  |
はてなキーワード: リソースとは
現状維持が精一杯で
これ以上の画力向上は望めないんじゃないかというのをヒシヒシと感じる。
行き詰まってる感じ。
仕事辞めて
もっと心ゆくまで描きたい、限界まで極めたいという思いがますます募る。
でも、それで生活できるの？
せめてお小遣い程度でも稼ぐとか、
全然目処すら立ってないじゃん。
ハタから見ても、
お前の吐き出しているものは市場で求められるようなものではない。
創作的に高度とはいい難く、「作品」の域にすら達していないとおもう。
でもその領域に到達できていない。
う◯こ垂れ流しているだけ。
更にいうと、これからのai全盛期に自分で描くことに意味があるのか？
と考えてしまう。
生成aiの登場で
絵の技術的な価値は下がっていくなんてことはよく言われているが、
自分には浮かんだイメージをaiに出力させる術なんて想像できないけど、
これからのaiネイティブな世代の若い人はaiを自分の手足のように融合して直感的につかいこなせるようになるんだろうか。
そうなると、絵が上手い人より、
いいアイディアをひらめく人、物語を語れる人のほうが優位になっていくのだろう。
でも、このaiの進化のスピードを考えると、それで保ってるのもそんなに長くないだろうな。
そのうち、何も指示与えなくてもストーリーやアニメを出力したり、
これは素晴らしい世界といえるのか？？
生物の進化を考えればaiの知能が人間を超えるのは必然みたいなことを言ってた。
哺乳類が登場してからの知能指数の上昇の曲線と、aiの知能指数の上昇の曲線を見せて、
生物が数億年かけてやっとたどり着いた進化を、コンピュータはたかが数十年で達成した。
それこそ亀の隣をスポーツカーが追い抜いてくように。
なるほど、
まさに今追い抜かれようとしている瞬間なわけか。
瞬きする間に追い抜かれていくわけだ。
こうなることは頭ではわかっていたがイマイチ実感がなかった
囲碁・将棋とか画像認識とか何かに特化した分野では発展していたが
いわゆるイラストとかクリエイティブな方面では、見えない壁にぶち当たって
（なんだっけ、特化型aiに方面では進化するけど、汎用aiはずっと先のことみたいな論陣を張ってる専門家の主張を読んだような。）
最近のchatgptやstablediffusionはそんな幻想をぶち壊して
現実を突きつけてきた感じか。
つい最近父型の祖母が死んだ。子供のころから耳を患っており、音声を介した会話はできず、意思疎通には文字または手話が必要な人だった。
障碍を持っているがゆえに教育機会にも恵まれず、文字コミュニケーションをしても知能の遅れが感じられた。
子をなすことと家事・育児が彼女の成人後の人生の全てだった。彼女にとっては通常の人間が行う様々な所作が重労働であっただろうことは想像に難くない。
彼女は常人に追いつくための努力をしてそれらをこなしていた。そんな、尊敬に値する女性だった。
障碍をもつ祖母を娶った祖父はどのような人間かというと、田舎で運搬を行う低収入の肉体労働従事者であったらしい。彼らは出会い、４人の子を成した。そして祖父は４人目の子が１５歳の時に事故で死んだとのことである。
そのなかの３番目の子が私の父であった。父の話によれば、彼が１７歳の頃に祖父がトラック事故を起こしたらしい。即死ではなく、大腿部の切断を行った。
治療はうまくいかず。普段は見せないような痛みに耐えきれぬ泣き顔を時折見せては、子供らが見守る中息を引き取ったという。
祖父の存命の時から家庭は貧困状態にあった。学も財産もない人間が４人も子を成したら、それは大変であったろう。
貧しい家庭では教育よりも労働が優先された。長兄には教育が必要とのことで高校教育を受けさせたが、次男・三男坊に教育の猶予はなく中学卒業後肉体労働を課せられ日本全国方々に散った。末子は祖父の保険金で地元の高校に通うことができたという。
父は中学卒業後、身寄りのない関西に送られ、その後中部各地を転々とすることになったとのことだが詳しくは聞いていない。彼も、話さない。
長兄は家を継ぎ母と住み続け、その後末子は高卒だけあってよい企業の工場に勤め先が決まり家を出た。このあたりで次男は消息不明になったという。女性関係とのことだが詳しくは聞いていない。今や生死もわからない。
ところで母方の祖父母の話に移ろう。彼らは一般的な農家の生まれであり、裕福でも貧乏でもない育ちの人間であったが、どちらも体が弱かったため将来的に介護が必要となることが懸念されていた。両家余り物を押し付ける形で成立した婚姻であった。
そこで生まれたのが母である。母には個人としての意思は認められていなかった。なぜならば生まれながらの介護要員だからである。
その数年後、弟もできたようだが幼くして死んだ。弟が死に益々気力・体力を失った祖父母は母に未来の介護を切望するようになった。そのような母が他家に嫁ぐことなど許されない。
そこで紹介所を介して婿養子として選ばれたのが長子でもなく自身の家庭を築くほどの経済力も持たない、立場の弱い男である父であった。
母は歪んだ人間である。なぜなら介護が人生の全てであるから。人生に選択肢はなく、子供のころから祖父母の介護のために存在していた。友人関係も希薄に「されて」いた。
そのような都合のいい子しか知らない祖父母が父を婿養子として迎えたわけである。父の人間としての尊厳は最初からなかった。結婚の翌年私が生まれ、翌々年弟が生まれた。
時はすでに平成になっていた。世間体とは大変ありがたいもので、親戚づきあいを浅く保っている拡大家族においては昭和時代のようなあからさまな家庭内暴力は起こらなかった。
母の歪んだ奉仕心は、幸いにも夫や子にも向いていたため私はきちんとした公教育をうけることができていた。塾や習い事、玩具などへの投資は殆どなかったものの、私や弟も義務教育を周りの子供と同水準で享受することができた。制服も入学時に新調してもらえ、修学旅行も参加できたため、最貧層の子供よりは大変良くしてもらえた。父は祖父母から金銭を奪われ、労働のみを人生としていた。生活費との名目で稼ぎを家計に吸い取られていたようだ。
そんな時、父方の長兄が死んだ。事故死だった。未婚であり嫁子供はいないものの、その頃には父方の祖母は衰弱しており、介護を必要としていた。
そんな機会に自身の生活に限界を感じていた父は、なんと仕事をやめて離れた実家に帰ってしまったのである。
...
そこから家庭を顧みない介護生活編が延々と続き、父方の祖母は父の労働リソースを奪いつつ丁寧に介護されて穏やかに死んでいき、一方で父親が消えて崩壊した家庭が残ったのだが、書き疲れてしまった。
まぁそりゃ実行環境を整えるためのリソースを度外視できるなら、推論一回で出せたほうが電力消費は安いでしょうさ。そこに異論はないよ。ないけれど、だからといって環境整って以降の電力消費を切り出して、画像生成AIのほうが小リソースっていうのは、流石に厳しいと思うわ。
チーターと人間、走る速度が速いのはどっち？みたいなもん。一瞬の速度を出すために、それ以前にどれだけのコストが費やされているのかは、やはり考慮しなくちゃいけない。
物理コスト度外視にしたとしても、学習に必要な電力は考えないといかんと思うよ。
だから、それが液タブの消費電力を下回るかどうかなんだけれども。
液タブの消費電力というとこのあたりかなぁ
ttps://detail.chiebukuro.yahoo.co.jp/qa/question_detail/q10141832980
だいたい約70W～80Wというのは現代のカタログスペックみてても妥当そう
おえかきにかかる時間がどれくらいかを仮定するかによるけど、これを学習コスト頭割りが超えるか超えないかじゃない？推論コストは、まぁお絵描きも画像生成と両方PC動かしてるから近似できるってことで。
正確に計算するには、諸々の仮定がないとダメそう、おえかきに何時間かかるかもそうだし、一つの基盤モデルにどの程度のユーザーがいるから頭割りをどのくらいにするのかとか。そのあたりは画像生成の近況を知らないので適当に仮定してくれい。
まぁ長々書いたけど、どうでもいい環境活動家の言ってることなんざ無視しちまえばいいのよ。画像生成は発展途上なんだから、現状がどうこうは、それこそ液タブ製造コストを度外視したのと同じ理屈で無視したらいい。類似行為の消費電力と比較してどっちがどうって話はしなくていいと思うけどね。
Sprout Social は、私がソーシャル メディア管理に使用してきた素晴らしいソーシャル メディア ツールですが、コストが高く、他の多くの機能が欠けています。このブログでは、Sprout Social の代替ツールをいくつか紹介します。無料のものもあれば、費用対効果の高いものもあります。機能がそれぞれ異なるソーシャル メディア管理ツールは数多くあり、すべてのツールを試すのは大変です。しかし、このブログでは、アカウントの強化に役立つトレンドの SMM ツールをすべて絞り込みます。
1. Fly Social https://fly-social.com/
価格: 無料、プレミアム プランはすべてのチャネルで月額 8 ドルから
Fly Social ツールは、X、LinkedIn、Facebook、Instagram、YouTube、Pinterest など、8 つ以上の主要プラットフォームでソーシャル メディアの投稿をワンクリックで作成、計画、スケジュール、分析できるソーシャル メディア管理プラットフォームです。柔軟性を重視して設計されており、個人のクリエイター、中小企業、大企業に対応しています。また、クレジットカードの詳細を入力することなく、生涯無料パックを提供しています。
主な機能:
分析: エンゲージメント指標を取得し、ユーザーフレンドリーなレポートを生成します。
AI アシスタント: AI を利用して投稿のアイデアを生成し、コンテンツを再利用し、エンゲージメントを強化します。
2. Buffer https://buffer.com/
価格: 無料、有料プランは 1 チャンネルあたり月額 5 ドルから
Buffer は、スケジュール設定、コラボレーション、分析機能を提供するユーザーフレンドリーなツールです。複数のソーシャル メディア プラットフォームをサポートし、ソーシャル メディアでのプレゼンスを管理するための直感的なインターフェイスを提供します。
主な機能:
エンゲージメント ツール: コメントとメッセージをリアルタイムで管理します。
分析とレポート: コンテンツのパフォーマンスを理解し、オーディエンスに関する詳細な洞察を得ます。
3. Hootsuite https://www.hootsuite.com/
価格: 30 日間の無料トライアル、プランはユーザーあたり月額 99 ドルから
Hootsuite は、リソースが豊富なマーケティング チームに最適な、もう 1 つの強力なソーシャル メディア管理プラットフォームです。ソーシャル リスニング、承認ワークフロー、一括スケジュール設定などの広範な機能を提供します。30 日間の無料トライアル中にクレジットカード情報を取得します。
主な機能:
ソーシャル リスニング: ブランド言及を監視して対応します。
包括的な分析: 詳細なパフォーマンス メトリックとインサイト。
4. Agorapulse https://www.agorapulse.com/
価格: 限定無料プラン、有料プランはユーザー 1 人あたり月額 49 ドルから
Agorapulse は中規模から大規模のマーケティング チームに適しており、強力なレポート作成およびソーシャル リスニング ツールを提供します。ソーシャル メディアの取り組みの ROI を証明することに重点を置いています。
主な機能:
オールインワンの受信トレイ: すべてのソーシャル メディアのやり取りを 1 か所で管理します。
ROI レポート: ソーシャル メディア キャンペーンの効果を測定します。
5. Sendible https://www.sendible.com/
価格: 14 日間の無料トライアル、プランは月額 29 ドルから
Sendible は、ソーシャル メディア マーケティング担当者と代理店の両方にとって多用途です。すっきりと合理化されたダッシュボードを提供し、ソーシャル メディアのタスクを簡単に管理できます。
主な機能:
タスク管理: プラットフォーム内でタスクを割り当てて管理します。
クライアント アクセス: 投稿を表示および承認するための限定アクセスをクライアントに提供します。
統合: 主要なソーシャル メディア プラットフォームやツールと接続します。
6. Later https://later.com/
価格: 14 日間の試用版、プランはユーザー 1 人あたり月額 25 ドルから
Later はビジュアル コンテンツの計画に特化しており、Instagram に重点を置くマーケティング担当者に最適です。他の主要なソーシャル ネットワークもサポートしています。
主な機能:
ビジュアル プランナー: 美しいフィードのために投稿を視覚的に計画およびスケジュールします。
Instagram ツール: 投稿に最適な時間、ハッシュタグの提案など。
分析: さまざまなソーシャル メディア チャネルのパフォーマンスを追跡します。
最適なソーシャル メディア管理ツールの選択は、特定のニーズと予算によって異なります。これらの各ツールには、ソーシャル メディア管理のさまざまな側面に対応する独自の機能が備わっています。柔軟性と AI 機能のために Fly-Social Tool を選択するか、ワークフローにより適した別のツールを選択するかにかかわらず、費用をかけずにソーシャル メディア戦略を強化できます。
フルタイムで仕事の成果もあげたいし、でも家族のご飯と弁当作ってそれなりに健康的な食事はしたいし（たまにサボって外注するから毎日じゃないけどね！）、ちょい不登校気味と反抗期と甘ったれの子ども３人ケアして、週2で有酸素運動して英語勉強して、大学院のレポート書いて、嫌になったら即転職できるように専門職スキル維持の副業して、機嫌良く過ごしたいから睡眠時間確保して、全部全部やりたいのに時間なさすぎ！！
全部概ね6割出来てるさ、と甘く自己評価すれば、ほぼ好きでやってることばかりだからこの濃すぎる人生に満足すべきなのか〜。。
子供いなかったら仕事もっと成果出せるかな、とか、逆に仕事にとられるリソースもっと生活に回せたら生活の満足度上がるんやろなとか思うけど、今更子供のいない人生も学習欲が満たされる仕事捨てるのも想像つかなくて、ちょうど良いバランスって難しきかな😞
筋トレする時間ガッチリとって、腹の脂肪の奥にいるはずの腹筋に日の目を見せたいけど、そんな時間ないなあ。いやでも無理とか言ってたら一生無理だからやっぱやったるきゃないんかー…
→もうこの手の話題だと散々取り上げられてるし割と皆経験ありそうだけど、なんだかんだこれが一番"キく"。
大体こういうのは、何かを質問した際に"ついでに"教えられることが多いから記憶から飛ぶ気がする。
例えば
ぼく「この部分が〇〇で動かないんですけど、□□で治りますか？」
先輩「□□でも治るけど出来たら△△使った方がいいね。ちなみに××のケースの時はXXを使うといいよ。」
みたいな。
その時点で悩んでたのは〇〇だから、とりあえず〇〇を解消しようと頭の中のリソースはいっぱいで、その上でXXのことを言われても頭に定着しない。
上の例では便宜上かなり簡略化したが、実際は〇〇の詳しい状況や□□のメリデメ、△△のメリデメも一緒に話し合うので、そんな中でサラっと言われても覚えているわけがない。
→言われたからやったに決まってんだろ...。言われなきゃやんねぇよこんな仕様の実装...。
これでもかってくらい確認取った上にslack上でそのやり取りが残ってすらあるのになんで覚えてねぇんだ。
その時はslackのやり取り転送して「あぁこれね」みたいな感じで事なきを得たんですが、マジで文面で言質取っとくのは大事だな～と実感しました。
→特に1年目の時にめっちゃ言われた。直面した問題に対して何の取っ掛かりも掴めてないけど、これ以上詰まると業務に支障をきたすな...ってなった時に気合で捻りだした質問に対する回答が大体これ。
これに関しては自分の非も確かに大きいんだけど、もうちょっと言い方があるんじゃないか？？？？
ベストアンサーはぱっと思いつかないけど、自分が後輩に質問されてちょっとよく分からなかった時は「なるほど。じゃあまず一個ずつ整理してみよっか」と言って問題点や原因を一個ずつ順に追わせてます。
→お前それはライン超えやろ普通に。んなこと言ったらお前夕会の時に「ふいんき」って連呼してたの未だに覚えとるからな。
これもさっきと同様こっちの質問に対する回答にくっついてきた言葉なんですけど、質問の意図自体は伝わったみたいで、解消法のアドバイス+これが返信として送られてきました。
いや、一言多くね？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？
シンママの彼氏や再婚義父に連れ子を殺す異常者が多い理由は、彼らが元から異常者だったのではなく、連れ子のせいで本能のスイッチが入ったせいなのかも知れないのか。
その処理は、例えばメールを大量に処理するようなものだったりして、速度が要求される。
こういう場合は、処理するべきメールとログ（およびそれに必要なデータ）をジョブキューに突っ込んでいき、必要な前処理は全て済ました状態で一気にデキューしていくのがいい。
ただしこの方法を使用するには、ジョブキューの管理や並行処理の管理など、いくつかの追加的な技術が必要になる。
またシステムのリソースも考慮に入れる必要がある。例えば、メモリやCPUの使用量など。
このようなアプローチは、高速なレスポンスタイムが求められるシステムや、大量のデータを効率的に処理する必要があるシステムでよく使用される。
ジョブキューを使用してバックグラウンドで時間がかかるタスクを処理することで、ユーザーに対するレスポンスタイムを短縮し、システムのパフォーマンスを向上させることができる。
色んなサービス出てきてるが結局データをクラウド上に上げるリスクがつきまとうから
既にWEB上とかでオープンにしてるデータしかリソースとして提供できない
本当にAIに分析してほしいようなデータはローカルで実行できる環境じゃないと使えない
NotebookLMも面白そうって思ってWEBでオープンになってるデータを使っていくつか作ってみてるけど
5年ぐらいイベントとかに顔出してるグラドル全然覚えてくれないしもうあんまり応援する気なくなってきたな
グラドルの中じゃ一番好きだったんで通ってたけど、別ジャンルでもっとずっと応援してる人いるしそっちにリソース割く方が心が満たされそう
こちらのリンクは、AWSのWell-Architectedフレームワークにおける「信頼性の柱」に関するドキュメントの一部で、災害復旧の計画に関する内容です。このドキュメントでは、信頼性の高いシステムを設計・運用するためのベストプラクティスやガイダンスが提供されています。
このガイドラインは、AWS上で構築されるシステムの信頼性を向上させ、災害時に迅速にシステムを復旧させるための重要なリソースです。詳しい内容は、公式ドキュメントをお読みいただければと思います。
先日『山奥SEO』なるものが話題となりました。そこで、個人的に取り組んでみたところ問題点が見えてきました。
前回の”山奥SEOを実践してみた ニッチなキーワード策定から結果まで”を踏まえた上で解説していきます。
（なお、山奥SEOに関して柏崎氏の記事を参考にしてください）
市場調査と分析: 定期的に市場調査を行い、新しいニッチ市場の発見や成長の兆しがある分野に対して、柔軟に戦略を調整する。
山奥SEOは競合が少ないニッチ市場をターゲットにすることで、比較的簡単に上位表示を狙える一方で、検索ボリュームが少ないことや市場の成長限界、コンテンツの品質維持と更新の負担、基本的なSEO対策の徹底の必要性といった課題があります。
これらの課題を克服するためには、複数のニッチ市場をターゲットにする戦略や、ユーザー生成コンテンツの活用、SEOチェックリストの作成など、多角的なアプローチが求められます。
「ML失敗増田」という特定の人物についての情報は私の知識にはありません。その名前が実在する人なのか、あるいはネット上やコミュニティで使われているスラングなのかも不明です。
一般的に「ML」は機械学習（Machine Learning）を指します。機械学習ではデータを使ってモデルを訓練し、そのモデルを使って予測や分類を行います。しかし、機械学習プロジェクトには様々な失敗の可能性が伴います。例えば:
トレーニングデータにフィットしすぎて、未知のデータに対して良いパフォーマンスを発揮できない。
もし「ML失敗増田」という言葉が特定の文脈や事例に関連しているなら、その具体的な背景がわからないと更に詳しい情報や理解が得られないかもしれません。具体的な事例や文脈についてもう少し情報があれば、より詳しい説明やアドバイスができるかもしれません。
過去の効果を出さなかった例って子供産むと生活が大変になる状況が変わってなくて単純に状況を変えるほど支援してないだけじゃん
子供産んでもその前と生活が変わらないってとこが分岐点でそこを超えなきゃ効果ないに決まってんじゃん馬鹿なの？
金銭面だけじゃなく時間的にも子供産んでも自分の人生を生きられるように支援しないと子供産むより自分の好きなことして生きた方がいいなって思う人の方が多い現状が変わらないの当たり前でしょ
自分が得したいだけとかポジショントークとか言ってた間抜けな増田がいるけど
得したいっていうか子育てって個人で見たら消費してるだけでリソース的には大損で今の状況じゃ子供産まない選択をする人がいるの当たり前なのよ
そして自分だけ得してんのは子育てした人の払った数千万の資金や子育てしてない人に比べて一回り老けるような苦労にただ乗りしてるお前だよって話
ここまで全部普通に考えたらわかることだけど本気で言ってるわけないよな？
そろそろ素直に言って欲しいんだけど子育て支援が効果ないとか言ってる人って社会への復讐とか幸せそうに見える人たちへの当てつけのつもりで足引っ張ってんでしょ？
コンテンツ集合Xがあります。各々の要素x∈ Xは特徴量f_1(x)∈Y_1 を持っています。
同様にユーザーu ∈ Uが存在し、特徴量f_2(u)∈Y_2を持っています。
コンテンツには単価P(x)が存在し、ユーザーuがコンテンツをm回消費することをg(u, x, m)=m*P(x)_uで表し、全てのユーザーU, 全てのコンテンツXに対して行列M∘P = g(U, X, M) が存在します。
回答
この問題は、コンテンツとユーザーの特徴量を考慮して、ユーザーがコンテンツを消費する回数を最大化するものです。このような問題は、推薦システムの分野で広く研究されており、協調フィルタリングと呼ばれるアプローチが一般的に使われています。
協調フィルタリングアルゴリズム
協調フィルタリングには、以下のようなアルゴリズムが考えられます。
1. 行列因子分解 (Matrix Factorization)
行列因子分解は、ユーザー・コンテンツ行列を低ランク近似することで、ユーザーとコンテンツの潜在的な特徴を抽出します。具体的には、ユーザー行列Uとコンテンツ行列Vを求め、その内積U^TVで元の行列を近似します。この手法は、Netflix Prizeで優れた成績を収めました。[1]
2. ニューラルコラボレーティブフィルタリング (Neural Collaborative Filtering)
ニューラルネットワークを用いて、ユーザーとコンテンツの非線形な関係を学習します。入力としてユーザーIDとコンテンツIDを与え、出力として評価値を予測します。この手法は、従来の行列因子分解よりも高い精度が期待できます。[2]
3. 階層的ベイズモデル (Hierarchical Bayesian Model)
ユーザーとコンテンツの特徴量を階層ベイズモデルに組み込むことで、より柔軟なモデリングが可能になります。この手法は、Cold-Start問題(新規ユーザー・コンテンツの推薦が困難)の解決に有効です。[3]
4. 強化学習 (Reinforcement Learning)
ユーザーの行動履歴を環境として捉え、報酬最大化のためのアクションを学習します。この手法は、長期的な利益最大化に適しています。[4]
これらのアルゴリズムは、ユーザーとコンテンツの特徴量を考慮しながら、目的関数を最大化するように設計されています。実装の際は、データセットの特性やモデルの複雑さ、計算リソースなどを考慮する必要があります。[5]
Citations:
[1] https://aicontentfy.com/en/blog/understanding-algorithms-behind-content-distribution
[2] https://marketbrew.ai/optimizing-your-websites-content-with-genetic-programming
[3] https://sproutsocial.com/insights/social-media-algorithms/
[4] https://surferseo.com/blog/the-new-algorithm-for-content-analysis/
[5] https://www.linkedin.com/advice/0/what-best-ways-measure-content-relevance-x6apf
