中国共産党と電通による蓮舫キャンペーン、というコピペを見つけた

舛添の次の都知事は蓮舫さんが良いと、テレ朝とTBSで全く同じ女性がインタビュー

1 :Ψ :2016/06/15(水) 19:14:55.77 ID:7FrDbs50
またかよ

874 名前:名無しでいいとも! :2016/06/15(水) 17:41:12.26 ID:iBlEvAJ1
テロ朝とTBSNスタ)で劇団員

(ソース ttp://carpenter.2ch.net/test/read.cgi/liveplus/1465985695/ 【舛添辞任】「次の都知事は蓮舫さんが良い」 テレ朝とTBSで全く同じ女性がインタビュー ヤラセ疑惑)

13 :名無しさん@おーぷん :2016/06/16(木) 17:27:48 ID:Qsy
場所も一緒で8分後
これでヤラセじゃなかったら逆にびっくりだよ

107 :名無しさん@おーぷん :2016/06/18(土) 21:26:53 ID:BdM
本当の素人の街頭インタビューなんて殆んど使い物にならない
目線はあちこち泳ぐ、どもったり何て言ったか聞き取れなかったり
終わって使っていいかの確認で大抵ダメって言う
殆んど売れない劇団員や役者

(http://uni.open2ch.net/test/read.cgi/newsplus/1466062817/13 【ヤラセ報道】TBSとテレビ朝日で蓮舫を都知事に推すヤラセ報道 [H28/6/16])

  • テレ朝広報部は「(女性は)収録中に偶然通りがかった方です」としている。』
  • ピースボートの女性と酷似しているという産経の記事に対し、ピースボートから、「当該女性職員は熊本でボランティアに従事したままで、東京に行くことはできない」と抗議を受けた結果、産経は、『記事化する際、TBSおよびテレビ朝日に取材するだけでなく、貴団体にも取材すべきだったにもかかわらず、これを怠っておりました。』と全面謝罪。
  • 産経新聞はネット上の噂をそのまま記事にしたという拙劣なものであることを認めたわけで、それなら2chを直接読んでいた方がマシというものです。
  • 産経新聞は村上春樹ノーベル賞という誤報の号外を出したが、号外を出したら誤報だったという事件は、平成の産経以外は大正時代に一度あったきりだそうです。何度見ても笑ってしまう。産経新聞は江沢民が死去という号外を出したが、誤報であることを認め、おわびを出した。 ←フジ産経グループはネットの嘘にだまされやすいというイメージが付いた。フジ産経グループの誤報体質はもっと拡散すべき。記事を出した後で謝罪することを前提に、飛ばし記事で出して事実確認する手法は、事実確認が困難な場合に限り、真実を確認するという意味で、悪くないと思う。話がそれたが。

(ttp://blog.goo.ne.jp/raymiyatake/e/c89edbe74b2742fbe047160bd1003c46 産経新聞が取材せず記事を書き全面謝罪。「TBSがピースボートと組んでやらせインタビュー」←他人の空似 2016年06月17日
ttp://blog.goo.ne.jp/raymiyatake/e/8ba0c6622eaaf6385a642d54ea3fd8bd 産経新聞が「甘利前大臣は中国のTPP妨害のためにハメられた」かもしれないと政府が極秘調査中と報じる(笑) 2016年02月20日)


蓮舫(wiki)

  • 台湾の政治家陳唐山とは遠戚。
  • 夫はフリージャーナリストの村田信之。
  • 日本の企業との間で貿易業を営んでいた台湾人の父・謝哲信と、「ミス・シセイドウ」だった日本人の母・斉藤桂子のハーフの長女として東京都で生まれた。
  • 1990年頃、「頭の回転が良く、早口な人が好き」だからと、舛添要一からプロポーズを受けたという。
  • 前職は、テレビタレント。

(ttps://ja.wikipedia.org/wiki/蓮舫)

 

偶然見つけたコピペ 電通と中国共産党

電通が蓮舫に出演依頼し
蓮舫キャンペーン」を画策してるみたいだ。
これは各マスコミにもう通達済でこの企画の依頼主はなんでも中国共産党らしい。
蓮舫が都知事になったら舛添より凄いぞ。とにかく自分本位で「全て都民のため」とかなんとか理由を付けて好き勝手にやるだろう。

(ソース 2chのいろいろなスレッドに貼られたコピペ)

2chのコピペで信頼性のおけるソースが何もないが、中国もしくは台湾の政治勢力が電通に依頼して、テレビでステマしているということが十分に考えられると思った。ペルーの日系人ケイコ・フジモリを応援したいと思う日本人がたくさんいたとしてもおかしくない。

CM広告で情報にバイアスをかけて商品を買わせるだけではなく、政治的な情報にもバイアスをかけて、ロビー活動やスパイ活動を通して情報戦を繰り広げており、真実の情報を得ることが難しくなっている。これまでは政府や電通がやりたい放題に情報操作できていたが、この街頭インタビューの女性のように「その情報は操作されたものじゃないの?」と異議を唱えることができるようになったことが、インターネットが現れたことによる効果だろう。

複数局の街頭インタビューで次の都知事に蓮舫を推していた女性の正体が未だに不明なわけだが、中国共産党の依頼を受けた電通が仕掛けたと言われると、ものすごく説得力がある

posted at 2016年06月28日 06:51 | Comment(0) | ネットウォッチ | このブログの読者になる | 更新情報をチェックする

第三者委員会の佐々木善三がブーメランすぎてワロタ

概要

  1. 官邸からの指示を受けて炉心溶融という言葉を使わないよう指示していたことを東電(の第三者検証委員会)が発表した。
    参議院選挙が始まったタイミングで、どうして今ごろになって、ニュースで騒ぎ出すのか疑問に思った。
  2. 菅直人がそんな指示をしていないと反論。菅直人はさらに、東電の第三者委員会を構成する3人の弁護士に、舛添都知事の「第三者調査会」のメンバーも入っていると指摘。
    当時の官邸側だった人物が反論したことで、ロビー活動をしてる人、世論を誘導してる仕掛け人がいるんじゃないの、という疑惑が深まった。
  3. ネットで調べたら「佐々木善三」がその人であると判明。佐々木善三は、東電や舛添以外にも、過去に小渕優子の第三者委員会など、いろいろな場所で、金持ちを弁護してきていて、公正公平な立場という意味での第三者とは程遠い。第三者じゃない第三者を連れてきて、第三者委員会が検証したから、信用しろというのは止めろ!!!

 

炉心溶融の公表が遅れた原因などを検証する報告書の内容 (NHKのニュース 6/17)

  • 炉心溶融の公表が遅れた原因などを検証する、東京電力が設置した外部の弁護士などによる委員会の報告書の主な内容。
  • 当時の清水社長が、広報担当社員に「官邸からの指示で炉心溶融ということばを使わないように」という趣旨の耳打ちをさせた経緯を指摘した。ただ、清水社長らにヒアリングをしたものの、官邸の誰からどのような指示や要請を受けたかは解明できなかったとしている。(この第三者検証委員会の問題は、東電の社員からしかヒアリングしておらず、中途半端な報告になっていることだ。官邸側の菅直人や民進党の誰かにヒアリングすべきだったのにしなかったのは、検証委員会のメンバー全員が自民党寄りのメンバーで構成されているからだと推測される。官邸が指示したことになっているネットのニュースと、東電側が誤認識した可能性を示唆するこの報告書との間に温度差が感じられた。

(ttp://www3.nhk.or.jp/news/html/20160617/k10010559241000.html メルトダウン問題 報告書の主な内容 2016年6月17日)

炉心溶融の公表が遅れた原因が、そんなに重要な事なのか?それより、凍土遮水壁が失敗した、断念したというニュースの方が気になる。当時の官邸がヘマをしていたのなら問題だけど、ネットのニュースが煽ってるだけで、報告書にはヘマをしたと書かれていない。

書かれているのは、「清水社長に聞いたけど、官邸の誰から指示されたかは分からなかった。また、当時の官邸には聞いてないので、どうしてそうなったのか報告書を読んだ人は原因が気になるよね」ということで、意図的に穴を開けてネットの世論を誘導するかのごとき報告書を出すこの第三者委員会及び東電は悪意に満ちていて、非常に悪質である。

百歩譲って、東電からお金を貰って弁護してるだけだと言われても、それならば第三者検証委員会といって公平公正な立場を偽るのはやめろ、と言いたい。そもそも東電がロビー活動をするのは、何をどのように行っても国民に反発されるだけなので、やめたほうがいい。

同日の、NHKのニュースも問題

(ttp://www3.nhk.or.jp/news/html/20160617/k10010559221000.html メルトダウン問題 官邸の誰が指示したか 検証の課題に 2016年6月17日)

  • この記事のタイトルが「メルトダウン問題 官邸の誰が指示したか 検証の課題に
    NHKのこの記事のタイトル及び内容が、NHKが当時の官邸側に聞かないで、ネットと同じように民進党(旧民主党)のヘマを煽るような一方的な記事になってるのは何故?タイトルで検証の課題だというなら、民進党に電話して聞けばいい。5分で済みそうなのに!。この煽り記事のURLが2chのニュース速報+のソースになっていて、3スレまで伸びている。同NHKの記事である「メルトダウン問題 報告書の主な内容」が冷静で、煽り記事になっていないのとは、対照的。

 

菅直人の反論 (ブログ 6/16, 6/17)

  • 東電の報告書に対する見解をマスコミに送った。
  • 炉心溶融という表現を使わないように指示したことは一度もない
  • この件で第三者委員会と称するところから私への問い合わせは一切なかった
  • 今回の第三者検証委員会と称する委員会は、東電が依頼した弁護士等で構成されており、舛添都知事の調査と同じで、第三者とは言えない。
  • 東電は東電関係者の政府事故調の全ての証言と、当時のテレビ会議の記録を全て公開するべきだ。清水社長は政府事故調でも証言しているが、公開を拒否している。 (←これが事実だろうと思う。当時の東電は大混乱していて、テレビ会議の記録は、とても公開できるようなものじゃないと推測できる。

(ttp://n-kan.jp/news/8730.html 東電の第三者委員会と称するところからの報告書が公表されたこれに対する以下の私の見解をマスコミに送った。 2016.06.16)

  • 当時官房長官であった枝野氏も同様に「(指示したことは)ありえない」と言っている。
  • 自称第三者意見小委員会は「官邸側」という表現を使いながら、この件について官邸の政治家には一切聞き取りをしておらず、東電にとって都合のいい結論に導いている。
  • この第三者検証委員会は東電が依頼した3人の弁護士から構成されている。その中には舛添都知事の「第三者調査会」のメンバーも入っている
  • 参院選が始まる直前のこの時期に、東電が舛添氏と同様、自分に都合のいい報告書を公表したのはなぜか。東電は何が何でも柏崎刈羽の原発を再稼働させようとと画策しており、この時期の公表には政治的意図が感じられる。

(ttp://n-kan.jp/news/8732.html 第二次国会事故調で徹底した事故の検証を 2016.06.17 更新)

  • (菅直人が、東電の第三者委員会の委員長の)田中泰久委員長に報告書について説明を受けたいと電話で申し入れた。田中委員長は午後になって、説明義務を果たす気はないと電話で回答してきた。説明する義務がないというのはどういうことか。法律家としての矜持を疑う。

(ttp://n-kan.jp/news/8735.html 東電第三者委員会委員長から「説明する義務はない」との返事 2016.06.17 更新)

仮に菅直人が病気などで死亡していて、反論できないとしたら、東電や民進党の政敵などがいくらでも世論誘導できてしまうので、今回の件は非常に恐ろしいと思った。このブログの反論は即時性もあり、グッジョブだった。世論が一方向に流れて偏らないために、反論できる存在がいることは非常に大切だ。

 

東電の第三者委員会の報告書

[ttp://www.tepco.co.jp/press/release/2016/1300003_8626.html 福島第一原子力発電所事故に係る通報・報告に関する第三者検証委員会からの「検証結果報告書」の受領について 2016年6月16日] にPDFが置いてある。

福島第一原子力発電所事故に係る通報・報告に関する第三者検証委員会「検証結果報告書」

委員長 田中 康久
委員 佐々木 善三
委員 長ア 俊樹

この難読性が高いPDFを読むのは困難。
NHKの(ttp://www3.nhk.or.jp/news/html/20160617/k10010559221000.html メルトダウン問題 官邸の誰が指示したか 検証の課題に 2016年6月17日)が解説になってると思う。

 

佐々木善三

  • 晴海協和法律事務所所属。
  • 元検事。
  • 徳洲会から猪瀬直樹への資金提供をめぐる問題において、猪瀬の弁護を担当(2014年)
  • 小渕優子(事務所関係者)の政治資金規正法違反事件に係る第三者委員会の委員長(2015年)
  • 舛添要一東京都知事の政治資金の公私混同疑惑について「第三者」として調査を担当(2016年)

(ttps://ja.wikipedia.org/wiki/佐々木善三)

どう見ても、自民党を弁護するためだけの、第三者からは程遠い存在。

 

佐々木善三(2chのスレ)

8 :憂国の記者(Power to the people!) :2016/06/07(火) 14:56:12.26 ID:V4xqN8FL0
ヤメ検の弁護士がどういう人たちなのか
よくわかる会見でした。
検察への信頼感も当然下がる。

13 :憂国の記者(Power to the people!) :2016/06/07(火) 17:22:52.86 ID:V4xqN8FL0
きつい一発!
以下引用
東京地検特捜部時代には政治権力に対する捜査で「マムシの善三」という異名をとった佐々木氏だが、
小渕優子氏の政治資金問題での第三者調査等を行う中で、権力者側から便利に使われる「元特捜検事」に
なってしまった
ということなのだろうか。

42 :傍聴席@名無しさんでいっぱい :2016/06/10(金) 13:10:48.30 ID:X5qj7nxl0
逆切れ逆上発狂の善三。こいつほど性根のど汚い底意地の腐った外道はこの世にいない

54 :傍聴席@名無しさんでいっぱい :2016/06/15(水) 13:13:17.00 ID:Xj4lbhaM0
こんなお粗末な弁護士を雇っている・・・
事務所もカスの集まりか。
悪徳弁護士の宣伝が出来て良かったね。
悪い奴らが¥の弁護依頼が増えそう。
ウフッフ

(ttp://potato.2ch.net/test/read.cgi/court/1465263579/ 佐々木善三)

 

晴海協和法律事務所 所属の弁護士

  • 弁護士 田邨正義
  • 弁護士 寺島秀昭
  • 弁護士 佐々木善三
  • 弁護士 横井弘明
  • 弁護士 牧野英之
  • 弁護士・米国ニューヨーク州弁護士 森本哲也
  • 弁護士・公認会計士 大野邦夫
  • 弁護士 黒松百亜
  • 弁護士 伊藤海
  • 弁護士 笹岡弘太郎

(ttp://www.harumikyowa-law.com/attorneyprofiles.html 弁護士紹介 05 Jan 2016)

 

舛添知事の疑惑を調査する第三者の弁護士2人

  • 弁護士 佐々木善三 (晴海協和法律事務所)
  • 弁護士 森本哲也 (同事務所)

(ttp://www.tokyo-sports.co.jp/entame/entertainment/549928/ 舛添会見で注目の“マムシの善三”は疑惑の政治家たちの守護神だった 2016年06月07日
ttps://www.youtube.com/watch?v=uXkCJFLGy_I 舛添要一(反省演技),弁護士 佐々木善三,森本哲也 質疑応答「ザル法なので違法ではないが倫理的に不適切!」東京の汚物,日本の恥 政党助成金を全額返金させ牢屋へぶち込め!都庁於 平成28年6月6日 22分の佐々木、森本の質疑の動画)

元検察で弁護士になってるいわば法律の権威の佐々木善三が厳しく調べて違法性がないと言ったら、世間がそうなんだろうと納得するだけの説得力があった。しかし、違法性がなくても、複数の愛人に産ませた子供の養育費で、お金に困っており、税金の私的利用が疑われ、都知事としての資質が疑われるような事態になり、都議会が知事の不正追求だらけで、都政がまったく進まなくなって、辞職に追い込まれた。舛添知事が辞職に追い込まれたのは、知事としての信用を失った為。

(追記) 『ttps://www.youtube.com/watch?v=Ixoy2YyTBIw 舛添要一の嫁』を見てから
『ttps://www.youtube.com/watch?v=kkNjY6FU82M 舛添都知事に共産党強襲!「あんたが泊まったホテルに私も泊まって領収書をもらってきたよ」虚偽記載実証で舛添真っ青』を見たら、世論が全然落ち着いていなくて、辞任に追い込まれるほど酷いことが分かったので、追記しておく。前者の動画では、2人の愛人に子供を産ませていて、訴訟騒ぎになっていて、きちんと面倒を見ていない。子供5人?の養育費にお金がかかるので、舛添は金にせこい。石原慎太郎も愛人に子供を産ませているが、都民からは
女にだらしないとは見られていない。愛人は一人まで、かつ愛人とトラブルになっていないことが条件か。動画では、愛人や不倫するような人は、都知事になるような人じゃない、平成のリーダーになるような人ではない、とも言われている。後者の動画では、小さい金額だが、家族旅行のホテル代を政治資金にしていてせこい。面談はたった一時間だけで、面談相手を言わないために、疑惑が深まった。実際に面談はなかったのではないかとさえ、疑われおり、動画の共産党の質問者の追求の説得力が非常に高い。これだけ追求されても、面談相手を明かさないのは異常。首相動静で、首相が毎日、誰と会ったかを公表するのと同じようにしなければならない。秘密会談をするのは知事にふさわしくない。都民のリーダーとしては、誰と会ったかを堂々と公表できるように、行動しなければならない介護施設の職員が人手不足でお風呂の回数を減らさざるをえないときに、知事は公用車で毎週、温泉通いをしていたのかという怒りの声が紹介された。公用車に家族を乗せたのが、公私混同が疑われた。公用車を利用する際に、税金の私的利用が疑われることは一切してはいけない、というのが後者の動画を見ればよく分かる。

 

メルトダウン問題 官邸の誰が指示したか?

497 :名無しさん@1周年 :2016/06/19(日) 18:05:30.39 ID:HXJk46Xi0
緊急事態に一々御伺いを立てては間に合わんから全部官僚達が自動的に対処して、後から事後承諾だ。
そんな気の利いた指示を出せるのは官僚だけだよ。
政治家達はメルトダウンが何なのか説明を受けている段階だ

(ttp://daily.2ch.net/test/read.cgi/newsplus/1466206092/ 【福島原発事故】メルトダウン問題 官邸の誰が指示したか 検証の課題に★4)

官邸ではなく、官僚が指示した、と推測される。官僚の個人名や集団名を出して責任を追求するってことをしないよね。日本は官僚の無責任体制だ!。とはいえ、そのような個人は原発の専門家と推測され、事故や放射能を処理してもらわないと困るので、責任を追求して更迭されてしまったら困るという矛盾。

  • 東電の広瀬直己(新)社長は21日に記者会見を開き、「社会から隠蔽と捉えられるのは当然であり、信頼に背く行為だった」と述べ、隠蔽を認めた上で謝罪した。

(ttp://www.sankei.com/affairs/news/160621/afr1606210028-n1.html 「隠蔽です」東電社長認める 福島第1原発事故、官邸指示は調査せず 2016.6.21)

疑惑が大きく広がらないうちに素早く謝罪する広瀬新社長は有能。当時の清水正孝元社長は無能って気がしてきた。

社長が社員に指示を出しておきながら、どうしてその指示を出したか、説明責任を果たせないってありえるの?清水社長はあまりの大事故に心神喪失になってパニックになってしまったのかな。清水社長の記者会見を開いて、野々村竜太郎のような醜態をさらさせたらいい。そうでもしないと疑惑が収まらない。「いつ指示を受けたか?」「覚えてない」「どこで指示を受けたか」「覚えてない」「今となってはなぜ官邸からの指示と思ったか分からない。当時、混乱でパニックになっていた。未曾有の事故に対応できるような社長の器ではなかった。申し訳ない。」という回答でもいいからやれ。

東京 吉祥寺 安倍首相の街頭演説で帰れコール

  • 6/19 吉祥寺で、安倍首相が演説をすると、大きな声で帰れコールが続いた。
  • 帰れコール動画38分40秒ぐらいから。ttps://t.co/F9ShMnw275

(ttp://saigaijyouhou.com/blog-entry-12105.html 安倍首相の街頭演説で帰れコール!吉祥寺の街宣は大荒れ!野党3党首と市民連合も共同街頭演説!大勢の群衆で大盛り上がり! 2016.06.19)

佐々木善三を持ち出してくるなど、自民党が本気で舛添知事を擁護しようとしていたにも関わらず失敗。吉祥寺で帰れコール。安部首相のアンコンが東京都民に対して効かなくなっている。東京都の反自民の風は全国に広がるだろうか?

posted at 2016年06月18日 02:35 | Comment(0) | ネットウォッチ | このブログの読者になる | 更新情報をチェックする

自民党は理数系女子を育てようとしている

政策パンフレット | 政策 | 自由民主党 にある政策パンフレット2016(PDF)の19ページになんと!

 

 

女子中高生に対する理数科教育を強化し、理数系への関心と学力を高めます。本人・保護者・教師に対しロールモデルなどに関する情報提供を充実します。

 

とある。

自民党がついに女子中学生に手をかけるようになったのか?何だコレは!?!?

 

検索ワードに入れて見つけた、自由民主党の女性活躍推進本部 提言(ttp://www.kunikoinoguchi.jp/news/pdf/20150624.pdf)によると

  • 科学技術分野・理工系分野の発展は、人々の暮らしに新たな可能性を拓くものであり、国を豊かにする源流である。
  • 現状では、「女性は理系に向いていない」「女性が少なく、結婚や子育てと研究を続けられるか不安」といった意識もあり、理工系分野における女性の割合は低い。
  • 科学技術分野・理工系分野への女性の進出を促進するために、女子生徒を含め中高生に対する理数教育の強化により理数系への関心と学力を高めるとともに、本人及び本人の進路選択への影響が大きい保護者や教師に対する、大学、 研究機関、企業等におけるロールモデルや多様なキャリアの可能性に関する情報提供 を充実させるべきである。
  • また、出産・子育てと学業や研究の両立が可能なように、「全ての大学に保育所を」を目標とした更なる保育施設の整備や、女性研究者の子育 てや介護等のライフイベントに配慮した、研究資金、雇用形態、人事制度等の柔軟な 運用を進める必要がある。

ということで、中高生から女性の意識改革をしていこうとするもの。

義務教育で強制力を持たせるのは、洗脳っぽくて嫌だ。

自由民主党の女子部は、STAP細胞の小保方氏を守ってあげたのか?彼女のような女性研究者のロールモデルを支援して、世論や議論を喚起し、その社会的な認知を高める努力をせずに、義務教育で強制的に洗脳していくようでは、説得力が足りない。

将棋や囲碁の女性プロの活躍、ノーベル賞を取った女性比率などを見ても、男女で脳の構造が違っており、向き不向きがある、ということに対して自由民主党はどのように反論するのだろうか?海外の女性比率が高いとか、女性研究者が活躍している事例とか、そういうデータが見たい。

そんな政策が本当に必要なの?他にやることがないの?、と思わざるを得ないビックリ政策。

 

次に、政策パンフレット2016のPDFが「内容のコピー:許可しない」になっていて、政策が書かれた文字をコピーすることができないのが非常に不便である。コピーして検索したいと思うことが度々あるが、その度に手打ちしないといけない。与党の政策としては、いろいろなところに転記されて、広く議論を起こし、理解が深まった方がいいんじゃないの?憲法改正について広く議論したいといいつつ、自民党の本音は政策に自信がないのか、「転記されて広く議論されると困る」政策でしかない。

(2016/06/28に政策パンフレットPDFを見たら、内容のコピー:許可に変更されていた最初に読んだ時および一週間後に再度読んだ時で変化がなかったので、ずっと変更されないのだと思っていたが、自民党はこのブログを読んでるのかな。伝聞の可能性もあるが(笑)。筆者が嘘を付いていないということを示すために、6/20 22:15から6/28までの間に自民党が変更したと言っておく。)

それから、政策パンフレット2016のPDFを再度見てるけど、官僚が立てた政策をまとめてるだけで、自民党の顔が見えない感じがする。書かれてる政策は、官僚が立てたものなので、政党が変わっても大きく変更されることがなく、参院選の争点にならない。理数系女子の育成政策は自民党らしいので、他の政策全般について言っている。

 

それから、憲法改正を目指すとあるが、ポイントがずれてる。「外国で時代の変化に応じてしばしば憲法改正がされているので、日本の憲法も何度か改正されいて然るべきだ」という論調に対しては、「日本の憲法が改正されていないのは、憲法がよく出来ているので改正する必要がなかった」、だ。憲法改正に、衆参両院の3分の2の賛成(と国民の過半数の賛成)が必要だという意味は、憲法改正については、野党も賛成するような、ほぼ全員が賛成して、誰も反対しないような改正をしようという意味であって、憲法9条のように国論が二分される問題に対して、多数決で半数の反対者に、半数の意見を強制しよう、という意味では断じてない!憲法とは時代が変わっても変わる可能性が極めて低い不変の真理を書くものだ。憲法について、そんなことを強行したら、望まない意見を強制された半数が不満を爆発させて暴動を起こしてしまうんよ。

posted at 2016年06月15日 21:06 | Comment(0) | ネットウォッチ | このブログの読者になる | 更新情報をチェックする

ゲームのチートツールを作ったり使ったりするのは、酷いのは逮捕される

「パズドラ」の不正ツール作った疑い 男子大学生を逮捕

  • スマホゲーム「パズル&ドラゴンズ(パズドラ)」。
  • 自分のキャラクターを無敵状態にする不正プログラムチートツール」を作成したとして、神奈川県警は15日、私立大3年の若園佳大容疑者(21)=広島市佐伯区三宅1丁目=を著作権法違反の疑いで逮捕。
  • 容疑者は2013年9月からチートツールを無料で公開し、ゲーム会社側が対策をとるとバージョンアップを計33回繰り返していた。チートツールはこれまでに40万回以上ダウンロードされたとみられる。
  • 県警は15日、別のチートツールを常用していたとして、偽計業務妨害容疑で男4人を横浜地検に書類送検した。チートツールを使っていただけで立件されるのは珍しいという。

(ttp://www.asahi.com/articles/ASJ6H45P7J6HULOB009.html 「パズドラ」の不正ツール作った疑い 男子大学生を逮捕 2016年6月15日)

  • 著作権法違反(術的保護手段を回避するプログラムの公衆送信)の疑い。

(ttp://www.sankei.com/west/news/160615/wst1606150061-n1.html 不正プログラム公開疑いで逮捕 パズドラ有利にする「チートツール」 広島の大学生  2016.6.15)

 

著作権法違反とは

  • 同一性保持権 : 自分の著作物の内容又は題号を自分の意に反して勝手に改変されない権利
  • 著作権法 第百二十条の二 次の各号のいずれかに該当する者は、一年以下の懲役又は百万円以下の罰金に処する。
    一 技術的保護手段の回避を行うことを専らその機能とする装置(当該装置の部品一式であつて容易に組み立てることができるものを含む。)若しくは技術的保護手段の回避を行うことを専らその機能とするプログラムの複製物を公衆に譲渡し、若しくは貸与し、公衆への譲渡若しくは貸与の目的をもって製造し、輸入し、若しくは所持し、若しくは公衆の使用に供し、又は当該プログラムを公衆送信し、若しくは送信可能化した者

(ttp://www.cric.or.jp/qa/hajime/hajime2.html 著作者にはどんな権利がある?)

産経ニュースによると、「同一性保持権」ではなく、「技術的保護手段を回避するプログラムの公衆送信」ということだが、オフラインの処理に対して、技術的保護が可能なのかという疑問が出てくる。オフラインのデータを保護できる、そんな技術があるの?プログラム動作の同一性を保持しながらアセンブラレベルで別のバイナリにランダム変換するような技術かな?

 

偽計業務妨害とは

  • 偽計業務妨害罪とは、虚偽のうわさを不特定多数の者に伝達すること、人を欺罔・誘惑すること、または他人の無知・錯誤を利用して人の業務を妨害する罪を意味する。
  • 刑法233条 「虚偽の風説を流布し,又は偽計を用いて,人の信用を毀損し,又はその業務を妨害した者は,3年以下の懲役又は50万円以下の罰金に処する。」
  • ネットの掲示板に無差別殺人を行うとの虚偽の予告を行い、警察を警戒出動させて本来の業務を妨害した事件や、そば屋の営業を妨害するために3カ月間に約970回の無言電話をかけ、電話の出前注文を妨げた事件がある。

(ttps://www.bengo4.com/houmu/d_4374/ 偽計業務妨害罪)

 

2chのスレより

92  番組の途中ですがアフィサイトへの転載は禁止です (ワッチョイ a38d-7xHu) []

何年も前の話で今は違うかもしれないんだけど、
パズドラは電波が切れても問題ないように、ほとんどの処理をオフラインでやる
ダンジョンに入るとこういう敵でこういうドロップという情報が送られてきて
クリアできたできないを反す仕組み。

だから
1.クライアントのバイナリデータを改造してスキルを使い放題にしたり
攻撃力を上げて敵1撃で倒せるようにするとかできる

2.プロキシサーバを間に挟んでわざと電波が切れたようにして
気に入らないドロップだったらやり直すことができる
(プラスの卵が出ない組み合わせなら切断してやり直しとか)

162  番組の途中ですがアフィサイトへの転載は禁止です (ワッチョイW f7f8-S5uK) []

自分が知ってるのは、
1.クライアント自体を改造してやりたい放題するやつ
2.モンスターのスキルの関連ファイルのみをいじって好きなスキル効果に変更するやつ
3.ダンジョンで獲得できるモノは潜入する時点で決定されるので、目当てのモノが出ない場合はエラー扱いでパケットを弾いて目当てのモノが出るまで厳選するやつ

(ttp://hitomi.2ch.net/test/read.cgi/poverty/1465966452/ パズドラのチートを作った大学生を逮捕。そしてチートを使った四人も逮捕される 2016/06/15)

 

「モンスト」の不正プログラムを使い、レアキャラクターを入手して、逮捕

  • スマートフォンけのゲーム「モンスターストライク(モンスト)」
  • ゲームのデータを改竄(かいざん)することができる不正プログラムを使い、レアキャラクターを入手したとして、兵庫県警サイバー犯罪対策課などは29日、私電磁的記録不正作出・同供用容疑で、大阪府豊中市庄内栄町、無職、西村直樹容疑者(33)を逮捕した。
  • データを改竄できる「チートツール」と呼ばれる不正プログラムを、インターネット上から自宅パソコンにダウンロード。昨年12月、このプログラムを使い、レアキャラクター3体を不正に入手した。
  • 容疑者は不正に入手したキャラクターを売るとインターネットオークションに書き込み、落札者に3体をセットで約1500円で販売。昨年4月〜今年2月、同様の手口で計約440万円を稼いでいたとみられる。
  • 容疑者は調べに対し、「キャラクターを売ることで家族を養っていた」と容疑を認めているという。

(ttp://www.sankei.com/west/news/160229/wst1602290036-n1.html モンストのキャラ不正入手、440万円稼ぎ=u家族養っていた」…容疑の33歳無職男を逮捕 兵庫県警  2016.2.29)

 

私電磁的記録不正作出・同供用とは

  • 人の事務処理を誤らせる目的で、その事務処理の用に供する権利、義務又は事実証明に関する電磁的記録を不正に作った場合、5年以下の懲役または50万円以下の罰金に処される(刑法161条の2第1項)。
posted at 2016年06月15日 19:28 | Comment(0) | ニュース | このブログの読者になる | 更新情報をチェックする

クレジットカード詐欺のびっくりニュース

概要

  • 拾った健康保険証を偽造してクレジットカード会社からカードをだまし取った。
  • 詐欺などの疑いで逮捕されたのは、千葉県松戸市の無職・佐藤直樹容疑者(50)と柏市の無職・大類大輔容疑者(40)の2人。
  • 去年9月、拾った健康保険証の名義を架空の人物に書き換えて偽造し、クレジットカード会社にカードを発行させてだまし取った。
  • 2011年からの5年間で少なくとも7600万円をだまし取っていた。

(ttp://headlines.yahoo.co.jp/videonews/jnn?a=20160613-00000034-jnn-soci  拾った保険証偽造しカード詐取容疑、男2人逮捕 2016年6月13日)

  • 2人は顔写真がなくても身分証として使える保険証をパソコンで偽造していた。
  • 実在する会社の架空の営業所名を記載し、その営業所を装った事務所を柏市内に開設カード会社が事務所に本人確認の電話をしてくると社員を装って応対し、信用させていたという。

(ttp://mainichi.jp/articles/20160614/ddl/k12/040/283000c 偽保険証で 容疑で2人逮捕 被害総額7600万円にも /千葉 2016年6月14日)

  • 2人はカードタイプの保険証を製造できる機器を悪用し、こうした行為を繰り返していた。
  • 取得したカードで、換金性の高い新幹線回数券などを信販会社から支払いを求められるまで大量に買い込み、転売して現金化していた。一方で、カードを止められそうになると別のカードで引き出した現金で支払うといった「自転車操業」を繰り返していたという。
  • 被害に遭った信販会社が少なくとも21社に上ることを確認した。

(ttp://www.asahi.com/articles/ASJ6F35YXJ6FUDCB004.html 偽の身分証でクレジットカード詐取容疑、2人逮捕 千葉 2016年6月13日)

  • 生活費や遊興費などに使ったとみられ、佐藤容疑者は「借金があった」とも供述しているという。
  • 先月行われた関係場所の捜索では、クレジットカード280枚、通帳91冊、偽造保険証87枚携帯電話57台などが発見された。(←同一の電話番号を使っていたら怪しまれるので57台もの携帯電話を用意していたw)

(ttp://www.sankei.com/region/news/160614/rgn1606140047-n1.html 偽造保険証使いカードだまし取り悪用 容疑の2人再逮捕 千葉 2016.6.14)

  • 去年、カード会社から「支払いが滞っているカードがある」と警察に相談があり、捜査を進めたところ、本人確認のために提出された健康保険証が架空のものだったということです。

(ttp://www3.nhk.or.jp/shutoken-news/20160613/3101161.html  カード280枚詐取不正利用か 2016年06月13日)

クレジットカード発行の審査が厳しいのは、詐欺がしやすい仕組みだからだろう。

被害にあった7600万円の負債を負うのは、ブランド品や新幹線回数券を販売してた側ではなく、クレジットカード会社ではないだろうか。クレジットカード会社が信用を担保してる仕組みに乗って、物品を販売していて、クレジットカード会社が信用を担保してなければ、その仕組みに乗って売買してなかっただろうから。捕まった人に支払い能力がなさそう。

借金があったということから、クレジットカード発行の信用の元になるものが、手元に資金があることではなく、会社に雇用されていて支払えそうだと、会社に支払い能力を裏付けさせているところが悪用されたみたいだ。別のカードで引き出した現金で支払うことにより、この人は支払い能力があると思わせ、280枚のカードを連鎖的に使うことで、手元に資金がないにも関わらず7600万も錬金することができてビックリ。

ところで、この注目されるべきニュースに関する2chのスレが見つからず、見つかった唯一のスレは17レスしか付いてない。

2chのまとめ

5 :番組の途中ですが:2016/06/13(月) 20:54:59.48 ID:u7v2oHYrD
なかなか上手い手だな
今時携帯しか持ってない奴多いし
在確が取れりゃ楽天S10ぐらいは発行出来るから

7 :番組の途中ですが:2016/06/13(月) 20:58:40.97 ID:UbRV4bEg0
(保険証は)カードが郵送で送られてきたときに身分証明書で身元確認するときに使う
運転免許証よりは偽造しやすいのかね
顔写真ないし

12 :番組の途中ですが:2016/06/13(月) 21:44:14.21 ID:diNFGIbf0
学生名義にしたらよかったんじゃないの
学生なら在籍確認ないし

15 :番組の途中ですが:2016/06/13(月) 21:55:13.66 ID:KvkxEl000
クレカはザルすぎんだよ、偽造して詐欺推奨してるようにしか思えんぞ

(ttp://hitomi.2ch.net/test/read.cgi/poverty/1465818540/ 偽造した保険証でクレカを作成した千葉県松戸市の佐藤直樹(50)ら2人を逮捕)

posted at 2016年06月14日 19:30 | Comment(0) | ニュース | このブログの読者になる | 更新情報をチェックする

Windows10へのアップグレードが全世界で損害を与えている

バス発車の案内を一日以上、妨害

(ttps://twitter.com/MinoruMukaiya/status/741851401802809344 【続報】丸一日経過、、粘ってます! 2016年6月11日)

 


大学の講義中に教授のPCがWindows10にアップデートされてしまう

(ttps://twitter.com/kamibucuro/status/720845952982974464/photo/1 講義中に教授のPCがWindows10にアップグレードしてしまうハプニング面白すぎるんだが)

 

 

アメリカのローカルニュース局で天気予報の生放送をポップアップが妨害

(ttp://gogotsu.com/archives/18032 【動画】天気予報の生放送中にWindows10のアップグレード画面が表示されるトラブル! 2016/05/02)

 

 

香港らしき場所での巨大スクリーンの広告を妨害

(ttp://gogotsu.com/archives/18032 【動画】天気予報の生放送中にWindows10のアップグレード画面が表示されるトラブル! 2016/05/02)

 

 

視聴覚障害者の読み上げソフトが使えなくなるトラブル

  • 目の病気で視野が狭い東京都北区の女性(62)。
  • マイクロソフトの更新を勧める通知に気付いてはいたが、新しい読み上げソフトの購入が必要になるため通知を消していた。しかし、「10」への更新は通知を画面上から消すだけでは拒否できない。このため、5月中旬に突然更新作業が始まってしまった。更新終了直前に同意を求める通知が表示されたが、読み上げソフトが使えなくなったという。
    ←視聴覚障害者にとっては、Windows10へのアップグレードが無料ではない、ということが問題。

(ttp://headlines.yahoo.co.jp/hl?a=20160620-00000002-mai-soci <ウィンドウズ10>「読み上げソフト」でトラブル相次ぐ 2016年6月20日)

 

 

保守的なユーザーはWindows10にアップグレードしなかったでいいのでは?

傲慢といえるほどマイクロソフトがサービスを強制する理由は何なんだろ?

posted at 2016年06月12日 20:39 | Comment(0) | ニュース | このブログの読者になる | 更新情報をチェックする

Tensorflowを動かしてみた

下のソースでリンクを貼ってるブログで紹介記事があったので、やってみたらディープラーニングの入門として良かったというだけの紹介話。

やり方としては

  1. Virtual Box上にLinuxをインストール
  2. Linux上でAnacondaをインストール
  3. Linux上でTensorFlowをインストール
  4. TensorFlowのサンプルプログラム「Fizz Buzz」を動かす

 

感想

  • Ubuntuはウィンドウマネージャーが使いにくいので、他のLinuxディストリビューションの方が良かったかも。
  • Virtual BoxがUbuntu用に8Gのハードディスクを割り当てるように言ってくるが、それで進めたらディスクが溢れたので要注意。ハードディスクに12Gを割り当てた。Anacondaをインストールしたらディスクの容量を食う。
  • Anacondaはサイズが大きく、ダウンロードするのにすごく時間がかかる。最新版をダウンロードしたらTensorFlowがインストールできなかったので、古いバージョンのAnaconda3-2.5.0-Linux-x86_64.shをダウンロードした。
  • Anacondaは時間がかかるので、NumPyなど必要なモジュールとPythonだけをインストールしたほうがいいかも。バージョンがずれてTensorFlowがインストール出来ない可能性が高いので、Anaconda3-2.5.0-Linux-x86_64.sh のバージョンを書き出しておく。
    (tensorenv)vbox:~$ python -V
    Python 3.4.4 :: Continuum Analytics, Inc.
    (tensorenv)vbox:~$ pip list
    numpy (1.11.0)
    pip (8.1.2)
    protobuf (3.0.0b2)
    scikit-learn (0.17.1)
    scipy (0.17.1)
    setuptools (22.0.0)
    six (1.10.0)
    skflow (0.1.0)
    sklearn (0.0)
    tensorflow (0.8.0rc0)
    wheel (0.29.0)
  • skflowはSegmentation fault (コアダンプ)と言われて動かなかったが、import skflowよりも前にimport numpy as npを置くと何故か動いた
  • Fizz Buzzの入力値に対して正解の出力値を、TensorFlowのニューラルネットワーク(=多層パーセプトロン)に繰り返し読み込ませて学習させることによって、ニューラルネットワークが正解を出す率が高まっていくことが分かった。Fizz Buzzが初めて読んだディープラーニングのプログラムだが、素人としては、これを基本形として、何に応用させるかと入出力のバイナリ表現を考えるだけで良いと思う。チュートリアルに単純なモデルの精度が92%となったのがかなり悪く、最高のモデルにすると99.7%まで精度が上がると書いてあるが、ディープラーニングの内部計算モデルをどのように工夫すれば精度が上がるかは専門家じゃないと無理。
  • サンプルプログラム「Fizz Buzz」は行数が少なくて分かりやすく、TensorFlowの入門として優れている。ブログのコメントによると、入力値が1つの数字でしかないということは、ニューラルネットワークが必要とする「特徴」が1つしかないということで、ニューラルネットワークが入力を区別するのに向いてない、とのこと。ディープラーニングに向いてる問題は、特徴がいっぱいあること。特徴がいっぱいあって、ディープラーニングに向いてる問題を思いついたら、入出力をバイナリ表現に落とす方法も考えれば、プログラム化にかなり近づく。
  • 例えば囲碁は19x19の碁盤で白と黒があるので、0が石がない、1が石があるとして、白と黒でそれぞれ361の長さがあって、合計722の長さのバイナリ表現が入力で、361の長さのバイナリ表現が出力になるのかな。想像だけど。361の長さの出力のうち1が複数あると困ると思っていたが、出力は重み付けの行列を掛けて足し込んだ小数の値になって、関数tf.argmaxで出力のうち最大値がある場所だけを有効、つまり1とするのがTensorFlowのやり方のようだ。2番目に最大になる値も囲碁の次の手として候補とできるかもしれない。想像だけど。
  • 囲碁と同じように将棋もディープラーニングさせようと考えたが、持ち駒をどのようなバイナリ表現にすればいいかや、出力の次の一手をどのようなバイナリ表現にすればいいかが難しい。持ち駒は18個の歩を2個持ってたら[1,1,0,0,...,0]のように表現するのかな。しかし、出力のバイナリ表現が思いつかない。ある位置に駒を動かすとして、持ち駒から移動させるのか、盤上のどの駒を移動させるのかが表現できない。つまり、将棋は向いてなくて、囲碁はディープラーニングに向いた問題だったということだと思う。
  • 将棋をディープラーニングに対応させるとしたら、持ち駒は考えないで、出力として盤面9x9が2ついるだろう。次に動かす駒の開始地点と動かす先の地点。出力の開始地点から入力を見てどの駒かを判定し、それによって動かす先を制限できるような内部計算モデルにしないといけない。無茶苦茶難しそう。
  • どんな問題に対しても、ディープラーニングを適用できるかどうかは疑わしい。ディープラーニングが何に向いてるかというと、分類分けだと思う。出力を[0,0,1,0,0,0,...,0]のようにして、3番目が1なら猫の画像とするとか、どの分類かを示すことができる。
  • 分類分けが得意そうだということから考えると、遺伝子情報から、向いてる職業や犯しやすい犯罪、罹りやすい病気を出力させるようなディープラーニングが作られると思う。
  • 株価や為替は一日前に比べて00:大きく下がった、01:下がった、10:上がった、11:大きく上がったとして過去365日分のバイナリ表現を作り、一日後、1か月後、1年後の価格が上がったか(100)下がったか(010)変わらなかったか(001)を出力するようなニューラルネットワークを作れるかもしれない。
  • 手相をディープラーニングして手相占いのように性格や年収などを算出する機械を作ったらヒットしそう。
  • サンプルプログラム「Fizz Buzz」はニュールラルネットワークの初期化状態から正解を覚えさせていっているが、学習済のニューラルネットワークを出力して再利用できる方法があるはず。
    → print (sess.run(w_h))やprint (sess.run(w_o))で重み付けの行列w_hやw_oを出力できたので、それを使えばいい。行列が2つあるのは、Fizz Buzzが入力層、中間層、出力層のモデルを使っているから。中間層=w_h*入力層、出力層=w_o*中間層のような感じ。
  • googleはWindows版のTensorFlowを公開していない。LinuxとMacでしか動かせないようにしているのは、WindowsをやめてLinuxやMac に行けということか・・・。
  • googleはWindows版のTensorFlowを公開していなかったが、2016/11/29に最新版v0.12で、Windows7/10などで利用可能な版を公開するようになった。
    (ttp://forest.watch.impress.co.jp/docs/news/1032486.html Google、オープンソースの機械学習ライブラリ「TensorFlow」のWindows版を公開 「PyPI」のパッケージとして配布 2016年11月30日)

 

インストールログ

1. Virtual BoxにLinuxをインストール

Virtual Boxをインストールして、UbuntuのISOイメージを取ってきて、Windows上にLinuxが動く仮想マシンを構築。

  • ttp://www.ubuntu.com/desktop : UbuntuのISOイメージ
  • メニューの「Devices」>「Insert Guest Additions CD Image」(もしくは、デバイス > Guest Additions のCDイメージを挿入)をクリックして、画面の解像度を上げる。
  • VirtualBoxメニューのデバイスの「クリップボードの共有」を双方向にしておくとWindowsのクリップボードを貼り付け出来たりして便利。

(ソース ttp://ottan.xyz/virtualbox-ubuntu-2418/ VirtualBoxにUbuntu 14.04.2 LTSをインストールする方法)

2. Linux上でAnacondaをインストール

  • pipのインストール。
    $ sudo apt-get install python-pip
  • ttps://www.continuum.io/downloads : Anacondaのダウンロード。
    Linuxの64ビット最新版が
    ttp://repo.continuum.io/archive/Anaconda3-4.0.0-Linux-x86_64.sh
    となってるが、Tensorflowがインストールできなかったので
    ttp://repo.continuum.io/archive/Anaconda3-2.5.0-Linux-x86_64.sh
    に修正してダウンロードして実行。
    $ bash Anaconda3-2.5.0-Linux-x86_64.sh
  • Anacondaは、、NumPy,SciPy,matplotlib、scikit-learn等のパッケージがまとめて入ったPython数値計算環境。
  • AnacondaのTensorflow用環境を作成。
    $ conda create --name=tensorenv python=3.4
  • 作成した環境を有効にする。
    $ source activate tensorenv
    これで先頭に「(tensorenv)」が付くようになる。

(ソース ttp://yaju3d.hatenablog.jp/entry/2016/03/27/022400 WindowsユーザーがTensorFlowをインストールしてみた)

3. Linux上でTensorFlowをインストール

  • TensorFlowをインストールしようとしたら、pipをアップグレードしろと言われるので、アップグレード。
    (tensorenv)$ pip install --upgrade pip
  • TensorFlowのインストール。
    (tensorenv)$ pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.7.1-cp34-none-linux_x86_64.whl
  • TensorFlowのインストールで、「Found existing installation: setuptools」というエラーが出るので、setuptoolsを削除。
    $ conda remove -n tensorenv setuptools
  • もう一度、TensorFlowのインストール。
    (tensorenv)$ pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.7.1-cp34-none-linux_x86_64.whl
  • TensorFlowの動作確認。
    (tensorenv)$python -c "import tensorflow; print(tensorflow.__version__);"

(ソース ttp://yaju3d.hatenablog.jp/entry/2016/03/27/022400 WindowsユーザーがTensorFlowをインストールしてみた)

4. TensorFlowのサンプルプログラム「Fizz Buzz」を動かす

ソースのリンク先のバラバラな「fizz buzz」プログラムを1つにしたもの。

import numpy as np
import tensorflow as tf

def binary_encode(i, num_digits):
    return np.array([i >> d & 1 for d in range(num_digits)])

def fizz_buzz_encode(i):
    if   i % 15 == 0: return np.array([0, 0, 0, 1])
    elif i % 5  == 0: return np.array([0, 0, 1, 0])
    elif i % 3  == 0: return np.array([0, 1, 0, 0])
    else:             return np.array([1, 0, 0, 0])

NUM_DIGITS = 10
trX = np.array([binary_encode(i, NUM_DIGITS) for i in range(101, 2 ** NUM_DIGITS)])
trY = np.array([fizz_buzz_encode(i)          for i in range(101, 2 ** NUM_DIGITS)])

NUM_HIDDEN = 100

X = tf.placeholder("float", [None, NUM_DIGITS])
Y = tf.placeholder("float", [None, 4])

def init_weights(shape):
    return tf.Variable(tf.random_normal(shape, stddev=0.01))

w_h = init_weights([NUM_DIGITS, NUM_HIDDEN])
w_o = init_weights([NUM_HIDDEN, 4])

def model(X, w_h, w_o):
    h = tf.nn.relu(tf.matmul(X, w_h))
    return tf.matmul(h, w_o)

py_x = model(X, w_h, w_o)

cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(py_x, Y))
train_op = tf.train.GradientDescentOptimizer(0.05).minimize(cost)

predict_op = tf.argmax(py_x, 1)

def fizz_buzz(i, prediction):
    return [str(i), "fizz", "buzz", "fizzbuzz"][prediction]

BATCH_SIZE = 128

with tf.Session() as sess:
    tf.initialize_all_variables().run()
    for epoch in range(10000):
        p = np.random.permutation(range(len(trX)))
        trX, trY = trX[p], trY[p]
        for start in range(0, len(trX), BATCH_SIZE):
            end = start + BATCH_SIZE
            sess.run(train_op, feed_dict={X: trX[start:end], Y: trY[start:end]})
        print(epoch, np.mean(np.argmax(trY, axis=1) ==
                             sess.run(predict_op, feed_dict={X: trX, Y: trY})))
    numbers = np.arange(1, 101)
    teX = np.transpose(binary_encode(numbers, NUM_DIGITS))
    teY = sess.run(predict_op, feed_dict={X: teX})
    output = np.vectorize(fizz_buzz)(numbers, teY)
    print(output)

(ソース ttp://blog.amedama.jp/entry/2016/06/01/233355 Python: skflow を使ってディープラーニングで FizzBuzz 問題を解いてみる
ttp://joelgrus.com/2016/05/23/fizz-buzz-in-tensorflow/ Fizz Buzz in Tensorflow)

(動作結果)

(tensorenv)vbox$ python fizzbuzz.py
0 0.533044420368
1 0.533044420368
2 0.534127843987
...
9997 1.0
9998 1.0 ←ループを1万回回して学習が進むに連れて精度が上昇し、1(正答率100%)に近づいていることが分かる。
9999 0.998916576381
['1' 'fizz' 'fizz' '4' 'buzz' 'fizz' '7' '8' 'fizz' 'buzz' '11' 'fizz' '13'
 '14' 'fizzbuzz' '16' '17' 'fizz' '19' 'buzz' 'fizz' '22' '23' 'fizz'
 'buzz' '26' 'fizz' '28' '29' 'fizzbuzz' '31' '32' 'fizz' 'fizz' 'buzz'
 'fizz' '37' '38' 'fizz' 'buzz' '41' 'fizz' '43' '44' 'fizzbuzz' '46' '47'
 'fizz' '49' 'buzz' 'fizz' '52' '53' 'fizz' 'buzz' '56' 'fizz' '58' '59'
 'fizzbuzz' '61' '62' 'fizz' '64' '65' 'fizz' '67' '68' 'fizz' 'buzz' '71'
 '72' '73' '74' 'fizzbuzz' '76' '77' 'fizz' '79' 'buzz' 'fizz' '82' '83'
 '84' 'buzz' '86' 'fizz' '88' '89' 'fizzbuzz' '91' '92' '93' '94' 'buzz'
 'fizz' '97' '98' 'fizz' 'fizz'] ←学習させたニューラルネットワークからの出力。2番目が3で割り切れないので不正解。

(補足結果)

ニューラルネットワークへの入力trXと出力(正解)trYがバイナリ表現になっていて

sess.run(train_op, feed_dict={X: trX[start:end], Y: trY[start:end]})

で入力と正解を学習させているようだ。

入力値のtrXは101から1023までの数値のバイナリ表現
trX= [[1 0 1 ..., 0 0 0] <<101の2進数(0001100101) [0 1 1 ..., 0 0 0] <<102の2進数(0001100110) [1 1 1 ..., 0 0 0] <<103の2進数(0001100111) ..., [1 0 1 ..., 1 1 1] [0 1 1 ..., 1 1 1] [1 1 1 ..., 1 1 1]] <<1023の2進数((1111111111))


正解値のtrYは101から1023までのfizzbuzz値のバイナリ表現
trY= [[1 0 0 0] <<101:5でも3でも割り切れない [0 1 0 0] <<102:3で割り切れる [1 0 0 0] ..., [1 0 0 0] [1 0 0 0] [0 1 0 0]] <<1023:3で割り切れる 15で割り切れる時、fizzbuzz値=[0, 0, 0, 1] 5で割り切れる時、fizzbuzz値=[0, 0, 1, 0] 3で割り切れる時、fizzbuzz値=[0, 1, 0, 0] 5でも3でも割り切れない時、fizzbuzz値=[1, 0, 0, 0]

学習用データに1から100までの数値を使うことは不正行為だとブログで書いていて、101から1023までのデータで学習したニューラルネットワークに対して、1から100までの答えの予測を出力するプログラムになっているようだ。動作結果の正答率を調べたら93%(fizz:89%,buzz:86%,fizzbuzz:100%)と弱かった。学習用データに1から100までの数値(正解)を含めてやってみたら正答率100%になった。

 

ディープラーニングとは何かを考えてみた

 

この図のb=Wx(Wは行列)を解く問題がディープラーニングの原型。話は続く。

だが連立方程式を解くだけならエクセルのソルバーでもできたはずだ。では、何故ディープラーニングとして騒がれるようになったのか?素人が誤解を恐れずに言ってみると、ディープラーニングは、層を増やすとかReLUやsoftmaxを使うとか、効果的に学習できるようにこの原型を発展させたもの。(さらに、データフローが一方向に流れるだけという制限を取り払って、ループするようなフローも入れて、時系列で過去の入力を覚えておいて利用するという発展型もディープで深く複雑だ。)

Fizz Buzzの例では、[入力x]→[隠れ層(中間層)]→[出力b]のように中間層を入れて、中間層にReLUで0未満の値を0にする変換を入れている。

次に問題なのがsoftmax_cross_entropy_with_logitsだ。softmaxはbを確率に変換させるようなもので、累乗を取って負の数を正の数に変換して、全体の和が1になるようにしている。yがsoftmaxで確率に変換された値、y_seikaiが学習に使ったyの正解値として、cross_entropyは-sum(y_seikai * log(y))のこと。logitsはlogit(p)=log(p/(1-p))=log(p)-log(1-p)のこと。それじゃあsoftmax_cross_entropy_with_logitsは全体としてどういう計算をしているのかという話になるが、  TensorFlowのオンラインマニュアルに書かれていない。googleは計算式を書くべきだ。しかし、学習が効果的に進むようにbをとにかく変換させるという観点から考えると、うまく行ったからそれを使ってるだけで、それをどうして使ったかなんてことはどうでもいいのだとも言える。

cross_entropy = -tf.reduce_sum(y_train * tf.log(y_output))
cross_entropy_logit =-sum(y_train * log(y_output) + (1 - y_train) * log(1 - y_output)) ???
(ソース ttp://datascience.stackexchange.com/questions/9850/neural-networks-which-cost-function-to-use Neural networks: which cost function to use?)

 

TensorFlow以外のディープラーニングのライブラリ

TensorFlow : 2015年11月に発表された、Google製の機械学習ライブラリ。簡単にいうと使っていることを明記さえしておけば、商用利用も可能な Apache 2.0ライセンス。googleがオープン化した理由は、お金ではなく、この分野の研究を加速させたいからだという。現在(2015/11/12)はC++/Pythonのみ。

Chainer : 2015年6月公開された、Preferred Networks社が開発したニューラルネットワークを実装するためのPython のライブラリ。
東京大学出身の西川氏や岡野原大輔氏が2006年に設立したプリファードインフラストラクチャー(PFI)は、外部からの出資を受けない方針だったが、方針を転換して別会社としてPreferred Networks社を設立。NTTが出資しトヨタと共同研究もしている。

Caffe : C++で実装されたディープラーニングのオープンソースライブラリ。カリフォルニア大学バークレー校の研究センターBVLCが中心となって開発、C++・Python・MATLABで利用可能。

(ソース ttp://d.hatena.ne.jp/shu223/20160105/1451952796 ディープラーニングの有名ライブラリ5種を最短距離で試す半日コース(TensorFlow, Chainer, Caffe, DeepDream, 画風変換)Add StarjmworkskosekiAnatomia
ttp://itpro.nikkeibp.co.jp/atcl/news/14/100101159/  PFIが深層学習専業の「Preferred Networks」を設立、NTTが出資しトヨタと共同研究も  2014/10/01)

 

googleのTensorflowチュートリアル

ttps://www.tensorflow.org/versions/r0.8/tutorials/index.html に英語でチュートリアルが置いてある。

ここを日本語化してるページを見つけた。

  • ttp://qiita.com/KojiOhki/items/ff6ae04d6cf02f1b6edf : MNIST For ML Beginners
  • ttp://qiita.com/KojiOhki/items/64a2ee54214b01a411c7 : Deep MNIST for Experts
  • ttp://qiita.com/KojiOhki/items/0640d01029371d6ae092 : TensorFlow Mechanics 101
  • ttp://tensorflow.classcat.com/2016/02/19/tensorflow-tutorials-recurrent-neural-networks/
    TensorFlow : Tutorials : RNN リカレント・ニューラルネットワーク
  • ttp://qiita.com/KojiOhki/items/45df6a18b08dfb63d4f9 : Sequence-to-Sequence Models
  • ttp://qiita.com/KojiOhki/items/dab6922b6cd7b990c002 : Image Recognition

MNIST For ML Beginnersは内部モデルの理解が進んだのでおすすめ。上にも書いたが、内部モデルにある重み行列のWなどはprint (sess.run(w))という風にすれば表示することができる。

役に立ちそうな用語:

ReLU(ランプ関数)

  • 隠れ層の活性化関数として max(0, x) で計算。
  • つまり、中間層で0未満の値を0にするいうことで、これによりモデルの精度が上がるらしい。
  • Yann LeCunらの論文では、2015年5月現在これが最善であるとしている。

(ソース ttps://ja.wikipedia.org/wiki/活性化関数)

バックプロパゲーション

  • 誤差逆伝播法。
  • エラーおよび学習は出力ノードから後方のノードへと伝播する。
  • ほとんどの場合、誤差を最小にする単純なアルゴリズムである確率的最急降下法で使われる。確率的最急降下法は、多分tf.train.GradientDescentOptimizer(0.05).minimize(cost)のこと。
  • バックプロパゲーションを行う場合、ネットワークは少なくとも三層以上(入力層、中間層、出力層)でなければならない。

(ソース ttps://ja.wikipedia.org/wiki/バックプロパゲーション)

 

ディープラーニングの発展

シーケンスモデルというのがあるらしい。エンコーダーの入力に、[彼][は][走る]の3つの単語を順番に入力していったら、デコーダーが[he][runs][END]と2つの単語と終端記号を順番に出力するという信じられないようなモデルで、LTSMというRNN(再帰的)な構造を持たせることによって過去に入力した単語を覚えていて利用することができるという。そんなモデルを学習できるはずがないと思うが、試してないが、できてるみたいで恐ろしい。

  • TensorFlowで使うモデルは、大きく分けて「Dtataflow Graph(データフローグラフ)」と「Sequence Model(シーケンスモデル)」の2種類。
  • Sequence Modelは、時系列に音が並んだ音声、文字が一列に並んだテキストなどを扱うモデル。音声に適用して音声認識、テキストに適用して機械翻訳といったことに応用可能。

[ttp://japan.cnet.com/news/service/35076183/ グーグルのオープンソース機械学習システム「TensorFlow」--開発者が現状を報告 2016/01/14]

を読んで、ディープラーニングの理解が誤ってるような気になってきた。さらに

  • ttp://qiita.com/KojiOhki/items/89cd7b69a8a6239d67ca Understanding-LSTMsの日本語訳
  • ttp://qiita.com/t_Signull/items/21b82be280b46f467d1b わかるLSTM 〜 最近の動向と共に
  • ttp://qiita.com/odashi_t/items/a1be7c4964fbea6a116e ChainerとRNNと機械翻訳
  • ttp://qiita.com/KojiOhki/items/45df6a18b08dfb63d4f9 TensorFlowチュートリアル - シーケンス変換モデル(翻訳)

あたりを読んでいくと

  • リカレントニューラルネットワーク(RNN) : 人間はゼロから思考していない。前の単語を覚えていて、そこから次の単語を連想させている。つまり、自身の出力を自身に入力させてループさせている。
  • LSTM(Long Short Term Memory) : RNNの長期の依存性の問題を回避して、前の単語を覚えておいて、学習もうまくさせることができて、よく使われているモデル。一連の方程式として書かれると、LSTMはかなり威圧的に見える。
  • Sequence-to-Sequence モデル :  LSTMセルをくっつけたモデル。入力を扱うエンコーダと出力を生成する デコーダから成る。LSTMを多段に積み上げている。最高性能の翻訳結果を出した。

ニューラルネットワークの応用は分類分けだけじゃないってことらしい・・・。この辺りまで来ると素人が簡単に手出しできるようなものに見えない。

 

AlphaGo

Google DeepMind

  • Google DeepMindはイギリスの人工知能企業。
  • 2014年にGoogleによって買収された。
  • Google DeepMindが開発したプログラムAlphaGoが、2016年3月に韓国のプロ棋士イ・セドルと対局し、4勝1敗で勝ち越した。

(ttps://ja.wikipedia.org/wiki/Google_DeepMind)

デミス・ハサビスが天才すぎる

  • デミス・ハサビスはGoogle DeepMind創業者。
  • ロンドンにておもちゃ屋の息子として生まれる。父親はキプロス出身のシンガーソングライター、母親は中国系シンガポール人でデパートに勤めている。
  • 史上最も優秀なチェスプレイヤー」と評されるほどチェスプレイヤーとして頭角を現した。
  • 11才のときにオセロを行う人工知能のプログラムを書き、弟を負かせる。
  • 17歳のハサビス氏は「Theme Park」というシミュレーションゲームを開発。 「人工知能はこれから劇的に進化する」という考えを強めていった。
  • 2年飛び級でケンブリッジ大学を卒業してコンピュータサイエンスの学位を取得。
  • 1998年にはゲーム会社、Elixir Studios社を設立して一定の成功を収めた。
  • 2005年にはケンブリッジ大学の博士課程へ進学して脳神経科学の研究をスタート。
    (人工知能の最先端を行く人は脳の研究をしてる人だと思う。
  • 論文が科学誌ScienceのBreakthrough of the Yearにも選ばれ、脳神経科学の分野でも高い評価を受けた。
  • 2011年に人工知能を研究・開発するべくベンチャー企業DeepMind Technologiesを創設。
  • 2014年1月にGoogleに500億円超という巨額で買収された。
  • 「人生のなかで、グーグル級の会社をつくることと、究極の人工知能を開発することの両方を行う十分な時間はない、とわかったんです。数十億ドルのビジネスをつくりあげることと、知性を解明すること。将来振り返ってみたときに、どちらがより幸せだったと思えるのだろう?それは簡単な選択でした。」
  • 人工知能開発の究極の目標は、機械に知性をもたせることです」

(ttp://gigazine.net/news/20141203-deepmind-demis-hassabis/ Googleの人工知能開発をリードするDeepMindの天才デミス・ハサビス氏とはどんな人物なのか? 2014年12月03日
ttp://qiita.com/yaju/items/8268f8b3a7d31ed5c499 AlphaGoを作った天才デミス・ハサビスの経歴
ttp://matome.naver.jp/odai/2145938914584506101 750億円で買収された超天才プログラマー「デミスハサビス」の経歴まとめ)

AlphaGoの仕組み

  • AlphaGoのPlay= 50GPUを4週間使って学習した評価関数 + モンテカルロ木探索(MCTS)
  • 学習しておく関数:
      ポリシー関数 P(a|s) 盤面sで場所aにうつべき確率
      バリュー関数 vθ(s) 盤面sの評価値
  • ポリシーネットワーク 入力層:(19x19x48)の盤面sの特徴量、12の隠れ層、出力層
    バリューネットワーク 入力層:(19x19x49)の盤面sの特徴量、14の隠れ層、出力層
    (入力はx2でいいと思ってたが、x48ってどういうこと?)

(ttp://www.slideshare.net/yuk1yoshida/alphago-61311712 AlphaGoの仕組み Apr 25, 2016)

  • 2015年10月のFan Hui氏との対戦の時、システムは1202CPUと176GPUと書かれているがCPUはコア数で数えているのではないかと思われる。
  • AlphaGoでは、盤上の石の配置と次の指し手を入力として、その手の良し悪しを評価する「ポリシーネットワーク」と、石の配置だけから勝ち負けを評価する「バリューネットワーク」という2種類のニューラルネットワークを使っている。ポリシーネットワークは、精度の高いネットワークと、精度は劣るが計算時間の短いネットワークという2つのネットワークがある。
  • ゲームソフトの基本的なアルゴリズムは「Monte Carlo Tree Search(MCTS)」で、2種類のネットワークを使って勝率の高そうな手を選んでいく。しかし、同程度に良い手がある場合は、それらの複数の手の先をそれぞれ探索するので評価するケースが増加して行く。
  • AlphaGoは、1つの手を評価するには、高速のポリシーネットワークを使って勝敗が決するまでプレイを進めて(Rollout)勝敗を求める。そして、最初の手から広がったツリーの末端での勝ちが多い手に高い評価を与える
  • AlphaGoは、このRolloutの結果、バリューネットワークの結果、高精度のポリシーネットワークの結果を総合して、次の手を決めている。

(ttp://news.mynavi.jp/articles/2016/03/25/alphago/ 世界最強の囲碁棋士にも勝ち越し - 半年足らずで劇的に強くなったAlphaGo 2016/03/25)

  • Demis Hassabisが公式ブログ(ttps://googleblog.blogspot.com/2016/01/alphago-machine-learning-game-go.html)でAlphaGoの概要を説明しているほか、27日発行の科学雑誌NetureにAlphaGoに関する論文が掲載された。

(ttp://news.mynavi.jp/news/2016/01/28/159/ AIが初めて囲碁のプロ棋士に勝利、機械学習で進化したGoogleの「AlphaGo」 2016/01/28)

  • AlphaGoを構成するのは打ち手を探索する「Policy Network」と局面を評価する「Value Network」という2つの深層ニューラルネットワーク。
  • 入力として19×19の盤面全体に対して、白、黒、それ以外という3つの状態をそのまま入力した場合だけでも、予測的中率55.7%、それ以外の盤面に関わる情報、何手目か、アタっている石はどれか、などより詳細な情報を加えて学習させると、予測的中率が57%になった。 (19x19の各場所に対して、00:白、01:黒、10:それ以外、11:未使用のように記号化してるっぽい
  • ソースコードを読んでないので想像で補うしかありませんが、盤面からの入力に対してPolicy Networkで「次はこんな感じの手を打ったらいいんじゃないか」という確率を出し、出された確率のうち、上位数十から数百手に対して、次のValue Networkでその手を選択した場合の勝率はどのくらいかということを評価し、最も高い勝率が出せそうな手を選択するという二段構えの手法。

(ttps://wirelesswire.jp/2016/03/51084/ 知性とは何か AlphaGoの初戦で感じたこと 2016.03.10)

AlphaGoその他

  • ttps://github.com/Rochester-NRT/RocAlphaGo/wiki  AlphaGoのクローン。Alphagoの解説やpythonのソースがある。
  • ttp://qiita.com/RyuKahou/items/1812102ed05b2fdf7ffc Google DeepMindの人工知能(AI)「AlphaGo」を頑張って理解する。RocAlphaGoやデルタ碁へのリンクをここから入手した。
  • ttp://home.q00.itscom.net/otsuki/delta.html デルタ碁。実行バイナリとソースが置いてある。AlphaGoのSL-Policy Networkをほぼ忠実に再現。一回しか戦ってないけど棋力は2級くらいか。

AlphaGo対イ・セドル

  • 韓国のプロ囲碁棋士イ・セドルとAlphaGoとの間の囲碁五番勝負。
  • 勝者は100万米ドルの賞金を得る。 ←賞金の額がすごい!
  • 賞金に加えて、イ・セドルは全5戦の対局料として15万米ドル、1勝につき2万米ドルを得る。
  • イ・セドル九段は2007年から2011年まで囲碁のレーティングで世界ランキング1位を維持し、その後も毎年トップ5には入ってくるという正真正銘のトップ棋士。アルファ碁と対局した際の世界ランキングは4位。

(ttps://ja.wikipedia.org/wiki/AlphaGo対李世ドル
ttp://gigazine.net/news/20160607-alphago-vs-ke-jie/ 「アルファ碁はイ・セドルに勝てても私には勝てない」とコメントした世界ランクトップのカー・ジエ九段がAlphaGoと対局 2016年06月07日)

AlphaGo対カー・ジエ

  • ここ数年の間、囲碁の世界ランキングで1位を死守しているのが18歳の中国人棋士カー・ジエ九段。
  • 2016年度末にジエ九段とアルファ碁が対局する。

(ttp://gigazine.net/news/20160607-alphago-vs-ke-jie/ 「アルファ碁はイ・セドルに勝てても私には勝てない」とコメントした世界ランクトップのカー・ジエ九段がAlphaGoと対局 2016年06月07日)

AlphaGo、柯潔(カー・ジエ)に3戦全勝

  • 初戦は、序盤から果敢に攻めた柯九段にアルファ碁が完璧に対応し、終始勝負をリードしたが、結果は半目の僅差だった。第2局もぎりぎりのせめぎ合いになるかと思われたが、アルファ碁は柯九段の激しい攻めを寄せ付けず、AIの圧倒的な強さを見せつける形で勝負を決めた。(←半目の僅差は勝ち確後の舐めプ。AIは1目半で勝つように調整されてる。ヨセになるとどんどん詰まっていくけど逆転はしないのがアルファ碁
  • 今回のAlphaGoは、年次開発者会議「Google I/O 2017」で発表された新世代の「TPU(Tensor Processing Unit)」を1台使用する構成で挑んだという。(←これまで何百台も使用していたのが一台というのが相当すごい

(ttp://www.jiji.com/jc/article?k=2017052500862 囲碁AI、最強棋士に勝ち越す=中国・柯潔九段との第2局:時事ドットコム 2017/05/25
ttp://www.itmedia.co.jp/news/articles/1705/27/news038.html 最強囲碁AI「AlphaGo」全勝 世界最強棋士も敵わず - ITmedia NEWS )

イ・セドルを倒したことでコンピューターが囲碁の分野で人間を超えたと言っていい。コンピューター碁が強くなる速度が人間が棋力で強くなる速度を遥かに超えているからだ。アルファ碁以外の囲碁ソフトが先にランキングトップのカー・ジエを倒すとアルファ碁の名に傷がついてしまう、ということだろう。

ところで、日本のコンピューター将棋対対羽生善治ってどうなってんだ?グーグルでも1億なのに、羽生との対局料7億800万円はふざけている。韓国人のイ・セドルや中国人のカー・ジエが、コンピューター対人間という歴史的イベントに立ち向かっているのに、日本人の羽生との対局が実現しないのは実に滑稽である。

羽生が逃げ回っているというより、5000万円ほどを出す日本の大企業がいなかったということだろう。日本の大企業は人工知能に興味がなかったのだろう。ITの分野で日本に大企業がいたら実現したかもしれないが、ITの分野で日本に大企業が存在しない。だから今ごろ(2016年06月07日のニュース)になって日本の大企業のトヨタなどが慌てて東大に9億円寄付ということになった。

(ttp://blog.livedoor.jp/nwknews/archives/4862318.html 羽生のコンピュータとの対局料は7億800万円 2015年04月25日
ttp://www.itmedia.co.jp/news/articles/1606/07/news096.html 「日本を人工知能研究の先進国に」――東大に研究者育成講座 ドワンゴ、トヨタなどが9億円寄付 2016年06月07日)

 

井山裕太がDeepZenGoに敗れた

  • 2017年3月23日、井山裕太六冠(27)は日本最強のAI「DeepZenGo」に敗れ、3連敗となった。
  • DeepZenGoは、中国と韓国の棋士に敗れ、井山裕太に勝った。
  • DeepZenGoは、日本最強の囲碁ソフト。

(ttp://www.asahi.com/articles/ASK3R5CVSK3RUCVL00T.html 囲碁世界戦、朴廷桓九段が優勝 井山六冠はAIに敗退:朝日新聞デジタル 2017年3月23日
ttp://www3.nhk.or.jp/news/html/20170323/k10010922001000.html 日本で開発の囲碁AI 世界大会で井山九段破る | NHKニュース)

 

コンピュータ将棋の状況(調査日:2016/11/26)

2chのスレでコンピュータ将棋ではスマホが人間より強いと言われてたので調査のうえ書き出す。

  • (AlphaGoがCPU 1202個x32コアと想定して)将棋は4コアだぞww
  • 4コアどころか、今話題の三浦九段はスマホにインストールしたソフトのカンニングを疑われている
  • スマホでトッププロより余裕で強いとかw
  • 将棋ソフトをスマホで動かすとデスクトップで動かした場合と比べR400程の差があると開発者が言っている。そして今の強豪ソフト群はR3800前後だから人間トップ(R3200)より単純計算で強い。
  • 終盤になると、当然、持ち時間は少なくなり、勝負の行方を決する重要な局面でもあることから、棋士はほとんど休憩を取らなくなる。ところが、三浦九段は終盤でも一手ごとに対局室から出て行ったりしていた。連盟が調査をすると、“控室で寝転がりながらスマホの操作をしているのを目撃した”などと証言する棋士も現れた。三浦九段が使っていたと見られる将棋ソフトは、『技巧』という将棋ソフトで、終盤における棋譜と93%という一致率だった。(←三浦九段は限りなくクロだと思っていたが、冤罪だった。ビックリの事実)
  • 三浦九段本人の反論。プロ棋士同士の対局であれば、勝った対局というのはどうしてもソフトとの一致率が高くなる傾向はある。(勝った将棋だけを)都合の良いように将棋ソフトとの一致率とかを抜き出して疑われた。(←将棋ソフトは最適解に近い手を打っていると考えられる

(ttp://tamae.2ch.net/test/read.cgi/gamestones/1479573367/641,644,647,652,653 コンピューター囲碁ソフトについて語るスレ45 2016/11/25
ttp://www.itmedia.co.jp/news/articles/1603/24/news058.html AlphaGoの運用料金は30億円以上? 2016年03月24日
ttp://zasshi.news.yahoo.co.jp/article?a=20161027-00513969-shincho-soci スマホ使用疑惑の三浦九段、将棋ソフト「技巧」との一致率は93% 2016/10/27
ttp://ironna.jp/article/5686 「どうしても言いたいことがある」 三浦九段が初めて語った騒動の内幕 2017.02.07))

いつの間にかコンピュータ将棋が人間を超えてしまっていたと言っていいんじゃね。コンピュータ囲碁よりコンピュータ将棋の方が先に人間を超えるのは探索空間の手順数(チェスは10の120乗、将棋は10の220乗、囲碁は10の360乗)から明らか。コンピュータ将棋が人間をいつ抜いたかが重要な訳で、ディープ・ブルー対ガルリ・カスパロフやAlphaGo対李世ドルのような対戦を将棋もやらなければいけなかったのだが、臆病者の羽生が逃げまわってるせいでその機会を永遠に逃してしまった。羽生がAIについて語っている記事をよく見かけるが、その度にお前が語るな(笑)とツッコミを入れている。

 

ディープラーニング関連ニュース

Gmailが返信文を生成

  • Smart Reply。
  • 英語版のみ。
  • iOSおよびAndroid向け。
  • 2015年11月5日に公開。
  • 機械学習によって返信が必要なメールを識別、自然言語での返信文を即座に生成する。

(ソース ttp://iphone-mania.jp/news-91832/ Gmailで返信文を提案してくれる「Smart Reply」、5日にリリース 2015年11月5日)

Facebookの投稿監視システム

  • 人間の手作業よりも正確に攻撃的なコンテンツやわいせつなコンテンツを検出することが可能になっている。
  • アップロードされた段階で内容がチェックされるため、誰の目にも触れないままそういった投稿をブロックできる。
  • 以前は人間の手でヘイトスピーチや脅迫、ポルノといったコンテンツをチェックしていたが、その作業員がPTSDになるなどの問題もあった。

(ttp://it.srad.jp/story/16/06/03/067225/ FacebookのAIを使った投稿監視システムが進化 2016年06月04日)

2ちゃんねるの投稿が投稿時にチェックされるようになる日は近い・・・

中国の投資金額1.7兆円

  • 中国が人工知能関連の技術開発に3年間で1000億人民元(約1.68兆円)を投入するという(中央日報)。

(ttp://srad.jp/story/16/06/03/0424207/  中国、人工知能開発に1.7兆円近くを投入へ 2016年06月03日)

白黒写真への自動着色

  • 従来、白黒写真の着色は、その時代の資料からさまざまな色を推測し、人力で行なわれていました。
  • サンプル写真の場所や時間帯、砂や葉っぱなどの質感をディープラーニングによって学習し、適した色を自動的につけることが可能になった。
  • ttp://colorize.dev.kaisou.misosi.ru/ で白黒画像への自動着色を体験できる。
  • 早稲田大学理工学術院の石川博教授、飯塚里志研究院助教、シモセラ・エドガー研究院助教らの研究グループ。

(ttp://www.gizmodo.jp/2016/06/github_1.html 早稲田大学、白黒写真をディープラーニングで着色する技術を発表。GitHubでも公開 2016.06.03
ttps://www.waseda.jp/culture/archives/news/2016/06/01/2299/ 白黒写真に色付けする手法とは? 人工知能が100年前の情景も自然に再現  01 JUNE 2016)

アニメ作成時の自動着色に応用できそう…

著名な画家の作風に画像変換

  • 著名な画家の作風を認識し、別の映像をそのテイストに変換してしまうというアルゴリズムの開発が進められている。
  • ドイツ・フライブルク大学コンピューターサイエンス学部のManuel Ruder氏らによる研究。
  • Leon A. Gatys氏らが2015年に発表していた論文の内容をさらに発展させたもの。

(ttp://gigazine.net/news/20160626-artistic-style-transfer-for-video/ ディープラーニングで既存の映像をありとあらゆる絵画テイストに自動で変換できる驚異のアルゴリズム 2016年06月26日)

3Dプリンタで油絵にして、額装して売りだせば、高値が付きそう・・・。作風の真似は著作権違反にならないよね。

人工知能が人の命を救った国内初のケースか

  • 2000万件もの医学論文を学習した人工知能が、専門の医師でも診断が難しい特殊な白血病を僅か10分ほどで見抜き、治療法を変えるよう提案した結果、60代の女性患者の命が救われた。
  • アメリカの大手IT企業IBMなどと協同で、人工知能を備えたコンピューターシステム「ワトソン」に2000万件に上るがん研究の論文を学習させた。
  • 宮野悟教授「1人の医師がすべての膨大な医療情報を把握するには限界があり、情報を蓄積してみずから学習する人工知能の活用は医療の世界を変える可能性を秘めている」
  • 山下さんの遺伝子を詳しく調べ変化が起きている箇所を1500箇所ピックアップしました。これらの変化がどう関わって病気を引き起こしているのか人工知能に分析させたところ僅か10分後には「STAG2」と呼ばれる遺伝子の変化が根本の原因を作り出している「二次性白血病」である可能性が高いことを見抜いたということです。
  • これらの分野では論文の数が膨大になりすぎて、どの遺伝子の変化が互いにどのように影響し、がんを引き起こしているのか、医師一人一人が理解するのが不可能になりつつあります。ワトソンはこうした論文を2000万件以上読み込んでいて、数多くの遺伝子の変化がどのように絡み合いがんになるのか学習しています。

(ttp://www3.nhk.or.jp/news/html/20160804/k10010621901000.html 人工知能 病名突き止め患者の命救う 国内初か 2016年8月4日)

14 :名無しさん@1周年 :2016/08/04(木) 19:23:58.55 ID:z9+zUwv90
正確に診断下せるかどうかが
医者の仕事のほとんどと言っても過言じゃねえからな
後は料理と一緒で治療法はレシピ通りやるだけ
正にAIが一番活躍できる分野だわな
後は裁判官

923 :名無しさん@1周年 :2016/08/04(木) 21:01:09.20 ID:vA4kqLph0
人工知能というよりかは、全文検索システムなんだろうな
グーグルの検索とか全然進化しないけど
それでも、検索エンジンのおかげで思いもしない情報にたどりつくこともある
ようやく医療分野で検索エンジンを利用し始めたって話って感じかな
(ttp://daily.2ch.net/test/read.cgi/newsplus/1470305927/ 【IT】人工知能 病名突き止め患者の命救う 国内初か 2016/08/04)

これって単に遺伝子を検索キーにする医療論文を検索する検索エンジンなんじゃないの?文字列探索ではなく、論文を機械に学習させて、遺伝子をキーに検索できる技術はすごいけど。1500個の遺伝子による検索結果を集約させるのは、数が多いので、人間より機械のほうが向いている。

裁判の判例のデータベースを全文検索するシステムは誰でも思いつくから既にあるだろう。検索の精度をいかに向上させるかや、文章を検索キーにして人工知能に分析させるとか発展の余地があるかもしれない。

読心術

  • Googleの開発した人工知能(AI)が読唇術に挑戦し、人間の専門家が行うよりも高い精度での読唇精度をたたき出しています。
  • 開発ではAIのニューラルネットワークに何千時間分ものBBCのTV放送で読唇術を学習させ、実際の発言内容の46.8%を正確に読唇可能なソフトウェアに仕上がったそうです。「46.8%」という数字だけ見るとそれほど画期的なソフトウェアではないように感じるかもしれませんが、AIが読唇した映像をプロの読唇術者が同じように読唇したところ、正しく言葉を拾えたのは全体のわずか12.4%のみで、AIがいかに高精度であるかがわかります

(ttp://gigazine.net/news/20161125-google-ai-lip-read/ GoogleのAIは専門家よりも高精度な読唇術が可能 2016年11月25日)

口の動きから音声を読み取るのはディープラーニングに向いた問題だ。日本語でもやってほしい。軍事利用も可能な技術だ。北朝鮮の超高高度から金正恩を盗撮し、読心術で聞こえないはずの音を盗聴できる。

線画の自動着色

  • taizan氏がchainerで作ったサービス ttp://paintschainer.preferred.tech

(ttp://qiita.com/taizan/items/7119e16064cc11500f32 chainerで線画着色をwebサービスにして公開してみた - Qiita)

  • 作ったのは「Preferred Networks」(PFN)のエンジニア(29)。
  • 会社も応援して約500万円する5台のサーバーを使ってる。(←どうりで筆者の古いPCだと重すぎた

(ttps://www.buzzfeed.com/sakimizoroki/paintschainer?utm_term=.ssY3dNzvk#.nykr3vK5p #PaintsChainer イラストに着色する人工知能がすごい 作ったのは29歳のこんな人)

Firefoxでは動かない。Google Chromeでは動く。小さい画像で10秒もかからず着色された。Eraserをクリックしてからすぐにcolorizeを押して色を指定しない場合、線画の黒線にうっすらと色が付くだけで白い部分がほとんど残った。うっすらと付く色にディープラーニングが使われてるっぽい。点を描いで色を指定すれば黒線で囲まれた部分がその点の色で水彩画調で塗られる。黒線そのままよりこれでうっすらと着色したほうがずっと見栄えがするようになる。

モザイク画像の高精度化

  • グーグルの研究チームは、低解像度の画像から、元の画像を推測・再現する人工知能システムを開発した。
  • 今後さらに研究が進めば、低解像度の写真や動画に映っているものを再現できるようなシステムが開発されるだろう。防犯カメラの不鮮明な映像に映っているものを特定するために、こうした技術が役立つかもしれない。

(ttp://wired.jp/2017/02/10/google-ai-pictures-blur/ グーグルの人工知能、今度は「モザイク画像の被写体を特定」する|WIRED.jp 2017.02.10)

これは怖い。グーグルの研究チームが出した画像は正解図とあまり似てなかったが、モザイクの動画から推測できるようになれば、情報量が増えるので、人工知能が正解図に近い画像を出してくる可能性が高い。そうなれば今後の動画だけではなく、過去の動画をすべて黒塗りに変換しなければならなくなる。

防犯カメラの不鮮明な映像から推測できるようになれば、警察や警備会社といった買い手が出てくる。モザイクといえばアダルトだが、エロのエネルギーはすさまじい技術革新をもたらすし、アダルトが実用化されることになれば防犯カメラ以上の買い手がつく。

ゴールドマン・サックスが株取引を自動化

  • 世界最大級の投資銀行であるゴールドマン・サックスも大量のコンピューターエンジニアを雇用しており、人間のトレーダーに替わって株取引の自動化を進めています。
  • CFOに就任予定のマーティ・チャベス氏「2017年現在で本社に残っているトレーダーはわずか2人です。空いた席を埋めているのは、200人のコンピューターエンジニアによって運用されている『自動株取引プログラム』です」
  • 2000年にゴールドマン・サックスが600人体制で行っていたような株取引はすでに機械学習機能を備えた複雑な取引アルゴリズムに置き換えられており、通貨取引や先物取引のような証券取引所では取り扱っていない取引にも自動化の波が押し寄せています。
  • チャベス氏は「今後は営業スキルや信頼関係を構築するスキルなど、人間のスキルに焦点を絞った自動化が進むでしょう」と予想。

(ttp://gigazine.net/news/20170208-goldman-sachs-automation/ 人工知能による自動化が進むゴールドマン・サックス、人間のトレーダーは600人から2人へ - GIGAZINE 2017年02月08日)

営業スキルなど人間のスキルも自動化すると言ってるということは、米国は自動化できるところは全て自動化するつもりだ。投資の分野の自由化が進んでコンピューターの人工知能の性能差で勝負が決まるようになると日本は完敗するだろうなw

日経の決算サマリー、AIが記事を書いて配信

  • 2年ほど前のニュース「AP通信や米Yahoo!が、AIで記事を自動製作し、配信している」が開発のきっかけ。
  • APやYahoo!が採用しているアルゴリズムは英語用だが、「日本語でもできないか」と研究が始まった。
  • 「記者の視点」も学ばせた。あいまいな記述や整合性がとれない部分を無視し、客観的で整合性のある部分のみをピックアップできるようにAIの精度を磨いた。

(ttp://www.itmedia.co.jp/news/articles/1703/03/news082.html 日経「AI記者」の衝撃 開発の背景に「危機感」 (1/4) - ITmedia NEWS 2017年03月03日)

GoogleのAutoDraw、人工知能が描いた絵の候補を出す

  • Googleは4月11日(米国時間)、「Fast Drawing for Everyone」において、機械学習を利用したオンラインのペイントアプリ「AutoDraw」を発表した。
  • これはWebアプリケーションとして利用できるアプリで、ハンドフリーで入力した画像から自動的に関連する画像データ候補を表示してくれるという特徴がある。
  • 機械学習をはじめとする人工知能技術を利用するためのAPIの提供が相次いでいるが、こうしたAPIの具体的な利用例として興味深い。

(ttp://news.mynavi.jp/news/2017/04/13/083/ Google、機械学習ベースのペイントツール「AutoDraw」発表 | マイナビニュース
ttps://www.autodraw.com/ オンラインのペイントアプリ 2017/04/13)

描いた図形から素材の候補を出してくれるのも面白いが、フリーハンドで描いた凸凹した曲線を滑らかにしてくれるのも面白い。

ロシアのostagram、写真をアート化

  • ニューラルネットワークを使い、写真や画像に、他の画像の“特定の描き方やタッチ”を合成できる。

(ttps://www.rbbtoday.com/article/2016/03/16/140611.html これも人工知能の仕業! 写真をアート化する「Ostagram」 | RBB TODAY 2016年3月16日)

ostagramで公開された画像のサンプルを別の記事にした。合成後の画像の出来が良すぎる。

カナダのLyrebird、声をコピーするアルゴリズム

  • 声を1分間聞かせるだけで声をコピーできるアルゴリズムをカナダ・モントリオールのスタートアップ「Lyrebird」が開発した。
  • 同社のデモを聞くと、会話は機械的なところがあり若干ぎこちないものの、各氏の声の特徴をよく捉えている。知らされなければ「模倣してマシーンでつくられた声」と気づかない人もいるのではないかと思わせるレベルだ。

(ttp://techable.jp/archives/57318 トランプ氏の演説も作れてしまう︎1分間聞かせるだけで声をコピーできるアルゴリズムを開発 | Techable(テッカブル) 2017.5.7
ttps://srad.jp/story/17/05/11/074204/ 1分間の音声から声の特徴を収集してその人のしゃべり声を任意に合成できるという技術が登場 | スラド)

AIレジ、パンを画像認識して値段を出す

焼きたてのパンをいくつかレジに持っていくと、専用マシンが自動で画像認識し、一瞬で料金を計算、表示する。その間わずか1秒ほど。

(ttp://www.itmedia.co.jp/news/articles/1705/15/news081.html 「すごすぎる」――地方のパン屋が“AIレジ”で超絶進化 足かけ10年、たった20人の開発会社の苦労の物語 (1/5) - ITmedia NEWS 2017年05月15日)

pixiv Sketch、線画の自動着色サービス

(ttps://sketch.pixiv.net/ pixiv Sketch - お絵かきコミュニケーションアプリ)

posted at 2016年06月04日 02:08 | Comment(0) | IT | このブログの読者になる | 更新情報をチェックする