第1章 導入 (6～54 ページ) 第2章 P 対 NP 問題の定義 (55～90 ページ) 第3章 P=NP の場合にわかること (91～111 ページ) 第4章 P≠NP の場合にわかること (112～226 ページ) 第5章 まとめ (227～234 ページ)
90 分で学ぶ P 対 NP 問題
第1章 導入 (6～54 ページ) 第2章 P 対 NP 問題の定義 (55～90 ページ) 第3章 P=NP の場合にわかること (91～111 ページ) 第4章 P≠NP の場合にわかること (112～226 ページ) 第5章 まとめ (227～234 ページ)
【 概要 】 任意のHash（64桁）の入力値に対し、sha256の逆変換を10秒以内で求めるプログラムを作成して下さい。 例１： b924ed427f4540e17a6c669982bf2373f2974f6733b7a737a08a6c49b0f70b81 ＜＝＝入力値 （逆変換）↓ ↑ (Sha256) eb6019e16fc6169662a87df672554ea74365bca49bae3f76200e33622c3f0335 ＜＝＝求めてほしいもの 例２： a591ad4729bbc33bfbe6744e14f8b3cc22b6355017e1c6de78da485f4746558b ＜＝＝入力値 （逆変換）↓ ↑ (Sha256) d65d227bc16c51187dac65517675b13d8feb9467cd7b993543ad4509b6e7d454 ＜＝
CSSを理解するには、プロパティや値を知っているだけでは不十分です。CSSのレイアウトアルゴリズムがどのように機能するかを理解する必要があります。 ブログやツイートで便利なCSSスニペットが紹介されていても、なぜ機能するのか、レイアウトアルゴリズムがどのように使用されているのか説明されていないことはよくあります。CSSにおけるレイアウトアルゴリズムについて解説します。 CSSの初学者をはじめ、長く携わっている人にも、気づきや学びがあると思います。 Understanding Layout Algorithms by Josh W. Comeau 下記は各ポイントを意訳したものです。 ※当ブログでの翻訳記事は、元サイト様にライセンスを得て翻訳しています。 はじめに CSSにおけるレイアウトのアルゴリズム レイアウトアルゴリズムの確認 インライン要素の不思議なスペース 終わりに はじめに 数年
Tsukasa #01 (4x vaccinated) on Twitter: "真偽はともかく、ちょっととんでもない論文が出てきたんだが。国際暗号学会の未査読論文だが、素因数分解を (RSA を破壊するレベルで) 劇的に高速化するアルゴリズムを開発したと主張している。 https://t.co/ApzLqRmjqR"
真偽はともかく、ちょっととんでもない論文が出てきたんだが。国際暗号学会の未査読論文だが、素因数分解を (RSA を破壊するレベルで) 劇的に高速化するアルゴリズムを開発したと主張している。 https://t.co/ApzLqRmjqR
ツイッターのオーナーであるイーロン・マスク氏は12日夜に行われた米プロフットボールＮＦＬの王者決定戦「スーパーボウル」に関する自身の投稿の閲覧数に不満を示し、自分のツイートが優先されるようアルゴリズムの変更をエンジニアに指示したと、ニュースサイトのプラットフォーマーが報じた。その結果、13日にはユーザーのフィードがマスク氏のツイートであふれたという。 プラットフォーマーによれば、マスク氏の指示を受け、ツイッターはユーザーのタイムラインを向上させるためのフィルターから除外することで同氏のツイートを人為的に1000倍に増やしたという。スーパーボウルの翌日にマスク氏の投稿が大量に表示されたことについて、ユーザーからは不満の声が聞かれていた。 Please stay tuned while we make adjustments to the uh .… “algorithm” — Elon Mu
[速習] 配列から欠けている数字を見つける「XORトリック」の深い理論と実践 - Qiita
皆さんは『配列から欠けている数字を見つけろ』と言われたら、どう答えますか？ 多くの方は「HashSetで解けばいい」と考えるでしょう。しかし、1000万個の要素で実測したところ、Pythonのsetは945MBもの追加メモリを消費し、処理に2.3秒かかりました。一方、XORを使った解法は追加メモリゼロ、C言語なら1ミリ秒で完了します。 なぜこれほどの差が生まれるのか？ XORには単なるトリック以上の深い理論があり、配列の欠損値検出だけでなく、RAID 5のデータ復元やネットワークのエラー検出など、実務で幅広く応用されているのです。 追記: ネットワーク転送時のパケットロスやノイズによるデータ欠損、さらには宇宙線がメモリに衝突してビットが反転する「ソフトエラー」により、配列から要素が失われることがあります。 本記事では、Florian Hartmannの「That XOR Trick」1を基
![[速習] 配列から欠けている数字を見つける「XORトリック」の深い理論と実践 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/0b154b15631131f57c8997e3e8d59d9b3479fa77/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Ftech-festa-ogp-background-4b5015b2c518c7e6b9062a7c9f5f5e90.png%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnMzLWFwLW5vcnRoZWFzdC0xLmFtYXpvbmF3cy5jb20lMkZxaWl0YS1pbWFnZS1zdG9yZSUyRjAlMkYzNTIxNTczJTJGZTBmMGU4NmM4MTg2ZGUzN2NmMGFlNWMxYmIzMzFjNzM5NDIyNjNhOSUyRnhfbGFyZ2UucG5nJTNGMTc1MjIyNTQyMz9peGxpYj1yYi00LjAuMCZhcj0xJTNBMSZmaXQ9Y3JvcCZtYXNrPWVsbGlwc2UmYmc9RkZGRkZGJmZtPXBuZzMyJnM9NjhmYzIyNjMwMzllNGU0NzQyOTE3MGMyZTdjYjExOTY%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253Dcc1a59e5a96046a7f38619543aa5f4c8%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDBTaGlnZW1vcmlNYXNhdG8mdHh0LWNvbG9yPSUyM0ZGRkZGRiZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtcGFkPTAmcz1kODJmMzE4ZjlkN2I5OGFjYjY0Y2YwOGYwNDBlMDE3YQ%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3D8e9fd2cc50111eb1e4f8170976dbfdbf)
UUID v6, v7, v8 : タイムスタンプでソートできる新しい UUID のドラフト仕様 - kakakakakku blog
ID を採番するときによく使われる UUID Version 4 の課題として「順序性がなくソートしにくい」という側面があり，ULID (Universally Unique Lexicographically Sortable Identifier) を使えばソートできるようになるという記事を前に書いた． kakakakakku.hatenablog.com 関連して調査をしていたら，標準化団体 IETF (Internet Engineering Task Force) によって，UUID Version 6, 7, 8 という新しい仕様が提案（ドラフト段階）されていることを発見した❗️UUID Version 6, 7, 8 の目的を簡単にまとめると「タイムスタンプ情報を使ってソートできる ID を採番できるようにする」となり，もしこの仕様が取り込まれると，UUID を活用する幅がさ
いちいちシェルコマンド思い出せないので、ChatGPTで自然言語からスクリプトを生成するツールつくった - Qiita
はじめに ChatGPT APIが出たので早速さわってみました。せっかくなので何か便利なものをということで自分向けに使えそうなツールをつくっていたら 良いかんじに動作したのでご紹介します。 つくったものは、「ChatGPTを用いた自然言語によるシェルコマンドランチャー」です。百聞は一見にしかずと言うことでまずは動作するところをみてください。 概要 wannaコマンドは、ChatGPTを用いた自然言語によるシェルコマンドランチャーです。自然言語によって、bash scriptを生成し、名付けし、管理できます。 コマンドライン上での操作は簡単に多くのことを行うことができるため、非常に便利です。しかし、多くのコマンドやオプションの組み合わせを覚えておくのは熟練したプログラマでもむずかしく、Google検索やmanコマンドなどを駆使して思い出しながら実行することも多くあるでしょう。 たとえば、「こ
きれいなコードは互いに似通っているが、クソコードはどこもその趣が異なっている - きしだのHatena
先日のJJUG CCC 2023 Fallの懇親会でクソコードを研究しているという学生がいたのだけど、クソコードの研究は難しいという話をした。 人工的にクソコードを再現しても、あの野生のクソコードのクソさには全く足りないわけで。 トルストイが言うように「すべてきれいなコードは互いに似通っているが、クソコードはそれぞれにクソの趣を異にしているものである」なので、なかなか「これがクソコード」のように類型化するのも難しい。 典型的なクソコードを書いてみても、なんだかきれいなクソコードができてしまう。 クソコードはネットに出回らないので、資料の収集もまた難しい。ネットにないということは、ネットの情報に基づいている「AI」もホンモノのクソコードには触れていないことになる。 クソコード収集サイトをつくっても、実際のクソコードは業務固有処理も含まれるので、掲載できる形に整理していくと本来のクソさが薄れて
ネットワーク可視化の世界
ネットワークデータの可視化のツールは世にたくさん出回っていますが、ただ使うだけでは「よくわからないけどすごそうな画」が出るだけで活用が進みません。このトークでは、ネットワークデータから知見を見出し活用する手助けになるように、ネットワーク可視化の原理について主要なものを紹介します。
輸送問題と呼ばれる問題があります． この問題は，普通は線形計画法やフローのアルゴリズムを使って解かれます． この記事では，この輸送問題を近似的に行列計算で解くアルゴリズム（エントロピー正則化 + Sinkhorn-Knopp アルゴリズム）を紹介します． 輸送問題とは アルゴリズム 得られる解の例 なぜこれで解けるのか？ 競プロの問題を解いてみる 機械学習界隈における流行 まとめ 輸送問題とは 輸送問題とは以下のような問題です． 件の工場と 件の店舗からなる，ある商品の流通圏があるとする． 各工場には 個の在庫がある.． 各店舗では 個の需要がある． 在庫の総和と需要の総和は等しいとする （すなわち ）． 工場 から店舗 に商品を一つ運ぶためには の輸送コストがかかる． 各工場 から各店舗 への輸送量 を適切に決めて，各店舗の需要を満たしつつ輸送コストの総和を最小化せよ． 輸送問題は最適化
AtCoderの社長のままトヨタ自動車にアルゴリズムグループを作った話 - chokudaiのブログ
2022年1月より、トヨタ自動車 デジタル変革推進室 に主査(担当部長)としてジョインし、6月より、アルゴリズムグループを新設しました。 （22/08/09 11:40追記） アルゴリズムグループについての情報は以下のページにあります！！！ (追記おわり) atcoder.jp 「なんで急にそんなことやってるの？」、「AtCoderの業務に集中しろよ！って思う人もちょこちょこいると思うので、そのあたりの考えを、AtCoder社長としての立場で書きたいと思います。 AtCoder・chokudaiを知らない人のための情報 ここは知ってる人は飛ばしてください。 AtCoder 2012年から提供されている、プログラミングコンテスト(競技プログラミング)のサービスです。年間70回程度のコンテストをオンラインで開催しており、世界中から40万人のユーザが登録・参加しています。 chokudai At
将棋AIでは、教師(教師局面)を生成して、そこから評価関数パラメーターの学習を行っている。AlphaZeroなんかもそうしている。 教師は、実際に対局して生成する。ところが、この対局は、1手指すごとに何千とか何万とかの局面を探索しないといけない。Deep Learning(以下DLと略す)系の将棋AIの場合、何千とか何万の局面を探索すということは、その回数だけ推論を行うということである。普通、学習は、順伝播 逆伝播で、順伝播のコストをCとすると、逆伝播は2Cぐらい、つまり合計で3Cぐらいの計算コストを要するのだが、推論(これは順伝播)はCだから、要するに学習は3倍のコストを要する。ところが、教師生成時に1手指すのに仮に1万局面探索するとしたら、10000Cかかるわけで、これは学習コスト(3C)の3333倍である。 というように、教師生成のコストは学習時のコストとは比較にならないほどのコスト
電子ルーレットの結果に不正が無いという納得感を演出するにはどうすればいいのか考えている スポーツ大会の抽選だったり ゲームのガチャの確率だったり 公正である、という印象を与えるにはどうすればいいのか…… 乱数の生成過程がオープンであればいいのかな その生成過程は不正が入り込む余地がないものであればなおよし あるいは、ユーザーとかプレイヤーが乱数を選ぶ、のような 電子じゃなく物理のなんらかの抽選でもあまりに出来すぎた、一方に都合のよすぎる結果が出れば不正だという人はいるだろうけれど より多くの人に納得感を与える乱数生成方法、何か先人の知恵が既にありそうなものだけれど こういう話が書かれた本だかブログだかニュース記事だかを何かで読んだ記憶があるんだが…… なんか、自分でその結果を選んだという実感があれば納得感がある、みたいな なんだったか、ちょっと検索ワードを思いだせないな 何かこれについて書
自由入力された文章をデータ化する形態素解析ですが、巨大な辞書が必要になったり次々登場する単語に対応することなどなかなか大変そうなイメージでしたが、機械学習を使った、単語分割するコンパクトな実装「TinySegmenter」を発見。ブラウザやDenoでいい感じに使えるESモジュール版にしてみました。 「頻出単語表示 by TinySegmenter」 文章を入れると、頻出単語順に並び替えて表示する、サンプルアプリ。このアプリでは、3文字以上を単語としています。一日一創ブログをコピペしてみるといい感じに！ プログラムで組み込む方法は簡単、ブラウザやDenoで下記コードを入れるだけ。 import { TinySegmenter } from "https://code4fukui.github.io/TinySegmenter/TinySegmenter.js"; const segs = T
マジレスされてチビッた．こりゃGoogleさんもビビるわけだ． ぼく： How were you implemented? Is it deep learning-based? ChatGPT: I am a language model called GPT-3 (Generative Pre-trained Transformer 3) that was developed by OpenAI. It is a deep learning-based model that uses a type of neural network called a transformer, which was trained on a large dataset of text to learn patterns of language. GPT-3 is trained using a techni
ヤフーが検索エンジンサービスを巡り、米グーグル関連企業から提供されている検索エンジン技術について他社への切り替えを検討していることが分かった。グーグル側とのサービス提供契約は2025年3月末に切れる。契約更新の是非を判断するため、社内で「バケットテスト」と呼ばれる技術テストを始めた。Zホールディングスは10月に傘下のヤフー、LINEと合併し「LINEヤフー」となる。LINEヤフーの大株主は韓国
こんにちは！ エンジニアリンググループ マルチデバイスチーム 新卒1年目の小林です。 エムスリーでは、2週間に1度、Tech Talkという社内LT会（現在はリモートで）が開催されています。これは、とある回の発表テーマリストです。 Tech Talkのとある回の発表テーマリスト このように、最近エムスリーでは文字列が流行っている（？）ようなので、その勢いに乗って私も文字列照合アルゴリズムについて書きたいと思います！（業務とは全然関係ない話です） Knuth-Morris-PrattやBoyer-Mooreアルゴリズムは解説記事がたくさん出ていると思うので、この記事ではシンプルかつ高速なQuick-SearchとQuite-Naiveアルゴリズムについて説明し、速度比較を行った結果についてご紹介します。 文字列照合アルゴリズムとは テキストとパターンという文字列が与えられたときに、中に出現す
メキシコのピエドラ・エラダ保護区で羽ばたくオオカバマダラ（Danaus plexippus）。この羽ばたきが、テキサスで竜巻を引き起こす一連の出来事の始まりとなるのだろうか？（Photograph by Jaime Rojo） 1961年、米マサチューセッツ工科大学（MIT）の気象学者エドワード・ローレンツは、気象予測プログラムに数値を入力していた。彼のモデルは12の変数に基づいており、そのうちの1つの値は「0.506127」だった。彼が再度モデルを走らせる際、その数値を「0.506」と入力し、コーヒーを飲みに部屋を出た。部屋に戻ると、このごくわずかな変更が劇的に異なる気象予測をもたらすことに彼は気付いた。 1972年の米国科学振興協会（AAAS）の講演で、ローレンツがカオスとそれが引き起こす極端な予測不可能性についての画期的なモデルを発表した際、ローレンツは次のような問いを投げかた。「ブ
やってみたら簡単！ディープラーニング・オセロを作って自分を負かすまで強くした話(その1) - Qiita
オセロのAIアルゴリズムをディープラーニングで作成し、私が勝てないぐらいまでには強くなった、という話です。 また私の場合は2ヶ月ぐらいかかってしまいましたが、実装自体はそんなに難しくなかったので、実装方法についても説明したいと思います。 この記事でわかることは、ディープラーニングでオセロのAIアルゴリズムを作る方法です。基本的な考え方は他のボードゲームも同じなので、流用できると思います。 対象読者は、TensorFlowなどディープラーニングのライブラリを使い始めて、MNISTの数字分類など基本的な処理はできたけれど、それ以外の問題だとやり方がわからない、というような方です。 きっかけ 私の所属するエンジニアと人生コミュニティで、リバーシチャレンジなるものが開催されたことがきっかけです。このコンテストは「リバーシならどこにこだわっても良い」というルールでした。 私は、ちょうど少しまえに「将
Claude Codeがアホになる問題
最近一部のClaude Codeユーザーの間で「性能が急激に劣化している」という報告が多発しています。具体的には、指示の内容を忘れて見当違いの作業をするというもので「これはClaude Codeのコンテキスト処理の問題ではないか？」と憶測を呼んでいます。 Claude Codeの性能劣化に関するX投稿数を集計※この話題はバージョン1.0.63時点のものです。 「バージョン1.0.24に固定せよ」この問題に対して、ユーザーからの報告と対処法が以下で説明されています。 Critical: Claude Code context amnesia causes silent code deletion · Issue #4487 · anthropics/claude-codeEnvironment Platform: Claude Code CLI Claude CLI version: 1.0
インタビュー記事はこちら https://www.piratewires.com/p/interview-with-jack-dorsey-mike-solana GIGAZINEはBlueskyのかなり初期から分散SNSを追っていて他のメディアより比較的コンテキストがわかっていると思いますが、今回は是非元になったインタビュー記事を読んでほしいです。SNSと言論の自由、検閲について興味があるなら特に 私とBlueskyそれでお前は誰やねんって話なので、ちょっと自己紹介します 多分bsky.appの日本人だと一番古いか、三番目くらいに古いユーザーで、多分世界初のBlueskyのサードパーティサーバー（PDS）のboobee.blueを運営しています。 その時の記事はこれ https://note.com/kingyosun/n/n45d3b1ff89bf 上の記事のときは「プロトコルはマジで
何が問題視されているのかことの発端の一部は、Twitter日本法人のレイオフにからみ「話題を検索」タブの “ニュース” でのモーメントの掲載で、媒体側からTwitter側へのホットラインがあったという話です。 竹下郁子 @i_tkst確かにTwitterのニュースフィードは更新されてない気がする。私たちメディアは自社記事のモーメントを作成→Twitterキュレーションチームに連絡→審査の上ピックされたりされなかったり、という手順を踏んできたのだけど、この作業はしばらくは意味を成さないのかな？ 星 暁雄 (ITと人権) @AkioHoshiキュレーションチームは全員解雇。 同チームはモーメントタブをキュレーションし、トレンドトピックのセクションをプログラムし、それらのトピックに関するコンテキストを提供し、ライブイベントも扱っていた。またプラットフォーム上の誤情報との戦いにも取り組んでいた。
アマゾン ウェブ サービス ジャパン株式会社（Amazon Web Services、AWS）は、同社のオープンデータセットに、日本語自然言語処理で定番の形態素解析器である「MeCab」を、ラッパーライブラリであるfugashi経由でPythonで使用する際の語彙（ごい）データに加えた、と公式ブログで明らかにした。 多くの機械学習デベロッパーが、AWS上でさまざまなアルゴリズムの開発やモデルを構築している。なかでも、自然言語処理をする際には、対象言語の特性に即した形で前処理をする必要がある。日本語の自然言語処理を実施する際には、一般的に「形態素解析」と呼ばれる文章の分解処理を前位処理として実施する。 日本語形態素解析をするためには、日本語の語彙データが必要になる。語彙データは大きなサイズになるだけではなく、これらを用いた計算の際にも大量のGPUおよびCPUが求められる。そのため、従来このよ
『ゼルダの伝説 ティアキン』サウンドが「勝手に鳴る」仕組みを作った。自由で広大なハイラルを彩る音の世界【GDC 2024】 | ゲーム・エンタメ最新情報のファミ通.com
2024年3月18日～3月22日、アメリカ・サンフランシスコで開催中のGDC（Game Developers Conference）2024。その中で『ゼルダの伝説 ティアーズ オブ ザ キングダム』についての講演が行われた。その内容をリポートする。 登壇者は任天堂の 堂田卓宏氏（テクニカルディレクター） 高山貴裕氏（物理プログラマー） 長田潤也氏 （サウンドプログラマー） の3名。 “Tunes of the Kingdom: Evolving Physics and Sounds for ‘The Legend of Zelda: Tears of the Kingdom’”――“チューンズ オブ キングダム：『ゼルダの伝説 ティアーズ オブ ザ キングダム』の進化する物理学とサウンド”と題された本講演では、本作の世界がいかに生み出されたか、物理設定とサウンド設計の面から語られた。 本
「在宅スマホ副業で7日で20万円稼げる人続出中！」Googleのアップデートによって国民生活センターの公式サイトがヤバいことになってしまった
ワカジツ＠Writing Hacks講師 @wakajitsukohei Googleが記事のタイトルを勝手に変更するアップデートによって、国民生活センターの公式サイトがヤバい pic.twitter.com/dTm3jCwglW 2021-08-28 15:47:15 リンク 【SEO無料相談実施中！】ナイルのSEO相談室 Google検索結果の表示が変わった？タイトル表示変更の理由と予防策について 検索結果に表示されるタイトルが、titleタグに設定したものと違う場合があります。Googleによってタイトルが変更される原因と、変更されないための予防策について解説します。 3 users
LLMにJSONやソースコードを出力させるStructured Generationの技術 - NTT docomo Business Engineers' Blog
こんにちは、イノベーションセンターの加藤です。この記事では、大規模言語モデル(LLM)にJSONやソースコードを正しく出力させるための生成手法であるStructured Generationについて紹介します。 Structured Generationとは パーサーを用いた制約手法 正則言語とは 正則言語のStructured Generation 文脈自由言語とは 字句解析について 正則言語+文脈自由言語のStructured Generation まとめ Structured Generationとは 大規模言語モデル(LLM)はよくチャットボットとしての活用が目立ちますが、LLMの入出力を外部のプログラムに繋ぎ込むことでより高度な自然言語処理システムを作ることができます。 例えばOpenAIのCode Interpreter1はLLMをPythonの実行環境と接続することで、ユーザ
生成AI開発に革新か “自律進化”で目的のAIを自動生成 超低コスト＆短期間で高性能モデルも開発済 トップ研究者集団「Sakana AI」
生成AIのトップ研究者らが東京で創業したAIベンチャー「Sakana AI」が、生成AI開発の新たな手法を開発したと3月21日に発表した。従来は人間が手動で設計し、多くの計算資源を使っていたが、同社の手法では設計を機械が自動で行い、“ほぼ無視できるレベル”の計算資源で開発が可能になるという。この手法で開発した日本語基盤モデルをGitHubで公開した。 同社が提案したのは「進化的モデルマージ」という手法。公開されているさまざまな基盤モデル（生成AIを含む、大規模なデータセットによる事前学習で各種タスクに対応できるモデルのこと）を組み合わせて新たなモデルを作る「マージ」に、進化的アルゴリズムを適用したものだ。 マージ自体は現在の基盤モデル開発で使われている手法で、モデルの“神経回路”（アーキテクチャ）の中に別のモデルの神経回路の一部を組み入れたり、入れ替えたり、神経同士のつながりやすさ（重み）
GPSが位置情報を測定する仕組みを分かりやすく解説するとこんな感じ
衛星を利用して現在地を測定するGPSは、地図アプリやカーナビなど多くの場所で利用されており、現代人の生活にとって必要不可欠なシステムとなっています。そんなGPSの位置測定メカニズムをカメラの仕組みや地球の自転・公転などの分かりやすい解説ページを作成してきたBartosz Ciechanowski氏が解説していたので、まとめてみました。 GPS – Bartosz Ciechanowski https://ciechanow.ski/gps/ ◆平面上の位置を測定する方法 Ciechanowski氏は、最初に地球ではなく以下のような緑・青・赤の3つの点が配置された平面を用意して、平面上の黄色い人形が自らの位置を測定する方法を解説しています。 平面上の位置を測定するの必要な情報は「緑・青・赤の点の位置」と「緑・青・赤の点から人形までの距離」です。「点と人形の距離」を測定したら、それぞれの点を中
ロシアの検索エンジン「Yandex」のアルゴリズムが流出。GoogleのSEO対策でも使えるのか？｜ブルマ@SEO
こんにちはブルマ＠SEOです。 フォローしてくれたら泣いて喜びます。 1/28にSEO業界に激震が走った。 ロシアの検索エンジン「Yandex」の独自ソースコードが流出した。 You probably heard about Yandex, it’s the 4th biggest search engine by market share worldwide. Yesterday proprietary source code of Yandex was leaked. The most interesting part for SEO community is: the list of all 1922 ranking factors used in the search algorithm [🧵THREAD] pic.twitter.com/6x82AAmbON — Alex Bu
慶応大学准教授「遺伝的アルゴリズムの強力さを伝える事例として非常に有用な例があるのだが、あまりにアレなので講義では利用できない」
福永 津嵩 @fukunagaTsu 慶應義塾大学理工学部生命情報学科准教授。ゲノム配列解析／RNA構造解析／オミクスデータ解析に関連するバイオインフォマティクスの研究を行っています。つぶやきは個人としての発言であり、所属組織が関与するものではありません。 sites.google.com/site/fukunagat…
画像の機械学習が劣化する理由 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 前書き 注意：ここに書いていることは2020年代としては、古すぎる見解になっている。 近年の自己教師あり学習の大幅な進展で、ここで述べているようなアプローチは大幅に古めかしいものになっている。 ・自己教師あり学習の進展は、画像認識タスクに対する共通のbackbone を作り出しており、後段で個々の画像認識タスクに対するfine-tuningをするアプローチに変わってきている。 ・そのため、ラベル付きの限られたデータで特徴量の抽出をしていたのが、自己教師あり学習に基づく特徴量の抽出になっている。 ・各人、自己教師あり学習について調べること
Windows 95のプロダクトキーは「111-1111111」や「000-0000000」でも突破できる超単純アルゴリズムで実装されていた
1995年に登場した「Windows 95」のインストール時にはプロダクトキーの入力を求められるのですが、プロダクトキーは「111-1111111」や「000-0000000」といった単純な数字の羅列でも認証されてしまいます。このような単純なプロダクトキーでも認証可能な理由について、セキュリティ研究者のstacksmashing氏が解説しています。 Why 111-1111111 is a valid Windows 95 key - YouTube これが、Windows 95のプロダクトキー入力画面です。不正なプロダクトキーを入力するとインストールを続行できなくなるのですが、「111-1111111」という単純なプロダクトキーでも「正しいプロダクトキー」として認識され、インストールを続行できます。 また、先頭の3桁を「000-1111111」「001-1111111」「567-1111
「生成AIは期待外れ」と言ってしまう日本企業が生まれるワケ 5カ国調査で分かった、効果を実感する企業との違い
「生成AIは期待外れ」と言ってしまう日本企業が生まれるワケ 5カ国調査で分かった、効果を実感する企業との違い（1/2 ページ） 生成AI導入で「期待を上回る効果」を得た企業の割合は、米国51％、英国50％に対し、日本はわずか13％――PwCコンサルティングが日米英独中の5カ国で実施し、6月に結果を発表した生成AI活用実態調査で、日本企業の効果創出力の低さが浮き彫りになった。 推進度合いでは日本は5カ国中3位で、56％が「活用中」と平均的な水準にある一方、肝心の成果では最下位に。「日本企業の動向は想像通りひどい。毎回同じことを言っている」。調査を主導したPwCコンサルティングの三善心平氏（執行役員パートナー）は率直に語る。 背景には生成AIを単なる「効率化ツール」として捉え、経営層のコミット不足や業務への本格的な組み込みができていない構造的課題がある。とはいえ、日本企業の中にも効果を実感する
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? この記事は2022年天文情報学AdventCalendar12/19の記事です。とりあえずカレンダーを作ってみた者です。そして内容はネタ記事です。何というかすみません。 皆さんは「スーパーコンピュータ」と聞くと何を思い浮かべるでしょうか。今であれば富岳でしょうし、ちょっと前なら京、地球シミュレータ、とまぁ現在も比較的日本が頑張っているコンピューティングの一分野ではないかと思います。そもそもスーパーコンピュータとは何ぞや、という話もある訳ですが（そのあたりはWikipediaを参照していただくとして）、基本的には複雑なシミュレーションを高
米田 優峻さん（E869120@ICPC2022 (@e869120) / Twitter）の著書「競技プログラミングの鉄則 ~アルゴリズム力と思考力を高める77の技術~」をご恵贈いただきました。その感想です。 競技プログラミングの鉄則 (Compass Booksシリーズ) 作者:米田 優峻マイナビ出版Amazon 素晴らしい内容で競技プログラミング初心者への最初の１冊として最もお勧めできる本です。特に、数学も得意というわけではなくプログラミング自体も初めてという方には、ダントツで一番お勧めできる本です。 本書の良い点 １．図が分かりやすい。 最初の48ページが無料公開されているので、百聞は一見にしかずということで見ていただけると良いと思います。i www.dropbox.com 図自体分かりやすいですし全編カラーで書かれているのも良いです。段階的に説明すべきものについて無理に１枚に納め
最強将棋AIが新境地へ、DeepMindのAI「AlphaTensor」が50年以上停滞していた行列乗算アルゴリズムの改良に成功
囲碁世界チャンピオンを打ち負かしたDeepMind製のAI「AlphaGo」は度重なる機能強化によってチェスや将棋などあらゆるボードゲームへの対応を果たしました。新たに、AlphaGoの系譜を受け継ぐAI「AlphaTensor」が「行列の積を計算する最適な方法を求めるゲーム」に挑み、行列の積を計算する未発見のアルゴリズムを導き出すことに成功しました。 Discovering faster matrix multiplication algorithms with reinforcement learning | Nature https://doi.org/10.1038/s41586-022-05172-4 Discovering novel algorithms with AlphaTensor https://www.deepmind.com/blog/discovering-no
最近またLinux用の日本語IMEを作っている 本件は mozc の ut がどうこうとかは関係なくて、ふと linux desktop を使おうと昨年末に思いまして、昨年末からちまちまやってます https://github.com/tokuhirom/akaza かな漢字変換って作るの難しいのかなぁ、と思ったので作ってみている。これはまさに Just for Fun でやっている。 わりと普通に自分で常用してる分には困らないかな、というところまできている。 以下は、思ってることの垂れ流しという感じで、まとまってないですが。 「日本語入力を支える技術」という本が 2018年に出ていて、この本の内容を読めば、だいたいエンジン部分は実装できる。Amazon のレビューではこの本よんでも実装できないって書いてあるけど、変換エンジン自体は実装できます。 UI が辛い。けど。 エンジンは、ビタビア
ChatGPTにブログ全エントリを学習させて「おしえてきしださん」を作る - きしだのHatena
最近「100万件の文章をChatGPTに学習させて応答チャットを作りました」みたいなニュースがあって、違和感があります。 ということで「ChatGPTにブログ全エントリを学習させて「おしえてきしださん」を作る」としたときに、どんな仕組みになっていて、なぜ「ChatGPTに文章を学習させて」ということに違和感があるか見てみます。 とりあえずこんな感じで、質問に対して答えれてるっぽいチャットができました。 まず、Embedding APIを使って、全エントリのベクトルを得てMongoDBに突っ込んでおきます。 このエントリでやってるので、そのまま使います。 GPTのEmbeddingを利用してブログの投稿に対する近いものを探し出す - きしだのHatena 質問が入力されたら、質問文も同じようにEmbeddingでベクトルをとってきます。 var req = EmbeddingRequest.
技術部の笹田です。今日で退職するので、バタバタと返却などの準備をしています。 本記事では、Rubyの並行並列処理の改善についての私の取り組みについて、おもに RubyKaigi 2022 と 2023 で発表した内容をもとにご紹介します。 並行と並列はよく似た言葉ですが、本記事では次のような意味で使います。 並行処理（concurrent processing）は、「複数の独立した実行単位が、待っていればいつか終わる（もしくは、処理が進む）」という論理的な概念で、古典的にはタイムシェアリングシステムなどが挙げられます。 並列処理（parallel processing）は、「複数の独立した実行単位のうちのいくつかが、あるタイミングで同時に動いている」という物理的な概念で、古典的には複数のCPU上で同時に実行させる、というものです。最近では、1つのCPU上で複数コアが同時に動いている、という
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
sha256の逆変換ツールのお仕事(その他（システム開発）)【クラウドワークス】
Web制作者はしっかりと理解しておきたい！ CSSにおけるレイアウトアルゴリズムを解説
イーロン･マスク氏、自身のツイート優先でアルゴリズムの変更指示－報道
輸送問題を近似的に行列計算で解く（機械学習への応用つき） - 私と理論
将棋AIの強化学習の基礎が根底から変わりそうな件 | やねうら王 公式サイト
電子ルーレットの結果に不正が無いという納得感を演出するにはどうすれば..
頻出単語表示、わずか9KBのAI日本語単語分割ライブラリ「TinySegmenter」をESモジュール化
ChatGPTにお前はどうやって実装されてんの？って聞いてみたら
ヤフーの検索エンジン技術契約、Googleから変更検討 - 日本経済新聞
シンプルかつ高速な文字列照合アルゴリズムを紹介します - エムスリーテックブログ
間違いだらけの「バタフライエフェクト」、その本当の意味とは
ジャック・ドーシーがBlueskyを辞めた理由をもうちょい詳しくエスパーする｜KingYoSun
Twitterは特定のメディアを優遇し、さらに「トレンド操作」をしていたのか
AWS、PythonでMeCabを使う際の語彙データを無料公開 | Ledge.ai
「スーパーコンピューターを20万円で創る」を2480円で創る #1 - Qiita
「競技プログラミングの鉄則」のレビュー - じじいのプログラミング
最近またLinux用の日本語IMEを作っている - tokuhirom's blog
Rubyの並列並行処理のこれまでとこれから - クックパッド開発者ブログ
anond.hatelabo.jp
share.google
prtimes.jp
news.yahoo.co.jp
www.idein.jp
digital.asahi.com