hiroyuki_tの日記
#「別冊NHK100分de名著 集中講義 大乗仏教 こうしてブッダの教えは変容した」読了 感想 「釈迦の仏教」 「釈迦の仏教」は出家・修行活動が必要で、出家すると生産活動もできないため、 戦乱や生活が苦しいとそれをサポートできなくなり維持が難しい。 「釈迦の仏教」は自分の力で道を切り開くのがポイント 大乗仏教 大乗仏教は生活が苦しい中、それでも救いを得たいと思った人たちが初めたと思われる。 大乗仏教は外部の不思議な力で救われるのがポイント 宗教は 宗教は人によって合う合わないがあり、それぞれの人が本当に信じられるものであればなんでもかまわないのではと感じた。 また時代により求められるものが変わってくるものであるとも感じた。 生活が豊かになっている現在日本では 生活が豊かになっている現在日本では、 「釈迦の仏教」のなかに受けいられる部分もあると思われるので その部分を学んでみるのもよいのではないかと感じられた。
25 Jun 2017
僕たちのインターネット史 読了 本の内容について、個人的に気になった箇所をまとめたもの。 完全に引用した箇所については引用ページを記載した。 インターネットが広告ベースで成立してしまったため、 PV数を稼ぐのが至上命題となり、 どんなことをしてもPV数を稼ぐのが正義となり、 意味もわからずまとめたサイトなどが生まれた。 Googleが一番強かったのがゼロ年代半ばまでは、広告が強かったが、 TwitterやTumblrなどのセミクローズドなサービスが始まり オープンなウエブ向けの広告だけでは成り立たなくなり グッズか有料アプリか月額会員制にするしかなくなった。 90年台まではジョン・ペリー・バーロウの「サイバースペース独立宣言」みたいに、 現実から独立したフロンティアのようにインターネットを夢想できた。 それに対して、あくまで現実ありきで、その現実について語るインフラにすぎなくなっているのがいまのインターネットですね。 p231 未来のインターネットの可能性について考えるためには、(中略)人文的な知と工学的な知の 協働が必須だと思います。 p233 しかし、人文的な知は軽視されており、人文的な知と工学的な知の両方を持っている人はいない。 しかし未来のインターネットの可能性を考えるには、よくよく考えなくてはならない。
24 Jun 2017
小さなチーム、大きな仕事〔完全版〕: 37シグナルズ成功の法則読了 素晴らしく面白い本だった。 まずやらないと始まらない。 日々を頑張らなくていけないという気持ちになる。 本の内容で気になったところを以下に抜き出す。 大切なのは中に置かなかったものである。だから、つねに取り除き、シンプルにし、合理化するように努めよう。 キュレーターになろう。何が真に必要かにこだわるのだ。いちばん大切なものだけが残るまでそれを繰り返していくのだ。 もし必要ならば、後で追加できるのだから。 p82 ビジネスを立てあげるのなら、その核は変わらないものであるべきだ。人々が今日欲しいと思う、そして10年後も欲しいと思うもの。そうしたものにこそ力を投入すべきだ。 p87 ビジネスの世界では、本質的な問題から目をそむけ、ツールやソフトウエアの細かなテクニック、スケールの問題、高価なオフィス空間、豪華な備品といったどうでもいいことに心酔する人があまりにも多すぎる。ほんとうに重要なのはどのように顧客を増やし、利益を増やすかということなのに p87 教える価値があり、プロモーションにもなるネタとは何だろうか?この本が僕達の料理本だ。ではあなたのは? p179
24 Jun 2017
契約サービスまとめ(随時更新) 自分の契約しているサービスのまとめ サービスの移行等の検討用 SIM mineo Dプラン デュアルタイプ 6G 料金:2,280円/月 契約開始日:2017年6月から ポイント:ドコモからの変更 月5000円ぐらい安くなるはず。 12カ月以内にMNP転出する場合は、MNP転出手数料12,420円がかかるので、1年は使うつもり。 mineoは通信速度がそこそこで、かつ mineoが他の会社に吸収されるということがあまりなさそうなのでここにした。(格安SIMは今後会社統合等色々ありそう。) プランだけなら、最適プランが有るエキサイトモバイルの方が良かった。 プロバイダ OCN光(光コラボ) マンションタイプ 2年割 料金:3,600円/月 契約開始日:2015年6月から ポイント:他に良いプロバイダがあれば乗り換えたいが、見つからないので更新 ドメイン スタードメイン 料金:1,274円/年 上位レジストラ:netowl 契約開始日:2013年10月から ポイント:ここのドメイン契約者向けのサーバ機能で Webページ(tflare.com)を運用している。 2017年6月に上位レジストラ:eNom(1,922円/年)から上位レジストラ:netowl(1,274円/年)に変更 メールサービス さくらのメールボックス 料金:1,029円/年 契約開始日:2016年9月から ポイント:メーリングリスト、メール確認用 クレジットカード Amazon MasterCardゴールド 料金:4,320円/年(マイ・ペイすリボ、WEB明細書割引後の料金) 契約開始日:2016年7月から ポイント:プライム3,900円相当がついているので、プライムを使うのであればかなりお得 Amazonの買い物2.5%引き Amazon以外の買い物1%引き VIEW Suicaカード 料金:477円/年(利用代金明細書をWebにすると600円相当のポイントが貰える) 契約開始日:2016年10月から ポイント:主にモバイルSuica用 モバイルSuicaがかなり便利なため使える。 チャージ、定期などで1.5%ポイント還元 それ以外はポイント0.5%還元
24 Jun 2017
AI&機械学習しよう! ソース&論文輪読会(UNREAL)に出席してきました。part2 AI&機械学習しよう! ソース&論文輪読会(UNREAL)に出席してきました。 飯塚さんの「強化学習による 「Montezuma’s Revenge」への挑戦」の発表について個人的なまとめを記載します。 Montezuma’s Revengeとは DeepMindが強化学習の評価に利用するAtari2600ゲームの一つ 平均得点が人間に対し0%と強化学習における最難関ゲームの一つだった。(2016年6月まで) 得点が取れない原因 キャラが直ぐに死んでしまい、先に進めない 得点頻度が少なく、学習機会が少ない どのように対応したか A3C + Unifying Count-Based Exploration and Intrinsic Motivation + On-highscore-learningで対応 Unifying Count-Based Exploration and Intrinsic Motivation DeepMindの論文で概要は以下 ゲーム状態の頻度に基づいて、特典を与えることで報酬を与えるもの。 頻度が高い画面は得点を低くし、頻度が低い画面の得点を高くすることで、多くの画面に行くことのモチベーションを上げるもの On-highscore-learning 飯塚さんのオリジナルのアイデアで得点を得るまでの直前のステップで学習をさせるもの 他のコードも入っていたが、上記コードの効果が最大であった。 どのような結果が出たか 上記対応によりDeepMind論文未記載の部屋に到達 今後の課題・展望 現在は前処理でモノクロ化を行っているが、人間もカラーのほうが、現在場所がわかりやすいので、 カラー画像の学習も必要では 人間もマップを見ないとどの部屋にいて、どの戦略が必要かわかりにくい、AIもマップが必要では 個人的な感想 会場で話が出ていて気になったのが、機械学習では一つのハイパーパラメータですべて解決しようとすることが多いが、次のステップでは、それだけではだめで、例えばMontezuma’s Revengeの場合、部屋ごとに学習が必要ではないかという話が出ていた。 個人的に考えていたのが、Montezuma’s Revengeをクリアするにはどうすればよいのかということで、Montezuma’s Revengeにはパズル的な要素が存在するため、特定のルートを通らないとクリアできないようになっていたはず、そのため現在のスコアを追い求めるスタイルだけでは、クリアが難しいのではと感じた。 (人でもクリアにはマップを用意して実施する必要があり、同じことをやる必要があるなと考えていた。) Montezuma’s Revengeは以下により小さな子どもにはクリアが難しいゲームである。子どもの成長によりクリアできる可能性が上がってくるがその成長により得られる能力のどこが効果的に機能しているのか調べれば、ヒントが得られるかもしれないと考えている。 すぐに死ぬ等の操作が難しい パズル性が難しい。
4 Jun 2017
AI&機械学習しよう! ソース&論文輪読会(UNREAL)に出席してきました。part1 AI&機械学習しよう! ソース&論文輪読会(UNREAL)に出席してきました。 三好さんのUNREALの発表について個人的なまとめを記載します。 UNREAL 強化学習のA3CアルゴリズムをベースにExperience Replayを効果的に使った補助タスクを組み合わせて3D迷路でx10倍の高速化を実現 UNREALへの流れ DQN(2013年)→A3C(2016年)→UNREAL(2016年) A3C:複数の環境を非同期に並列で動かし高速化 UNREAL:A3CにExperience Replayを効果的に使った以下の補助タスクを導入し、さらに学習を高速化させる。 *最近はA3Cをベースとした論文が多数出ている Pixel Control Reward Prediction Value Function Replay Pixel Control 画面のピクセル値の変化を擬似報酬とする補助タスク 画面を20✕20のピクセルグリットに分け、グリット毎にQ学習を行う。 https://www.youtube.com/watch?v=xHK0qBeH3-I 上記のPCがピクセルグリットに分けたもの、 上記のPC Qがグリット毎にQ学習を実行した結果 このPixel Controlが3つの中で一番効果が高い。 個人的な感想 Pixel Controlが効果的な結果を上げているので 例えばAtari breakout(ブロック崩し)ではA3Cと比べて効果を上げるのが難しいのではないかと感じた。 Pixel Controlは情報の圧縮をしているようなもので、 breakoutは単純で、既に圧縮されているようなものなので、効果はそこまででもないのかと 逆に圧縮が効くような場合は速度に大きな効果を上げるものであると感じた。 以下は少し上記の話とは外れるが、 ゲームの上手い人は情報の圧縮の仕方がうまく、良いゲームはそれを発見させる用にできている。 例えばゲームによっては、面の背景が同じ色の場合は同じ方法論でいける箇所、面の背景が異なった色になっている場合は違う考え方をしなければいけないというサインが存在している場合がある。 面の背景色が違うというのはゲームからのヒント、ゲームの上手い人はこれをとらえ、同じ背景色の場合、前と同じ戦略が使えないか考え、違う背景色がでた場合、前と違う戦略を使わなければ行けないのか考える。しかしゲームの下手な人は違いを考えずに動き、失敗する。 これは試したことで得られた情報をいかに有効に活用し、 また活用しないかということを突き詰めれば、 現在人より劣った結果しかでていないゲームで高得点をあげられるのではと考えている。 またゲームの初期状態の教育に、転移学習を使えれば有効なのかとも考えている。
4 Jun 2017
日本初!保険金支払審査への導入で見えてきたIBM Watsonの実力 提供:日本IBM 上記を見たので、保険金支払への機械学習導入はどのような感じでできるか、少し考えてみた。 詳細な落とし込みは書いていません。 軽く考えた概要のみです。 生命保険 保険金支払をざっくりまとめると 生命保険の保険金支払はざっくりいうと以下の手順で行われる。 保険契約者の保険金請求 保険会社から保険契約者への必要書類の算出 必要書類の確認、送付依頼 保険契約者から保険会社への必要書類の送付 送られてきた書類を元に機械的な査定を実行(機械査定) 書類、機械的な査定、必要に応じた病院等への紹介などを元にした人的な査定(人的査定) 支払 機械学習を導入するとしたら人的査定のサポートに使う 機械学習を導入するとしたら3. 6の人的なサポートに用いるというのが考えられる。 保険会社がシステムで行うのが2.4.5.7 保険会社が人で行うのが3.6 現在システムで行っている箇所に機械学習を導入することで得られるメリットは少ないため(普通にロジックを組んだほうが、コストも低く、結果も固定である。機械査定へ機械学習を使用するのはどうなのか?については別途記載) 3(必要書類の確認、送付依頼)はそこまで難しくないため、それほどのメリットが得られないため、 やるとしたら6(人的な査定)になると考える。 人的査定のサポートで何ができる? 人的査定で機械学習を使うのであれば、 以前の似たような入力があった場合は支払をしていましたよ。とか 病院への確認をしていましたよ。等の表示をしてあげる。 ということしかできないだろう。 しかし、上記を行うことで人が行うとどうしても発生してしまう結果が安定しないということが改善できることが大きいと考える。 人的査定のサポートの効果は? これについては、4の機械的な査定をどの程度行っているかによって 得られるものが大幅に変わってくる。 リンク先の資料では、システム的に判定できるのが2割のシステムに導入したようだ。 「お客さまから頂く請求件数は年間約200万件あり、システム的に判定できるのは2割、残りの8割は人による判断が必要です」 このようにシステム的に判定できる割合が少なく、請求件数が多いところいには大きな価値があると考えられる。 逆にシステム投資を十分していて、システムで8割判断ができてしまえば、使えるのは残り2割となってしまい効果は薄い。 機械査定へ機械学習を使用するのはどうなのか? 人が条件を全て決めれるものであれば、機械学習を使わずプログラミングしたほうが良い結果が出る。 ただし、この条件が複雑になりだすと特に保守において問題が出始めると考えられる。 (特定の人しかいじれないものとなりその人がいなくなると保守が困難になる等) 複雑な条件となった場合は機械学習の強みが活かせるため、機械学習を行わない部分と行う部分を分け、併用することを考えるのもありと考える。
26 Feb 2017
悟らなくたって、いいじゃないか 普通の人のための仏教・瞑想入門 https://www.amazon.co.jp/dp/B01M2WVZF5/ マインドフルネスが流行りの状態になっています。 そのなかでマインドフルネスや瞑想とどのように向き合うのかも書かれている本です。 この本が基本的に言いたいことの一つは瞑想は強力なツールである。 強力なツールであるため扱い方には注意が必要。 瞑想にもいろいろな種類があり、 どこに向かうかは瞑想の種類によって異なる。 例えばニューヨークに行くつもりで瞑想をやっても、瞑想が北京に行くものであれば逆効果になることがある。 瞑想にどのようなものがあり、どのような人に師事するかをよく考えてやる必要がある。 本の内容が仏教・瞑想の基本を抑えていることが前提なので 難しいですが、上段の内容を把握した上で瞑想に取り組むほうがよいと思います。
14 Feb 2017
機械学習 適用事例と実装の選択肢と機械学習系エントリ 機械学習 適用事例と実装の選択肢書きました。 機械学習 適用事例と実装の選択肢 機械学習の基本的な用語、ロボアドバイザー、AmazonGOについて、 また実装の選択肢として、機械学習ライブラリ、Microsoft Azure Machine Learning等のクラウドの利用、ネットでサービスとして提供されているサービスの利用などをまとめました。 他Qiitaで機械学習関連のエントリーを書いています。 参考にいただけますと幸いです。 ILSVRCとは何か? ILSVRCとは何か? 機械学習(深層学習)で画像関連をやってみたい場合はじめに抑えておいた方がよいものは何か 機械学習(深層学習)で画像関連をやってみたい場合はじめに抑えておいた方がよいものは何か Pythonで体験する深層学習 2章(輪講用資料) Pythonで体験する深層学習 2章(輪講用資料)
26 Jan 2017
WordPressからHugoに移行 WordPress to Hugo Exporterを使用して移行しました。 https://github.com/SchumacherFM/wordpress-to-hugo-exporter GitHub Pagesへの移行試行(取りやめ) これに伴って、GitHub Pagesに移行しようとしましたが、取りやめました。 前提 ドメイン会社はスタードメインを使用 メールサーバはさくらのメールボックスを使用 GitHub Pagesに使用するのはサブドメイン(d.tflare.com) 取りやめた理由 GitHub Pagesではサブドメインの際はDNSの設定において、CNAMEの設定をする必要があるようです。(サブドメインでない場合にどうなるかは未確認) 上記ドメインでメールも使用しようとしていたためMXレコードの設定もしようとしていたが、CNAMEとMXレコードの混在は不可能 http://www.ocn.ne.jp/business/customer/set_up/dns_12.html http://www.star-domain.jp/man/man_dns_setting.php (ドメイン会社のDNSレコード編集機能でNSレコードが変更できれば可能性があるが、スタードメインではNSレコードは編集不可能) 環境の変更 Web さくらの共有サーバ(スタンダード)→スターサーバ WordPressを使用しなくなり、静的なサイトになったため さくらの共有サーバ(スタンダード)は不要だろうということでやめ、 スタードメインに付属しているサーバを使用 メール さくらの共有サーバ(スタンダード)→さくらのメールボックス メールはスタードメインのメール転送機能を使用しようと思ったが、 安定性が低いというページが有ったためさくらのメールボックスを使用することにした。 エックスドメインであればドメインを契約すれば通常のメール機能が使えるようなので移行も要検討 (スタードメインはメール転送機能のみ) 現在のスタードメインのDNS設定 tflare.com A スターサーバのIPアドレス d.tflare.com A スターサーバのIPアドレス tflare.com MX さくらのメールボックスのサーバホスト名 tflare.com TXT v=spf1 a:さくらのメールボックスのサーバホスト名 -all
20 Sep 2016
Design pdevty