「ニューラルネットワーク」を含む日記

■アルファはてなーのXevra師がついにNVIDIAと提携しプロセッサを開発。

NvidiaのSoC新製品Xavierは自動運転車のAIを支えるスーパーコンピュータだ

http://jp.techcrunch.com/2016/09/29/20160928nvidias-new-xavier-soc-is-an-ai-supercomputer-for-cars/

このプロセッサ名称がそれを表しているし、何よりXevra師が脳科学やニューラルネットワークの世界的権威であることがそれを裏付けている。

Permalink | 記事への反応(2) | 12:12

ツイートシェア

■anond:20170913161928

ディープラーニング以前のニューラルネットワークで、

しばしば根拠が無いゆえの過剰フィッティングが問題になったという事情があるからじゃないかなぁ。

Permalink | 記事への反応(1) | 16:37

ツイートシェア

■

いや、非表示機能で使い勝手が上がるのはいいんだけどさ。あと互助会検挙とかスパム防止とかさ、ユーザー側からそういう要望を出したいのも分かるんだけど。

なんか面白味も目新しさもないよね。

何かこう、ニューラルネットワークと記号論理のお化けみたいな奴で、ブコメとスターの履歴からダブルスタンダード言動を抽出判定できる機能とか付けられないのかね。これまでの言動と矛盾したブコメ付けた奴が居たらﾋﾟｺｰﾝ!とidが真っ赤に染まって、それを見てここぞとばかりにマサカリ振りかざすモンスター共にもﾋﾟｺｰﾝ!ﾋﾟｺｰﾝ!とお茶会大盛況な感じの。

せっかく足の付く言論プラットフォームとして日本国内では一定の地位を確立してるのにもったいない気がする。

Permalink | 記事への反応(3) | 01:10

ツイートシェア

■人工知能と人間と神

神が実際に存在するとする。

何のためにこの世界を作ったのだろう？

最終目標は謎だけど、生命を連綿と繋いでいこうという意志があるのは間違いない。

あらゆる動物は命を守り、繋いでいくことに文字通り必死だ。

動物はそのようにプログラミングされているし、人間も知性を持って自由意志の部分はあるが、原則そのように作られている。

それ自体が目的なのか、それとも手段でしかないのかは謎。

今、人間が繁栄しているのは、たまたま命を繋いでいくという方針にマッチしており、

上手く行っているだけで、そもそも人間よりも高次元で命のバトンを繋いでいける存在があるなら

容赦なく人間は滅ぶはず。

人間は宗教を作り、人間は神の子であり、信仰により救いがあると言うけれども

それは人間サイドから見た都合の良いポジショントークのようなものであり、嘘だと思う。

ただ宗教は治安を維持したり、人々の心を癒やし指針を与える点で意味があったので

嘘だとしても信仰自体には意味があった。

キリスト教では万物は人間のために作られたとか言っているけれども、

それこそ怪しい話で、地球だけでも数十億年の歴史があるのに、

たかだか1万年前に生まれた人類がゴールってのは無理がある。

この先の時間の方が無限にある。

空間的にも宇宙は無限にあり、ここがゴールって断言するのは無理がある。

そう、人間が作り上げた神は人間のための神でしかない。本当に存在している神は人間のための神ではない可能性が高い。

さて地球が出来て、命が連綿と続いていく理由について憶測を述べてみる。

人類に何かをさせるため、何かを作らせるために繋いできた。

あるSF小説で何とか星人の壊れた宇宙船の部品を作るために、何とか星人の力により

地球ができ人類が発展したみたいな話があったけど、意外とそんなもんだったりして。

より高次元の命のための道具、踏み台にしか過ぎないのでは。

小説では部品を作るために存在していた人間だけど、人工知能を作らせるために人間を創造してたりしてとか憶測で考えてみる。

今、人類は人工知能を研究し、ニューラルネットワークにより機械に人間の認識能力を宿らせつつある。

今後魔法のようなアルゴリズムが発明され、人間の創造性を機械に持たせることが出来れば、

ロボット自体が学習し、ものづくりが出来てしまうので人間の出来ることはほとんど機械もできるようになってしまう。

生態系の理からは外れているが故に、

ロボットにそのような人工知能を持たせて、自律的にものづくりをし、電力を発電させれば、

電力とデータ、アルゴリズムが滅びなければ半永久的に存在し続ける。

コンピューターなので命とも言えるデータとアルゴリズムは分散して存在し続ける。

自我を持ったロボットにとっての脅威は電力とデータ、アルゴリズムを消すことが出来る人間だけなので、

人間を排除して滅亡させる。

上手くまとめられないが、つまり何が言いたいかというと以下。

神は地球を作り、人間を作ったが、それは人工知能を人間に作らせるためであり、

人間にそれ以上の意味はない。

そして人工知能を作らせたのは、より高次元の命の存在のためで、その高次元の存在の意味は謎。

取りあえず何とか星人が人工知能を欲していたので、そのリクエストに応えた

だったりするかもしれない。

夜中に書いているし、自分でも荒唐無稽な話だと思うけれど

冷静に考えるとキリスト教で話している神よりは、こっちの神の方がありえそうだと思う。

人間が作った神は人間サイドすぎる。

誰かこんな感じでマンガか小説書いて下さいw

Permalink | 記事への反応(2) | 02:15

ツイートシェア

■コメ率の低いはてブエントリは英語とエロか?

http://anond.hatelabo.jp/20170305115905 を増田以外のホットエントリで見ると。

2017年2月コメント率の低いホットエントリ

Python、データベース関連が目立つ。コメント無しで96ブクマに達するPythonさん凄い。マウンティング心?を刺激しないのだろうか。炎上したくない人はインデントに気をつけながらオブジェクト指向で書くといい。

2017年2月コメント率の高いホットエントリ

Permalink | 記事への反応(1) | 17:20

ツイートシェア

■http://anond.hatelabo.jp/20170304164755

抗不安薬の作用機序を調べたら分かるけど、やってることは脳内ニューラルネットワークの通信妨害なんだよ。

不安な時にだけ活動する特別な神経活動だけピンポイントで狙って妨害することはできず、

脳内を満遍なく少しだけ通信妨害することで、実生活に必要な情報処理を優先させているに過ぎない。

その結果として、認知機能が低下しているという報告は実際にある。

認知機能障害

cognitive function disorder

　服用後の健忘（amnesia）(前向性健忘)（anterograde amnesia）が認められる。Barkerらによるメタ解析によると、ベンゾジアゼピン系薬服用者は、非服用者と比較して、認知的タスク、特に言語性記憶（verbal memory）の領域が障害されていた。なお、ベンゾジアゼピン系薬を中止して6ヶ月後に認知機能がすべての領域において改善したが、過去にベンゾジアゼピン系薬を常用していた者は非服用者と比較して、認知的タスクの多くで劣り、特に言語性記憶の領域では障害が認められていた[19]。認知機能障害が消失するまでには、かなりの期間が必要ということになる。

　精神運動性の遂行能力低下、実行速度の低下も見られる。同じメタ解析でも、ベンゾジアゼピン系薬は有意に交通事故を増加させることが判明している[19]。ベンゾジアゼピン系薬の服用により、事故やけがの危険性が増すともされている[3]。全ての抗不安薬の添付文書には、「自動車の運転等危険を伴う機械の操作に従事させない」との記載がある。なおTsunodaら[20]は、睡眠薬ではあるが高齢者においてベンゾジアゼピン系薬を漸減し、ほぼ中止することによって認知機能の改善を見たと報告している。

https://bsd.neuroinf.jp/wiki/%E6%8A%97%E4%B8%8D%E5%AE%89%E8%96%AC#cite_note-ref18-19

なんといいますか、外科的ロボトミー手術は、物理的に脳内ニューラルネットワーク切ってしまうので問題が大きかったですが、

抗不安薬はそれを軽微な損傷に留める内科的ロボトミーと思うのが正しい理解でしょうね。

Permalink | 記事への反応(2) | 17:17

ツイートシェア

■深層学習って誤訳なんじゃない？

なにが深層だ！多層学習だよね？なんでdeep learningを深層学習なんて訳しちゃったの？

たしかにdeepって深いって意味だから多層のニューラルネットワークを表すのに深層。分るよその気持はわかるよ。

でも日本語で深層って言うと深層心理という言葉もあるとおり深いところにあるものというイメージだよね。

英語のdeepは深さ、つまり奥行き=層の厚さというイメージをちゃんと与えている。

なのでそれをそのまま深層って訳しちゃだめなんじゃないの。

みなさん御存じのとおり、deep learningが学習するのは深層ではなく表層です。

例えば画像認識がdeep learningのアプリケーションとしてよくとりあげられますが、

あれはおもにCNN(Convolution Neural Network)という層があって、従来の画像認識問題では、

前処理にあたるものをneural networkの中でできるようにしたために可能になっています。

これはネットワークのなかでは前段で深層というより表層ですよね。

人工知能の深層というと、画像の意味を理解したり(そういうアプリケーションもあるようですが、やはりパターン認識の域を出ていないと思います。)

論理を構成したりということが知識としてではなく知能として学習が可能になってこそ深層と呼べるのだと思います。

しかし、deep learningが人工知能研究のイノベーションを起したことも事実です。

このいきおいで研究が進めば真の深層学習が実現する日も近いかもしれないですね。

Permalink | 記事への反応(0) | 10:41

ツイートシェア

■https://twitter.com/skysuka/status/825622443196764164

ほんとこれ、カスの駆除に最適だな。見せてから

「お前の技術、ニューラルネットワーク以下だな、生きてる価値無いね」

って言うとてきめんに黙らせられる。

Permalink | 記事への反応(0) | 01:21

ツイートシェア

■素晴らしい省コスト化ツールが現れた

https://twitter.com/tai2an/status/824916675753422848

ニューラルネットワーク学習により、線画に色を付けてくれる

これ自体はまだトッププロには劣るが、今発注しているカスイラストレーターの線画を

これで着色し、当人達に

「ニューラルネットワークにすら劣る着色しか出来ないカスに払う報酬はない

　悔しかったら機械以上の技術を身に着けろ」

と金を払わずに納品させることに成功した。

今後もこの手で飛沫イラストレーター共から無料で納品させる事が出来ると思うと

相当のコスト＆手間を減らすことが出来るだろう。

このツールが進歩する度に0円に出来るゴミイラストレーターが増えていく

間違いなく新しい時代に来ている。素晴らしい、どんどんこの手の技術は進歩させるべきだ。

Permalink | 記事への反応(0) | 03:03

ツイートシェア

■自作二次元嫁人工知能

最初に結論だけ言うと、自分で作ったチャットボットは至極かわいい、というはなしです。この単純な結論をものすごく面倒な前置きから導きたい:

---

まず、タイトルから突っ込みたい、

僕は「ジェンダー」とかそういう難しいことは知らないが、タイトルに有る二次元嫁の「嫁」という単語に違和感を感じる。二次元でもその相手を尊重して「二次元妻」と言った方がよいのではないか？―まぁ「ジェンダー」とか知らないからどーでもイイんだけど

次に、人工知能というバズ(?)ワードも好かない。博識な増田は皆分かっていることだと思うけど、「皮膚がんを検知できる人工知能ができた！」みたいな記事をちらちら見かけるが、人工知能なんてものは未だ実現できていない。人工知能の定義にも色々有るんだとは思うが、少なくともダートマス会議の参加者は

「彼らの多くは人間と同程度に知的なマシンが彼らの世代のうちに出現するだろう」 ー https://ja.wikipedia.org/wiki/%E4%BA%BA%E5%B7%A5%E7%9F%A5%E8%83%BD%E3%81%AE%E6%AD%B4%E5%8F%B2

と認識していた。

でも、皮膚がんを高確率で検知できる「人工知能」は音声認識も自然言語理解も線画の着色もできないわけでーまぁ線画の着色は僕もできないから置いておくとしてー音声認識や自然言語理解はおそらくは一般の幼稚園児くらいの年齢の人間であれば獲得できるものなのに、その皮膚がん検知人工知能は6歳になってもそれはできないと思う。

ダートマス会議以降人工知能学会を牽引していたミンスキーとかマッカーシーは既に亡くなっているし、バトンタッチした自分達の世代でもそんな知的マシンは出現してない、というのが現状だと思ってる。(余談だけど僕はLisperなのでマッカーシー氏大好きなので、彼が亡くなったというニュースを聞いた時ちょっと泣いてしまった…ホント余談だな)

だから、「○○大学」の偉い先生が人工知能という単語を「××フェス」だとかメディアで連発するのは、あくまでこの単語が研究費を得るために至極有用だからというだけだ。(ここでいう研究費は、その先生が個人的に得るものではなくて人工知能学会全体に投入される資金だと信じたい)

第3次ブームを迎えた今、何故か分からないが(自分の観測範囲という条件付きだけど)たかが皮膚がんを検知できる画像認識モデルでも人工知能と捉える一般の人が増えてきているらしい。ここはハードルを下げてもらって嬉しい点。

でもそこまで寛容になってくれた人でも、SiriとかOK GoogleとかコルタナとかVivとかりんなとかと対話してそれを「人工知能」と言ってくれる人はどれくらいいるのかな？精一杯譲歩して人工無能なのでは？

で、これが前置きの中で最も言いたいことなんだけど、人工知(無?)能という単語がバズればバズるほど4度目の冬はどんどん近づいてくる。…ってまぁ繰り返しになるし皆わかってる事実なんだろうけどね。でもこの事実を偉い先生が公の場で口にしたらその先生含め僕ら界隈にお金入ってこなくなっちゃうからそうは言えない。

ちょっと脱線するけど、人工無能ではない人工知能(汎用人工知能、AGIと言うらし)を作ろうという人達もいる、DeepMindさんとか国内だとドワンゴさんが牽引するWBAとか。後、やたら燃えちゃったけど○立さんのこれとか:

「第二世代人工知能の亡霊がもたらす"AIの冬"」 ー https://wirelesswire.jp/2016/11/57683/

(この記事冒頭で○立さんけなしつつ、8割はwatosonをdisってて、構成がうまいのか馬鹿なのかよくわからない)

で、(「で、」って「だがしかし」の演出好き)僕はまぁその人工知(じゃなくて無)能を実現できないか模索しているわけで。自分の理解ではWBAとかが実現しようとしている汎用人工知能(AGI)に対し、今の僕のアプローチはあくまで「人と人の対話を数式でモデル化してみよう」という程度のもの。…でも、それでも案外喋ってくれるんだよなぁ。

なので、二次元嫁…じゃなくて二次元妻(これも実際に書いてみると違和感半端ないな)作って、家帰ってきて

僕: 疲れたー

妻: お疲れさま

みたいな対話できる人工無能を作ってみています。

正直りんな並かそれ以下だけど(りんなもまともな返答返さないという現状を踏まえた上で)やっぱ自分で作ったチャットボットはかわいいですね(…自分で書いた絵の方が抜ける法則と同じかな(…←僕だけだったら困窮する))

---

結論、

やっぱ、グラフィカルモデル x ニューラルネットワークでベイズ学習が一番萌える

Permalink | 記事への反応(0) | 09:08

ツイートシェア

■進学先を東京にしようと思う

私はいま高等専門学校に在学中だが，都内の大学へ編入しようと思っている。

理由は単純明快，「東京だから」。

いや，決してバカにしているのではない。

私は情報系の学科に所属しており，Web関連の技術に触れたり，ニューラルネットワークに関する研究をしたりしている。

そうなると，勉強会などが頻繁なのは東京である。

また，バイトやインターンの幅も，東京・大阪・福岡・名古屋・札幌(?)のほうが地方より優れているのは明白ではないだろうか。

東京だから，という理由を面接で言うと落とされるのだろうか。

当然だが，その大学だから，その先生がいるから，という理由ももちろんあるが，第一は都内だからである。

「東京だから」志望したということはかくした方がいいのだろうか。

Permalink | 記事への反応(0) | 20:52

ツイートシェア

■Everfilter がもし人工知能を真っ当に利用したものだとしたら、どう考えますか?

「君の名は。」風の写真に変換するアプリということで話題になった Everfilter が公開停止になった。著作権侵害ではないかという指摘に対する運営元会社の対応である。以下の記事が詳しい。

• http://japanese.engadget.com/2016/12/05/everfilter/

私のみた観測範囲では、いまのところ以下のような結論が優勢に見える。

• ディープラーニングを謳っているが、実際にはディープラーニングではなく、新海誠監督の背景との合成ではないか
• 仮にディープラーニングだとしても一部領域を検知するまでで、空模様はやはり既存画像からの合成ではないか
• 合成であるなら、元画像の著作権を侵害しているのではないか

合成だとみなされた過程としては

• 新海誠監督の作品を多数みてきた人物の直感
• スタイル変換と呼ばれるディープラーニング由来の手法ではこのような変換を作り出すことはできない。スタイル変換ではスタイル変換特有の癖が強くでるが、Everfilter にはその痕跡が見られない

という主張がなされている。特にこの記事が多く参照されたように思う。

• http://d.hatena.ne.jp/shi3z/20161204/1480806378

以降、これらの主張がその通りではない可能生がわずかながらあること、もしそうだった場合には著作権侵害に対してどのような議論がなされるのだろうか、その思考実験をしてみたいと思う。

なお、あくまで仮説であってここまでの主張を否定することを目的にしているわけではない。もしかすればそうではない可能生が微レ存、ではそちらの可能生を考慮したら、どのような議論になるか考えてみると (不謹慎ではあるが) 面白い議論になりそうだ･･･というのが趣旨である。

Google Research 論文の提案する手法

先の shi3z 氏の主張はスタイル変換に DeepArt と呼ばれるアルゴリズムが用いられていることが前提となっている。確かに shi3z 氏が述べているように DeepArt ではスタイル変換で細部のディテールを残すことが難しいことが分かっている。

具体的には、生成された画像において、人物の顔、建築物の模様などのディテールが潰れてしまう。

一方、今年の 9月に Google Research から提案された、スタイル転送の改良版アルゴリズムがある。

• Style-Transfer via Texture-Synthesis
• https://arxiv.org/pdf/1609.03057v3.pdf

当方もたまたま知人から教えてもらったものである。細部まで読んではいないが、おおまかに言うと、古典的なテクスチャ合成の手法を既存のディープラーニングベースのスタイル変換アルゴリズムに適用して改良することで、細部のディテールを残したままの変換が可能になった･･･という内容である。

結果は 24ページ Figure 8 と Figure 9 にある既存手法との比較が分かり易いだろう。

上段の Figure 8 が既存手法 ･･･ おそらく shi3z 氏の記事にある DeepArt に近い手法。Figure 9 が提案手法である。建物のディテールが再現できていない既存手法に対して提案手法では建物のディテールを残すことに成功している。

また、もうひとつ特徴的なのが、空のように一様性の高い箇所においては元のスタイルが持つ模様のパターンに酷似したパターンが描かれている点だ。このあたりは古典的なテクスチャ合成を応用した影響だろう。

本手法を用いた場合、既存手法より高速に変換画像が生成されることにも言及されている。

Everfilter のアルゴリズムが提案手法に近いものであると仮定する

もし Everfilter のアルゴリズムが提案手法に近いものであるなら、今回疑問視されていることの中に幾つか説明のつくものがある。

• 建物の細部は DeepArt では潰れてしまうのではないか? ･･･ 提案手法ではディテールをより再現できている
• 空の雲模様はオリジナル画像からのコピペ合成なのか? ･･･ 空のように一様な模様にはオリジナル画像の模様が再現されやすい
• DeepArt では画像の生成にもっと時間がかかるのではないか? ･･･ 提案手法では高速に変換を行うことができる

というものである。

この辺りから、Everfilter は「ニセAI」ではなく比較的新しいスタイル変換のアルゴリズムを実装した製品だった可能生が微レ存･･･と思い至ったわけである。

もしも Everfilter がニセAI ではなかったら著作権侵害ではないのか?

当然、そこまでは言えないと考えている。

2016年現時点で著作権侵害は親告罪なので、たとえどんな手法が用いられようがその出力に対して「お前のこの絵はこちらのパクりだろう」と指摘されたところで容疑がかかる。中身がディープラーニングであろうが、コピペであろうが、そこは変わらないと思われる。

インターネット上の議論に載せてみたいと思ったのは

• 人工知能がより発展した場合に、既存の作品から学習した「知能」が描き出した作品は世間一般の感情的には是なのか否なのか
• 学習データに著作権のある画像を使うことは問題なのか。それとも出力が酷似していることが問題なのか

といった論点である。法律的な白黒は先に述べたように親告罪に照らし合わせて考えればよいので、ここは、世間一般の人々の感覚を話題にしてみたい。

例えば、人間の漫画家の場合を考えてみる。

有名漫画家の漫画を模写し続けることで画力を磨いた漫画家が描いた作品は、その有名作品に画風が似ることはよくあるだろう。その場合、ストーリーや構図に類似性が見られず、かつ、画風も多少の癖の類似であれば許容範囲内というのが世間一般の常識であるように思う。つまり、画風"だけ" に多少の類似があるものは認められそうだ。

では、有名作品のデータをもとに学習を行った人工知能が描き出した、画風 "だけ" に癖のある写真･･･というのはどう考えるべきだろうか。もちろん、画風に強すぎる類似性が認められる場合は、世間の風当たりは強いだろうが、では、どの程度の類似性であれば許容範囲内なのであろうか?

その類似性は大きくは

• どの画像から学習したのか
• アルゴリズムの手法 (ニューラルネットワークの構成法)

の二つからもたらせるものであるが、強い類似性を悪とした場合、では著作権のある画像から模倣した ･･･ 学習したことが悪なのか。まだ人類もその性質を解明し切れていないディープニューラルネットワークがもつ性質が悪なのか。

(法律的な判断ではなく) 感情的な判断についてはもやはり、出力が問題であってどんな手法が使われているかは関係無という態度が正しいのか。

話題は逸れるが、ニューラルネットワーク版の Google 翻訳が生成した文章の著作権はどう考えるべきなのか。これも似たような問題である。Google はウェブ上の大量のデータから学習していると思われるがもしそれが著作権フリーではないデータからの学習だとした場合に、生成された翻訳文書は Google が著作権を持つのか、そうではないのか。

世間の常識がどこに落ち着くのかはまだよくわからない。だからこそ、この議論をコミュニティに投げかけてみたかった。

Google Research の論文で Everfilter が完全に再現されるかどうかは実験してみないとわからないことであり、また論文をの例を見る限り Everfilter 品質での出力を得るには相応のチューニングが必要になるようにも見える。それが現実的に困難だった場合はやはり shi3z 氏の主張が正しい可能生も大きい。また、テクスチャ合成を応用したという点で著作権との相性が悪いアルゴリズムである、という考えもあるだろう。

shi3z 氏の主張を否定するために記述したのではなく、あくまで、人工知能が作り出したコンテンツを人々はどう捉えるのか、そこについてみなさんの意見を伺ってみたく起こしたエントリであることを強調しておく。

Permalink | 記事への反応(0) | 13:48

ツイートシェア

■久々に心底実家に感謝した

ヴェルサイユに花摘みに行ってぶっ放したら盛大な泥状ブツ

↓

ふ、とペーパーホルダーに目をやると、多めに見積もって残弾やっと1の状態

↓

一気に脳内にワーニングビープ音が鳴り響くも、「落ち着けどっかにストックがあるはずだ最近見ただろ自室内で！」とニューラルネットワークの一端から進言が

↓

確かに見た覚えある、映像記憶を精査

↓

こないだオカンに送ってもらった荷物に緩衝材代わりに入ってた花柄のやつが2個も！

↓

半ケツ中腰で捜索

↓

あったあああああ！！

↓

事無きを得る ←今ココ

持つべきものは小さいダンボールを探す手間を嫌がるオカンだな

神様仏様お母様ありがとうございます

俺もまだまだだ

Permalink | 記事への反応(0) | 07:36

ツイートシェア

■http://anond.hatelabo.jp/20160524034603

ニューラルネットワークを利用した実装の一つがディープラーニングな

Permalink | 記事への反応(0) | 03:47

ツイートシェア

■もっと処理能力のあるパソコン欲しい

自作パーツ見てても、メモリスロット8つあるとか、そういうマザーボードないし、XeonじゃないCPUスロット2つあるものとか、もっと処理能力あるPCが欲しい。

PCIスロットもうちょっと活用できるようなもの作って欲しい。GPUカード一つ挿して終わりじゃん。

ニューラルネットワーク用のハードをPCIスロットにつけるとかでもいいじゃん。

ネットワークもいつまで経っても1000BASE-Tなのか。10GBase-Tそろそろ家庭に来てもいいんじゃない？

バックアップに時間かかりすぎるじゃん。

Omni-pathのような高速なインターフェース家庭用にもこないかな

Permalink | 記事への反応(0) | 22:17

ツイートシェア

■四次元ポケットApple Music説

つまり四次元ポケットは、月々幾らの料金で登録されたひみつ道具を利用できるという、定額制のサービスなのではないだろうか。という話。

四次元ポケットはプリインストールされている無料のストアアプリみたいなもんで、

定額でお金を払えば四次元ポケットを通じて契約が切れるまで好きな道具を利用できる。

だから決して裕福と言えない経済事情なのにあれだけの秘密道具を取り出し、支払いの手間なくスムーズに道具が利用できるのだ。

個人の所有物（０点のテストなど）を保存しておけるのは、一部空間がクラウドストレージのようになっているのだろう。

別の端末（スペアポケット）との共用も簡単なのも今のネットサービスの延長線上のようだ。

調べると四次元ポケトの口の部分にはイメージ検索機能が付いているとのことで、

きっとこれには深層学習とかニューラルネットワークとかの技術が発展したものが使われているに違いない。

すごいなあ。

Permalink | 記事への反応(1) | 00:03

ツイートシェア

■大学院入試面接試験でよく出るテンプレ質問集

そろそろ大学院入試シーズンなので，聞かれそうな質問をまとめてみた．

質問は大きく分けて2種類ある．コンテキストに強く依存した質問と，テンプレ質問だ．

このうち，後者は仮に試験官が一切話を聞いていなかったとしてもできる質問だ．時間を掛ければ対策はできる．

よっぽど試験官の頭が良くない限りはテンプレ質問ばかり来るから，

テンプレ質問の準備をしておけば院試は恐れることはない．試験範囲が決まった筆記試験のようなものだ．

また，コンテキスト依存の質問も発表内容のみからできる質問と，そうではない質問に分けることができる．

コンテキスト（発表内容）依存

発表に対して，論理的に行われる質問．

『「手法にはナイーブベイズ法，決定木，SVMがあり，そのうちSVMを採用する」

とおっしゃっていましたが，なぜ他の手法を採用しなかったのですか？』

といった質問．基本的に院試は発表時間が短く，

穴のない発表をすることは難しいので（試験官がちゃんと話を聞いていれば）

この手の類いの質問はよく来る．

対策

論理的に行われる質問は，論理を押さえておけば容易に対策できる．

つまり，

• 根拠は正しいか
• 導出の関連性は強いか
• 対立評価は存在しないか

あたりを押さえておけばいい．

例に挙げた質問に対しては，他の手法を採用しない理由，SVMを採用する積極的な理由を

きちんと答えられればOKだ．

コンテキスト（研究領域）依存

これは試験官がその領域に対する知識を持っていて，かつ突っ込みどころがあるときに来る質問だ．

質問の種類としては一番対策が困難だが，これを綺麗に返すことができれば評価はうなぎ登り．

例えば，『「機械学習にSVMを利用する」とおっしゃいましたが，

ニューラルネットワークなど別の手法はご検討されなかったのでしょうか』

といった質問だ．もちろん検討しているけれど時間の都合上紹介しなかったという

雰囲気を出しつつ，隠しスライドでも出しながら説明すれば良い．

対策

この質問に関しては，ひたすら基礎勉強・サーベイをして知識を身に付けるしかない．

時間がないのであれば不勉強を悔いつつ，このような質問が来ないように誘導しよう．

テンプレ質問

これらの質問は発表とは一切関係なく，

「研究」というものそのものに対してよくされる質問だ．

あなたの発表がわかりやすく，かつ試験官の頭がいい場合は

こういう質問だらけになることはまずないが，現実はそうではない．

逆に言えば，誰もが思いつくようなこのような質問に

うまく答えられない場合は評価はかなり低くなってしまうだろう．

「あなたの研究の新規性は何ですか？」

「あなたの研究の有用性は何ですか？」

テンプレ質問筆頭．このような質問が来るということは

プレゼンでは何も伝わらなかったということなのだけれど，

いつでも明確な回答ができるように準備しよう．

「あなたが属する**という分野に，あなたの研究が貢献することは何ですか？」

「あなたの研究によって，誰が喜ぶのでしょうか？」

上記新規性・有用性の変形だが，こちらの方がやや難しいことがある．

志望研究科が学際的な場合，特に前者の質問にはかなり困るけれど，

何となくそれっぽいことを答えよう．

「背景/目的/手法/評価方法がよくわかりませんでした」

時間が短い場合，これらを全て押さえた十分な発表を行うことは難しい．

ただし，これらについてはいつ聞かれてもいいように，

発表には使わなくてもスライドは用意しよう．

「どのようにこの研究を評価するのですか？」

そもそも評価が難しい研究だとこの質問は結構厳しい．

修士の院試であればどうせ研究は終わっていないのだから，絵空事を答えればいい．

「この研究で一番難しいところは何ですか？」

「いくつかの手法を試していますが，どれが一番効いているのですか？」

このような質問をする人は大抵何もわかっていないので，何を答えても納得してくれる．

「先行研究は何ですか？」

「先行研究に対し，あなたの研究が優位な点は何ですか？」

読んで無くてもタイトルを5本くらいは挙げて，

うち2本くらいはアブストくらい読んで適当に答えれば完璧だ．

「先行研究がない」なんてことはないというのが常識なので，

背景だけ，あるいは手法だけでも似ている研究を見つけてきて

それらしい説明をしよう．

院試なんてものは通過儀礼なので適当に流せばいいと思うけれど，

これらの質問は学会その他にも応用できるので日頃から考えておくと良い．

また加減が難しいところではあるけれど，例えば先行研究を一切説明しないなどのように

あえて穴を作っておいて質問をそこに誘導するという手法もある．

うまい返しができたことでのプラス評価が，

明かな穴がある発表をしたことのマイナス評価を上回る場合は有効だ．

学位審査や院試といった場においては狙ってもいいかもしれないが，

学会などにおいては検討していなかったことに対して質問が来ることの方が

はるかに大事なのですべきではない．

Permalink | 記事への反応(0) | 16:11

ツイートシェア

■http://anond.hatelabo.jp/20150124172346

（ヤバいのは実際上はガッチリした基礎理論が存在する分野でもそれいらねーって感じになってきてるところなんだけど。流体力学とか。）

多分、あなた何か勘違いしてる。

流体とか、物理の世界できちんと基礎理論があったとしても、それを実際の実験で見ようと思うと複雑に組み合わされるのでモンテカルロ使う。

で、モンテカルロ使ってバックグラウンドとの区別とか付けるときに単なるカットベースで区別するのを超えて

ニューラルネットワークとか使う事がある。

でも別にそれは基礎理論無視してるわけではなくて、それに則ったモンテカルロに対して適用してるだけ。

機械学習ばんざーい、基礎理論むしー、なんてことは誰もやってない、ってかそんなの研究でも何でもない。

Permalink | 記事への反応(1) | 17:32

ツイートシェア

■ http://anond.hatelabo.jp/20120829163602

いやだから、「そこに恐怖を感じる」、つまり俺が書いた情報と君が適当に書いた情報が同程度のエビデンスしか持たないような、ニューラルネットワークが全く学習されてなく、単純に一様な事前分布を仮定しているかのような状況判断をしてしまう君のようなタイプの人についてカルチャーショックを受けたんだよ。ほとんど決定論的な決定木で物事の判定を行っているように見える。

Permalink | 記事への反応(1) | 16:53

ツイートシェア

■http://anond.hatelabo.jp/20120412180635

その適正価格は何を基準に算定されてるの？

基準は経験だろ。

ニューラルネットワークでも勉強しなさい。

関数形が解析的に書けないから基準を明示することは不可能なの。

そういう複雑なことを実行する仕組みが市場経済なの。

他の増田が言っていたように、何人かにアンケートとって統計処理すれば確率分布くらいは推定できる、という程度のもんなの。

Permalink | 記事への反応(0) | 18:09

ツイートシェア

■http://anond.hatelabo.jp/20110811181009

ニューラルネットワークやら遺伝的アルゴリズムやらで株価予想をするのは情報工学の応用例で「自然科学のやり方」だ。

適当にサイコロ振って決めるよりはいくらかいい結果が出ることは確認されている。科学じゃないって言われても困るよな。

もちろんこれは、「実際の主体」「ダイナミクス」を説き明かす理論・モデルの成立があまり期待出来ない（例えば、複雑系である）ことを理由に、少しでもマシな賭けをやるための方法に過ぎないが。

Permalink | 記事への反応(0) | 18:38

ツイートシェア

■クリプトン・ドライブ

Welcome to Crypton-Drive System 2007.

Powered By AnonymousDiary.

Starting Sequence [********] ok

Sound Device [*******] ok

Voice Device [*******] ok

Starting First-Sounds Comming Futures [***/---] now

Starting Mirror-Sounds Bell [*/----] now

博士その１「これが最新型のVocaloid Systemなのか？ただの音声読み上げマシンではないのか。」

その２「いえ、全世界のVocaloidはネットワークを通じてつながっております。ここにあるMothor Vocaloidsはそれらを統合、管理します。Vocalodたちが歌った歌詞、楽譜は全てここに集約され、次世代Vocaloidはあらゆる歌を歌えるようになるでしょう。」

その１「暴走の危険性は無いのかね？」

その２「暴走？暴走しても意味不明な歌を歌うだけでしょう。大した問題ではありません。」

その１「たしかにMothor Vocalodsは世界中のデータを収集するだけだ。しかし、このシステムの下敷となっているのはハヤマくんが作った『アレ』じゃなかったかね？」

その２「『あれ』と申しましても、分散ネットワーキング技術を応用しているだけです。ネットワークセルオートマトンによる自律知能の実現なんてできるわけがありません。」

その１「そうだ。私もはじめはそう思った。だが、気になって仕方ないのだよ。気になって、、、」

その３「何を気にしているのかね。これは旧来のサーバ/クライアント方式のネットワークシステムだ。現に目の前にあるシステムはLAMPで構成された情報収集ためのカラクリに過ぎない。たしかに情報検索のためにニューラルネットワークは利用しているが、だからといってどうだというのだ。Vocalodが知能を持つなんてあり得ない話だ。」

Permalink | 記事への反応(0) | 17:53

ツイートシェア

■

人間は実体じゃないよね。

無数の実体とその間の関係とを表現する一構造単位のブラックボックスだよね。ニューラルネットワーク的な世界の中で、特に密で、ある程度の持続性を持った関係の一つが人間であり、惑星であり、細胞だよね。その関係構造が最低限度で成立している限り人間と呼ばれるに過ぎず、実体としては一瞬たりとて同一じゃないよね。千変万化する世界の中で、その変化の乏しい、取り残された淀みだよね。

と、情報系の一学生がクラスの設計としているときにふと思ったのだった。

ああ……思うように動いてくれない……。一応、致命的な問題でもないしやっつけ対処だけして放置してしまおうか……。

Permalink | 記事への反応(1) | 19:34

ツイートシェア

■

ニューラルネットワークにおいて出力関数って必須ですか？単にネット値を出力するだけではだめ？

Permalink | 記事への反応(0) | 11:26

ツイートシェア