははっきり言ってSF以下のファンタジーというレベルでしかない。
第一に、量子コンピュータの利用できるドメインは非常に限られたものであるし、第二に、その中の最も宣伝されているものである暗号解読の可能な量子チューリングマシンの開発の目処などまったく立っていない。どころか、業界のほとんど誰も挑戦することすら本気では考えていない。
現状の「自称・量子コンピュータ」（量子情報システム、とでも言おうか）にも利用の可能性はある。何より量子状態そのものが作れるので、物理学や化学領域の量子システムをシミュレーションするのに適しているのは言うまでもないだろう。しかし、まあ、現状あり得る比較的現実味のある用途というのは、それくらいではないか。
このように、メディアが量子コンピュータについて語るとき、そこには非常に多くの誤摩化しや飛躍が含まれる。これは結構業界の根幹に関わる問題なのではと思うが、時間が来たので総括は後述にでもすることにする。
何か質問があればどうぞ。
資本主義や民主主義の限界に対する修正や改善を目指す学問や思想は多岐にわたり、特に近年では貧富の格差や社会の分断などの課題に対応するための議論がさまざまな分野で展開されています。以下は、その代表的な取り組みです。
1. ポスト資本主義（Post-Capitalism）
ポスト資本主義は、資本主義に替わる新しい社会経済の枠組みを模索する思想です。経済学者や社会思想家の中には、技術の進展や労働の自動化が進む中で、資本主義に基づく経済システムの持続可能性に疑問を持つ声が増えています。ポール・メイソンやトーマス・ピケティなどは、資本の集中が引き起こす格差の拡大に着目し、持続可能な経済の実現のために富の再分配や共有経済を含む新しい制度の導入を提唱しています。
2. 社会的市場経済（Social Market Economy）
ヨーロッパ、特にドイツを中心に発展した「社会的市場経済」は、自由市場経済と社会的福祉政策を融合させたモデルです。市場競争の効率性を維持しながら、労働者や弱者を保護し、公正な所得分配を目指します。社会的市場経済は、資本主義の自由経済と民主主義的価値観を調和させる試みとされ、欧州の福祉国家の基盤となっています。
分配正義（Distributive Justice）は、財や資源の公平な分配を考える哲学的・倫理的分野で、アマルティア・センやジョン・ロールズが代表的な思想家です。特にロールズは「公正としての正義（Justice as Fairness）」を提唱し、社会制度が公平に機能するための条件を提示しています。この流れから、貧富の差を是正する手段として「ベーシックインカム」が注目されており、すべての国民に一定の所得を無条件に支給することで最低限の生活を保障し、貧困や格差の縮小を図ろうとしています。
4. 修正主義的資本主義とESG（Environmental, Social, and Governance）投資
修正主義的資本主義は、持続可能性と社会的責任を資本主義に組み込むことでその問題を解決しようとするものです。ESG投資は、この理念に基づき、企業の収益性だけでなく環境、社会、ガバナンスに配慮した投資活動を推進することを目指しています。企業活動が長期的な社会的利益に貢献するための枠組みを重視し、企業が利益のみを追求するのではなく、持続可能な成長を図ることが期待されています。
5. デル・メトリオクラシー（Deliberative Democracy）と共同体主義
民主主義において、社会の分断やポピュリズムの台頭に対抗するため、「熟議民主主義」や「共同体主義」といった思想が見直されています。熟議民主主義は、市民が公共の場で意見を交わし合うことで、合意形成を目指すアプローチであり、単なる多数決ではなく深い議論に基づく意思決定を重視します。また、共同体主義は、個人の自由とともに地域や共同体の価値を重視する思想で、アミタイ・エツィオーニなどが提唱しており、社会的な絆や共通善を再評価する動きが見られます。
ブロックチェーン技術や分散型台帳技術（DLT）は、新たな経済システムやガバナンスモデルとして注目されています。これらの技術を活用することで、中央集権的な管理を排し、分散的かつ透明性の高い社会システムが可能になると考えられています。ブロックチェーンを基盤にした分散型自治組織（DAO）や、暗号資産を用いた経済圏が試みられており、伝統的な資本主義や民主主義の枠組みを再考する材料となっています。
これらの思想や学問的検討は、資本主義・民主主義の限界に対して、社会の持続可能性や公平性を向上させるための試みとして重要な役割を果たしています。
某社の光回線に申し込んだんだけど支払い方法の登録が死ぬほどめんどくさかった
プロバイダのユーザーページにログインするID、パスワードと支払い用のauIDとパスワード。
ログインがうまくできないからパスワード再設定したら過去に使ってたau電話番号の休止中扱いのIDでログインされたり。やっとの事で新しいIDでログインできたと思ったら連絡先メールアドレスが昔のau電話番号の連絡先に設定されてるから別のメールアドレス設定しろ、とか言われたり。BIGLOBEとauの登録メールアドレスバラバラになっちゃったじゃんくそが。
おまけに4桁の暗証番号とかいわれて（なんに使うんだよ。4桁の暗証番号なんて電話会社の悪癖だよ。即刻改めろボケ）、暗号強度的に携帯番号下4桁使おうとしたら電話番号に含まれる文字列はアカンらしい。結局キャッシュカード用の一段強度強い4桁使うハメになってイライラ。
こんなもんもはや管理できるわけもなくどうせ次回必要になった時はパスワード再設定が必要になるのは目に見えてるわけで、もう初めからメールアドレスにワンタイムパスワード発行しろって。
はあまじはあ
今までは、あんなものは無価値で、そのうち価格がゼロになるとか、詐欺だとか、原理的に成り立たないとかそういう感じの批判が主だった。
最近は、ビットコインは不公平であるという批判をされるようになってきたとか。
一部の人間で独占してるとか、先に買った人間が有利すぎるとか。
だから税金を増やせとか、ビットコインの価格を法律でコントロールしろとか、有力な人が言い出してるらしい。
今までビットコインに投資してきた人らは、リスクを冒して金を入れてた。
それに対してかしこぶって暗号資産は詐欺だとか馬鹿にしてた連中が、それが本物だという情勢になってきたらこんどは不公平だとか言い出すって、そっちのほうがずるいよな。
楕円曲線暗号（Elliptic Curve Cryptography, ECC）は、数論と代数幾何学に基づく公開鍵暗号方式である。
特に有限体上の楕円曲線の構造を利用して安全性を確保する手法として知られ、RSA暗号に比べて少ないビット数で同等の安全性を実現できる。
楕円曲線とは、一般的に次の形で表される三次方程式により定義される：
y² = x³ + ax + b
ここで、係数 a, b は、定義する体 F 上の元である。特に、上記の式が体 F 上で非退化（特異点が存在しない）であるためには、判別式がゼロでないこと、すなわち
4a³ + 27b² ≠ 0
楕円曲線上の点の集合 E(F) は、無限遠点 O を加えた集合として群構造を持ち、加法演算が定義できる。加法演算は、点の「和」を取る操作であり、次の規則に従う：
このように、楕円曲線上の点の集合はアーベル群となる。この群の構造を活用し、暗号方式が構築される。
実際の暗号応用では、有限体 Fₚ（p は素数）や拡大体 F₂ᵐ 上の楕円曲線を使用する。有限体上の楕円曲線 E(Fₚ) は有限個の点から構成され、その数は次のようにハッセの定理によって評価される：
|E(Fₚ)| = p + 1 - t,
ただし、トレース t は |t| ≤ 2√p を満たす。
ECCの代表的な応用として、楕円曲線上のディフィー・ヘルマン鍵共有（ECDH）がある。これを次のように構成する：
1. 楕円曲線 E と基点 G ∈ E(Fₚ) を公開する。
2. ユーザーAは秘密鍵 a を選び、公開鍵として P_A = aG を計算して送信する。
3. ユーザーBは秘密鍵 b を選び、公開鍵として P_B = bG を計算して送信する。
4. 双方は共通鍵として K = aP_B = bP_A = abG を計算する。
この手法の安全性は、離散対数問題、特に「楕円曲線離散対数問題（ECDLP）」に依存している。楕円曲線上の点 P と Q = nP が与えられたとき、係数 n を求めるのは計算的に難しいため、敵対者が秘密鍵を推測するのが困難である。
例えば、リーマン予想の特別な場合であるヴェイユ予想は、有限体上の楕円曲線の点の数に対する評価を与え、暗号設計の基礎となっている。
さらに、現代の暗号学では楕円曲線とモジュラー形式の関係やガロア表現といった高度な数論的構造が研究されており、これらが量子耐性を持つ新たな暗号方式の研究に貢献している。
楕円曲線暗号はこのようにして、抽象代数学、数論、代数幾何学の融合によって成り立ち、安全性と効率を両立させた暗号技術として広く利用されている。
RSA暗号は、代数的構造、特に合同算術および整数環における準同型写像を用いた公開鍵暗号である。
RSAの安全性は、環の自己同型写像の一方向性と、有限生成群の元の分解が困難であることに基づいている。
この暗号方式は整数環 Z/NZ（N = p・q）上の準同型写像の一方向性を活用する。
まず、RSAにおける鍵生成は、代数的に以下のように構築される：
互いに素な大きな素数 p および q を選び、合成数 N = p・q を作成する。
これにより、商環 Z/NZ が定義される。ここで、N はRSAにおける「モジュラス」として機能する。
この商環は、全体として単位的な環であり、RSA暗号の計算基盤となる。
オイラーのトーシェント関数 φ(N) を次のように計算する：
φ(N) = (p - 1)(q - 1)
これは環 Z/NZ の単数群 (Z/NZ)* の位数を表し、RSAの準同型構造における指数の計算に用いられる。
単数群 (Z/NZ)* は、φ(N) を位数とする巡回群であり、一般に生成元 g ∈ (Z/NZ)* を持つ。
RSAでは、この群の生成元から得られる公開指数 e は、φ(N) と互いに素な整数として選ばれる。公開指数 e はRSAの「公開鍵指数」となる。
e・d ≡ 1 (mod φ(N))
これは、e に対する逆元 d の存在を保証し、秘密指数として機能する。ここで d はユークリッド互除法により効率的に求められる。
以上により、公開鍵 (N, e) と秘密鍵 (N, d) が生成される。これらの鍵は、合同算術と商環上の準同型写像によって定義される。
RSA暗号は、モジュラー演算によるべき乗写像を使用した暗号化および復号過程である。この操作は、(Z/NZ)* 上の自己同型写像に基づいている。
任意のメッセージ M ∈ Z/NZ に対し、公開鍵 (N, e) を用いて次の準同型写像を作用させる：
C = σ(M) = M^e (mod N)
ここで σ: M → M^e は (Z/NZ)* の自己同型写像として作用し、得られた C は暗号文となる。
この写像はモジュラ指数写像として同型写像であるが、一方向的であるため暗号化に適している。
暗号文 C を受け取った受信者は、秘密指数 d を用いて復号を行う。具体的には次のように計算する：
M = C^d (mod N) = (M^e)^d (mod N) = M^(e・d) (mod N)
ここで e・d ≡ 1 (mod φ(N)) であるため、e・d = kφ(N) + 1（整数 k）と表すことができ、したがって
M^(e・d) = M^(kφ(N) + 1) = (M^(φ(N)))^k・M ≡ 1^k・M ≡ M (mod N)
により、元のメッセージ M を復元することができる。ここでオイラーの定理に基づき、(M^(φ(N))) ≡ 1 (mod N) が成り立つため、この復号化が成立する。
RSA暗号は、Z/NZ の構成において N = p・q の因数分解が困難であることを仮定する。
合成数 N の素因数分解問題は、現在の計算アルゴリズムにおいて指数時間に近い計算量が必要であり、代数的には解読が非常に難しい問題であるとされる。
RSA暗号における暗号化は群の自己同型写像によって構成されるが、逆写像を求めることは一般に困難である。
これはRSAの一方向性を保証し、現実的に解読不可能な構造を形成している。
RSA暗号の解読は逆写像としてのべき乗の逆操作を計算することに相当し、これを効率的に解決する手段が存在しないことが安全性の根拠となる。
RSA暗号の構造は合同算術に基づく準同型性を有し、M → M^e (mod N) というモジュラ指数写像によりメッセージ空間上の一対一対応を実現する。
この準同型性により計算効率が保証されつつも一方向性を持ち、安全な暗号化が可能である。
以上より、RSA暗号は合同算術、準同型写像、群の生成元と逆元の難解さに基づく暗号であり計算量理論と抽象代数からその安全性が保証されている。
RSA暗号の解読可能性は準同型写像の逆像を効率的に求める方法が存在しないことに基づいており数学的にはこの逆像問題の困難性がRSA安全性を支えているといえる。
流行に乗る。
名探偵コナンに追い付くために読んでいたほうがいいエピソードは既にいろんな所でまとまっているし、10エピソードどころではおさまらない。
なので読んでほしい回を下記に書く。（傑作集とでも言うべきか）
というのもコナンの人気エピソード投票はよくしているのだが、どうしてもキャラクターが活躍する回とか、話が大きく動いて流れが変わる回とか、幼少期のアニメ視聴者が絵的インパクトのみで記憶に残ってるとか、妙にネットでこすられた回がピックアップされてしまうのだ。
今回はそういうの無しで行きたいと思う。
順不同だ。あと見るなら原作をおすすめする。アニメは原作からちょっといじってるし、漫画の絵が良いんだよコナンは。
行方不明の推理小説家を探すというもの。鍵は作家が残した原稿にある暗号ミステリーである。この暗号を解くまでのコナンが良い。あまり知られていない蝶ネクタイ型変声機の弱点も知れる。推理小説好きは好き。
原作で読んでほしいと先に書いたが、これはトリックと漫画ならではの構図の絵が美しいのが特徴だ。
雪山山荘、燃えさかる吊り橋、何も起きないわけがないと知ったあの頃を思い出す。
これは初期作品でなかなかにインパクトが強い絵面が楽しめる事件だが、これがあるから名探偵コナンは国民的になれたのではないかと感じる。こんなん誰が思いつくねん、という事件。
この辺は入れとかないと誰かに刺されるかなと思った。コナンの設定を生かした事件で本当に唯一無二だと思うが、その中でも特に驚きが強く展開が読めないので面白い。
まぁこれはなんというか来年の映画のために見とけよってかんじではあるのだが、好評だったからメインに長野県警が選ばれたわけで、それは大事なことだろう？
コナンで唐突にくるグロ回が好きなのだが、長野県警が出ると大体グロいので良い。コナンのグロなら平気～って人もこの回はヒェッとなるかも。多分作中ベスト3に入るグロさ。
まぁこれもなんというか来年の映画のために見とけよってかんじでは（以下同文）
97巻ともなると人物相関図がややこしくなるが、かなり緊張感があったのでそういう楽しみ方もできるし、出てくる暗号もコナンを読んでいればいるほどミスリード的なお遊びがあり、ほどよい難易度だった。ぜひ一旦解読してみてから進んでほしい。
地味な話ながら地味にファン人気があるエピソード。地味なファンに人気があるエピソードとも言おうか。地味に面白くて地味に残るものがあるシンプルで良い回だ。結構悲しい話。
42巻に収録された6話構成のエピソード、だがベルモット編の終結とも言えるのでそこまでの流れを見ている方が良い。
とにかくここまでの流れの完成度が高く、すべてがうまく行っている。ある種の名探偵コナン一部完結といった感じもあり、おそらくここまでを読み込めば名探偵コナンのラストが予想できるのではないか…といった考察もある。もちろん80巻以降毎回のように重要情報を出すようになったので全巻読まないといけない仕組みなのだが…。
正直この事件が入っていない人気投票系のエピソードランキングは信用していない。これは必ず入っておくべき、と思う二元厄介オタク。
一回読んだだけだと理解できず、何度も見返して「なるほど」となったので印象深い。謎一つ一つはクイズ番組であるようなものなのだが、それを事件に繋げて複雑化していくのでなかなか読めない。
あ、これも長野県警出てるから来年の映画のために…いや、これは読まなくていい。
大体このエピソードをライト層におすすめしてくるファンとは関わらない方が良い。
でもこの場はそういうのを書いていい場所だと聞いたので。
お札を見せるやつねって言ったら覚えてる人多いかな。
毒と幻のデザインと同じくコナンと平次の共闘と言っても、上の話と違ってこれをおすすめしてくるコナンファンはとても優しい。大事にした方が良いと思う。このエピソードは完成度が高く、映画を見たかのような満足度がある。
1000話超えてるのであれが入ってないとかこれが入ってないとかあると思うけど、まあそういうのは各自おすすめしてください。
わかった、ほんなら「量子コンピュータ」について話すで！
量子コンピュータは、古典的なコンピュータとは全く違う原理で動くんや。
基本的な単位は「キュービット」で、これが通常のビット（0か1）とは異なり、0と1の重ね合わせ状態を持つことができるんや。つまり、量子コンピュータは同時に複数の計算を行えるポテンシャルを持っとるんや。
そのおかげで処理速度が速くなったり大規模なデータ分析が可能になるんや。
以下にもう少し詳しく解説していくやで。
重ね合わせとは、キュービットが0と1の状態を同時に持つことや。
一方、エンタングルメントは、複数のキュービットが互いに強い相関を持ち、一つのキュービットの状態が変わると、他のキュービットの状態も即座に変わることを指すんや。
この現象が量子コンピュータの強力さを引き出すんやけど、理解するのが難しいところや。
たとえば、ショアのアルゴリズムというのは、整数の素因数分解を効率的に行えるんや。
これが実用化されると、現在の暗号技術が崩れる可能性があるから、セキュリティの面でも大きな影響があるで。
量子コンピュータは非常に繊細で、外部の環境からのノイズによってエラーが発生しやすいんや。
これを克服するために、量子誤り訂正という手法が開発されとる。
これは、冗長なキュービットを使ってエラーを訂正する方法やけど、従来のコンピュータに比べて非常に複雑や。
今のところ、量子コンピュータはまだ実用化の段階には達してへんけど、いくつかの企業（例：IBM、Google、D-Waveなど）が開発を進めてるで。
2023-03-13
2023-01-16
＞ 生成モデルの「生成」は入力の確率分布もモデリングするという意味であって、「フィルター」というのは入力はモデリングせず入力を出力に変換する部分のことを言っていて、これは確率モデルとしては回帰モデルに相当するので生成モデルとは別物。
2023-01-14
現実の仕組みについての議論なんてググればいくらでも出てくるだろ
余計な能書き垂れねぇでいいからよ
なんだかゼルダが終わった後の淋しい感じが否めない中
私はただただ意味もなくハイラルの地をブラブラと歩いているのよ。
大妖精からもらった「力のかけら」のありかが分かるベルを使ってここら辺近くに力のかけらがあるんだけどどこかしら？って探したり
海を泳いでいたらイベント遭遇して船に乗ってる人を助けたり。
そんな感じで新たな発見を探しているところよ。
なんだかまだ楽しいかも！って
でもさ、
力尽きたら溺れてしまうけれど、
ゼルダ姫の方はどんだけ広い海でも泳いでいけるって言うこのタフさ！
今それに知らぬ間に泳いでいたのに気付いたわ。
リンクだったらあの海の海上の遠くに見える赤く光っている祠まで行きたいのに行きたいのに！って思ってても
パラセールではがんばりゲージまだ足りないし、
ましてや泳いでなんてとんでもない。
そもそもとして葉っぱで扇ぎ続ける作業が面倒だわ！って思ってしまって遠くを眺めている祠だったけど、
もうさ、
まだ行っていないハイラルの細かいところを探検するようにしているわ。
たぶんやってないことたくさんあるのが多すぎて
あれはもう全無視！
つーか馬みたいな人は強すぎるし
なんとかロックって人は頑張って背中に乗って弱点を叩いたら倒せたからまだ行ける！って感じだったけど
馬みたいな人はあえてそっとしておく方がいいかもしれないわ。
にしても
歩き回るハイラルは広すぎるわ。
楽しいけれどね。
あ！
でね
「知恵のかりもの」では何に使ったら良いのかよく分からないアイテムもゲットしてて
これスムージーにも使えないし、
一体何に使ったらいいのかしら？って
なんかこれのアイテムを使うイベントが私遭遇していないのかも知れないわってところで、
でもまだ私はゼルダの伝説の攻略方法をウエブサイトではみないインターネッツを実行している真っ最中なので、
駆け足で走り抜けたハイラルをじっくり歩いているところよ。
また何か見付けるかも知れない。
たぶん、
猫にも全部話せてないし、
まだそれも1つも手に入れていないがままなすがままで
クリアはしたけれど
ハイラルの細かいところを探検する作業はもしかしたら半分はしていないかも知れない勿体ないさがあって
意外とクリアしたらなんか燃え尽きちゃってしばらくは遊ばなくなるけれど
いや全体的に何個あるのかもすら分かっていないけれど、
お題に出されたスムージーのレシィピをたくさん作るってミニクエストは
「ブレスオブザワイルド」に関してはもう早々にバナナ5つのバナナ炒めで
以降南の地域に行ってバナナを集めてはバナナを炒めてバナナを集めてはバナナを炒めてって。
あ！
天空に舞う3つの龍ってそれぞれいるじゃない「ブレスオブザワイルド」のハイラルには。
あれ結局なんだったのか？よく分かってないままこれまた突き進んでクリアしちゃったから噂では強力なアイテムの素材がゲットできるみたいなことあったけど、
よく分からないわ。
謎を残したまま次のハイラルへと私は向かったのよね。
今思い出したけど、
ルピー稼ぎに北の大地の雪深いところに狩に行ってたくさん獣の肉を狩猟して町に売りに行っていたことも思い出したわ！
懐かしい！
大黒摩季さんのあの懐かしい香りがするスミレの花時計のような、
そんで狩するには矢が無いからって矢を集めたり買ったりして
涙ぐましいあの「ブレスオブザワイルド」のことを思い出したわ。
とにかく
肉！肉！肉！よ。
あのトラトラトラの暗号をもし肉肉肉って言って発信したのを傍受して解読したら
あーもうそのぐらい肉狩っていたわ。
だって「ブレスオブザワイルド」の大妖精は最終的に10000ルピーせしめてきたじゃない。
せしめるって言い方は酷いかも知れないけど、
あのリンクの貧乏さを思ったらあの10000ルピーは鬼だったじゃない。
とはいえ、
私は「ブレスオブザワイルド」でも防具を最強にまでしてなくてハイラル城にそれこそゆっきーなばりに事務所総出でってそんな勢いで
長らくハイラル城の中を探索してボスのところまで苦労して行ったのに
要領を得てか、
城外からリーバルトルネード2回でボス目前まで行けちゃう要領の良さをゲットしたときは
あまりのあっけなさに
そんなことを言っていたら
あっちのハイラル「ブレスオブザワイルド」の方にもまたなにか行ってみたくなっちゃったわ。
久しぶりなので
サブクエストのおさらいして何するか思い出さなくちゃいけないけれど、
にしても
あの時の貧乏でいろいろと肉とか摩季とかって大黒摩季さんの摩季じゃなくて薪の方ね。
あれリンクも家、
自分の家持てるじゃない。
私なにもないただの引っ越ししたての
凄い部屋に声が反響してビックリするぐらい何もない自分の家にちょっと笑っちゃうわ。
そんでなんか価値があるかも！って思って勘違いしているイナズマを発する林田健司さんじゃない方のイナズマの剣が飾ってあって、
それ一つが飾ってあるシュールな自宅。
あー思いだしたら、
そっちもなんか装飾しなくちゃ？って。
クリアした後もハイラルは何かと忙しいかもと痛感したところよ。
秋になったら模様替えしたくなるわよね。
久しぶりに「ブレスオブザワイルド」のハイラルにもまた行ってみようかしら。
もうあのガーディアンにも逃げ回る必要が無いぐらいでも盾が無いのよ。
盾不足にも陥るこっちのハイラルだわ。
リンクが強い敵から逃げ回っていたときのことも思い出しちゃったわ。
うふふ。
昨日もだっけ？
飽きるまでたぶん秋！ってところかしらね。
欲張って鮭おにぎりも買ったけれど
ホッツ白湯ウォーラーにレモン果汁をそっと折れる簡単ポッカレモンが便利な
沸かして飲み頃の温度まで置いておけばちょうどいい温度になってるところに
レモンよ！
すいすいすいようび～
今日も頑張りましょう！
