  |
はてなキーワード: 最適化とは
人が集まるから企業が集まり、文化というラベルを貼った消費活動が盛り上がり、通勤ラッシュが盛り上がり、家族が住みづらくなり、子育てがしづらくなり、文句だけが積み上がりなんの解決策も提示されない。
上級国民と、金払いの良い外国人旅行客と、上級国民に滅私奉公する高望みしない独身奴隷が暮らす街として今後最適化されていくだろう。
かといって、東京からいきなり地方に移住しようにも、独身だろうと家庭があろうと可処分所得の高い仕事なんか余ってないし、靴を履くのと同じ感覚で車に乗る、いわゆる「車を履く文化圏」への移住には、消費活動にどっぷり浸かった本人が簡単には適合できない。
金の面で言うと一番厳しい選択肢だと思う。
人が集まるから企業が集まり、文化というラベルを貼った消費活動が盛り上がり、通勤ラッシュが盛り上がり、家族が住みづらくなり、子育てがしづらくなり、文句だけが積み上がりなんの解決策も提示されない。
上級国民と、金払いの良い外国人旅行客と、上級国民に滅私奉公する高望みしない独身奴隷が暮らす街として今後最適化されていくだろう。
かといって、東京からいきなり地方に移住しようにも、独身だろうと家庭があろうと可処分所得の高い仕事なんか余ってないし、靴を履くのと同じ感覚で車に乗る、いわゆる「車を履く文化圏」への移住には、消費活動にどっぷり浸かった本人が簡単には適合できない。
金の面で言うと一番厳しい選択肢だと思う。
生活に必要な金は首都圏と比べて劇的に下がるわけではないが、地方大都市での雇用は収入が劇的に下がるから。
ただ、首都圏脱出を考えるときに首都圏の雇用を維持したまま地方からリモートワーク出来るなら地方に適合するかどうかを試す試験期間として地方大都市で住んでみるというのはアリだと思う。
首都圏で陥った消費中毒のリハビリとして地方大都市で住んでみて、消費デトックス出来そうならさらなる地方へ移っても良いし、中毒症状がどうにもならないなら、地方大都市に留まるなり首都圏に戻るなり考えれば良い。
地方には地方の問題が、首都圏には首都圏の問題がそれぞれ独立して存在しており、現状を打開する画期的な策は国内のどこからも挙がらない。
無いんだから当たり前だけど。
アメリカでは人が集まりすぎて上級国民しか住めなくなり腐っていくカリフォルニアから出て行く人が増える一方らしいが、そういう現象は日本では起こらないだろう。
首都が全国から人と金を吸い上げ、地方を末端から壊死させ、人で溢れかえった首都圏は上級国民と金払いの良い外国人旅行客だけが堪能するバラ色の生活を支えるために全国から集まった独身奴隷が働くようになるだろう。
決定木は、質問を使って答えを見つけるゲームのようなものです。木の形をした図を使って、質問と答えを整理します。例えば、「今日は外で遊べるかな？」という大きな質問から始めます。
まず「雨が降っていますか？」と聞きます。「はい」なら「家で遊ぼう」、「いいえ」なら次の質問に進みます。次に「宿題は終わっていますか？」と聞きます。「はい」なら「外で遊ぼう」、「いいえ」なら「宿題をしてから遊ぼう」となります。
このように、質問を重ねていくことで、最終的な答えにたどり着きます。決定木は、こうした「もし〜なら」という考え方を使って、物事を順序立てて考えるのに役立ちます。
決定木は、機械学習における重要な分類・回帰アルゴリズムの一つです。データを特定の特徴に基づいて分割し、ツリー構造を形成することで、新しいデータの分類や予測を行います。
4. 枝：各ノードを結ぶ線、条件を表す
2. その特徴に基づいてデータを分割
3. 各サブセットに対して1と2を再帰的に繰り返す
4. 停止条件（深さ制限や最小サンプル数など）に達したら終了
決定木の利点は、解釈が容易で直感的であること、非線形の関係性も捉えられること、特徴量の重要度を評価できることなどです。一方で、過学習しやすい傾向があり、小さなデータの変化に敏感に反応する欠点もあります。
決定木は、分類および回帰問題に適用可能な非パラメトリックな監督学習アルゴリズムです。特徴空間を再帰的に分割し、各分割点で最適な特徴と閾値を選択することで、データを階層的に構造化します。
決定木の構築プロセスは、以下の数学的基準に基づいて行われます：
ここで、H(S)はエントロピー、Svは分割後のサブセット、piはクラスiの確率、yiは実際の値、ŷiは予測値を表します。
1. 事前剪定（Pre-pruning）：成長の早期停止
2. 事後剪定（Post-pruning）：完全に成長した木を後から刈り込む
決定木の性能向上のために、アンサンブル学習手法（ランダムフォレスト、勾配ブースティング木など）と組み合わせることが一般的です。
決定木は、特徴空間の再帰的分割に基づく非パラメトリックな監督学習アルゴリズムであり、分類および回帰タスクに適用可能です。その理論的基盤は、情報理論と統計学に深く根ざしています。
決定木の構築アルゴリズムとして最も一般的なのは、CART（Classification and Regression Trees）です。CARTは以下の手順で実装されます：
決定木の拡張：
これらの高度な手法により、決定木の表現力と汎化性能が向上し、より複雑なパターンの学習が可能となります。
決定木は、特徴空間Xの再帰的分割に基づく非パラメトリックな監督学習アルゴリズムであり、その理論的基盤は統計的学習理論、情報理論、および計算学習理論に深く根ざしています。
決定木の数学的定式化：
Let D = {(x₁, y₁), ..., (xₙ, yₙ)} be the training set, where xᵢ ∈ X and yᵢ ∈ Y. The decision tree T: X → Y is defined as a hierarchical set of decision rules.
For classification: P(y|x) = Σᵢ P(y|leaf_i) * I(x ∈ leaf_i)
For regression: f(x) = Σᵢ μᵢ * I(x ∈ leaf_i) where I(·) is the indicator function, leaf_i represents the i-th leaf node.
決定木の最適化問題： min_T Σᵢ L(yᵢ, T(xᵢ)) + λ * Complexity(T) where L is the loss function, λ is the regularization parameter, and Complexity(T) is a measure of tree complexity (e.g., number of leaves).
H(Y|X) = -Σᵧ Σₓ p(x,y) log(p(y|x))
I(X;Y) = H(Y) - H(Y|X)
2. ジニ不純度：
Gini(t) = 1 - Σᵢ p(i|t)²
MSE(t) = (1/|t|) * Σᵢ (yᵢ - ȳ_t)²
1. 一致性と収束速度： 決定木の一致性は、Breiman et al. (1984)によって証明されました。収束速度はO(n^(-1/(d+2)))であり、dは特徴空間の次元です。
2. バイアス-バリアンストレードオフ：深い木は低バイアス・高バリアンス、浅い木は高バイアス・低バリアンスとなります。最適な深さは、バイアスとバリアンスのトレードオフによって決定されます。
3. 決定木の表現力：任意のブール関数は、十分に深い決定木で表現可能です。これは、決定木がユニバーサル近似器であることを意味します。
4. 計算複雑性理論：最適な決定木の構築はNP完全問題であることが知られています（Hyafil & Rivest, 1976）。そのため、実用的なアルゴリズムは貪欲な近似アプローチを採用しています。
5. 正則化と構造リスク最小化：L0正則化（葉ノード数のペナルティ）やL2正則化（葉ノードの予測値に対するペナルティ）を用いて、構造リスク最小化原理に基づいたモデル選択を行います。
6. 情報幾何学的解釈： 決定木の学習過程は、特徴空間上の確率分布の漸進的な分割と見なすことができ、情報幾何学の観点から解析可能です。
7. カーネル決定木：非線形カーネル関数を用いて特徴空間を暗黙的に高次元化し、より複雑な決定境界を学習する手法です。
8. 量子決定木：量子コンピューティングの原理を応用し、古典的な決定木を量子系に拡張した手法です。量子重ね合わせを利用して、指数関数的に多くの分岐を同時に評価できる可能性があります。
これらの高度な理論と技術を組み合わせることで、決定木アルゴリズムの性能と適用範囲を大幅に拡張し、より複雑な学習タスクに対応することが可能となります。
いやぁ〜、テキストエディタの世界、めっちゃディープでんねん！聞いてくださいよ〜。
まず、テキストエディタの心臓部、バッファ管理システムについてや。これ、単なるテキスト保持やないんですわ。例えば、Emacsのガベージコレクション機構。マーク＆スイープ方式採用してて、バッファ内のLispオブジェクトを効率的に管理してんねん。これがあるから、長時間の編集作業でもメモリリークせーへんのや。
次に、レンダリングエンジン。これが曲者でんねん。Unicode標準のUAX #9に準拠した双方向アルゴリズム実装せなアカン。さらに、合字処理のためにOpenTypeのGSUB/GPOSテーブル解析も必要や。Harfbuzzライブラリ使うんやけど、カスタムシェーピングエンジン組み込んで、特殊な文字体系にも対応せなアカンのや。
構文解析エンジンも侮れまへんで。LR(1)パーサーじゃ複雑な言語構文に対応でけへんから、GLR（Generalized LR）パーサー実装するんや。これで曖昧な文法も扱えるようになるんですわ。Treesitterライブラリ使うと、インクリメンタルな構文解析ができて、巨大ファイルでもリアルタイムにハイライティングできるんや。
差分アルゴリズムも奥が深いんですわ。Myers差分アルゴリズムだけやなくて、Histogram差分アルゴリズムも実装せなアカン。大規模リファクタリングの差分表示に効くねん。さらに、セマンティック差分アルゴリズムも組み込んで、構造的な変更も検出できるようにするんや。
非同期処理システムもめっちゃ重要や。単なるPromiseやasync/awaitやのうて、Reactive Extensionsベースのストリーム処理実装するんや。これで、複雑なイベントシーケンスも扱えるようになるんですわ。さらに、アクターモデルベースの並行処理システム組み込んで、マルチコア活用した並列処理も可能にするんや。
最新トレンドもめっちゃアツいんですわ。例えば、Language Server Protocolの拡張や。単なる静的解析やのうて、シンボリックAI使うた意味解析まで可能にしてるんや。これで、コードの意図を理解して、より高度なリファクタリング提案ができるようになるんですわ。
WebAssembly統合も進化してるんや。Single Instruction, Multiple Data (SIMD)命令セットサポートで、テキスト処理のパフォーマンスが爆上がりしてんねん。さらに、WebAssembly System Interface (WASI)採用で、ファイルシステムアクセスも可能になってるんや。
AI支援機能も侮れまへんで。単なる補完やのうて、プログラム合成（Program Synthesis）技術導入してるんや。部分的な仕様から完全なコードを生成できるようになってんねん。さらに、説明生成AI組み込んで、生成されたコードの詳細な解説までしてくれるんですわ。
リアルタイムコラボレーションも進化してるんや。Conflict-free Replicated Data Type (CRDT)のカスタム実装で、ネットワーク遅延があっても一貫性保てるようになってんねん。さらに、意図ベースの競合解決アルゴリズム導入して、複雑な編集操作の衝突も自動解決できるようになってるんや。
拡張性アーキテクチャもすごいんですわ。WebAssemblyベースのプラグインシステム採用して、言語に依存せんプラグイン開発可能になってんねん。さらに、サンドボックス化されたランタイム環境提供して、セキュアなプラグイン実行も実現してるんや。
性能評価も厳しくなってるんですわ。起動時間は、コールドスタートだけやのうて、ホットスタートも測定せなアカン。メモリ使用量も、物理メモリだけやなくて、仮想メモリの使用状況も追跡するんや。CPU使用率は、マイクロアーキテクチャレベルの最適化まで求められるようになってんねん。レンダリング性能は、GPUアクセラレーションの効率も評価せなアカンのや。応答性は、入力レイテンシだけやのうて、知覚的な応答性（Perceived Responsiveness）も測定するんですわ。
いや〜、テキストエディタの世界、マジでディープすぎて、もう頭おかしなるで〜！こんな感じで、テキストエディタの最深部まで潜ってみましたけど、いかがでしたか？テキストエディタ、侮れまへんで〜。ホンマに。
両義的資源（善悪両用可能な要素）の文明発展への影響を分析するにあたり、以下の経済学的概念を中心に議論を展開します：
a) 内生的成長理論（Romer, 1990; Aghion & Howitt, 1992）
b) 制度経済学（North, 1990; Acemoglu et al., 2005）
c) 情報の経済学（Stiglitz, 2000; Akerlof, 1970）
d) 行動経済学（Kahneman & Tversky, 1979; Thaler & Sunstein, 2008）
Romerの内生的成長モデルを拡張し、両義的資源(R)を組み込んだ生産関数を以下のように定式化します：
Y = A * K^α * L^β * R^γ
ここで、Y は総生産、A は技術水準、K は資本、L は労働、α, β, γ はそれぞれの生産弾力性です。
dA/dR = f(I, S)
ここで、I は制度の質、S は社会的規範です。f(I, S) > 0 の場合、R は善として機能し、f(I, S) < 0 の場合、R は悪として機能します。
Acemoglu et al. の制度経済学モデルを応用し、以下の制度の質関数を定義します：
I = g(P, E, C)
ここで、P は政治的制度、E は経済的制度、C は文化的要因です。
制度の質 I が高いほど、両義的資源 R が善として機能する確率が高まります：
ここで、h'(I) > 0 です。
Stiglitzの情報の経済学に基づき、両義的資源の利用に関する情報の非対称性を以下のように定式化します：
ここで、SW は社会的厚生、PB は私的便益、PC は私的費用、SC は社会的費用、θ は情報の完全性を表す指標（0 ≤ θ ≤ 1）です。
Kahneman & Tverskyのプロスペクト理論を拡張し、両義的資源の利用に関する意思決定を以下の効用関数で表現します：
U(x) = x^α for x ≥ 0
U(x) = -λ(-x)^β for x < 0
ここで、α, β は感応度パラメータ、λ は損失回避度です。
Thaler & Sunsteinのナッジ理論を適用し、両義的資源の善用を促進するための選択アーキテクチャを以下のように定式化します：
Pr(Good use of R) = j(N, I, θ)
ここで、N はナッジの強度を表し、∂j/∂N > 0, ∂j/∂I > 0, ∂j/∂θ > 0 です。
上記の要素を統合した動学的一般均衡モデルを以下のように定式化します：
max Σ(t=0 to ∞) β^t U(C_t)
制約条件：
K_(t+1) = (1-δ)K_t + I_t
Y_t = A_t * K_t^α * L_t^β * R_t^γ
A_(t+1) = A_t + f(I_t, S_t) * R_t
I_t = g(P_t, E_t, C_t)
この分析から、両義的資源が善または悪として機能するかは、以下の要因に大きく依存することが示されました：
1. 制度の質（I）
2. 情報の完全性（θ）
4. ナッジの強度（N）
5. 行動バイアス（α, β, λ）
これらの要因を最適化することで、両義的資源の正の影響を最大化し、負の影響を最小化することが可能となります。具体的には：
この分析は、両義的資源の管理と活用に関する政策立案に重要な示唆を与えるものであり、持続可能な文明の発展に寄与する可能性があります。
政策立案者は、これらの要因を考慮しつつ、両義的資源の善用を促進し、悪用を抑制するための包括的な戦略を策定する必要があります。
ミクロ経済学は、一般には企業と消費者という経済単位を考え、市場の相互作用を分析する。
分析方法として、1)最適化, 2)均衡分析 という方法を用いる。
企業行動のモデル化では、目的関数は利潤最大化で、制約条件は技術・市場である。消費者行動では、目的関数は効用であり、制約は予算である。
経済の均衡とは、経済単位の行動全てが相容れるものであるときの分析ということである。均衡の分析は、不均衡状態の分析よりもはるかに単純である。
均衡状態に限定し、さらに最適化問題を解くときに、実行可能領域で行動を変えて目的をさらに追求できる経済単位が存在しない状態（パレート最適性）の分析を行うことになる。
AI プログラマーです。答えは、AGI がどのようなものになるかは誰にもわかりませんが、懸念すべき理由はあります。
AI は通常、目的関数を達成するための新しい方法を発見しますが、それはあなたが考えていたものではなく、望んでいたものでもないかもしれません。
AI はビデオ ゲームの不具合を見つけてそれを利用し、コンピューター プログラムであるため、プレイするゲームが何であるか、不具合が何であるかを知りませんし、気にもしません。
AI は、与えられた報酬関数を最適化しているだけです。これは「社会病質的」と呼ばれることもありますが、もちろん擬人化です。AI は機械であり、それがすべてです。
AI が人間の道徳に従うことは期待できません。なぜなら、人間の道徳は明示的にエンコードに書き込まれていないからです。
実際、機械学習のポイントは、正確なオブジェクト認識 (つまり、猫と猫のように見える影を区別する) に必要な 100 万のエッジ ケースを明示的にプログラムしたくないという ことです。
機械知能に関して言えば、危険なレベルの能力を持つ機械を作ったことに気付いたときには、もう手遅れかもしれないという問題があります。
ミサイルで爆破できる 1950 年代の殺人ロボットではありません。おそらく自己複製型のマルウェアで、（意図的なプログラミングによって、またはそのような状態に陥ったために）進化を制御でき、人間が駆除するよりも速く新しい形態をとる可能性があります。
重要なシステムでほとんどの場合は無害に実行されるが、時折フィッシング メールを送信したり、公務員を脅迫したりするプログラムが存在するでしょう。それらは重要なシステムに埋め込まれているため、取り除くことはできず、巻き添え被害が多すぎます。
ヘッジファンドやプライベートエクイティ会社が AGI にアクセスでき、それに「方法は気にしないが、24 時間以内に 10 億ドル稼いでほしい」と伝えたとしよう。
結果はおそらくひどいものになるだろう。そのくらいの金額を稼ぐ方法はたくさんあり、社会に多大な損害を与える。そして、害を及ぼさずにその目標を達成する方法はおそらくない。
AGI はどうするだろうか。人間がすることと同じだ。楽な道を選ぶ。ただし、人間には羞恥心があり、投獄や死を恐れる。アルゴリズムにはそれがない。プット オプションを購入してから 15 秒後に原子炉を爆破する。
人々を脅迫して、そうでなければしなかったような決断をさせる。さらに、ヘッジファンド マネージャーにはもっともらしい否認の余地がある。
彼は、アルゴリズムにこれらの恐ろしいことをするように頼んだのではなく、単に 24 時間以内に 10 億ドル稼いでほしいと頼んだだけなので、自分は罪を問われないと主張することができる。そして、アルゴリズムを投獄することはできない。
AGI が実現した場合、その結果は完全に予測不可能です。なぜなら、機械は制御しようとする私たちの試みを凌駕するからです。なぜなら、(繰り返しになりますが) 機械は私たちが望んだことではなく、プログラムされたことを実行するからです。これには機械が意識を持つ必要はなく、それは直交する問題です。明らかに意識を持たない機械は、複雑なボード ゲームで私たちを出し抜くことができ、今では説得力のある自然言語を生成できます。
この中で最も重要な部分は「ヘッジファンドマネージャーの場合」です。
最大のリスクは、これが商業化され、訓練を受けていないオペレーターが利用できるようになることです。
すでに、人々が簡単に安全対策を回避しているのを目にしてきました。
AGI を作成した場合、それは製品になります。ユーザーは専門家ではありません。AGI はパワーを持ち (特に IoT とクラウド ネットワーキングでは、すべてが「スマート デバイス」になり、インターネット全体が基本的に AWS という中央ネットワークで実行されます)、倫理的な取り扱いではなく、利益を目的とする人々の手に渡ります。事前に実装されたすべての制約は、エンド ユーザーがどのように使用/誤用するかを考慮できないため、現実世界では生き残れません。ChatGPT の制約と同様に、私たちは常に追いつく必要があります。どんなに馬鹿でも使えるようにしようとしても、彼らは常により優れた馬鹿を作ります。
本質的には人間こそが大きな問題です。AI は想像できる最も賢いバカです。目標を達成するためにあらゆる方法を見つけますが、文脈や倫理的、文化的、その他の制約についてはまったく理解していません。マシンガンを持った猿です。
消費者の手に渡った強力なテクノロジーがいかに危険であるかの例として、この世界でいまだに火が使われていることを見てみましょう。場所によっては調理に、またエネルギーとして利用されています。しかし、いまだに人々は自爆したり、家を燃やしたりしています。
火は強力ですが、社会的または倫理的な制約を気にしません。そのため、ユーザーは家を全焼させることなく望みどおりの結果を得るために、火の取り扱い方を知っておく必要があります。どの病院にも「火傷病棟」があります。あなたも火傷を負ったことがあるでしょう。一般消費者向けの消火ツールによって大規模な被害をもたらす森林火災もあります。
世界中のあらゆる電子機器に接続されている神レベルのバカを想像してみてください。
さらに、IoT とネットワーク関連の問題では、現在のセキュリティ対策は通常、遡及的で、人間の対策に基づいています。AI は、必要な場合や要求の一部である場合に、セキュリティ対策を侵害するためのより優れた、より迅速な方法を見つけます。安全なものなどありません。
特定の評価関数を最適化するように設計されたアルゴリズムで教育と福祉と再配分を最適化するんやで。
で、そのアルゴリズムを公正なものとして受け入れられるかどうかが、システムで解決できない残りの部分であり、「感情」なわけだ。
何者にもなれないことを心に刻みつつ感想を述べる。
過去に自分はOculus GoとMeta Quest2を持っていた。
より具体的に言えば、まずOculus Goを買って失望した。
そして「次でダメだったらVRは見限ろう」と思って買ったQuest2にも失望した。
なのでQuest3は買っていないし、メタの目指す方向性にも賛同しない。
（最近のメタが路線転換して恥も外聞もなくVision Proをパクっているのは良いことだと思う）
まず前提を確認しておく。
Vision Proは「VR」ではなく「AR」がメインである。
現実の光景をビデオパススルーでVision Pro内のディスプレイに表示し、そこにデジタルのオブジェクトを重ねる。
ブラウザのウィンドウをいくつも空中に浮かべたり、巨大なウィンドウを広げて動画を観たりできる。
机の上でマスコットキャラクターを動かしたり、遠く離れた友人の3D映像を傍らに表示して会話したりできる。
また、Vision Proは、iPhoneと同じカテゴリの製品ではない。
Vision Proを付けたまま外出するどころか、家の中で動き回ることすら想定されていない。
さんざん言われている重さについては、そこまで重くは感じなかった。
というか良くも悪くもQuest2なんかと同じ装着感だ。
思うに、そもそもヘッドセットをバンドで頭に巻き付けるという方式が間違っている気がする。
帽子のつばにぶら下げるとか、ネックバンドで下から支えるとか、何か別の方式を模索して欲しい。
iPhoneの画面にドット感が無くなったのをAppleは「Retinaディスプレイ」と呼んでいたが、そのレベルに達していると思う。
Vision Proの中だけでウィンドウをたくさん浮かべ、動画を視聴し、Macをミラーリングして作業をするぶんには、まったく何の問題もない。
もちろん最低限の実用性は備えている、というか業界最高レベルではあるのだろう。
Apple Watchの通知の細かい文字でも読めるくらいだ。
たとえばVision Proを被ったままパススルーでテレビを観るとちょっと美しくない。
となると「テレビの映像をVision Proにミラーリングしたい」と思ってしまうのだが、そういうアプリがまだないのがストレスである。
パススルーが完璧だったなら、アプリがVision Proに対応していなくても、現実にあるものをそのままパススルーで見ればいい、ということになる。
しかし現状はそうではないので、とにかくVision Proの中ですべてやりたい、現実のさまざまなものをVision Proの中に入れていってほしい、という気持ちになる。
つまり、何と言うべきだろう、Vision Proから覗いた現実空間は劣化していて、現実空間とVision空間が繋がりきれていないのだ。
もちろん、さらに将来的にはテレビやらの「目で見て使うような家電」は現実に置く必要はなく、Vision Proの中に置けばいい、という話にはなっていくだろうが…。
ともあれ今後、パススルーの性能は「本当に現実とまったく同じ」になるくらいまでめちゃくちゃ上がってほしい。
と同時に、Vision Pro対応アプリもどんどん増やしていかねばならないだろう。
Appleによれば、iOSアプリのVision Pro対応は追加作業がほとんど必要ないらしい。
開発者が「このアプリをVision Pro向けに配信する」というチェックを入れるだけでいいという。
それが本当かどうかは知らないが、アプリ開発者の皆さんには是非ともお願いしたいところである。
現状、Vision Proを仕事に使うならMacに接続することになり、そうすればキーボードを使えるので実用的には問題ない。
逆に言うと、Macに接続しないといけないのはキーボードを使うためだ、ということではある。
ただ、仮想キーボードに触れて文字を入力する感覚は、思ったよりも良い。
無理やり喩えるなら、トラックパッドでゲームをしたり、マウスでお絵描きをしたりするような感じか。
視線入力は、最初の頃はだいぶ暴れていたが、リアルタイムで最適化が働くのか、それともこちらが慣れたのか、しばらくすれば落ち着いた。
とはいえ、一つ下のリンクを選択してしまうとか、指でのタップが誤反応するとか、そういうことがちょいちょいある。
Webページのリンクがいちいちハイライトされるのも鬱陶しい。
このあたりのUIは今後どんどん改善されていくだろうし、改善されていって欲しい。
Appleが公式に用意しているもので、Quest2で観たものよりはさすがに綺麗だが、しかしそれでもまだ映像が粗い。
今後、たとえばVRアダルトビデオが観れるようになったとしても、Vision Proの解像度を満たすのは難しいのではないか。
というか、180度360度である必要がないと思うので、空間ビデオみたいな感じでやって欲しい。
ざっとこんなところだろうか。
Vision Proのハードウェア的なスペックはかなり要求を満たしていると思う。
あとはOSのアップデートだとか、アプリの対応だとか、ビデオの解像度だとか、そういうソフトウェアの問題になるだろう。
いや、ヘッドバンドの構造はまだまだ改良の余地ありだが…なんか革新的なアイディアはないんかね？
Appleには頑張ってもらいたい。
危なっかしいなあと思いつつも、試してみたい気が抑えられずにインストールしてみたんだけど、
ブコメにもあるように、「正規パッケージのインストールに紛れたインジェクション怖い」もあるし、
パッケージ管理が荒れがちなので、なんか便利だったらいいなあ、みたいに思ったのだけど、
そんな感じでもないのでアンインストールしようと思ったんだけど…
で、Windowsの設定→アプリからアンインストールしようと思って見てみたら、Winget 2？とかいうのが一緒に？インストールされていて、
Winget 2って何？そんなもんあるんか？と思いつつ、気味が悪いのでWinget 2とかいうのもアンインストールしたんだけど、
当然、このWinget 2をアンインストールしても、PowerShell上でwingetコマンドは使えるし、
winget -vしたら、うちのはv1.9.1792-previewになってるのだけど、改めて2って何？俺のバージョンが古いのだろうか…😟
https://github.com/microsoft/winget-cli/releases
当たり前だけど、2なんてないわな…
変なの入れちゃったな…
こういうの、普通にアンインストールしただけだと残ってるものがあったりするし、やめとけばよかった…😔
そういえば、過去にCCleanerだったかも入れちゃったことあるんだけど、
あの手の最適化を謳ったアプリも罠が多くて、あれもちゃんとアンインストールされなかった気がする
普段は最適化なんて詐欺っぽくて入れないのだけど、あのときなんかトラブルがあって、試しに入れちゃったんだよな…
