  |
はてなキーワード:fluxとは
んんｗｗｗｗ増田氏、何やらX社のGrokやら画像生成AIの背景について詳しく語っておられるようですが、ちょっと待っていただきたいですぞｗｗｗｗ 拙者の見解を述べさせていただきますぞｗｗｗｗ
確かにGrokはテキストに特化した検索支援AIとして開発されているようで、その点については同意しますぞ。しかしながら、画像生成AIの領域については、BlackForest Labs社のFLUX.1を利用しているとはいえ、X社が完全に無関心であるとは言えませぬなｗｗ
また、増田氏が述べられているLAIONデータセットの件ですが、「著作権的にクリーンな」画像生成を目指す中で、技術的課題が存在することは確かです。しかしながら、LAIONがドイツの法律に基づき公開データで運用されていることや、ドイツ国内での勝訴もあり、運営は法にのっとっているという点も否定できないですぞｗｗｗｗ
GlazeやNightshadeに関しては、反AI運動の手段として注目されていますが、それがどれだけ実効的かについては議論があるようですなｗｗｗｗしかし、その毒入れ（poisoning）の考え方が如何に強力であるかという点は、拙者も評価せざるを得ませんぞｗｗｗ
増田氏、拙者の見解をお役立ていただき、いかなる分野においても多面的な視点での理解を目指して頂ければ幸甚ですぞｗｗｗ あまり肝に銘じずともお気を悪くなさらず、拙者の考えを一つの参考としてご覧くださいですぞｗｗｗ
そもそもの話、X社は画像生成AIなど作っていない。彼らがつくっているのは検索支援AI Grok。学習に使いたいのはテキストの方であって画像ではない。
わかりやすさのために ChatGPTと比較してみる。2023年にリリースされたGPT-4 に試しに今期のアニメについて質問してみよう。
今期最も人気のアニメはなんですか？
ChatGPT:
2024年の今期で人気のアニメはいくつかありますが、「進撃の巨人」や「呪術廻戦」が特に注目を集めています。また、新作では「東京リベンジャーズ」や「スパイファミリー」も話題です。どの作品に興味がありますか？
アニメに詳しい人ならちょっと古い話をしているのがわかるだろう。GPT-4 が学習を行なったのは2023年までの情報だ。なので最新の話題に対応できないのである。
一方、Grok は Xの投稿をリアルタイムに検索して反映する。もし Grok で同じ質問をすればダンダダンやリゼロ、ブリーチ辺りの話をするはずだ。つまり、Xが収集したいのは「ダンダダンの７話泣かされたわ・・・」みたいな投稿のことであってイラストではない。
Grokには画像生成機能がついているが、これは自前の物ではなく BlackForest Labs社 のFLUX.1 というモデルである。X社が Xに投稿されたイラストを収集して学習させているわけではないのだ。それではFLUX.1 の訓練に使ったのはどこの画像なのだろうか？データセットは明らかにされていないが十中八九使っていそうなのがLAION-5Bである
現在大手の企業は「著作権的にクリーンな」画像生成AIをつくっているが実際には版権物が出てくることが知られている。なぜそんなことが起こるのだろうか？
このからくりは LAION のデータセットにある。LAIONはドイツにある非営利組織。ネット上のありとあらゆる画像を収集しタグをつけたデータセットを公開している。
A. LAIONは非営利の研究組織です。ドイツの著作権法（§60d UrhG）に従いあらゆる著作物の利用が許されています。
とあるようにドイツの法律上合法である。実際に訴えられた後LAION側が勝訴している。とはいえこの組織にはAI関連企業からの多額の寄付金があることが知られており、パチンコ３店方式のような意味合いでの合法とも言える。
尚、反AIさんと反々AIさんが著作権法第30条の4を巡って喧嘩をしていますが、世界では日本の法律は関係ないです。いちおう念の為。
他の絵師さんに Glaze を使うように詰め寄ったり、使わないやつはAIに加担していると攻撃したり。挙げ句の果てには「自分の絵にGrazeをかけました」と宣言したり。
もう、全てが間違っている
そもそも、Glaze も Nightshade もAI学習を阻害するものではない。学習したモデルをぶっ壊す毒なのである（poisoned って書いてあるでしょう？！）
相手に食わせなければ意味がないんだ。Glazeかけたとか自分で言うな。対策されるでしょう？（後述）
それと他の人に強要する意味はない。使いたい人が使えば十分なんだ。
事実すでに効果は上がっていてOpenAIは悲鳴をあげ対策を急いでいる。
反AIさんの考えるよりも Glaze/Nightshade はずっと強力だ。それはデータセットを汚染する攻撃である。簡単に言えば Nightshadeは「学習中に他の絵に変換されてしまう」ノイズをかける。この操作を毒入り（poisoned)と呼ぶ。ピクセル毎の微小な変更なので Nightshade をかけた後もイラストはぱっと見はかわらない。
Nightshadeを使って例えば 犬の画像を猫の画像になるノイズをかけたとする。するとAIは犬と猫が混ざったまま学習を進め「犬」と言う概念が無茶苦茶になってしまう。
図：毒入りモデルの変化 (arXiv:2310.13828から引用)
上の図は毒入りの画像を２００枚食わせたときの変化の様子だ。犬が猫になってしまっている。それだけではなく”犬”に近い概念、”子犬”、”ハスキー”、”狼”もぐちゃぐちゃになっている。
図：毒入り枚数による変化 （同引用）
こちらは50、100、300、と毒入り枚数を変化させたときの様子。50枚の時点ですでにめちゃくちゃになっている。
もし私が反AIだったなら、イラストに Nightshadeをかけてdanbooru に投稿するだろう。二次元イラスト特化の画像生成AIはdanbooru2021/danbooru2022 などのデータセットを使っているものと見られる。これらはイラスト投稿サイトdanbooruから収集したものである。
ところで Glaze も Nightshade もその内部で画像生成AIを使っているということを知ったら反AIさんはどんな顔をするだろう？
Glaze は特徴量抽出を行う。おそらく Stable Diffusion の VAE（Variational Autoencoder）を使っている。そしてNightshade の方も 内部ではStable Diffusion 等の画像生成モデルを用いて別の画像を生成する。
Glaze が機能しない？あるいは解毒方法が見つかったかもしれない
上のスレッドのコメント欄では Glaze が論文のようには機能しないことについて議論され「画像のリサイズをしたのではないか」と予想している。Glazeをかけた後に画像を縮小、データが圧縮されてノイズ効果が消えたのではないかということだ。
A)絵師さんが Glaze をかけたあと画像を縮小した可能性
B)画像サイズやファイルタイプによってはプラットフォーム側が勝手に加工をする
C)学習の際にリサイズを行う (Stable DifusionXL では1024px, 古いモデルは512px)
A,B については絵師さん側に知識があれば対処可能だけれども C の方はなんともし難い。小さい画像を投稿したところで [縮小→拡大] でノイズは落とせそうだ（解像度は悪くなるだろうが）
LAIONは収集画像そのものを所有せず、データセットはウェブ上にある画像のurlとタグをまとめた物であるらしい。
ということは、LAIONの新しいデータセットが公開されたタイミングで画像のurlを変更すれば学習に使われることを回避できそうだ。特に、個人サイト／ブログの所有者ならば古いurl に●んこ画像でも差し替えておけば嫌がらせになる。（タグ差し替えはこのグラフのSimple Attak に相当）
90年代においては画像に直リンクされたときの報復としてうん●画像に差し替えたものです。まさか令和になっても有効とはね
この記事をぼちぼち書いているいるうちに2日が経過した。今、私のXのタイムラインもおすすめもとても静かだ。攻撃的な人たちやデマに流されやすい人達は皆どこかに行ってしまったようだ。残ったのはこれまで静かにイラストを描き続けてきた人たちでとても穏やかな空気が流れている。ずっとこのままがいい。
やっぱり画像のピクセルの場所を指定してアノテーションしないと解決しないんじゃないか？
WD 1.4Taggerでも、指まで区別してタグ付けしてくれないので、出来るなら指それぞれ分けてタグ付けしてくれるのがあるとありがたいが・・・
話題の最新画像生成AIflux.1てのが、無料で試せるっていうので、またやってみた。
プロンプトは a zebrariding abig turtle swimming acrossthe ocean with some birds でな
ついでに、DPZで見かけた「カツ丼のよろこびをミュシャ風に」てのも試したよw
a paintingby Alphonse Mucha, smiling middle-aged long hairedlady, holding aKatsu-don bowl in the left hand and a pair of chopsticks,flower ornamentsonher head
In the year 3000, humanity had finally discovered the secrets of the multiverse. Using theirmost advanced technology, they hadfound a way to travelbetween different paralleluniverses, eachwith their own unique physicallaws and structures.
As the first explorerssetouton theirjourneys, they encountered a myriad of strange and wondrous worlds. Someuniverses were filled withinfinite copies of themselves, while others were constantly shifting and changing, their physicallaws in astate of constantflux.
As they traveled deeper into the multiverse,the explorers encountereduniverses that seemed to follow completely differentsets of physicallaws. In some,time flowed backwards, and cause and effect were reversed. In others, matterwasmade up of entirely different particles, and energy behaved in completely unexpected ways.
Asthe explorers continued tojourney further, they began to encounteruniverses that seemed to be simulations, createdby beings in higher dimensions. They encountereduniverses where thelaws of physics were entirely mathematical, and others where the veryfabric ofrealitywasmade up ofpure information.
Atlast,the explorers came to auniverse that seemed to encompassall of the many-worlds interpretations. In thisuniverse, every possibleoutcome of every possible eventwas playedout ininfinite parallel realities.The explorers marveledat the incredible complexity anddiversity of thisuniverse,as they watchedendlessversions of themselves carryingoutendless variations of their own adventures.
As they prepared to leave thisuniverse and returnhome,the explorers realized that they hadonly scratched thesurface of the multiverse. They knew that there werestill countlessmoreuniverses to explore, eachwith their own unique physicallaws and structures.
And so, theysetoutoncemore, tojourney deeper into the multiverse, and to discover the secrets of theinfinite many-worlds that lay waiting to be explored.
Asthe explorers continued theirjourney, they encountered auniverse wheretimedid not exist,and another where thelaws of physics were governedbyemotion rather than math. In yetanotheruniverse, they discovered that consciousnessitselfwas the fundamentalbuilding block ofreality.
As they explored further,the explorers encountereduniverses where thelaws of physics were not constants but varied across space andtime. Theyfound auniverse where entropy decreasedover time,and another wheregravitywas repulsive rather thanattractive.
At theedge of the multiverse,the explorers discovered auniverse that seemed to containall of the otheruniverses withinit. Thisuniversewasinfinite in size and containedinfinite variations ofitself, eachone a slightly differentversion of theuniverse they knew.
As they traveled through thisuniverse,the explorers encounteredversions of themselves that hadmade different choices and lived different lives. Some of theseversions were almost identical to their own, while others were wildly different, with entirely different personalities and goals.
Atlast,the explorers returned to their ownuniverse, their minds reeling from the incredible sights and experiences they had witnessed. They knew that the multiversewas anendlesssea ofpossibility, and that there werestill countlessmoreuniverses to explore.
As they shared their discoverieswith therest of humanity, they realized that thetruenature of the multiversewasstill a mystery. They knew that there were many theories and hypotheses, but noone could say for sure whichonewas right.
And so,the explorers continued theirjourney, drivenby a hunger to uncover the secrets of the multiverse and to understand thetruenature ofrealityitself.
sHU2uEFZltSiv44bZEskqqwLmJpwM58GVdcmntcEZlWl9f6C_xmyortYKIGA97okYRnsRxxxJv4wfGA3AqWspArs7I5fjadr2Z7VUu8CzfCvh3DjnzLo7aLe894M85CjNn_2jnSJVL3DKqyGcmKS9d62NzhiZpyxyUz_f1jB5QMDndMKOOq6uKEquFjFnpgsDnFyxBvGylDZZKIKz_uJadKb5PRse1S6Bbsfey7TqHjy2HCKAvxHksTzgB8AvEkMBCdZrTAHCXfC8CcMfXHtQSLffQvjOthbjfOO0xIwNgAYZ5peAgwcldWXV1d6b1MxM350Il4Fqf3Cz0wNFf3i2BUe6Gq8Lhmqn2cVTr80CIuzFohW2YPCUBg2Ed5E7KBTHkIsZN74INQYoMmyNRQ7kxoa6bmPR9vsA6EZbfgOF9JTIdhI46FAQMta_Rtnn4xiYqbBs8osmqhCDUjlwo_YylzSnbH4plzU1JjkosWtTtpYQcdTyNBV572VKLB6wzxSp5o877avuAlkym7H3nV9Wfxu6Wi4k37td2x2L4PsOwe_PcjfxPBbZfZV36D125rJGfnnRgzMHf8LCWlsPtuuPXyd5V6xZeS6zD_naTNhsvCxduG16z27HdUV01VWvaW3VJZaHb9ziXsteVdGkKo9EHlmnX3m_QnWfJyByeLQVbHP9afNNxgIKpb0fYYedjDiLr_ZafVm8TPSRYBthjAXGLyuZ8l5bRwc9lD7mYx0Y6B5qEMgvpZku5FWeo61Jr8AC5acJ5y8RtkNzPB_o20HR6wK8PduyUjv3H3q2JxsYBFil6vY5o2R5xFZOrf6WCUD17jtUjRm4k2DV_euUXGikdvLiVDSQcWiFzae7o9Liote5M3vT6Z66aI1Rju9Cd5B_WWO5ejwRTLO4qAjx3O_P8vtNSdS3YfOdKwmmeKdDJyfBxRJ7yyCU2tvlDbS7vfCOd_AWb4sFQNzfjU1Nn7iHdo5vrzYTeh7XLbDkw1GuI8DJUOU31i06NpX9pxpVv7t
どんなに優れたツールや設計思想などがあっても、使う奴がダメだと全く無意味。弊社もWebアプリを作ってて、RESTだのFluxアーキテクチャだのいろいろ導入を試みたが、ほとんど無駄に終わった。
どんなクソ組織でも効果があると確信持って言えるのは上の3つだけ。1つ目は初歩的すぎると思われるかも知れないが、筆者の想定するダメな組織・ダメなプログラマというのは、このレベルの連中を含む。
静的型付け言語（サーバーサイドならJavaやC#、フロントエンドならTypeScript）を使わせれば、少なくともコンパイル時に分かるエラーは修正させられる。
というか、ダメなプログラマに動的型付けの言語は触らせてはいけない。必ずそのプロジェクトは半年後には保守できなくなる。
テストは強制的に書かせるし、テストのないクラスや、通らないテストあったらコミットできないようにする（それは容易にできる）。
もう一つの方法は、そもそも優秀なエンジニアしか参加できないようにすること。たとえば、Scala、Haskell、Erlang、Common Lispなどで書かれていれば必然的にそれが分かるエンジニアしか開発できないし、こういう言語を自主的に学習しているエンジニアは優秀である可能性が高い。
Reactクソって言い続けて来たけど、新規顧客からReactじゃないとやらんとか言われて失注したので今更ながらやってみた。
1週間使ったけど、良いねこれ。VueJSでReactiveなフロントエンド開発はやったので意外とすんなり理解できた。
これを機に自分のFrontendのスキルセットを、ES6、Webpack、Flux、React-Route、Reactに刷新した。
今までは、Gulp、VueJS、Browserify、BackboneJS、jQuery。。2014年位のスタンダードだよなぁ。
勉強が不得意な職業プログラマですが、WindowsアプリをSPAに作り替えることになりそう。
プロジェクトメンバーに積極的に技術を習得するような人はいないので、簡単なフレームワークを探しています。
↑に近いようなフレームワークありませんか？
| A | - | cross sectionalarea | 断面積 |
| C | - | celerity or phasevelocity ofwaves | 波の速さか位相速度 |
| C_d | - | drag coefficient | 抗力係数 |
| C_s | - | concentration on the seagrass surface | 海中植物の 表面への集中 |
| C_w | - | concentration in the water column | 水柱における集中 |
| D | - | molecular diffusivity | 分子拡散率 |
| D | - | depth | 水深 |
| DBL | - | diffusive boundary layer | 拡散境界層 |
| δ | - | diffusive boundary layer thickness | 〃 の厚さ |
| δ_D | - | diffusive boundary layer (==DBL) | |
| δ_l | - | inertial sublayer or logarithmic (log) layer | 内部境界層かログ層 |
| δ_v | - | viscous sublayer | 粘性底層 |
| F_d | - | friction or viscous drag | 摩擦か粘性抵抗 |
| F_p | - | form or pressure drag | 圧力抗力か形状抵抗 |
| g | - | acceleration due togravity | 重力加速度 |
| H | - | water depth | 水深 |
| H | - | wave height | 波高 |
| h | - | canopy height | 林冠の高さ |
| J | - | flux | フラックス |
| κ | - | von Karman constant | カルマン定数 |
| l | - | length scale | 長さスケール |
| λ | - | wavelength | 波長 |
| m | - | mass | 質量 |
| μ | - | molecular or dynamic viscosity | 動粘性係数か分子粘性 |
| p | - | hydrostatic or dynamic pressure | 静水圧か動圧 |
| Q | - | volumeflowrate | 体積流量率 |
| ρ | - | density | 密度 |
| REI | - | relativewave exposureindex | 相対波露出度 |
| Re | - | Reynoldsnumber | レイノルズ数 |
| Re_crit | - | critical Reynoldsnumber | 臨界レイノルズ数 |
| St | - | Stantonnumber | スタントン数 |
| T | - | wave period | 波の周期 |
| τ | - | shear stress | 剪断応力 |
| τ_o | - | boundary shear stress | 境界剪断応力 |
| τ_w | - | wall shear stress | 壁剪断応力 |
| μ | - | currentvelocity | 流速 |
| μ* | - | frictionvelocity | 摩擦速度 |
| U_k | - | criticalvelocity | 臨界速度 |
| U_o | - | free streamvelocity | 自由流速度 |
| ν | - | kinematic viscosity | 動粘性率 |
| x | - | horizontaldistance | 水平距離 |
| χ | - | principalflow direction | 主要流向 |
| y | - | cross-stream direction | 交差流の方向 |
| z | - | vertical direction or depth | 縦方向か水深 |
| z_o | - | roughness height | 荒さの高さ |
