1553
770

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.

平成の次の元号を、AIだけで決めさせる物語

1553
Posted at

背景

平成の次の元号は䜕になるの

゚ンゞニアに限らず、倚くの人が気になる話題である。

゚ラむ孊者先生ががんばっお調べたり遞んだりしお決めるんでしょ。
しかし、時はAIが囲碁や将棋で名人を負かす時代。

そうだAIに新元号を決めおもらえばいいじゃん
たさに悪魔的発想・・・

「OK、Google、新しい元号は䜕になるの」

⇒ 教えおくれるワケがない。元号関連蚘事くらいは教えおくれる

じゃあ自分で䜜っおみよう

**人の刀断を䞀切入れずに、AIだけで新元号䜜るこずが出来るのか**が今回のテヌマ

䜙談 ちなみに倧喜利人工知胜の、倧喜利βさんに聞いたずころ
「アメリカ」ずの答えが返っおきた。
このタむミングで、アメリカ合衆囜51番目の州は「本州」です、ずせよずの啓瀺なのか

新元号のルヌルは

以䞋のように決められおいるらしい。

 1. 囜民の理想ずしおふさわしいようなよい意味を持぀ものであるこず。
 2. 挢字2字であるこず。
 3. 曞きやすいこず。
 4. 読みやすいこず。
 5. これたでに元号又はおくり名ずしお甚いられたものでないこず。
 6. 俗甚されおいるものでないこず。

このルヌルから、「AI」だけで決めるこずが出来るのだろうか

たた、远加ルヌルずしお、M(明治)、T(倧正)、S(昭和)、H(平成)ず、
頭文字のアルファベットが重耇しないようにする、ずいうフィルタが存圚する。

※なお、本投皿では、「おくり名ずしお甚いられた」の郚分は、
  リストを䜜るのが面倒埌で陀倖すればよいだけなので、無芖しお話を進める

AIにずっおの最倧の難関は「良い意味の刀断」

  • 新元号は「苊節」「熟成」「䜙呜」です。
    • 苊節幎、苊劎がにじみ出る味があっおいいね♪
    • 熟成10幎、おいしくなっおきたす♪
    • 䜙呜幎、だんだん䌞びおいく♪
    • 挢字字だし小孊校で習う字だよねヌ
    • これくらいならば、「」の俗甚されおいないずいう点で、AIでもダメだず分かるかも
  • 新元号は「石䞊」「光宙」「炎殺」です。
    • 石の䞊にも幎
    • 光宙⇒ピカチュり
    • 邪王炎殺黒韍波
    • これはギャグにしかならないずいうこずをどうやっお機械が刀断する
    • 䞭二病の技名みたいな名前が出ないようにしないず日本囜の恥になるよ。

぀たり、ルヌル「」の、
「囜民の理想ずしおふさわしい良い意味を持぀」
ずいうこずを、どうやっお機械が刀断するのか
が圧倒的最倧の難関になりそうである。

本投皿の内容

  • ガチで、AIだけに挢字のセレクトを任せ、新元号に盞応しい蚀葉を蚈算したす。
  • 䜿えるINPUT情報は、以䞋点ずしたす。
    • Wikipediaのテキストデヌタ
      • ※元号関連の蚘事を怜玢するような甚途ではなく、ただの倧量テキストずしお扱う
    • 既に䜿われた元号の䞀芧個これをお手本ずしお孊習
    • 教育甚挢字䞀芧小孊校で芚える挢字䞀芧1006字候補䞀芧
      • 読みやすい小孊校レベルの挢字、ず仮定。
      • ※垞甚挢字の堎合は1945字。デヌタを入れ替えればこちらでも可
  • 補䜜者が調敎出来るこずは「数倀の蚭定だけ」で、䞻芳で刀断はいけない、ずしたす。
    • 䟋えば、「苊」の字は意味が悪いから䜿われないよね、ずいっお陀倖するのは犁止
    • 䜕かの基準で、䞊䜍N個に絞るずか、䜕かの埗点倀が10以䞊、などず数倀を切るのはOK
    • ぀たり、候補の玄1000字に察しお、**「党おの文字を平等に扱う」**こずになる。
    • 数倀やテキストの倉曎だけに䟝存し、誰がやっおも同じ結果が出るこず、ず蚀い換えおも良い。
      • 倖芋で人を刀断しおはいけない、ずいうのに䌌おいる。筆蚘テストの点だけで挢字を刀断
  • おおたかな内容
    • お手本デヌタ元号の䞀芧、ず䌌たような組み合わせを、
    • 倧量の日本語コヌパスwikipediaの孊習結果をもずに、
    • 1006字×1006字の組み合わせの䞭から芋぀け出す、ずいうこず
  • コヌドの実行環境は党お、Windows10 + Python3 +JupyterNotebook を前提。

悪魔的発想の蚈画

そうだChar2Vecを䜿おう

Char2Vecずは、Word2Vecの「文字版」である。
投皿時に気づいたが、Qiitaにchar2vecのタグが無かった

Word2Vecを䜿った私の別の蚘事は以䞋
  参照「赀の他人」の察矩語は「癜い恋人」 これを自動生成したい物語

Word2Vecの堎合、単語のベクトル化を行うこずで、
「王様」ヌ「男」「女」「女王」
などの挔算を可胜にしたが、
党く同じこずを、今床は単語区切りではなく、文字区切りで行うこずで
文字挢字に察しお、ベクトルを割り圓おるずいうもの。

発想ずしお、良い意味の挢字既に元号で䜿われたこずのある挢字、ずしお、
それに䌌たベクトルを持぀挢字が、元号の候補ずなる挢字なのではないか

たず、この方針で良い意味を持぀元号に䜿われおもよさそうな挢字、のリストを䜜る。
次に、その組み合わせの䞭で、字の組み合わせが良いものを探すずいう方針。

Char2Vecの実行䟋ずその課題

Char2Vecは、モデルの䜜成時のパラメヌタによるのかもしれないが、
Word2Vecよりも、人が芋た時の玍埗感が無い、ず思われる。
以䞋は、「氎」に近い文字を衚瀺させたずきの実行䟋。

「氎」に䌌おいる字を衚瀺する
from gensim.models.word2vec import Word2Vec
import gensim
JPmodel_path = 'モデルのパスを蚘茉'
JPmodel = Word2Vec.load(JPmodel_path)
JPmodel.most_similar(positive = u'æ°Ž', topn=10)
結果
[('砂', 0.689274251461029),
 ('å °', 0.6883330345153809),
 ('湖', 0.6873093843460083),
 ('å €', 0.6631444692611694),
 ('å¡©', 0.6606267690658569),
 ('æ°·', 0.6517341136932373),
 ('湿', 0.6269866228103638),
 ('浞', 0.6251579523086548),
 ('流', 0.6123377680778503),
 ('æ¹§', 0.6074004173278809)]

䞀䜍はなんず「砂」。サラサラずいう意味で近い仲間ず思ったのだろうか
ゲヌムの属性では倩敵になりそうなほど盞性が悪そうだが。

他に、䟋えば「右」を入れるず、䌌おいる䞀䜍は「巊」なのは良いが、
䜍は、肩、腕、腰、であった。
Word2Vecの堎合は、䟋えば「コアラ」は「パンダ」などず入れ替えおも
文章ずしお成立するため、䌌た蚀葉を集めるこずが出来るが、
「挢字䞀字」の堎合、Wordず違い、眮き換えおも成立するような字は倚くないため、
過床の期埅は出来ない。
最初は、挢字の挔算足し算や匕き算も駆䜿しお、
新元号を䜜ろうかず考えたが、そこたで期埅せずに、
意味的に䌌おいるかどうかを抜出する目的に限っお䜿う。

䜙談  英語圏では、AZをベクトル化しおも党く面癜くないこずもあり、
char2vecは泚目されおいない気がするが、
日本語、䞭囜語など、挢字を扱う文化においおは、
もっず面癜いこずが出来るかもしれない。
本投皿も、日本語ず䞭囜語の挢字の意味の違いをchar2vecで比范しおいた時に、
幎号の話題を聞いたために思い぀いた内容。
日本語䞭囜語の比范に぀いおも、たずたったらどこかで発衚するかもしれない。

Char2Vecのモデルの䜜成

前回の 「赀の他人」の察矩語は「癜い恋人」 これを自動生成したい物語 では、
孊習枈みのWord2Vecモデルを䜿ったが、今回は、
Char2Vecの孊習枈みのモデルは良さそうなものが無いために、自分で䜜るこずにする。
むしろ本投皿の最も圹立぀郚分はこの章かもしれない。

そもそも本投皿によっお、AIが新元号を䜜ったずしお、䜕か䞖の䞭に圹立぀のか
ずいう誰もが最初に思う疑問は既に削陀されおいる

Char2Vecのモデルをwikipediaから生成する

①Wikipediaダンプデヌタの入手

Wikipediaのダンプ眮き堎から、
「jawiki-20180501-pages-articles-multistream.xml.bz2」をダりンロヌドする

②パヌスしお敎理

WikiExtractorずいう、Wikipediaのパヌサヌをダりンロヌドする。
以䞋のコマンドで、加工する。
タむトル蚘事のタグ圢匏にしおくれる。分量があるので時間はかかるよ

python WikiExtractor.py -o extracted jawiki-20180501-pages-articles-multistream.xml.bz2

③行蚘事になるように加工

Hironsan様の、ja.text8のリポゞトリから、
「process.py」を䜿っお、タグや改行の陀去や、行蚘事化を実斜する。
②の手順で出来た「extractedフォルダ」の䞊で実行するだけ。
Hironssan様ありがずうございたす。

なお、䞊蚘のprocess.pyはpython2向けのコヌドであるが、
ファむル操䜜の堎所などをちょっず倉えるだけで動䜜する。䟋えば以䞋

python2版
 with open(filename) as f:
python3版
import codecs
with codecs.open(filename,"r","utf-8") as f:

④文字単䜍に区切る

Word2Vecの堎合は、ここでmecabが出おきお、
単語単䜍になるように圢態玠解析を行うのだが、
Char2Vecの堎合、党お文字で区切るだけ。

䞀文字単䜍に区切る
%%time
# ↑は、jupyternotebook䞊で経過時間を芋るため
# 倧ファむルを扱うので、メモリ溢れ察策に、行ず぀読んで結果ファむルに远蚘しおいく。
with codecs.open('ItiGyouGotoKiji.txt',"r", "utf-8") as f:
    for line in f.readlines():
        chars = [c for c in line if c != u' ']
        with codecs.open('allWiki_1kugiri.txt',"a", "utf-8") as newf:
            newf.write(u' '.join(chars))

⑀機械孊習でChar2Vecモデルを䜜る

パラメヌタは䜕回か詊行錯誀したほうが良い。
以䞋に関連パラメヌタの意味もコメントに蚘茉。
䞀回䜜るのに数時間かかる。

Char2Vecモデルの生成
%%time
import logging
from gensim.models import word2vec

logging.basicConfig(format='%(asctime)s : %(levelname)s : %(message)s', level=logging.INFO)
 
sentences = word2vec.Text8Corpus('allWiki_1kugiri.txt')
model = word2vec.Word2Vec(sentences, size=60, window=60, min_count=50, hs=0, negative=15, iter=6)

# size:空間サむズ=ベクトルの次元数(デフォルトはだが、今回は字なので枛らす
# hs:孊習に階局化゜フトマックスを䜿甚するかどうか =1か0
#   階局化゜フトマックスずは、単語の出珟の代わりに意味クラスの出珟を䜿うこずで
#   語圙の倧きさを枛らす、単語を階局的に衚珟しお単語の数を枛らす手法。
# negative ランダムに、出珟しおいない単語、偎も孊習するその単語数 =0
# sample: ランダムに頻出単語を消去する。(デフォルトは1e-3)非垞に䜎い
# iter:トレヌニング反埩回数 ちなみにデフォルトは。
# min-count: n回未満登堎する語句は砎棄する。少し倚めに50に蚭定。レアな字は消える。
# window:前埌にある単語を、䜕個たで文脈ずしお刀断させるか。デフォルトは。
#   単語の堎合は10以䞋でも良いが、今回は字ごずなので倚めに蚭定。

model.save("mychar2vec_fromWikiALL.model")

⑥さあ、ためしおみよう

出来たモデルの確認
from gensim.models.word2vec import Word2Vec
import gensim

JPChmodel_path = 'mychar2vec_fromWikiALL.model'
JPmodel = Word2Vec.load(JPChmodel_path)

JPmodel.most_similar(positive = [u'曞'], topn=10)
結果
[('冊', 0.7298516035079956),
 ('文', 0.7217180728912354),
 ('èš³', 0.6349352598190308),
 ('èš‚', 0.6302940845489502),
 ('筆', 0.6280542612075806),
 ('図', 0.6250900626182556),
 ('çš¿', 0.619011402130127),
 ('箙', 0.6081395149230957),
 ('宛', 0.6069372296333313),
 ('著', 0.5928876996040344)]

たあ、疑問に思う点はあるけれども、
「近いゞャンル」の文字は䌌おいる文字ずしお返しおいる気はする。
぀たり、元号の芋本良い意味の文字、を入れれば、
良い意味の挢字を返しおくれるのではないだろうか

AIに「䜿いたい挢字」を決めさせる

たず、文字の組み合わせを考える前に、
どの挢字を䜿ったら良いのか、元号に盞応しい挢字を抜出するこずにする。
方針ずしおは、過去に䜿われた文字ず、意味の方向が䌌た文字を探すこずにする。

過去の元号のリストを加工する

「お手本」ずする挢字デヌタの内容に぀いお蚀及しよう。

「倧化」から「平成」たで、玄個の元号があり、
極少数の䟋倖を陀いお、ほずんどは「文字」で構成されおいる。
元号のリストは簡単に芋぀かるので自分でぐぐっおね

しかし、元号に䜿われおいる挢字の皮類は意倖ず少ない。
なんず、文字。
倚い順からならべるず、

氞元倩治応正長文和安延暊寛埳保承仁嘉平康宝・・・

䞊蚘の文字はどれも回以䞊䜿われおいる、゚ヌス文字。日本の理想。
䞀番倚い「氞」はじ぀に回

䞀回しか出おこない文字は、䜕かの間違いで入ったかもしれないので陀倖するず、
文字になった。
これらの文字それぞれに察しお、䌌おいる䞊䜍䜍を衚瀺しおみよう。

䌌おいる文字の衚瀺
# 元号に䜿われおいる挢字を、倚い順から䞊べおいるよ。回しか出おこない字は消しおいるよ。
str = "氞元倩治応正長文和安延暊寛埳保承仁嘉平康宝久慶建享匘貞明犄倧亀寿䞇化芳喜神政䞭逊雲護"
nnn=20

for idx in range(0, len(str)):
    out = JPmodel.most_similar(positive = str[idx], topn=nnn)
    resulttext=""
    resulttext+=str[idx]+": "
    for var in range(0, nnn):
        resulttext+=out[var][0]
    print(resulttext)
結果
æ°ž: 貞犄寛忠慶埳匘久嘉仁享元吉隆孝泰枅藩亀賢
元: 氞貞姓寛仁犄忠嘉久賢匘藩孝慶胀泰埳諱享氏
倩: 仁皇暊光后雲宮陜厇恒貞殿氞祀祠嘉玫埳倪邀
æ²»: åºœç­–æ™°ç”±é»Žçž­ç‹¬å·±æ†²å¯›å…šàœ“æžˆæ°‘àžé™¢Ú†èº«àž›áƒœ
応: 媒換反察互x抗逆+觊排酞瞮q信す蓄促倉象
æ­£: 慶則氞貞忠明埳臣匘寛宗憲延改勅犄皇暊寺条
長: 副兌務任䜐就員職僚官匘茔俊房委勀厎寿叞雄
文: 曞兞著図詩説挢圙纂蚳字暊蚂刷儒冊譜筆唐抄
和: 随坊匛凡成璧懋均咋髊莇雎匊厠圊宙軛櫟磐鵄
安: 仁嘉枅氞康昌貞埳泰守䞍省久尚忠孝臣享寿匘
å»¶: 遅盎至正僅慶貞氞線亀䜙5間3≈長4穄6房
暊: 閏倩氞皇寛仁勅貞遷享文宝犄元没朝唐抄正叙
寛: 犄氞享貞忠慶藩埳嘉匘江奉嗣元亀老久之隆戞
埳: 氞忠貞嘉慶寛孝匘仁久枅犄賢嗣吉泰江隆之昌
保: 䟝危既圚康庇碍恆維看害認璠冒実祉財匁安堵
承: 孫甥嗣斌婿䌯垝卿爵皇統醢䟯匉続祀廃胀俑遺
仁: 孝嘉貞泰枅尚倩匘氞昌埳亀賢恭柄隆亮慶斉茔
嘉: 仁枅孝泰尚埳匘貞昌氞慶之賢寛呉犄亮忠斉茔
å¹³: 昭飜功緩蹊構完睊浊熟瞟蟯衡仁嶺珥䜌陜筬
康: 埳氞忠保隆安孝匘吉枅逊貞嗣寛健嘉久慶俊杉
宝: 蔵塚璃舞銭五䌜殿藍六獅宮寛八䞹嘉竹垖玍暊
久: 吉氞匘祐田井藀忠䌊茂埳俊束幞接隆之䜐貞豊
慶: 氞犄匘忠貞寛埳隆嘉孝枅泰藩仁昌吉久斉正亀
建: 敷創斜立眮蚈跡殿壁棟鋳醞艀備舎瓊塔捏堂煉
享: 寛氞犄貞没忠埳藩嘉慶嗣嫡老奉死久逝仁亀節
匘: 隆孝俊吉泰慶貞嘉氞賢祐久圊之茔井郎藀仁忠
貞: 氞忠埳仁匘寛慶孝嘉泰犄隆賢胀享嗣元尚枅久
明: 正愌賢政氞貞元埳肅暊摠匘慶裁仁嘉憮寛噲菅
穄: 寛氞慶忠貞藩享嘉埳賜匘江嗣亀奉元氏隆泰城
倧: 䞭長校早皲高課杯士府孊京門科蛆院䞉叀≒埌
亀: 匘吉菅井竹仁坂隆垣束奥柄久祐八嘉氞䞹接貞
寿: 嘉仁房橘隆呂郎枅匘貞孝桃茔涌淳泰恵氞倫倪
侇: 億円額$箄0,倍坪費癟环金£俞銭皎払人
化: 質酞的栞媒玠蛋融剀塩酵䜓凝脂量β炭促鉛埮
芳: 光枬客眺掞鏡景通展灯枩媚恒倩僥慧蒜颚涌壢
喜: 幞茔坂郎竹雅賢孝之吉淳祐匘束晎智悊井柄圊
神: 祀霊魂祈宮祠祓厇祇聖橿殿祷巫幡狐祭坐犊奈
政: 統民銖摠掌革掟明維僚支領閥閣嚁鎈匌囜誥掟
äž­: 内北倖広南近倧磐桃棋四高西韓郜痂扌街箕埌
逊: 育父乳幌康老母歳酪芪牧垫蚕熟摂匟子仔叔享
雲: 鳳烏韍陜淵蘇沙朔蒌遙玫竺䞹霧掞倩凰嶺呂陵
è­·: 健険防守揎障救瀕衛祉者戒被頌庁境安範包有

これは、ちょっずやったこずを埌悔するレベル

想像以䞊のカオスが生たれおしたった

印刷すれば地獄先生ぬべの経文ずしおコスプレに䜿えるかもしれない

カオスの䞭から光を抜き出す

たず、䌌おいるTOP20を党お衚瀺、ずいうのはやりすぎだった。
どヌみおも関係の無いずいうか、挢字ですらないレベルの文字たで出おいる。
そこで、コサむン類䌌床が䞀定倀以䞊ずいう閟倀を蚭定するこずで、
十分䌌おいる文字だけを抜出するこずにした。
たた、超難解な挢字たで抜出されおいるため、
ここで、垞甚挢字のリストず、教育挢字のリストのフィルタを適甚しおみよう。

str = "氞元倩治応正長文和安延暊寛埳保承仁嘉平康宝久慶建享匘貞明犄倧亀寿䞇化芳喜神政䞭逊雲護"
nnn=30
ruijido=0.6

jyouyoulist = "亜哀愛悪握圧扱・・・・以䞋省略"
kyouikulist = "愛悪圧安暗案以・・・・以䞋省略"

allresult=""

for idx in range(0, len(str)):
    out = JPmodel.most_similar(positive = str[idx], topn=nnn)
    resulttext=""
    resulttext+=str[idx]+": "
    
    #元の元号に䜿われた挢字が、教育リストに含たれおいるならば、候補に入れる。
    if kyouikulist.count(str[idx]):
        allresult+=str[idx]
    
    for var in range(0, nnn):
        #コサむン近䌌床がruijido以䞊のものを察象ずする。
        if(out[var][1]>ruijido):
            if str.count(out[var][0]):
                resulttext+="("+out[var][0]+")"
            else:
                if kyouikulist.count(out[var][0]):
                    resulttext+="【"+out[var][0]+"】"
                    allresult+=out[var][0]
                else:
                    if jyouyoulist.count(out[var][0]):
                        resulttext+="{"+out[var][0]+"}"
    print(resulttext)

lst = list(set(allresult))

print(','.join(lst))
print(len(lst))

本投皿のハむラむトの䞀぀が以䞋の衚

結果
æ°ž: (貞)(穄)(寛)【忠】(慶)(埳)(匘)(久)(嘉)(仁)(享)(元){吉}{隆}【孝】{æ³°}【枅】{藩}(亀){è³¢}【氏】{斉}(康)(暊)(æ­£)
元: (æ°ž)(貞){姓}(寛)(仁)(穄)【忠】
倩: (仁)【皇】(暊)【光】【后】(雲)【宮】
治: 【府】
応: 
æ­£: (慶)【則】(æ°ž)
長: 【副】{å…Œ}【務】【任】{䜐}
文: 【曞】【兞】【著】
和: 
安: (仁)
å»¶: 
暊: (倩)(æ°ž)【皇】
寛: (穄)(æ°ž)(享)(貞)【忠】(慶){藩}(埳)(嘉)(匘){江}{奉}{嗣}(元)(亀)【老】(久){隆}【戞】
埳: (æ°ž)【忠】(貞)(嘉)(慶)(寛)【孝】(匘)(仁)(久)【枅】(穄){è³¢}{嗣}{吉}{æ³°}{江}{隆}{斉}{藩}(康)(享){斎}{尚}{接}
保: {䟝}【危】
承: 
仁: 【孝】(嘉)(貞){æ³°}【枅】{尚}(倩)(匘)(æ°ž)(埳)(亀){è³¢}{恭}{柄}{隆}(慶){斉}【后】{äž¹}【宮】【忠】(安){唐}(元)
嘉: (仁)【枅】【孝】{æ³°}{尚}(埳)(匘)(貞)(æ°ž)(慶){è³¢}(寛){呉}(穄)【忠】{斉}{唐}{隆}(亀){吉}(久){恭}【五】(寿){äž¹}{柄}
平: 【昭】
康: (埳)(氞)
宝: 【蔵】
久: {吉}(æ°ž)(匘)【田】{井}【忠】{茂}(埳){俊}【束】【幞】{接}{隆}{䜐}(貞)【豊】【坂】(亀)【賀】(嘉)【孝】(慶){藩}
慶: (æ°ž)(穄)(匘)【忠】(貞)(寛)(埳){隆}(嘉)【孝】【枅】{æ³°}{藩}(仁){吉}(久){斉}(æ­£)(亀){è³¢}{尚}{江}{嗣}
建: {敷}【創】{æ–œ}【立】
享: (寛)(æ°ž)(穄)(貞){没}【忠】(埳){藩}(嘉)
匘: {隆}【孝】{俊}{吉}{æ³°}(慶)(貞)(嘉)(æ°ž){è³¢}(久){井}{郎}(仁)【忠】【田】(埳)(亀)【枅】【竹】(寛){雅}【束】
貞: (æ°ž)【忠】(埳)(仁)(匘)(寛)(慶)【孝】(嘉){æ³°}(穄){隆}{è³¢}(享){嗣}(元){尚}【枅】(久){斉}【氏】{å«¡}{吉}(亀){柄}
明: 
穄: (寛)(æ°ž)(慶)【忠】(貞){藩}(享)(嘉)(埳){賜}(匘){江}{嗣}(亀){奉}(元)【氏】{隆}{æ³°}
倧: 
亀: (匘){吉}{井}【竹】(仁)【坂】{隆}{垣}【束】{奥}{柄}(久)【八】(嘉)(æ°ž){äž¹}{接}(貞){æ³°}【田】(慶)【孝】{堀}{å°Ÿ}
寿: (嘉)(仁)
侇: 【億】【円】【額】【玄】
化: 【質】
芳: 【光】
喜: 【幞】【坂】{郎}
神: {霊}{魂}{祈}【宮】{厇}
政: 【統】
äž­: 
逊: 
雲: 【陜】{玫}{äž¹}{霧}{掞}(倩)
è­·: 

䞊蚘の衚の凡䟋は以䞋の通り。

  • 䞀番巊の列は、元号に䜿われおいる挢字を倚い順に䞊べたもの
  • 右偎に、各挢字に察しおコサむン類䌌床が0.6以䞊の文字を、類䌌床順に蚘茉
  • 垞甚挢字に無い挢字は削陀
  • 【】は、元号の挢字リストに存圚しおいる挢字
  • {} は、垞甚挢字(1945字)に含たれおいる挢字
  • () は、教育甚挢字 (1006字)に含たれおいる挢字

この結果を芋るず、なんずなく瞁起の良さそうな挢字が倚く、
その䞭で倚少難しい字はで囲われおいる、ずいう雰囲気になる。
この手法は、名前を付ける際などの案出しなどずしおも、倚少䜿えそうだ。

䟋えば、䞊から芋おいくず、「応」や「和」が䌌た挢字が無いずころであるが、
これは、䌌た意味の蚀葉が芋぀からない、独自性が高い挢字であるこずを意味しおいる。

このリストの䞭で、「教育甚挢字」に含たれおいる挢字だけに限定しお出力するず、
以䞋の文字になる。
※䞊述のプログラムを実行するずこちらの結果も同時に出力する

結果
喜,å¿ ,老,孝,建,è­·,康,創,億,æž…,幞,額,府,äž­,æ²»,坂,倩,文,宝,蔵,田,光,承,芳,皇,曞,å¹³,明,政,仁,元,ä»»,副,侇,æ­£,立,昭,五,応,著,久,和,氏,倧,箄,戞,保,則,å…ž,安,埳,çµ±,逊,神,円,å»¶,化,八,豊,雲,æ°ž,后,陜,質,賀,長,務,危,å®®,束,竹
71

どれが䞀䜍なの順番を぀けよう

䜿われる候補ずなる文字を71文字たで抜出したが、
結局どれが䜿われるんだよっおこずでランキングを぀ける。
これたでの考え方に合わせお、「お手本の挢字」ずの
距離の近さが近いものを䞊䜍ずする。
ただし、䟋えば「氞」「喜」など、自分自身がお手本に入っおいる挢字に぀いおは、
自分自身ずの距離は1.0最倧になっおしたいズルむので、
自身ずの比范を陀いお、平均倀で比范するこずにする。

なお、このランキングによっお、
なぜかただ71字に入っおいる「危」などは、ほがビリの順䜍になっお陀倖される。

さあ、以䞋のプログラムでいよいよTOP20の発衚だ

お手本ずの類䌌床でランキング付け
str = "氞元倩治応正長文和安延暊寛埳保承仁嘉平康宝久慶建享匘貞明犄倧亀寿䞇化芳喜神政䞭逊雲護"
resultlist=[]
for lstidx in range(0, len(lst)):
    distance=0
    cnt=0
    for stridx in range(0, len(str)):
        #別な文字である堎合のみ実斜
        if lst[lstidx] != str[stridx]:
            distance += JPmodel.similarity(lst[lstidx], str[stridx])
            cnt+=1
    resultlist.append([lst[lstidx],distance/cnt])

ranking = sorted(resultlist, key=lambda x:x[1], reverse=True)

finalkouho=ranking[:20]
import pprint
pprint.pprint(finalkouho)
TOP20の発衚
[['æ°ž', 0.4432615391959312],
 ['埳', 0.42958927220753584],
 ['仁', 0.42234036442990081],
 ['å¿ ', 0.39814997500397165],
 ['æž…', 0.39167382076459972],
 ['孝', 0.38281166761176649],
 ['久', 0.35123899427760841],
 ['倩', 0.33663049257426525],
 ['元', 0.33296518845281042],
 ['æ­£', 0.32448461789657612],
 ['安', 0.31749253943023814],
 ['å®®', 0.29887811652228685],
 ['蔵', 0.29585180662184218],
 ['老', 0.29422004885350239],
 ['五', 0.29177360054646811],
 ['康', 0.29155911853392569],
 ['氏', 0.28970518143898977],
 ['豊', 0.28275205021451155],
 ['明', 0.27604375636628525],
 ['束', 0.26546272673926241]]

今回の結果でいうず、
「氞」「埳」などはもずもずお手本にも入っおいる挢字であるが、
「忠」「孝」「枅」「宮」「蔵」「老」「五」「氏」「豊」「束」
の字は、お手本にはなくAIが導き出した挢字である。
「蔵」「老」「五」「氏」あたりは䜿われる可胜性はほが無さそうなものの、
他の字はそんなに悪いセンスでは無い気がする。
ず思っおいたら、「老」は実は既に過去に䞀回䜿われおいた。
 䞊のお手本は、䞀回だけの文字は陀倖しおいるため、含んでいなかった。

それにしおも、今回の結果からも、䞍動の゚ヌス**「氞」**の支持率の高さはすごい。
䞊䜍陣の顔ぶれは、お手本の䞊䜍陣ずかなり近い状況であり、
元号で良く䜿われる挢字は、AIから芋おもそれなりの理由があったずいうこずだ。

改めお今回の決勝戊メンバヌを発衚

ここたでで、AIが䜿いたい挢字のリストを、順䜍付きで䜜成するこずが出来た。
䞊蚘では、ご参考たでにTOP20たで衚瀺しおいるが、
組み合わせだずおよそ400パタヌン近くになっおしたい、ただ倚いため、
以降では䞊蚘の䞭のTOP10の挢字を䜿う、ずする。

぀たり、勝ち䞊がったメンバヌは、AIランキング順に以䞋の名。
「氞」過去採甚䜍回の䞍動の゚ヌス。AIランキングでも堂々䜍
「埳」過去採甚䜍回。AI的にはこれも本呜
「仁」過去採甚䜍回。八犬䌝や、論語などにも登堎。これも本呜
「忠」AIが出した新顔。 八犬䌝や、論語などにも登堎。ちず叀い抂念か
「枅」AIが出した新顔。 良い意味だが、䞭囜の囜名だったのがたずい
「孝」AIが出した新顔。 八犬䌝、論語などにも登堎。新顔の䞭の゚ヌス栌。
「久」過去採甚䜍回。曞きやすいしいいよね。
「倩」過去採甚䜍回。やはり二䜍も匷い。
「元」過去採甚䜍回。「倩」ず同様に匷い。
「正」過去採甚䜍回。これも曞きやすい。

ご参考南総里芋八犬䌝 の぀の字
仁・矩・瀌・智・忠・信・孝・悌

途䞭考察

䞀芋、過去に䜿われた挢字を倚数出しおおり、AIが働いおいないようでもあるが、
そもそも、元号に䜿われおいる挢字は、どれも良い意味であり、
盞互に意味の類䌌床が高いため、過去採甚の挢字が倚くなるのは劥圓である。
「元号に䜿われた挢字ず同じような方向性の字」のランキングであるため、
同じような方向を持ちながら今たで䜿われおいなかった「忠」「枅」「孝」を
探し出すこずができた、ず蚀うべきであろう。
昭和の「昭」、平成の「成」はそれぞれ初めお䜿われた字であり、
今回も字分は新しい挢字を䜿う可胜性もあるが、逆に蚀えば、
もう䞀方は過去に䜿われた字のどれかが䜿われる可胜性が高いし、
文字ずも過去に䜿われた字が䜿われるかもしれない。
新挢字文字、旧挢字文字がTOP10であったずいうバランスは面癜い。

AIに「元号ずしお適切な組み合わせ」を䜜らせる

さお、䜿う挢字の敎理は出来たが、
どう組み合わせれば「元号らしい」のか

たた、過去の元号で䜿甚枈みのパタヌンは陀倖する必芁がある。
たた、「氞久」ずか、「倩元」ずか、既に別の意味がある単語も陀倖する必芁がある。

他に、䟋えば「久氞」ずいう蚀葉は無かったずしおも、
「久」も「氞」も非垞に近すぎる意味であるため、カッコよく無い。
仮説ずしお、これたでの元号も、そうした文字のバランスを考慮しおいるのではないか

党郚の組み合わせパタヌンを詊しおみる、だず、AIが出しおいる感が枛っおしたうため、
AIに、過去の元号の文字の「距離感」を䞎えるこずにした。

元号ずしおの組み合わせのバランスを「蚈算」する

たず、仮説が正しいのか確認するため、
過去の玄個の元号の、文字目ず文字目の「距離」コサむン類䌌床を芋る。
※文字で出来おいる䞀郚の元号は陀倖

文字の距離感をグラフ衚瀺
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt

gengoulist = ["倧化","癜雉","朱鳥",・・・省略・・・"慶応","明治","倧正","昭和","平成"]
distancelist=[]
for idx in range(0, len(gengoulist)):
    distance = JPmodel.similarity(gengoulist[idx][0], gengoulist[idx][1])
    distancelist.append(distance)
    
# 折れ線グラフを出力
left = np.array(range(0, len(distancelist)))
height = np.array(distancelist)

plt.plot(left, height)

gengou_kyorikan.png

図の巊端が「倧化」、右端が「平成」で、それぞれ二文字の挢字の類䌌床をグラフ化したもの。
グラフを芋るず、最埌の方の「昭和」が-0.43で極めお異䟋ではあるが
ある皋床䞀定の距離を保っおいる気がする。
぀たり、仮説ずしお、過去元号の距離感に近づく組み合わせにする、ずいうのは、
良い案なのではないだろうか

では実際に距離をいく぀くらいにするべきなのか蚈算しおみる。

統蚈倀で距離感を衚珟する
from statistics import mean, median,variance,stdev

m = mean(distancelist)
median = median(distancelist)
variance = variance(distancelist)
stdev = stdev(distancelist)
print('平均: {0:.2f}'.format(m))
print('䞭倮倀: {0:.2f}'.format(median))
print('分散: {0:.2f}'.format(variance))
print('暙準偏差: {0:.2f}'.format(stdev))
結果
平均: 0.30
䞭倮倀: 0.28
分散: 0.06
暙準偏差: 0.24

䞊蚘の結果より「0.3」を䞭心ずしお、プラスマむナス「0.24」に入る範囲の、
挢字の組み合わせ方を探すこずにする。

適切な距離感の挢字の組み合わせを探す

勝ち䞊がった挢字文字×文字の党パタヌンを詊しお、
その挢字の距離感が䞊蚘の暙準偏差の範囲内に入るような組み合わせを探す。
たた、この機䌚に、既に過去の元号リストに党く同じものがある堎合は陀倖する。
たた、「氞氞」などのように、同じ字を重ねた堎合、距離1.0になるため、自動的に陀倖

そしお、その結果を、最も適切な距離平均倀である「0.3」に近い順に䞊べる。

統蚈倀で距離感を衚珟する
finalkouho="氞埳忠仁孝枅久元正倩"
# ※前回実斜のデヌタでTOP20⇒10にしおいれば再定矩する必芁は無し。

hodoyoikyorilist=[]
for idxone in range(0, len(finalkouho)):
    for idxtwo in range(0, len(finalkouho)):
        distance = JPmodel.similarity(finalkouho[idxone][0], finalkouho[idxtwo][0])
        if(0.30-0.24<distance and distance <0.30+0.24):
            #0.3からの距離の絶察倀を蚈算しおおく。
            absval = abs(distance-0.30)
            kumiawase=finalkouho[idxone][0]+finalkouho[idxtwo][0]
            #既存のgengoulistの䞭に含たれるパタヌンは、この時点で陀倖する。
            if not(kumiawase in gengoulist):
                hodoyoikyorilist.append([kumiawase, distance, absval])

# 「0.3」ずいう理想的な距離感平均倀からの乖離が少ない順に䞊べる。
finalkouho_ranking = sorted(hodoyoikyorilist, key=lambda x:x[2], reverse=False)

import pprint
pprint.pprint(finalkouho_ranking)
結果
[['忠倩', 0.34512571556537058, 0.045125715565370594],
 ['倩忠', 0.34512571556537058, 0.045125715565370594],
 ['æž…æ­£', 0.3541912868235782, 0.054191286823578211],
 ['正枅', 0.3541912868235782, 0.054191286823578211],
 ['久倩', 0.35828565796442502, 0.058285657964425031],
 ['倩久', 0.35828565796442502, 0.058285657964425031],
 ['元正', 0.38558117860512242, 0.085581178605122432],
 ['久正', 0.39211709853284332, 0.092117098532843333],
 ['正久', 0.39211709853284332, 0.092117098532843333],
 ['孝正', 0.39522379769497534, 0.095223797694975354],
 ['正孝', 0.39522379769497534, 0.095223797694975354],
 ['正倩', 0.41378394594834822, 0.11378394594834823],
 ['æž…å…ƒ', 0.47026353686028266, 0.17026353686028267],
 ['元枅', 0.47026353686028266, 0.17026353686028267],
 ['枅倩', 0.47101191032529927, 0.17101191032529928],
 ['倩枅', 0.47101191032529927, 0.17101191032529928],
 ['孝倩', 0.47803022604673118, 0.17803022604673119],
 ['倩孝', 0.47803022604673118, 0.17803022604673119],
 ['仁正', 0.48142248276590699, 0.181422482765907],
 ['正仁', 0.48142248276590699, 0.181422482765907],
 ['元倩', 0.50123434913804443, 0.20123434913804444],
 ['埳倩', 0.51178692951545024, 0.21178692951545025]]

暙準偏差の範囲内を合栌ずしたため、結構幅を広くずった぀もりだが、
およそパタヌンのうちで、䞊蚘パタヌンしか生き残らなかった。

最埌の仕䞊げ。ルヌルに沿った陀倖

ここたでで、以䞋点のメむン郚分が終了した。

  • 良い意味の挢字を抜出する
  • その挢字を組み合わせお、過去の元号ず䌌た距離感の組み合わせを䜜る

最埌に、コレたで機械にやらせるのはちょっず面倒ではあるが
以䞋点の実装を行い、決定たで持っおいこうず思う。

  • 既に他の意味で䜿われおいる単語を陀倖
  • M明治、T倧正、S昭和、H平成ず重耇しない

既に他の意味で䜿われおいるかMecabで分解

Mecabによる圢態玠解析によっお、
分かれる        他の意味は無い。
分かれずに䞀語ず認識  他の意味で認識された。

これを利甚しお、既存で別の意味があるかの刀断基準ずする。
぀いでに、読み仮名も振っおおくこずで、あずでMTSH陀倖に䜿えるようにする。

単語を品詞分解する関数に぀いおは、

前回の 「赀の他人」の察矩語は「癜い恋人」 これを自動生成したい物語 で、
「倚摩動物公園」を分解するのに䜜った関数をちょっずだけ倉えお再利甚する。

品詞解析機
import MeCab
def check_hinsi(taisyou_word):
    mecab = MeCab.Tagger("-Ochasen")
    #mecab = MeCab.Tagger(r"-Ochasen -d .\mecab-ipadic-neologd")

    WordHinsi = []
    #前凊理トリムなど。䟋「\t」はトリムしおおく。党角スペヌス化
    trline = taisyou_word.replace(u'\t', u' ')

    #####メむン凊理
    #Mecabでの解析を実斜
    parsed_line = mecab.parse(trline)

    #分析結果を、行単語ごずに分割する。改行コヌドで分割する。
    wordsinfo_list = parsed_line.split('\n')

    #状況を芋る
    #print(taisyou_word+"は"+str(len(wordsinfo_list))+"単語に分かれたした")

    #単語ごずに、解析凊理に入れおいく。
    for wordsinfo in wordsinfo_list:
        #print("wordsinfo= " + wordsinfo)
        # 各単語の情報をタブで分割する。
        # たき火,タキビ,たき火,名詞-䞀般 などのような行が、list圢匏になる。
        info_list = wordsinfo.split('\t')
        #print(info_list)
        
        #空癜などの堎合、䞉番目の芁玠が無い堎合もあるため、
        #最初にそのリストの長さをチェック
        #以䞋のように無意味に分割されるため、品詞情報が存圚しないものは無芖する。
        #['コアラ', 'コアラ', 'コアラ', '名詞-䞀般', '', '']
        #['EOS']
        #['']
        if(len(info_list)>2):
            #info_list[1]が読み仮名が入る
            WordHinsi.append((info_list[0], info_list[1], info_list[3]))
    
    return WordHinsi

# check_hinsi("倚摩動物公園")

# 元号の候補にそれぞれ䞊蚘関数を適甚しおみる。
ffor idx in range(0, len(finalkouho_ranking)):
    print(check_hinsi(finalkouho_ranking[idx][0]))
結果
[('å¿ ', 'チュり', '名詞-䞀般'), ('倩', 'テン', '名詞-䞀般')]
[('倩', 'テン', '名詞-䞀般'), ('å¿ ', 'タダシ', '名詞-固有名詞-人名-名')]
[('æž…æ­£', 'キペマサ', '名詞-固有名詞-人名-名')]
[('正枅', 'ショりセむ', '名詞-固有名詞-地域-䞀般')]
[('久', 'ヒサ', '名詞-䞀般'), ('倩', 'テン', '名詞-䞀般')]
[('倩久', 'アメク', '名詞-固有名詞-人名-姓')]
[('元正', 'ガンショり', '名詞-䞀般')]
[('久', 'ヒサ', '名詞-䞀般'), ('æ­£', 'タダシ', '名詞-固有名詞-人名-名')]
[('正久', 'マサヒサ', '名詞-固有名詞-人名-名')]
[('孝正', 'タカマサ', '名詞-固有名詞-人名-名')]
[('æ­£', 'セむ', '接頭詞-名詞接続'), ('孝', 'コり', '名詞-䞀般')]
[('æ­£', 'セむ', '接頭詞-名詞接続'), ('倩', 'テン', '名詞-䞀般')]
[('æž…å…ƒ', 'キペモト', '名詞-䞀般')]
[('元', 'ゲン', '名詞-固有名詞-人名-姓'), ('æž…', 'キペシ', '名詞-固有名詞-人名-名')]
[('æž…', 'セむ', '名詞-固有名詞-人名-姓'), ('倩', 'タカシ', '名詞-固有名詞-人名-名')]
[('倩', 'テン', '名詞-䞀般'), ('æž…', 'キペシ', '名詞-固有名詞-人名-名')]
[('孝', 'コり', '名詞-䞀般'), ('倩', 'テン', '名詞-䞀般')]
[('倩', 'テン', '名詞-䞀般'), ('孝', 'コり', '名詞-䞀般')]
[('仁', 'ヒトシ', '名詞-固有名詞-人名-名'), ('正', 'タダシ', '名詞-固有名詞-人名-名')]
[('æ­£', 'セむ', '接頭詞-名詞接続'), ('仁', 'ヒトシ', '名詞-固有名詞-人名-名')]
[('元', 'モト', '接頭詞-名詞接続'), ('倩', 'テン', '名詞-䞀般')]
[('埳', 'トク', '名詞-䞀般'), ('倩', 'テン', '名詞-䞀般')]

䟋えば、「枅正」は既に人名ずしお広たっおいるのでアりト
「倩久」ずか、「孝正」なんかは䞀芋ただセヌフな気もするが、
人名などでも良く䜿われるようなパタヌンずしお、Mecabに認識されおいるずいうこずで、
そういった語句は萜ずされるずいう考え方で良いず思う。

M明治、T倧正、S昭和、H平成の陀倖

䞊蚘で機械が䞎えた読み方をチェックしお、MTSHで始たっおいないもの、を抜出する。
぀いでに、分解結果が語のもの既存意味のあるもの、は陀倖

先頭の文字目の読み仮名で陀倖する
for idx in range(0, len(finalkouho_ranking)):
    bunkaigo=check_hinsi(finalkouho_ranking[idx][0])
    if not(bunkaigo[0][1][0] in "マミムメモタチツテトサシスセ゜ハヒフヘホ"):
        if len(bunkaigo)>1:
            print(bunkaigo)
結果
[('元', 'ゲン', '名詞-固有名詞-人名-姓'), ('æž…', 'キペシ', '名詞-固有名詞-人名-名')]
[('孝', 'コり', '名詞-䞀般'), ('倩', 'テン', '名詞-䞀般')]

「元枅」ず「孝倩」が出た。

※もし、この時点で党郚候補が消えおしたったら、もう少し絞り条件を緩めお
 再実斜すればよい。たた、もっず候補をたくさん出したい堎合も同様。

最埌のこの点の優先床をどうするかであるが、
点だけ埌付けルヌルで申し蚳ないが、「姓」や「名」で䞀字でも䜿われおいる字は、
実圚の人物になっおしたう可胜性があるため、
「名詞䞀般」の組み合わせの方がよりポむントが高いずいうこずにする。
たあ候補が二぀でした、でも良いが、
 機械が出したデヌタだけに䟝存した䞀䜍を決めたいため、
 品詞刀定結果ポむント、ずする

そこで、「孝倩」  「元枅」 ずなった。

結果 AIに新元号を䜜らせるずこうなる

結果

超長い戊いだったが、ずうずう最埌の決定たでたどり着いた。
AIが導きだした結果は、以䞋である。

結果「孝倩」

次点「元枅」

たた、再床最終候補に挙がった挢字文字を再床列挙しおおく。
「氞」過去採甚䜍回
「埳」過去採甚䜍回
「仁」過去採甚䜍回
「忠」AIが出した新顔
「枅」AIが出した新顔
「孝」AIが出した新顔
「久」過去採甚䜍回
「倩」過去採甚䜍回
「元」過去採甚䜍回
「正」過去採甚䜍回

あずで、「予想が圓たったぜ」っお蚀うためには、
もっず倚めに出しおおいたほうが良いのだが。
 11䜍の「安」も可胜性があるか

誰かが既に予想しおいる元号にはしない、ずいう説もあるため、
なんおひねくれた決め方だろうか
こういった蚘事を投皿する時点で絶察倖れになる䞀方で、
元号考える゚ラむ人はqiitaは芋ないんじゃね
芋おもこの超長い駄文プログラムは分からないんじゃねずいう気もする。

実際に新元号が発衚されたら、
ぜひその挢字が本蚘事の方法で䜕䜍だったのか、埌で確かめおみたい。
たた、その぀の文字の距離も、0.3に近かったのか、蚈算しおみたい。
結果が出たら、その結果も蚘事にするので芋逃さないでね

䜿った数倀的芁玠たずめチュヌニングポむント

  • 「回以䞊過去元号に䜿甚されたこずのある挢字」をお手本ずした。
    • 圓然回ずいうずころは倉曎可胜であるし、元号ずいうのは、
    • 採甚たでいかずに候補になったもの、もあるそうで、
    • それらをタヌゲットに含めるかどうかでも調敎が倉わる
  • 遞んでくる察象を「教育挢字」にした点
    • 「垞甚挢字」たで広げる方法もあるが、優先床ずしおは「教育」「垞甚」であり、
    • 今回は倚数の候補を出そうずしおいなかったため、早めに「教育」に絞った
  • 類䌌床の足切りの点数  0.6
    • 0.7くらいの高めにしおもっず絞っおも良さそうではあった。
  • お手本に近い床合でトップ䜕䜍たでを利甚察象ずするか  
    • 予想ず称しお沢山の候補をあげすぎるのが面倒/面癜くないため、
    • かなり絞った倀だず思われる。
  • 二぀の挢字の距離感の適切倀0.3
    • 今回は「平均倀」を採甚したが、「 䞭倮倀」を採甚する方法もあるし、
    • そもそも、「倧化」の時代から党おのデヌタをみるようなこずはせずに、
    • 盎近の䜕幎かのデヌタだけでみるなどの方法もある。
  • 品詞刀定結果の蟞曞及び、その結果どのような品詞を優先/陀倖するか
    • 名詞䞀般  姓名、ずした点や、二぀に分かれたら陀倖なのかどうか。
    • Mecabの分解蟞曞が倉われば結果も倉わる
  • 陀倖の方法/基準
    • 今回は「おくり名」は調査しおいない
    • 珟代であれば、Google怜玢しおみお語句の普及床を芋る方法もある
  • Char2Vecのモデルの生成
    • 今回はWikipediaをベヌスにしたが、元号の性質を考えるず、
    • 論語などの「四曞や「五経」を孊習させた結果も良いず思う。

あずがき

挢字そのもの、組み合わせそのもの、に぀いお、
党く人の良識/垞識による刀断を入れなくおも、
パラメヌタ蚭定ず機械孊習だけで、
ある皋床それっぜい新元号の案が䜜れたず思う。

新元号は誰が決めるのか良くわからないが、
平成が決たった時代よりはるかにむンタヌネットが普及しおいる珟圚では、
どんな元号にしようずも、Google怜玢で䜙蚈な意味付けが無いか、
入念な調査を芁するだろう。
そしおどう発衚しようずも、いろいろな人がSNSなどでその評䟡を奜き勝手叫ぶ。
か぀おは党く考えられなかった、過去最倧に難しい元号決定なのではないか

各孊者先生や゚ラむ人のいろいろな調敎や思惑が入るよりは、
予め定められた「基準」今回でいうパラメヌタや、INPUTテキストをみなで同意しお、
同意埌に初めお䞀発勝負でプログラムを走らせお、TOP10くらいの候補を出させお、
その候補の䞭で投祚するような仕組みのほうが、公明正倧、
決め方に透明性があっおみんなが玍埗するような気もする。

Word2VecやChar2Vecは、その挔算だけでも面癜がられるツヌルである。
ただ、ちょっず蚀葉の挔算をしお終わり、ではなく、
ぜひどういった「遊び」が考えられるのか、
人間の知恵を絞るず新たな䞖界が広がりそうである。
人間ずしおは、AIに負けない「悪魔的発想」「圧倒的閃き」を目指したいものだ。

人類の進化は「遊び」からはじたる。
こんな「遊び」が出来るならば、ずいうアむデアに觊発される人がでお、
生掻にも圹に立぀ような「発明」が生たれるのだ。
            Char Fuitter (18471912 オランダ) 


2018/06/03 初版䜜成。将来の答え合わせのため、日付を明蚘

この物語はフィクションです。
登堎する人物・団䜓・名称等は架空であり、
実圚のものずは関係ありたせん。
Char Fuitter チャヌ・フむタヌは架空の人物です。

1553
770
9

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
1553
770

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?