
今月の「学び」と「実践」と「アウトプット」
今月は色々と思うことがありました
ユンケルゾンネロイヤルEX
6/2、5/23に新発売のお知らせがあった。薬局、何店舗か回ってきたが入荷はしていなかった。気長に待つか。個人的には最終兵器なので
追記
6/5、いつもお世話になっている日本調剤さんで通販をしていたので購入した
薬局でも見当たらなかったので助かる
追記
6/10、ユンケルゾンネロイヤルEXが届いたので服用した。1日2錠とあるが自分の場合は2錠だと効きすぎている気がする。身体が熱い感じ。ちょっと1錠にしてみるか
酷い夢を見た
6/2、学校の先生に自分の英語の回答について他の生徒の前で授業中に詰められる夢を見た。こちらも酷くブチ切れており教師不審に。勉強していなかった自分が悪かったのか、ただ、知らないことを責められているようで、その時の一生懸命の回答をしているだけに不満そうだった。たまたま、休んで知らなかっただけかもしれないしって言い訳していた。しかし、自分ともう一人以外は全員できているという状況だった。普通じゃないのは自分かと苦しんでいた。最終的に理解するために間違った内容をプリンターでコピーを取るところで、教師側がよく理解できない質問(恐らく自分が恣意的な行動をして教師をマイナスにする行動をとっていないか?)をしていたが、そこで目が覚めた
勉強は出来れば偉いのか?という疑問が残った夢だった。まあ、学生なんてのはそれくらいしか指標がないから仕方ないのかもしれないが。
結果、物理的に困るのであれば理解できるが、教え方(言い方)はあるよなと思う。今、思えば教師側は授業でしたところなのに何で覚えていないのか?という鬱憤が積もりに積もった上での行動だったのかもしれないが、いずれにしても生徒である自分は理解できていなかったのだ
昔から相手の言っていることを理解できない学生だったと思う。ほぼ、感覚に任せて生きてきた。相手の言っていることを理解できる人は社会に出ても強いと思うのだが。どうも、テキストを開いてもテキストの書いてあることを理解できなかった
今は、理解できない相手には教え方を変えてみるという行動を学んだわけだが、本当にこの点は自分の弱点だと思う
逆に言えば、自分でも分かる解説が出来れば、(分からない人の気持ちが分るから)大抵の人には理解できるのではないか?とも考えたが、逆に大衆が理解できない(分かりにくい)可能性もあるのではないかと考え始めた
Claude Code
記事を読んでいる限り、コンソールで処理をするツールって感じの印象なんだけど、100ドル/月、支払えば使えるのか。結構前から存在はしていたと思うが、話題に上がっていたので再度みてみた
今年の初頭くらいにリリースしたミニマムなPython専用のデバックなどの推論ツールがあるが、Pythonの対話モードのように処理していくのもいいかもしれん。後、時間があるときにPythonのドキュメントを読み込んで推論させるように変更したいな
いくつかリリース出来ていないプロジェクトがあるのでリリースしたい(進捗状況)
出来るだけ早めにリリースをしたいのだが課題が残っているのと、単純に他の作業と比べて優先度が低い
MarkdownからHTMLに変換するツール(GitHubへ上げる)
公開用に整理する
ずんだもんと会話するツール(noteで公開)
VOICEVOXを同時に起動する実装が出来ていない
Electronはビルドするとファイルが多いので他のライブラリで移植できないか
発音チェックツール
デモは出来ているが、webサイトのドメイン取得と更新が間に合っていない
どのようにリリースをするか検討中
Electronのビルド問題の対応する
タスク処理の追加(PDF→テキスト)
and more !(忘れていることも多々あると思う)
他、いくつか
Webサイトのドメイン取得もする
Fine-Tuning Modelの作成とHugging Faceにプライベートリポジトリの追加、普段のColabによる画像生成と連携(getしてこれるか)
Hugging FaceのZero GPUを使ったマルチユーザーの処理速度の向上が見られるか検証する
GitHubにあるプロジェクトのライセンスに過不足ないかチェック
既存のリリースしたプロジェクトでGemini APIのモデルが古いものがあるので更新して再度ビルドをする
midi drumキットの構築
抵抗の配置など配線回りで止まっているので解決を
Bluetooth midiの接続
叩く素材の選定
エレドラをmidi drumに変えるためのエフェクター
コンパクトなmidi drum kitの作成(折りたたみ、縦長)
エフェクター制作
音色だけ変えるエフェクター(テーマは歪ませない、シリコンとゲルマニウムのハイブリット)
1曲リリース
VST 音源の改良、制作
語学(発音周りの学習)
現在、取り組んでいるものをリリースしたら順次取り組むつもりだが、今の自分にとっては現行の作業もあまり時間を掛けたくはない
部屋の掃除に悩んだら
なぜ、モチベーションが上がらないのか考えてみたのだが、モノをしまう場所がないと感じたからではないか。というわけで捨てることをしている。テーマは床や机の上にはモノ(特に本)を置かないこと。縦にモノを掛けるのはOK
机の上は基本的に何もない状態にする(モニターやPCは別)のが目標だ。過去にはスチールラックにエフェクターを置くことで床にエフェクターを置くことは回避した
とにかく減らしていこう
VOX Ampっていいアンプだよな
6/2、最近、VOX Amp(MV50 AC)でギターを弾いたのだが、音が軽い、レスポンスが早い、味付けがないので、弾きやすいことに気付いた。逆に言えば「自分の力量」が反映されるアンプなのだろう
机の上にキャビネットを置いたら音量を減らせることに気付いた。ボリュームは少なくて済むからだ。しかし、一定以上の音の厚みのようなものを持たせるためにはボリュームを上げた音量が必要なのだと感じる
特にタッチの下手さが如実に出るので、ピッキングにしてもコントロールが格段に難しくなる(本来の実力が分かる)。他の弾いていない弦の音なども含めて知覚しやすくなる。ってわけでこのボリューム感で弾きたいわけだが、防音室でもない限り難しい音量となるので、ギターを弾く人にとっては防音というのは課題となるのだろう
サブシステムって何だよって話
エフェクターのサブって考え方がよく分からない。仕事で使うときにバックアップとして、スペアってことなら分かるが、身体はひとつだから基本、同時には使えないのでは?って思う。確かにメインが重すぎて持ち運びが出来ない、だけど、ちょっとしたスタジオ練習で使いたいというときに軽いボード(サブ)を持っていくのは分かるのだが、結局、メインとなるもので録音するのだろうから、それで練習しないと意味ないのでは?と思ってしまう。レコーディング用(高価で持ち運びを避けたい)かライブ用(最悪、消失する可能性を混む)と分けるのも理解できるが、ここら辺になってくると会社の資産って域になってくると思うのだが、プライベート、特に一人で家で活動する人にとっては、サブって考え方がいらないよなぁと思った。今はエレキが2本、エレガットが1本だが、これも1本に統一したい。
どうしても、ハムの音、ガットの音ってなると複数本、所持する必要はあるのだが、やはり、同時には弾けないジレンマがあるので何だか勿体ない。時間的な話でこのことを考えることも出来る(必ず1本ずつ触る)し、やっぱりタイミング(今は歪みの音をonにする、しないという考え方もするから全ては使っていない)ってことも考えられる
今、どうしてもモノを減らすことに集中しているので、物理的なスペースを占有することが頭を悩ませているのだろう
加えて自分のスキルもあって複数所有しても弾く人間が同じで使いこなせていない問題も抱えているからだろうと思う
追記
6/12、AC10HWR1が発売されることを確認した。ざっくりとしか見ていないが、AC4HWRに関する記事が2ヶ月前なので、2ヶ月刻みでリリースするとしたらAC30HWR2Xは10月頃か。6/13時点では1ドル143.11 円
6月14日、AC10HWR1が発売されます。AC4HWR1に続く最新のVOXハンドワイヤードアンプ、AC10HWR1はEL84出力管プッシュプルによる10W出力。コンパクトながらVOXアンプの真髄を味わっていただけます!https://t.co/BWhVrCR624 pic.twitter.com/wqekGuerR0
— VOX amps JP (@VOXampsJP) June 12, 2025
推移を見ると前回の記事のときと比べて、円高になっていたからか。販売価格を決定するタイミングっていつなのだろうか。為替の影響は受けていると思う。もちろん、仕入れのタイミングの価格もあるから原価はその時の価格になってしまうのだろうが、販売価格の決定はよく分からないのだよな

前回のVoxについて価格を予想した記事はこちら
VSTのアンプを久し振りに弾いた
6/4、Logic Proの他のプラグインと組み合わせて弾いてみたが思ったよりいい。当時、クリーントーンのみの他のプラグインと組み合わせることはしない前提で作ったアンプであるためどうしても相性はあるのだが中々いい
フラットにコードを書いてあるためか、EQのツマミの位置が他のギターアンプではあまり見られない設定にしてクリアに聴けるわけなんだが、世の中のプラグインに対する偏向したアレンジのようなものが見えた(こちらの設定が本当にフラットであればの前提だけど、そもそもギターアンプというのは実は音色を獲得するためにフラットではないのかもしれない)
音色はEQも色付けの一部なのだと理解した。そのため、今後、作りたいゲルマニウムとシリコンを組み合わせた音色のみを変えるエフェクター(テーマ)を作るときの参考にしたい
後、ピックアップの位置によって音量に変化が表れることも理解した。自分のストラトの場合なんだけど、リアとミドルの間の方が、リアよりも音量は大きいことが分かった。また、フロントよりも、フロントとミドルの間の方がフロントよりも音量が大きくなることが分かった。よくよく考えてみれば、ひとつのピックアップか2つのピックアップを使うで音量に差が出るのは感覚的に理解できるのだが、何だか知識がない分、フラットなリファレンスとして最適なVSTアンプを作ってしまったかもしれないと感じた
開発の話
6/4、ほぼ、ITの仕事としてはこれっきりでと進めているプロジェクトがあるのだが、そろそろ課金で試せそうかと言ったところ。何とか7月にはリリース出来ればいいのだがな
自分比では思ったよりは価値が生まれている。AIを活用する事例の1つとはなるだろう。もちろん、今あるGeminiのサービスのままでは出来ないので作る意義はあると思う
何とか開発費は回収できればいいのだが。さて、どうなることか。基本的に開発費すら回収できなくて自分で何かを作ることを辞めていく人は多々いると思うので目下の課題だね。活動した分は回収できるといい
モチベーションを維持することなんてそんなものだろう
追記
6/13、機能漏れが発覚した。修正しないと。動作確認中に気付くことがある
追記
6/13、機能漏れを修正した。後で確認する。書き味を合わせると管理やコード修正が楽である
ケーブル類
自治体に確認したら燃やせないゴミで良いようだ、リチウム電池は有害ゴミ扱い。ケーブル類の捨て方がピンときていなかったので助かった
ギターアンプにマイクを立てる
6/5、この手の知識がまったくないためネットを調べてもよく分からなかったが、この動画で理解が進んだと思う。こういうところは学校の動画の方が体系的にまとめられて分かりやすいと感じた。しかも、実際の音の変化を見せてくれるので感覚的に理解しやすい。ヘタにYouTuberがする解説よりよっぽどいい。彼らは実績があるのか分からないが話の内容が断片的過ぎるんだ
通勤として混雑した電車には乗りたくない
この1年間から2年間ずっと言い続けてきたが、世間ではフルリモートから出社に戻そうという動きがあったかと思う。手を加えるのであれば、時勢なんて移り変わるものだから移り変わってもいい前提で、混雑していない状況に身を置くしかない。ただでさえ、お腹も弱いので通勤すること自体がストレスにもなっている。いつでもお手洗いにいける状況はストレスを解消するために必要な行動なのだろう。そんなことでストレスを抱えて仕事のモチベーションに影響なんて与えたくないからだ
今のところは都心に向かわず、都心から離れる方向に通勤しようとすると、空いていることが分かるので、そっち方面の仕事も考えたい
本当に負の連鎖だから、何かに耐えて金を受け取るのはあまり建設的ではない(ストレスの元)。もっとビジネス的に何がどうなったから金を得られたという体験に切り替えていきたい。
無論、合う合わないはあるし、どうしてもバックオフィス組になると必要な仕事ではあるが、表面的に見える成果というのは法人においては指標化しにくいかと思う。公務員のように予算ありきの団体ではないし、営利がテーマになっている以上、営利に貢献したというのは証明が難しい。間違いなく成立するためには必要なんだが。
指標化する
今、自分が知っている指標や、本に書いてあった指標をデタラメでもいいので数値化している
表計算にいれておけば、数値を入れれば計測することが出来るからだ
もちろん、事実である数値もあるわけだから、出来るだけその指標をリアルに近付けていけばいいだろう。
SNSは1本に絞るといいのか問題
これ、販路を増やすかって話題と似ていると思うのだけど、例えば、ソフトウェアを買える場所を複数持たせるかって話だ
答えはNOだと思っていて、人気が出てもいないのに販路を増やすのは愚策だと思う。よく忘れているのだが、増やすことによる労力を自分は軽んじている。それで成果が出なかったらどうだろうか?無駄な徒労を余計にしたことになる
だから、初めての人がSNSで一念発起するのはいいが、人気が出てからでもいいよと思う。もしかしたらtwitter民には需要があるからnote以外にも複数運営したらいいという考え方もあるかもしれないが、そこまで分かっているならtwitterに絞ったらいい。1つのSNSで人気が出る要素がないのに他のSNSでうまくいくのか?って話だ。noteからtwitterに切り替えるなど、1点集中するのはいいけどね。でも、人気が出るまでに時間が掛かる人は、結局、どこかで時間を掛ける必要があるというのが自分の持論だ
ただ、自分は虚構であると感じているインフルエンサーを目指しているわけではなく、価値とは何かを追求しているだけなので、インフルエンサーを目指すのであればフォロワーは多いに越したことはないと思うが、個人的に気になると思った記事を書いている人が、そのときにフォロワーが多いとは限らないので、あまり気にしなくていいかと
有料記事が売れるようになるまで
思い出すと、有料記事が売れるようになったのってここ2年くらいの話で、noteを始めた最初の2年くらいはほぼ無料で書いてその次の2年くらいは有料記事を書いても鳴かず飛ばずで、ある日、突然にって感じだった。少しずつではあるが、自分の思考にも変化は表れている。成果が出ない人は時間が掛かるパターンなだけかもしれない。損切りは間違いなく必要だが、辞めたら、その行動で得たかった成果は間違いなく出ない。何事も諦めてはならんとは言っていない。しぶとく意地になっているだけだ。
労力を回収するのは必要だ。YouTubeのように1000人集めてからは広告収入がってパターンに入れば、多少は労力に対して全く0円ってわけではなくなるので、多少、モチベーションは上がると思うが。noteは、今のところ記事に対して対価を得る方式なので、1回1回が勝負って感じだ。
人は無料であれば見るかもしれないが、無料でさえ見ないことも多々あると思う。無料=価値がないという考え方をする場合があるからだ
尚更、有料記事には誰かにとって対価を支払ってでも見たいものが必要となる。それをどのようにしてクリエイトしていくかが鍵になる
ましてや、AIの時代だ。学習されている知識は大抵価値がなくなる。まだ、学習されてはいないだろう知識は価値があるかもしれない。だけど、それをいくらか支払って価値がその人にあるかだと思う
そもそも、私は、今、読んでくれているかもしれないあなたは何に価値を感じるのだろうか?人それぞれ、違う生き物なので自然と似ることはあっても、環境やステージ、能力、知識、実績などにより、同じものを見たとしても、ある人は既にクリアしているので、価値を感じないってこともあるかもしれない。
僕なんかは英語の能力がないため、英語で話すことに課題を感じており、そういったニーズはあるから攻めるのはありだ。だけど、逆にいえば何でその問題を解消するかというのは競合という話になるので、あなたが僕のニーズを叶えられるソリューションを展開する独擅場という状況にはなりにくいだろう。無論、僕も何かしらで対策をとろうとしている状況ではあるからだ
特に有名という言葉に僕は弱い。だから、もし、あなたが有名な人ではないのであれば、引っ掛かる可能性は低い。ということが僕も同じ状況として言える。だから、有名な人と比べられたら不利になる状況下で、そんな状況下でも有名問わず等しく提供できる価値を追求しているといった感じだ
やはり、信頼感に勝るものはない。有名というのはある意味、安心感を買っているようなものだ
その安心感を素人がどのようにしてユーザに獲得してもらうのかが戦いだろう。最初は誰しも有名ではないのだから、有名になるまでの要素は何かしらあると思っている。
これ、インフルエンサー関係なく法人とかもそうだと思う
もし、中々、成果が出ないときにはこの話を思い出すとちょっとは気が楽になるかもしれない。ただ、僕も結果論でしか語っていないので、何を読んだとしても、成果を出すのはあなた自身だ。そこには何の保証もない。今、まさに自分も保証を何かしらで作っていこうとしている。
大事なことを忘れていた。成果が出ないからといって自分の人格を否定してはいけない。単に行動の結果、成果が出なかっただけに過ぎない。混ぜると危険だ。否定しなくていい部分まで否定すると心の健康に関わるので辞めよう
ネジ規格について理解する
6/6、音楽をする人であればマイクスタンドで楽器やボーカルのマイク録音を、撮影する人であればスマホやビデオカメラを三脚に取り付けて動画を作成するだろう
僕はYoutuberではないので、この記事は再生数を上げるための撮影テクニックとかを語る話ではない
過去には三脚を使って撮影をしたり、マイクスタンドを使って録音をしてきたのだが、現在、自宅にはマイクスタンドしかない。従って、撮影には三脚を購入することも考えたのだが、モノを増やしたくないためネジを変換すればマイクスタンドを活用していけるのでは?と思って変換ネジを調べたら意味を理解するのに時間が掛かったので整理する話
サウンドハウスには解説記事があるので一度、必要になったら読んでみるといいと思うのだが、最初理解をすることが出来なかった

前提
インチはcmに変換すると家にネジがあれば定規等でざっくり測ることが出来るので便利
1/4インチ(0.635cm) → 三脚の雲台の突起部分、スマホやカメラを接続する
3/8インチ(0.9525cm)→ マイクスタンドの突起部分
5/8インチ (1.5875cm) → マイクスタンドの突起、自宅にあるマイクスタンドの突起部分は3/8インチだが、マイクホルダーは5/8インチに対応しているので付属していた3/8から5/8に変換する
マイクホルダー、マイクスタンドは何か分からなければ調べてみよう
要件
5/8インチのマイクスタンドにスマホのホルダーを取り付けたい。所持しているスマホのホルダーは1/4インチのネジに対応する。そのため、5/8インチから1/4インチにネジを変換したい
本題
さて、下記の製品は要件を満たすか?(文字だけで判断してみよう。写真はもしかしたら掲載ミスかもしれないとする)
TOMOCAのスタンド用変換ネジです。5/8スタンドを1/4ホルダーに変換します。
■変換ネジ
■SHURE(5/8スタンド)-CAMERA(1/4ホルダー)
僕はスタンドって何?ホルダーって何?ってなった。変換ネジだけで見たときにどちらがメスでどちらがオスなのか分からなかった
Gemini2.5 Flashに聞いたら(どっちがオスか、どっちがメスかで質問したので聞き方が悪かったかもしれないが)、最初、メスはホルダーといって、オスはスタンドと言ってきた。だけど、写真を見ている限り逆のような気がするので、間違えていない?と聞いたら当初とは逆のことを言ってきた。正しい方はどっちなのかと聞いたら、回答の中で最初言ってきたと、次に言ってきたことを混ぜてきたので回答が矛盾するぞと何度も言ってきたのに訂正しなかったのでブチきれた。分からないならば分からないと何度も言えって時間短縮するための「逃げ道」を与えてようやく最後に分からないと認めた(判断が遅すぎる)何よりも腹が立ったのは、Gemini2.5 Flashのモデルはこの質問の解が分からないのに回答としては矛盾する発言をしたことだ。本来、矛盾するのにどちらも回答に混ぜて、そりゃどっちかは正解だろうけどという発言をした。で、こちらが回答の矛盾を指摘すると分かりづらく申し訳ありません(自分は間違っていない、正しい、理解できないお前が悪いよねと捉えられる発言をしているように感じる)といって、分からないことをごまかす姿勢(分からないのに分かる振りをした態度)に頭にきたのだ。本当、よくない。そこで、Perplexityにネジにとってのメス、オスはどちらか聞いたら回答が貰えた。Perplexityは検索結果も表示していたので検索も与えればGeminiも回答できたのだろうか?純粋にモデルの学習内容か、モデルの違いなのか。(こういうことは多々あるのでモデルを変えて質問するのは有効だったりする。逆にGeminiが答えられたって場合もある)
いずれにしても、今回、Geminiの問答の怪しさから気付くことが出来たのでそういう意味では役には立ったかもしれない
で、最終的に自分で判断した結果、ネジにとってはスタンド側がメスで、ホルダー側がオスと考えてよい
恐らくだが、この文章はネジを中心とはしておらず、マイクスタンドのネジが5/8インチだったら、1/4インチの突起に差し込めるホルダーに対応するネジだよって解釈したら納得できた。文の中心はネジではなくマイクとホルダーで捉えればよかったのだ。
自分は国語が苦手であり著者の気持ちを理解するのが苦手だ。商品がネジだからネジを中心とした発言になるだろうという思い込みが今回のバイアスを掛けたのだろう
まず、文を見る(読む)ときには、書き手が文を書くときに書き手の頭の中では何をイメージしているのか?何を中心に見ているのか?捉えるようにした方がいい。自分の頭の中で描いていることと相手の頭の中で描いていることは必ず=とは限らないからだ。
先程の表は、ネジから見て行をメス、列をオスと捉えればいい
付属品はとっておくと便利である
6/6、家にあるものを見直したらマイクスタンドはあったので、後はマイクとマイクホルダーかと思ったがマイクもあったので調べてみたらマイクホルダーも付属品としてあると書いてあった。有難い。付属品を探したらあった。
付属品も何かの場面で使うことがあると分かったので、棚とかに分かりやすく保管しておこうと思った
楽器の録音マイクだとSM57が有名だと思う。コストを抑えるためにBehringer SL75Cも検討したのだが考えてみれば家にマイクがあったのでそれを使ってみようってなった。家にあるもので何とかする(既存の資産を活用する。工夫する)精神だ
目的はギターアンプの音をマイクで録音してみることだ。何度か仮でテストをしているのだが音量を小さくしてもマイクがアンプに近いので小音量でも意外にリスニングできるのは発見だった
雑談
PRされている動画の商品の期待度は50%くらいが丁度いい
PRされている内容というのは盛られている可能性があるので過度に期待してしまっている自分がいる。体感は50%くらいの期待が丁度いいかもしれない。PRしている商品をPRしている時点で本人が実際に使用していて良いと思っているならば納得できるが、どうしてもユーザーの立場(購入者の立場)で話しているパターンは少ないと思う(仕方ないか)まあ、そもそもPRしている本人とユーザーは前提(能力や志向)が違うので期待のズレ(満たしたいことの違い)が発生する
何を満たしたいか、出来るだけ言葉にして満たせそうか考えた方がいい。意外に言葉に出来なかったり満たせそうか分からなかったなんてことはあるので、そのときは見送っていい
道具は道具なので人のコアなこと(金儲けとか成長とか深刻なこと)は解決はしてくれないものだ。例えば、とある目的からAという音色を使うからAを検討するのは分かる(AはAという音色を概念ではなく実際に提供するからだ)
概念系をモノに求めるとうまくいかないことを学んできた
格ゲーが苦手なのでどうやれば楽しめるのか?
6/6、クラシックな格ゲーをたまにプレイするのだが上手にできないので楽しめない自分がいる
掃除 - 床からモノをなくした
6/7、床からモノをなくした。1畳分くらいだろうか。引き続き減らしていきたい。そういう意味では服とリュックがいくつか邪魔になるから捨ててしまいたい。もう数年使っていないとかあるからだ。本もそうだけど数年、使っていなければもういいだろう。多分、二度と使うことはあるまい。そういうのは売り払うか捨てるかしていい。後はギターアンプを床に置きたくない。机もそうだが机の上にはモノを置きたくない。高床式にして上には何も置かないようにしよう。多分、まだまだ捨てられる。配線まわりも本当はもう少し改善したいものだが、さてどうしたものか?
追記
結局、ギターは1本にすることにした。物理的なスペースが空くことになる。もし、今後、買うならば1本は売るなりしないといけないわけだが、大事なギターなので保管することになりそう。最近、思ったのは自分がストレスなく握れる、弾けるギターを持つことが自分にとっては重要で、そういうギターはそれなりに高い。マジで楽器屋にいってストレスがないか確認した方が長くつきあえると思う。価格面で妥協すると銭失いになるパターンもいくつも経験してきた。保守・メンテ・作り(演奏しやすいか?)・音は気に入っているか?重視した方がいい。僕の場合はネックの大きさがストレスになったり、ネックの側面を握ったときに違和感を少しでも感じるのであれば、ストレスを感じていることになるので妥協しない方がいい。逆に低価格で実現できているならば言う事はない
また、下記について細々と更新をしていくつもりだ。人によって成功・失敗の定義は異なるので必ずしも「商品=失敗」とは限らないので注意はしてほしい。単純に手放したものもあるから商品に満足していないものもある。下記の記事は手放すということは使い続けていないから「失敗」という考え方でも書いている
難しいのはアンプ周りだ。MV CleanとMV AC、COPPERHEAD DRIVEの三系統をギターアンプとして使っているが、メインはMV AC(作曲、録音、カバー)なのだがポップに手軽に楽しむときにはCOPPERHEAD DRIVEを使っている。また、MV Cleanもキャビネットと繋いでいるので空気に触れて音を出すことで自分の下手さを認識できるので手放しがたい。これは段階的にかもしれない。アンプ系は音色を左右するので非常に難しい。コピーせずオリジナルだけであれば1つのアンプだけいいのだろうが。どうしても用途の話が出てくるのはジレンマだ
“VOX AC30は40年以上に渡る私の人生の一部であり、いつでも欲しいサウンドをそのまま出してくれるから、他のアンプではどうだろう?なんていうことを考える必要もないね。”
上記の状態が僕みたいな状況下では望ましいと思う。つまり、PR動画を見てしまう(時間を浪費する)状況を回避できるからだ。有益に時間を使うことが出来るだろう
いずれにしても今の活動によって保守の費用が安価になるのは大きい。ギターを複数本、持っていれば複数本分の費用(例えば弦交換の費用)が掛かる。どんどん売り払う、捨てていくこと(モノを減らすこと)で物理的スペースを増やしコストを減らせるのは間違いない
追記
6/9、ギター3本中2本とエフェクターを売り払いに出すため申し込みをした。これで自宅にはギターは1本だけとなる。本当はギターアンプのキャビネットも売り払えると物理的な空きが増えていいのだが、現在、1つしかないのでキャビネットから音を出す環境がなくなるのは厳しい。現在、検討している個人的、三種の神器のラストのアンプをゲット出来ればお役御免になるのだが・・・。今のキャビネットはVox MV Cleanのキャビネットとして使っている。指で音を鳴らしたときにアコギやガットギターのような音に似ているのでいい。これで1本のギターで何とかするしかなくなった。1本のギターで何でもすることはギターの特性的には合理的ではないかもしれないが、1本のギターで何とかやろうとすることで技量は上がるかもしれない。アンプは三種類(Vox、Fender系、マーシャル系)もあるのだから、音の大部分(7割)を決めるファクターはある。
ボサノバ
ソロギター
バンド
コピー
作曲
1本のギターで出来る限りしよう。そもそも使う時間が少ないからギターの本数は多くなくていいのではとなったのだから
追記
6/10、後は押入れの中に眠っているのを何とかすれば完了だ
服
ポスター(額縁)
リュック
特にここ数年はワークマンで買った私服、4〜5着で通年、乗り切っているので服はもっと捨てていいはずだ。スーツは別枠にしても、カジュアルに外に着ていくジャケットも1着あれば十分であろう。防寒対策のダウンジャケットも1着あれば十分だ。カジュアルの点で言えば5年前くらいは襟付きのシャツも来ていたのだが破棄していいだろう。
うまく減らせれば服を衣装棚に全て納められるかもしれない。引っ越すわけではないが、引越し前の殺風景な状況に近付く。もし、色合いが悪いと思ったらモノが少ない中でも彩りが溢れたシンプルな部屋というのは作れるだろう
リュックも仕事で1つ、出掛けるときに1つあって、ここ1年から2年で1つバックパックを入手したので仕事用には1つ残しても出掛けるときのリュックは1つ処分してもいいだろう
後はゴチャゴチャしている小物も地味にストレスになっているので処理をしてしまいたい
追記
ギターを1本だけ残して2本を発送する準備が完了した。2本で畳半分のスペースが空いた。意外にギターはスペースを占有することが分かった。ギタースタンドが思ったよりも幅を取るようだ
追記
服を減らしていると自分の洗濯の回数が抑えられる。やっぱりメリットはあるな。単純に水を使う量とかも減らせるし、使用する電気も減るだろう。何より、そこに当てる時間を減らせるのはいいな
AIモデルに嘘を教え続けたら嘘を言い続けるのでは?
AIモデルの仕組みをついた攻撃が出来そうだなとふと思ったのでメモ、何も考えずに聞いたら間違った知識で人を操作できるかもしれないという話だ
Fine-Tuningをしている
6/10、Animagine XL 4.0の画風をIllustrious系のモデルに適用(移植)できないかと、Fine-Tuningをしている。Animagine XL 4.0で出力した画像約1000枚に対して20epochで回しているがA100 GPU(40GB)で14時間掛かる。モデル作成者の苦労を垣間見た気がする
GPUの性能もあるのだろうが、単純に画像の枚数によって時間が膨れ上がっている部分はある
1000枚で14時間であるならば、500枚で7時間といったところか、250枚で3.5時間である
まず、エポック数は適切なのかって話はあるが正直、アウトプット(画像生成結果で満足するか)しか見ていないのでよく分からん
複数のモデルで実行するつもりだ。LoRA(LoCon)は素材が違うから何とも言えないのだが約150枚で20 epoch回して2時間掛かった(L4 GPU)ということは単純計算して7掛けで1050枚だから14時間掛かる。L4 GPUでLoConを作れる分コストは安くなるが、Fine-TuningがLoCon以上に効果をもたらせばFine-Tuningをする意味は出てくる。パラメータを洗い替えるイメージでいるので、さてどうなることやら
LoConでは自分の設定だとavr_loss=0.9程度にしないと学習素材に引っ張られすぎて既存のモデルで出せた表現がコントロールしにくくなるイメージを持っている。画風だけゲットして元のモデルの生成能力を活かす目的上、lossが低ければ低いほど暴れ馬になる印象がある(せっかくの元のモデルの機能が低下する感じ表現できたことが出来なくなる感じがある)うまく素材を加工すれば素材で気になる要素(含めたくない要素)も学習することはなくなるのでいいのだが、それこそ加工で膨大な時間を取られるので大量学習したいときは現実的ではない。Negativeに含める手もあるのだがテキストの学習かU-Netの学習の話が影響しているのか分からんが、lossが0.9を下回ると自分の設定ではNegativeに含めても表示されるようになった。ある意味、正しくはあるのだが、タグ制御できないことを意味する。本当はタグをモデルが分別して指定していないから表示させない(自然に)、もしくは明示的にNegativeに入れているから表示させないってなってほしいのだが、そもそも「学習させる」という行為をしているのだから「見た」ものは学習されると考えた方が自然だと思うのだ。塩梅が難しい
Fine-Tuningについては有料記事を書いているので興味があれば
で、完了したらHugging Faceのプライベートリポジトリにアップロードするつもりだ。これでGoogle Driveに保存する必要がなくなる
追記
9epochの時点でlossが0.105である。今の学習率を2倍〜4倍で学習させてもいいかもしれないな。桁を減すと10倍単位でやりすぎな気がする。今のままだと「変化量(体感)」が少ない気がする
モデルの機能が低下することなく、スタイルもタグも自然に理解してほしいので均一に上げるか
追記
1epoch、40分ほど掛かった
追記
各epochともlossがほぼ、0.1で収束した
毎回、緩やかに更新されている印象だ。しかし、サンプルを見る限り期待した具合のスタイルまでは継承できていない感じ。仮に1epochから20epochまでの変化を「変化量」と定義するのであれば、変化量を2倍では足りないかもしれない。5倍にしてどうなるかだ
サンプルの画像をピックアップするのが面倒、一旦はFine-Tuningしたモデルをテストして具合を見てだが、ピックアップしなくても済むようにしたい。サンプルのバリエーションは10種類くらい用意したのだけど、いっそのこと、1種類〜2種類にしても学習するか確認しても良さそうだ。もし、元のモデルが補完するのであれば、その方が楽そうだ。何というか元のモデルに任せる(表現を任せる)ところまでサンプルを用意しない
追記
13時間ほど学習させてモデルが完成した(20epoch)
前述した通り変化量が少ない(もちろん、変化が分からないわけではない)。
次はFine-Tuningで学習させる前にLoRA(Locon)学習率を2倍〜9倍程度上げてどうなるかを確かめる
また、学習したプロンプトは元のモデルにないと思われるタグがあると思われるので、結果的にそれがトリガーワードになっていると思われる。元のモデルのタグに合わせるか、新しいタグを用意するかだ(既存のタグを使うにしても、新しいタグにしても上手く作用するかは分からない)そのため、その部分もチェックしたいところだ
スタイルを学習させる上で下手にサンプルのバリエーションを用意しないで、1キャラクターにつき2種類程度を用意したらどうかと考えている。skinの色合いを学習したい場合は*2する
また、背景も学習したかったが背景として良いか分からないときは、下手に学習させないようにする。もっと、シンプルな値で作成する
Fine-Tuningする必要はどこにあるのかを意識する。LoRAにしても「元のモデル」にない要素があるから学習をさせるのである。逆にあるならば既存のモデルで表現できることなので学習させる意義がなくなる(コストも時間ももったいない)そのため、本当に元のモデルでは表現できないか確認する必要はある
今回はスタイルを学習させたいと思ったが、本当にそのスタイルは既存のモデルで表現ききないか確認をしないと意義を持っているのか不安になるのでチェックをした方がいい。それこそ長時間の学習をさせるのであれば、狙い通りであってほしいため、「事前検証」して「ある程度、見込み(当たり)があること」を分かっている状態で進めればいい
追記
LoConでlearning rateを9e-6、1e-3と1e-5、などといくつか試したが、lossは0.8前半から0.7後半で推移した。450枚ほど
つまり、自分の環境では学習率を上げていってもlossはある時点から頭打ちになり下がらないことが分かった
学習率の問題ではなく何を学習させるかで効果が変わりそうな印象をもった。Animagine XL 4.0系のイラストをIllustriousに移植しようと思ったが、あまり変化が表れない。つまり、似たような絵柄を出力するモデルではないかと解釈した
つまり、似たような絵柄では学習をしても効果を感じにくい。かつ、学習率を上げると紐づきが強くなるのか、元のモデルの柔軟性が失われる
この問題を解決するには、多種多様なイラストを出すことにあると思うが学習させるには現実的ではない。(金とコストが掛かる)
つまり、微調整というのは文字通り微調整なのだろう。気持ち程度、変化を与える。(気付きにくい程度)そこにLearning rateを上げて強火で上げる行為は元のモデルを破綻させるのだろう。
まったく違うと思われる絵柄であれば、変化はあると思うが、それはデフォルトで使う場合だ。大概はLoRAで十分なのかもしれない
というのは元のモデルから大して変化しないということは元のモデルで十分に表現可能ということだ。それどころか、微調整で元のモデルの絵柄より劣化した感さえ感じるから難しい(LoCon)
この通りにFine-Tuningの結果が適用されるとすれば、相当に難しいだろう。
学習素材も4パターンで学習させたが、むしろ、タグが限定されているので、柔軟性が効きづらくなったとすら感じる。AIモデルが言語的解釈をしているわけではなさそうだ。Illustrious本家が言語的解釈をどうやってしているのかは気になるが、マジで解釈しているのだろうか?
今のところ、強火で炒めず、ちょっと加える程度といったが、逆に効果を生むのは明確に絵柄が違う場合だけだろう。text embeddingがむしろ邪魔になってきた。U-Netだけ学習させるにしても、text embeddingの問題は解消していなくて、元のモデルのバリエーションを豊富に用意しないといけない。しかし、どこかでモデルが出せる箇所、出せない箇所というのがあるはずだ。その時点に達したとき同じ問題にぶつかる
モデルマージもパラメーターをぶつけ合う行為だと理解している。学習させるよりは明らかに手軽に思えるが、元のモデルを破綻させる気がする。うまく継承できればいいのだが。
画像数8,401,464
U-Net学習率2.5e-6
テキストエンコーダの学習率1.25e-6
とある。おおよそ、2倍の関係ではあるが、ほんの少し調整したということだろう。ただし800万の画像で。
特定のキャラクターで特定の絵柄だけでも更新できればと思ったが、それならばLoRAでいい気がする。もっと少ない枚数で手軽に学習させたいのだが。
AIモデルの僕の理解は、与えられたプロンプトからそれらしいを導き出すことだ。
従って、タグを10個学習させたら、他の使い方を想定したときに同様のタグも使った場合、学習した画像に寄るってことだ。つまり、想像していた絵に遠くなるってことだ。それを防ぐためにバリエーションを増やすにも限度がある
ちょっと、話がそれるが、aというモデルが学習していない、bというキャラクターを久し振りに学習させてみた。これが本来のLoRAの使い方だろう。特定のトリガーで発動するわけだが、aというモデルのタグにないことが重要なわけで、少ないサンプル100以下だと描画がぼやけてしまった。明示的に学習してもらいたいわけなので、出来るだけバリエーションを増やしたいと思うのだが、問題はどのようにバリエーションを増やすかだ。特に今まで起こしていた問題が、例えば、顔が正面だけでは学習したときに正面が中心になる画像になりやすい。そのため、寝ている画像とか、顔の向きとかも含めると柔軟性が生まれることに気付いた。
これはLoRA学習の話だが、Fine-Tuningにも使えるかもしれない。この方法でFine-Tuningをしてはどうだろうか?
ただし、タグは学習させるモデルが使えるタグに合わせた方がいいかもしれない。新たなタグを作るまではね。
人体構造的にはバリエーションを持たせることで解決しそうだ。もちろん、学習させるモデルしか出来ない表現があるが。
後はFine-Tuningしなくても、下記の方法を使うのはありだ。むしろ、学習する手間はなくなる。要はこれを学習して行いたいわけだ。
完全を目指すから辛いのかもしれない。次回することは、やはりU-Netはtext embeddingの2倍で微調整してみよう。(学習するモデルの機能を出来るだけ失わせない)
逆にbというモデルをaに移植するならば、bにしかないタグの表現をaに移植すればいいのではないか。つまり、text embeddingをU-Netの2倍にする
追記
6/16、ComfyUIよりDiffusersで描画した方がキレイに描写されない?気のせいか?GPUの使用量は影響するのか?まあ、Diffusersで処理する時には文字数を少なくしているので、たまたまかもしれないが・・・
プロンプトの文字数を少なくした方が描写が良いと感じることは多いので、単純にその影響はあるかもしれない
追記
6/16、下記をトライしている
逆にbというモデルをaに移植するならば、bにしかないタグの表現をaに移植すればいいのではないか。つまり、text embeddingをU-Netの2倍にする
サンプル画像を作ろうとしているのだが、学習のために全てがキレイに上手く画像が出なくてもいいのかもしれないと考えだした。移植先もそうだが、失敗も含めてモデルのパラメータなのではないか?つまり、モデルが考えられる最適解の結果がその画像生成結果だ。プロンプトは如何に整然としていてもモデルが「表現」出来ないことがある。学習していない場合があるのでその時は別だが、期待しないものを除外すると実はモデル学習的には不適切になったりしないのだろうか?つまり、現在、モデルが抱えている矛盾を人間の方で否定すると学習時のパラメータの更新が成立しなくなるのではないかと考えだした。逆に失敗画像も含めて更新した方が上手くいくならばそれをとりたい。学習先のモデルの限界を否定しても同じだと思う。それが現在のモデルの最適解なのだから。と考えるとサンプル画像の作成に悩まなくていいと思う。逆に上手くいかない画像は学習していないと想像して後で削除してもいいからだ
以前に公開したComfyUIのプロンプト情報(seedとかcfgなど含む)をHTMLで抽出するプログラムを改造して、Fine-Tuning用のtxtでタグを書き出すプログラムを作成した
後は品質タグを除外(LoRAやFine-Tuningで学習先のモデルでは対応していない場合もある)してみてどうなるかを確認する。品質タグが必要になるのであれば、品質タグは学習先に合わせる必要があると思われるから置換しなければいけない
追記
6/17、Google Colabのセッションを終了する方法を調べていた
何名か言及していた
元ネタはこれと思われる
You can now terminate Colab sessions programmatically with the following code:
— Colaboratory (@GoogleColab) September 12, 2022
from google.colab import runtime
runtime.unassign()
The new unassign() function marks the currently connected runtime for deletion and disconnects any notebook sessions.
これで、トレーニングするコードの最後の行に書いておけば、寝落ちしても大丈夫だろう。無駄にGPUを遊ばせる、使用コストが減ることもなくなる。
追記
6/17、LoConで学習するモデルが覚えていない要素をある程度、覚えさせることは出来た。問題はキャラクターを変えると元のモデルが違う連想(最適化)をするのか、描画内容が学習タグをそのまま打つのと比べて悪くなくなった
学習したタグをセットにしてモデルは最適化を図ると思われる。つまり、別に論理的な描画をしているわけではなく、あくまでタグの組み合わせで最適化を図っているだけだと思われる(一番、それらしい)
この問題を解決するためには「キャラクター」タグを加えて、サンプル画像を用意して再度、学習すれば恐らくは解決しそうだが、これはとてつもなくめんどくさい。
ある程度、デフォルトのタグで行動などに変化を与えて学習できればよかったのだが、ちょっと厳しい。つまり、モデルを更新するための要素が必然的に多くなる。このアプローチは厳しいかもしれない。念の為、キャラクタータグは追加で入れてチェックどうなるかは確認しておく(A)
また、学習した画像のサイズ以外で描画するとある程度、追随はするが破綻する場合もある。この場合はサンプル画像を作成した元のモデルが描画できるのか確認して元々出来ないのであれば無理があるということだろう。例えば1024*1024では描画できるが、1024*1536では出来ないなど。うまく類推してくれればいいのだが。(B)
(B)は1024*1024で出来るから1024*1536でも類推出来るだろうという仮説を証明するためのものである
もし、(B)で出来るのであれば、どちらかと言えば学習で使用したモデル側の問題になるので、1024*1536の画像を用意する必要がありそうだ(C)
いずれにしてもLoRAが優秀なのは「部分的」に書き換えるときにコストを抑えて出来るから優秀なのだろう。今のままだとFine-Tuningはキャラクターの数だけ用意しないと「対応」出来ない場合がある可能性がある
また、学習するモデルが知らないであろう要素でLoConを作ったらlossが0.7になった。これは学習率を上げる問題ではなく「知らないと思われる要素」を学習したことが聞いた気がする。LoRAで学習させる前に本当にモデルは知らないか描画できないかはチェックするといい
テーマとしては元のモデルの能力を削ることなく、新しい要素を覚えさせることだが、LoRAをモデルにマージしていく行為ってキャラクター別に学習させていくようなもので、Fine-Tuningで一括して学習させること(それだけ枚数が必要であることとは同義である気がする)
とりあえず、Aを実行する前に中断しておく
もっと、モデルを更新するのに少ない要素で済むことを考える
また、この問題はLoRAをどれくらい上手に作れるかも依存しているかと思う
追記
失敗も含めて認めてアウトプットのモデルをプライベートリポジトリにupdateする。やはり、バリエーションをキャラクター毎に用意するのは現実的ではないので、1つのキャラクターで特別、キャラクターを指定することなくLoRA(LoCon)を作ろう。100点中、100点の正解ではないが、そもそもStable Diffusionに毎回、100点満点の画像出力はない。数回に1度は期待通りの出力がされるなど60点くらいのモデル更新を目指そう
画像の大きさによって、サンプル生成に使う元のモデルでも出力が上手くいかない場合もありそうだ。正方形、縦長、横長で「学習モデル」にない要素、弱い要素、上手くいかない要素を学習させる。理想は2回に1回くらい上手くいけばいい。ただ、出力はされるという状態をゴールにしよう。覚えさせた要素を全て出せないといけないとはしないようにする。どこか問題をはらんでいるからだ。無理にしない
また、LoConで作成に成功したらFine-Tuningを実施する。(合計、3日程度)
600枚程度のサンプル画像なので8時間程度あれば行けるか。20epoch (D)また、それとは別に学習させるものをガラッと変えたいと思う。
これはLoRAのレベルでいいかもしれない。暇な時に画像の収集から必要なため(E)極端な話、(D)はモデルを更新せずLoRAで読み込む手もあるが、LoRAを使わなくて推論できるメリットはある。また、気持ち程度の期待だが、LoRAよりはFine-Tuningの方が学習範囲(パラメータ)が広いのでLoRAよりも改善されることを期待している
追記
6/20、だったと思うが私的なLoConの学習が完了して結果が得られた。(E)は期待していた要素を反映することが出来た。キャラクターを変更しても反映することがある程度出来ているように見えるので成功したぽい。後はHugging Faceのプライベートリポジトリにアップロードしておく
たまたま、気付いただけだと思うが学習のモデルでも表現できる要素(表現出来ないのでは?と思っていた要素が表現できることが分かった。)
今までComfyUIで実行していなかっただけかも知れないが、Diffusersでは生成できることが分かった
国産LLMを0から作るという発想はお勧めしない
国産LLMを0から作るという発想は愚かであると思う。明らかに既存のモデルで表現できることを再度、再現実験しているようなものではないだろうか。明らかに流用した方がいい
逆に今のモデルにない知識を追加で学習させるなど、そういう点では意味はあると思うが、そもそも、推論方法やモデルの構築方法を既存とは違う考え方で性能をアップデートさせなければゼロベースで構築する意味はないだろう
上の動画を見てみたが、あなたにとって重要な情報というのは実際は少ないと思っていて、99.99%はあなたにとってどうでもいいゴミである
つまり、見るに値しない情報なのである。判別基準としては見なくても生活できるとかではないだろうか。自分は情報に支配されすぎであると感じることがあるのだが、あなたはどうだろうか?
AIモデルを構築する上で難しいのはある人にとって真実でも、ある人にとっては重要な情報ではない、もしくは間違った情報である可能性がある。普遍的な情報を集約したとしても時間が経てば普遍的でなくなるのであれば、それは事実ではなくなるし、普遍的情報ではなくなる。学習段階で逐一検証なんてしていないだろう
性能評価は何かしらの指標が必要だと思って用意したものであろうから、共通で使うことに意味はあると思うが、万能である性能を計るものではないから実質、意味はない。どんなに良いモデルでも人によってはバッドな回答が出るからだ。だから、アレにいちいち凄いとか言う行為はナンセンスだと思う。検証分野を欲している人には有効な数字であろうけど。それを普遍的な評価と捉えるには適していない
何とか上のPDFをテキストに変換して読んでみたいと思うが「推論の限界」について、twitterのタイムポストからも回ってきた
私の理解では与えられたプロンプトから「最適解」を得るだけであり、そこにはAIによる「理解」や「計算的なつながり」はない。それらしいことを言っているだけだから、AIは学習していない範囲は解を持たないので学習したボキャブラリーの中から最適解を導き出そうとする。時にその「ハルシネーション」が新しいことを生み出す可能性はないわけではないが、AIモデルは新しいこと(今、ないこと)には対応できないという理解だ
Appleの件は逆に言えばどのようにすれば問題が解決するのかって点も言及されていればいいな。否定だけで終わるのはあまり建設的ではない。全く新しい解決方法が模索されればいい。
今の推論方法で向いているタスクは何かなど、うまく分類していけば使いわけが出来ていいかもしれないな。
notebooklmを通して簡単に質問してみたが、この問題に対する対策は書いていないとのことだ。本当かどうか読んでみたい
追記
Google翻訳にpdfを翻訳してもらった結果を貼っておく。10MB以上は1つのファイルで翻訳してくれないのでpdfを分割してpdfを翻訳して結合するという手間の掛かる作業をした。分割と結合はプログラムだが翻訳は手動である。恐らく翻訳もAPIが用意されているのだろうが、そこまでお金を掛けたくない。個人的にするならば後はRPA的な操作だろうが、そこまで調べて組むのもメンドクサイ
Google翻訳の利点は配置がくずれないことだろう。ラスター画像をOCRしたような感じだ(見たままを翻訳している感じ)つまり、グラフにも文字があれば翻訳する傾向にあるってことだ。実際、内部の動きがどうなっているかは分からないが、翻訳目的であればMarkdown形式やテキスト(pdfの文字をコピペできればそれも可)に変換してブラウザで読み込ませて、ブラウザの翻訳機能を使うのもありだが、グラフなども含まれていないとやはり読みづらい。リリースするときにlatexだけでなくhtmlでも展開するようになれば機械翻訳が使えて便利なんだが
ObsidianをAndroidに入れた話
スマホでも推論をすることがあるが、出力結果はMarkdownに対応している場合がある。androidアプリでMarkdownに対応しているメモアプリを知らなかったのでobsidianをインストールした。今まではメールに貼り付けてパソコンと共有して中身を保存していたがMarkdown形式で見れるのでスマホで完結すればスマホだけでもいい。Markdownをshare出来ることも分かったので必要に応じてパソコンに送付してもいい。うまくPCとも送付できればいいのだろうが、そこら辺は有料機能の同期を使ってということなのだろうか
ちなみにMarkdownはObsidianに限らずVisual Studio Codeから使っていたのでPCの方までインストールするかは見送る。全体的なプロジェクトはMarkdownで体系的に整理しているし、個別のプロジェクトもMarkdownでメモをとっている。フォルダには階層的にMarkdownを配置もしている。後は開くエディタだけの話だからだ。
Gemini Liveの動画共有、質問すると2〜3回落ちたのだけど
薬の成分を理解したいと思って、Gemini Liveで動画共有していたら2〜3回、落ちた。AI周りは医療関係で使うなって話があったと思うけど、だったら、そのような理由で答えられないとか反応してほしい。よく分からないエラーで落ちるのはどうか。多分、回答しているということは問題ないのだろう。ということはネットワーク周りでエラーが出ているのだろうか。分からん。
ただ、薬関係はしっかり本や信頼のあるリソースで確認した方がいいな。Gemini Liveで発汗作用はないと回答した。いくつか質問を変えて、身体を温める作用はあると回答した。つまり、A→Bで発汗まで結びつくわけだが、毎回の推論では辿りつかない。言葉だけ結びつけてからGemini(AIモデル的)には1回の推論では結びつかないのだろう。必ず、A→Bだよねってタスクが別途、必要になり、てことは話の始まりはtrueだよねってタスクが必要になる(論理)ちょっと、マルチターンで長過ぎる
前にAIに嘘を教え続けたらAIテロを起こせると言ったが、なぜ、薬剤師がいるのかって話だよね。薬に対する知識を有しているから「飲み合わせ」とか、方向性の軌道修正が出来るのだと思う
Aという薬は「Bという効能」があります!(AIモデル)が答えたことを鵜呑みにしてAを服用したら、その人は服用してはいけない薬だったなんてことはあり得るだろうし、Bという効能は正しくても「別の問題」が実際には存在していてAIは答えられなかった。結果、服用してはいけないのに服用してしまったら問題が発生するなんてこともあり得る
AIモデルの使用は分別しないと危険性と隣り合わせであるから、前提は伝えた方がいい「AIは凄い教」は伝え方を間違えると害悪でしかない
ちなみにGeminiの動画共有って、どの時点を取得しているのだろうか。常にキャプチャを取得し続けて相手のサーバで動画にしているのか?それとも、質問がおわったなという時点でキャプチャをとって画像で判断しているのだろうか
動画を読ませるのと画像を読ませるのだと処理時間に差が出そうだけど、画像の方が楽な気がするな。超、強力なサーバであれば「動画」でも一瞬とかあるのかもしれないけど、相対的には画像の方が楽な気がするな。動画って推論で動画を画像に全てスライスして1枚、1枚、読んでいるのだろうか。判断に使う部分には興味がある。人間だと初めから終わりまでって処理してくれるのだろうという認識なんだろうけど、実際はどうなんだろう
MarkItDownを試したが期待したMarkdown形式にならなかった
どちらかと言えば変換元のファイルに依存している感じ、前述したAppleのドキュメントはキレイにMarkdownのフォーマットにならなかった。この結果だけ見るととてもではないが、個人の許容範囲においてはpdfをサポートしているとは言えないレベルだ
見出しのタグ付けがされない。どちらかと言えばただのテキストだ。pdfでうまくMarkdown形式に出来ているパターンがあったら教えてほしい。自分が使ったpdfの場合とはどう違うのか?
Cannot set gray non-stroke color because /'P1' is an invalid float value上記の警告が出るが関係はあるのだろうか。ライブラリ側で構造化を試みてMarkdown形式にするライブラリにするのかと思った。ソースコードは見ていないので何とも言えないが、今の感触だと読み込むファイルに任せている感じだ
本件で騒いだ奴、マジでクソだな。前提を共有することやうまくいかない点を共有する大切さは分かっただろうか。こう言った情報も伝えることで温度感を近付けることで、過度な期待を抑止する必要がある。最初から温度感が近ければ過度な期待をせずフラットに捉えられるが、前述の通り騒ぐ奴はうまくいかない点や課題を共有しない傾向にあるのでタチが悪い。ユーザーは期待したよりもイマイチでガッカリすることになるからだ
状況によっては時間の無駄にもなる。使わないという選択肢も検討させるために情報は提供して然りだと思う。悪い点だけでなくいい点もと思ったが、現状の自分が試した用途(前提)ではこんな感じだ。もしかしたら解決する方法があるかもしれないので、そこは注意されたし。Xは140文字だっけ?なので情報を共有しにくいが、だからといって過度に騒ぐのは害悪であることには変わりない
下記を参考にHTMLでもしてみた
HTMLは構造化できていそう(HTMLが構造的なものだからしやすいのではないだろうか。タグで見出しなどが明示的に分かるからだ)。まあ、でも以前自分の方でリリースしたのも、bs4でHTMLをテキストで出力(タグ付きかは忘れた)して推論してもらったが内容は渡せるのであまり恩恵を感じない。ただ、Markdownにフォーマットしたことでより推論しやすくなるのであればありかもしれない
from markitdown import MarkItDown
markitdown = MarkItDown()
result = markitdown.convert("https://note.com/info/n/n516d13410090")
print(result.text_content)
with open("html.md", "w", encoding="utf-8") as f:
f.write(result.text_content)
print("コンテンツはhtml.mdに正常に書き込まれました。")
恐らくMarkdown形式にするのって推論に備えてだったり、簡易ドキュメント化することに魅力があるのだと思う。前述した通りpdfとか本のスキャンによって得られた結果をMarkdownでうまく落とし込めればより効果が得られると思うが、pdfの変換にしてもOCRの変換においてもAIが話題になる前から課題を抱えてきたと思う。正直、原稿データがあればそれを読ませた方が早いと思うのだが、中々、難しいだろう。著作物を個人的に使うにしても本件の問題が絡んでくる。ちなみに解決するとしたらMarkdownそのものというよりはその分野での解決(革新)があることに他ならないだろう。もっと大きな話題だと思う。人が視認できない文字はコンピュータも視認できない。特にOCRまわりは僕は経験上、精度や実用には懐疑的だ。本家のAcrobatの変換精度も期待したほどのものではなかったからだ。個人的な要件には残念ながら合わない
アンプを受け入れる高さが足りないので何かしら考えねば
567mmの高さのアンプを導入することを考えると机の下のステンレスラックの高さで引っ掛かる。困ったな。そこまで拡張することは想定していなかった。ステンレスラックの高さを増してあげるのが正解な気がする。後は作業机をどうするかだが、これも高さを調整できるものにしたら可変でいい気がする。昇降机は良さそうだが、PCモニターがガタガタ言いそうでモニターが壊れないかが不安にはなる
Geminiのグラフ機能、これ何に使うんだ?
とりあえず、動機もないのだが機能を使ってみる。どうやらコードを渡せばグラフを作ってくれるようだ。これ何のためだ?



なるほど、表計算ソフトでグラフを作るのが面倒だから、代わりに作ってね?と依頼することか。ただ、コードを裏で書かせているので表計算から依頼出来た方がコンピュータも労力は少ない気がするがどうなんだろう
エージェント的な問題が出るのだろうか
でも、出来そうな雰囲気はあるな。何のためなんだろう。表計算のグラフ描画では出来ないことをコードで書いてもらうのか?
住み分けがよく分からんな。何を想定しているんだろうな。
追記
AIは公式ドキュメントからコードを書くことが出来ないようだ。つまり、思考することが欠如していることが分かった。blogを参照するのはコードが書いてあるからだろう
小売の製品紹介ページが気になった
たまたま自分が情報収集をしている製品だから気になっただけだが、小売サイトの紹介で公式サイトをコピペしている紹介ならば公式リンクを貼り付ければ良くね?って思う内容があった。そのまま伝えることを求められているならば仕方ない気がするが、明らかに成立しない内容がある。掲載した人は読んでいておかしいと思わなかったのだろうか。時短にはなるのだろうが有効な文章でなければ時短しても意味をなさないのではないだろうか
ただ、普段、自分が気にならない商品はそこまで入れ込んで読むことはないので、重箱の隅をつつくような行為だろう。自分に利害関係があるわけでもないし気にしないことにしよう
人生の9割9分9厘は取るに足りないことだと再認識した日
6/15,再認識する日の出来事だ。自分にとってはそれと比べたら大抵、しょうもない話なので、あまり、ナイーブに考えなくてもよいと自覚した
これは忘れないようにしなければ
ほとんどは人格に左右されない結果論(成功した、失敗した)として済ませることが出来る。だからいちいち悩まなくていい。逆にアウトプットに自分の人格(意思)を持たせようとすると、失敗したときにストレスを抱えることになるので辞めた方がいい。失敗を自覚するのはいいのだが、自分の人格を否定しなくてもいいのに、そこまで否定してナイーブになるからだ
ほとんどが取るに足りない情報というノイズに侵食されると、景色がぶれるので、不要な情報に吸収されずもっと奥をみた方が良さそうだ
自分は何かをなしたこと(社会的成功)にとらわれるけど、それすらとるに足らないこなのかもしれない。肌感だけど、ここから大きく一発逆転なんて狙っている人、noteにも意外にいるのではないか。例えば、物理的に必要だから結果を求めただけとかの方がスッキリしていていいのかもしれない。
つまり、自分を満足させるためこと(誇ること)に囚われると、それすらもノイズになるのかもしれない。
たぶん、それよりも自分にとって大事だと思えることがあるのではないだろうか。
なぜかクレジットカードが決済できない日
単に暗証番号が間違っていた説、暗証番号を入力する場面が減ったから起きた出来事か。ただ、そのときはパニックになっているので、全てカードではなくいくらか現金はあったらいいかもしれないよね。タッチ決済が普通に出来ていただけにな。ちなみに、システム障害なんぞ起こればどうしようもなくなる。反省点は暗証番号を覚えなおそう
転売屋から買わない
6/19、今まで、転売屋から買ったことはなかったと思っているのだが、古物営業法の範囲で言えばBOOK OFFやまんだらけなど中古品を買ったことはある。つまり、質に出した商品を買っていることになるので「転売屋」から買っていると考えることも出来るのではないか。よく、身辺整理のため売り払いはしている。過去にモノによっては定価以上の値が付かないわけでもない。イメージとしては3割〜6割くらいの値がつけば感覚的には満足ではある
彼らは初めから売却のために仕入れを行っている。よく小売や卸と何が違うのかという議論があるが「責任(保証)」と「管理」と「サポート」の違いだと思っている
少し、昔の話をしよう。Yahoo!ショッピングから「フェイスシールド」を購入した。届いたものは黄ばんでいた。
この状態にしたのは誰なのか、製造者か販売業者なのか、いずれにしても顧客からすれば、黄ばんだフェイスシールドというのは印象として「管理されていない」と思う
例えば、販売者が梱包された箱をユーザーにそのまま送っているとしたら「検品」をしていないことになる。外から見える商品状態を確認しないのか?って話で、例えば10000個に1個とかそういうレベルならばミスも起こるだろう。しかし、商品を摑まされた人間からすれば本当に「検品」しているのだろうかと疑問に思う。「検品」をしていれば「この品質のものを売るのか?」という発想になるかと思うのだが。
ここが「管理」と呼ばれる話だ。まあ、サポートして「代替品(品質の問題ない同一商品か類似品)」を「管理側の不手際として料金を請求せず交換するならばサポートとしてはまだ分かる」(これはサポートの話)
ただ、当時は時間もなかったし、品質管理が最悪な商品を送ってくる業者とは話もしたくなかったので、これを勉強として所謂、誰でも出品できるサイトから、メーカー公式、実店舗のある小売店公式、通販サイト公式の名前がない出品者からは買わないように決めた
逆に商品管理が杜撰である問題が起これば、彼ら自身の会社に泥を塗ることになるからだ。つまり、名前を冠している以上、プライドにかけて下手なことは出来ないということだ
つまり、ノーリスクで仕入れた商品を販売できるわけではないのだ。何か問題が起これば、小売、卸の管理が悪いのではないですか?とメーカーは言うかもしれない。実際、仕入れている時点で取引は完了しているので、小売、卸も管理する責任(自分たちの不手際のときに対処すること)を負うのだ
小売、卸に問題がないときに初めてメーカー側は自分達の商品の欠陥や問題を疑うことになる。結構、ステップを踏むことになると思うのだが、「転売屋」はその責務を負っているのだろうか?中古販売をしている店舗はある程度、そういった点に敏感であると思う。ユーザーが目で確かめて許容できるかも確かめているからだ。品質の状態などを記載しているところもあるだろう。いずれにしても問題を受け入れてから購入することだろう
インターネットによる通販はその点が難しい。購入者が理解しきれていればありかもしれないが、実際に商品を文字情報からだけは理解できないことも多々あるだろう
そこで「メーカー品」であること、「メーカ、小売店、通販事業者公式」であることを確認して「信用(安心感)」で買っている部分はあると思う。
Amazonでの買い物は減った。出品者が乱立してきたからだ。商品について理解がないので、不安がある場合は「ヨドバシカメラ」でも取り扱っている商品であるかを確認している。実際の店頭でも販売する製品ならば下手なものを取り扱えないと考えるからだ
現在の「転売者」の不具合が起こったときのサポートはどうなっているのかによって、「転売者」から買うかを決める。「転売者」は「定価」から「自分達の利益」を釣り上げて出品価格としていると思う。しかし、そこにはサポート代金は含まれているのか。メーカーに聞いてくれと言う対応を仮にしているのであれば、販売管理者としては信用に値しない
Amazonが怖い理由は平気で並行輸入品や直輸入品を取り扱っている販売業者がいることだ。お前ら日本国内で使えるのか確認しているのかよと言いたくなるが、何かしらで日本国内で使える証明を彼らはしているのだろうか
私も詳しくは理解していないが各国には販売するためのそれぞれのライセンス、法律が存在する。メーカーは出荷する国によって製品は適合しているかを確認する
古物商取引の観点で言えば、適法の範囲で「売却」することは問題ないが、個人としては上記で述べたようなことをクリアしているかは非常に気になる問題だ(新古品として新品のように売るのであれば余計にだ)
ただ、明らかに希望小売価格以上のものを無理して買おうとは思わない。メーカーが追加生産すればまた買えるからだ。Nintendo Switch 2も数年待てばNintendo Switchの時のように普通に買えるようになると思う。歴史から学べだ。結局、Nintendo Switchの時は任天堂公式から購入した
だから、転売者には大量に買わせて誰も買わなければいいのだ。そうすればメーカの利益だけが残る。転売者は損をするだけだ
問題なのはNintendo Switch 2の購入に関してSNSで注目されたいからポストしている輩が一定数いることだろう。純粋にゲーム機として楽しむハズのものがネタにされている状況もよくないのだろう。任天堂はSNSで一定期間、YouTube等で利益を得るためにNintendo Switch 2を取り上げることを禁ずるなど、投稿者にメリットをなくさせれば、この手の問題が多少は沈静化するのではないか?何かしら本人にメリットがあると思うから活動するので抑制すればいい。
例えば、「うどん」を買いましたとPOSTする人はまあ、いないだろう。インフルエンサー的な発想や行動が余計な問題を引き起こしている可能性はある
ゲーム機なのだからゲームで遊べればユーザはそれで完結する
それでいいじゃないか
個人的に本人にとってのゲームの価値は話題にされなくなったときにユーザー本人が面白いと思えたかだと思う。SNSで騒がれている間は判断を間違える。実際に買ってみたら騒がれているほど面白くなかったなんてことがあるからだ。本当の勝負はトレンドとして誰も話題にしなくなったときに遊んで面白いかだ。それどころかSNSの評価なんて一切、みないで本人が楽しいかが全てだと思う(決めるのはユーザーだ、誰かの意見じゃない)
ハルシネーションを活用してコントロールできれば創造的な回答が得られるのでは?
6/20、Geminiと下記のようなやり取りをしてみた
知識のない状態からハルシネーションをコントロールできれば、
人間からすれば創造的と捉えれる現象が生まれると思うのだけど、どう思うか?現行のモデルの状態では回答できない(知識がなく最適化できない)範囲で最適化を図ると、事実確認の上で人の目から見れば嘘が生成されるが、逆に創造性というのは、現在、具現化されていない知識を生む行為だとすれば、ハルシネーションから新しいことが生まれるのではないか?と思って、上記のやり取りをした
タスクとも言えるけど、クリエイティブとも言える行為かもしれない
Stable Diffusionの場合も同じことが言えるのではないか
人やモデルが理解するパラメータ的(あくまで人の想像)には認知できないため、その観点からはハルシネーションとして考えられるが、実は生成結果が悪くないと思っている画像も「ハルシネーション」の一部だったりしないのか。つまり、既存の絵にはない描画をしている場合はあるのではないか?
ラーメンの生麺を茹でて白だしをスープにして食べる
6/20、所謂、うどんつゆなどに使われると思うのだが、ラーメンのスープとして使っても和風のスープとなって美味しい(私は好みだ)。スーパーだとラーメンのスープ付きのパッケージが多いと思うし、それの方が楽だとは思うがたまにはいい感じである
ファミマのカップ麺よりはセブンのカップ麺の方が好みである。多分、相当なファミマユーザーなんだけどな。セブンだとこれが好みではある。カップ麺って味が落ちるイメージなんだよな。だから、その中ではこれが好きだ。もしかしたらお湯の温度など何かポイントがあるのかも知れないが麺が美味しくないと台無しになる。せっかくスープが美味くてもね。所謂、スーパーで買えるノンフライ麺など数百円するのは美味しいのだけど、カップ麺の難しいところかも知れない。何か粉っぽく味がぼやけるように感じるんだよな。
逆に冷凍ラーメンの方が好みではあるのだがアレなんでだろうか。店で食うのもいいけどコスパは安いのでたまに天下一品など買ったりする。一食分が1/2程度の価格になるからな
私的なことでバタバタしていた
6/23、慌ただしさが終わった。人数ってのは非常時には必要だから何でも1人では出来るわけではないことを実感した
AIトレーニングの裁判関係
海賊版の書籍を保持・利用することに正当性はないとして、アンソロピックが海賊版を通じて著作権者に与えた損害賠償責任については、今後の審理で争点となるとの見通しが示された。
て、書いているのにそれをねじ曲げて学習okとした。ってポストする奴は何なんだろうな。書いてあることをねじ曲げるのは害悪でしかないので辞めた方がいい。なぜならば、議論する際に誤った情報のまま議論することになるからだ
過去のニュースもいくつか見てみる
結局、この辺のフェアユースとは何か?実際にはどのように学習しているか(仕組み)を理解できていないので、感覚的にも掴みにくい。肯定派も否定派も空想で語るのはいいのだが、たぶん、誰一人、仕組みベースで語れる人はいないんじゃないかな?だってanthropicの学習方法はどうしているかって明らかになっていないだろうから。各社で作り方が違う可能性はあるよね
で、それはそれとしてフェアユースの示すものによるんだが、anthropic社が所有している著作物というのは買い取っているのだろうか?だとしたらいくらで?ってのは非常に気になる
一冊、買えばいける気がするし、一冊、買わなければ、紙の本は使いようがない。だけど、1冊をフェアユースしたときに享受した内容を、多数の人が見えるのはいいのか?って疑問点だ
これが、変形的利用の範囲にあたるから問題ないでしょって話なんだろうけど、確かに変形的な利用であれば、それは学習した著作物とは違うものであることは理解できる。まあ、学習していて全てのパラメーターが一冊の著作物で更新されるわけではないだろうしな
つまり、市販されている本ならば学習者が一冊は購入しているということが前提になりそうだ。1冊1000円だとして、1万冊で1000万、10万冊で1億、100万冊で10億か。学習素材として、1TBほど必要にはなるとすれば、それなりにコストはかかる。そこからgpuなり、他にも設備が必要になる。
てことは、何人が使うから、その分の定額を掛けて支払えってのは無理があるのだろう。資金的に。ただ、どうしても使いたければ支払えってのはあるのだろうけど、だとしたら、こちら側で企業が学習に使う場合の金額をむしろ設定したい。そうすれば、多少は納得感のある取引になりそうだけど。
noteのAI利用の件って学習を計画している人達は自由に有料記事まで立ち見ができるのだろうか?
文字だけとあるけど、あれは許可した人の記事は立ち見が出来ることを意味するのではないか?で、これをchoiceしますよってなったら、金額が確定してくるのだろうけど、まあ、謝礼を高く設定したら、買い手がつかないのだろうか。別にユーザ側が金額を設定して、その何%かをnoteが取るってしてもnoteには損はないとは思うんだが。
たかだか、数十万程度で自由に学習されるのも何だかなぁって感じがする。だから、有料記事は許可しない。それだけのことではあるが。
正直、学習に利用されたら有料記事を無料記事として開放してもいいのでは?と思うくらいだ。その時点で有料の価値はない。
既に有料記事を購入した人に配慮するために、学習用には公開しないわけだが、学習させるならば、購入した人にキャッシュバックくらいしないと、無料には出来ないな
終活大事
6/25、若者の終活についてwebニュースで目にしたが、終活は大事だよなと思う出来事があった。もしものときに残されるものが困らないように費用を用意しておこうと思った
ギャグマンガ日和Goは最高だったな
本当、ひどいアニメだった
増田こうすけ劇場 ギャグマンガ日和GO
— ギャグマンガ日和 公式 (@gagmanga_biyori) June 24, 2025
ーーーーーーー E N D ーーーーーーー pic.twitter.com/dEC8RkSW5g
長い1週間だった
6/28、色々とあったが区切りがついた