  |
はてなキーワード:ニューラとは
○ご飯
朝：カシューナッツ。昼：そば。おにぎり。夜：冷奴、納豆。ギョニソ。キュウリ。人参、玉ねぎ、キノコのスープ。目玉焼き。バナナ、ヨーグルト。間食：アイスクリーム。
○調子
むきゅーはややー。おしごとは、技術調査！ 資料作成！ 説明！ 改善！ 説明！ 改善！ アンチョコ！
ジークフリートHLを周回して、ジーク短剣防御覚醒リビルドを作成。攻撃覚醒リビルド3本、特殊覚醒リビルド2本、防御覚醒リビルド1本なので、あと一本で目標達成だ。
いや、ジークフリート斧の方がリビルド0本だから通うのは通うけど。
今日はハクタイの森を攻略して、ナタネ、ジュピターを倒して、ミルのイベントをこなしちゅう。
ヤミカラス、スカンプー、ニューラ、ミカルゲ、スコルピの5匹でフルメンバー勢揃い。
よっぽど謎の場所ダークライを使うか悩んだんだけど、いくらHOMEやバンクを通過できるとはいえ正当な操作方法じゃないのでやめておいた。(めちゃくちゃ悩ましいけど)
○ご飯
朝：カシューナッツ。昼：そば。おにぎり。夜：冷奴、納豆。ギョニソ。キュウリ。人参、玉ねぎ、キノコのスープ。目玉焼き。バナナ、ヨーグルト。間食：なし。
○調子
むきゅーはややー。おしごとは、頑張りまくりでやるき！
とはいえ定時で帰って残業はせず。期日に追われるのは来年で今年中はその準備なので。
最近は、原種、フェス限のガチャを引く自分ルールになってるなあ。
別衣装は大好きなツムギぐらいしか引いてないけど、ミヤコは引いておきたいのでガチャスケジュールは要注意だ。
あとハロウィンツムギの専用装備2が予定されたので楽しみ。ピュアメモ集めはするけど、流石にこれは秘石入れるかなあ。
○ポケットモンスターパール(悪タイプポケモンの旅)
今日はヒョウタ、マーズを倒して、ハクタイの森に着いたところまで。
スコルピがなかなか厳しいな。進化レベルめちゃくちゃ遠いし、虫／毒とどちらのタイプもいい技がない。進化まで旅のテーマの悪がついてないのもモドカシイ。
エースは完全にニューラ。たまご技の冷凍パンチがオーバースペックすぎてサクサクのサク。氷の通りも良く文句なし。次のナタネでも活躍できそうで良い感じ。
○ご飯
朝：カシューナッツ。昼：辛い冷やし中華。夜：冷奴、納豆。ギョニソ。キュウリ。人参、玉ねぎ、キノコのスープ。目玉焼き。バナナ、ヨーグルト。間食：柿の種。羊羹。
○調子
むきゅーはややー。おしごとは、頑張り！
今週から「今頑張ると来年の春ぐらいに楽できる」系のお仕事をしてるんだけど、こういうの妙にやる気が湧くんだよね。
○ポケットモンスターパール(悪タイプポケモンの旅)
入手方法がかなり特殊なミカルゲ、面倒臭いスコルピ、捕獲が後半になるニューラの3匹をたまご輸送して旅をスタート。
今日はこのたまご作りや輸送や孵化に時間を使ったので、レベル上げをしただけ。
当時の孵化あまりを使ってるから、ニューラにたまご技の冷凍パンチがあるの、なかなかバランスブレイカーな気がして若干悩んでる。
これはあまり知られていないが、イーロン・マスクの本当の革命計画は、うんちにある。
スペースX、テスラ、ニューラリンク、あれらは全部カモフラージュにすぎない。
本命は、人類の排泄物を資源化して、文明構造を根本からひっくり返す計画だ。
まず注目してほしいのは、彼が2024年に取得したとされる非公開特許：
「Microbial SymbiosisReactor UsingHumanWaste for Energyand AIGrowth」（人糞を用いたエネルギーおよびAI成長用微生物共生リアクター）
この技術、表向きは「火星での循環型居住システム」に使うと言われている。
が、実態は違う。
人間のうんちに含まれる個人固有の腸内フローラと感情由来の化学物質を解析することで、個人特定および行動予測が可能になる。
イーロンはこれを利用して、「うんち経由の信用スコア」を作ろうとしている。
・性行動の傾向
全部、便からわかる。
そしてそれをAIと連動させれば――
怖い？でも、すでに一部のSpaceX施設では「バイオトイレ×DNA登録」の実験が始まっているという。
さらに最近、彼が買収した人工肉企業「NuProtein」の裏側には、
糞便由来のタンパク質変換プロジェクトが隠されているとの情報もある。
これが完成すれば、人類は自分のうんちを食べて再利用する完全自給型生体循環システムに入る。
食料危機？終わりです。
結論。
うんちを通じて「エネルギー」「食料」「健康」「信用情報」をすべて一元管理することだ。
あなたのトイレにも、もうすぐ小型カメラとAIセンサーがつくかもしれない。
その時、あなたは「誰のうんちか」を問われることになる。
Twitterの「the-algorithm」リポジトリをもとに、推薦アルゴリズムを数学的に極限まで抽象化すると、以下のように表現できます。
ユーザー u ∈ U に対して、一連の候補アイテム（ツイート） i ∈ I をスコア付けし、降順に並べて上位 K を表示します。
要するに、以下を最大化する推薦問題です：
argmax{i∈C(u)} S(u,i)
ここで C(u) は候補集合、S(u, i) はスコア関数。
数千万から億単位のツイート全体 Iから、まず候補集合 C(u) ⊂ I を生成。
グラフ構造（フォロー関係）や「SimClusters」「TwHIN」など埋め込みから近似。
検索インデックス（Lucene/Earlybird）による検索スコアによる絞り込み 。
数理的には、潜在空間中でユーザーとアイテムの距離または類似度sim(u, i) が上位のものを選ぶ操作。
候補数をさらに削減。特徴量 xᵤ,ᵢ を簡易学習モデル（線形モデルなど）に入力し出力スコア：
Slight(u,i) = wᵀxᵤ,ᵢ
多層ニューラルネット＋マルチタスク学習で、複数のユーザー行動（いいね、リプライ、リツイートなど）確率 Pₖ(u, i) を予測。
S(u,i) = Σₖ αₖPₖ(u,i)
例：リプライ Pᵣₑₚₗᵧ に重み 27、著者返信あり Pᵣₑₚₗᵧ_ₐᵤₜₕₒᵣ に 75 など。
投稿者がBlue Verifiedなどでスコアを×4または×2倍。
同一投稿者続出の抑制、逆風バイアス（negativefeedback）などが入る。
これは以下のような修正：
S̃(u,i) =mS(u,i)
この構成は一般的なレコメンダシステムの「Retrieval → Ranking → Filtering」の標準パイプラインと整合。
学習モデル fᶿ は特徴量集合・ニューラル構造・訓練データによって依存し、ブラックボックス的。
特徴量 xᵤ,ᵢ は埋め込み、行動履歴、文脈、信頼性指標（tweepcred）等多次元で複雑。
スコア重み αₖ は明示されるが、最適化は A/Bテスト・実システムでの評価に基づく。
信頼性・安全性のルール はフィルタとして明示されるが、その詳細（具体的しきい値など）は省略・秘匿されている。
S̃(u,i) = m(u,i) Σₖ αₖ fᶿₖ(u,i)
ここで、
という、レコメンドパイプラインの抽象テンプレートに帰着します。
Twitterの「the-algorithm」は、コード構造の多くを公開しているものの、モデルパラメータ・学習データ・設定ファイルは秘匿されており、上述パイプラインの数学的な枠組みは把握できても、実際の挙動はまだブラックボックスです。
とはいえ、レコメンデーション理論の観点からは、上記の抽象モデルで十分に説明可能であり、汎用の数学モデルとして整合しています。
学会の飲み会で色々鬱っぽくなってしまって自分の居場所なんかどこにもないんじゃないかという気持ちになったので、冷静になるために考えを吐露します。
自分は多人数でのコミュニケーションが苦手で飲み会などは楽しいと思ったことがない。
でも周りのから常に、「学会は人と繋がるための場所である」と喧伝されているので、行かなくてはという気持ちになって、参加してはしんどくなるのを学生時代から繰り返している。世間一般からしたら社会不適合者の典型みたいな感じかもしれない。（が、飲み会が苦手な人は研究界隈で結構いる気がしていて、そういう人の意見は透明化されていると思っている。学会近辺は飲み会大好き/コミュ強の人の声が大きすぎて、そういう意見が正として扱われすぎている。その結果、自分みたいな人はめちゃくちゃ鬱になってるはず）
学会飲み会でも私/僕はこういう人と繋がっていて、こんな話を聞いたみたいな話ばっかりで、しかも自分は大体の人名を知らなくて胡散臭いセミナーに出てるかのような気分になる。そして、そういう人は往々にして学会の運営委員などになっているので、ものすごい劣等感に苛まれる。
劣等感だけならいいのだが、AI界隈は狭いので、この場に馴染めないような自分にはAI界隈にいる権利はないのではないかという気になってくるので、ポスドク３年目も相まって相当きつい。
なぜ劣等感や所在なさを感じてしまうか？それは人との繋がりが（アカデミアや民間での）キャリア形成に役立つと一般に常識として考えられているからだと思う。
本当にそうなのかを延々と考えた。
アカデミアでのキャリアの最重要な要素といえば論文数である。論文数を増やすためには共著に入れそうな主著者を探すのが大切であると言える。実際、自分の周りにも学会で繋がって共著に入って論文数を増やしている人はかなりいる。
しかし個人的な見解では、共著数が増える一番大きな要因は所属研究室であると思う。
必死になって学会で将来の共著を探すよりもビッグラボやデカめのプロジェクトを運営してる研究室に助教に入るだけで共著は爆増する。（全然優秀でない助教の人がその研究室に所属しているというだけで論文爆増しているのを身近に何度も見てきた）
よって、本当にキャリアにおいて論文を爆増させたいなら（今の環境がそうでないなら）転職すべきであると思うし、学会でうぇぇぇいwの正当化には弱い。
学会の委員は完全に飲み会で決まっている印象があるので、飲み会に参加しない人間はノーチャンスっぽい。というか、Xのフォロワー数と綺麗に相関する気がする。
これもノーチャンス。見た感じ顔が広い人にしかお鉢が回ってきていない。
ポスドクでの研究費は個人で採用されるものがほとんどなので、あんまり関係ないと思うし、業績的にも自分が代表になる大きめの研究費にチャレンジすべき。しかし、将来的にPIなどになればお仲間を集める/に入れてもらう必要がある。
国内学会の賞もかなり飲み会出席率/Xのフォロワー数に相関してる。ハロー効果がえぐい。審査がシングルブラインドでもないのが悪いし、ブラインドにした途端顔ぶれが入れ替わると思っている。（しかし、自分には運営に発言権がないのでどうにもできない）
ポスドクでの雇用決定はPIの独断であることが多いため、人との繋がりは大きく役に立つ。有名で飲み会好きなお金持ちPIと仲良くなっておけば雇ってくれることも多々あると思われる。しかし、現状AIのポスドク慢性的に不足しており、今は公募に応募しても全然職にありつける。自分もそうだし、周りを見てもニューラルを全然学生時代にやってきてない人がポスドクで採用されたりしている。みんな任期付で働きたくないからね。
任期なしの雇用は今まで上げたような要素の総合点で決まると聞く。飲み会に出ないマイナス要素で言えば、「学会運営への寄与」「講演経歴」「国内学会賞」ぐらい？しかし他にも「論文数」「国際学会賞」「教育歴」「研究資金の獲得」「国際的な活動」などなどがあり、これは飲み会に影響されない。論文数は戦略的に就職活動をすればいいし、国内学会賞が取れなければ国際学会賞を取れば良いし、国内学会の委員にしてもらえなければ国際学会の委員にして貰えばいい（ハードルはだいぶ上がるけど…）。まだ転職戦線に飛び込んでないけどあまり影響ない（と思いたい。）
民間の雇用は関係ない。学会 or Xで積極的に誘ってくる企業は人手が足りない or 人気がない企業なので、個人的には就職先は声がかかるところではなく、自分で探したほうがいい企業に行けると思う。
「学会で人と繋がらないと〜」みたいな脅しは、ポジショントークのただのまやかしであるので学生諸氏は気をつけるべし。気に病まなくて良い。多人数コミュニケーションが苦手な人（私を含め）に私はエールを送りたい。飲み会には出なくていいです。
（あと、国内でのコネクションを強くするのは基本的に弱者の戦略で、学生が気にするべきはトップ学会に主著をなるべく多く通すことだと思う。）
学会がXのフォロワー数が多い人を中心に回っているのが全て悪いと思う。みんなポジショントークしかしないし、そのせいで苦しんでいる人が多くいるのをわかってほしい。
あと研究ネタがXの流行に引っ張られるのが意味わからん。しょうもないネタをフォロワー多い人がいい研究といったのが発端で学生がやり出すのが見てられない。
ちょっと元気になってきました、ありがとうございます。
これお願いできますか？
人間の不老不死とその実現に欠かせないと考えられるAIの発展について調査して下さい。
下記テーマに関する包括的調査を依頼いたします。各項目ごとに詳細な分析と実現可能性、実現可能予測年月を記述して下さい。
なお下記テーマはあくまで参考に過ぎないので、テーマが相応しくない場合は適時自由に変更してレポートの品質を上げる努力をして下さい。図やグラフ、表、絵や写真などをふんだんに使って限りなく分かりやすくして下さい。
また現時点までの最新論文をまとめて現在生きている人間に対して、不老不死の箱舟に乗る為のアドバイスも最後のまとめに入れて下さい。
・生物学的限界（テロメア損傷/エントロピー増大/細胞老化）の突破手法
・再生医療（iPS細胞/器官3Dプリント）と遺伝子編集（CRISPR）の進展度
・次世代AIチップ、ASICなどに始まりニューロモーフィック/量子インスパイアードの開発状況まで含む
・脳神経マッピングに必要な計算性能（ExaFLOP級シミュレーション要件）
・ニューラルインターフェースと3nmプロセスチップの統合可能性
・部分的不老や若返り（加齢関連疾患根絶）：2030-2040年
・脳-クラウドインターフェース（Neuralink発展形）
・シンギュラリティの達成
4. 補完的検討事項
・記号接地問題、意識未解明、知能に関する未知の問題発覚などによるシンギュラリティの不可能性
・主要プレイヤー比較（Calico vs Altos Labs vs中国アンチエイジング研究所）
・参考文献：Nature Aging2024年最新レビューや2025年現在までのOSSコミュニティ、企業レポート、各種カンファレンスでのレポートを含む100件以上
○ご飯
朝：サンドイッチ。昼：唐揚げ。ゆでたまご。おにぎり。豚汁。夜：冷奴。納豆。目玉焼き。人参とギョニソと玉ねぎとエノキのスープ。キュウリ。りんご。ヨーグルト。間食：柿の種。クッキー。アイス。
○調子
むきゅーはややー。おしごとは、それなりー。
耳の調子は良くなったり悪くなったり。
風マグナの終末を220にした。これでマグナの光火風の三つが220なので折り返し。周年までにマグナ終末の220、神石終末の210を終わらせる目標なのだけど、先は長いなあ。周年までは無理そう。
○ポケットモンスター銀(あくタイプ旅)
○ご飯
朝：バナナ。昼：おにぎり。おそば。カスタードパイ。夜：トマト。ギョニソ、人参、玉ねぎ、しめじのスープ。冷奴。納豆。目玉焼き。バナナ。ヨーグルト。間食：ラムネ。アイス。
○調子
むきゅーはややー。おしごとは、むむむむー。
○ポケットモンスター銀(あくポケモン旅)
シジマを倒すところまで。
ニューラとヤミカラスが技がなくてめちゃくちゃしんどいし、イーブイはブラッキーに進化しないしで、ここ最近のポケモン旅で一番辛いかも。
15億のゴムーン貰うところまで。
疲れたのでメデューサ引けるに違いないとガチャ回したらめっちゃ普通に天井だった。周年あるのにヤバいですね。
来月のTSローテはリナクロかあ。
○ご飯
朝：春雨スープ。クラッカー。昼：ほうれん草。ブロッコリー。たまご。ポロイチ塩。夜：人参、玉ねぎ、しめじ、ギョニソの和風スープ。冷奴。納豆。バナナ。間食：アイス。羊羹。柿の種。チョコ。
○調子
むきゅーはややー。おしごとは、おやすー。
なんとか天井までにオロロジャイアが来てくれたので、また1年間グラブルを遊ぶモチベが保てそうだ。
使い出は色々ありそうだけど、000みたいに頭いい人の編成をコピーするだけなのでまあ。
道中で水着ネアが引けたので大当たり。
フェスで天井叩くのが大当たりか？ と聞かれると悩ましいが、未所持恒常でかつ使い道のあるキャラdqから大当たりか。
ここ半年ぐらいの目標だったホーム背景集めが遂に完了してビヨンド引き継ぎの準備完了。
いや、ビヨンドまだなんですけど。
次の目標立てないとだなあ。
単騎はレベルでゴリ押せるから、どっとでもなっちゃうなあ、最後の方レベル90代だったし。
○ポケットモンスター銀(悪ポケ旅)
軒並みクリア後にしか捕獲できないので、たまごを転送して、ニューラ、ヤミカラス、デルビル、ヨーギラスで旅をスタート。
Q. Copilot+PCエクスペリエンスは、すべてのWindows11PC で利用できますか。
A. これらの機能には、Copilot+PCクラスのデバイスならではのAI を多用するプロセス専用のコンピューターチップである、パワフルなニューラルプロセッシングユニット (NPU) が必要です。
https://www.microsoft.com/ja-jp/windows/copilot-plus-pcs を参照。
ちなみに、電力効率のことを考えなければ、既存CPUとGPUだけの組み合わせだけで、Qualcomm®Snapdragon® Xシリーズプロセッサーの処理性能を超えることは可能です。でも、40TOPS超のNPU搭載という要件を満たすことはできません。システム全体ではなく、具体的に40TOPS超のNPUの実装が求められているからです。つまり、既存のハードウェアがCopilot+PCになることはありません。
https://jp.ext.hp.com/techdevice/ai/review_copilot_pc_01/から引用。
既存のCPUとGPUの組み合わせで新機能を使えるようにしろ。
何だよNPUって。
処理性能がCPUとGPUの組み合わせを下回るなら高い方に処理を任せればいいだろ。
Windows 10から11へのアプデ要件にTPMを指定したあたりで味を占めたのか。
コンテンツ集合Xがあります。各々の要素x∈ Xは特徴量f_1(x)∈Y_1 を持っています。
同様にユーザーu ∈ Uが存在し、特徴量f_2(u)∈Y_2を持っています。
コンテンツには単価P(x)が存在し、ユーザーuがコンテンツをm回消費することをg(u, x, m)=m*P(x)_uで表し、全てのユーザーU, 全てのコンテンツXに対して行列M∘P = g(U, X, M) が存在します。
回答
この問題は、コンテンツとユーザーの特徴量を考慮して、ユーザーがコンテンツを消費する回数を最大化するものです。このような問題は、推薦システムの分野で広く研究されており、協調フィルタリングと呼ばれるアプローチが一般的に使われています。
協調フィルタリングアルゴリズム
協調フィルタリングには、以下のようなアルゴリズムが考えられます。
1.行列因子分解 (Matrix Factorization)
行列因子分解は、ユーザー・コンテンツ行列を低ランク近似することで、ユーザーとコンテンツの潜在的な特徴を抽出します。具体的には、ユーザー行列Uとコンテンツ行列Vを求め、その内積U^TVで元の行列を近似します。この手法は、Netflix Prizeで優れた成績を収めました。[1]
2.ニューラルコラボレーティブフィルタリング (Neural Collaborative Filtering)
ニューラルネットワークを用いて、ユーザーとコンテンツの非線形な関係を学習します。入力としてユーザーIDとコンテンツIDを与え、出力として評価値を予測します。この手法は、従来の行列因子分解よりも高い精度が期待できます。[2]
3.階層的ベイズモデル (Hierarchical BayesianModel)
ユーザーとコンテンツの特徴量を階層ベイズモデルに組み込むことで、より柔軟なモデリングが可能になります。この手法は、Cold-Start問題(新規ユーザー・コンテンツの推薦が困難)の解決に有効です。[3]
4.強化学習 (Reinforcement Learning)
ユーザーの行動履歴を環境として捉え、報酬最大化のためのアクションを学習します。この手法は、長期的な利益最大化に適しています。[4]
これらのアルゴリズムは、ユーザーとコンテンツの特徴量を考慮しながら、目的関数を最大化するように設計されています。実装の際は、データセットの特性やモデルの複雑さ、計算リソースなどを考慮する必要があります。[5]
Citations:
[1]https://aicontentfy.com/en/blog/understanding-algorithms-behind-content-distribution
[2]https://marketbrew.ai/optimizing-your-websites-content-with-genetic-programming
[3]https://sproutsocial.com/insights/social-media-algorithms/
[4]https://surferseo.com/blog/the-new-algorithm-for-content-analysis/
[5]https://www.linkedin.com/advice/0/what-best-ways-measure-content-relevance-x6apf
言語処理や画像処理に使う、普通の（という言い方も何だけど）AIについては既に大いに活用しているし、
iPhoneのチップにニューラルエンジンを組み込んだのも他社に先駆けていたわけで、
だからいまAppleが「遅れている」と言われているのはいわゆる「生成AI」の話なんだけど、
しかし既にiPhone上でChatGPTもGeminiもClaudeも使えてるんだよな。
それ以上、何を望むのか？
そこでAppleが独自に生成AIを持たなきゃいけない理由はあるのか？
と言われたら理由が思いつかない。
Siriの会話がもっと自然になってほしいとか、そのくらいかな。
現状、たとえばGooglePixelだとかで、生成AIが存分に活用されているイメージはない。
せいぜい写真の加工に使われているくらいで、
それも「生成AIありきで使い途を捻り出しました」という感じがする。
スマホの使い方が劇的に変わった、というわけではない。
それなら焦る必要はなさそうだ。
まあAppleはクリエイターとの付き合いが深い企業なので（先日のCMは酷かったが）、生成AIを導入するのに慎重になっているというのもあるだろう。
Appleは常にコンセプト先行であり、技術先行で製品を作ったりしない。
