シルバー世代のギャルゲーが放送局を変える－ただしフジテレビを除く

今、日本で最もヤバいコンテンツは昼ドラ『やすらぎの郷』だ お昼の「シルバータイムドラマ」に込められた、倉本聰のテレビ界・芸能界への挑発 - 宇野 維正
http://blogos.com/article/218514/
によると、マジなのか、ギャグなのか、ホラーなのかのシルバー世代のギャルゲー『やすらぎの郷』がすごいらしい。

で

まさかの高視聴率 昼ドラ「やすらぎの郷」に他局は大慌て
https://www.nikkan-gendai.com/articles/view/geino/203660/1

ただし、フジテレビは除くらしい・・・

この番組を決めた早河会長は、こんなひと？

テレ朝早河会長激白「ネットの中にテレビがある」
http://business.nikkeibp.co.jp/atcl/report/16/090800067/090900001/

踏切事故や交通事故でIoTができること

踏切事故や交通事故は、人が運転しても、自動運転でも避けられない・・・

・・・が、発想を変えることによって、相当経ると思う。

発想は２つ

・事前に車（電車）に通知する
・ぶつかったら、壊れる

---

■事前に車（電車）に通知する


かなり広範囲に取れるカメラを用意しておく。赤信号時、カメラ画像を常時確認し、

　赤信号　カメラ＆無線機　　
　　｜　　｜
　　｜　　｜　　←　車
　　｜　　｜
　　｜　　｜　　→　車
　　｜人　｜

赤信号なのに、人が渡ろうとした
（つまり赤信号時に、車道を横切る形で、なにかある程度の大きさの物体が侵入）

ことを画像認識（AIでもなんでもいいけど）したら、
920MHzWi-SUNなど無線で、各近隣車両（１Kmくらいの）に知らせて
近隣車両は自分の位置と、その人の位置から、予測して
必要なら自動的に減速する

っていう装置。

車車間通信とかは考えられているけど、
踏み切りとか、信号機とかの状態を、
見えないところから状況を予測する為に
無線で通信するという発想は
まだ無いような気がする・・・

---

■ぶつかったら、壊れる

・ぶつかっても余り衝撃を受けない素材
・衝撃をへらすために、壊れる
　（ことで、衝撃のエネルギーが破壊のエネルギーにかわって、衝撃が減る）

っていう車も必要だと思う。

ぶつかったら、車がばりっとはがれて・・・

・・・っていったら、ドリフのコントだね（＾＾；）

繰り返し授業はペッパーが講師代行

静岡大学では昨年5月にペッパーを2台導入したものの具体的な活用が見いだせず、一時は返却も検討したという。しかし、その後、ペッパーが英語、中国語にも対応するようになり、その発音が流暢で優れていたことから実証実験を経て、反転授業の講師役に抜擢することにしたという。

繰り返し授業はペッパーが講師代行、静岡大学の反転授業支援
https://headlines.yahoo.co.jp/hl?a=20170417-00000004-wordleaf-soci
(太字は上記サイトより引用）

機械学習の動向と概要を聞いてきた！

４月１７日

AIアカデミックネット（株）主催ATNDイベント
機械学習の動向と概要
https://atnd.org/events/87127


を聞いてきた！ので内容メモメモ

---

・用意したのが４回分の授業
　スライド６０枚をまずスキャンする
　そのうち、ここを聞かせろというところを

●スライドをざっとみる

・謝辞：DATUMさんありがとう
・自己紹介
　えるまんねっとのえるまん→RNN
・ポイント
　CNN,RNN,強化学習
　機械学習、定義
　催促で理解する
　前提となる知識　だいじなのはGURU
　実装：Typewatch
　デモ：すぎゃーんさんのアイドル
　自分でやってみたい人　MOOCを利用
　　→友達は選んだほうがいい
　第四時産業革命
　なにがむずかしい
　ニューラルネット
　第二氷河期
　第三次ニューロブーム
　word2vec みころふ
　DeepDream
　GAN

　CNN
　勾配消失
　福島先生のリスペクト
　　２０１５　ResNET

　RNN
　　BPTT
　　LSTM
　ダイナミックネットワーク
　翻訳
　SSL　動画

　文献：レビュー　GoodfellowのDeepLearning
　Natureに乗った　Review
　Goodfellow　→　GANの提唱者

---

●質問あるところの解説

　AI→機械学習→表層学習　ディープラーニング

　むかしとのちかい
　　操作するか：ルールベース
　　エンドツーエンドか

　まいけるじょーだん：
　　マシンラーニングは統計学の１つ

・じゃあ、でーたどれだけ
　イメージネット
　LeNet5(るねっと）：ヒントンさんのところの学生
　　コンボりゅーション　プーリング（発表当時はサブサンプリング）
　　桁が３つ違うと見えてくる世界が違う
　　　→データがふえただけ：そこが本質

　データ拡張（でーたおぶめんてーしょん）
　　SVM
　　Alexnet　データ拡張で５、６％よくなっている
　　　→ゼロ３つくらいつくっちゃう！

　あるふぁご
　　認識でCNN
　　ポイントはセルフプレイ：自分で学習して強くなる

　GAN
　　Generative Adversarial Network
　　生成　　　　敵対　　　ネットワーク

　　生成　　 　認識 で敵対

　　Word2Vecも使ってる！
　　必要なのは、ネガティブサンプリング
　　　SG（すきっぷぐらむ）NS(ネガティブサンプリング）
　　　CBOW
　　→データはなかったら自分で作れ！

　GEBのオマージュ
　２０１３　ICLRスタート　aeXiv.orgにあらかじめ論文を投稿

　データをつくるのは、やみくもにやってはだめだけど・・
　ミニバッチの大きさ、学習率、総数、テータわけ
　　→データ依存なのわかりません　

　自分でプログラムを動かしてみたい人へ
　　Windowsだと苦労する（でもできるという程度）
　　→トップカンファレンス；
　　　　９割以上がMac
　　　　docker使う
　　　　開発はUbuntu
　　　　処理系；Python2.7,3.6 Anaconda

　セルフプレイ：あるふぁごにとっては自然な手になる
　２０１６ねん１２がつ　にっぷす（トップカンファレンス）
　　　GAN
　　　VI（へんぶんすいろん：バリエイショナル・ベイズ）
　CNN：どう解釈すればいいかわからない
　　VAEをわかりやすく説明する
　やってることは変分ベイズ
　２０１６年１２月のチャレンジ結果　３．５％
　　　上位６チームは中国：
　　→この分野：マイクロソフトリサーチアジア
　　　投票で決めている
　　→同じモデルをごりごりやるのではなく、
　　　投票で決める
　変分：物理との違い（位置と速度でなく、２つの最適化にする。物理的意味ない）

　GPUが簡単に使えればはやるかも・・
　イメージネットの成功：フリーにしたこと

　リソースの削減
　　人間は少数の事例から学習する
　　　→ワンショット、ゼロショットラーニング
　　フレーム問題を解いている

　何で変分推論を使うと、中身がわかるのか
　　なかみがわかるというより、パラメータをふると、どうなるかがわかる。
　　そこまでしか、じつはわからない・・・

　企業で中身がブラックボックス
　　それがこわいのは、おっしゃるとおり。
　　訓練ありきなので、メンテナンスコストまで考えないと、失敗する
　　→上から降ってきた案件は、失敗しますよね
　　　社長さんも来いというと、しりごみする

　企業で話を進める上でネックになるのは
　　→まるなげ。AIだからできるんでしょ！
　　　中身を知らないとSF語られてしまう