【ファイブアイズ】通信を暗号化したい民間と通信を監視したい国家との戦い

英米豪など5カ国、ハイテク企業に暗号データの共有要請へ=豪首相

  • ファイブアイズ=機密情報を共有する米・英・カナダ・豪・ニュージーランド5カ国。
  • テロリストや組織犯罪が、野放しのデジタル空間で責任を問われずに活動することができなくなるようにしたい。(←犯罪を取り締まりたい国家側の主張
  • フェイスブック(FB.O)やアップル(AAPL.O)などのハイテク企業には、テロ攻撃を防ぐため暗号データの共有を求める圧力が高まっている。

(ttps://jp.reuters.com/article/australia-security-idJPKBN1940XG 英米豪など5カ国、ハイテク企業に暗号データの共有要請へ=豪首相 | ロイター 2017/06/13)

 

音声通話を含む完全暗号化

  • 米対話アプリ最大手、ワッツアップは5日、利用者がやり取りするメッセージを完全に暗号化すると発表した。(←国家に通信を監視されたくない民間側の主張
  • 暗号化の対象は、メッセージのほかに写真、動画、添付ファイル、ボイスメッセージ、グループチャット、音声通話も含む

(ttp://www.nikkei.com/article/DGXLASGM06H37_W6A400C1FF1000/ 米ワッツアップ、利用者メッセージを完全暗号化 対話アプリ :日本経済新聞 2016/4/6)

現在、WhatsAppのデータが暗号化されているかどうかについて確認できない。暗号化すると発表後に、国家によってダメ出しされ、国家が音声データを監視できるようにした(あるいはこれからする)可能性がある。

 

  • ワッツアップはブログへの投稿で「考え方はシンプルだ。メッセージを送る際、それを読むことができるのはメッセージを送った相手だけだ。誰もメッセージの内側を見ることはできない。サイバー犯罪者も、ハッカーも、圧政的な政府、われわれですら不可能だ」と説明している。

(ttp://jp.reuters.com/article/whatsup-encryption-idJPKCN0X301X 対話アプリ「ワッツアップ」、暗号化設定を強化 | ロイター  2016年4月6日)

政府に通話記録を求められても、ワッツアップでさえ暗号化されたメッセージを読むことができないようにするとワッツアップは計画した。

 

WhatsAppとは

  • WhatsApp Messengerは、アメリカのWhatsApp社が提供する、リアルタイムでメッセージの交換ができる世界最大のスマートフォン向けインスタントメッセンジャーアプリケーションである。
  • WhatsApp社は米フェイスブックの傘下にある。

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

 

アップル

このフェイスブック(WhatsApp)と同じような話がアップル(iPhone)にもあった。銃乱射した犯人のiPhoneのロック解除せよという裁判所命令を2016年2月に米アップルが拒否。ロックを解除したのがイスラエルの企業セレブライト社ではないかと報じられた。セレブライト社を日本のサン電子が買収していた。こちらも暗号データを国家が見れるようにしろという話である。

 

日本でこの議論が起きないのは、憲法第21条「通信の秘密は、これを侵してはならない」があるからだと思われる。日本でWhatsAppのように暗号化するスマホアプリを作る企業が出てこないのは、NTT、KDDI、ソフトバンクは国に忖度してやらないし、日本はITベンチャーが育たないからと思われる。

それから、2004年頃にWinny事件があった。ファイルを共有するソフトを作ったら、それが犯罪に利用され、ソフトウェア開発者が逮捕された事件である。Windowsを使った犯罪が起きたら、ビル・ゲイツを逮捕するのだろうか? 2011年、最高裁でソフトウェア開発者の無罪が確定した。日本の警察ははっきりいって異常であり、新しいことをした人やイノベーションを起こした人をとりあえず逮捕する。未知のものを異常に恐れ、新しいものや不確定なものをとにかく抑えこもうとする。日本では通信を暗号化するスマホアプリを作ったとしたら、とりあえず警察に逮捕される可能性が非常に高い。

 

posted at 2017年06月14日 12:44 | 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

現代のプリンタには目に見えない追跡ドットが印刷されている

NSAのリーク文書、プリンタを特定する極小ドットが印刷されていた--逮捕の鍵に

  • NSAのプリンタで印刷されたページには、目に見えない追跡ドットが付いていた。
  • 電子フロンティア財団(EFF)によると、これは科学捜査で手がかりになる、現代のプリンタによくある特徴だという。
  • これらのドットはXerox製プリンタ「DocuColor」のパターンの一部で、印刷されたページの端にかけて15×8の格子状に黄色のドットが繰り返し刻まれる。このドットは追跡情報が詰まったコードであり、ドットを解析することで、時刻、日付、印刷されたプリンタのシリアル番号が分かる

(ttps://japan.cnet.com/article/35102382/ NSAのリーク文書、プリンタを特定する極小ドットが印刷されていた--逮捕の鍵に - CNET Japan 2017/06/07)

監視社会か!

posted at 2017年06月08日 08:09 | 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

【全国初】誰でも作れる簡単なランサムウエアもどきを作成して逮捕

事件概要

  • パソコンのデータを勝手に暗号化して利用できなくしたうえ、金銭を要求する「ランサムウエア」と呼ばれる不正なコンピューターウイルスを作成したなどとして、大阪の中学生が神奈川県警に逮捕されました。(←この事案では「勝手に」やったと言えない。実行者が理解し、同意した上で実行されるからである。他のランサムウエアのように「(完全に)利用できなくした」とも言えない。バッチファイル内にハードコードされている鍵を使用しており、復号が容易にできるからである。「金銭を要求する」についても金銭目的かどうかが疑わしい。被害が1件もない上に、作ってみたスクリプトを自己顕示欲で見せたかったことは誰の目にも想定しうることだからである。これはコンピューターウイルスではない。感染先のプログラムを書き変えて自分のコピーを感染させて、増殖しないからである。法務省やニュースメディアがウイルス作成罪と呼んで誤用を広めるITリテラシーのなさが嘆かわしい)
  • 逮捕されたのは、大阪・高槻市の中学3年の14歳の男子生徒。
  • 警察は、男子生徒がSNSで「ランサムウエアを作った」と投稿しているのを見つけ、ことし4月、生徒の自宅を捜索した結果、自宅にあったパソコンにウイルスを作成した記録が残っていたということです。(←ツイッターにランサムウエアを作った」と投稿しただけで家宅捜索されるのか? まさに言論統制である
  • 警察によりますと、このウイルスを作成した疑いで逮捕されたのは全国で初めてです。

(ttp://www3.nhk.or.jp/news/html/20170605/k10011006811000.html 「身代金要求型」不正ウイルス作成の疑い 中学生を逮捕 | NHKニュース 2017/06/05)

  • 作成されたウイルスは誰でもダウンロードできるように海外のサイトで公開されていた。
  • これまでにこのウイルスによる被害は確認されていません

(ttp://www3.nhk.or.jp/news/html/20170606/k10011007861000.html 不正ウイルス作成容疑の中学生 海外サイトで公開か | NHKニュース 2017/06/06)

  • 少年の作ったランサムウエアは、ダウンロードするだけでは被害は出ず、ダウンロードした人が暗号化するファイルを指定できるほか、身代金を要求する文面を自由に変えて独自のランサムウエアを作成できるようになっていた。
  • 県警のサイバーパトロールで発覚した。(←監視社会か!)

(ttps://www.mainichi.jp/articles/20170605/k00/00e/040/204000c 身代金ウイルス:作成容疑で中3逮捕 神奈川県警 - 毎日新聞 2017/06/05)

  • 少年は逮捕前の任意の調べに、作成経緯について「独学し無料の暗号化ソフトを組み合わせ、3日間で作り上げた自分の知名度を上げたかった」などと説明。
  • 同課のサイバーパトロールが1月、少年のツイッターへの書き込みを発見。4月に自宅を捜索していた。(←NHKと毎日の両方が、家宅捜索したと書いている

(ttps://www.mainichi.jp/articles/20170606/k00/00m/040/068000c 身代金ウイルス:「3日で作った」ランサムウエアの中3 - 毎日新聞 2017/06/05)

 

トレンドマイクロが分析

  • ランサムウェア本体はバッチファイル(.bat)で、オープンソースのツールである「aescrypt.exe」と「openssl.exe」を実行。12桁のランダムな文字列を暗号鍵として生成し、これを用いて特定フォルダー内のファイルのみをAES暗号化するという。
  • 暗号化に使用した鍵をAESで暗号化し、ファイルとして保存する。
  • ファイルの復号に必要となる鍵を暗号化する際に、バッチファイル内にハードコードされている鍵を試用していることから、実際にランサムウェアとして悪用された場合にも復号ツールの対応は容易だったとしている。

(ttp://internet.watch.impress.co.jp/docs/news/1063990.html 中3作成の“ランサムウェア”、トレンドマイクロが分析結果 -INTERNET Watch 2017/06/07)

  • ファイルの暗号化に使用する 12桁のランダムな文字列を作成するコードは、海外のプログラマ向け情報サイト上のサンプルコードと同一であり、インターネット上の情報を参考にしながらこのランサムウェアを作成していった作成者の姿が浮かびます。

(ttp://blog.trendmicro.co.jp/archives/15133 未成年者がランサムウェアを作る時代、日本初の逮捕事例を読み解く | トレンドマイクロ セキュリティブログ 2017/06/07)

 

32桁のランダムな文字列を作成するバッチファイル

@echo off
setlocal enableextensions enabledelayedexpansion

rem Define alphabet
set "alphabet=a b c d f g h i j k l m n p q r s t u v w x y z 0 1 2 3 4 5 6 7 8 9"

rem Create an "array" with the elements of the alphabet
set "size=0"
for %%a in (%alphabet%) do (
    set "a.!size!=%%a"
    set /a "size+=1"
)

rem Generate the output, selecting 32 randoms elements from the array
set "k="
for /l %%a in (1 1 32) do (
    set /a "r=!random! %% size"
    for %%b in (!r!) do set "k=!k!!a.%%b!"
)
echo(%k%

endlocal

(ttps://stackoverflow.com/questions/25045985/random-alphanumeric batch file - Random alphanumeric - Stack Overflow 2014/7/30)

set "x.y=z"とやってecho !x.y!としたらzが返ってくるとか、set /a "r=!random! %% 10"とやってecho !r!としたら10未満の乱数が返ってくるとか、バッチファイルの書き方として非常に参考になる。

 

刑法第百六十八条の二 不正指令電磁的記録に関する罪

第十九章の二 不正指令電磁的記録に関する罪

(不正指令電磁的記録作成等)
第百六十八条の二 正当な理由がないのに、人の電子計算機における実行の用に供する目的で、次に掲げる電磁的記録その他の記録を作成し、又は提供した者は、三年以下の懲役又は五十万円以下の罰金に処する。(←正当な理由なく、不正プログラムの作成または提供が罪)
一 人が電子計算機を使用するに際してその意図に沿うべき動作をさせず、又はその意図に反する動作をさせるべき不正な指令を与える電磁的記録
二 前号に掲げるもののほか、同号の不正な指令を記述した電磁的記録その他の記録
正当な理由がないのに、前項第一号に掲げる電磁的記録を人の電子計算機における実行の用に供した者も、同項と同様とする。(←「実行の用に供する」は電子計算機の使用者にはこれを実行しようとする意思がないのに実行され得る状態に置くことをいうらしいが意味不明。プログラムを無断で不正なものに置き換えたらダメってこと?
3 前項の罪の未遂は、罰する。(←未遂とは、狭義には、犯罪の実行への着手があったがこれを遂げなかった場合のこと

(不正指令電磁的記録取得等)
第百六十八条の三 正当な理由がないのに、前条第一項の目的で、同項各号に掲げる電磁的記録その他の記録を取得し、又は保管した者は、二年以下の懲役又は三十万円以下の罰金に処する。(←正当な理由なく、不正プログラムの取得または保管が罪)

(ttp://law.e-gov.go.jp/htmldata/M40/M40HO045.html#1002000000019000000000000000000000000000000000000000000000000000000000000000000 刑法)

インターネットの解説記事では、正当な理由なくウイルスの取得・保管を犯罪と説明しているが、法文にはウイルスと書かれていない。嘘は良くない。

興味があったから不正スクリプトをダウンロード(取得)してみたというのは、正当な理由とならないかもしれない。不正スクリプトを調査して、動作原理を解明し、対策を立てる目的でダウンロードした程度のことを言えばOKかしら?

未遂を罰するのはどう考えてもやりすぎだ。共謀罪と一緒でやってもないことで疑わしいってだけで捜査され、逮捕されてしまうwww

疑われて家宅捜索されると嫌なので、筆者はダウンロードしていないと言っておく。このスクリプトを見てみたいという技術的な興味があるが……。はてなの記事のコメント欄に容疑者のツイッターらしき怪しげなリンクを見つけたがダウンロードしていないと断言しておく。

このように技術に対して抑制的になることによって日本のITスキルが発展せず、世界から取り残されるのが憐れである。

 

意見

これくらいで家宅捜索して逮捕するのは犯罪に対してビビりすぎだ。心に余裕のない国会議員たちが作り出した法律と、暇を持て余した警察が冤罪で逮捕される不幸な人たちを大量に生み出している。

オレオレ詐欺にしても、金銭を奪わなければ会話しただけであって犯罪でも何でもない。大体この事案では1円も奪っていないではないか!

好奇心でモノづくりをする、そういう気持ちを大事にしたい。あれもダメ、これもダメ、そういう空気が現在の日本の閉塞感を作り出している。

好奇心でモノづくりをすることが犯罪になるという発想は自然には生まれてこない。技術的に優れた未成年の中学生が大量に逮捕される所以である。日本の国会議員がバカだということを中学の義務教育で教えるべきである。

posted at 2017年06月08日 06:51 | 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

常時HTTPS化の利点

Wikipediaの常時HTTPS化によって政府による検閲が減少

  • HTTPSではどのページにアクセスしたかが外部から観測できないから。
  • 中国やパキスタン、イランなどが特定記事へのアクセスのみをブロックする検閲を行っていた。
  • 常時HTTPS化によって中国語版Wikipediaはサイト全体へのアクセスがブロックされた。

(ttps://yro.srad.jp/story/17/05/31/0624221/ Wikipediaの常時HTTPS化によって政府による検閲が減少 | スラド YRO 2017年06月01日)

httpとhttpsの違いをほとんど知らない。そのような中でhttpsが検閲させにくくするというのは有用な情報だ。他に知っていることといえば、httpsのサイトからhttpのサイトをクリックした時にリファラが飛ばないようにRFC 2616で定められて、それでもリファラが飛ぶようにできるメタタグが新たにできたということくらい。

常時HTTPS化は中国やパキスタン、イランで大きく関係する話で、日本には関係ない話かもしれない。しかし、日本においても監視社会化が懸念されており、HTTPS化は歓迎すべきことだと考える。

posted at 2017年06月01日 23:03 | 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

WannaCry 大規模サイバー攻撃

事件概要

  • 全世界で12日、主にマイクロソフトの「ウィンドウズXP(Windows XP)」の脆弱性に付け込んだサイバー攻撃が相次いで発生。「WannaCry」や「WCry」と呼ばれるランサムウェアが攻撃に用いられた。
  • その手口は、利用者がデータにアクセスすることを一時的に不可能にし、その解除と引き換えに仮想通貨「ビットコイン(Bitcoin)」での身代金支払いを要求するもの。
  • 今回のサイバー攻撃による被害は世界150か国以上に及び、被害件数は20万件以上に上っている。
  • 露モスクワのITセキュリティー大手カスペルスキーの研究チームは、米国家安全保障局(NSA)が開発したコードが使用された点を指摘し、これが被害の急速な拡散につながったとしている。このデジタルコードは、NSAから流出したドキュメントに含まれていたものだという。
  • 犯人像については、個人とは考えにくく、サイバー犯罪を専門とする地下組織がかかわっている。
  • 感染すると、300ドルを仮想通過ビットコインで支払うよう要求するメッセージがスクリーンに表示される。メッセージは、支払いが3日以内に履行されない場合には金額が2倍となり、7日以内に支払いがなければデータファイルは消去されるとする警告文だ。

(ttp://www.afpbb.com/articles/-/3128245?act=all 大規模サイバー攻撃、これまでにわかったこと 写真1枚 国際ニュース:AFPBB News 2017年05月15日)

 

被害がどのように世界に広がったか

  • Windowsの脆弱性「EternalBlue」を突くランサムウェア「WannaCry」の亜種「WanaCrypt0r」が150カ国を襲い、中国の大学、イギリスの20以上の国立病院、ドイツの駅、フランスの日産ルノー自動車工場、スペインの通信最大手Telefonica本社、アメリカのFedExなどに被害が広まっています。
  • Kaspersky Labが「74ヶ国で45,000件」と発表した6時間後の段階では被害の7割がロシアに集中していました
  • 日本語脅迫文は誤訳でおかしい。「お支払いを送信するのに3日しかかかりません」が特におかしい。
  • ランサムウェアの無料ファイル復号ツール を多数提供してるセキュリティ会社 Emsisoft によると、現時点では復号ツールを提供できる可能性は低いとしてます。

(ttp://www.gizmodo.jp/2017/05/wanacrypt0r-20-attack.html 世界パニックのランサムウェア「WannaCry」被害&対処まとめ(日本語脅迫文は誤訳でおかしなことに)|ギズモード・ジャパン 2017.05.15
ttps://blogs.yahoo.co.jp/fireflyframer/34623621.html WannaCrypt/WannaCryランサムウェアウイルス .wncry拡張子ファイル変更 対策は? ( Windows ) - 無題な濃いログ - Yahoo!ブログ 2017/5/13)

 

日立に被害が!

  • 日立製作所の社内システムに障害が発生したことが分かった。
  • 警察庁が14日までに確認した国内の被害は病院と個人の2件。

(ttp://www.nikkei.com/article/DGXLASDZ15H76_V10C17A5MM0000/ サイバー攻撃、日立でシステム障害 企業・官公庁が警戒 (写真=AP) :日本経済新聞 2017/5/15)

 

JR東日本に被害?

JR東日本は5月15日、同社のPC1台がサイバー攻撃を受けたことを明らかにした。世界各地で猛威をふるうランサムウェア「WannaCry」の可能性があり、「原因を調査中」という。電車の運行システムへの影響はないとしている。(←なぜビットコイン送金の画面が出てくるかどうかを調べない? こういう中途半端なニュースが怠慢だ

(ttp://www.itmedia.co.jp/news/articles/1705/15/news108.html JR東、PC1台がサイバー攻撃被害 ランサムウェア「WannaCry」に感染か - ITmedia NEWS 2017年05月15日)

 

TOPVALUに被害が!

ケーキ屋ケソちゃん「近所のスーパーの商品PR用画面がこうなってた」

(画像ソース ttps://twitter.com/coltssr/status/863705211696668672
ttp://asahi.2ch.net/test/read.cgi/newsplus/1494826575/97
ttp://hitomi.2ch.net/test/read.cgi/poverty/1494821620/1)

2ちゃんねるソース。IT後進国の日本に広がらないはずがない。

このツイートにテレビ朝日報道局の報道ステーション、フジテレビ報道局、毎日放送報道局、フジテレビとくダネ!、テレビ朝日「羽鳥慎一モーニングショー」から取材依頼が行っているw

 

ロシア、ウクライナ、インドの被害が特に多い

  • 攻撃の多くはロシアで起きていますが、ウクライナ、インド、台湾でもWannaCryによる被害が出ています。当社では74か国でWannaCryを発見しましたが、これは攻撃発生初日のみのデータです。(←ソース元に世界地図の色分け画像がある。アメリカに広がっていないのが意外だ
  • WannaCryには、他の暗号化型ランサムウェアとは異なる特徴があります。一般的な暗号化型ランサムウェアがコンピューターに感染するには、コンピューターを使う利用者の側で何らかのアクションが必要です。たとえば、不審なリンクをクリックする、Wordファイルを開いて悪意あるマクロを実行させる、メールに添付された添付ファイルをダウンロードする、などです。しかしWannaCryの場合、一切の操作を必要としません。(←やはりリモートから感染させられる
  • リモートから感染させられる脆弱性は、3月15日のセキュリティ更新プログラムで修正された。しかし、リンクのクリック、マクロの実行、添付ファイルのダウンロードなどによる感染はこのセキュリティ更新プログラムでも防げない。

(ttps://blog.kaspersky.co.jp/wannacry-ransomware/15524/ WannaCryから身を守る方法 – カスペルスキー公式ブログ  2017年5月15日 )

 

マイクロソフトがNSAとCIAを批判

  • マイクロソフト社長ブラッド・スミス氏が、米国の諜報機関であるNSAやCIAを激しく批判しています。理由は、NSAからリークした情報の中に、マイクロソフトに報告せず諜報活動に利用していたWindowsの脆弱性があったため。
  • この2月、マイクロソフトはサイバー攻撃から民間人を守るため、企業や政府などが発見した脆弱性を報告することを要求する「デジタル・ジュネーブ条約」の必要性を訴えていました。

(ttp://japanese.engadget.com/2017/05/14/wannacry-nsa/ マイクロソフト、WannaCry被害でNSA批判。「トマホークミサイルを盗まれたのと同じようなもの」 - Engadget 日本版 2017.05.15)

 

5/13 Windows XPなどに異例のセキュリティパッチ公開

マイクロソフトは5月13日、Windows XP/XP Embedded/8やWindows Server 2003向けにも、MS17-010のパッチを提供開始した。これらのOSはすでにサポート終了となっているが、この脆弱性を突くWannaCryランサムウェアが5月12日ごろから世界的に感染を拡大させているため、「highly unusual step(極めて異例の手段)」を取ると、MSRC公式ブログでは説明している。

(ttp://ascii.jp/elem/000/001/482/1482839/ ASCII.jp:WannaCry対策、MSがWindows XPやServer 2003にも異例のパッチ提供)

 

Windows7や8が主な標的

  • なぜかWindows 10への感染はほとんどなく、Windows 8や7が主な標的になっているとのこと。

(ttp://japanese.engadget.com/2017/05/13/windows-xp/ マイクロソフト、サポート切れのWindows XP他に「異例のセキュリティパッチ」公開。世界的にランサムウェア被害拡大中 - Engadget 日本版)

 

脆弱性を悪用するコードを開発して、諜報活動していたNSAは何なんだ? 3月15日のセキュリティ更新プログラムが提供されるまで、Windows 10以外のすべてのWindowsに対してNSAが外部ネットワークからこっそりと諜報活動をしていたということになる。Windows XPなど古いWindowsに対してはWannaCryの被害が広がった後の5月13日になってようやくマイクロソフトがセキュリティ更新プログラムを提供するまで、NSAが外部ネットワークからこっそりと諜報活動をしていたということになる。

また、マイクロソフトのOSには誰にも知られていない脆弱性があって、いずれかの組織がその脆弱性をこっそりと悪用しているということになる。

世界的に主要なIT企業をアメリカが独占しているが、そのアメリカの政府機関がITの脆弱性を悪用して諜報活動をしていたことは重大なことだ。アメリカへの信頼性が大きく損なわれた。ただでさえ最新のWindows 10は個人情報を積極的に収集してマイクロソフトに送信するOSだというのに。

また、最新のセキュリティを更新し続けるだけではセキュリティを保つことにならないことになる。コンピューターをネットワークにつなぐこと自体が非常に危険である。

と、危険を煽るばかりだとあれなので、少し安心させると筆者のパソコンはファイアーウォールでSMBプロトコルを遮断していた。というか外部からの接続要求はICMPを含めてすべて遮断している。セキュリティ対策を公開することはサイバー攻撃から弱くするので言いたくないが。

Windowsの脆弱性「EternalBlue」がSMBプロトコルの脆弱性を悪用していることが恐ろしく、外部ネットワークからの攻撃でコンピューターが乗っ取られることを示している。SMBはウィンドウズの基本的なプロトコルなので、セキュリティ更新プログラムを適用していなければウィンドウズのネットワークを構築するだけで感染させられる。

復号ツールを提供できないというのもすごいことだ。ビットコインで支払ったら復号できるというランサムウェアがパソコン内に存在しているというのに、全世界の技術者が束になっても復号できないという技術力の高さ。ビットコインを受け取った人を特定できないというのもすごい。いったいどういう仕組みなのか。

もし本当にビットコインを受け取った人が特定できないのであれば、犯罪に利用されるという一点でビットコインを日本で流通させないという合意が取れそうだ。

WannaCryが世界中に与えた損害の金額が大きい。マイクロソフトとNSAがWannaCryによる損害賠償を求められたらきつそうだ。

 

ドイツ政府「Windows8はNSAにバックドアを利用される」

ドイツの経済省によって2012年の初め頃から作られてきた公文書から、「連邦政府や重大なインフラのオペレーターにとっては、Trusted Computing技術の使用は承諾しがたい」という結論を政府が下したことをZEIT ONLINEが発見。さらに、Trusted Computing技術を使用したMicrosoftのOS、Windows 8を利用することはNSAなどの諜報機関に、コンピュータのバックドアをいつでも自由に利用される危険性があると報じています。

(ttp://gigazine.net/news/20130903-warns-on-security-dangers-of-windows-8/ ドイツ政府がWindows 8のセキュリティに重大な危険性アリと警告 - GIGAZINE 2013年09月03日)

 

NSA、日本に監視システムを提供していた

  • 2013年の文書では、「XKEYSCORE」と呼ばれるネット上の電子情報を幅広く収集・検索できるシステムを日本側に提供したとしている。

(ttp://www.asahi.com/articles/ASK4S6QZGK4SUHBI035.html 米NSA、日本にメール監視システム提供か 米報道:朝日新聞デジタル 2017年4月24日)

このシステムを通してNSAは間違いなく日本の諜報活動をしている。日本人の隣人にプライバシーを覗かれるのは嫌だが、遠くの外人に監視されるのは気にならないという意見もあるだろう。しかし、共産党に自主独立の精神があって、自民党に従属の精神しかないことが嘆かわしい。監視されることで国家の自由な活動が制限されるとなればBREXITのように国家の自己決定権を持ちたいという意見が出てくるはずだ。

 

北朝鮮が疑われた

  • アメリカやロシアの情報セキュリティー会社によりますと、今回のサイバー攻撃に使われた、「ランサムウエア」と呼ばれる「身代金要求型」の有害なソフトウエアを構成するソースコードと、北朝鮮のハッカー集団「ラザルス」が、かつて使用したと見られている有害なソフトウエアのソースコードに類似点があるということです。

(ttp://www3.nhk.or.jp/news/html/20170516/k10010983511000.html 大規模サイバー攻撃 北朝鮮ハッカー集団使用のソフトと類似 | NHKニュース 2017/5/16)

2ちゃんねるで何の根拠もなく北朝鮮だというレスを見て「ないない」と思っていたのがNHKのニュースになるとはw 言われてみると、北朝鮮は国際秩序に挑戦するという意味で反社会的(反国際的)だ。何も反論しないとスケープゴートにされるだけの北朝鮮がこれに反論してくるかどうかに注目。

 

5/19 北朝鮮「北朝鮮と結びつけるのはばかげている」

  • これは北朝鮮のキム・インリョン国連次席大使が19日昼前、国連本部で記者会見を開いて述べたものです。
  • 一連のサイバー攻撃への関与について、「北朝鮮と結びつけるのはばかげている。奇妙なことが起きると、いつもアメリカと北朝鮮の敵対勢力が意図的に騒ぎたてる」と述べて関与を否定しました。

(ttp://www3.nhk.or.jp/news/html/20170520/k10010988521000.html 北朝鮮 米の空母展開を批判 サイバー攻撃への関与否定 | NHKニュース 2017年5月20日)

 

FBIがAppleにiPhoneのロックの解除を要求

  • FBIは容疑者のiPhoneのロックの解除をAppleに要請。しかしAppleはユーザーのプライバシー保護を理由に一貫して抵抗。
  • FBIは、ファルク容疑者のiPhoneのパスコードをクラッキングするため、アップルが協力するようカリフォルニア地方裁判所から命令を取り付けた。
  • iPhoneのロック解除をしたのはイスラエルの企業Cellebrite。
  • アンケートでは「ロック解除容認派」が多かった。

(ttp://www.gizmodo.jp/2017/05/fbi-paid-100million-yen-to-unlock-the-iphone.html 2015年のアメリカ銃乱射事件、容疑者のiPhoneのロック解除のためにFBIがかけた金額は約1億円|ギズモード・ジャパン 2017.05.12
ttp://gigazine.net/news/20161125-cellebrite/
ttp://business.nikkeibp.co.jp/atcl/report/15/061700004/022600085/)

Appleはプライバシー保護のために国家と戦ったが、グーグル、フェイスブック、マイクロソフトに裁判所から命令が下った場合、抵抗しないのではないかという疑惑。

 

Windows XP限定、メモリが上書きされるまで限定で、復号ツール

  • Wannakeyはフランス在中のセキュリティ研究者を名乗るAdrien Guinet氏が製作したもので、無償で入手可能。
  • (Windows XPでは)メモリ領域を解放する前に、Windows APIのCryptDestroyKeyとCryptReleaseContextがRSA秘密鍵の素数を消去しない。メモリ領域に残されたRSA秘密鍵の素数を入手できているようだ。

(ttp://pc.watch.impress.co.jp/docs/news/1060497.html ランサムウェアWannaCryの暗号化を解除する「Wannakey」がGitHubに公開 〜対応OSはXPのみで動作条件は限定的 - PC Watch)

1時間もパソコンを使ったらメモリが上書きされるだろうw 復号の成功率が低いとみる。

 

WannaCryの動作中という限定で、復号ツール

(ttp://forest.watch.impress.co.jp/docs/news/1061129.html 「WannaCry」に対応したトレンドマイクロ製の無償ツール「ランサムウェア ファイル復号ツール」 - 窓の杜 2017年5月23日)

WannaCryがファイルを暗号化してるときでないと動作しないという不思議ツール。この復号ツールが複合キーを取得した後でWannaCryのプロセスを停止していいのか? 窓の杜の記事が中途半端だ。

 

中国語に堪能な人物が関わった可能性が高い

民間のITセキュリティ会社、「デロイト トーマツ リスクサービス」は、これらの脅迫文を分析したところ、唯一、中国語のものだけが文法の誤りや不自然な言い回しがなかったことから、ウイルスの開発に中国語が堪能な人物が関わった可能性が高いとしています。

(ttp://news.tbs.co.jp/newseye/tbs_newseye3072262.html 身代金要求型ウイルス、中国語堪能な人物 関与か TBS NEWS 2017/06/06)

posted at 2017年05月15日 20:11 | 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

エルモまじでポナンザ圧倒しててワロタ

第27回(2017年)世界コンピュータ将棋選手権でそれまで最強だったポナンザを新星エルモが破った。

 

Pona山さん号泣

(ttp://echo.2ch.net/test/read.cgi/bgame/1493880624/10 画像ソース)

 

2chの反応

20 :名無し名人 :2017/05/04(木) 16:12:40.44 ID:Tstk8UWy
エルモまじでポナンザ圧倒しててワロタ
これを無料で使える様にしちゃうと激指とか一万円ぐらいする有料ソフトもうダメだろ

9 :名無し名人 :2017/05/04(木) 16:00:00.53 ID:IsslRlzr
山本ポナンザ
今回めちゃくちゃ金かけて別次元の無敵の強さになったらしいのに
それを捻り潰したエルモを無料公開は危険すぎる

5 :名無し名人 :2017/05/04(木) 15:53:47.02 ID:MeB9veOh
これ無料公開したらあかんやろ

(ttp://echo.2ch.net/test/read.cgi/bgame/1493880624/ 【ポナに圧勝】史上最強ソフトelmo 無料公開される)

 

171 :名無し名人 :2017/05/10(水) 23:22:18.22 ID:PoQRyNY8
技巧2サックサク動くな
検討なら魔女elmoよりストレス無いから俺は技巧2でいいや

(ttp://echo.2ch.net/test/read.cgi/bgame/1494302120/ 【ポナに圧勝】史上最強ソフトelmo 無料公開される3)

 

窓の杜をみてエルモをShogiGUIで動かしてみた。一手目を指すのに1分以上かかる。遅いと思いながら打っていたら、13手目にして10分の時間切れで勝利できてしまった。筆者の古いパソコンではまともに動かなかった。なお、AVX2用とSSE4.2用の実行ファイルが付属していたので、まともに動かすにはそれらに対応したインテルの最新CPUが必要と思われる。AMDのCPUを使用している筆者のパソコン、涙目である。

ポナンザは2015年、2016年の世界コンピュータ将棋選手権で一位を取り、最強ソフトとされてきた。ポナンザは2016年4月1日の第1局で佐藤天彦名人を破り、第2局が5月20日に行われる。その最強ソフトが2017年の世界コンピュータ将棋選手権であっさりとエルモに敗れた。佐藤天彦名人、涙目である。

(追記)5月20日、佐藤天彦、0勝2敗で大会終了。プロ棋士とソフトが戦う電王戦も今大会が最後で終了。

これまでの将棋ソフトは「最強」の肩書のもとで売られてきた。しかし、最強のソフトが無料公開された。ポナンザは非公開だったので最強のソフトが無料公開されるのは初めてのことだ。激指とか一万円ぐらいする有料ソフト、涙目である。

ソフトウェアのビジネスが難しいと改めて感じさせた。グーグルのAlphaGoはグーグルに技術力があることを宣伝しているだけだ。将棋の有料ソフトは情弱の金持ちを相手に細やかなサービスを提供して満足してもらうしかこの先生きのこれない。

posted at 2017年05月11日 16:31 | 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

ostagramが現代アートすぎる

ostagramは下の画像2つを合成したら上の画像になるWebサービス。

(追加)5番目の画像、ジョジョ絵が自動作画されている!

 

Googleの作ったDeepDreamが悪夢のような画像しか作れなかったので、ロシアのプロジェクトがGoogleを超えていると思った。

(追記)しかし、下に書いた元になった論文の執筆者で検索すると、ドイツのテュービンゲン大学のBETHGE LABがヒットし、論文執筆者の3名がここに在籍していた。一年前のGIGAZINEの記事ではドイツ・フライブルク大学が画家の作風に映像変換するアルゴリズムを開発していた。こういう系の画像変換の最先端はドイツと思われる。

ここここによればGitHubで公開されたソースから自分のパソコンにインストールできるらしい。

(追記)ostagramを開くと一ヶ月(MONTH)でいいねの付いた数で並び替えされているが、上部のDAYをクリックすると一日で並び替えされる。これを毎日見るのが楽しそうだ。MONTH表示の画像は日を改めても表示順が変わらないが、DAY表示の画像は毎日変わって飽きさせない。

(追記)それで思ったのは、著作権はどうなるのかという問題。元絵(一枚目)にテクスチャ(二枚目)を合わせて合成画像が作られる。元絵の輪郭に著作権があるのか、テクスチャの画風に著作権があるのか? 専門家でないのでさっぱり分からない。画像処理ソフトで画像をレイヤーに切り分けて輪郭を変えることもできる。

(追記)元絵に簡単な画像処理を加えただけのものに著作権があるとは思えない。他方、二枚の組み合わせによっては芸術的な画像が得られることもあり、こういう稀な努力の結晶に対しては成果が認められるべきだ。元絵の著作者が被る被害よりも、新しい絵の著作権を認めたほうが社会全体の利益になる場合がある。日本版フェアユースの導入が望まれる。

 

2chの反応

41 :番組の途中ですが:2017/05/04(木) 02:47:53.63 ID:5pOS5j3Np
ウォーホル涙目

97 :番組の途中ですが:2017/05/04(木) 03:03:11.23 ID:0sZkm1X10
音楽でこれやられる日が来るかと思うと怖いな

147 :番組の途中ですが:2017/05/04(木) 03:18:07.25 ID:rh+aK/7/0
素人が適当にアプリで作った作品がコンクールとかで入賞し出すとヤバイだろうね
芸術版のソーカル事件や

207 :番組の途中ですが:2017/05/04(木) 03:46:45.78 ID:djagZfK3M
これ下手すると歴史が変わるぞ…
街の看板が全部これになる

229 :番組の途中ですが:2017/05/04(木) 03:55:59.83 ID:dwO8r57b0
これイメージの訓練になんよw
美大生はみとけ
脳みそが興奮する

417 :番組の途中ですが:2017/05/04(木) 06:47:26.41 ID:3F6Pct8G0
アプリは知らんけど多分これだよね。2015年の論文 https://arxiv.org/abs/1508.06576
日本語解説 https://research.preferred.jp/2015/09/chainer-gogh/
ざっくり言うと、物体認識に必要な情報(形とか)は元画像のまま、途中で切り捨てられる情報(色とか)を別の画像のものに挿げ替えてる感じらしい

436 :番組の途中ですが:2017/05/04(木) 07:10:32.85 ID:xT+WAUC/0
これデザイナーの仕事なくなるわw

441 :番組の途中ですが:2017/05/04(木) 07:16:22.91 ID:i6mqYtVs0
1回目は5分で出来るんだけど 次から早くやりたきゃ金払えって方式
捨てアドで1回目に賭けるのは出来そう

473 :番組の途中ですが:2017/05/04(木) 07:55:17.19 ID:ZOHdW3P40
個人的に、こういう画像解析系より音声解析技術が発達してコナン並の『変声機』作られないかなーって期待してる
多分こういうのって人工知能の得意分野だと思うし、みんなが早見沙織の声出せるようになったら素敵やん

612 :番組の途中ですが:2017/05/04(木) 13:45:29.03 ID:xQLYtv0ca
革命的なフィルターだな
アドビとかに100億ぐらいで売れそう

692 :番組の途中ですが:2017/05/04(木) 20:51:21.57 ID:u26qPALXa
それ以前にクソ遅くて使い物にならん

751 :番組の途中ですが:2017/05/05(金) 03:16:06.34 ID:tPh4dxbu0
やってみたのに全然処理してくんない
スマホでやってるからとかは関係ないよな

779 :番組の途中ですが:2017/05/05(金) 13:14:51.51 ID:vgN8FXTE00505
実写とドット絵を合成するとドット絵風になるのが凄い
ゲームで使えそう

(ttp://hitomi.2ch.net/test/read.cgi/poverty/1493832961/ 【画像】現代の技術が凄すぎて完全にアーティスト(笑)になってしまいオシャレ風絵描き死亡・・・・・ )

posted at 2017年05月04日 16:20 | 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

ブラックIT企業「プロシード」、うつ病で退社した元社員に損害賠償を請求

弁護士ドットコムのニュース

  • 男性は2014年4月にIT企業「プロシード」(神奈川県)に入社。劣悪な職場環境のもとで、精神疾患(躁うつ病)を発症し、同年12月に退職した。
  • 会社から約1200万円の損害賠償を求める訴訟を起こされた。
  • IT企業で働いていた20代男性。
  • 横浜地裁は、会社側の請求をすべて棄却。男性に対して110万円を支払うよう命じた。
  • 嶋崎弁護士「ブラック企業を返り討ちにした点に意義がある」
  • 近年、退職後の労働者に対して、法的な根拠を欠くのに、不当な損害賠償請求を提起するケースが増えている
  • 退職後の労働者への損害賠償請求は、労働者を萎縮させ、「辞めたいのに辞められない」被害を生む要因となる

(ttps://www.bengo4.com/c_5/n_5913/ 精神疾患で退職した従業員を訴えた会社が敗訴…逆に慰謝料支払う羽目に - 弁護士ドットコム 2017年03月30日)

 

2chの反応

82 :名無しさん@1周年 :2017/03/31(金) 16:02:27.38 ID:STiZMwxq0
IT企業「プロシード」 の主な取引先

アイテック阪急阪神株式会社
アクセンチュア株式会社
株式会社アシスト
株式会社アルファシステムズ
伊藤忠テクノソリューションズ株式会社
株式会社インフォメーション・ディベロプメント
株式会社NSD
NTTソフトウェア株式会社
NTTソフトサービス株式会社
金融システムソリューションズ株式会社
株式会社クリナム
株式会社クレスコ
株式会社KSK
ソフトブレーン株式会社
ダイキン情報システム株式会社
ティアックオンキヨーソリューションズ株式会社
TDCソフトウェアエンジニアリング株式会社
TDCネクスト株式会社
株式会社DTS
東京コンピュータサービス株式会社
株式会社東邦システムサイエンス
ドコモ・データコム株式会社
ハマゴムエイコム株式会社
PCIソリューションズ株式会社
株式会社日立情報通信エンジニアリング
明治安田システム・テクノロジー株式会社

622 :名無しさん@1周年 :2017/03/31(金) 18:33:59.18 ID:FEL6Pf7d0
>>82
ブラックしかねえw

 

81 :名無しさん@1周年 :2017/03/31(金) 16:01:48.87 ID:103ILCsp0
病めた社員を訴えるってブラックどころじゃない怪しすぎる。

174 :名無しさん@1周年 :2017/03/31(金) 16:16:44.32 ID:0Dm29ZYZ0
1200万円の損害は単なる言いがかり?
入社1年未満の社員がひとり退職してそんな損害が出るとは思えないしな

196 :名無しさん@1周年 :2017/03/31(金) 16:21:15.49 ID:YoyU+IMn0
もしかするとヤクザのフロント企業かもね。あの業界山程企業舎弟いるし。

(ttp://daily.2ch.net/test/read.cgi/newsplus/1490942622/ 【裁判】IT企業、うつ病で退社した元社員に損害賠償を請求→横浜地裁、会社側に対して元社員に110万円の支払いを命じる)

posted at 2017年03月31日 19:09 | 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

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