Fujie's Blog

　毎年恒例の夏合宿に行ってきました．発表した学生の皆さんはご苦労様でした．
　春に続いて軽井沢セミナーハウスでした．ここはバスケットボールができるから個人的には嫌いでは無いです．虫が多いのが難点ですが…．先生をはじめ，短パンでサッカーをやっていた人は虫刺されが酷かったようです．

　CNET Japanの記事
　面白い実験をやるようです．

Robot Watchの記事．
というか，Robot Watchなるものがあるのを今知りました…．

　MIRU2006に，修士の学生が二人発表するということで参加してきました．
　画像関係の学会にはあまり足を伸ばしたことが無いのでよい勉強になりました．パターン認識に関する発表が少なかったのが意外でした．発表件数が多く評価も高かったのはビジョン系の研究のようだった印象を受けました．
　さらに意外なことに，板倉先生の講演（音声信号処理の歴史的な話）を聞けたのが思わぬ収穫でした．

　ルールの意味を勘違いしている人が目立つ．
　ルールが規定されない範囲は，考えなくてよいと思ってはいないか．ルールが規定されない範囲は，考えなくてよいのではなく，各個人にその判断が委ねられているだけである．その判断が間違っている（という判断がどこかで下された）ケースが多くなってきた場合に，新たなルールが規定される．
　新たなルールが生まれることそのものが，そこに問題があるということを示唆している．

　「知る」と「解かる」は根本的に違う．知らないことを解かるのは無理かもしれないが，解ってることを知ることは容易だ．
　新しい概念を持ち込まれたときは，理解するのが難解なことが多い．
　例えばプログラミング．これは研究室に配属されてくる学生も，だいたい本格的に始めるのは研究室に配属された後だったりすることが多い．プログラミングは，それまでの概念では捕らえられない．捕らえきれないと言うものではなく，思った以上に制約が多いためだと思う．
　コンピュータは何でもできそうで，できることは限られている．レジスタ，プログラムカウンタ，メモリ，入出力…，大した仕組みでは無いが，これを知らないがために，C言語のポインタや関数を今までの数学のアナロジーで理解しようとする．これがそもそも不自然なのである．
　一方で，C言語で苦労してポインタなどの概念を正確に理解した上で，他の言語，JavaやPerlなどを学習するのは容易い（容易いが，Cのスタイルに縛られたプログラミングをしがちという点はおいといて…）．

　学部生の時に数理計画法を授業で学んだとき，その担当教授は「皆さんは日常的に最適化っていうのをやってるんですよ．」とおっしゃった．確かに私たちは常に何らかの評価関数を用いて日々最適化を行っているということは間違いない．
　しかしその評価関数というのは日々刻々と変化している．
　目の前に立ちはだかった壁をとにかく乗り越えることだけを考えて最適化すると，最終的なゴールは当初の目的とはかけ離れたものになりかねない．かと言って，最終的なゴールばかり見て最適化を行うと，ゴールまでたどり着けないということも起こりうる．

　これまでの経験（g）から将来を予測（h）し，次の一手（f=g+h）を決めるのがよかろう．これをA探索と言います．あれ，いつの間にか講義になってる…．
　皆さん，この探索がA*になるように頑張りましょう．

　詳しくはこちら…ってA探索についてはまだ書かれてなかった…．

　ギャル文字とmixi

　ギャル文字ってなんで流行ってるのか未だに分かってないんですが，まあラップで言うスラングみたいなもんですか？fatをphatとわざと書いたり，複数形のsをzに変えてみたりと，発音が対応しているにも関わらず別の表記をするという意味では似てるのかもしれませんね．

　一度の発話（書き言葉では一文に対応するとすると）で伝わる情報量は，対面対話＞非対面対話＞録音された音声＞書き言葉，なんではないでしょうか．音声も文字も基本的に一次元的に情報をつらつら書いたものですが，対面していれば顔の表情が使え，声で伝えれば声の調子で伝わる情報がある，対話は一方向では無いから割り込むことができる．と，今いい加減に考えたのでかならずしもこの分類がいいかどうかは分かりませんが．

　元記事で「ねぇ」を使ってることをギャル文字と同様のこととして捉えていますが，これは同記事で指摘しているように話し言葉に近づけようとすることの一環だろうと思われます．ギャル文字の様に既にあるものを置きかえている（しかも特に伝わる情報を変更しようとはしない）ものとは異なるものであると思います．書き言葉に情報を付加する，という意味では顔文字も似たようなものと言えるでしょう．

　ただし「ねぇ」にしても，顔文字にしても，それを実際に音声におきかえたり，表情におきかえたりする（デコードする）のは受け手にまかされている，という点が対面対話や音声を使ったやり取りと決定的に違う点です．（これをあまり理解しないで下手に使うと，誤解を招いてしまう）

　個人的にはギャル文字に関しては肯定も否定もしませんが，読めないんで無視します．うーん，ちゃんと暗号の役目果たしてますね．

　久しぶりに計算機ネタで．
　時系列のデータを扱っていると，音声や動画から計算された尤度をプロットして眺めたいことがしばしばあります．そんな時役に立つのがgnuplotの以下の機能です．詳細は分かりませんが，この様な方法で出来ます．

set yrange[0:100]
plot "output.txt"
pause 0.1
reread
watch

上記のような内容を記述したファイルを test.gnu として保存したら，

% gnuplot test.gnu

で0.1秒毎にoutput.txtの内容がプロットされます．

　BET Awards、カニエ、メアリー・Jが２部門受賞
　ちょっと遅れた話題ですが，Mary J. BligeがBETで2部門受賞したそうです．で，その会場で彼女も参加したBusta Rhymesのパフォーマンスが鳥肌モノです．参加したのが…

• Busta Rhymes


• Kelis


• Will.I.Am (from Black Eyed Peas)


• Mary J. Blige


• Rah Digga


• Missy Elliott


• Lloyd Blanks


• Papoose


• Eminem

　基本的には，I Love My B***h → Touch It (Remix)の流れですが，最後のEminemはTouch It (Remix)にも参加していなかったと記憶しているので，今回のために歌詞を書き下ろしたのかな？ちゃんとは聞き取れませんが，入りの部分は ATCQ feat. LONS の Scenario の Bustaのヴァースの感じがします．

　経験を積むから強いのか，経験を積める素質がある人が強いのか．
　研究テーマに恵まれないと，なかなか学会で発表できなかったり論文を書けなかったりしますが，一度学会発表すると，その後は順調に研究が進むというパターンが少なくない．果たしてそれは「運」なのか．
　修士の学生の頃は自分も苦労してたので，学生を見てると色々と考えてしまう．

　人生はゲームなんだから楽しまなければならない，みたいなセリフはたまーに目にしたり耳にしたりしますが，実際のところどうなんでしょう．
　恐らく「ゲーム」という言葉は色々な側面があって，僕らの前後の世代以降はまず始めにテレビゲームを始めとするコンピュータ・ゲームが思い浮かびますが，サッカーの試合だって「ゲーム」だし，広い意味では競争をさしてゲームと言うのだろうと思います．
　僕も子供の頃はたくさんコンピュータ・ゲームをしましたし，今でも暇つぶしにたまにコンピュータ・ゲームをやることもあります．そんな時は，その後多少時間を浪費したかどうかを考えてしまうようになりました．

　特に最近考えるのは，音ゲーと作曲の境界．音ゲーだけで作曲が出来るとはとうてい思いませんが（音ゲーはあんまりやったことないんですが），音ゲーみたいなので音楽の感覚をつかむことでそのきっかけ的なものは養われるような気もしないでもない．
　特に最近は自由に素材をリミックスして，その結果を共有するSNSが出てきたりしてますし，ゲーム感覚で作ったものが思わぬヒット曲になるような可能性も出てきたんじゃないかなぁと思います．実際，サンプラーの登場以来，プロの作曲も既存の素材を重ね合わせて，もともといいものを2乗にも3乗にもするっていう手法でヒット曲が生まれてますしね．
　演奏よりも選択，っていうのが重要になってるのかもしれません．

　ちなみにレゲエの世界ではヒップホップの世界で言うDJのことをセレクターって言うらしいですよ．

　コンテンツとデータの違い．

　まず例から入りますと，アナウンサーが喋った綺麗な音声だけを「データ」として集めても，音声認識は出来ません．男性の音声だけを集めても女性の声は認識できません．大人の声だけを集めても子供の声は認識できません．魅力的な文書だけを分析しても魅力的な文書は書けません．ヒットした曲だけを分析してもヒット曲は作れません．
　つまり，「データ」は何を知りたいかに応じて，できる限り全てに近い量を集める必要があります．上の例で言えば，文書という文書をプロが書いたものから素人が書いたものまで全て集めることによって，魅力的な文書と魅力的でない文書の違いというのが始めて見えてくるのです．（全て，と言っても注意が必要で，例えば対象を小説に限るのであれば小説だけ集めてくればいいし，そうでなくても日本語の文書を対象にしているのであれば英語の文書を集める必要は無いということです．）データにおける”質”というのは，ターゲットとする特徴を際立たせるのに十分な量をもつかどうかということにかかっていると思います．
　一方，「コンテンツ」の質は，ひとえにそのもの自体に魅力があるかどうかにかかっているのではないかと思います．

　我々のようにパターン認識などを対象としてる研究においても，データの収集は非常に大切ですが，データとコンテンツにおける「質」の違いを履き違えて，コンテンツにおける「質」の高いデータ（いわゆる"綺麗な"データ）ばかりを集めて満足してしまう人がたまにいるので気をつけていただきたいものです．

コンテンツ業界 vs. データ業界

　世の中，ありがた迷惑な機能とかサービスとかって結構多いですが，その中でも提供者の意図が分かれば迷惑ではなくなるものも多いのでは無いでしょうか．でも，これだけ社会が多様化してくると，その意図を汲み取る暇すらなくなるわけなので，それが直観的でで分かり易いものが重宝されるということなのではないかと思います．

　私は理工学部の出身ですが，学科は電気工学科（旧称）で，理学部と工学部に分かれている大学に行っていれば工学部に属するべき学科の出身です．
　私は昔から何か自分でものを作る，ということに興味がありました．ただ，あまり手先が器用じゃない，というか，根気がないというか，作業の進め方に多少ムラがある方なので，工作などの類はあまり得意な方ではありませんでした．しかし，小学校の高学年あたりに初めてPCを触って概念が変わりました．ソフトウェアの開発は，基本的に幾らでもやり直しが効くため，様々なことが試しやすかったからです．それから一貫して20年近くの間コンピュータを使って何らかの開発をずっと行ってきました．
　工学，というのはものを作るための学問の総称と言うことで，学科を選んだ当事はあまり深く考えてませんでしたが，電気工学科を選択したことは間違ってなかったと今は思っています．
　最近疑問に思うことは，研究室に配属されてくる学生を含めて，みな「自分でものを作る」という意欲があるかどうかということです．意欲はあるのかもしれませんが，自分では作れないと考えている人が多いのではないかと思います．大学で作るのはあきらめて，会社に就職してから作ってやろうと考えている人も多いのではないでしょうか．確かに一人（もしくはごく少人数）で作れるもの，というのは規模に限界があります．しかし，一生のうちで，一人でものを作る機会などは他にとうていありません（ベンチャー立ち上げる人とかを除けば）．周囲に指導教授，先輩方がいて，意見や指導を貰いながらも自分の好きなことができる，というのは恐らくかなり幸せな状況なのだと思います．（プロジェクトとして進行している研究もあり，必ずしも本当に自分がやりたい研究とは言えない人も中にはいると思いますが…）まあ，そのような点を差し引いたとしても，自分の手で何かを作る，ということにもっと貪欲になっていただきたいと思います．皆さん若いんですから．
　一方で，大学で行うのは基礎研究であり，開発ではないのだから，熟考や調査などを重ねて真理を明らかにすることを志すべきだ，というのは真っ当な意見です．私自身，決して物事の真理を探究することを忘れているわけではありませんが，特に私たちが対象としている音声対話やロボットなどの分野は，関連する分野も多く，基礎的な議論よりもまず応用，というような偏りがあるのも事実です．このような点に留意して研究を進めていく必要はあると感じています．
　説教っぽい文になってしまいましたが，タイトルの質問は特に誰かに向けたものではなく，日頃から疑問に思っていることです．最近，プログラムの実装ばかりやってるものですから…．ツールばかり作ってたら開発になってしまうかもしれませんけど，他の人が作れない（思いつかないアイディアの入った）ツールやプログラムの一つや二つ作れずに研究をするっていうのもそれはそれでどうなんだろうという気はします．

　テンプレートいじりすぎて，ほとんど元のデフォルトに戻ってしまいました．
　時代って回るもんですね．