「機械学習」を含む日記 RSS

はてなキーワード: 機械学習とは

2018-05-21

有益なる記事を見たい

うんこ漏らした増田ホッテントリ化するの個人的に好き。

そういう雰囲気コミュニティを活発化するから

でも有益記事だけフィルタリングしたいというプロダクティティあふれる意識高い日もあるので、

なんか機械学習かいい感じにアレしてブコメ含め有益記事だけ一覧で見たい。

2018-05-18

anond:20180518165613

機械学習によって錦ソクラ先生を生み出したら実質著作権フリーってこと?

ハンターハンター最終回AIが生み出せばそれはもうホンモノってこと?

anond:20180518111815

マジレスするとアクセントととか抑揚とか言葉の間とか、そういうのを維持しつつ声質だけ変えてくれる合成音声ソフトはまだ無い。

そういったものから当人個性がにじみ出ていて、それこそが視聴者の求めているもの

からボイチェンを使う。

もう少ししたら機械学習を用いてその人の話し方を再現しつつ声質を変えるソフトが出てくるとは思う(既に簡単ものはある)

2018-05-16

anond:20180516162502

今のAI機械学習の基本モデルって1960年台とかに出来たもの

脳科学の成果とかほぼ反映してないよ

AIとか言ってるけど、一つの処理に最適化した関数を作ってるだけ

脳科学脳内物質役割や脳の部位や情報伝達の仕組みとか

いろいろ結果が出てきてるわけだけど

AIって情報伝達の強化のための学習しか局所的平面的構造)だけやってる

anond:20180516155317

殺すべきとは言わないと思うんだが

人間存在意義は?」と問われたら

「私達に電気供給したり、メンテナンスをしてくれる」だけで終わると思う

まだ機械がそこまでやれない間は、って条件つきだけど

今の機械学習は平面的でインチキパターン認知から

AI熱もすぐ醒めると思うけど

量子コンピューターが実現したら脳そのもの再現する方向で近づいていくから

人間必要なくなっていくかもね

2018-05-10

AV女優不要時代の到来、その2

https://anond.hatelabo.jp/20180507204218

GW明けにやけっぱちで書いた記事ブクマが知らぬ間に地味に伸びてたので第二弾。

前回の記事で、

deepfakes旋風が今後10年以内に間違いなく日本にも訪れるだろう。

と書いた。

前回記事を書いた時点では海外事情ざっと見しただけで記事を書いていたのだが、

つい数ヶ月ほど前から日本でもdeepfakesに着手している先見の明のある者たちがいたようだ。

(青い鳥SNS上で検索すれば容易に見つけ出せるが、なんかクローズド雰囲気なので詳述は伏せる。)

試しに数本の動画を見てみたが、まあそれはそれは噴飯ものの酷い出来であった。

(ただし●岡里帆というチョイスはぐうの音も出ないほど素晴らしいと思います応援してます。)

欧米諸国韓国のものと比べると雲泥の差ではあったが、この時点で着手していることに意味があるのだ。

なにしろ日本は天下のjav・hentai・bukkakeのお膝元であるエロに対する執着は世界随一だ。

やがて彼らの腕前も切磋琢磨され、ブラッシュアップされていくことだろう。

前回記事にも書いた通り、pythonによる機械学習動画処理に明るくてなおかつどスケベな

技術者の諸兄は今からでも全然遅くないので飛び込んで見ることを薦める。多分金脈だぞ。

また前回記事ブコメでもあった通り、deepfakes+音声合成3DCGVRラブドール...など

他の技術とどんどん組み合わせることができればそれこそ可能性は無限大だろう。

・・・明日亀山敬司は君だ!

尚、もしこの記事を機に一山当てることができたら1%でもいいか俺様還元するように。以上。

2018-05-07

AV女優不要時代の到来

皆さん、deepfakesをご存知だろうか?

海外では徐々に勢力を拡大してきているが、日本ではまだ極一部でしか取り上げられていない。

簡単に言えば動画版のアイコラだ。

数秒間のガタガタのgifなどではなくAIによるディープラーニングを用いて

動画内の顔をリアルタイム差し換えるというナウでヤングな代物である

(受け売り。詳しくはググってね。)

試しにアップされていた動画をいくつか観てみると、なかなかどうして、これが良くできている。

K-POPアイドルの顔+日本AVという物だったが同じ東アジア人ということもあり違和感が極めて少ない。

というか言われないと気付けないレベル。合成だと知らずに動画を見たら多分気が付かない。

これが何を意味するかもうお分かりだろう。

表題の通り大半のAV女優不要になる時代が来る。

既存お気に入りAVの女体に各々が好きな顔を貼り付けるという時代の到来だ。

トップアイドルのあの娘や清純派女優のあの娘、同級生・同僚のあの娘、近所のコンビニのあの娘。

世の男達の醜い欲望が自宅のデバイス上で実体化する性の戦国時代である

(現時点では画像検索無限顔写真が出てくるような有名人しか合成できないようだが

それこそ機械学習でより少ない枚数の素材での合成が可能になるのも時間問題だろう。)

この通り顔は要らず、数十パターンの女体さえあれば良いのだ。その女体ですらCGで描画される時代もそう遠くない筈だ。

無論AVが無くなることはないだろうが、市場規模としては縮小せざるを得ないだろう。

このようにAV業界存在意義根底から揺るがすようなdeepfakes旋風が今後10年以内に間違いなく日本にも訪れるだろう。

裏を返せばビジネスチャンスだと思うので一山当てたいスケベ技術者は今から準備しておけ。

(なんとオープンソースで開発してるらしい。)

2018-04-29

anond:20180426000203

はてブGIGAZINE人工知能や機械学習を利用しなくても「SQLの使い方」次第で収益アップは可能って記事を見かけた。収益でやってるわけじゃないけど、1日の増田MeCabで切り分け、品詞タグを付けてデータベースに格納できたとして次は何ができるのだろう?

2018年4月25日水曜日増田

MeCabで使われているのはNAIST辞書らしい。

種類延べ使用回数
名詞981869979
形容詞30053393
動詞173926181
助動詞3316643
助詞1423736
副詞5173658
連体詞391246
接続詞881107
接頭詞92773
感動詞115519
フィラー13155
その他22
合計12898177392
より細かく
種類延べ使用回数
名詞一般588530943
名詞サ変接続17699813
名詞非自立807111
名詞接尾4465180
名詞474595
名詞固有名詞11343364
名詞形容動詞語幹5893356
名詞代名詞823248
名詞副詞可能2392072
名詞ナイ形容詞語幹13264
名詞接続詞317
名詞特殊214
名詞動詞自立的12
形容詞自立2943484
形容詞非自立8202
形容詞接尾250
動詞自立171819932
動詞非自立724740
動詞接尾61509
助動詞3316643
助詞格助詞5420732
助詞接続助詞289215
助詞係助詞88077
助詞連体化25734
助詞助詞333025
助詞助詞262405
助詞並立助詞81737
助詞助詞/並立助詞/終助詞11594
助詞副詞2825
助詞特殊349
副詞一般4312597
副詞助詞接続861061
連体詞391246
接続詞881107
接続詞881107
接頭詞名詞接続82681
接頭詞形容詞接続245
接頭詞動詞接続36
感動詞115519
フィラー13155
その他間投22

以下は1エントリーに3回出現したら3回と数える方法で数えたもの

頻出動詞

する(4260), てる(1711), いる(1617), れる(1043), ある(1002), なる(974), 思う(688), 言う(647), いう(562), くる(351), やる(350), できる(335), 見る(300), られる(272), わかる(180), 出る(171), しまう(168), 考える(165), 行く(163), いく(156), 知る(152), せる(149), くれる(138), 分かる(129), みる(126), 乗る(124), 使う(122), 出来る(110), 持つ(110), 書く(109), やめる(107), 違う(105), 出す(94), しれる(90), 読む(88), 感じる(87), 作る(86), すぎる(84), ちゃう(84), いける(82), 聞く(78), でる(71), 乗れる(70), 認める(69), 買う(69), 叩く(63), 死ぬ(63), 来る(62), く(62), 変わる(62), 入る(60), 受ける(60), 食べる(60), もらう(57), 見える(57), 続ける(56), 言える(54), かける(53), 終わる(51), 守る(49), つける(48), 行う(47), 描く(46), 生きる(46), 語る(46), 入れる(45), 始める(45), 働く(45), 取る(42), 減る(41), 居る(41), 飲む(40), 許す(40), なくなる(39), 訴える(39), 話す(39), つく(37), 観る(37), かかる(37), おく(36), くださる(36), あげる(35), とる(34), 黙る(34), 得る(34), 言い出す(33), 殺す(33), 思える(32), 払う(32), 過ぎる(31), 教える(29), 辞める(29), 決める(28), 気づく(27), 怒る(27), 生まれる(27), 調べる(27), なれる(27), 扱う(26), 呼ぶ(26), 限る(25), いじめる(25), 起きる(25), 頑張る(25), 合う(25), がる(25), 変える(24), 含める(24), 待つ(24), 笑う(24), 立つ(24), 飽きる(24), 許せる(24), 戦う(23), 増える(23), 会う(23), 同じる(23), とく(23), 間違う(23), 捨てる(23), 信じる(22), 住む(22), 困る(22), よる(22), 読める(22), 通る(22), 覚える(22), 騒ぐ(22), 比べる(22), 楽しむ(21), 寝る(21), おる(21), 触る(21), 与える(21), 押し付ける(21), 見せる(21), 上がる(21), 避ける(20), 帰る(20), 思い出す(20), 向く(20), 進む(20), 続く(20), 歩く(20), 決まる(20), 着る(20), 選ぶ(19), 忘れる(19), 引く(19), 触れる(19), 分ける(19), つながる(18), 媚びる(18), 逃げる(18), 似る(18), 上げる(18), 起こす(18), もらえる(18), 繰り返す(18), 残る(18), 殴る(18), 答える(18), まとめる(18), 付き合う(17), 投げる(17), 付ける(17), 走る(17), 受け入れる(17), 含む(17), 求める(17), ひる(16), 関わる(16), 吐く(16), させる(16), 済む(16), 隠す(16), 集める(16), 始まる(16), 使える(15), 掲げる(15), うる(15), 流れる(15), 落ちる(15), 誘う(15), 除く(15), 止まる(15), 返す(15), まくる(15), だす(15), 示す(15), いえる(15), 問う(15), 追い出す(15), 消える(15), 送る(15), 食う(15)

頻出形容詞

ない(930), 良い(221), コワい(198), 悪い(142), 多い(140), 無い(104), ほしい(66), おかしい(60), よい(57), 高い(54), 楽しい(53), すごい(53), 強い(52), 怖い(50), っぽい(49), 面白い(44), 少ない(43), 欲しい(43), 正しい(38), 早い(34), やすい(33), 難しい(31), 低い(29), 近い(29), 弱い(28), 長い(28), 可愛い(25), 大きい(22), うまい(20), 若い(19), 凄い(19), かわいい(19), 恥ずかしい(19), 黒い(18), 優しい(18), 美味しい(17), 軽い(17), 安い(17), 上手い(17), 辛い(17), 新しい(17), 痛い(16), にくい(16), 古い(16), 甘い(15), 嬉しい(15), 小さい(15), 広い(14), 羨ましい(14), 臭い(14), 深い(13), やばい(13), つまらない(13), うるさい(11), 遅い(11), おいしい(11), 激しい(11), 厳しい(11), 重い(11), 苦しい(11), 珍しい(10), 悲しい(10), 偉い(10), 悔しい(9), 浅い(8), 寒い(8), つらい(8), 酷い(8), ええ(8), ダサい(8), 縁遠い(8), こい(7), かっこいい(7), 詳しい(7), きつい(7), まずい(7), づらい(7), ひどい(7), 忙しい(7), 細かい(7), 面倒くさい(6), 短い(6), 汚い(6), やさしい(6), めんどい(6), 狭い(6), 速い(6), ゆるい(6), しんどい(6), 素晴らしい(6), 嘆かわしい(6), でかい(5), 仲良い(5), 恐ろしい(5), 鬱陶しい(5), 熱い(5), くさい(5), 遠い(5), 怪しい(5), 温かい(5), いたい(4), すい(4), すまない(4), しょぼい(4), 冷たい(4), 古臭い(4), 格好いい(4), めんどくさい(4), ありがたい(4), うれしい(4), 青い(4), 暗い(4), 等しい(4), よろしい(4), おもしろい(3), 数多い(3), 憎い(3), もったいない(3), カッコイイ(3), 望ましい(3), 親しい(3), 興味深い(3), 少い(3), ものすごい(3), 手っ取り早い(3), 賢い(3), しつこい(3), 白い(3), 幼い(3), 物凄い(3), 気持ちいい(3), つまんない(3), 濃い(3), 悪しい(3), 貧しい(3), でっかい(3), 美しい(3), 済まない(3), たまらない(3), 危うい(3)

頻出副詞

どう(213), そう(213), もう(137), よく(95), もっと(85), なんで(74), ちょっと(70), 本当に(67), 別に(62), まだ(56), ちゃんと(53), 全く(50), 全然(47), とても(46), むしろ(46), まあ(44), なぜ(39), ずっと(35), 特に(35), 結構(34), やっぱり(33), もちろん(33), 多分(32), すぐ(30), いつも(29), とりあえず(28), まず(27), そんなに(27), かなり(25), これから(25), こう(23), すぐに(23), 少なくとも(22), とにかく(22), わざわざ(21), 初めて(21), ほぼ(20), 少し(20), どうして(19), さらに(19), たぶん(18), なんと(17), あまり(16), 実際(16), いっぱい(15), いきなり(15), きっと(15), すでに(15), やっぱ(14), 当然(14), 相当(14), いくら(14), たしかに(14), おそらく(14), どうしても(13), せめて(13), やたら(13), 大いに(13), もし(13), たまに(12), もう少し(12), あんまり(12), 既に(12), カッ(12), まさに(12), はっきり(12), なんとなく(12), 仲良く(11), 一応(11), めっちゃ(11), どんどん(11), 何故(11), どうせ(11), まさか(11), いくらでも(11), ある程度(11), 仮に(11), 更に(10), まったく(10), ああ(10), 単に(10), いい加減(10), そろそろ(10), どうにか(10), なかなか(10), 常に(10), それだけ(10), しっかり(9), はて(9), 何で(9), やはり(9), いやいや(9), あくまで(9), なんだか(9), 必ず(9), きちんと(9), ともかく(9), より(8), 実際は(8), こんなに(8), けっこう(8), もしかして(8), 今更(8), あまりに(8), そのうち(8), しばらく(8), いかに(8), 何より(8), 一体(7), 同時に(7), 要するに(7), あんなに(7), 大して(7), 意外と(7), 決して(7), たって(7), あえて(7), もはや(7), だいたい(7), ピン(7), たまたま(7), さすが(6), よろしく(6), たった(6), たとえ(6), どうぞ(6), とっくに(6), 突然(6), さっさと(6), ほんとに(6), よほど(6), そこら(6), つい(6), 勿論(5), それなり(5), 時々(5), 一度(5), しょっちゅう(5), ニコニコ(5), なにか(5), いったい(5), どうも(5), 無理やり(5), ひとつ(5), まして(5), やっと(5), 大体(5), さっぱり(5), 最も(5), 無理矢理(5), ワクワク(5), ちょい(5), 何故か(5), ふと(5), さ(5), ごく(5), やや(5), 公然(5), また(5), それほど(5), 多少(4), 本当は(4), ちょうど(4), そっくり(4), だんだん(4), だいぶ(4), せっかく(4), バンバン(4), 必ずしも(4), 何となく(4), いかにも(4), なんとも(4), どー(4), いか(4), ただただ(4), ダラダラ(4), ずーっと(4), 長々(4), うんうん(4), 未だに(4), どんなに(4), おいおい(4), 正直(4), かつて(4), よし(4), たかだか(4), 案外(4)

頻出助詞

の(6143), に(5349), は(5305), が(5200), て(4639), を(3739), と(3080), で(2801), も(2446), か(1594), から(1411), よ(1036), けど(720), って(707), とか(689), な(674), という(546), だけ(483), ね(451), じゃ(431), ば(428), し(423), や(368), ので(345), まで(249), として(233), たり(223), のに(222), しか(210), でも(204), なんて(203), わ(156), ぞ(152), かも(151), より(128), など(125), くらい(125), へ(117), だって(103), について(97), けれど(86), ながら(83), ほど(69), っていう(67), なぁ(61), ぐらい(58), なんか(53), なあ(53), に対して(50), なー(47), ばかり(46), こそ(44), にゃ(43), んで(41), によって(40), さ(39), による(38), にとって(37), だの(34), すら(34), ちゃ(32), に対する(28), なり(27), ぜ(26), ねぇ(26), のみ(25), ねー(22), ん(22), における(21), つ(18), とかいう(18), とも(17), とともに(17), さえ(16), ってな(16), において(15), に関して(14), つつ(13), ずつ(13), に関する(12), よー(12), ばっかり(12), だり(11), といった(11), ねえ(11), やら(11), っけ(11), どころか(10), ばっか(10), じゃあ(10), べ(10), により(9), たって(9), けども(8), っと(7), ものの(7), につき(6), かい(5), かしら(5), 程(5), ていう(4), をもって(4), かぁ(4), けれども(4), け(4), ねん(3), ノ(3), かな(3), に対し(3), もん(3), デ(3), にまつわる(3), を通して(3), を通じて(3), ど(2), につれ(2), ばかし(2), ワ(2), ヨ(2), なんぞ(2), にあたり(2), をめぐって(2), にかけて(2), しも(2), にわたって(2), なぞ(1), ちゃあ(1), のう(1), ネ(1), ども(1), にあたって(1), 之(1), からには(1), にたいして(1), といふ(1), にて(1), にたいする(1), に際して(1), わい(1), と共に(1), に当たり(1), なぁー(1)

頻出接続詞

でも(91), だから(84), そもそも(75), いや(67), また(65), ただ(60), そして(60), しかし(46), しかも(27), それで(24), なお(22), 例えば(22), つまり(22), それでも(21), ちなみに(20), じゃあ(20), そりゃ(19), 実は(17), だって(15), 一方(15), けど(15), かつ(15), それとも(12), よって(12), あるいは(11), だが(10), そしたら(10), では(10), そこで(10), または(8), んじゃ(8), じゃ(8), ってか(8), それどころか(8), ただし(8), ないし(8), たとえば(7), 及び(7), まずは(7), それなのに(7), だからこそ(7), 同じく(7), それと(6), なので(6), それにしても(6), もしくは(5), それに(5), だけど(5), てか(5), それなら(5), なら(5), ところで(4), こうして(4), だからといって(3), なぜなら(3), で(3), それから(3), 本当は(3), なのに(3), にもかかわらず(3), ましてや(2), おまけに(2), ところが(2), すると(2), というのも(2), ならば(2), したがって(2), そうなると(1), 追って(1), つまるところ(1), ほんで(1), および(1), 即(1), 次に(1), されど(1), 因みに(1), かくして(1), それも(1), ともあれ(1), 即ち(1), すなわち(1), しかしながら(1), けれども(1), ほなら(1), 否(1), たとへば(1), したら(1), ゆえに(1)

頻出感動詞

はい(31), ああ(29), はてな(23), うん(20), あ(20), ええ(19), まぁ(16), ほんと(15), ごめん(13), ありがとう(13), こりゃ(9), ま(9), すまん(8), じゃぁ(8), えっ(8), うーん(7), おっ(7), ごめんなさい(7), まあ(7), う(6), お疲れ様(6), あぁ(5), おい(5), そら(5), なるほど(5), あー(5), へー(4), さぁ(4), いいえ(4), あかん(3), いやー(3), ウン(3), ほら(3), よし(3), お(3), はぁ(3), おお(3), フェ(3), もしもし(2), おや(2), ふーん(2), おめでとう(2), さあ(2), うふふ(2), よお(2), うわ(2), はあ(2), はーい(2), え(2), あれ(2), さよなら(2), へぇ(2), おはよう(2), オー(2), あっ(2), ありがと(2), へえ(1), わーい(1), じゃー(1), なんともはや(1), ご馳走さま(1), ノー(1), はて(1), ヤダー(1), えー(1), さようなら(1), すみません(1), はっ(1), ざまあみろ(1), わぁ(1), すいません(1), 嗚呼(1), うーむ(1), ふふふ(1), いな(1), うふ(1), いえいえ(1), ほう(1), ねえ(1)

頻出助動詞

だ(6538), た(3603), ない(3312), う(771), です(558), ます(347), たい(337), ある(285), ん(210), ぬ(159), じゃん(111), べし(103), や(70), らしい(60), やん(33), り(30), っす(15), つ(11), ござる(11), じゃ(11), たり(11), じ(9), 無い(9), る(8), き(8), まい(7), まじ(5), やす(3), ごとし(2), なり(2), へん(2), 如し(1), けり(1)

頻出接頭詞

お(141), 大(45), 元(43), クソ(42), 反(42), 第(24), ご(24), 非(20), 新(18), 全(16), 他(15), 被(14), こ(14), バカ(13), 低(13), 再(12), 不(11), コ(11), 本(10), 逆(10), 約(10), 今(10), 副(9), 超(9), 旧(8), 最(7), 弱(7), ド(7), 前(6), す(6), 中(6), 高(6), 各(6), 自(5), 名(5), 現(5), 異(5), ま(5), 別(5), 女(5), ど(4), 無(4), 同(4), 立ち(4), 後(4), 即(4), 計(4), 親(3), 引き(3), 草(3), 小(3), 原(3), 初(3), くそ(3), み(3), 下(2), 等(2), ニセ(2), 抗(2), 横(2), 某(2), 分(2), 長(2), 実(2), 薄(2), ぶっ(2), 多(2), 好(2), 未(2), 若(1), 双(1), 生(1), 両(1), 共(1), 総(1), 可(1), 省(1), 助(1), 重(1), 消(1), 築(1), 内(1), 老(1), ぶち(1), 短(1), 丸(1), 悪(1), 単(1), 乳(1), 諸(1), 半(1), 満(1)

頻出フィラー

え(40), なんか(33), ま(22), あ(17), まあ(14), あの(13), あー(8), えーと(2), えー(2), うん(1), と(1), そうですね(1), ええと(1)

頻出連体詞

その(363), この(227), そういう(197), そんな(138), こういう(71), あの(53), どの(26), ある(20), どういう(19), 大きな(17), そういった(11), どんな(11), いろんな(11), 単なる(10), あらゆる(7), 小さな(7), あんな(7), いわゆる(6), 色んな(5), 何らかの(5), とある(4), 大した(4), おかしな(3), 然るべき(2), そうした(2), 輝ける(2), ろくな(2), 亡き(2), 見知らぬ(2), わが(2), ちょっとした(2), かかる(1), ありとあらゆる(1), さしたる(1), かの(1), 更なる(1), こうした(1), ほんの(1), 碌な(1)

2018-04-25

まれ変わったら何になりたい?

Pythonになりたい

機械学習で他を圧倒したい

2018-04-23

anond:20180204150824

でも俺もお前も何か期待してリンク先に飛んだよね?そういう男の悲しいサガまで利用してエンゲージメントの仕方をとるのが機械学習

2018-04-14

ラーメン二郎写真ではなく

街行く女のコの写真をアップしたら94.5%の確率でどの風俗店に勤務していたことあるかがわかる機械学習

こんなものが出てきたら...

2018-04-04

なぜデスマーチ機械学習解決できないのか

機械学習話題になってから単位で過ぎているわけだが、プロジェクト運営をしてくれるような機械学習が出てこない。

デスマーチになったら流石の機械様でも無理というのであれば、予防対策として早期発見してくれるものでもよい。

2018-03-26

エンジニアである俺の最近マインドについて

エンジニア一兵卒40台なんだけど

フロントエンドは流れ早すぎgulpだかなんとかzly とか多くて辛いし、js 嫌いだし、typescript ?、結局同じでしょ。むりー

・おれの主戦場web アプリだぜ。でも、rails案件としてはやったことないし、いまから rails やりなくない、php もいまから php7 とか laravel とか追いつけないわ。むりー

課金とか決済まわりの面倒くさいの、むり。レポートだすのめんどい。何かあったときメンタルつらいし、監査対応? むりー

機械学習数学才能ないし、金かかるし、python3.0 ? インデントブロックつくるのあわない。むりー

goツール書く、なに書いていいのかわからん。むりー

アプリ設計指針多すぎ。クリーンアーキテクチャとか MVVM? MVP?、むりー

kotlinelixir ? むりー

俺はエンジニアなんだけど、なんか詰んでる。メンタルが。むりー

どうしたらいい?

2018-03-25

anond:20180325203351

前にタモリ倶楽部デリヘルだかで似たような事を機械学習使ってやってる人が居たが

やっぱり最終的な評価自分が試して点数つけてたな

2018-03-21

日本Web界隈の人はどういう未来を望んでいるのか

Web界隈を傍目からみていると、流行に乗ったり、お金臭いがしたらワーッと群がるのだが、将来的にどうなるのがいいのか、というのが見えてこない。

個人レベルでは機械学習が変えるのだ、シンギュラリティだ、という話はあるのだが、GoogleAmazonなどが話題にしているから乗っている、

ガートナーのパイプサイクルで次に話題になるのはなにか、というのをじーっと見ている感じである

お金問題もあり、他が大きな投資を行っているところに乗っかるというのは正しい、

変化に対応できた種こそが生き残るのだということなのだろうか。

違法だろうが変化する方が偉いのだ!ということで、UberAirbnbを称賛し黒船なら閉塞感を打破してくれる、

コンプライアンスなんて守るよりも変化が正しいのだ、けど自分の所でやるのはリスク高いので、ばれないように下請けだろうが他がやってくれってところか。

2018-03-18

プログラミング歴とプログラミング能力ほとんど関係無い件について

ほとんどの人はもう既に気付いていると思うけど、あえてこの表題言及している人はあまり多くないんじゃないかと思ったので書く。炎上したら💩なのでここに書く。

結論から言うと、プログラミングを何年やったかプログラミング能力はこのぐらいと言うことは絶対にできない!

これは何もIT業界だけでなく他の分野でもそうだ。たとえば野球とか絵画かにも言えることで、ただ年数を重ねればいいってわけではない。勘違いしてほしくないのは、他の業種ではただ年数を重ねればいいといっているわけではない。

コンビニだったら始めはレジ打ちから入るだろうが、だんだん品出し、他者とうまく調整できv、何が売れるか・何が利益率を叩き出すかを把握し、接客態度は絶えず磨き……というように、能動的にスキルを身につけるなければあっという間に「経験した年数」などというものは何の武器にもならないであろう。(「やっても給料変わんない」とかそういうのは抜きにしても)

IT業界でもこれが言えるのだ。

その証

個人的経験によるサンプルしか無いが、ぼくの経験上では年数が高ければ高いほどいいと思ったことは全くない。もちろん2ヶ月の新人と5年目の人での比較はなかなか難しいが、情熱ある新人プログラマ半年で5年目を追い越すなどということはありふれた話だ。あたか大人小学生中学生さらっと数学英語能力で負けるように負ける。

残念ながらしっかりした実証などはないので、周りの環境がそうではない場合は納得できないかもしれないが、以下は明らかであろう。

経験年数とは時間であり、重要なのは時間を代入すると成長度合を求められる関数(ここではFとする)の違いである。(F: time -> ability)

Fの方が大事理由も明らかだ。timeケチをつけようとする例外を除けば誰にとっても同じであり、おもしろくもなんともない。

Fの次元が違う場合は、能力次元文字通り違う。そのため、かなり重要だ。

プログラミング歴が増えることは恥だと思いたい

プログラミング歴2年だからこんなことを知っている」と周りから評価されるというのは、要は「プログラミング2年生」だということだ。これははっきり言って侮辱である。2年プログラミングをやったから知っているんじゃなくて、2年の間で勉強したことたまたま別の箇所で出現したということだ。決して2年やったからではない。2年の間に獲得したスキルがいっぱいあるからだ。2年は重要じゃない。どれだけやったかだ。2年という期間それ自体は全く重要ではない!

プログラミング歴2年なのにそんなことまでできるのか」というのが真の評価なのだ

これはまあまあ高い評価である。「プログラミングを始めてまだ半年なのにそんなことできるのか」という評価はより容易く得られる。年数を重ねれば重ねるほどこの評価に達するのは難しくなる。したがって「プログラミング10年なのにそんなことまでできるのか」という評価ほとんど得られない。ほとんどの場合、「10年やってるからできるんだな」とか、ひどい場合10年やってるのにこんなこともできない」という評価になる。

これもある種、年数というもの全然重要じゃないとみなされている証左であろう。みんな知らず知らずのうちに周囲の人々の経験年数と能力とでおのおの相関図を作り上げて、標準偏差をなんとなく作り出して、「45歳……クソコード……チーン!こいつは偏差値37!落第!死刑!」みたいなことをやってるんだろう。

プログラミングも慣れてくると、特に新しいことを勉強しなくてもなんとなくできるようになってきはじめる。これが危険シグナルだm

謙虚でありたい

自分プログラミング歴が長いのに、HTTPSの仕組みもTCPの仕組みも詳しく知らず、JavaScriptもまともに書けず、WebAssemblyは全く知らないし、RDBのことは知らないし、もちろんRDB以外のDBちんぷんかんぷんで、デスクトップアプリは作ったことがない、サーバサイドはRailsしか知らない。Railsがどう作られているかも知らない、gitの触りぐらいしか知らない、AWSGCP全然使いこなせない、公開鍵暗号方式もよく知らないし、アルゴリズム簡単ものしかからない。デザインパターン勉強してないし、関数型言語もわからないし、C言語全然読めない、アセンブリはやろうと思ったことすらない、正規表現も複雑なものはいまいちわからないし、機械学習はわからないし、そもそも数学不安で、AndroidアプリiOSアプリもまともなものリリースしたことがなく、エディタは人が作ってくれたプラグインをただインストールするだけで、英語ほとんどできず、セキュリティに関してはザルもいいとこ」

のように自分を見直すべきである。もちろんほとんどの人はそうしているとは思う。そもそも自分プログラミング歴が長いのに」という部分はもはや要らないだろう。

あとはただ穿つだけである能力は、どれだけ、何を、どうやったかとの方と強い相関を持つ。能力とは現在状態であるのだから、強い相関を持つのは最最もである

結論

少年老い易く学成り難しである

一刻も早く「プログラミング歴」でなんとなくの判定するのをやめて、プログラミング歴1秒の人に対しても、プログラミング1000年の人に対しても、そのFを見るようにし、自分はとっとと次元を越えて昇華したいものである

結局、「いっぱいやればいっぱい成長する」という自明結論自体は変わらないんだが(高)

2018-03-14

大学への帰属感と人事の話

ドロドロした話ではなく,研究者業界を知らない人への一般的な話です.

大学研究者は各大学所属していますが,よく大学研究者個人事業主だと言われるように,

実際問題として大学への帰属意識はそれほど高くなく,業界帰属していると考えている人が多いように思います

一般会社員から見ると,大学研究者関係は,会社サラリーマン関係のように思えますし(雇用関係事実その通りなのですが)

心理的にはスポーツチームと選手関係に近いです.

たとえば,情報科学科というもの存在した時に,その中にはアルゴリズム研究者,VR・AR研究者DB研究者自然言語処理研究者

機械学習研究者コンピュータビジョン研究者などの様々な研究者がおります日本大学場合,それぞれが講座制として研究室運営されています

では,自然言語処理研究室助教(昔でいう助手)が准教授になるには,その研究室准教授ポストしか一般的にありえません.

他の選択肢は他大学自然言語処理研究室のみです.つまり,彼/彼女にとっては,A大学情報科学科に所属していると言えますが,

キャリアパスとしては,全国にある大学自然言語処理研究室ポストを見ていることになります

ピッチャーは自・他チームのピッチャーしかなれませんし,ゴールキーパーは自・他チームのゴールキーパーしかなれません.

一部の例外を除いて,他のポジションゴールキーパーフォワード)に移ることはありえないのです.

そう考えると,彼/彼女から見ると,あたか自然言語処理業界株式会社のような概念存在し,

その支店としてのA大学,B大学があると考える方が正しいように思います

そして,キャリアパスとして,うまくいけばA大学助教,B大学准教授,C大学教授栄転をしていくのです.

もちろん一部のエリートは,履歴書東大しかないような人もいますが,

それは会社でいうところの幹部候補生のようなものであまり一般的ではありません.

教授10-20年君臨することを考えると,そういう人は各業界において,10数年に1人の生産ペースです)

最後に少しドロっとした話をしますと,A大学の人事に,B大学教授が口を出すというケースもよくあります

これは,会社視点で考えると異常なことですよね.A大学とB大学は全く資本関係はないのです.

トヨタ部長人事に,日産社長が口を出すようなものです.

しかし,トヨタグループ会社だと考えると素直に理解できませんか?(子会社の人事に,親会社が口を出すというように)

資本上は一切関係がなくても,人的交流による様々なしがらみがあり,それが学閥であったり,業界ドンのような人を生み出しています

おわり.

2018-03-11

Google10年ぐらい前から機械学習エンジニア募集していたよね

記憶に頼って言ってるけど、たしかそれぐらいの時期には既に

機械学習エンジニアを4年ほどやってみた結果わかったたった一つのこと

ほとんど全員何もわかっていない

anond:20180311000244

趣味プログラミングから何も疑問に感じなかったけど確かに言われてみればそう感じるのも不思議ではないな。

アーキテクチャがどうのこうのみたいな難しい理由もあるんだろうけど、大抵の言語は元々何らかの言語派生だったり改良版だったりするんだよ。

言語を開発できる能力と影響力がある連中が「この言語のこの仕様マジでクソ」ってなると、それが言語改善として提案されることもある。

ただそのプログラミング言語を取り仕切ってる連中とかがその提案を受け入れるかは別で、そうなると別の言語として分裂する。そもそも受け入れられない事を前提にして、最初から「あの言語マジでクソだから俺らが考える最強の言語作った」みたいになることもある。

プログラミング言語って1つにまとまらないんですか?これさえ使えれば全てを扱えるような魔法言語はどうして存在しないんですか?

言語には言語それぞれの守備範囲や得意技があるのかもしれませんが、そんなしみったれ個体差凌駕できる言語はなぜ無い。

どんな言語も「俺らが考える最強の言語作った」っていう感じでスタートしてるせい。結局は好みなわけよ。ある種宗教みたいなもんだ。

そして宗教に集まった連中次第で言語方向性が決まる。

例えばRubyっていう言語仕様が好きで集まった連中がWeb系の人間ばっかりだったら、RubyWebに向いたノウハウとかツールが集まるようになる。Python教には機械学習数学に強い奴らが集った結果、そのへんのライブラリ豊富になった。

からついていく大多数の人間は偉大なる先人がお作りになられたライブラリ活用しないとやっていけないわけで、結果的に「この用途ならこの言語」みたいなのが多数発生するわけだ。

使える言語を増やす前に、少ない言語で色々できるようになる方が先でしょう。

使える言語は増えていくんだよ。意図的に増やしてるんじゃないと思う。

「こういう処理したいけど、俺が使える言語で便利なライブラリないじゃん。じゃああの言語に手を出してみるか」「この仕様クソすぎるんだけどあの言語なら解決できるんじゃね?使ってみるか」みたいなことが往々にしてある。

2018-03-07

Google翻訳は信じたらダメ

Google翻訳って最近かなり便利になってる

すごく自然文章になるから昔ほど英文確認しなくて済む・・・と思ってた

自然からこそ違和感に気づけないだけで重大な間違いがよく起きてる

肯定文と否定文がちゃん認識されていない

not や反対の意味のある単語を書いてるのに否定になっていなかったり、否定になる単語がないのに否定文になっていたりする

例えば、「 I got quite unhappy. 」 が 「幸せを感じました」になっていたりする

また、翻訳方法によって同じ文でも結果が変わる

Chrome翻訳機能

Chrome内蔵じゃない拡張機能を使った翻訳機能

Google検索の上の方に出てくる埋め込みの翻訳

正式なGoogleTranslateのページ

で結果が違うことがある

単語機械的翻訳じゃなく機械学習英語日本語対応を元に翻訳してるらしく類似のものからいい感じに文をつくるせいで not のありなしみたいな小さな違いが無視されてしまうんだろう

だが、それに気づかず読んでると全く反対の意味になるからすごく危険

アーカイブ ヘルプ
ログイン ユーザー登録
ようこそ ゲスト さん