全国銀行資金決済ネットワーク（全銀ネット）は2023年10月11日、銀行間送金を担う「全国銀行データ通信システム（全銀システム）」で発生した不具合に関してオンライン説明会を開いた。オンライン説明会は前日から2日連続での実施だ。1日目の質疑応答を踏まえ、全銀ネットの対応に対して厳しい質問が相次いだ。説明会の主な一問一答は以下の通り。 今回の更新作業は中継コンピューター（RC）のハードウエアとソフトウエアの両方を変えたのか？　そのうち何が原因でトラブルが生じたのか？ RCのハードウエアとソフトウエア両方のアップグレードを図った。そのうちソフトウエアに不具合が生じた。具体的には、内国為替制度運営費（旧銀行間手数料）の設定をチェックする機能にトラブルが生じた。 プログラム修正について、どのような改修を試みているのか？ 電文の種類によらず、内国為替制度運営費を算出しない簡素型プログラムを作成し、RC

「レイトレーシング」は 3D グラフィックスの重要な技術となっていて、レイトレーシングを使ったリアリティの高いグラフィックス表現を見る機会が増えてきました。 また同時に、「レイトレーシングをオーディオに応用する」といった言及もちょいちょい見かけるようになりました。 しかし、グラフィックスのシミュレーションにレイトレーシングが有効なのは光の特性をレイトレーシングで近似できているからであり、音の特性に関してはレイトレーシングだけで近似するのは困難です。これはもう少し広く知られていて欲しい事実なのですが、何故かあまりきちんと知られていません……。 そもそも悲しいことに、「物理シミュレーションによる音響空間表現(方角、残響、遮蔽などの表現)」を網羅的に真面目に考察した資料は恐ろしく少ないです。この現状では、レイトレーシングだけで音響空間表現が簡単に出来るというような誤解が生まれてしまうのも仕方ない

「TwitterのAPIが停止された」との報告が、本日4月15日の朝から国内外の開発者より投稿。しかし、昼過ぎにかけて突如として停止が解除される一幕があった。ゲームにまつわるBotアカウントなどのほか、弊誌もその影響を受けていた。 TwitterではElon Musk氏による買収以降、仕様や運営方針が流動的な状況となっている。たとえば、組織や著名人でなくとも「認証済み青バッジ」と同様のバッジが得られる有料プランの導入といった変化が起き、ユーザーの混乱を招くなどの出来事があった。また、Twitter連携機能の開発などに利用される「API」のプラン刷新による本格有料化などの方針も告知。Twitterアカウントと連携した別サービスログイン機能などが利用不能となる懸念が持ち上がり、ゲーム会社がTwitter社に影響を問い合わせる一幕もあった（関連記事）。 APIとは、アプリケーション・プログラミン

ChatGPTから効率よく知識を得られた。 と自分では思っていても、それがウソ知識であることは、よくあります。 そこで、なるたけChatGPTのウソに騙されないようにする方法について書きました。 たとえば、今、僕はガリア戦争(紀元前58～50年)を舞台にしたSF娯楽小説の戦闘シーンを書いているのだけど、ローマ兵の剣の刃渡りの長さがわからないと戦闘シーンの駆け引きの描写がリアルにならないし、挿絵も描けない(プロの方にカラー挿絵を描いてもらうことになっている)。 そこで、以下のようにChatGPT(GPT4)に聞いてみた。 ガリア戦争に従軍したローマ兵の剣の刃渡りはどれくらいの長さでしたか？ ChatGPT(GPT4)の回答は以下の通り： ガリア戦争に従軍したローマ兵は、主にグラディウスと呼ばれる剣を使用していました。グラディウスの刃渡りはおおよそ45センチメートルから60センチメートル（約1

Seiren Voiceはユーザーが声を入力すると、キャラクターの音声に変換して出力するボイスチェンジャー。ドワンゴのAI研究部門「Dwango Media Village」が独自開発した声質変換エンジンを採用する。 ボイスチェンジャーにはリアルタイムに変換するものもあるが、Seiren Voiceは非リアルタイムに特定の人物の声に置換するもの。 入力音声を直接出力音声に変換するのではなく、音素や音の高さ、発音タイミングなどの要素に分解した後にキャラクターの音声として再合成する仕組み。ユーザーとキャラクターの声を対応付けた学習させなくていい点が特徴という。 関連記事 ドワンゴ、AIボイスチェンジャー公開　誰の声でも100人の声に変換 ドワンゴがディープラーニング技術を活用したボイスチェンジャー「Seiren Voice」をWebサイトで無償公開した。自分の声を100人分の声に変換できる。

次回：sm38211856片言の日本語で申し訳ありません。良かったら論文を読んでください。https://pkhungurn.github.io/talking-head-anime/動画内のソフトはこちらで配布されています。https://github.com/pkhungurn/talking-head-anime-demo/この動画は以下の画像や３Dモデルで作られた二次創作です。＊にじさん所属のライバーの画像（https://nijisanji.ichikara.co.jp/member/）＊ときのそら （© Tokino Sora Ch.）の３Dモデル（https://3d.nicovideo.jp/works/td38103）＊木曽あずき(© Appland, Inc.)の３Dモデル（https://3d.nicovideo.jp/works/td49925）＊伏見ガクの３Dモデ

動画は1分55秒。国民からの寄付を使い、追加で搭載した小型カメラで撮影した映像という。 動画では、はやぶさ2が下降して着陸し、地表に金属製の弾丸を打ち込むなどして多数の破片や粒子が舞い上がる様子が確認できる。大きな岩にぶつかることなく、安全に着地・上昇できたという。着地地点には、試料という“お宝”の採取地として、「たまてばこ」という愛称を付けた。試料が採取できたか確認できるのは、2020年末の帰還時になるという。 はやぶさ2は当初、半径50メートル以内の着地を想定していたが、リュウグウが想像以上にでこぼこしていたため、実際の着地予定地は半径3メートルほどしかなかった。さまざまな工夫を凝らした結果、「中心点から誤差約1メートル」の精度で着地できたという。JAXAはこれを「野球場に行くだけのつもりが、ピッチャーマウンドに降りろと言われ、最後はストライクまで決めてしまった、という感じでしょうか」

はやぶさ2の小惑星リュウグウへのタッチダウンは、当初予定の10月下旬から来年1月以降に延期。リュウグウの地表が想定以上にでこぼこしているため。 宇宙航空研究開発機構（JAXA）は10月11日、小惑星探査機「はやぶさ2」の小惑星「リュウグウ」（Ryugu）へのタッチダウン（最初の着陸）を、当初予定の10月下旬から来年1月以降に延期すると発表した。リュウグウの地表が想定以上にでこぼこしているため、無事に着陸させるには、スケジュールを再検討して慎重に挑戦する必要があると判断した。 はやぶさ2から分離してリュウグウを探査したローバ「MINERVA-II1」（ミネルバ・ツー・ワン）と「MASCOT」（マスコット）が撮影した画像からリュウグウの表面状態を解析したところ、「砂地に岩が散在しているというイメージではなく、地面そのものが岩の集合」だと判明。「平坦な場所が1つもない」（津田雄一プロジェクトマネ

UEHARA, TetsutaroProfessor at Colledge of Information Science and Engineering, Ritsumeikan University

Googleの研究部門であるGoogle Researchは、複数の人が話すビデオから特定の1人の声だけ抽出する技術を開発した。人間が持つ能力“カクテルパーティ効果”を、ディープラーニング（深層学習）システムを使って実現させたもの。 カクテルパーティ効果とは、大勢の人がカヤガヤ話しているパーティ会場のような騒音に囲まれた環境でも、人間なら特定話者の声に集中して話している内容を確実に把握できる現象のこと。人間は苦もなく騒音のなかから必要な話し声を選択して理解するのだが、人工的な音声処理システムでは実現困難だという。 Google Researchは、人間の話すようすを撮影したビデオを利用することで、この問題の解決を図った。複数の人が話すビデオの音声データと映像データを並行して解析し、例えば話者の口の動きを参考にすることで該当する音声データの分離に成功した。複数の人が発声し、時には声が重なるよ

今年にはいってから音声入力でブログを書いているのですが、どんな感じでやっているかというものを、まとめてみたいと思います。 と言ってもそんな大したことはやっていません。 単純にAndroid端末でGoogleの音声入力を使って入力しているだけです。iOSでもそんなに精度悪くないんですけど、Googleさんのほうが良い気がしています。 まずやり方ですが、僕は最初に下書きを Google Keep に入れています。 ちょっと特殊なことをやっている点は、Google Keepを立ち上げるのをショートカットで簡単にしているぐらいです。Nova Launcerというアプリを使うことで、ホーム画面でダブルタップをすればGoogle Keep をすぐに立ち上げるように設定できます。これがあれば、思い立った時にすぐにメモを取ることができるので便利です。 音声入力の良さはやはり入力スピードの速さです。一般的に

家には77歳の年寄りがいるんだけど、iPadでもやはり難しいようでまったく手にとらない。 Androidは論外だった。 アプリにはだいたい主要な画面が4つか5つほどあり、簡単にいうとその画面を行き来しながら利用する物が多い。 年寄りにとって一番利用しやすいのは画面がリニアに進むということだ。 アプリをタップしたら常に最初にメニュー画面、メニューからボタンを押したら目的の画面のように進まなければ、そこで理解がむずかしくなる。 アプリによってはアプリタップ後、最後の画面を表示してくれる物も多い。そういうのは年寄りには難しい。まずは元に戻りたいと思うようだ。 スタート画面が設定されているのもあればない物もある。 アプリによってはしばらく時間があると普段とは違うメッセージが出る物もある。 タップでボタンが表示される奴は論外だ。タップの仕方によりボタンが出ない・出るで教える最中に喧嘩になる。 タップ

ついにガロアが死んだ年齢を超えてしまったことに気がつき、自分がまだ何も成し遂げていないことを悲しく思う今日このごろです。 さて、今日はGoogleが出した機械学習ライブラリのTensorFlowの使い方について軽く説明しつつ、ゆるゆりの制作会社の識別を行おうと思います。 TensorFlowとは TensorFlowはGoogleが11/9に公開したApache 2.0ライセンスで使える機械学習ライブラリです。Googleは様々なところでプロダクトに機械学習を活用していますが、TensorFlowは実際にGoogle内部の研究で使われているそうです（TensorFlow: Google 最新の機械学習ライブラリをオープンソース公開 - Google Developer Japan Blog）。 Googleのネームバリューは恐ろしいもので、GitHubのStar数はすでにChainerやC

機械学習は日々進化を遂げ、全てのエンジニアにとって無視できない存在となってきました。 現在では、検索エンジン、マーケティング、データマイニング、SNS等さまざまな分野で活用されています。 そんな中、2015年11月10日にGoogleが機械学習ライブラリ・TensorFlowをオープンソース化し、大きな注目を集めました。 そこで今回は、機械学習に興味があるけれど何から手を付けたらいいのかわからないエンジニア向けに、TensorFlowの入門資料（記事・スライド）をまとめました。 機械学習案件を提案してもらう 特にプログラマーでもデータサイエンティストでもないけど、Tensorflowを1ヶ月触ったので超分かりやすく解説 / Qiita http://qiita.com/tawago/items/c977c79b76c5979874e8 TensorflowがMNIST（手書き数字データ）の

2017/07/20　追記 本記事の内容に関してTwitter・メールで問い合わせをいただきますが、全員に対して返信を差し上げることが出来ないため、VALU保有者優先で相談を受けます。 valu.is 対象読者 自前のデータでディープラーニングを体験したい人 tensorflowなどのチュートリアルまでやったが、その次の道が見えない人 株価の予測に興味がある人 はじめに こんにちは。あんどう（@t_andou）です。 最近、人工知能の技術の一種「ディープラーニング」に注目しています。 ディープラーニングとは、簡単に言うと「これまでは人間が教えていた『特徴』を機械が勝手に見つけてくれる」ものらしいです。 最初は画像処理系のプログラムで遊んでみました。 ディープラーニングという言葉はよく耳にするようになってきましたが、何ができるかわからなかったので、まずは体験するためにまずはディープラーニング

「いつか勉強しよう」と人工知能／機械学習／ディープラーニング（Deep Learning）といったトピックの記事の見つけてはアーカイブしてきたものの、結局2015年は何一つやらずに終わってしまったので、とにかく一歩でも足を踏み出すべく、本質的な理解等はさておき、とにかく試してみるということをやってみました。 試したのは、TensorFlow、Chainer、Caffe といった機械学習およびディープラーニングの代表的なライブラリ／フレームワーク3種と、2015年に話題になったディープラーニングを利用したアプリケーション2種（DeepDream、chainer-gogh）。 （DeepDreamで試した結果画像） タイトルに半日と書きましたが、たとえばTensorFlowは環境構築だけなら10分もあれば終わるでしょうし、Chainerなんてコマンド一発なので5秒くらいです。Caffeは僕はハ

顔認識まわりで機械学習とかディープラーニングのライブラリを触ってみたので、実務者向けにメモを残す。 多くの場合ディープラーニングは不要 だいたい、バズワードだからディープラーニングでAI使いたいみたいなのは、基本的にはプレスリリース打って人々の注目をあつめるためだけに利用すればよくって、概ね旧来からある機械学習でも問題ないことが多いです。これがたどり着いた結論。 そもそも、ディープラーニングの問題点として、なんで正しい答えを出してるかが人間みたいに説明できないので、予想もしないような学習結果をだすことがある。 memo.sugyan.com まさかノイズ画像をアイドル顔だと認識するとは思わなかった。ということがあるので、突飛な結果を出してしまうと困る分野には使いづらいです。 それだったら、ディープじゃないラーニング（機械学習）でも便利なライブラリはたくさんあるので、やってみると良いです。

論点書き出してみたけど多すぎて超絶カオス。 現状発生している実害 チェックサム比較の失敗(発端) 画質の劣化 exif等メタデータ削除による情報欠損 元ファイルよりサイズが増える 技術的詳細が非公開 「最適化」という単語の是非 オプトインとオプトアウト 送信者(コンテンツ提供者)の同意 自衛のために全HTTPS化することで、かえってトラフィック増える問題 HTTPS化による計算機コスト、ファイル改竄による不具合対応のリスクの負担 サービス内容の意図しない/再現が難しい劣化*1 受信者の財産権の侵害とも言える。 受信者(顧客)の同意 消費者保護観点からより深い内容周知の上での同意が必要では無いか オプトアウトが可能かどうか ISPとしてのサービスが土管であるべきか否か 例えば、可逆圧縮での再圧縮なら良かったのかどうか 携帯キャリアが提供しているのは「インターネット」サービスかどうか iモード