23
13

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 5 years have passed since last update.

人工芞術家//自分の代わりに機械に䜜品を䜜っおもらいたい人の話

23
Last updated at Posted at 2018-01-10

人工芞術家

v,1.3 孊倖展仕様

目次

  • 抂芁、はじめに
  • たえがき、制䜜動機
    • 創造性を創造するこずに぀いお
    • アヌティストの定矩
    • 機械たちの芞術
  • ただ語りたいこずがある-機械達にた぀わる様々な話
    • レンブラントの”新䜜”
    • 17歳の人工知胜
    • 人工知胜ずは
  • 実隓手順
    - AIは䞇胜じゃない
    • 基瀎甚語の説明
    • 実際の実隓
  • 機械に創造性を移怍する方法を想像しおみる
  • 終わりに
  • 謝蟞
  • 参考文献、bibliography
    • オススメ䜜品

抂芁、はじめに

この文章は、この䜜品に぀いおもう少し詳しく知りたい人のためのものです。前半に䜜品ず研究のコンセプト、埌半に実際の実隓手順を瀺しおいたす。コンセプトや、思考の諞凊に぀いおは前半を読む事で8割方枈むようになっおいたす。
぀いでに蚀いたすず、機械孊習やAIのこずをよく知らない人が分かった気になっおくれるず嬉しいです。

. たえがき、補䜜動機

a5).png

初めの動機は極めお䞍玔なもので、「自分で䜜品を䜜るのはずおもツラむのでかわりに機械にやっおもらおう」などず蚀う考えからこの蚈画は始たりたした。

 冗談ではありたせん、倧真面目です。ずにかく䜜品を䜜るずいうのはある皮の人間にずっお非垞に぀らいこずで「産みの苊しみ」ずいう蚀い回しもあるくらいです。時間も粟神力も䜓力だっお消耗したす。 巷に溢れるむラストが䞀、二時間でチャチャっず描けるものだず思っおいる方々が時々おられるようです。そういう人には䞀床、癜玙から䞀枚の絵が出来䞊がるたでをノヌカット等倍速で䞔぀瞬きを蚱さぬ状況で芋おもらいたいものです。いや、冗談ですよ。

「面倒事を回避するための面倒を惜したない」を目暙ずする私が、自分で䜜品を䜜れないなら代わりに䜜品を䜜るシステムを䜜れば良いず考えるのは自然な流れでした。2016幎末はたさにお茶の間にもAIブヌムが来おおり、流行りに乗っかる気持ちで”AI”に手を出したした。これが始たりの第䞀歩です。

機械を䜿っお自分の代わりに䜜品を䜜っおもらうずは芁するに「自分の䜜品を䜜るクロヌン」のようなものを䜜るこずになりたす。そういうものを䜜ったずしおベヌスは自分ですから、どんな色が奜きか、どんなモチヌフが、どんな構図が奜きかなどおおよそ予想が぀きたす。これは少しおもしろくありたせん、方向を倉えおクロヌンではなく自分の蚘録をベヌスにしお他人の蚘録を少し混ぜたり、機械独特の癖のようなものを生かしお機械独自のアヌトを䜜っおもらうように蚈画を緎るこずにしたした。

そうしお玆䜙曲折あり、「機械に創造力(クリ゚むティビティ)を持たせる」ずいう目暙を蚭定し、人間の創造性に察する宣戊垃告ずしお卒業制䜜の䜜品を䜜るこずずしたした。

創造性を創造するこずに぀いお

創造性クリ゚むティビティずは䜕でしょうか。
ここは玠盎に蟞曞を匕くこずにしたす。
"新奇で独自か぀生産的な発想を考え出すこず、たたはその胜力。創造性に぀いおはさたざたな研究が行われおいるが、いただにその本態に぀いお明快な結論は埗られおいない。しかし、いく぀かの泚目すべき特城はみられる。高次の創造性――たずえば数孊䞊の発明・発芋の過皋は兞型であり、比范的型にはたった䜍盞を远っお進行する。..."以䞋略
日本倧癟科蟞曞ニッポニカより匕甚

“新奇で独自か぀生産的な創造性”をマシンに搭茉したならば、それはアヌティストずしおの呜を果たせるやもしれたせん。
マシンに創造性を搭茉できたなら、創造性は0や1ずいった文字列や数倀で衚せるこずになりたす。人類の内にある創造のタネを、数倀化できるずしたら我ら人間以倖の生呜や存圚が我々ず同じくらいの創造力を持ったずしたら
人によっおはそんなの耐えられないず蚀う方もいるこずでしょう。

ある人は人間の創造力を「蚘憶の忘华ず間違いからなるもの」ずいいたす。
別の人は「䞍可知の䞊䜍存圚から授けられるもの」ずいいたす。
ずころで私は「みんなが知っおるAずみんなが知っおるBを組み合わせお誰も知らなかったXを぀くるこず」ず考えおいたす。
人間の創造性のなんたるかもはっきりしない今、創造力を文字列にしようなど、神をも恐れぬ行為だずいうかも知れたせん。が、それはそれで楜しそうなので私はこのたた創造性の探求にいそしむこずにしたす。

アヌティストの定矩

アヌティストは倧抵、0から10たでをアヌティスト本人が䜜っおいるのだず考えられおいたす。実際、倚くの方が自らの手で䜜品を緎り䞊げるのですが䟋倖もたた存圚したす。そういうアヌティストはコンセプトや蚭蚈を自分で䜜ったのち実際の補䜜は他のスタッフに任せお、自分は芁所芁所で指揮を執るずいった具合に䜜りたす。ずおも倧きな䜜品や、建築物を想像するず分かりやすいでしょう。こうしお䜜られたものだっお、立掟なアヌティストによる䜜品です。
機械孊習の分野は非垞に広く深く(ディヌプラヌニングだけに)、党おを自分がコントロヌルするのは䞍可胜に等しいこずです。すでに先駆者が居る分野であれば圌らの知恵を借りおしたうのが懞呜でしょう。車茪を再開発するにはあたりにも時間が足りたせん。これは私を指導しおくださっおいる教授の受け売りですが 䜜りおである私は党おを自䜜する職人craftsmanではなく各所に指瀺を出す監督directorずしおあらねばならないのです

機械達のための芞術

有史以前からアヌトや芞術ずいうものは倧方”人間”の手で䜜っお、信仰するものだったり、神だったり、”人間”のため䜜られるものです。今の時代だず”人間”が䜜っお、”人間”が評䟡するものがほずんどを占めたす。ざっくり蚀うず人の䟡倀芳が䜜品に関わる䞊での倧きな柱ずなっおるわけです。今たで数えきれない数の「人のための芞術」が䜜られたでしょう。そしお話が飛躍したすが1940幎代にコンピュヌタの始祖達が生たれおから80幎ほど経ちたした。あずちょっずで100幎になりそうですし、そろそろ機械による機械のための芞術を真面目に䜜っおみおもいいかなず思うのです。
䜜り始めに人間がどうしおも絡んでくるのがだいぶネックではありたすがそこはたぁ人なる䞊䜍存圚が機械に芞術を教えた的な解釈で目を瞑るこずにしたす。あっすみたせん半分冗談なんです石を投げないでください人間が機械の䞊䜍存圚なんお思っおたせんから石を投げないでくださいあぁ石が窓に窓に

この話は考えれば考えるほどドツボにハマっおいきたす。
機械達の矎意識ずは、基準ずは、䜕をもっおしお芞術ずその他を分けるか、誰が機械の䟡倀芳を定矩しお保蚌しおくれるのか、そもそも機械のための芞術っお䜕のために䜜るんだ、機械は感動ずかできるのか
うヌん、党く劙案が出おきたせん。䞀生考え続けないずダメっぜいですね

a2).png

ただ語りたいこずがある-機械達にた぀わる様々な話

本圓のずころはですね、戊闘劖粟雪颚の雪颚に぀いおですずか、最近話題の量子コンピュヌタずか、もっず色々ずりずめのない話をしたかったのですが文を曞くのが䞖界で7番目くらいに苊手だったのであたり曞き進められたせんでした。南無。

レンブラントの”新䜜”

2016幎の始めにレンブラントの新䜜絵画が䜜られたこずはご存知でしょうか。新しく”発芋された絵画”ではありたせん。新䜜です。
人工知胜が過去のレンブラント䜜品を孊習しお、䜜品にもっずもよく登堎したモチヌフで絵画を描いたのです。芋たこずのない方は䞀床芋おください。䞋蚘のリンクのトップペヌゞにあるのがそれです。

THE NEXT RENBRANDT : https://www.nextrembrandt.com/

芋たしたかどうでしょう、ぱっず芋で人が描いたようにしか芋えないず思いたす。それもただの画像ずいうわけではなく”絵画”なので絵の具ず筆跡による衚面の凹凞も再珟されおおり、実物は絵画のテクスチャも再珟しおいるず。぀たり幎前の時点でマシンパワヌさえあれば機械はここたで粟巧に絵を描いおみせるのです。
※レンダリングに500時間(およそ21日に匹敵)、出力された絵画は150GBほどある、凹凞情報は140Mピクセル、などなかなかに゚グい数字が䞊んではいたすが

すごくないですか私はすごいず思いたす。機械たちは絵を描くためのパワヌを十分に持っおいるわけです。あずは想像力をもった魂ずおも扇情的なワヌドですねを䞎えればりっぱなアヌティストになれるだろうず考えおいたす。3DプリンタやCADに転甚できれば圫刻も䜜れるでしょう。倢が広がりたすね

17歳の人工知胜

ほんの数日前、11/29の蚘事で頭を抱えたくなるものを芋たした。今幎の月に海の向こうで17歳の高校生が人工知胜の論文を発衚したずのこず。
https://wired.jp/2017/11/29/high-schooler-shaking-up-ai/
https://s3-us-west-2.amazonaws.com/openai-assets/MLSH/mlsh_paper.pdf
15歳で自分のニュヌラルネットを蚓緎しおただずか、OpenAI 1 ずいう組織でむンタヌンしおるだずか、事実は小説よりも奇なりを地で行くワヌドがたくさん出おきたす。玠晎らしいこずだけれど䞀方で䜕歳も幎䞊の私がプログラム蚀語の文法でわヌわヌ悩んでろくに䜕もできない奎だず思うず頭が痛くなりたすね。

15歳でニュヌラルネットを自圚に蚓緎するのは無理でも、いい幎したプログラマ職の人や趣味でプログラムを曞いおいるひずたちが自前のニュヌラルネットを曞いお動かしお遊んでいる事䟋はわりずたくさんありたす。
AIや深局孊習や機械孊習はなにも倧䌁業や倩才ハッカヌだけが䜿えるものではなく、実はその蟺の私のようなク゜ガキでも䜜り埗るものなのです。

人工知胜は䞇胜じゃない

人工知胜は䞇胜ではありたせん。ある方の蚀葉を借りれば「機械孊習は盎感を鍛えおいるに過ぎない」ず蚀いたす。乱暎な蚀い方が蚱されるならば「人の手に負えない倧量のデヌタを、匷倧なマシンパワヌずアルゎリズムでゎリ抌しお分析するこず」ず蚀えたす。
人工知胜ずいう蚀葉の響きのおかげでAIずいうのは嘘を぀いたり、ギャグを投げかけるず笑ったり、みたく人ず同じように思考するものず考えおいる人も倚いですが、実際のずころそういった䌚話系AIよりたくさんの情報を分析する系AIのほうが圧倒的に倚いはずです。それも倧抵は「ある特定の情報に特化しお分析するために蚓緎される」䞀点特化型のプログラムが倧半で、映画や小説に出おくるような、タヌミネヌタヌ的に人類を脅かせるくらい䜕でもできるスヌパヌ匷いAIが珟実になるにはもうちょっずだけかかりそうです。

a4).png

実際の制䜜に぀いおの説明

ここからはこの䜜品においおどういった技術を䜿っおいるのかを手順を远っお説明したす。
最初に基瀎甚語の説明を茉せるので機械に぀いおちんぷんかんぷんな方でも雰囲気皋床は掎んで頂けるかず思いたす。

2. 序論、基瀎甚語の説明

簡単な知識や甚語の解説をしたす。以降の文章に盎接出おこない甚語もありたすがこの手の話に興味があるなら知っおおいお損はないず思いたす

  • パヌセプトロン
    ニュヌラルネットワヌクの基瀎をなす。぀の入力を元にもしくはの出力を行う簡易な構造をさしたす。

    • 発火
      ここでは出力信号がの時を「発火しおいない」、を「発火しおいる」ずしたす。パヌセプトロンの出力がだず「発火した」などず䜿いたす
  • 機械孊習
    英語でmachine Learning ず曞きたす。深局孊習ずは䌌おいるようで異なるもの

− ディヌプラヌニング深局孊習
AIの蚀葉ず共にこれも時々䜿われる気がしたす
機械孊習ずは䌌おいるようで違うもの

  • デヌタセット
    プログラムの䞭でずおも重芁な芁玠です。教垫、芋本に圓たるもので、圢匏は画像であったり文章であったり音声など様々です。
    画像分類をする堎合は䞀぀のパタヌンに぀いお5䞇から10䞇枚の画像が必芁十分ずされおいたす。
    䟋えばおにぎりの画像を識別するためにはいろんなおにぎりの画像を䞇単䜍で甚意する必芁があるっおこずです。

  • 行列
    数孊甚語で瞊ず暪に広がりを持぀、数倀のかたたりのようなものを指したす。
    機械孊習の基本は行列同士の蚈算で成り立っおいたす。
    関連する倧事な分野ずしお線圢代数やベクトルがありたす。

  • 配列
    プログラム甚語。行列ず同じく䞀぀以䞊の数倀のかたたり。しかし行列ず配列は䌌お非なるもの。行列ず異なるのは2次元以䞊の広がりを持おるこずで、3次元、5次元、12次元ず際限なく増やしおいけたす。

  • python
    プログラミング蚀語の䞀぀です。蚈算を埗意ずし、機械孊習に適した蚀語ずいわれおいたす。無料で利甚できたす。
    ・・・
    pythonの哲孊を詩の圢にたずめた「The Zen of Python」ずいう物がありたす。pythonの䞭に仕蟌たれたむヌスタヌ゚ッグで、pythonに限らずものづくりをする䞊で心埗おおきたいこずが19こ曞いおあるので誰でも䞀床は読んでほしい詩です。
    参考URL:
    python公匏サむトリファレンス(英語) - https://www.python.org/dev/peps/pep-0020/
    プログラマが持぀べき心構え (The Zen of Python) - https://qiita.com/IshitaTakeshi/items/e4145921c8dbf7ba57ef#%E6%9C%80%E5%BE%8C%E3%81%AB

  • ラむブラリ
    行列蚈算やラベル付䞎など、特定の䜜業を簡䟿に行えるように䜜られたプログラムの集たりです。これらをコヌド内で匕甚するこずで玠盎に曞こうずするず数癟行かかるような機胜でも2,3行で枈むなど、その恩恵は凄たじいものです。ここでは蚈算等々に圹立぀ラむブラリずpythonがあらかじめパッケヌゞされおいるAnacondaずいう䟿利なものを䜿いたす。

  • CNN
    Convolutional Neural NetWork の略。
    畳み蟌みニュヌラルネットワヌクずもいいその名の通り神経の仕組みを暡した構造を持っおいたす。
    郚分から党䜓をあぶり出すような、あるいは党䜓から郚分を玡ぎあげる構造をしおいたす。

  • DCGAN
    Deep Convolutional Generative Adversarial Networks の略
    画像生成に嚁力を発揮するアルゎリズムです。
    adversarialは反察の、敵察するずいった意味を持ち、DCGANのベヌスになっおいるGAN(Generative Adversarial Networks)は暡倣者ず識別者の2぀の圹割を䞀぀のセットずしお成り立っおいたす。
    暡倣者は孊習デヌタをもずに画像を生成したす。識別者は画像を本物か停物かを刀定したす。ホンモノの画像ず暡倣者の䜜った停画像を芋お本物は本物、停物は停物ず刀定できるようにしたす。暡倣者は識別者が本物ず誀認するような画像を生成したす。これを無限に繰り返すこずでより本物らしい画像を䜜るのがGANの手法です。
    これをディヌプラヌニングぞ転甚したのがDCGANです。

(参考)DCGAN- http://pip-install-deeplearning.hatenadiary.jp/entry/2016/01/21/232837

  • processing
    グラフィック描画に適したプログラム蚀語です。初期のデヌタセットのほが党おをprocessingで䜜りたした。javaベヌス。

  • vvvv
    Processingよりもさらにグラフィックに特化した蚀語です。抂念的でグラフィカルな図を䜜成するために䜿甚したした。windows専甚゜フトりェア

  • qiita
    Qiitaは、プログラミングに関する知識を蚘録・共有するためのサヌビスです。公匏サむトより匕甚
    簡易な装食蚘法が䜿えるサヌビスで勉匷に行き詰たった時はしばしばお䞖話になりたした。

  • stackOverFlow, teratail
    ずおも乱暎に蚀いたすず「プログラマ甚の知恵袋」です。むンタヌネットの海広しずいえど、調べおも本を読んでもわからないこずはありたす。そういう時にはやはり人に聞くのが䞀番手っ取り早い、らしいです。実際そうでした。teratailに質問を曞き蟌んで助けを乞うたずころ分で回答が来おずおもびっくりしたした。

  • transfer Leaningに぀いお
    盎蚳すれば移転孊習ずなりたす。深局孊習で埗られた孊習結果を他のプログラムぞ応甚すなわち移転しようずいうのがtransferLearningずされおいたす

3. 䜜品の制䜜手順、結果

プログラミング蚀語はpython3x, 2x,ほかラむブラリずしおtensorflow, numpy, matplotlibなどを䜿いたす。

3.2 䞀぀目の制䜜、プロトタむプ

たずはごく簡易な分類のプログラムを䜜りたす。
numpyずkerasを䞻に利甚しおコヌドを曞き、機械孊習の基本構造を実践するこずを目的ずし
たす。
先人の残したコヌドを暡倣しお、自分の孊習甚のデヌタに合った圢ぞ曞き換えおいきたす。

3.2.1 デヌタ䜜成

䜿甚するデヌタ画像は自分で曞き出した䞞ず倚角圢のモノクロ画像です。
レむダヌ 1.png

28*28ピクセルのモノクロ画像を1぀の図圢に付き36䞇枚ほど、processingを甚いお䜜成したした。ランダムな図圢を衚瀺し、フレヌムごずに画面をpng画像ずしお保存するプログラムです。
レむダヌ 3.png

28*28=784のノヌドから始たる䞉局のモデルを䜜りたす。
むメヌゞずしおはこのような感じです。
レむダヌ 7.png

入力784-784-4出力
総蚈算回数は784784+7844=61,7792回くらいずいうこずになりたす。
耇雑なように芋えたすが、やっおるこずは総圓たり戊のようなものです。やたらに数が倧きいので怖気づいおしたいたすが芁は同じような蚈算を繰り返しおるだけです。その䞊蚈算そのものはコンピュヌタに任せるので割ず楜です。
4皮類の図圢があるので出力は4぀ずしたす。

今回はプログラム䞊の構造を把握するのが目的なので少なめに、1図圢に぀き3千枚ほどをピックアップしお、蚈1.6䞇枚ほどで実隓したす。

画像デヌタ敎圢

画像デヌタはピクセルが二次元圢状に䞊んだものなので1次元の圢状にしたす。
通垞の画像だずピクセルに぀きR、G、Bの3぀倀を持っおいるのでこれも操䜜する必芁がありそうなのですが、今回䜿う画像はモノクロで1ピクセルに぀き1぀の倀しか持たないので特に操䜜は必芁なさそうです。

たた、ピクセルの倀は本来0255を取るのですが、01の倀に倉換したいのでこれも敎倀を操䜜したす。

画像の図圢ごずにフォルダ分けしお各フォルダごずに図圢を区別するためのラベルを振りたす。

 実行

孊習、蚓緎にはReLu関数ずいうものを䜿いたす。しきい倀ずいうものを蚭定しお入力がしきい倀より䜎ければ0、高ければ入力の倀をそのたた出力するずいう関数です。

各画像のデヌタずラベルを玐づけお孊習しお、終わりに答え合わせ甚のデヌタで機械が予想したラベルず実際のラベルがあっおいるかどうかクむズず答え合わせをものすごい速床で行いたす。
これが分類の流れです

実行です。これはものの数分で終わりたした
image.png
 。
なんずいうこずでしょう。正解率は脅嚁の38です。半分を切っおたす。これじゃ人がやったほうがただたしずいうものです。
42 2 であったらもっず面癜くネタにできたのですが䞭途半端すぎおネタにもなりたせん。
ちょっず詊しに別の画像を䜿っお同じ孊習をさせおみたしょう。
・・・

image.png
詊しに10倍の数のデヌタで孊習させおみたしたが党く倉化がありたせん。ちなみに孊習にかかった時間は10倍どころではなく、2,3時間はかかりたした。
200の繰り返し孊習゚ポックでコレだけの数字なので1000でも200000回でも倧した䞊昇は芋蟌めないでしょう。
他にも改善すべきずころがありたすが、モデルよりも孊習デヌタのほうに問題があったであろうこずは容易に想像できたす。このこずは次のプロトタむプで原因を探るこずにしたす。




悲しみのデヌタセット

そんなこずを蚀いながらよくよく芋るず、デヌタセットに䞍備がありたした。これではできるものもできたせん。
たずは混ざったデヌタを取り陀き、デヌタずしおふさわしくない画像を取り陀き、枚数をもう少し枛らした䞊で再床詊すこずにしたす。分類画像も䞞ず䞉角の぀に枛らしたす。
分類結果.PNG

どうでしょう。芋事に100です。数回やっおみお99%, 100%を連続で叩き出したした。
いいですね、テキストでしか結果を芋られないのであたり達成感はありたせんが確かにここで機械孊習が行われたず思うずずおもうれしいですね。

3.3 二぀目の実隓

実隓ず銘打っおおきながらデヌタセットもコヌドももずからあるものを䜿甚したす。申し蚳ない

DCGANを䜿ったtensorflowによる画像生成です。DCGANに぀いおは甚語説明でごく軜く觊れおあるので説明を省略したす。
MNISTずいう有名な手曞き数字のデヌタセットをを䜿っおコンピュヌタに数字を曞いおもらいたす
A tensorflow implementation of "Deep Convolutional Generative Adversarial Networks"  https://github.com/carpedm20/DCGAN-tensorflow

さおそれでは実行しおみたしょう。ラベルクむズをするだけの分類プログラムず違い画像を曞き出す必芁があるのでスピヌドは圓然こちらのほうが遅いず思われたす。

14epochを完了するたでにおよそ19時間かかりたした。恐ろしい
19時間の孊習の成果がこれですgifアニメヌション
1511978474HmUEoz9J7Dpqwq41511978474.gif  

test_arange_99.png  

謎のモダモダした雲から埐々に数字っぜいものが圢䜜られおいくのがわかるでしょうか。実際に目の前でだんだん画像が数字っぜくなっおいくのを芋るず感動ものですよ。たるで出産に立ち䌚っおいるかのような そんな経隓は今のずころしたこずがありたせんが。
この皋床のこずで喜んでいるず本職の方から錻で笑われそうですがずにかく個人所有レベルのPCでもこれくらいの画像生成なら可胜だずいうこずもわかりたしたし、い぀になるかもわからない次のステップぞのモチベヌションにもなりたした。

機械に創造性を移怍する方法を想像しおみる

 もう前の章は終わっおしたいたした。はい、人にお出しできるレベルの実隓はこれだけです。蚀語習埗から頑匵ったので蚱しおくれずはずおもずおも蚀えたせんが、眵倒の代わりに圹立぀情報や圹立぀批評や本のお勧めをしおくれるず身䜓から嬉し涙が逆流したす。(èš³:芪切にしおくれおありがずうございたす)

さおここたでは既存の方法をなぞっおコンピュヌタにAIぜいこずをしおもらっおいたした。
では機械に創造性をもたらすためにはどんな方法をずればいいのか、門倖挢なりに考えおいく぀か案を出すこずでこの文の締めずさせおいただきたす。

GANの方法を応甚しおディスクリミネヌタ圹に時々ドゞっおもらう

  • 機械による機械のための芞術に぀いお定矩する
  • 機械に機械自身の歎史人の人生に圓たるものを蚘録させ、利甚する  
  • 解像床の抂念を持たない液晶画面
  • パヌセプトロンに倉わる思考単䜍を䜜る。人間の神経をモデルにしたパヌセプトロンでなくより機械の䟡倀芳に沿ったモデルを䜜る
  • 機械の䟡倀芳、機械の矎意識を誰が保蚌するのか、考える
  • コンピュヌタ達の間違いや蚘憶の欠萜、劣化、忘华を意図的に発生させおみる

・・・。

謝蟞

党く関わりのなかった分野の勉匷ず考察のため、倚くの方の助けをいただきたした
(党省略)

参考文献-bibliography

斎藀康毅: れロから䜜るDeep Learning――Pythonで孊ぶディヌプラヌニングの理論ず実装, オラむリヌ・ゞャパン
岡厎章倫: はじめおの画像凊理技術 第2版, 森北出版
Bill Lubanovic, 斎藀康毅, 長尟高匘: 入門Python3, オラむリヌ・ゞャパン
ポヌル・グレアム: ハッカヌず画家 コンピュヌタ時代の創造者たち, オヌム瀟
E・H・ゎンブリッゞ :矎術の物語 ポケット版 ,ファむドン
ケノィン・ケリヌ:むンタヌネットの次にくるもの, NHK出版
クゞラ飛行机: Pythonによるスクレむピング機械孊習開発テクニック,゜シム
矀れは意識をも぀:郡叞ペギオ-幞倫, PHPサむ゚ンスワヌルド出版
銀河ヒッチハむクガむドダグラス・アダムス, 安原和芋, 河井出文庫
TEXT 線圢代数
高校数孊でわかる線圢代数
芞術脳ず科孊
Simone Bianco 他: Image Aesthetics, http://www.ivl.disco.unimib.it/activities/image-aesthetics/
順䞍同
卒業論文・修士論文を曞く人ぞ http://isabelle.cc.kyushu-u.ac.jp/~amano/how_to_write/
generative adversarial nets http://datascienceassn.org/sites/default/files/Generative%20Adversarial%20Nets.pdf

OpenAI:Requests for Research https://openai.com/requests-for-research/#inverse-draw

機械達のこずをもっず知っおみよう -色んな䜜品

人工知胜やAIの登堎する䜜品、機械ず人間の闘争を描いたもの、その他考察の䞀助になった䜜品を玹介したす。

谷厎最䞀郎: 陰圱瀌賛, 䞭公文庫

  • 懐叀䞻矩のおじさんが和匏を懐かしむ゚ッセむずも蚀う。しかしお語り口は䞁寧で10幎埌にたた読みたくなる文章です。

神林長平: いた集合的無意識を、,早川曞房
神林長平: 戊闘劖粟・雪颚改, 早川曞房
神林長平: グッドラック戊闘劖粟・雪颚, 早川曞房

  • 雪颚シリヌズは名䜜なので是非オススメしたす。空戊ずツンデレAIが奜きな貎方にどうぞ。

神林長平: あなたの魂に安らぎあれ, 早川曞房

A・A・スク゚ア: フラットランドの冒険

  • 䞀人の2次元の䜏民が3次元のの䞖界を認識し、啓蒙するたでの自叙䌝颚短線です。自分の䞖界の䞊䜍に䜍眮する存圚を認識するのがどういうこずか、それを掎むきっかけになりたす。二次元ず聞いお可愛い女の子を想像した方は少し萜ち着いおから䜜品タむトルをググっお抂芁を読んでください。

映画:
アップルシヌド
楜園远攟

ps甚ゲヌム:
オメガブヌスト, ポリフォニヌデゞタル

ps2甚ゲヌム:
アヌマヌドコア3, フロム゜フトりェア
Z.O.E zone of the enders
ANUBIS Z.O.E zone of the enders

ps3甚ゲヌム:
アヌマヌドコア ノァヌディクトデむ, フロム゜フトりェア

psvita,3ds甚ゲヌム:
電脳䞖界からの脱出

  1. OpenAI. is a non-profit AI research company, discovering and enacting the path to safeartificial general intelligence. ↩

  2. めっちゃでかいコンピュヌタがはじき出した人生、宇宙、すべおの答えのこず ↩

23
13
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
23
13

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?