【糖尿病】薬なし注射なしで、食事だけで血糖値を下げる藤城式食事法DVD。たったの3日でも血糖値が下がっていきます。改善しなければ100%返金。(DVD付き)で人生が変わる!と[糖尿]でかすぎるプリンアラモードを早食い 

November 12 [Wed], 2014, 9:47
どもども!毎度こんにちは。


今日も【糖尿病】薬なし注射なしで、食事だけで血糖値を下げる藤城式食事法DVD。たったの3日でも血糖値が下がっていきます。改善しなければ100%返金。(DVD付き)レビュー特集中です(^^)
↓↓

優良教材【糖尿病】薬なし注射なしで、食事だけで血糖値を下げる藤城式食事法DVD。たったの3日でも血糖値が下がっていきます。改善しなければ100%返金。(DVD付き)レビューはこちら


【糖尿病】薬なし注射なしで、食事だけで血糖値を下げる藤城式食事法DVD。たったの3日でも血糖値が下がっていきます。改善しなければ100%返金。(DVD付き)は、実は全く効果が無い?
そんな評判も聞きましたが、実際には凄い効果です!


有限会社Digital Fusionさんが自信を持って世に送った情報教材【糖尿病】薬なし注射なしで、食事だけで血糖値を下げる藤城式食事法DVD。たったの3日でも血糖値が下がっていきます。改善しなければ100%返金。(DVD付き)を
超お得な特典付きでお届けしています。



購入前はへーって感じですけど、実際のところは・・・
詳細はこのページのリンクから、本サイトへ飛びご確認下さい。
↓↓
優良教材【糖尿病】薬なし注射なしで、食事だけで血糖値を下げる藤城式食事法DVD。たったの3日でも血糖値が下がっていきます。改善しなければ100%返金。(DVD付き)レビューはこちら


て事で、あとはぐうたら日記です。
読み飛ばして下さい^^;


けさの朝飯はごはんと、出汁巻たまごと赤味噌のおみそしる

最高ですよ、やっぱり。



今朝は8分で完食、9時02分に自宅をしゅっぱつです。



自宅からほど近いサークルKに寄り道して、ソルマックを買いました(^^)



これで体調が解るんですよ(笑)。



勤務先に着いたら、昨日と同じくヤフートップラインを見てみると

こんなのが出てますね〜

↓↓

 人間の脳は、少ないデータから、いかに人より早くパターンを見つけるかという競争をやっています。似たものを見つけた際に「近いかどうか」の判断は知能において非常に重要な処理です。

【他の画像】


●著者プロフィール:
松尾豊(まつお・ゆたか)
東京大学大学院工学系研究科総合研究機構、知の構造化センター、技術経営戦略学専攻准教授。1997年、東京大学工学部電子情報工学科卒業。2002年、同大学院博士課程修了。博士(工学)。同年より、産業技術総合研究所研究員。2005年10月より、スタンフォード大学客員研究員。2007年10月より現職。2002年、人工知能学会論文賞、2007年、情報処理学会長尾真記念特別賞受賞。人工知能学会編集委員長、第1回Web学会シンポジウム代表を歴任。

塩野誠(しおの・まこと)
株式会社経営共創基盤(IGPI)パートナー・マネージングディレクター。IGPIシンガポールCEO。慶應義塾大学法学部卒、ワシントン大学ロースクール法学修士。ゴールドマン・サックス証券、ベイン&カンパニー、起業、ライブドアなどを経て現職。主に通信、メディア、テクノロジー、エンターテインメント領域の企業や政府に対し戦略のアドバイスを行い、政府系実証事業採択審査委員も務める。
----

塩野: 抽象化の定義ですが、いままでのお話から判断すると、似たものを見つけた際に、その間の近似値を設定する問題だと思います。近似値をどれくらい取るかを「似ている」と定義するなら、それを設計している人間の思想が入ることになりそうですが。

松尾: 核心的なところに近づいてきたようですが、「近いかどうか」の判断は知能において非常に重要な処理です。近さを決めるにはいろいろな方法があり、近さには多様性もあります。いろいろな角度から見て、近いとも言えるし、遠いとも言える。そしてその中でも、「良い近さの基準」「適切な近さの基準」を選ばなければならない。これができると、あるストーリーとあるストーリーは実は近い、だからこのパターンがある、と判断できるようになります。

塩野: 「あの人はあの芸能人と似ているよね」、「いや、ぜんぜん似てないよ」みたいな話ですか。判断する人によって近さのレンジは違いますね。

松尾: レンジも違いますし、近似に対する人間の特性のような部分も関係します。ビッグデータの話と一見、逆のことを言っているように聞こえるかもしれませんが、人間は少ないデータから、いかに人より早くパターンを見つけるかという競争をやっています。なぜなら、他の生物や個体に勝って生き残るには、「異変にいかに早く気付くか」が決定的に重要だからです。異変に早く気付くために、膨大な量の「普通のこと」を知っておかなければならないのです。

 少ない例からパターンを見つけるには、少ない事例の中でも、グルーピングしなければなりません。例えば、この例とこの例は、厳密に言うと違っているが一緒と考えていい、そして同じグループとして扱ったとき、共通する要素は何かとか、共通に表れるパターンは何かを見つけて取り出す。それによって、他の人が一見すると違うことを経験していると見えることでも、賢い人は異なる例からも抽象化し、これはあのときのこれと同じだ、このパターンならこんなことが起きるはず、などとパターンを抽出できるのです。

●人工知能の本質は「近似」や「共通要素」の処理にある

塩野: なるほど。人工知能の本質は「近似」や「共通要素」の処理にあるということですね。そういえば、仕事ができる人は、60%程度の完成度でも走り出し、修正を繰り返しながらゴールに到達します。逆にもっといろいろ調べなければと考えてしまい、時間が過ぎてタイミングを逸する人もいる。事例数に左右される分析はこれと共通する部分がありそうです。

松尾: それは言えますね。学習が早い人ほど一見すると違う事象を同じと見て、そこに共通する要因を見つけ出すことができます。コンピュータの場合、ここがまだ弱い部分で、どういう風に近いのかということ自体を、コンピュータが学習しなければなりません。ここは非常に難しいところです。

塩野: コンピュータは、このパターンとこのパターンは近いと認識する。この場合、「近さ」をコンピュータ自身では、設定できないということですか。例えば、コンピュータは数式で考えるとして、10と15と100があったとしたら、10と15は近いので一緒にして100とは区別して、グループを2つ作るようなやり方をすると思います。では10、50、100なら、50はどっちに入れるか。こんな感じですか?

松尾: そうした選択をする場合に、何をやりたいかに応じて、近さの基準を変えているという話です。人間は自在に変えていますよね。目的に応じて近さの基準を変え、それによってある事象をどっちに振り分けるかを決めているのが、人間の脳のすごいところです。極端な言い方をしてしまうと、脳がやっているのは「ユークリッド空間から位相空間への写像」と言いますか……。

塩野: えっ? 何ですかそれは?

松尾: 簡単に言ってしまうと、ある空間の中から「近さ」を見いだすということです。結局のところ、人間の脳にとっては、近いかどうかしか重要ではありません。例えば、10円と50円、50円と100円の絶対的な距離などほとんど意味はなく、それよりも50円と100円が近いのかどうかが大事です。近いか遠いかには、いろいろな基準がありますが、自分の目的に照らした基準においての近さにしか人間は興味がないわけです。

 別の例で言いますと、画像認識で目か鼻か、口か顔かを認識するとき、画像Aと画像Bを比べると、絶対的な距離空間はまったく違っています。しかし、人間にとっては2つの画像の「目」は「近い」と考えられる。塩野さんの写真を撮るとして、まばゆい太陽の下とこの部屋の中では、輝度が全然違いますよね。画像として、データとしてはまったく違いますが、2枚の写真は塩野さんが写っているという視点では近似、非常に近いわけです。

●人工知能は「近さ」の判断や解釈が不得意

塩野: 極めて近い。それ以外のモノではないですね、確かに。

松尾: つまり、絶対的な画像データとして見たら完全に離れたものですが、塩野さんが写っているかどうかの距離尺度で見たときには極めて近い。この近さが脳にとっては、非常に大事です。この距離尺度をどう作るか、どう選ぶかが肝心なのです。

 もし、ライオンが写真を見た場合、塩野さんかどうかは関係なく、単に餌がいると見なしますよね。人間を識別するという意味では関心はなく、人間が写っているかどうか、もしくは犬や豚が写っていることと近いわけです。すべては相対感の中で、自身の興味に基づいて、生き物的な関心に基づいて順位を付けている。生き物的興味に基づいた絶対的な距離を、相対的な距離という近さに直す。人間の脳はこれをすごく賢い方法でやっている。こんな感じですね。

塩野: なるほど。イメージはつかめました。「近さ」の判断や解釈が人工知能はまだ不得意ということですね。

松尾: そういうことです。近さについても段階があって、目が理解できるからこの顔は同じ顔なのだと分かるし、同じ顔と理解できるから同じ人が写っていると理解できる。こうやって段階を作って学習していくことが、いまのコンピュータにはできないので、これから力を入れて研究すべきと思っています。

塩野: 聞けば聞くほど、人工知能の話とは、人間の脳の仕組みや思考について考えることと重なるような気がします。

松尾: この分野を研究していると、人間の脳は本当によくできていると実感します。いまでも驚きの連続ですよ。

塩野: どうしてこれほど多機能な装置ができたんでしょうね。

松尾: 信じられないですよ。生物の起こる前の原始のスープみたいなところから、これほどの装置ができるとは……。本当に驚異としか言いようがありません。

(※1)原始のスープ=地球に生命体が誕生した過程を表現した言葉。最初の生命は、地球誕生から数億年後の海の中で、有機物の原子が混じり合って育まれたとされる。

●人工知能はどう作る?

 人工知能の技術者は、「知能」をどう作り上げていくのでしょうか? 将棋やチェスの指し手、お掃除ロボットの制御、広告配信などの分野から、“ルール”や“推論”をイメージする人は多いと思います。

 「もし●●なら、〜〜と判断せよ」

 かつて人工知能とされた領域では、こうしたルールをプログラミング言語で記述していく作業が、大きな比重を占めていました。

 いまも本質的な部分、「ルールを作る」ことの意義は変わっていませんが、アプローチは異なります。ポイントは、「ビッグデータの存在」です。以前のルールの記述は、変数の空間を縦横に切っていくようなイメージでした。

 しかし本来、この空間は斜めに切ってもいいし、曲線で切ってもかまいません。切り方を賢くしたのが、いまの人工知能のルールの取得方法、すなわち「機械学習」です。

 違いをもう少し説明すると、ルールの後段で「〜〜と判断せよ」などと命令しますが、この部分は診断結果を示すでも、適切な広告を出すでも何でもいい。ポイントは「もし●●なら」の前段部分で、ここをより多くのデータから自分で学習するようになっています。

 以前のように手作業で記述していくのではなく、結果が良かったとき悪かったときを見比べながら、自動的にルールを決めていく。これが機械学習の典型的なパターンです。

 いまの人工知能のエンジニアに課せられる重要な仕事は、機械学習のアルゴリズムを考えたり、アルゴリズムを使ってデータを分析したりして、精度を上げていくことです。自らアルゴリズムを構築するには、確率論や統計学の基礎知識も求められます。

[松尾豊, 塩野誠 ,Business Media 誠]
(この記事はBusiness Media 誠から引用させて頂きました)



へえ〜。。。

ホント、どーでもいいわ。



そんな事より、んーっと、今日の業務は・・・

だんどりが上手くいけばサイトアフィリエイトに7時間と、ブログテンプレの張替えに2時間。



人数が多いので私なら右手一本でしょう(笑)



今日も稼ぐぜ!



そうそう、動画でこんなの

↓↓





あれ?全く関係無い?

気にしない気にしない(^_-)-☆



まあそれは置いといてばんごはんは何しよ?

ステーキか手巻き寿司が今日こそ食べたいぜ(^^ゞ



これも良いか?

↓↓





多分次の更新は明後日になるかも・・・

ではまた次回!


2014年11月
« 前の月  |  次の月 »
1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 29
30