AIうぉ--!(ai-wo-katsuyo-shitai !)

AIを上手く使ってみせたい!!自分なりに。

AIの技術の流行りが追いかけにくい。。。。。

3、4年前だと、AI技術の状況がもう少しシンプルだった気がする。。。

動画での物体検出だとYoloとか
自然言語系だとHuggingfaceとか
自然言語系の技術だとTransformerとか
フレームワークだとtensorflowよりpytorchかな。。。とか
あと、GANとか

ChatGPTとか生成AIとかが賑やかになって。。。。

さて、いま、AI技術の中心はなんだろう。。。

追いかけにくいといっても、もう少し、情報を見ていればある程度、、、追えるんでしょうけど。。。

たぶん、どういう条件で何をやりたいかを決めないと、、、、条件含め、多岐にわたり過ぎて決まらないんでしょうね。

旧来の機械学習の技術がどうなったかも知りたい。SVMとかも。。。

GAN(Generative Adversarial Networks)は、なぜ、廃れたか?

生成AIが、大盛り上がりなのに、GANは最近一切聞きません。

GAN(Generative Adversarial Networks)は、なぜ、廃れたか?

GANが廃れた理由

GANが廃れた理由を2つ示します。

『モード崩壊』

以下の記事がわかり易いですが、GANは、『モード崩壊』という課題を抱えています。

qiita.com

引用:

モード崩壊は、訓練中のGANがデータセットの多様性全体を捉えることができず、限られた数のサンプルまたは非常に似ているサンプルのみを生成するときに発生する問題を指します。

それに比して、生成AIは、拡散モデルで、以下の通り大丈夫。

引用:

拡散モデルがモード崩壊しないのは最尤推定だから。

廃れてきたから言うわけではないが。。。。

そもそも、GAN(敵対的生成ネットワーク)の敵対的とういうのは、それほど、深い意味がないと理解しています。
「discriminator」が敵対するわけですが。。。『敵対って??』、単に、評価指標を改善するだけだし、、、
しかも、実際に効果のあるGANの構成は、いろいろ複雑で、、、、別に、GAN本来の構成が明確でなく、、、、
という印象。

⇒ その上で、普通には、『モード崩壊』の問題もあり、、、、
また、いまの流行りは、生成AIなので、GANという用語を使うメリットがない、はず。
⇒⇒ GANは、種々の変形があるので、拡散モデル-GAN(Diffusion-GAN。造語。)というのがあってもなんの問題もないはずだが、、、
⇒⇒⇒ 3年前と違い、GANという単語を使うメリットがなく、生成AIのほうがキラキラしているから。。。。

GANについて強調しておきたいこと

『敵対的』、、、、何か、用語が大袈裟な気が。。。

ChatGPT(3.5)。英語の文法解説は、かなり下手!(Let's get started on the project right away.)

依頼。

次の英文を文法を含めて解説して下さい。  
Let's get started on the project right away.

ChatGPT(3.5)回答

この文は比較的シンプルな構造を持っています。

"Let's get started on the project right away."

"Let's" は "let us" の短縮形で、「私たちが」という意味です。 "get started" は、"start" の意味を強調する表現で、「始める」という意味です。"get started" は、何かを始めるという意思や行動を強調する表現です。 "on the project" は、どのプロジェクトを始めるのかを指しています。 "right away" は、「すぐに」という意味で、即座に、遅れることなく行動を開始することを示します。 したがって、この文全体の意味は、"Let's get started on the project right away." は、「さっそくそのプロジェクトを始めましょう」という意味になります。話し手が相手と一緒にプロジェクトを始めることを提案している表現です。

ダメダメぽいんと

"get started" は、"start" の意味を強調する表現

↑ ほんと?

わずかに評価できること

"Let's" は "let us" の短縮形

こんな感じの解説が欲しかった

englishnotes.jp

やってみましょうよ! 『『ゼロから作る Deep Learning ❺』 公開レビューのお知らせ』って。

って!

note.com

『・・・レビューアの方の名前をクレジットとして掲載する予定です。』って!

↑やってみましょうよ!

レビューに参加しました!!!(発売が楽しみ。。。4月かな。)単なる餌を撒かれた魚かも。。。(売上に貢献)

ChatGPTは、英文の文法解説が「超!」苦手。(日本語だから?)

質問は。『以下の英文の文法を解説して下さい。 What do you think the main objective of this project is?』

回答は。

どれも0点???
ちなみに、GPT-3.5です。

回答1

この文は疑問文です。文法的には次のように解釈できます。

"What"(何)は疑問詞であり、文の主題や特定の情報を尋ねるために使われます。 "do you think" は、疑問詞 "What" の後に続く文の主語と述語を構成します。これは直訳すると「あなたは何を考えますか」となりますが、実際には「何だと思いますか」という意味です。 "the main objective of this project" は、文の主題です。これは「このプロジェクトの主な目的」という意味であり、質問の対象です。 最後の部分の" is" は文の動詞であり、文を完結させます。 したがって、文全体の意味は「このプロジェクトの主な目的は何だと思いますか?」となります。

回答2

この文は、疑問文の形式をとっています。基本的な文法構造は次のようになっています:

疑問詞 (Question word): この文の場合、「What」が疑問詞です。疑問詞は質問の対象を指し示します。「何」という意味で使われており、具体的に問いかけたい内容を表します。

助動詞 (Auxiliary verb): この文では、「do」という助動詞が使われています。これは、英語の現在形疑問文において、主要な動詞(ここでは「think」)と共に使われます。

主要な動詞 (Main verb): この文では「think」という動詞が主要な動詞です。この動詞が具体的な行動または考えを示しています。

質問の対象 (Object of the question): この文では、"the main objective of this project"が質問の対象です。つまり、質問者が知りたい内容や特定の事柄です。

文末の疑問文の指示語 (Question indicator at the end): 英語の疑問文では、通常、文末に疑問符 "?" が付きます。これによって、文が質問であることが示されます。

したがって、「What do you think the main objective of this project is?」は、「このプロジェクトの主な目的は何だと思いますか?」という意味になります。この文は、相手にそのプロジェクトの目標や目的についての意見を尋ねています。

回答3

"What do you think the main objective of this project is?" という文は、英語の疑問文です。この文の構成要素を解説します。

主語(Subject): この文の主語は "you" です。この文は他人に対して何かを尋ねているため、"you"(あなた)が主語となります。

動詞(Verb): 動詞は "think" です。"think" は過去形が "thought"、現在分詞が "thinking" となりますが、この文では疑問形の "do"(助動詞)と共に使われています。

疑問詞(Interrogative word): "what" が疑問詞として使われています。これは何についての質問かを示しています。

述語(Predicate): "do you think" が述語です。"do" は助動詞で、疑問文や否定文を作る際に使用されます。"think" は主要な動詞で、意見や考えを表現します。

目的語(Object): "the main objective of this project" がこの文の目的語です。これが質問の対象となっています。

この文は他人に対して、特定のプロジェクトの主な目的について考えを問いかけています。

ChatGPTにpyhonのdeepcopyを自作してもらった。なんで、こんなのを作ることが可能なんだろう。。。

ChatGPTによるdeepcopy自作

こんなコードを作ってくれた。

import copy

def deep_copy(obj):
    if isinstance(obj, list):
        return [deep_copy(item) for item in obj]
    elif isinstance(obj, dict):
        return {key: deep_copy(value) for key, value in obj.items()}
    else:
        return copy.copy(obj)

なぞ

このようなやり方があるようなのだが。。。
なんで、それを知っていて、それが提供できるのか、ちょっと謎!
このことだけみると、ChatGPTは超利口ということになるが。。。

時系列データに対する(多変量)LSTM、この記事わかりやすい

↓この記事です。

説明もすっきりしています。 qiita.com

github

github.com

多変量で、こんな結果が出ます。

上記のgithubを動かすと、、、

類似の以前の自分の記事

ai-de-seikei.hatenablog.com