
今月の「学び」と「実践」と「アウトプット」
1日遅れました。この記事は7月分です
人と比べると疲れるなら、比べることをしない
普段、誰かと比べて何も出来ないことはないだろうか?例えば、Xのポストを見て1日が終わるなど。あいつスゲーとか広告で意気消沈するくらいなら見ないことだ。誰かより稼げるとか考えていたらキリがない。良くも悪くも自分は自分でしかない。それよか、少しでも行動してアウトプットした方がマシ。後は結果に過ぎないのだから
ヨイショにヨイショはキリがない
何というか、ヨイショ(取引)する度に金銭のやりとりが発生する連鎖構造があるような気がする。それは虚業だ。これは自分は避けて通りたい
SNSの宣伝は出来るだけフラットにすることを心掛けたい
目眩がひどい
7/1、原因が分からないのだが目眩がして気分が悪い。暑かったせいか。とりあえず、お酢とめんつゆを混ぜて冷たいうどん、後はサラダを食べてみた。お茶を中心にしていると調子が悪くなるときがある。そのときはポカリなどを飲むと落ち着くのだが、お茶2リットルを2日間掛けて飲むから摂取のしすぎの可能性はある
続、掃除という名の廃棄と整理をした
7/2 17:00-1:00で8時間、押入れ部分に溜まっているモノ、部屋の周りに置かれているモノなどを掃除した。結果的に押入れにモノが溢れる状態だった。完全に失敗だ。捨てきれなかった
今回の掃除で気付いたことをまとめる
捨てるものがあるということは買わなくていいものだったということだ。コストを無駄にしていると考えた方がいい。反省点だ。結果的に売却や捨てるものが少なければ少ないほど、コスト管理が出来ていると考えられる。
TVでとあるCMで見ていたら「使わなければお金は減らない」と言っていた。経済的に豊かになるということは「無駄を省く(逆説的には気付いて抑えることで浪費しない。マイナスしていないから、逆に儲けたと捉えるられるのではないか)」ということではないか
投資するところに集中できるので良いことづくしだと思った
一方で同じものを使うと飽きるという問題も発生することに気付いた。例えば、ギターであれば曲調を変えるなどすれば飽きに対応できるかもしれない。しかし、香水やヘアケア用品などは同じ香り、同じ効果だ。これが飽きの原因となり他のものに手を出す要因になっていたのではないか?
この問題を解決するにはアソートみたいな商品が出るといいのかもしれない。性能が気に入っていて飽きにも対応できるかもしれない
逆に飽きるを狙ってバリエーションを出しているのかもしれないが、浪費しないをテーマにした時には上記の様な代替案が用意されているといいと思った
後は衣服だ。あまり服には拘らないが10年から20年も経つとまぁまぁの服の量になることに気付いた。しかし、自分が満遍なく着るなら問題ないが、満遍なく着ないのであれば一桁もあれば十分だろう。ほぼ、半袖で過ごす人間なので、ワークマンで買った便利な衣服を着回せばいい。
現在計画しているのは1m程度の衣装掛けに収まる程度の服の量にすることだ。(下着やソックスなどは除く)
スーツは長持ちさせるために何着か着回した方がいいのだが、スーツで仕事をすることがなくなればより良い。一着あればいい。カジュアルに外に着ていくジャケットも1着あればいい。冬場は仕事ならばコートも一着あれば十分だ。カジュアルならダウンジャケットが一着あればいい。
これの最大のメリットは洗濯の回数を減らせる(時間と水道代や洗剤などのコストを減らせる)ことだ。具体的な数値化は出来ていないのだが、明らかに時間は楽になった。特にワークマンの半袖は比較的、乾きやすいものにしているので干していれば、すぐ乾く
また、服を買わなくていいのでコスト減にも繋がる。壊れた時に買い換えればいい話だ
ゴミを増やさないために考えたことは他にもある。展示会場や企業からパンフレットを頂かないことだ。どのみち廃棄されるのであれば貰わない方がエコロジーだし、捨てる時間を省ける。物理的なスペースも占有しない。貯まると厄介な代物だ。SDGsを実行するのであればPDFなどで電子化すればいい。企業からすれば「宣伝」なので重要な行為なのだろうが、受け取り側(自分のような立場)からすれば、持ち帰って邪魔なものでしかない。だったら最初から作らない方がいいとさえ考える
自分の時は電子化をベースに案内を作るようにしよう。紙を用意せず、QRコードを用意するなど方法はあるだろう
リュックの数も減らせそうだ。カジュアルに1つ、仕事で1つでいい。カジュアルの方はいつでも旅行に行けるようにも整備してある。
化粧品やケア商品など試供品を入手したときには旅行のカバンに入れよう。使い捨てや容量が小さいと思うので重さを感じずに持ち運べる。また、ホテルでお茶のパックなどのアメニティが余ることがあるのでジッパーの透明な袋に入れておけば意外に役に経つ時があるかもしれない
あまりしたことはないのだが、 水筒などを用意すればそこにお湯を入れて飲んでもいいかもしれない(ペットボトルの飲み物を買うのを減らせるのではないか)またはキャンプなどで水を調達しやすい場所で使ってもいいかもしれない
昔ほど顕著ではないのだが、ご当地のグッズを買うことがある。食べ物ならば身体の中に消えるのでいいのだが、モノは物理的なスペースを占有する。ずっと残すのはいいが、一時的な感情の昂り(特別感)で購入していることが多いので結局、飾る場所に困り行き場を失っていることが多い
今は、出来るだけ長く使えるものを選ぶようにしているが、それでも中々難しい。写真などはデータで残せるので出来るだけ移行するようにしているが、意外にグッズは実用しないのが自分の現状だ。勿体無い状況になっている
例えば、コルクボードなどを用意して旅行先で一点だけ買って張り付けて物理的な記録を作るなど、何かしら自分の頭で考えて満足感が得られるように工夫して計画を実行するならばいいが。あんまり考えない人間なので、写真にこだわった方が良さそうな気はしている
やはり、グッズは買ったら使おう。また、グッズじゃなくても聖地巡礼感は出せるはずなので工夫をしてみよう
アイドルではなく自分を主役に捉えることに移行できるように自分を改革している途中なので、何で自分を満たす、自信を持つかで生活の満足感が上がる(余計に手は出さなくて良くなると思う)
モノを捨てるのは防災対策、特に地震対策で棚からモノが落ちる恐怖を覚えたからだ。スッキリすると安心感がある
モノが少ないと思考しやすくなる(あるもので何とかする、工夫する思考になるからだ)
引越しするときもモノが減れば便利だろう
自宅の太陽光発電とかどうなんだ?
よく、太陽光で充電してポータブル電源を充電することに謎の期待を抱くのだが、特に災害時や日常で備蓄していて使うのだろうかと考えることがある。これって電気代を減らせるのではないかと思ってやりたいと考えるのだが、そもそもどれくらい減らせるのかって数値が見えない。屋根の上にソーラパネルを設置して家の電気の50%を減らせるのであれば、効果があると思う。後は費用回収までどのくらいなのかによるが。
災害時であれば、スマホなどを充電できる程度で十分ではないだろうか?ただし、電波が繋がる前提である。AUのStarLinkの衛星通信がAUの基地局を経由しないで端末に直接通信するのであればありかもしれないが、基地局次第であるとインフラとしては弱いかもしれないなと思った
きっと災害時ほど暖かい食事は重要になるから、もう少し方法を考えてみよう。電気ケトルがメチャクチャ喜ばれた話を知人から聞いた記憶もある。シミレーションは重要だ
後、自宅のPCがぶっ壊れても復旧できる方法を検討した方がいいな。ネットワーク越しでデータを保存するとかあるが、プライベートな情報なのであまり外部ネットワークにデータを起きたくはないんだよな
OSの完全復旧もPCを移行した時にどうやれば出来るのかよく分かっていない。マザーボードを交換すると上手く行かないなんて話も聞くし、OSのイメージ(スナップショット?)はハードが変わっても残せるものなのか?ドライバなども変わってくるだろうし面倒だ。最悪、アプリケーションだけは再度、インストールする形にはしときたい。ダウンロードを繰り返すのはめんどくさい。Macならばタイムマシンで上手く復旧できるのかもしれないが、Windowsってどうなんだろうな。ハードウェアの構成によらず、上手く共有化(標準化)するといいのだろうけど。悩ましい。
ドラマチックに描かない
ドラマチックというのは人生で何度も起こらないだろう。割合で言えば日常の方が人生の割合を圧倒的に占める。ドラマチックに憧れはあっても消費して終わってしまうだろう。「日常」に自分が労力の大半を傾けた方が満足感が高いのではという話。もちろん冠婚葬祭や旅行、ライブなど気持ちの切り替えや記念にはなるのでいいのはいいのだが。
例えば
音楽であれば「出来るだけ日常」を歌うようにする。特別は続かないが日常は続くからだ
寝具をレンタルしているのだが「睡眠の質(腰の痛みが減る)」が上がって、下手なホテルのベッドよりも快適に眠れるようになったこと。ホテルのベッドと比較するまでに至ったこと→日常生活の向上、無理にホテルを使う必要はないかもと思うこと(自宅が快適で引き篭もりたい)
など、いくつかこの数年で変化があった
Stable DiffusionのFine-Tuningについて
7/6、元のモデルの弱い部分を強化する目的でStable DiffusionのFine-Tuningを準備しているのだが、体感上、LoConでサンプリングのタグの6割ほどは描画できていそうなのでFine-Tuningに移行しようと思う。前回が13時間ほどだったが、今回は半分程度で終わる見込みだ
これでモデル作成に関してもおしまいにするつもりだ
今回は6割くらいの精度といったのにもある程度、基準がある
単純に何度か推論して期待した画像が手に入るのであれば、失敗した4割も気にしない
逆に推論を繰り返しても期待した画像(学習で示した画像)が手に入らないのであれば、恐らく何かしらで画像の学習が失敗している可能性がある
学習時に元のモデルに引っ張られるとはいえ、既存の他のモデルで達成できているのであれば、達成できていないモデルでも学習は出来るだろう
約、2年間ほど画像生成を取り組んできたが、一旦、これで終了できると思う。後は思ったように画像生成をすればいいしモデルを調整することもなくなるだろう
今回の取り組みで自分で考えて得られたことは整理しておく。既存の有料記事に追記するか新しく作るかは考え中だが落ち着いたちときにまとめておく
これから画像生成の学習を始める人へ
もし、1つだけアドバイスできるとしたら
自分でLoRAを作ってみて自分が期待した結果を得られるかを確かめてみてください。その頃には自由に学習が出来ていることでしょう
LoRAを1つにしても学習させて満足に作ることがこれほど難しいとは思わなかった。未だに自分でも自由度の高いLoRAを作成出来ている気がしない
モデル公開者のモデルの能力なのか、LoRAを公開者のLoRAの能力なのかは分からないが、ある程度、柔軟性の出る生成結果を得られるので、素直にすごいと思う
Stable Diffusionの学習評価は難しい
LLMもスコアリングする文化がある様だが、アレは絶対的な評価ではなく部分的な評価に過ぎないため、必ずしもユーザーがほしい回答を得られることと直結するわけではない
同様に、Stable Diffusionの学習評価も非常に難しい
今回は、自分が期待した結果(学習させた結果に類似した画像が出ること)が得られるかを評価基準にしたため比較的分かりやすい。目で見れば人の感性や認めるクオリティや良し悪しに差はあれど、サンプリングに使ったモデルと似たような画像を個人で評価できるためしやすい
また、プロンプトのリストを1巡させて画像生成した時に16/20など成功を数値化できるのも大きい。本来であれば学習させた内容を一通りプロンプトで実行して、何度か推論して出るかを確認すればいいのがいい。そうすると定量的な結果として得られる。個人の判断なので定性的とも言えるが
どうしても画像生成できない場合もあるが、ざっくり6割ほど生成できれば良いとした。原因が分からない場合もあるし100%を追ってはしんどい。かつ、何度も推論しないといけないのであれば、単純に疲れるしコスパが悪い。つまり、上手に学習できていない可能性はある
原因を調査するのにも時間は掛かるし、必ずしも問題が分かったり解決するわけではない。場合によっては今回のテーマにはない「大量の画像」で学習させる必要があるなんて時は資金的にも環境的にもお手上げだ
そもそもLLMもそうだが、間違える可能性がありますを許容させる世界なのであれば、自分だけが精度良くやろうなんて考えなくていいのだ
学習時に設定したテーマ(モデルが描画できない→モデルが学習できていない内容についてモデルを強化して期待した画像を得られること、つまり、モデルの良さは残しつつ強化すること、かつ、1度における生成精度や、生成可能な精度は6割ほど)が満たせればいいのだ
追記
7/7、画像がうまくいかない場合の問題点を発見した。学習画像のタグに対して矛盾する画像がセットで含まれているため学習時に混乱をきたしているようだ。モデルは学習した部分で出力するとき、どっちっていうよりはピックアップするイメージなので、そりゃそうかって感じ。都合が悪ければ学習したモデルでNegative promptを指定するのも手だが無理なくできる範囲ならば、学習する画像をサンプリングしなおした方が良さそうだ
いくつか見つかったので、再度、サンプリングしてLoConで作り直して試す。結果は以前よりも矛盾なく出やすくなればOKとする
今回の結果から、学習は素直にモデルは与えられた画像の通りに学習しているように感じたので、学習させる画像で同一タグで複数枚用意するときは方向性は一致しているか確認した方がいいだろう
まあ、サンプリングし直すのは超めんどいわけなんだけど。モデルというより学習のさせ方に問題がありそうなことが分かりよかった。ユーザーの方で方向性が一致していれば、推論回数で解決する場合もありそうだしな。それでも、多少なりとも精度(タグと描画の矛盾)が改善するならば実施しておきたい
追記
7/12、3回目のLoCon作りを終えてテストを完了した。見直してみると精度が上がったように思える。どうしてそうなるのか不可解な問題も発生しているが、後、そのときに失敗に気付いた素材やタグを修正してFine-Tuningを進めたいと思う
まあ、キリがないし「引き続き、自由研究」をしてもいいのではあるが、データセットƒ(学習素材:画像とタグのテキスト)は残っているので対応しやすいときに「研究」を再開してもいいだろう。概ね、学習させたと認識していることはFine-Tuningを終えたモデルでも学習できていることを確認することが出来たので成果と言える
基本的にFine-Tuningで使用したタグはそのまま使うといい。他のタグは洗い替えしていないので、元のモデルの影響を及ぼす
ネガティブプロンプトで品質タグ(低クオリティ)をタグ付けすると思うが、Fine-Tuningの効果を確認するとしたら、付けるべきか付けないべきか仮説と実際の結果も確認することが出来た
問題は品質タグの学習とあるが、通常のタグ+品質タグとラベリングすることで分別しているのだと思うがモデル制作の立場を考えると、品質タグの学習のさせ方によっては、本当に機能するのだろうかという疑問も得られた
今回の場合は微調整なので、あまり意識することはないが本来であれば、そこまで考えることにより適切なモデルの作成をすることが出来るのだろう
ある程度、問題点をコントロールしてモデルに反映出来てきたことは良いことだ。
評価方法もある程度、自分なりの方法が確立したので悪くなかった戦いだったと思う
Stable Diffusionについて言いたいことはある。試し打ちは沼なのでやめた方がいいです。試し打ちが終わらなくなり時間が溶けます
追記
Stable Diffusionの利用規約などで何やら盛り上がっているが「確定情報」が来たら知ればでいいと思っている。最近のWebニュースで正しい認識であるのか確認すらしていないんじゃない?と思えるメディア(法人だろ?)があるのが残念だ。ライターはフリーなのかも知れないが。そんな情報に見る時間を使うのは心底、勿体無いし意味がない。随分、質が落ちたなと感じる。元々、そうなのかも知れないが・・・
だって、真意はStability AI社しか分からないだろって話で憶測で話をしても意味がない。むしろ、問い合わせて聞いた方が早いだろう。取材するのがメディアではないのかって話
どちらかと言えば、個人的にはAMDのGPUに対応しようという動きの方が嬉しい。少しコストが安くなるかも知れないからだ(2025年4月頃の記事)
結局のところ、一般的に広まるためには「モデル」を更に学習させる必要があるとは思うが、皆さんご存知の通りコストが掛かる。資産に余裕がある人間でない限り、個人でモデルを作るのは中々勇気がいる
今後、ミニマムなモデルを作成することがあれば、LLMのTinyモデルを作っているのと同じように「特定の用途」に絞った小規模モデルを作ってみるのは楽しそうだ。SD1.5時代であれば、少しは作りやすくなっているかも知れない。いずれにしてもコストと相談ではあるが
NovelAIがStable Diffusionのモデルに依存をしていないとPOSTを見た。0からStable Diffusionのモデルを構築する学習方法って公開されているのか知らないのだけど、何かしら公開されている既存の構築方法を活用してモデルを構築したということか
最近、当社の画像生成に関するドキュメントを更新し、新しいNovelAI V4およびV4.5モデルがStable Diffusion、SDXL、FLUX、またはその他のモデルを基盤としていないことを明確にしました。NovelAI DiffusionについてはぜひNovelAIドキュメントをご確認ください! https://t.co/epc4wUhaG7
— NovelAI (@novelaiofficial) July 12, 2025
Stable Diffusionを経由しないことにより、例えば、推論速度が爆上がりになるとか何かしらのメリットがあれば面白そうだ。Stable Diffusionのデータセットってこれの認識なんだけど、例えば、NovelAIがユーザーの生成結果をタグと共に残してあれば、頼らずとも「特定のジャンルの画像生成」に特化したモデルを構築することはできそうだ
追記
yahoo!きっずでAIについて扱っていた。少し読んでみたけど「仕事」を奪われることに過剰反応している人達は読んでみるといいよ。いいじゃん!AIで楽できるようになったら、他のことに頭を回せるようになるんだから
実際に悩んだらいいのは「リストラ」された状況に置かれた人達だ。当事者じゃないのに外野が騒ぐのは余計に混乱させるだけかと。いい指摘をしている人がいたが、本当にAIが理由でリストラが実施されたのか分かっている?っていう人がいた。確かになるほどと思う出来事があった。元々、売上の見込みが立たずAIを理由に解雇しているだけで、実はAI関係ないじゃんという考え方もできるって話だ。ニュースやメディア、企業の発表を間に受けるなって話だ。思い込みはよくない
追記
7/19、Fine-Tuningを3回ほど繰り返した。LoConと同じ学習率で設定したら過学習なのか画像が崩れた。avr_lossもいつもと違う。これでは想定通りの結果が得られなさそうだ
ただ、そのモデルでも「概ねプロンプトリスト」を用意して1個ずつ実行したら安定感が得られたので、ある種、成功はしている
元の学習画像もおおよそ学習前は再現できなかったことが、学習後は再現できていたので、恐らく学習はしている
しかし、何かすごい違和感があるのだがこれはどういうことか。恐らくLoRAやLoConはモデルの後に適用するものなので、逆にモデルそのものからは影響していないのかもしれない。しかし、Fine-Tuningだとモデルを更新する作業になるから、他のパラメータ(恐らく他のタグ)との兼ね合いをダイレクトに影響を受けるのではないだろうか
例えば、同じ"masterpiece"でも学習させるモデルが描くものと、こちらの学習させた"masterpiece"は既存の"masterpiece"の一部でしかない
全く同じタグ(プロンプト)であれば、学習させた画像には似てくるのだろうが、何かしらアレンジをさせたいことがあるだろう。そのときにも学習を元にして類推を期待するわけだが、違うタグがあればあるほど、学習させた内容のジャンルを推論させようとすると影響が受けやすい感じだ
学習させていないタグは元のモデルのままだから、今回の学習素材として使ったモデルが持つタグとは方向性が異なるかもしれない
正直、素材を使ったモデルを使ったらいいのではという指摘は最もだが、「ここでは学習させたモデルでないと出せない味」だと考えているから意義があると考えている
Fine-Tuningの結果というのは
A+B=Cである。A≒Cであるかもしれないが、A≠Cなのである
何とか学習を完了させて、Hugging Faceのリポジトリ(プライベート)にアップロードさせて完了としたい
追記
ColabのA100は40GBのGPUなので推論も流石に高い。少し使用率は値上がりした気がするが推論が早いというのはいい
今回の学習に合わせてドキュメントから類推したこともあるが、使い方の理解が広まった部分はある。こういうのはいちいち自分のケースに合わせて書いてあるわけではないので、ネットに書いていない内容だ
特に自分はGoogle Driveの容量を回避するためにHugging Faceのリポジトリに過去の記録を載せようとしている、今回、前回のFine-Tuningから1年は経過しているが、そういった内容も調べた。一部、理解が及ばずに不可解なこともあるが。ただ、需要あるのかは謎
画像生成AIを活用する人でモデルを公開している人々は一定数いるが、画像生成をする全体のユーザーの何%に当たる数なのだろうか。しかも、個人的にモデルを構築する人はあまりいないのではないだろうか
まあ、コストも掛かるし。ただ、僕の目的・用途からすれば比較的、手軽に出来るモデル構築にあたるのだろう(それでも時間は1日単位でかかるが)
追記
今後、画像生成をするのであれば「低燃費」のローカル画像生成専用の小型PCが出たら嬉しいな。L4 GPUでも十分に画像生成が出来る。動画生成も小さなモデルであれば22GBもあれば出来る。ポイントは放置できることで、「計画」を実行させることだ。毎回、結果を監視してはいけない。時間が溶けるからだ。「失敗」を許容しよう。だから、いきなり20epochで学習させるとかしてはいけない。ミニマムな学習でチェックをすればコストも減る。失敗から軌道修正を繰り返し、ある程度、期待した方向性が得られれば「本番」で学習させるのがいいだろう
プロンプトでも期待した成果が(何周かすれば)得られるような「指示リスト」は必要であるが、これもある程度、生成した画像を自動的にBad, Goodなどと判定してレポートやプロンプトを修正する機能がつくといいのだろうな
つまり、プロセス中を見ないことで時間を使うというコストを減らせるということだ。普段、LLMに怒り散らしているが画像生成AIはある種、生成結果をコントロールするような作業なので、1発で出せないのは本人の問題であるかのように振る舞うことで、試行なしでLLMに正しい推論結果を求めさせる大変さを肌で感じるかのようだ
追記
7/23、タグで気になったところがあったので修正して再度学習している、学習率をわざと上げてみて収束するか確認をしている。pre-trainingだと相当デカイ学習率で更新していることを学んだ。ただし、そう言う時は100万以上の画像で学習させる。とてもじゃないが個人で用意して学習できる分量じゃない
まだ、既存のモデルをマージさせるなりした方が賢明だろう。マージは沼と聞くのでしないが。というか元のモデルを使えばいいじゃん
追記
7/24、Fine-Tuningを終了で良さそうだ。厳密には確認していないが「モデルはそこまで悪くない」と感じる。一応、学習させた画像と対比させるようにリストを作ってもいいのだが、生成結果が比較的、何度か回せばいいと思える内容になってきた。これをプライベートリポジトリにあげよう
要は「描画されなくても」学習はしていると言うことだ。つまり、何かが邪魔している可能性はあるってことだ。
反省点はいくつかあるが、これは有料記事でまとめよう
今後は、試験的に「失敗と思う画像」を生成する回数、頻度を減らせるLoRAを作成出来ないか試そうと思う
品質タグやNegative Promptが有効に働いているとは限らない(ユーザーにとって望ましい結果)とは限らないから、それぞれのユーザーにとってカスタムした「避けるLoRA」が作れれば良いのかもしれない
アイディアはあるので試してみよう。これで自分の作ったモデルの画像生成の精度が上がればいい。ControlNetなどで制御するのも手だが、わざわざ設定するのもめんどくさい。
テキストだけで好みの画像が出るようになれば楽になるだろう
エフェクターのbufferとの組み合わせやインピーダンスについて問い合わせている
7/6、「ハイ受けロー出し」なんて言葉を聞くが、ローでハイ受けしてもいいのかなど文字やネットの情報(原理に触れず、こうしたほうがいいよ)だけではイマイチ分からないので、メーカーに仕様を確認している
各社は各社の製品しか答えられないだろうから、何社か影響ありそうなエフェクターに絞って質問をしている
私がエフェクターを組むときの思想としては
「さっさとローインピーダンスに変換してエフェクターをローインピーダンスのままやり取りしてアンプに差し込みたい」
である。ハイインピーダンスのままではギターの信号が影響を受けやすいとネットに書いてあったからだ。これ、本当なのかすら判断できないので、そこも問題ではあるのだが・・・
逆にギターからの信号がハイインピーダンスだからこそ、暴れ馬で影響を受けやすいがリアリティがあるのではないかと
追記
7/7、perplexityともっと事前に会話しておくんだったな。QandAよりも仕組みを理解しやすいかもしれない
本当、言葉が先行するのは良くない
追記
7/19、前回から時間が経過してしまったが、サポートの人のおかげで「理解」を深めることが出来た。LLMの回答は正だったとしても「人の思い込み」で「誤」に見えることはある
結局、一意の解釈はLLMからは入手出来なかったので「学習」出来ていないことが分かった。判断なんて尚更、LLMには出来ていないことが分かった。本質的なことは求め難いのかもしれない。例えば、本質だけ学習させれば回答は可能かもしれないけどね
戦争から80年が経過する
日本人の平均寿命は80歳程度だとすると、戦争を知る子どもはおおよそ亡くなることになる
厚生労働省の「簡易生命表(令和5年)」によると、2023(令和5)年の日本人の平均寿命は男性が81.09歳、女性が87.14歳で、2022(令和4)年と比較して男性は0.04年、女性は0.05年上回りました。
SNSによって情報を得る時代になってしまった。そして、SNSの情報に踊らされる愚か者は多いだろう(僕もその一人だ)
今後、あらゆるデマや誤情報が蔓延して「真実や事実」が特定の思想を持った者によって都合よく歪められて「世間」が動いていく人が一定以上、いるだろう
本当に恐ろしい
選挙でSNSを参考にするというニュースを見た
マジかよと衝撃を受けているのだが、「自分で判断・決断」をすることが出来ない人がいるってことだ
思想・信条の自由はあるので「誰」が「何」をしてもいいとは思うのだが、そんなに「誰」かの意見が必要なのか?
「人」の意見を聞いて考えるのと流されるの話が違う。いずれにしても最終的に決断を下すのは自分だ
逆に言えば、自分が投票した人が起こした結果もある程度は受け入れる必要があるということだ。次、それが嫌ならば別に投票すればいい
自分は何だかんだで「不満」を抱いていない状況なので、今は幸せなのだろう。自治体のサービスにも特に不満があるわけではないので、むしろ、地域密着としては自治体の人の労によるものだろう
例えば、ゴミの捨て方が分からないときに質問にも普通に答えてもらえたし丁寧に対応してもらえた。もちろん、ネットで公式と思われるページも調べてはいるのだが理解できないときに問い合わせているのだが
デジタル庁のダッシュボード
扱える指標によるが面白そう
<良ければ広めてください>
— hikaru / 樫田光 (@hik0107) July 10, 2025
デジタル庁/内閣府から、経済・財政・暮らしなどの統計を見える化する「Japan Dashboard」が公表されました。
UIと操作性といったデザインに投資し、誰でも簡単に日本の主要な統計に触れられるものになっています。以降も更に情報や機能の拡充に努めてまいります。 pic.twitter.com/wnACUEHQKu
うーん、なぜ、メディアは裏取りしないのか?
ヒットすれば真実なんてどうでもいいんだなと思う記事ばかりでうんざりする。Windows10が最後のOSって誰が言ったんだ?って過去記事を調べたら、実際の音声ソースやMicrosoftの公式ページなどリンクしている奴がいない。つまり、コピペ記事ってことだ。ソースを貼り付けたってソース元が裏取りしていなければ意味がないからな?それは本当なのか検証もしないってことだろ
まだ、△△の〇〇が発言しました(記事を書いた本人が事実確認をしたのか?)だけ事実を書いたとしても、SNSの個人がWindows10が最後のOSだと言い出す(捻じ曲げる)のも害悪だ
本当に嘘だらけだ。特にネットニュースはその傾向があるので信用していない。本当、ゴミ。流行りに飛び込むのは鉄則なのかも知れないが、ゴミを量産したところで実際は誰の役にも立たない。価値のない作業だ
むしろ、ネットニュースもファクトチェックの対象にして問題を起こしたらペナルティを食らわせるくらい法人に圧を掛けた方がいい。あまりにも不誠実だ
AIの学習にとっても邪魔な情報でしかない。ゴミデータを学習しても意味はないからだ。ただ、Stable Diffusionとかと同じように品質タグを設定して、これは悪い情報、質の悪い情報などとタグ付けしてあげれば、推論の質が上がるかも知れない。ある意味、有効活用できるかも知れない。(皮肉な話だ)
多分だけど、Webライターと呼ばれる集団の中に一定層、煽る系の記事を書く人達がいると思うので、その人達を対象にするとか、その記事を掲載したメディアを対象にするとかするといいと思うんだ
過去に完全ではないがフィルタリングする方法は言及しているのでリンクも掲載しておく
基本はオフィシャルが正式に発表していない情報は嘘だと思っても差し支えないと思う。ただでさえ偏向報道などと騒がれる時代だ。受動で入ってきた情報には慎重になった方がいい。何も考えずにいるといつの間にか持っていかれている。その情報には書き手の何かしらの意図が介在しているからだ。事実なり検証なり実態を報道するのはいいのだが、切り取り方によっては人によって受け取り方も異なるので、一部の情報というのは怖い
今、発言しているこの瞬間ですら、自分は何かしらの思い込みや偏った先入観が植え付けられているのではないかと考えると、僕の発言もまた信用するべきではない。ひとりひとりが自分の頭で考えてみることが必要だろう
pixivのいいところをnoteに転用できないか
pixivは何も考えずに「heart(ブックマーク)」が出来ること、貰えることだと思う。やはり、絵は文字よりも強い。自分はnoteでも何も考えずに「heart(スキ)」を押しているところはあるから、やはり「いいね」があるとモチベーションに繋がる点はあるかもしれない
noteとpixivではビューの見方が違うので一概に言えないが、「heart」はnoteで言うところの注目記事以上(自分比)に貰えるので感覚がバグる
絵(価値)に対して対価(heart)が分かりやすく発動しているのかもしれない。これをnoteで言うところの文字でも出来るといいのだろうな
普段、文字に対して自分は「価値」を感じていないところが、現状を反映しているとも言えなくないかもしれない。結局のところ、写真とかたくさん載っていた方が「スキ」を押したくなるしな
Amazon Prime Saleの影響なのか?メーカーのSaleの影響なのか?
7/14までAmazonでタイムセール(プライムセール)が行われていたと思う。普段、見ていた製品が安いのはなぜ?と思ったら、メーカー公式通販がサマーセールをしていた
これ、メーカーが自主的にタイムセールしていたから、Amazon初め、他の通販サイトが安くしていただけじゃね?と思った。つまり、Amazonのタイムセールとは関係ないのだ。これが事実ならば酷い話だ。
例えば、Amazonがメーカーに対してプライムセールするためにメーカーにいくらか払うので値下げしてYOと言っているのであれば分かるのだが、全く関係ないのであれば、タイムセールでも何でもない。逆にプライムセールが正式な値下げとして起因しているのであれば、他の通販サイトはプライムセールに合わせて値段を下げたことになる
ちなみに他の通販サイトもメーカー公式通販がサマーセール終わるのと同時に値段を戻していたことを確認した
プライムセールは定期的に行われているので、それに合わせて他の通販サイトの価格調査をすると発見がありそうだ。最近はAmazonよりもヨドバシを利用するので、ヨドバシで同様に安くするのであれば、そちらで頼むようにしている。Amazonも利用はするのだけど、ある製品を検索すると似たような製品が沢山出てくるので、どれが安心して使えるのか判断がしにくいので回避している。商品名の欄が長文の製品は基本的に避けている。検索にヒットさせるためなのだろうけど、メーカー品もそうだけど「信用度」が個人的には下がっている。本物なのか分からなくなるからだ。また、別な理由で楽天は商品説明が長くて好きではない。所謂、メーカー品なのか直ぐに確認できないからだ。時間の無駄だ。だから僕は利用しない。だって、有名なメーカーが販売しているかで買っているところは多分にあるから、実はそれほど情報は必要ないのではないかと思っている
分からないことはメーカーの公式ページを見にいけばいいわけだし、「通販サイト」で必要な情報って、最低限、「価格」「送料」「商品名(品番・型番)」「メーカー名」と、簡単な商品説明や仕様が乗っていれば十分だと思うんだよね
それはそうと、Prime Videoで猫の映像が流れる動画を垂れ流しながら寝ていた
Dアニメの範囲外のジャンルだと思うのでたまに見ると面白い。
AG06MK2が最新のMacOSで認識しないのはなぜ?
7/16、問い合わせをした

いくつか試した
USBの抜き差しはダメだった
OSの再起動もダメだった
I/F(AG06MK2)の電源を入れ直してもダメだった
追記
初歩的なことをやらかしていた。9V DCの方にUSBケーブルを差していたことが判明した。そりゃ、電気は供給するかもしれないがPCがUSBを認識しないよね
Googleには日本語の音声認識を改善してもらいたいのだけど、どうすれば改善できるのか?
OpenAIのWhisperにしてもそうだが「日本語」の音声認識はイマイチ(というか難しい)だ。同音異義語やイントネーションもあるのだろうが、YouTubeで日本語の音声文字起こしをするとひどさが分かる
話者の音量の問題というのはあるかもしれないが、あれだけ撮影機材やら何やら揃えたYouTuberが一杯いるわけだ。音声の質が悪いということはないだろう。そして、日本人としては話者の内容は聞き取れるので話し手の問題とも考え難い
もちろん、人間が何を言っているか聞き取れないレベルを機械に分からせるのは酷だが、そういうわけじゃない
YouTubeなんて星の数ほど動画があると思う。もし、音声の内容から学習が必要なときに手動翻訳して紐付けが必要なのであれば協力したいところだ。日本語以外のネイティブな会話の方が精度高そうに思えるのは日本語以外よく分かっていないからなのだろうが。
アレだけYouTubeという学習サンプルが存在しているのだから「有効」に活用した方がいいと思うんだけどな。サンプルデータを自分達で揃える必要ないじゃん
機械翻訳の精度が上がれば「ヒアリングツール」としても前進すると思うのだけどな
エアコンクリーニングで部屋を片付ける
今回はメーカーに依頼した。まあ、やりとりで色々あったが受け入れる作業をするために部屋を片付けている。おおよそ、使用期間の半分を過ぎたので2台をまとめて処理してもらう。そのためには片付けが必要となるので大変だ。台はキャスター付きだがモノを置いてしまうと移動は難しい。モノをノートPCなど最低限にした方がいいことを学んだ
追記
7/29、エアコンをクリーニングしてもらった。黒点がたくさん付着しており、菌が増殖していたようだ。プラズマクラスターのエアコンを冷房に限らず送風し続けていた。使用頻度が高いと菌も増えやすいようだ
閑話休題、MacとI/Fを思ふ
今後は昇降デスクを用意して作業しやすい環境を整えたい。ノートPCは便利だが、移動させるとき困るので、今度のMacはMac miniにすることになるだろう。実質、MacBook Airが怖くて外に持ち出せなかった。MacはLogic Proがあるので重要ではある。今更、DAW関連をWindowsに戻そうとは思わない。代替、オーディオインターフェースなどの製品もMacを前提にしているからWindowsとは相性が悪いと思う。ASIOドライバーを用意していないというI/Fも過去には散見された。Windowsに対応を謳うのであれば有り得ない。実際のことを考えれば最初からMac専用と謳えばいいのに。サポート窓口の対応も良くなかったので信用していない
現在、AG06MK2に何の不満もないので他のI/Fは正直、見向きもしていない。これはいいことだ。音質のことなど分からないので十分だ。逆にAG06MK2以上に利便性のいいI/Fを自分は知らない
何ていうか余計な設定をしなくていいので直感的だ。Inputに音声を入力すれば直接聞こえるのがいい。逆にDAWではモニタリングをOFFにしないと2重に聞こえるのだが、DAW上の音を聞きたい時はDRY CH1-2のときI/Fをmuteにすればいい
可用性もある。後からこうしたいと思った時に意外と対応しているからよく出来ている。ユーザーの利用シーンを洗い出している感じだ
AIの回答に対してユーザーが間違いを指摘したら「私は誤りを提供しました」「従って、この問い合わせについては分かりません」と言える学習をさせたい
RAGやLoRAもしくはFine-Tuningでそのように実装させたい。実際、AIか人間、どちらが間違っててもいいんだよ。人間は感情があるから「人間」に合わせるならば、嘘でも「嘘をつきました。ごめんなさい。」と言えれば、無駄に怒りをAIにぶちまけるターンを省略することができる。無駄な時間を使わなくてすむ。これはとてもエコロジーだ。実際にAIの利用をしやすくなるだろう。(分からないと言われたら別な視点から考えようとなる)人も限界がある。AIが学習できていないこともある。その境界がAIや人からアラートとして分かればいいだけの話だ
ただ、実際のところはAPI経由になってしまうだろうから、モデルそのものをFine-Tuningは出来ないだろう。OpenAIのChatGPTは出来るんだっけ?llamaなどで試してみようかな
少なくても、間違いを検証する能力(証明する能力)がないAIにはあると便利そうだな。(もし、AIが誤りを検出する能力があればハルシネーションなんて言葉はないからだ)
そもそも、誤りは人類でも定義をすることは難しいのではないか?
1+1=2であると言うのと、あなたの意見は正しいか?は尺度も粒度も違うから回答がない、人によって回答が異なるはあり得るだろう
AIに感情的な言葉を使わせない
AIに感情がないと言うのであれば、思う、考える、感じる、などと言う言葉を使わせていけないのではないのか。逆にその言葉を使わせないことで回答の精度が向上しないか?