東大 生物情報学科、学部生の備忘録

東京大学の学生です。日々の気づき、学び、つまづいたことをメモにします。

MENU

研究を始めるまで pythonに頼りすぎていた

はじめに

研究が始まって半年くらい経った。 そんな中で自分なりの開発中のベストプラクティスができてきたので、まとめてみる

研究始める前〜始めて数ヶ月の期間

この期間、python を使いすぎていた。

例えば、

  • 簡単なファイル操作
    • csv のheader を変えるとか、各列の和を計算するとか
    • csv の 結合
  • 簡単なグラフ作成
  • 簡単な統計値の計算
    • 平均値を求める
  • (バイオインフォなので)アラインメント計算
  • クラスタリング
  • numpy などで高速計算

などが挙げられる。 python に関しては相当使えるので、これらの操作はどれも python で完結するのは確かなのだが、簡単な統計値を求めるためだけにわざわざ .py ファイルを作ってコードを書くのが面倒だし、python 環境に依存するのが不快になってきた。例えば、グラフ作成だって matplotlib を使うので conda activate mypjt として仮想環境を呼び出す必要がある。

なぜわざわざ conda で仮想環境を作っているかというと、 ラボのサーバに入っている python のバージョンはデフォルトが 2.7.0 であり、python3 に慣れた自分からするとちょこちょこエラーが出るのもだるいし、対応していないパッケージもあるので面倒だからだ。 もう一つの理由は、大量の python パッケージを使うので、 confliction が大発生することもある。

結局のところ * conda activate mypjt * conda deactivate が面倒なので、shell script だけで完結させたいという気持ちが強くなっていった

研究を始めて数ヶ月以上〜最近

shell script を書きまくるようになった。

それに従って、当然だが、python の役割はかなり減った。 具体的には先ほど具体例として述べたものはほとんど bashstand alone software の役割になった。

  • 簡単なファイル操作
    • csv のheader を変えるとか、各列の和を計算するとか
      • --> datamash とか tail -n +2 とか。
    • csv の結合
      • --> sort してから join
  • 簡単なグラフ作成
  • 簡単な統計値の計算
    • 平均値を求めるとか
    • --> datamash
  • (バイオインフォなので)アラインメント計算
    • --> mafft などのアラインメントソフトウェアの導入
      • わざわざ Biopython の alignment を使うことすら無くなった
  • クラスタリング
    • clustalo 等のソフトウェア
  • numpy などで高速計算
    • SGE でアレイジョブを投げるとか、software のスレッド数オプションを使ってさっさと済ます

逆に python に残された役割は

  1. 複雑な DataFrame の計算やグラフ作成
  2. adhoc なアルゴリズムの実装

くらいになった。 2.の adhoc なアルゴリズムの実装については、なるべくこれも bash で済ましたいと思っているが、それは難しいので、C で書いてもいいかなぁとも思う。

けど、サーバで module load gcc とするとなぜか awk がバグるのでだるい。。 また、C はコンパイルが面倒だし、少しお手軽さがない。だからやっぱり、adhoc な coding はpython に頼り続けるという形で落ち着くのかなぁ。

Google が開発した音楽生成AI 「MusicLM」

はじめに

2023/01 に Google が発表した音楽生成 AI の MusicLM について、紹介する。 beta ver のテストが、順番待ち形式で利用可能になっており、自分の番が来たのでそれを使ってみた感想を伝える。

MusicLM の概要

簡単に言うと、

  • Stable Diffusion の音楽生成 version

である。 本ブログでも触れてきたように、大量の学習データを利用する生成 AI は、その生成コンテンツの著作権上の問題を無視できない。

Stable Diffusion の問題を理解しているので、開発元である Google は学習済みモデルの公開を先送りにしている。 フレームワークの公開は問題なく、github に実装したコードがおそらく Google 外の人が公開している。十分に大きな学習データがあれば、高い精度で音楽を生成してくれるだろう。

SD では、学習済みデータを公開し、コードを local で扱えるようにしてしまっていたことや、LoRA で追加学習が容易になってしまい、著作権の侵害が著しかった。そのことを考慮すると、天下 Google 様が著作権侵害のリスクをとってまでモデルの公開をするとは到底思えない。

良い判断だと思う。

Music LM の論文

https://arxiv.org/pdf/2301.11325.pdf

Stable Diffusion 周りの記事

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

MusicLM を使ってみた。

準備

次のページにアクセスし、登録する。 アンケートに答える必要があるので、真面目に答える。

AI Test Kitchen

登録が完了すると waiting list に登録される。僕の場合は、一日後にアクセスすると、利用可能になっていたので、今(2023/08)はあまり混んでいないかも。

登録して、時間が経ったら

左上のボタンをクリックして、MusicLM を選ぶ

text box に prompt を英語で入力する

注意

MusicLM の注意書きにもあるのだが、

  • 特定の人名、特定の作品名を指定したプロンプトは実行時エラーとなる
  • NSFW に該当する単語を含むプロンプトは弾かれる

となっているので、 モーツァルト風というプロンプトも僕が試したときはエラーになった。ショックだが、仕方ない。(モーツアルト著作権どうなってるんだろう。どこかの団体が持ってたりするの?)

実際に prompt を入力してみた

一つのプロンプトに、二つの候補となる音楽が出力される。

以下の三つを prompt として入力した。

  • 恐ろしいお化けから必死に逃げる時のような緊迫感・臨場感のある音楽
    • Music that conveys the tension and presence akin to desperately fleeing from a terrifying ghost
  • 晴れた空の下で海で大はしゃぎしている幸せな家族の様子を表す音楽
    • A happy family joyfully frolicking by the sea under the clear sky
  • 日本の武士が真剣勝負をしているような雰囲気の音楽
    • Music that evokes the atmosphere of Japanese samurai engaged in a serious duel

そして、youtube の画像のサムネイルは、Stable Diffusion で同じプロンプトを入れて生成したものである。

恐ろしいお化けから必死に逃げる時のような緊迫感・臨場感のある音楽

www.youtube.com

www.youtube.com

結構怖い感じかも、、?けどよくわからない。 あまりホラーっぽくはない。

Stable Diffusion の画像は、結構ホラーっぽさが出ていて素晴らしいね。

晴れた空の下で海で大はしゃぎしている幸せな家族の様子を表す音楽

www.youtube.com

www.youtube.com

日本の武士が真剣勝負しているような雰囲気の音楽

www.youtube.com

この頭から生えている赤い棒はなんだろうか。よくわからんが、一枚目だけ <japanese-doll-likeness> を LoRA として使ったので、東洋人差別っぽい平たい顔武士が生成されなくて済んだ。(冗談です)

www.youtube.com

ポコポコポコポコ鳴らしているだけで、真剣勝負な感じは伝わらないが、音楽に才能のある友達曰く、

  • 使っている楽器が、臨場感を出すために使うものに一致している

とのことであり、きちんと重要なポイントを学習できていそうだとのことである。

まとめ

3種類のプロンプトを使って、3 x 2 = 6 通りの音楽を作成した。 曲の素晴らしさでいうと、Stable Diffusion の生成する画像のインパクトには劣るが、それでもなかなかのレベルである。

正直、LoRA なるものを使って、

  • 特定のアーティストの曲調を学習
  • 特定の文化の曲を学習

などして、そういったコンテクスト依存で面白い曲ができたらいいなと思う。 あるいは、

  • 自分が作った曲

を複数学習させ、それによって、自分が未来思いつきそうなタイプの音楽をテキストベースで生成できるとなったら、面白い。 ただ、Stable Diffusion の学習に必要な画像枚数は 10 ~ 20 枚程度であるのだが、MusicLM ではどれくらいなのかわからないので、学習可能性については知識をつけないとあれこれ議論できない。

最後に

Stable Diffusion と同じく、権利の問題が難しい。 人類の芸術の発展のためには、人類が芸術をやりたいと思えるような社会である必要があるのは当然である。 もし生成 AI が作品の権利を奪うようであれば、それは人類の芸術の進化を妨げることになることと同値であり、適切に制限しなくてはならないだろう。

Stable Diffusion で勃発した問題を教訓にしながら、音楽生成 AI MusicLM はうまく立ち回って欲しいと願う。

関連記事

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

datamash や awk を用いた Linux での簡単なデータ分析

はじめに

配属された lab で、実際にデータを触って解析をし始めた。 今まではなんでも python でコードを書いて、可視化していたのだが、どうも毎回 python hogehoge.py と実行するのが面倒すぎる。 わざわざ python コードを書くのも嫌だし、ファイルが増えるのも嫌だと思うようになってしまった。

linux コマンドだけで片付くのであれば、それに越したことはない。 そんな中で出会ったのが datamash である。

本記事では datamash でできることとできないことを紹介し、できないことについてはその打開策を紹介する。

datamash について

公式サイトはこちら。

www.gnu.org

install 方法はシンプルなので、それぞれお願いします。 僕の場合はスパコンに元々入っていたので、この工程は飛ばします。

datamash でできること

できることを述べる

datamash 公式マニュアル

datamash --help

まとめると、

  • 行・列の処理
    • remove duplication (rmdup)
    • groupby
    • unique
  • 統計値の計算
    • sum
    • mean
    • mode
    • count

が主だったものである。

datamash の利用

入力データの区切り文字はデフォルトでタブを受け付けている。 入力データの区切り文字を変えたければ、

datamash -t " "

とすれば、区切り文字を半角スペースにすることができる。

データセットの作成

echo -n > test_data.txt # initialization

seq 21 | paste -d " " - - - >> test_data.txt
seq 12 | paste -d " " - - - | awk  '{print $1,$2+10,$3}' >> test_data.txt

cat test_data.txt 
1 2 3
4 5 6
7 8 9
10 11 12
13 14 15
16 17 18
19 20 21
1 12 3
4 15 6
7 18 9
10 21 12

groupby

一列目について、groupby をする。そして、2列目のカウントを調べる。 cat test_data.txt | datamash -t " " -s -g 1 count 2

cat test_data.txt | datamash -t " " -s -g 1 count 2
1       2
10      2
13      1
16      1
19      1
4       2
7       2

これで OK. 1, 4, 7, 10 については二回登場しているので上手く grouping できている。

注意としては、

-g で grouping をする前に -s をつけて、sort 処理をしておくのが望ましい という点である。

-s をつけないと、

1       1
4       1
7       1
10      1
13      1
16      1
19      1
1       1
4       1
7       1
10      1

となってしまって、上手くいかない。これは盲点なので注意。

これは sum でもなんでも上手くいく。

cat test_data.txt | datamash -t " " -s -g 1 sum 2
1       4
10      22
13      14
16      17
19      20
4       10
7       16

また、unique というのもある。これは結構有能で、

cat test_data.txt | datamash -t " " -s -g 1 unique 2 
1 12,2
10 11,21
13 14
16 17
19 20
4 15,5
7 18,8

という感じ。unique をカンマ区切りで出してくれる。要は、groupby の get_member() 的なことができる。

groupby では、first や countunique のような機能もある。 groupby 演算ではやりたいことはほとんどできるはず。

正直私は、

  • groupby で grouping してカウントや sum を計算する

といった使用方法が主である。

datamash でできないこととその代替案

SQL でいうところの、where 構文など、datamash ではできないことも存在している。

SQL の where 構文

select * where Col1 > 10 のようなことをしたいとする。 datamash ではそれはできないので、以下のように awk を使うのが良い。

cat test_data.txt | awk '$1>10 {print $0}' 
13 14 15
16 17 18
19 20 21

awk の出力をさらに受け取って、datamash で処理することもできる。

Col1 と Col2 の和が 15 以上のものについて、groupby Col1 count 2 Col2 をやりたいのなら、

cat test_data.txt | awk '$1+$2>=15 {print $0}' | datamash -t " " -s -g 1 count 2
10 2
13 1
16 1
19 1
4 1
7 2

SQL の select 文

表形式のデータから、特定の列だけを取り出したいとき、

  • 演算を伴う時
  • 演算を伴わない時

の二つのケースがある。

演算を伴う時

awk で書けば OK. test_data.txt の1列目と2列目の和と積を計算し、2列に表示するとする。 すると、

cat test_data.txt | awk '{print $1+$2, $1*$2}'
3 2
9 20
15 56
21 110
27 182
33 272
39 380
13 12
19 60
25 126
31 210

演算を伴わない場合

awk で簡単に書くことはできるのだが、'{print}' を書くのが面倒な時があるので、そういったときは、cut を使うと、閣僚がほんの少し減る気がするし、 cut コマンドはそんなに複雑なことができないので、後でスクリプトを追うときに、やっていることが分かりやすいというメリットがあると思っている。 なので、cut で済む操作は awk ではなく cut を使うようにしている。

以下のコードで、test_data.txt を " " 区切りで読んだ時の 1, 2 列目を取り出している。

cat test_data.txt | cut -d " " -f 1,2
1 2
4 5
7 8
10 11
13 14
16 17
19 20
1 12
4 15
7 18
10 21

ヒストグラムによる可視化も linux で。

結局ここまでの datamash を用いたデータ集計を行なっても、可視化のフェーズでpython に頼るのが悔しい。 ということで、ツールを探したところ、少し良さそうのものがあったので、紹介する。

標準入力からヒストグラムを描画するCLIツールを作った - さんちゃのblog

このツールを導入すれば、

cat alignmentscore_dist.txt | hist
  569|********************************************************************************
 1451|*********************************************
 2333|**************************************
 3215|**********************************
 4098|**********************************************
 4980|******************************
 5862|***********************
 6744|**************************
 7626|********************************
 8508|*****************************
 9390|****************************
10273|********************************
11155|************************
12037|****************************
12919|******************************
13801|***********************
14683|*********************
15565|****************************
16447|****************************
17330|*************************
18212|**************************
19094|****************************
19976|***********************
20858|*************************
21740|**********************
22622|************************
23505|**********************
24387|********************
25269|***********************
26151|******************************************
     +--------------------------------------------------------------------------------+ 65368 times
     +----------------------------------------+ 32684 times

のように、気持ちのよい histgram を作成してくれる。

注意として、hist は、サンパルサイズが小さいとバグ的な挙動をする。

最後に

histgram を作成し、最低限の可視化を行うところまで、python に頼らないでできることになった。 これは結構でかい。

読者の皆様も、おすすめのツールがあればコメントで教えてください!

AI 絵師・AIイラストについて、東大生が思うこと

はじめに

最近、とても流行っている AI イラストについて、話したい。 Stable Diffusion を使う場合、機材さえ持っておけば、一定クオリティのイラストを高確率で生成できてしまう。したがって、AI-made コンテンツがネットに溢れかえってしまっている。

実際に、7月前半にて AI イラストを一部で禁止する発表を行う前の pixiv は信じられないくらい AI イラストで飽和していた。 そして、高評価を得ている AI イラストは大体、版権キャラの二次創作である。僕目線、彼らは絶対に civitai に落ちているキャラ LoRA を使い回しているだけだ。

盗んだもので金稼ぎを行うような AI 絵師に対して、思うことや伝えたいことをまとめてみる。また筆者自身も AI イラスト生成をじっくりやってみた経験があるので、それに基づいて述べる。

頑張っている AI 君。

AI イラストの現実

冒頭でも触れた通り、庶民でも一定のクオリティのコンテンツを超高速で生成できるのが AI の強みである。

クオリティをさらに上げようとすると、機材のスペックが必要になることはもちろん、Stable DIffusion に投げる prompt を工夫したり、seed 値をいじったりする必要がある。(高レベル AIイラスト とでも呼ぼう。)

しかし、pixiv をはじめとしたイラスト掲載サイトを見て思うのは、ほとんど 99 % の人々はそんなに凝ったことをしていないということである。 彼らがやっているのは、

  • civitai に落ちている LoRA を大量に集めて、掛け合わせている
    • 10 個の LoRA があれば、2の10乗 = 1024 通りも組み合わせが考えられる。
  • 有名人や有名・人気キャラの LoRA を自作し、それを個性・強みとしている

こんなところであろう。

もちろん、超ハイスペックな機材を集めて、seed や prompt に多大な時間をかけてイラスト生成をしている方もいるのはわかっている。しかし、ハイスペックな機材の値段を考えたらわかるように、そういった機材をバッチリ揃えている人は少数派である。大多数は、普通のデスクトップ PC で生成しているだろうと思う。

AI イラスト生成に必要な工数、努力

AI イラスト生成に必要な過程は、上で述べた通り、

  1. 書きたいキャラ、構図、雰囲気をイメージ
  2. キャラ等の LoRA を入手する
    • 多くの人は Civitai から取ってくるだけ
    • 一部の人は自作する。しかし、自作する場合も誰か他の人が手で描いたイラストをネットから拾って、colab とかでちょちょっと学習するだけだ。
  3. Stable Diffusion に LoRA を全てぶち込んで、プロンプトをいじる
    • prompt を考える。negative prompt もきちんと設定する
      • 大概、ネットに上手い prompt の例が載っているので、それを参考にするだろう
    • LoRA の強さとか、prompt の各 word の強さとかをいじる。
      • words の順番にもこだわる人はいるだろう
    • ControlNet を使う人もいるかも
  4. (Optional) Seed 値をいじったり、他の Automatic1111 の拡張機能を利用してさらにイラストの質を改善する。

といったことになる。 読者の方で、他に思いつく工程があれば、ぜひコメントで教えていただきたいです。

このことから思うに、AI イラスト生成において、 創造性が必要とされる工程はないのではないだろうか。 創造性がいるとすれば、「1. 書きたいキャラ、構図、雰囲気をイメージ」くらいであろう。他は、何度も出力させてその中から好みのイラストが出てくるのを待つだけ。

彼らのために弁解するとすれば、好みのイラストが出る確率を上げるために諸々の追加設定をしているのだろうが、「確率を上げている」だけの操作である。 この操作はどう見ても創造性は不要じゃないだろうか。出力されるイラストと自分の好みを差を見て修正するだけだ。

話がそれちゃうが、 そう思うと、AI イラストというのは期待値最大化問題であって、手書きイラストというのは、決定論的な問題とみなせる気がする。 いや、欲しいイラストが解であるとして、手書きイラストでは決定論的なアプローチになっているが、AI イラストではその計算資源を利用して、乱択的に解いているのだろう。

また、この工程をもう一度見てみるとわかるのが、

  • AI イラスト生成は、他のコンテンツを利用しているばかり

という点である。これがみんなに嫌われている主な理由になるはずだが、

  • LoRA は civitai などから取ってくる
  • また LoRA そもそもが他のコンテンツを勝手に取り込んで学習した結果である
  • prompt についてもネットに落ちているものを参考にすればある程度戦える
  • そもそもの model (Chilloutmix とか)も、大量のデータをネットから無断で取り込んで学習している

といったように、多くの場面で他コンテンツに依存している。 LoRA を使っている時点で、99 % の確率で、「盗用」のようなことをやっていると思った方が良い。

こんな厄介な AI イラストであるが、これからどうなるだろうか。

AI 絵師さん

ここからは AI 絵師さんについて、述べたい。

pixiv の記事( AI絵師 (えーあいえし)とは【ピクシブ百科事典】 )によれば、

AI 絵師

筆の代わりに特定の単語を組むことによってイラストを作り出しており、pixivでは既に多くのAI絵師が作品を投稿している。

しかし、「絵師」とは言うものの、実際にその人物がやっていることは「AIに指示となる文章を入力しているだけ」でしかなく、絵師と呼べるような行為をしていない、絵師ではなく「イラスト生成AI利用者」に過ぎないだろう、と言う声も多い。 AIによる画像生成で思い通りの画像を生成させるための文章選択には特有のコツのようなものが必要であり文章を入力しているだけではない、という声(主にAI絵師を名乗る側から)もあるが、やはりこれもやっていることは「開ける引き出しの選び方」であって「引き出しを作る事」ではないため絵師としての技術とは全く違うとの見方が強い。

とのことであり、イラスト生成 AI 利用者を意味すると思ってもらって構わない。

AI 絵師の気持ち

僕も実際に手を動かし(GPUを動かし)、AI イラストを生成してみた。 そこで思うのは、時間をかけて作ってみても、

  • AI によって生み出したこのイラストを自分の作品だといって自慢する気はしない。本当にイラストレータに失礼だ。

という申し訳なさ、後ろめたさだけである。

僕が特殊なのかもしれないが、勝手に他所のイラストを学習してできた LoRA を使っていて、かつ、今日のイラストレータによる AI イラストに対する猛反発を知っていれば、とてもじゃないが尊大な態度は取れないのじゃないかと思う。

本当のイラストレータへの敬意があれば、そういった絵師さんの努力を踏みにじる可能性のある AI イラストを堂々とネットに公表し、あわよくばお金稼ぎに利用しようなどとは思わないはずである。

したがって、この段落で僕が言いたいのは、

  • 多くの AI イラスト生成者(AI 絵師)は、本当のイラストレータに対して後ろめたさを少しは感じているはず
  • 一部のイかれた人が、イラストレータに敬意を払うことなく、金や承認欲求のために暴走している
    • 少数のイかれた人がいるだけでも、AI イラスト生成の火力によって、短時間で大量に生成されてしまう。

ということである。

尊大な AI 絵師に告ぐ

フィヒテっぽく。)

下の段落でも述べるのだが、AI イラスト生成自体は罪ではない。 したがって、謙虚で後ろめたさを感じている、正常な AI 絵師にいうことはない。

僕が伝えたい相手は、尊大な AI 絵師である。それは、「AI イラストで承認欲求を満たしたり金を稼いだりする AI 絵師」のことである。こういった人々に、伝えたい。

伝えたいのは、以下である。

  • 金を稼ぐな
    • 人の作品を盗んで初めて成り立つのが AI イラスト。
    • 盗品で金を稼ぐな。
  • ネットに公開するな
    • 盗品を利用して生み出したコンテンツで、自分を飾って、恥ずかしくないか
    • (普通にアドバイスとして、)今後の国の指針次第で捕まる可能性もある
  • 謙虚でいろ
    • 人様のものを使って生み出しているのだから、感謝しなくてはならない。
    • かたじけない、と思え。

AI 絵師よ、謙虚にあれ。

東大生の思う、「AI イラスト × 日本」という可能性

ここまで結構 AI イラストを否定してしまったかもしれないが、 僕は別に「Stable DIffusion 消えろ!!」と思っているわけではない。技術イノヴェーションをいちいち否定しているようでは、日本はますます世界に遅れをとってしまう。

また、気のせいかもしれないが Civitai 等を見ると、日本人ユーザ・日本アニメが目立っているように見える。 (盗用でムカつくのは事実であるが、キャラ LoRA が他国で広がって、結局回り回って日本の原作に帰ってきてくれたらいいなとか思ってるけど、一部の国の連中は自国のキャラとして利用しかねないのでやっぱり嫌か。) 日本文化を考慮すればわかるように、日本人のアニメ・イラストへの思いは外国人のそれより強いはずである。したがって、僕は、うまく利用すれば AI イラストは日本の強みになりうるのではないかと思っている。 下手な使い方をすれば、本当のイラストレータとの分断が生じて、マイナスの影響しか与えないが、僕はいいやり方があるんじゃないかと思う。(今後別記事で書きます👍)

新しいものに拒絶反応を示してばかりでは、遅れをとる一方である。日本強みを消さないように、新技術をどんどん取り入れていく必要があるだろう。

その点では、AI イラストを用いてお金稼ぎをする、つまり、ビジネスを動かす必要はあるとは思う。しかし、そのためには内部のゴタゴタを解消する必要があり、多くの議論や適切な法整備を要す。

AI イラストを巧みに利用し、アニメ業界において、日本が他国との差をさらに広げてほしいと思う。 強い日本を取り戻したい。

まとめ

自力でまとめあげるのがしんどかったので、 毎度恒例 ChatGPT にやってもらう。

ChatGPT による本記事の要約

AIイラストはStable Diffusionの技術を使い、一定クオリティのイラストを簡単に生成できるため、ネット上に多くのAI作成コンテンツが存在する。しかし、多くのAIイラストは版権キャラクターの二次創作であり、元の作品に敬意を払わない批判もある。AIイラスト生成には創造性が必要ないとの意見もあり、他のコンテンツを利用している点が問題視されている。

AI絵師として活動する者もいるが、多くは他のイラストを学習したLoRAを利用しているため、尊大な態度は避けるべきだ。AIイラスト生成は技術革新として否定すべきではなく、日本の強みとなる可能性があると考える。ただし、適切な法整備や議論が必要であり、アニメ業界での活用においては元の作品に対する敬意を保ちつつ進めるべきだ。強い日本を築くために、新技術を取り入れながら内部の問題を解決し、日本の差別化を図っていきたい。

ふむふむ、結構いいですね。これからも使おう。

最後に

実際に AI イラスト生成をやってから議論した。 自然言語から Image を生成できるのは、本当に魔法みたいで楽しいのだが、調子に乗ってはならない。初めの感動の勢いで、自分はすごいことができるのだ!と思って偉そうな態度を取ってはならない。

大きな技術革新を大学生の間に経験できて、嬉しく思う。 これからも AI イラスト問題には関わっていきたい。

関連記事

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

チャンネル登録者数激減のコムドットを見て、東大生が思うこと

はじめに

元々好きじゃなかったコムドットさん、苦労しているようなので、今彼らが、彼らがいうところの「逆境」になった原因とか、これからの彼らの動向について予想したい。

別にコムドットとは関係ないけど、何らかの迷惑系 youtuber の素材。
サイバーカスケード がキーワードになる。

コムドットの今

以下の記事を参考にされたい。

なかなかひどい言われようだ。特に最後の動画は面白い。

炎上しまくった挙句、チャンネル登録者数が 400 万人を切り、アンチを煽り、しまいに「これは本当に日本の緊急事態だと思うわ、俺達がいないと日本はマジで終わるぞ。こんだけ若くて頑張っているヤツらが引きずり降ろされるんだぜ?全くもっておかしいし、そんな国にさせてはならないっていう使命感を持っています」などという、思い上がりも甚だしい激イタクソ厨二病発言をしてしまっている。

これについての批判は twitteryoutube を探せばいくらでもあるので、ここであえて批判するつもりはない。ただ、一言言わせてもらうのであれば、よく恥ずかしげもなくそんな偉そうなことを言えるな、と僕は感心するのみである。

東大生が分析する、コムドットが痛すぎる理由

サイバーカスケード

「はじめに」でも述べたように、サイバーカスケードが関係する。

総務省の言葉を引用すると、次のように説明される。

「カスケード」とは、階段状に水が流れ落ちていく滝のことであり、人々がインターネット上のある一つの意見に流されていき、それが最終的には大きな流れとなることを「サイバーカスケード」と称している。

コムドットのファン層

コムドットのファン層は、統計値によれば 10 代と 20 代がほとんどらしい。男女比はだいたい 1:1 らしい。(意外や意外、男でも見る人がいるらしい。)

また、コムドットの動画を見るとすぐわかるのだが、ファンのコメントが恐ろしい。

  • 超絶長文
  • 激烈ファンメッセージ
  • 擁護擁護超絶擁護メッセージ

で溢れている。 そして、彼らを批判するようなコメントには、必ずコムレンジャーというコムドットの囲いが降臨し、反論を繰り広げている。

そして、はっきりいうが、コムドット如きが生み出す言葉・格言は正直普通に生きていたらどこかで一回は聞いたことのあるような陳腐なにしか見えない。

例えば、中途半端で情けない、指定校推薦で入学した大学の中退を「勇退学」と称し、さぞかし素晴らしいもののように発表していた動画では、

超ありきたりな「何のために大学で勉強するのか」とか「やりたいこともなく大学で時間を過ごすのは無駄」とかいった、陳腐な話がなされているのだが、ファンはそれに歓喜しており、その言葉をありがたがっている様子だった。

また、深夜にコンビニで大騒ぎして警察沙汰になったのに、それでも脳死でコムドットを擁護する必死なファンや、通報した人が近隣住民が悪いと筋違いも甚だしい抵抗をする囲いもいた。

このことから推測するに、

  • コムドットのファンは、若いし、無知すぎる。
    • 普通の大人だったら、人生で一度は聞いたことあるような名言・考え方を知らない人たち
      • 最低限の読書をしていれば、中高生でも聞いたことのあるような話。
    • コムドットがそれっぽく、そういったありきたりな名言を述べるだけで、有り難がって、涙を流し、長文応援擁護メッセージを書いちゃう人たち

ということだと思う。

ファンを責めているわけではない。誰しも、初めて聞く名言には心打たれる可能性は高いし、ただただ、若いが故に感じやすく、薄っぺらで陳腐なコムドットの発言を有り難いと思いやすいだけである。いわば、若者が皆一度は通る道であろう。

誰しも中高生の時には、痛いヤンキーに少し憧れてしまったり、厨二病的発想に毒されたりするのである。それと同じであろう。

(別に彼らの長い動画を全て見ているわけではないし、これは論文でもないので、事実に確実に準拠する必要もないから、あれこれ揚げ足は取らないでくださいね。)

コムドットの低質なファン層が加速するサイバーカスケード

コムドットのファン層は、無知な若者が多いと一つ上のセクションで推測できた。

このようなことから、以下のことが導かれる。

  • コムドットのファン層は、無知な若者が多い
    • コムドットを過剰に擁護してしまう
    • コムドットアンチに過剰に反応し、攻撃してしまう
  • そういたコムドットファンの極端な性質によって、サイバーカスケードが増長される。
    • 過激なファンは、似たような過激なファンのみを受け入れ、仲間内だけで関わることで、さらに過激さを増す。
      • 痛い長文メッセージの山が、さらに長くて痛いメッセージを引き出す。
  • コムドットファンの性質が加速させるサイバーカスケードのせいで、コムドットは外界を見ることができなくなった。
    • 400万人というファンが味方につき、(そのうちの一部が)彼らを過度に擁護してしまうので、コムドットさんは「世界の大部分は自分らの味方であり、応援してくれている。自分らは主人公であり、自分らの登録者数を減らすことを企てる奴はアンチであり、敵である。
      • 世間がどういう目で自分らコムドットを見ているのか、それがわからなくなってしまっている。
    • そんな過激ファンに周りを固められてしまえば、若いコムドットさんは、「コムドットが正しく、主人公であり、それに反発してくるアンチは全て敵である」といった思想に溺れてしまうのも無理はない。

コムドットは悪くない

さっきから嫌味を言っているのに急に、「コムドットは悪くない」と言い出すのは変であるが、続ける。

コムドットは、悪くない!!

コムドット人気が下火になりはじめている複数の理由

コムドットは、

  • 若い無知な視聴者

を狙った活動を行っている。それは活動初期からそうであり、逆に、彼らの登録者の年齢分布からも明らかである。 これが問題であった。ターゲット層を無知な若者にした時点で、彼らがこうなることは運命づけられていた。

なぜならば、

  1. 無知な若者が集まる
  2. 無知な若者は過激な行動をしやすく(擁護・対アンチ)、サイバーカスケードが高い速度で生じる。
  3. コムドットさんは、周りが見えなくなってしまい、反省もできず、謙虚さもなくなってしまう。これは、誰であろうとそうなるはず。
  4. 尊大な態度が勢いを増すにつれて、世間の風当たりが強くなり、徐々に無知な若者が目覚め始める
    • 無知な若者でも、世間が大いに反応(批判)すれば、コムドットの尊大・横柄な態度が普通ではないことに気がつき、卒業という名のチャンネル登録解除をする。
    • 過去の自分はイタかったということをその時認識し、大人になる。
    • コムドットに入学し、卒業する過程で、人は大人になるのかもしれない。

のような流れが生じてしまうからである。 無知な若者をターゲットにした時点で、いずれ早いタイミングで、人気が失墜するというのは確定していたのである。

また今回はコムドットさん自体が若いというのもあり、周りに過激な囲いが増えたことで、自分の尊大さをメタ認知できなくなり、調子に乗りやすかったのだと思う。 また、ビジュアルを売りにして、かっこいいとかチヤホヤされるのが大好きでかなりの自信家な様子なので、もともとかなり調子に乗りやすいタイプだったのだと思う。

まとめ

数々の炎上を重ね、それでも偉そうな態度を崩さないコムドットさん。これは彼らがもともと調子に乗りやすい性格・年齢であるということは当然関与しているのだが、そもそも無知な、経験の少ない若者をターゲットにした活動を行っている時点で、そう運命付けられていたのである。

無知な若者は、物事に過剰に反応してしまい、サイバーカスケードを加速してしまう。過激なサイバーカスケードと、コムドット自身の若さ・経験のなさも相まって、調子に乗ってしまったのだ。 コムドットより慎重で謙虚な人であったとしても、同じような状況にあれば、誰しも尊大な態度の方に傾いてしまうだろう。

コムドットは、ターゲットを若者に絞った時点で、こうなることは確定していたのである。

せっかくなので、ChatGPT にも要約してもらう。

コムドットさんは元々好かれていない。炎上して登録者数が減り、アンチも増えている。原因は「サイバーカスケード」。ファン層は主に10代と20代で、無知で過激なファンが多い。若者をターゲットにしたことが人気低迷の運命を決定づけた。サイバーカスケードの影響で調子に乗ってしまった。これらがコムドットさんの現状と将来についての要点だ。

関連記事

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

嘘で溢れるネット社会では、対面・実在性が重視されるだろうか

はじめに

ここ数年の生成 AI (generative AI)の発展は、stable Diffussion に見られるように、非常に目まぐるしいものがある。 そういった生成 AI はその特性ゆえに、現代のネット社会を全く別のものに変容させてしまう可能性がある。 生成 AI はあまりに短い時間で、とてつもなく多くの高精度なコンテンツを生成することができる。それによって、人間純正のコンテンツの相対量が減る可能性がある。この記事では、そういった 生成 AI のネット社会への侵攻とそれを受けて社会がどのように変化していくかを詳細に見ていきたい。

フェイクかどうか、疑ってかかる女性

生成 AI

生成 AI として代表される Chat GPT や Stable Diffusion を見れば、その強烈さはよくわかる。

ChatGPT は最近政治の場面でも利用されることになったと聞く。IT に遅れた日本政府ですら、それくらいの試みをしたくなるような魅力や強みがある。ChatGPT については、Stable Diffusion よりも有名な気がするので、ここでは主に Stable Diffusion (SD) について書きたい。

Stable Diffusion (SD) がネット社会を滅ぼす?

本ブログでも何度も取り上げているが、SD についてである。 SD は高精度のコンテンツを短時間で大量に生成することができることが強みであった。

SD は 2022/11 にリリースされ、そこから現在 2023/7 までは半年強の時間が経っている。その過程で、民主化がかなり進んでいることは言うまでもないだろう。AI に造詣のない人でも簡単に画像を生成できるようになり、多くの人が SD をつかうようになっている。最近は LoRA が著作権の問題で非常に問題視されており、pixiv の有名イラストレータが抗議を行うなど、without AI なイラストレータ著作権を保護するための活動が活発である。

話が逸れてしまったが、SD はネット社会を滅ぼす可能性があると、私は信じている。それについて、順を追って説明したい。

SD の民主化は止まらない

SD は短時間で高精度なコンテンツを大量に生成できるのであった。また、現在絶賛民主化が進んでおり、多くの人が利用するようになっている。私のブログのアクセス数で見ても、Stable Diffusion 関連の記事の PV がやはり多い。

こういった民主化は止まることはないだろう。

なぜなら、

  • ハードの進化によって、より容易に SD を利用できるようになる
  • 人々の「生成AIを使ってみたい」という需要に応えるためのオンライン SD サービス等で商売を行う会社がいる
    • 同様に、「SD の使い方」等のネットコンテンツが増え続けることは明らか
  • 仮に法律で、利用に制限をかけても、現時点でかなり多くの人々の Local に全てが入ってしまっているので、完全に広がりを止めることは不可能。

といった理由があるからである。

このまま SD の民主化が進むことが脅威である。それについて、続けよう。

SD が超民主化した世界

SD を今より一層多くの人々が使えるようになる時代は、もう目前であろう。そうなった場合、以下のようなことが起こる。

  • 非常に多くに人が、高精度なフェイクコンテンツを作成する

そして、そういったフェイクコンテンツは無論インターネットに大量にアップロードされることになる。

すると、

フェイクばかりのインターネット

ができてしまう。 こうなってしまったら、いよいよ、 インターネットコンテンツを信じることができなくなってしまう。

嘘ばかりのネットコンテンツ

2010 年代は SNS で、

  • ペットボトルを投げて、空中で一回転して綺麗に着地させる動画
  • スポーツプレイヤーのスーパープレイ

などを見かけても、嘘と疑うことはなく、「すげえ!」とか「軌跡だ!」とか素直に信じて、楽しんでいた。 いわば、奇跡を扱うコンテンツの信憑性は高く、誰もそれをフェイクと疑わなかったであろう。

しかし、嘘まみれになったネット社会では人々はそうはいかないであろう。 フェイクで溢れたネットコンテンツでは、 「奇跡」を捉えたビデオはまずはフェイク疑惑がかけられてしまうだろうし、上手なイラストも AI が生成したものと判別がつかないので、素直に感動するできない。

重要なのは、

高精度なフェイクコンテンツで溢れた社会では、奇跡の瞬間を素直に信じることはできず、奇跡や偶然を扱うコンテンツを楽しみにくくなってしまう

ということである。 フェイクまみれのネット社会では、奇跡の瞬間は無価値になってしまい、感動は薄れてしまう。

では、ネット社会が嘘まみれになった後、人々はどのように娯楽するのだろうか。

ここが、本記事で一番議論したいところであり、面白いところである。

嘘をばら撒く一般市民。SD の民主化が見たらす未来。

嘘で溢れたネット社会がもたらす人々の娯楽の変化

人々は、ネットに嘘が蔓延してしまった時、どのように娯楽するのであろうか。

もちろん、フェイクコンテンツ。AI コンテンツ自体を楽しむことはできるであろう。単にうまい絵が見たいとか、かっこいい動画が見たいとかいうのであれば、AI によって作られたもので十分であろう。

でも、それでもやっぱり、人々は、人間が為す芸術がもたらす感動や、偶然・奇跡の驚き、感動を味わいたいと思うのではないだろうか。

例えば、

  • 武道の達人の型
  • 大道芸の芸人の凄技

などを見ることでしか得られない感動があるはずである。

人間の手によってなされる芸術によってしかもたらされない感動があるはずである。そういったものは人間である以上、求めてしまうのではないかと思う。

そういった、フィクションではない人間の芸術を求める人が出てくるだろう。

人間の芸術を求める人々が変える社会

そういった、人間による芸術を求める人々は、ネット社会から脱出するはずである。なぜなら、ネットはフェイクで溢れており、そういった芸術を扱うコンテンツがあっても、頭のどこかではそれが嘘なような気がして、芯から信じることができないからである。

嘘で溢れたネットでは真に芸術を楽しむことができないのである。

その結果、人々は「対面」のイベントや「対面」での出会い、感動を重要にするようになると思う。 直接自分の目で見ることが重要になるのである。直接自分の目で見ない限り、嘘だと疑ってしまうからである。自分の目で見て、真実だと納得しないと、芸術を楽しむことはできないからである。

人々は対面を重視するようになる

対面での感動を人々が重視するようになると、

  • 人々の移動は活発になる
  • 大道芸や武道、芸術家が日の目を浴びる

といったことが予想される。

これは非常に興味深い。

なぜなら、AI や技術の進歩によって、オンラインで全てが済んでしまう世界が実現し、人々はオンラインでの生活に没頭すると思いきや、フェイクコンテンツの飽和がきっかけとなり、対面での感動を求めるようになって、リアルを重視するようになるという、逆説的な展開であるからだ。

AI はリアル社会を矮小化させているはずが、AI のもつ「短い時間で高精度なコンテンツを大量に生成する」という特徴のせいで人々がオンライン社会を離れ、リアル社会を大切にするようになるというシナリオである。

直接目で見て真実だと納得しなければ楽しめない、

さらに先に(妄想)

そして、そのままうまいこと行けば、地域社会が活性化されるかもしれない。インターネットによって地域社会における人のつながりは希薄になってしまったが、フェイクコンテンツがネットに溢れかえったことによって、対面での関わりを重視する人々が増え、人の対面でのつながりが強化されるような、そんな未来が来るかもしれない。

まとめ

結構話が逸れそうになってきたので、まとめる。 毎度恒例(これから)の、Chat GPT に要約をお願いしようと思う。その結果は次↓

.

.

.

生成AIの発展は急速で、ネット社会に大きな変化をもたらす可能性がある。Stable Diffusion(SD)は高速かつ高精度なコンテンツを生成できる。SDの民主化が進むと、フェイクコンテンツでネットが溢れ、信頼性の低下や感動の薄れをもたらす恐れがある。その結果、人々はリアルな体験や対面の感動を重視するようになり、地域社会の活性化も期待される。

.

.

.

うんうん、非常にわかりやすい。感謝。

最後に

今日急成長している生成 AI によって、逆説的に人々がリアル社会を重視するようになるという予想を立てた。

私はこの通りになると信じている。

関連記事

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

東大生の思う、ベンチャー企業の存続を決定づける要因

はじめに

私は新宿のとあるベンチャー企業にて、インターンをしている。 就職活動のためとかではなく、純粋に社会勉強のためであったり、大学で学んだ IT 関連の知識を実際に使うための場所であったりする。

最近は「組織」について考えることが増え、上司ともディスカッションすることが増えた。 その中で気づいたことを簡単にまとめたい。

ここでは、ベンチャー企業の存続を決定づける要因 について、思ったことをまとめたい。

存続できなかった、ベンチャー企業クン。

ベンチャー企業の過渡期と、存続を決定づける要因

ベンチャー企業は、以下のように成長をする。

  • 結成初期(〜5,6 人)
    • 強い理念・信念を持った超少数部隊で構成される(初期メンバー)
    • mtg は全て即ち全社 mtg であり、会社として行なっている事業の隅から隅まで、全メンバーが把握している
    • 少数ゆえのフットワークの軽さや柔軟さを備えている
    • 強い理念を持つ企業として、(うまく行けば)多くの新入社員を獲得できる。
  • 成長初期期 (~ 30, 40 人)
    • 初期メンバーの人としての魅力や、強い理念によって、人がそこそこ増えた
    • それでも、全メンバーが互いのことを知っているし、それぞれがコミュニケーションをとることも容易。
    • まだなんとか、初期メンバーは「会社がやっている事業の隅から隅まで」を少しの抜けはあろうとも、キャッチアップしていくことができる。
  • 過渡期( 40 ~ 50, 60 人)
    • 事業がある程度成功し、社員もかなり増えた
    • 40 人を超えたあたりから特に、「お互いを知らない社員」が現れる。
      • 小学校や中学校のクラスも、40 人を超えることはない
      • これは、40 人以上の生徒(社員)を同時に先生(社長)が束ねるのが難しいからだと思う。
        • 経験則的に 40 人という数字が求められたのか、研究によって決定されたのかは知らないが、きっと関係すると思う。
    • 初期メンバーは、ついに「会社の事業の隅から隅まで」を追うことができなくなる
    • ここでは、以下のような重要なポイントがある。
      1. 初期メンバー(重役)は、重役として議論すべき物事や、重役が取り組むべき問題を優先度づけして管理しなければならない。
        • 優先度の低いものは当然切り捨てる。切り捨てる勇気がいる。
      2. 初期メンバー(重役)は、自らの与り知らぬ業務上の決定・判断がなされていることを認め、そういったことを担当している社員を信頼しなければならない。
      3. 会社は、そういった末端の業務(重役がわざわざ意思決定に絡む必要のない業務)を確実に信頼して任せることのできるような人材を見つけるような採用を行わなければならない。あるいは、そういった研修を行わなければならない。
      4. 会社は、組織づくり・体制づくりに尽力しなければならない。各社員の責任範囲を決定し、上司・部下の関係を設け、業務が属人的にならないように工夫したり、上から下に業務を流し、下から上に承認を依頼するような基本的なフローを構築したりする必要がある。
        • 40 人を超えると、社長の独裁では捌けなくなってくる。そういった簡単に制御できないような社員をコントロールするのは、組織体制であり、ルールである。だからこそ、これが重要なのである。
    • こういった条件を満たすことができた場合は、大企業への一歩を踏み出すことになる
    • 条件を満たすことができず、重役が瑣末な問題に関わろうとしたり、社員を信じないような姿勢をとっていたりする場合、ベンチャー止まりになってしまう。

ベンチャーは社員数 40 人超の段階で変容せよ

ここまでをまとめながら、論を進めたい。

まずは今までの議論からわかるように、 ベンチャー企業は、40 ~ 60 人くらいの規模に成長を遂げた時、そこで大きく変容しなければならない。

このタイミングで重要なことは次のようなことであろう。 幹部や重役は、結成初期の姿勢を維持してはならない。そのような姿勢をとり続けていると、成長し、業務の幅が広がっていく中、全てを理解することなどできないし、瑣末なことにも首を突っ込もうとすると、実際の現場のテンポを乱す可能性があり、結局会社にとってもマイナスになるだろう。

幹部・重役陣は、自らのリソースが限られていることを認識した上で、物事に適切な優先度付けをし、自らが手を出し頭を使うべき状況を見極め、必要がない場合は適切に採用した信頼できる部下に任せなければならない。

そういったことができないのであれば、幹部・重役の介入によって業務フローが停滞したり、より重要な意思決定をおろそかにしてしまったり、部下からの不信感を買ってしまったりし、自滅に追いやられるかもしれない。

まとめ

せっかくなので、ChatGPT に要約してもらいました。笑 ↓ ↓ ↓ ↓

ベンチャー企業は、成長の過程で組織の変革が必要となる。特に40〜60人程度の規模に達した時点で、幹部や重役は初期の姿勢を維持できなくなる。彼らは自身のリソースの限界を認識し、優先度付けをし、必要な場合は信頼できる部下に業務を任せる必要がある。幹部・重役の介入が過度になると業務が停滞し、重要な意思決定がおろそかになり、部下からの不信感を買ってしまい、企業の自滅につながる可能性がある。この段階で適切な変容を遂げることが、ベンチャー企業の成長と存続に不可欠である。

うまく軌道に乗った、ベンチャー企業😆

最後に

ただの学生のくせに組織論語ってんじゃねーよと思われたかもしれないですが、これもいつか役に立つと思っています。 研究者としての道であれば、教授レベルになれば大きな組織を持つことになりますし、働くにしても部下を動かす必要があります。

こういった、一見研究や生活に役に立たなさそうな気づきを大事にしていきたいと思っています。

ベンチャー企業や Non IT 企業についての知見が溜まってきたので、随時ここで共有したく、思っています。

関連記事

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

進振りに向けた、東大生物情報学科の学生による学科紹介

はじめに

本記事では、私が所属する東大の生物情報学科の紹介をしようと思う。

モチベーションとしては、私が2年生のこの時期に、進振りの希望先を選ぶための判断材料として、Twitter やインターネットを徘徊して情報収集に勤しんでおり、生の声を聞きたいと思ったからである。

東大生あるあるだと思うのだが、進振りの真っ只中では「進振り辛い」といった発言が多いのだが、進振りが終わってしまえば、誰も進振りの話をしなくなり、もはや自分が進振りを突破して今の学部学科にいるということも忘れてしまう軽視されてしまう。要は、進振り前はハラハラしているのだが、進振りが終わった瞬間にそういったことを忘れてしまって、後輩たちにあまり情報共有ができていないということ。

また、この記事は個人の感想にすぎず、ここで書いていることと実際の内容が違ったとて、東大当局に迷惑をかけるようなことはしないでください。。

学科のホームページ

東大当局が公開している、進学希望者向けのページ。

進学選択・卒業後の進路・先輩からのメッセージ・進学に関するFAQ | 東京大学 理学部 生物情報科学科

卒業生や先輩の中の声が載っていて、面白い。 進振りで受け入れるのは、

  • 第一段階:7 人
  • 第二段階:5 人

とのこと。結構少ないなぁ。

東大生物情報学科の特徴

まずは、東大理学部生物情報学科(以下、生情)の特徴を主観を交えながら、述べたい。

生情では、名前からもわかるように、

の二つの学問がベースに存在し、 進振り直後はそれぞれを単独で学ぶ。 そして三年生の後半で、生物と情報科学の融合領域としての生物情報科学バイオインフォマティクス)を勉強することになる。

それぞれの領域について、まとめると、次のようになる。

  • 生物学の領域

    • 学生実習
      • 3S に実施される。
      • 毎週2回、実習を行う。
      • 午前は座学、午後は全て実習という生活
      • 誰も知らない浅野キャンパスにて行われる
    • 実験が好きな人は楽しく過ごせる
    • 実験が嫌いな人は苦労するが、3 S くらいしか実習はないので、心配無用。
      • 私は生物実験が苦痛すぎて休みまくり、単位がギリギリでした。遅刻欠席しまくっても、なんとかレポートは書いていたので、救われたのだと思います。笑
    • 座学
      • 普通にゲノムの話や分子生物学的な話を勉強します。
      • 高校で生物をやっている人は、苦労しないはず。生物をやってこなかった人は、少し頑張る。
      • 私は大学受験を「物理・生物」で突破したので、あまり苦労はしませんでした。
        生物学の領域
  • 情報科学の領域

    • プログラミング実習
      • 2A でプログラミングの重い訓練が待っています。
      • C++アセンブリ言語scheme を学ぶ
      • 将棋 AI を作成し、各グループで戦わせ、戦績が成績に関与するとか。
      • かなり大変だったが、プログラミングガチ初心者の同期も乗り越えていたので、初心者でも大丈夫。
      • 実は理学部情報学科と合同の授業なので、理情に最低限求められているようなスキルが身に付く、しかも半年で。これはすごい機会。
    • 座学
      • 普通にアルゴリズム、データ構造について学ぶ。
      • 確率統計についても勉強する。

情報科学の領域

融合領域としての生物情報学科

生物情報学科は、始まって 15 年くらいしか経たない。かなり新しい学科である。 認知度が他の学科に比べて低くなっているはずの今だからこそ、入るチャンスかもしれない。

現在非常に人気である情報科学を学ぶことのできるかなり熱い学科である。 底点は上昇傾向にあると思うが、理情と同じ授業を取ることができるし、生物 × 情報の融合領域に取り組めるのは、理情よりも素晴らしい点かもしれない。 融合領域というのは興味深いことが多く、しかも生物情報科学は学問としても新しいため、新たなテーマが日々生まれていて、学び甲斐が非常にある。

進路まわり

大抵は大学院に進む。

ほぼ全員が修士を取るが、博士までいくかどうかは学年によってバラバラの印象。

  • 研究を続ける場合
    • 生物情報学は今非常に熱い分野であり、日々興味深い研究が行われている。研究者として残ることを選んでも、充実した研究者ライフが待っているように思う。
      • 研究室の先輩方を見てて、そう思う。
  • 就職する場合
    • 生物情報学科では、かなりのレベルのプログラミング能力、アルゴリズム力が身に付く。
    • 現在、世界で必要とされているエンジニアとしてのスキルが、生情にいることで身に付く
    • エンジニアとして努力し、活躍する未来を選択しても良い。

学科卒業生の進路

学習環境

学生の少ない(人口密度の低い)浅野キャンパスが本拠地になる。 根津駅から徒歩ですぐ。本郷キャンパスからも、歩いてすぐ。 本郷三丁目駅からは、かなり遠い、、

また、おいしい定食屋さんが結構あるので、(東大の高い)学食に行くよりは、みんなで周りのお弁当屋さんや定食屋さんに行くことが多い。

また、学生控室があり、基本的な生活用品が置いてあったり、歴代の先輩・学科が蓄えた書籍がたくさんあるので、図書館に行かなくても欲しい本が見つかることが多い。

先生方の質疑対応も非常に丁寧で優しい! 学生の数より先生の数の方がかなり多いので、学生一人当たりに対して学科がかけているリソースがかなり高い。少数精鋭、密度の高い教育。

また、学生の人数が少ないことや生情用の学生控室があることで、学生同士の仲は結構良い。グループワークを課す授業もかなりあるので、そういったものもきっかけとなる。

私も同期とは仲良くなって(私が思っているだけだったら辛いが)、サッカーの試合を見に行ったり、ボドゲをしに jelly jelly cafe に行ったりしています。

私が生物情報学科を選択した理由

  • はじめは、情報科学、生物学、物理学、数学の全てを勉強したかった
    • 特に数学や物理学への憧れは強かった。数学物理ができる人はかっこいい
  • しかし、これからは情報科学の時代が来ると確信し、「情報科学を学べる」かつ「他にも多くの学問ができる」ような学科を探した
    • それを満たすのは生物情報学科くらいだった。
    • 生物情報学科では、
    • といった多くの学問を学ぶことができる。
    • また、プログラミングにも興味があったので、生情が良いと思った。

私が生情を選択した理由

進振りの底点

これが聞きたいという人が多いと思う。 しかし、冒頭でも述べたように、進振りが終わったら全て忘れてしまうのが現状なのだ、、

覚えている範囲でここに記そうと思う。

  • 2021 夏の進振りの底点:
    • 第一段階:81 ~ 82
    • 第二段階:覚えていない
  • 2020 夏の進振りの底点:
    • 第一段階:80 弱(70後半)
    • 第二段階:覚えていない

やばい、全然覚えていなかった。 ただ、私は 2021 か 2020 くらいに進振りをしたのだが、83 点で第一段階を突破したはず。

生情の底点のインフレは絶対に進んでいると思うが、現在(2023)の底点はいくらくらいなのだろうか、気になる。

今言えることとしては、

  • 第一段階:85 くらいあれば流石に行けるのではないかな
  • 第二段階:80 くらいあれば堅いのではないか

というくらいだ。 やばい情報量が、低すぎる!

こんなに全て忘れてしまうので、進振り直後はどこかに情報を記すなどして、忘れないように工夫してもらって、大学に許されている範囲で共有する文化があればいいですね。

おそらく私は、この低い情報量からも推測できるように、大学のルール範囲内にいることは確実なので、心配は無用です👍

まとめ

いろいろ書いたがまとめると

  • 生情は
    • 生物も情報も学べる
      • プログラミング初心者でも大丈夫
      • 生物の実験が嫌いでも大丈夫
      • なんなら、数学やセキュリティなども学ぼうと思えば学べる
    • 学習環境が最高
      • 同期の交流、先生との会話の機会が多い
      • 専用の控室で協力して課題を解いたり、交流したりできる
    • 進路も good
      • 新しい学問領域である生物情報学を学ぶのは楽しい
      • エンジニアとして就職することも可能
  • 進振り
    • 85 くらいあったら第一段階行けそう(?)
    • 80 くらいあったら第二段階行けそう(?)

これで十分まとめられただろうか。

最後に

  • 気になることがあれば、教員にメールを送ってみたり、事務に連絡してみたり、Twitter で生情っぽい人に話しかけたり、このブログでコメントをしたり、してください
  • 興味ある研究室があれば、メールをしてみるといいと思います。
  • 置かれた場所で咲きなさいという言葉がありますが、進振りの結果がどうであっても、その配属先において、努力し続ければ、綺麗な花が咲くはずです!

多くの可能性に満ちた、生物情報学科にぜひ来てください〜😆

関連記事(是非読んでください😆)

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

就活早期化について、理系東大生が思うこと

はじめに

就活が早期化しすぎである。

就活のための大学生活になっていないか?わざわざ東大に入って、すぐに就活に熱中して、大学生活が勿体無いと思わないのだろうか。

企業もそうである。貴重な東大生の学生生活に、早いタイミングから介入し、自分の会社に勧誘するためにアプローチをして、学生が学問に打ち込む時間を減らして満足しているのだろうか。

僕が就活の早期化について思っていることを述べようと思う。

就活の早期化の実態

この記事がわかりやすい:

https://news.yahoo.co.jp/articles/5de124ec83a41d15eab077237afa0ff3d9777ebc

法律で早期インターンの成果を採用基準に含めないといったルールもあるのだが、25 卒からはそのルールがかなり緩くなるらしい。したがって、早期インターンが採用に明確に関わるようになり、25 卒以降はさらに就活が早期化すると見込まれる。

また、政府は専門学生の就活をさらに早期化させている:

就活新日程、早期化に拍車も 「専門人材」3カ月前倒し - 日本経済新聞

この法律はそもそも専門学生の定義が曖昧らしく、「専門学生」の解釈によってはグレーな採用も増えるだろう。

京大・東大の学生が大学生活で重視していること

京大が、京大生 vs 「一般的な大学」のレポートを出している。非常に興味深い。

https://repository.kulib.kyoto-u.ac.jp/dspace/bitstream/2433/262780/1/2020_soc_lab.pdf

このレポートの結果をすごく簡単に求めるなら、

  • 京都大学の学生は、ビジネスで必要な能力よりも、非ビジネス能力を学ぶ機会を大学に求めている
  • 京都大学の学生は、実学志向よりも、学術志向の程度が強い。
  • 一般的な大学では、これらの差は少なく、ビジネスに必要な能力を求めていたり、実学志向であったりといった学生も等数いる。

といった感じである。

ここ数年の政府の動き

どうも多くの文献を見ている以上、

「学術軽視・実学重視」

といった姿勢が見受けれてしまう。

そして、先ほど挙げたレポートでは、学術軽視・実学重視が学生の需要にあっているかどうかを調査していた(結果ははっきり出なかったよう)。

ここでさらに思うのは、

大東大は、学生の需要に合わせるような決定ばかりで良いのだろうか、という点である。

友達が東大や京大に行くから自分も行っただけという学生は、とてつもなく多い。そういった学生には、むしろ大学側が取るべき姿勢を示してやるべきだと思う。

なぜなら東大・京大は、研究を行う大学として日本を牽引する存在であり、決して学術を軽視してはならない。そんな大学が、学生の「実学重視」のスタンスに歩み寄ってばかりでは、確実にこの国の学術レベルは落ちるだろう。陳腐な国になるのは間違いない。

東大を見て思うこと

以前の記事、

ut-bioinformatic.hatenablog.jp

でも述べたのだが、

  • 文系の学生は特に、大学 2 年生から、講義や部活動・サークルよりも就活を優先するケースが見受けられる。
  • 経済学部はなんと、週に三コマ(5 hours)しか講義がなく、みんな就活に取り組む傾向がある。
    • 授業を主体的に増やすことはできる。
  • 教育学部の学生は、大変そうなイメージ。
  • 法学部の学生は、法曹を目指すかどうかで圧倒的にしんどさが変わっている。授業は基本的に参加せず、メモを共有しているだけ。
  • ちなみに理系の学部は確実に、週に 20 コマ以上はある。

これには正直がっかりしていて、特に経済学部で週に三コマしか授業を受けなくて済むようにしているのは大学側にも問題があると思っている。 それはつまり、大学側は、「2年生後半くらいから(進振りのあとから)、就活やりなよ〜」というメッセージにしか見えないのである。大学側はこの意味で、学術を軽視していないだろうか。

いくら進振り直後の専門知識ほぼゼロの学生だからといって、週に三コマで許しているのは、

  • その学問がそれほど簡単か
  • 東大側が教育コストを削減するためにある意味学生を切り捨てているか
    • 経済学部は数百人いるので、全員が多くの授業をとったら、先生方の負担が大きくなる。

のどちらかにしか思えない。 大学側は、「学生の主体性」に任せて必修授業を減らしまくるのではなく、大学が主体的に実学を学ばさせる、つまりコマ数を増やす必要があると思う。

ただ、これはほんの一例に過ぎず、経済学部では「ゼミ」があるため、そちらにどれだけコミットしているかどうかも、忘れてはならない観点である。

就活の早期化が与える影響

早期化によって、

  • 学生は、より早く実学を身につけ、より早く就活を始める。
  • 企業は、優秀な学生を他社に取られないように、より早く募集をし、インターンを取る。
  • 早い者勝ちであるため、さらに早期化が進む。

といった現象が起きている。 学生側が、早期化した就活に対応するために実学を優先して学んでしまう。 つまり、今までいろいろ述べてきたが、 「就活の早期化は実学重視・学術軽視の姿勢を助長している」 と考えられる。

これは、研究を中心的に行う大学(東大、京大、etc)においては深刻な問題である。

また、こういった姿勢は「文系学生」に多い。理系学生は少なくとも大学院に行くという文化があるのに対して、文系学生は学部 3 年生からは周りが就活の話を始めるので、院試対策をする前にどうしても就活を始めてしまうのだと思う。 私としては、サイエンスと人文学は両者ともに等しく重要であり、いずれも蔑ろにしてはならないと思っている。 文系の院生が増えたらいいなと思う。 話が逸れてしまった。

早期化が早期化を呼び、歯止めが効かない現状では、このままいけば高校生から就活をする未来が待っているかもしれない。

考えられる解決策

早期化を食い止める対策としては、

  • 就活の「早い者勝ち」という側面を弱めること
  • 就活の開始タイミングを明確に取り決め(現状、曖昧)、違反する企業を厳しく取り締まる
  • 大学当局は、入学直後の学生を対象に、学術軽視をしてはならないとより一層伝える必要があるかもしれない。
    • どうせ、就活を前にすると実学重視になってしまうので、初めは学術重視よりでも良いのではないかな。

といったことが思いついた。 しかし、具体的な方法はやはり難しい。 政治家の方に、取り上げてほしいと思う。

まとめ

長くなってしまったし、話も逸れてきそうなので、まとめる。

  • 現在の日本では、就活が超早期化しており、学生はすぐに就活を始めざるを得ない。また、ルールが曖昧なため、グレーな方法を取る企業も多い。
    • 国自体も就活の早期化に危機感を持っている様子ではなく、2023/4 には専門学生の早期就職を推し進めている。
  • 東大・京大は、日本を、世界を牽引する研究を行う大学である以上、大学として主体的に学生を学術世界に引き摺り込む方法を取っても良いのではないか。
    • 他の一般的な大学は、職業大学のような役割を全うするか、研究を行う大学として頑張るか、どちらでも良いと思う。
  • 就活の早期化は「学術軽視・実学重視」を助長する。
    • 文系の学生で特に顕著であり、人文学の発展が危ぶまれる(と思う。)
  • 早期化を食い止めるには国がまず問題として取り上げなければならない。
    • 実学重視ばかりでは、長い目で見ると国力は必ず低下する。

優秀な学術者としての可能性を秘めた学生を、国や企業が煽って就活という実学に走らせ、その可能性を潰されないようになれば嬉しいと思う。

最後に

結構いろんな方向から非難されるような内容を書いてしまった気がする。 しかしこれは論文ではなく、たかがブログであるし、きちんとしたソースを示す必要もないし、完全なる事実だけを書かなければならないというルールもない。 僕なりにはなるべく事実を書きたいと思って調べ物も行ったが、間違っている部分はきっとあると思う。

後半では学生の気持ちを蔑ろにしてしまった議論になっていたようにも思う。

しかし、日本が発展するためには僕はどうしても「東大京大には学術重視の姿勢を貫き通し」てほしい。

関連記事

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

Diffusion Bee 最新版! LoRA 使えるようになりました!

はじめに

2023/6/21 (水) 正午に、 Diffusion Bee のバージョン 2 が配信されました! 私は公式 discord に参加していたので、βテストバージョンを触っていたので、色々知っていたのですが、ベータ版から改良されているようです。 それについて、まとめます。

DiffusionBee Version2.2.0

ポイント

DiffusionBee を利用することで、環境構築一切不要で、 少し手間はかかるが、LoRA を使えるようになった!!! また、ControlNet や inpainting、outpainting が実装されたことによって、ポーズを指定できるようになったり、画像の細かい修正・変更が可能になった! 画像生成の自由度が超大幅に向上した!!

バージョン 2.2.0

概要

公式 discord の様子

discord の公式発表を和訳し、私の感想や解釈を加えますと、 新機能としては、

  • 完全に新しいUI
    • UI がかなり親切になりました!
  • 複数枚を連続して生成可能に
  • Automatic1111 では batch size に該当する概念だと思います。
  • ビデオツール - 補間、デフォーム
    • これは使い方がわからないです。というかどこで使えるのかも汗
  • 新しいAIキャンバス&描画
    • inpainting や outpainting の機能が向上したようです。
    • ControlNet の機能が実装されたようです。
  • LoRa の実装
    • 後述しますが、まあ喜べる内容!!!
  • 他にも諸機能の追加・改善

このような素晴らしい大型アップデートが到来しました。 これは喜ばしいことです本当に!!

入手先

入手は以下のリンクから利用できます。 M1 でも M2 でもないよって方は Intel のはずですので、二個目のリンクを踏んでください。

LoRa が DiffusionBee で使えるようになった!!

祝🎉 LoRa が使えるようになりました!! しかし、まだ心の底から喜ぶことはできません。なぜなら、 「LoRa を使うには既存のモデルとのマージが必要となっている」からです。 要は、 Chilloutmix に LoRa ファイルを使いたい時、 LoRa ファイルをわざわざマージして新しいモデルファイル(2 ~ 5 GB)を作成し、それを利用して画像生成を行う必要があります。 これのデメリットとしては、

  • LoRa の重みを変更するたびにマージしなければならない
    • その度に 2 ~5 GB の大きなファイルが生成されてしまう。
    • ファイル名の付け方も工夫しないと、混乱してしまうかもしれない。
  • LoRA を複数同時に掛け合わすことが面倒。
    • 複数 LoRA を同時に利用したいときは、一つずつマージする必要がありそう。三つの LoRA を使いたいなら、三回マージするということ。結構面倒だと思う。
  • マージの仕組みを理解するのが面倒。

このようなことが挙げられます。 とは言いつつも、神 developer ぽいので、すぐに LoRA もマージする必要なく使えるようになると思いますね、絶対。

今後の予想

公式の発表

公式の発表によれば、アプリにも描いているように training が可能になるっぽい!!!これは神すぎる! 要は、Local で、かつ環境構築不要で、LoRA 学習ができるということ。 Colab にお金をかけなくても良くなるかもしれませんね。

しかし、colab の良質な GPU をガンガン使わないと良い学習はできなさそうなので、そもそもの PC のスペック的に LoRA 学習は満足にできないかもしれないです。 そうはいっても、環境構築不要で学習までできるというのは嬉しすぎますね。

私の予想、今後の展開

私の予想に過ぎないのですが、

2023 年の冬くらいには、 * LoRA をマージせずに使えるようになる * 一部の Automatic1111 の拡張機能を使えるようになる。 * Dynamic のやつとか("or" プロンプト) * 棒人間のポーズをいじるエディターとか * LoRA 学習の実装

等が完了するのではないかと思っています!!!

最後に

DiffusionBee の開発速度すごい。 ノーコード&ノー環境構築で、一般人が生成 AI を使えるようになる、そういった時代を推し進めているのは間違いなく DiffusionBee だと思います。 (クラウドで動くものもあるし、賛否両論だと思いますが。)

Discord の会話も楽しそうなので、いい雰囲気で開発が進んでいれば嬉しいですね。 どうしてもエンジニア目線で考えちゃうのは悔しいですが、応援するしかないですこれは。

DiffusionBee でできることや、LoRA の使い方とか LoRA でできることについては、以下の記事を見てください!!

関連記事

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

SNS に顔写真を載せてはいけない時代の到来。画像生成AIの危険。

はじめに

本記事は非常に重要なものである。 絶対に最後まで読んでほしい。

画像生成AI Stable Diffusion の威力

Stable Diffusion (以下 SD) は現在急激に成長している生成 AI であり、 その勢いは止まることを知らない。 あまりに成長が早いため、日本では法整備がかなり遅れているのが現状なほどである。 例えば、著作権侵害名誉毀損イラストレータのやる気を削いだり児ポ like な画像を作成できたり、問題は山積みである。

↓関連記事

ut-bioinformatic.hatenablog.jp

ここではより一層具体的な次元で、この脅威を伝えたい。それが本記事の目的。

いとも簡単に学習できてしまう現実

その 画像投稿、危ない!

実在する人物に告示する AI アートを作成したいとする。 その際に SD では Lora という学習スキームが用いられるのであるが、Lora に必要な画像は、10 枚 ~ 20 枚で十分なのである。(100 枚ほどあればさらに強烈だが。)

ここで考えて欲しいのが、Instagram や LINE、twitter などにアップロードされている諸々の写真の合計である。これが 10 枚を超えていないだろうか。

超えている方は要注意である。それらをクローリング(スクショして保存とか)され、Lora の学習に使われ(著作権侵害かも)、そうしてできたモデルで 職場閲覧注意 (NSFW) な画像が生成され(名誉毀損)、それが自らの与り知れぬ場所でアップロードされているかもしれないのである。 要は、超悪質なアイコラ等が無限に生成される可能性があるということである。

また、ここでいう画像というのは、「イラスト」に限らず、自分の顔や体を含む全ての画像のことである。

実際にやってみた。

あまりに恐ろしいので、画像を載せることはできないが、

  • Lora の学習:
    • 協力の同意を得た友人から、自撮り画像を 10 枚ほどもらった。
    • kohya-LoRA-dreambooth を Colab で動かし、Lora を作成した。
    • 20 分で終わった。
  • 画像の生成
    • 作成した Lora を用いて数枚、画像を生成した。Local の Automatic1111 を使った。
    • 10 分も経たずに、非常に酷似した画像が複数出力された。 *友人もびっくり仰天の様子であった。(彼は SD について詳しくは知らなかった。)

なんとまあ恐ろしいことに、酷似している画像を作成するのに 60 min もかからないのである。 つまり、

  • 10 枚ほどの画像。画質は結構荒くて良い
  • Automatic1111 を動かせる環境:freely available
  • Lora を学習できる環境:freely available
  • 60 min ほどの時間

これらがあれば、フェイク画像が作れてしまうのである。恐ろしすぎる。

市民は AI のつくる偽情報を鵜呑みにし、操られてしまうのだろうか。

厄介な学習器

さらに厄介なことに、SD は 10 枚くらいの元データがあれば類似性がそこそこ高い画像を一定の確率で出力してくれる。 この過程で出力された、特に類似している画像をさらに学習材料として Lora に繰り返し学習させることができる。こういったことを繰り返すと元は 10 枚以下の学習データしか使っていなかった Lora が、100 枚レベルでの写真を学習済みの Lora に化け、 より高精度な NSFW 画像が生成される可能性がある。

恐ろしい政治利用

一般市民の SNS ですら危ないのだから、政治家や芸能人を含む著名人がが非常に簡単に fake 画像を作られてしまうのは自明である。実際に civitai では 広瀬すずエヴァンゲリヲンの Lora が作られている(今存在するかどうかわからないが)。

もちろん、fake 画像を利用して、情報リテラシーの低い国民を対象に、政治的な洗脳が行われるかもしれない。恐ろしいプロパガンダである。

どう生きれば良いのか

我々は、個人情報をより一層注意して扱わねばならない。 また、それと同時にネットに存在する情報を鵜呑みにするようでは本当に危ない。誰でも 1 h で高精度なフェイク画像が作れる時代である。もはや信頼できるものは無くなるのではないか。99.9% の情報が偽物となる時代がきてしまうのではないか。そうするとインターネットの利用価値や信頼性が極度に低下し、逆に対面でのコミュニケーションこそが重視され、かえって pre-internet な時代に戻ってしまうのだろうか。

いずれにせよ、

  • 個人情報の扱いにより一層注意する
  • 情報を鵜呑みにしない

といった心がけが重要である。

とはいっても、自分に似た AI 画像が生成されない保証はどこにもない。誰かに盗撮されたり、こっそりクローリングされたりし、Lora が作られているかもしれない。 そういう場合はどうしようもない。 しかし、

  • ネットにアップロードされているのを目撃した場合、名誉毀損で訴えることができるので、直ちに動くこと
    • 友人や知人の画像等が出回っている場合はすぐに知らせてやること

こういった心がけをすることで、裁判の事例等が増えれば、法改正は加速し、 法律によって住みやすい環境ができるかもしれない(難しいが)。

最後に

とにかく恐怖を感じた。 今、こういった技術は AI イラストレータが中心となって利用している。 しかし、DIffusionBee をはじめとした多くの No coding アプリケーションが開発途中であることは自明であり、そういったアプリが世に出回った時、問題は深刻化するであろう。フェイク画像の作成が民主化し、インターネットはフェイクで溢れるであろう。さらに興味深いことに、裁判で利用される証拠となる写真は、フェイク画像であるかもしれないと疑わねばならない。フェイク画像を利用した裁判等が起こらないことを心の底から祈るのみである。本当に恐ろしすぎる。アリバイもクソも無くなる。

関連記事

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp

ut-bioinformatic.hatenablog.jp