暇人大学放浪記

モラトリアムを持て余した暇人が日々起こった出来事に対する所感を徒然に書いていきます。

お題目

概算~いろい~ろ

はじめに

 どうも、皆さんいかがお過ごしでしょうか?特段変化のない生活を送らせていただいています。 さて、突然ですが皆さんはどういう性格をお持ちでしょうか?几帳面であったり、大雑把だったり、おちょこちょいだったり、お利口だったり…etc。ちなみに私は大雑把でおっちょこちょいです。よく周りに「抜けている」と言われてしまう始末です。こんな私ですが、なぜだか知りませんが理系にいます。理系って…意外と対極のイメージを持たれる方多いんじゃないかと思います。きっちりしていて、理詰めなど。もちろんですがゆるふわの私はそういうところで躓いてしまうことがよくあります。思想としては、「適当にうまくはできないものか?」という考えなもですから(笑)。

 適当はだめだと言われます。まぁ、大概の場合悪く出ます。しかし、時には有効な手段でもあると思います。考えないでどんぶり勘定というのもある種技術だという見方があるということを主張していきたいというそういう魂胆です。例えばどんぶり勘定で一番最初に皆さんが小学校で習ったであろうものは『概算』です。市場規模をざっくり想像する技術でも『フェルミ推定』という名前で広く(一部で?)流布されていたりします。理系的な言葉で言えばそれは『近似』です。

 今回はそういうわけでざっくりと『近似』するやり方を自分なり考えてみました。暇な時にぼーっと考えた僕なりの分数の近似方法と平方数の近似方法です。よければ読み進めてみてください。しかし、皆さんのお役に立つかは分かりません。なんて言っても『適当』に考えた僕なりの『近似』ですから(笑)。

分数の近似

 ある日、『\frac{8}{11}っていくつや?』という問題にぶち当たりました。僕は大体適当なので、『分母分子に1を足しても大して変わらなさそうやろ。だから\frac{8}{11}\simeq\frac{9}{12}=\frac{3}{4}=0.75あたりやろ。』って思いました。

 実際計算すると\frac{8}{11}=0.727272\cdots\simeq0.73でした。『まぁ、あれだけ適当に計算した割にはぼちぼち合ってんな。』という感覚でした。

 しかし、ここでふと思いました。『どういうときにこんな変な近似が成り立つねん。』っと。なので、少しばかりこのへんてこりんな『近似』の挙動について考えてみました。

近似の検討

 分数f(a,b)=\frac{a}{a+b}の近似を考えるためにこんな関数を考えてみます。誤差をf_1(a,b,x)=\left|\frac{a+x}{(a+b)+x}-f\right|,f_2(a,b,x)=\left|\frac{a-x}{(a+b)+x}-f\right|(-10<a,b<10)です。

これでxを変化させたときのグラフの変化を考えます。今回は、f_1,f_2x\leq0 (上段)の場合とx\geq0 (下段)に分けて解析しました。

誤差の特異点の挙動

 Fig.1にxを変化させたときの誤差f_1,f_2の挙動を示してみます。

f:id:kazubon35_2438168:20170922003035g
Fig. 1 x (1 \leq x \leq 100)としたときの誤差の挙動。(上段:x\geq0 ,下段:x:\leq0)

 上の解析からxを変化させた場合、ほとんどは誤差なく近似がよくできていることが分かりました。としたいところなのですが、目盛りを見てみると一部の誤差が発散していてよくわかりません。これは\frac{a+x}{a+b+x}の分母がa+b+x\simeq0となっている時か、\frac{a}{a+b}の分母がa+b\simeq0となっている時にその項の効果が大きくなってしまい、f_1,f_2が発散してしまうからだと考えられます。

 xを変化させたとき、特異点の位置が変わっているのは、a+b+x\simeq0となるa,bxによって変化するからです。

 しかし今考えたいのは誤差です。なので特異点を除いて考えていこうと思います。0\leq f_1,f_2 \leq1なので、1以上の値はすべて、f_1,f_2 =1として解析しなおしました。

特異点を除いて誤差を考えてみる

 特異点を除いてみました。Fig.2にxを大きくしていったときの誤差f_1,f_2の挙動を示してみます。

f:id:kazubon35_2438168:20170922002732g
Fig. 2 特異点を除いてx (1 \leq x \leq 100)としたときの誤差の挙動。(上段:x\geq0 ,下段:x:\leq0)

  xを大きくすると徐々に誤差の大きな部分が大きくなっていることが分かります。これを見ると、『分母が十分大きい中で、xをいくらか加減すること』は近似としてうまくいきそうだということが分かります。 どれくらいのxなら許されるのかというと、計算方法にもよりますが多分x=\pm5くらいが限界なのではないかと思えてきます。いやー、案外難しいですね。

平方数の近似

 よく\sqrt5の近似を考える問題を見かけます。しかし、大人になって記憶もぼけてくると\sqrt5=2.2360679 \cdotsなどすぐに出てきません。『開平』*1などという方法など\sqrt5がいくらかを忘れた人が思い出せるわけありません。

 では、むかしはどうしていたか?『はさみうち』していくらくらいか『評価』していましたね。(覚えていないだと…。)例えば、2.2^{2}=4.84<5<2.3^{2}=5.29だから、\sqrt5=2.2\cdotsだという要領です。2.23^{2}=4.9729<5<2.24^{2}=5.0176というようにこれを繰り返していけば近似はできます。しかしながら、とてもだるい。そこで今回は『連分数』を用いた近似法を考えてみました。

元ネタ

 元ネタはこんな問題です。

【問題】 次の連分数極限*2の値はいくつか? \cfrac{1}{1+\cfrac{1}{1+\cfrac{1}{1+\ddots}}}

実はとある界隈では有名問題であったりします。以下に解答を示しておきます。

【解答】

x=\cfrac{1}{1+\cfrac{1}{1+\cfrac{1}{1+\ddots}}}とおく。

極限だから x=\frac{1}{1+x}が成り立つ。

よってxは、x^{2}+x-1=0の解である。

解はx=\frac{1\pm\sqrt5}{2}である。

x>0より、x=\frac{1+\sqrt5}{2} *3が求めるべき答えである。

連分数を用いた近似法

 逆にたどってみることを考えたいと思います。つまり、\sqrt5=2\times x-1と見るのです。

x=\cfrac{1}{1+\cfrac{1}{1+\cfrac{1}{1+\ddots}}}なのですから、これを代入してあげると、\sqrt5=2\times \cfrac{1}{1+\cfrac{1}{1+\cfrac{1}{1+\ddots}}}-1となります。

三段目あたりで打ち切って『近似』してやると、\sqrt5=2\times \cfrac{1}{1+\cfrac{1}{1+\cfrac{1}{1}}}-1=2\times\frac{3}{2}-1=2

となります。収束性が悪くて若干微妙な近似になってしまいましたね(笑)。

実際にパソコンで100回の誤差を計算して収束性を見てみました。結果はFig. 3のようになります。大体20回行かないところでよく近似できているようです。(最初の誤差のブレがすごい。)

f:id:kazubon35_2438168:20170921042439j
Fig. 3 \frac{-1+\sqrt5}{2} -(近似値)の誤差の評価

一般化

 とりあえず、うまい連分数の極限を用いれば好きな平方数を表現できる。ということをもう少し考えてみたいと思います。例えば\sqrt p (p>1)を表現する連分数を考えてみたいと思います。

 その為に『元ネタ』をグッと睨みます。すると例えば僕ですと、『-1\pm\sqrt pを解にする二次方程式x^{2}+ax+b=0をとりあえず考えてみよう!』と思うわけです。

 解と係数の関係からa=2,b=1-pとなるわけです。

 よって、x^{2}+2x+1-p=0より、変形して、x=\frac{p-1}{2+x}を得ます。

 繰り返しxを代入していき、x=\cfrac{p-1}{2+\cfrac{p-1}{2+\cfrac{p-1}{2+\ddots}}}の極限連分数を得ます。

 x>0なので、これの解はもちろんx=-1+\sqrt pです。これを用いると、

 \sqrt p=\cfrac{p-1}{2+\cfrac{p-1}{2+\cfrac{p-1}{2+\ddots}}}+1を得ます。

 適当なところで打ち切れば\sqrt pの『近似』が出来上がります。例えば、

 \sqrt p=\cfrac{p-1}{2+\cfrac{p-1}{2+\cfrac{p-1}{2}}}+1となります。

 こちらも100回くらい計算したときにどのように収束するか\sqrt5 (p=5)で誤差をFig. 4のように計算しました。Fig. 3と大体同じような挙動を示していました。

f:id:kazubon35_2438168:20170921042433j
Fig. 4 \sqrt5 -(近似値)の誤差の評価

 今回はp>1についてのみ考えましたが、暇な方はp<1について考えてみるといいかもしれません*4

おわりに

 今回は怠惰が怠惰なりにうまく怠惰をするために怠惰の正攻法を模索した結果となりました。すべて読んだ方はお気づきかもしれませんが、『そんなこれうまくいってないんじゃないの?』や『でも実際やっぱりだるいじゃん。前のでよくね?』ってのもあると思います。それについては、『そうだよ、でもせっかく考えたんだし、とりあえず広めてみたかったんだよ!!』って返答しておきます。皆さんもふとした時にこういう風にうまくどんぶり勘定するすべを考えてみるのも楽しいかもしれませんね*5

駐訳と詳細

*1:興味のある方はこのサイトなど見てください。開平法のやり方と原理 | 高校数学の美しい物語

*2:細かい方のために。『収束するならば』という条件が隠れて仮定されています。

*3:ちなみにこれ、僕の記憶が正しければ『黄金比』です。

*4:考えてみると割とダルそうでした。僕だったら、p<1の時は、\frac{1}{\sqrt{p}}で近似求めて逆数とって誤魔化すかなぁ…(笑)。

*5:そんなだるいことやるわけない。

鉄道ディスコで朝まで踊りましょ♪

 

はじめに 

 どうもお久しぶりです。久々の更新エントリーです。院生生活をしているわけですが、最近は実験ではなく解析に回されているため比較的穏やかな生活を送っています。 

 ここでイマイチ研究ってどういうものかわからない人のために解説しておきます。研究室によりますが研究は主に実験班と解析班があります。大概大変なのは実験班です。理由は簡単です。やることが多いからです。実験の下準備からほしい結果を得るためには、研究内容にもよりますが、大変な道のりと時間がかかります。末に良い結果が出れば報われるのですが、大概は失敗します。先人の研究者が残した言葉で『失敗を楽しむようになってからが一流』というのが僕は印象に残っています。解析もやりこみ要素はもちろんありますが、基本個人プレーで他人に左右されることがありません。しかし、大概は今の僕のようにダレます。*1

 そんな風に研究に若干辟易とし、だれた生活をのうのうと送ってきました。ある日友達から『インターン』という言葉を聞きました。「そうか、僕もそういう時期が…。」と思いインターンを考えました。『みんなやってるしやるか』の精神で取り合えず片っ端から面白そうなところに出しました。*2僕のスタンスですがこういう選択肢が多いものは考えるだけ無駄です。実際に行ってやってみて初めて分かることの方が多くて、自分の少ない経験の上での判断は大概外れます。今回大事にしたのは学科のみんなが出してる『重工系メーカー』にだけは絶対出さないことです。*3

 結局そんなやる気があって臨んだわけでもなく面接も1回くらいしか行きませんでした。*4そんな中で何の因果かES(エントリーシート)審査オンリーの鉄道系の企業に行きました。少し面白かったのでここにまとめてみようという魂胆です。*5

 

インターン

鉄道企業に行ってきた

 何の因果か鉄道企業に3日ほど行ってきました。印象としては「なぜ機械系のインターンに結局来てしまったんだ。」という感じです。当時は自分でこのインターン先を選んでしまった自分が分からないという気持ちでした。インターン初日に「君は集電装置と電車線の部署に行くからね。」と言い渡されました。聞いた瞬間「え…凄くつまんなそう…。っていうか『シュウデンソウチ』って何それおいしいの?」って感じでした。

 

集電装置部門

 集電装置とは何でしょう?どうやら『パンタグラフ』のことを鉄道業界では厳めしくそういうようです。パンタグラフは以下のFig. 1に貼っておきます。

 

f:id:kazubon35_2438168:20170915010131j
Fig. 1 パンタグラフ

 瞬間見てみて思いました。『地味だなー。』っと。しかしどうやらこれがいくらか難点があるようです。難点を説明する前に『パンタグラフってなんなの?』って説明していきます。ちなみに僕はこのインターンで初めて名前を知りました。*6

 

パンタグラフとは…。

 パンタグラフについて簡単に説明します。まず電車は電気をもらって走っています。その為には、電気をどこかから車体に供給しないといけません。大胆に言ってしまえば、『高速で動く巨大構造物に大電流を供給し続ける部品』をパンタグラフといいます。その為にパンタグラフはむき出しの電線から大電流を常に供給されています。そんな激しいことをやっているのでもちろんいくつか問題点もあるようです。

 

問題点

 理想のパンタグラフを述べます。大きく言って二つです。

  1. 電線からずっと離れない。
  2. 騒音がない。

この二つが完璧に満たされたら最高です。しかし、大概世の中はうまくできていません。実際は

  1. 電車線に追随しない(追従性)
  2. うるさい (騒音性)
  3. パンタグラフが電車線に擦れて削れる (摩耗性)

など多岐にわたる問題点を含んでいます。  

追従性

『追従性って大事?』って言われたら、『大事です。』と答えるのが筋です。『離れるとどうなるの?』という疑問が出てきます。電車線とパンタグラフが離れると、Fig. 2のようなアーク放電がでます。

f:id:kazubon35_2438168:20170915010150jf:id:kazubon35_2438168:20170915010946j
Fig. 2 アーク放電

 上が皆さんが想像するアーク放電、下が実際のアーク放電です。上だけ見たらなんかやばそうですよね。インパクト薄れましたが、下図のような事がおこっても、まぁもちろんヤバイです。アーク放電が起こった分だけパンタグラフと上の電線もろとも疲労します。だから、なるべく綺麗にパンタグラフは電線に追従して欲しいんです。

 さて、なぜパンタグラフは電車線に追従しないのでしょうか?それは、上の電線が車両が走行することで揺れまくるからです。揺れのメカニズムは完全に解明されていないのでこれも問題です。他にもいろいろな観点から容易にはこの問題を解決できない状況にあるようです。

騒音性

 日本は電車の騒音に厳しいです。理由の一つは、ありえない数の電車数で市街地をバンバン走るところは日本くらいしかないからです。なので騒音対策が要求されます。電車で騒音の原因は大きく2つです。

  1. 車輪
  2. パンタグラフ

だからパンタグラフの騒音を下げるのは日本では一つ大きな課題なのです。(Fig. 3)

f:id:kazubon35_2438168:20170915010922j
Fig. 3 騒音問題

 騒音ってなんで起こるのでしょうか?理由はむき出しのパンタグラフが高速で動くからです。おかげで周りの空気がパンタグラフにぶつかりまくって、Fig. 4のような空気の渦を起こします。生じた空気の渦が騒音の原因です。*7渦を消したいまたは制御したいという要求が一つあります。

f:id:kazubon35_2438168:20170915013506p
Fig. 4 パンタグラフの空気の流れ

高速で動いているがゆえに飛行機じゃないのにパンタグラフに飛ぶ力(揚力)も生まれます。(パンタグラフではないですけどFig. 5 みたいな感じ。)

f:id:kazubon35_2438168:20170915010943j
Fig. 5 揚力の図

これがパンタグラフの設計を難しくしているところです。高速で走るがゆえに考えなくてはいけない物理現象が多数出てくるのです。 このような騒音や揚力の制御は主にパンタグラフの形で改善が試みられています。

摩耗性

 パンタグラフは常に高速で電線を擦りつけつづけます。だからもちろんFig. 6 のようにもりもり摩耗します。

f:id:kazubon35_2438168:20170915014424j
Fig. 6 パンタグラフの摩耗

 摩耗すると何が変わるでしょうか?そうです。形状が変わります。そうすると、せっかく騒音を下げるためにパンタグラフを設計したのに、パンタグラフの形が変わるので台無しになります。だから、摩耗に強く良い電導性がある材料が要求されます。

 しかしそれぞれの問題は相互に連関していて、こっちを立てたらあっちが立たないということが良くあります。また、いいアイディアを出したと思うと実用の壁にぶち当たることも多々あります。パンタグラフの設計の困難さはこういう現実の折り合いの付け方というところに一つある気がしました。

電車線部門

 パンタグラフについて見てきました。今度は始点を上に上げて電車線に目を向けてみましょう。(僕は2日目にこの電車線の部署に回されました。)電車線とはFig. 7みたいな感じです。

f:id:kazubon35_2438168:20170915010919j
Fig. 7 電車線

 拡大するとFig.8みたいな感じです。鉄道業界では『トロリ線』というらしいです。

f:id:kazubon35_2438168:20170915010930j
Fig. 8 電車線拡大図(トロリ線)

問題点

 パンタグラフでは課題と問題点がありました。トロリ線でも課題と問題があります。大きく分けて以下の2つです。

  1. 揺れ方がわからない (追従性)
  2. 摩耗しない硬い電線が欲しい (材質)

追従性については先ほど言及した通りなので、材質について言及します。

材質

 摩耗しない電線は理想的です。しかし、電線は固くもあって欲しいのです。硬い電線というのは実は重要な要求なのです。なぜなら、硬いとより強く引っ張れます。強く引っ張ると物理の法則から伝搬する波が速くなります。(Fig. 9 みたいな高校物理の問題みたいな感じが実際電線でも起きています。波の震源部分がパンタグラフに対応していて、実際は震源も動く問題だと考えられます。あんまり適切ではない気もするが…(笑)。)

f:id:kazubon35_2438168:20170915021844j
Fig. 9 電車線の波のざっくりしたイメージ

波が速くどっか行ってもらえれば、波の影響を考えなくていいのでパンタグラフは電線に追従しやすくなります。結果より速く電車を安定して走らせられます。目的は電車を速くして国内飛行機より速くしたいのです。そして、みんなに飛行機よりも電車を使ってもらってお金を稼ぎたいんです。このためには固い電導性のいい材料が欲しいのですね。なるほどと言った感じでした。もちろん、車体性能の向上やパンタグラフの向上も必要不可欠です。

おわりに

 今回は終電装置に絞ってまとめました。理由は僕はそこしか見ていなかったからです。しかし、他にも地味でありますが難しい物理問題が鉄道には山積しています。意外と『何?!地味だと思ったのに意外と複雑じゃねーか!話が違うぞ!!』と言った感じでした。それくらい、普段目にする鉄道は気づきにくいけどありえないものだということです。今回の学びでした。だからって在来線の名前とか覚えないけどね。*8これ一体誰に向けて書いたんだろうな。

駐訳と詳細

*1:完全に個人差です。

*2:時には全く興味のないところへもあえて行きました。僕はパチンコ店のインターンとか1dayですが行ってみました。

*3:結果途中で考え直して少しそれに近いメーカーに出しました(笑)。重工系も素直に見とけばよかった。ちゃんと文系の職業のES書いときゃよかった。など後に隠れて沢山後悔しました。怠惰は敵ですね。

*4:金融系を無対策で受けてみたのですが綺麗に落ちました。世の中甘くないですね。

*5:素人意見なのでご注意下さい。

*6:鉄道オタクの女の子から『コイツ人間かよ…』みたいなリアクション取られました。普通知らないよって感じです(笑)。

*7:ちなみに渦から音が出るメカニズムは完全には解明されていないようです。

*8:インターンではもちろん鉄道オタクがいっぱいいました。会話がコア過ぎてついていけなかったです…。

最近思うことを徒然にまとめてみた。

はじめに

 皆様、いかがお過ごしでしょうか?最近は雨天が続き学校に行きたくない日が続いています。僕は院進してから大学の課題が忙しく、研究を『明日やる明日やる』と言う馬鹿野郎になりながら、日々をのうのうと過ごしています。『めっきり人とも会わなくなってしまっているなぁ。』と感じます。研究室でズーッとパソコンに向かっていると何やら昔のことを思い出してしまいます。『こんなことがあったなー』とか、『あれ一体なんだったんだろうなー』とか徒然に思い出してしまいます。ボーッと思い出していると、不思議なことに何やら当時は気づかなかったことが分かることも出てきます。分かったところでだれに言っても伝わるものではなく、面白いことではないわけです。しかし、どこかに発散しないと気持ちが収まらないというのが人情というものです。そこで今回はボーっと思いだした僕なりの不思議な経験とそれに対する僕なりの独断と偏見にまみれた考察をここに書きなぐっていきたいなぁっと思います。それは、ある一つの本を出版するところから始まりました。(話がややこしくなるのを避けるために詳細のところに本のリンクを貼っときます。*1 )

 本記事では、僕が編集者の人に少しだけ関わった経緯を時系列的に紹介し、思ったことをまとめていきたいと思います。

なかみ


ことのはじまり

 僕はカレーを作るサークルでカレーを食べていました。それ以外は特に何もしていません。カレーは普通のレトルトではなく、Fig. 1に示すような、アジアテイストのカレーでした。正直僕はこれをサークルに入るまで知りませんでしたし、この後これが、サブカルの門戸を開ける鍵になるとは微塵も想像していませんでした。ただうまいなと思っていました。
f:id:kazubon35_2438168:20170622151422j

Fig. 1 カレーイメージ


 商売をしていると、良く通ってくるなじみの客という方が出てきます。その一人に編集者のAさんが居ました。Aさんはカレーを作っているうちのサークルの部長に興味があるらしく、気が付いたら本を出す流れになっていました。

はじめて会った出版社の方

 本を出すにあたり、いくつか記事を作らなければなりません。しっかりと編集者のAさんと行動を共にしたのは本に出す記事の取材の時でした。この時の取材はカレーに関係してタンドール窯を作る中小企業にお邪魔しました。ちなみにタンドール窯とは、Fig. 2に示すように、カレーに添えるナンを焼く専用の窯です。どうやらインド人相手に商売をする難しさ、JIS規格をクリアする必要があるなど、諸々の理由から、費用対効果がとても悪いらしく新規参入企業は居ないようです。


f:id:kazubon35_2438168:20170622141020j:plain

Fig. 2 タンドール


 この中小企業はとてもディープな中小企業でした。(一体全体どこで、この企業を知ったのかは分かりませんでした。*2 )

 取材後、僕たちは本を出してくださる出版社のBさんと合流しました。飄々とした気さくな方でした。過去に蛭子能収さん*3ナンシー関さん*4の担当をしていたようです。僕は忘れられた時代を生きた人たちがまだ生きていると言う事(当たり前ですけど、同世代ではそういう昔の価値観なんて持った人もう居るわけないから実感湧かないんですよね。)、そして彼らが彼らなりにまた新しい文化を作ろうとしていると感じ密かに衝撃を受けました。

ぼくが見た舞台裏

 一通り著者が原稿を書き終えた後、本が無事出版されました。僕は本と言うものは出版したら終わりだとずっと思っていました。しかし、違いました。時代は出版氷河期です。出版したら誰かが買ってくれるなんてことはあり得ないわけです。*5買ってもらう努力は売ってから始まるのです。ラジオや新聞で取材してもらったりして、本の存在を知ってもらいます。本屋さんにもわざわざ行くときAさんはわざと『〇〇の本どこですか?』とわざと聞きます。そうして、店員さんに名前を憶えてもう様です。その積み重ねの先に重版があるのです。

 僕はその中で僕はYoutuberの方に本の紹介をする企画に参加しました。詳細は割愛しますが、僕はその時あの手この手を使い『サブカルの好きな方たち』が見つけられる丁度いい所に広告を打っているんだなぁと思いました。全て、こういう取材などは日ごろのAさんの活動や人的ネットワークによるものだと思いました。そうやって、何人かで集まって一つのまとまったカルチャーを作る時代になったのだなぁと思います。

編集者とは

 僕は活字離れと戦うAさんをみていていくらか思う事がありました。その一つが、どうやってこの人が生まれたのだろうか?という素朴な疑問です。その経緯を知るヒントとなる雑誌が最近出版されました。*6  内容の詳細は割愛しますが、Aさんは浪人の時に池袋で出版の道に進んだようです。僕はこの雑誌を読み、今の出版の就職のしにくさ、日本の基本的の固定した社会とは違う時代の日本をそこに見た気がしました。今はないけど、こんな時代が存在していたのだなぁ。っとしみじみ感じました。

おわりとこうさつ


フリーの編集者を通して

 本の出版作業を間近で見る機会を得ていくつか僕なりに思ったことがありました。先ず一つにホントにサブカルって色々な幅を持って居る様で繋がっていると言う事です。それを意図的につなげている部分があります。時代の移り変わりで多少は新しいサブカルが生まれてくるような気がしますが、意外と根っこは同じなのかなっと思いました。(ところで、『サブカルってそもそも定義何?』って聞かれることあるけど、これはまだ僕の中で決着ついてません。すいません。)  
 また、Youtuber等を見ていて思ったのですが、今は表現するという敷居が本当に低くなっていると感じます。簡単に自分の力で思ったようなコンテンツを生み出せる様になっている。それは、娯楽の価値が低下することを暗に意味していると思います。そして、オリジナリティってそんなにないんじゃないかなっても思いました。まぁ、個人的見解です。  
 最後にこんな貴重な経験ができたことを誰にともないですが、感謝したいと思います。

注訳と詳細

*1:僕が流れで変な経験をするきっかけを作ってくれた本です。
京大カレー部 スパイス活動

*2:どうやらタモリ倶楽部と言う番組にも出演されていたようです。
タモリ倶楽部 1月22日放送~インド人がマジリスペクト!タンドール窯の父、高橋重雄 : Halohalo online

*3:ヘタウマと言うジャンルを漫画雑誌:ガロ等で打ち立てた漫画家です。編集者さんは『ヘタウマって言うけどあれは単なる下手だったよね(笑)。』とおっしゃっていました。当時売れるとは思っていなかったそうな…。担当者も全部売れる売れないを分かりきってるわけではないんですね。一冊適当な本を挙げておきます。
蛭子能収コレクション 地獄を見た男?地獄編?

*4:1990年代あたりに活躍されていた芸能、サブカルエッセイストと言うフワッとした認識を持っています。彼女の本は京都のサブカルバーなどに置いてあったりします。Wikipediaによると、マガジンハウスの雑誌:ホットドックプレスから生まれた作家の様です(真偽は知りませんが)僕は当時自我が芽生えてなく、想像で『こんな時代があったのかなぁ』と思いを馳せる程度でしたが、まさかその空気を作った方に会えるとは思っていませんでした。話を聞いていて本当にあった時代なのだと思いました。一冊適当な本を挙げておきます。
お宝発掘!ナンシー関

*5:余談ですが、その後、漫画:『重版出来』を読み一人涙しました。単純とか言わないでね。
重版出来!(1) (ビッグコミックス)

*6:編集者さんのことを書いた雑誌です。何ページにあるかは秘密です(笑)。
SPECTATOR - β version

今年の京都大学の整数問題が受験生をなめている件について.

 

 

はじめに

  どうもお久しぶりです.春休みですね.だからと言ってぼくはこれと言って暇だと言うわけではありませんでした.

 まぁ,そんな近況はさておき,最近国立の入試が終わりました.大学を入学してしまえば受験問題なんて何の役にも立たないものだとは思いますが,呆けた脳みそを動かすには少しは薬になるのではないかと思います.

 そんなこともあり,気になった問題だけを今年も数問解いてみました.そしたら,意外や意外.去年と今年の整数問題の答えがまるっきり一緒だと言う事に気が付きました.これは京都大学がついに入試問題に手を抜くようになってしまったと言う事なのでしょうか?(そんなことはないって分かってるよー.)この事実を早く周知せねばならない.そして,俺ははてなブログを使って早くTeXが打てるようにならなくてはいけない.そういう多数の欲望と需要が混ざり合った結果この記事を書くことにしました.

 まぁ,そういうことで,今年の入試問題と解答(俺が作った奴だからあってるとは限らないし,クソセンス悪い可能性ある.)を載せてみようかなーって思いました.ちなみに,サークルの後輩にも解かせたのでそちらの別解も(無断で)載せました.気合い入れて今回は入試問題と同じ全角ピリオドと全角カンマの文章でお届けするぜ!!!

 正直かったるい人は解答とか見なくていいと思います.

2016年度の整数問題

問題

 まずは問題から.

{素数p,qを用いて,}

{p^q+q^p}

{と表される素数をすべて求めよ.}

解答

{p,qの偶奇が一致する場合を考える.}

{p,qともに偶数の時をまず考える.}

{偶数の素数は2しかない.}

{この時2^2+2^2=8より不適.}

{よって偶奇が一致する時はともにp,qは奇数である.}

{p,qともに奇数の時}

{奇数は何乗しても奇数なので,}

{p^q+q^pは(奇数)+(奇数)となり,}

{値は(偶数)になる.そのような値で素数は2だけである.}

{又,最小の奇数の素数は3なので,}

{p^q+q^p \geq 3^3+3^3 \geq 2であり不適.}

{よって,p,qともに偶奇が一致することはない.}

{なので,p,qいずれかが偶数素数の2を取る.}

{便宜上p=2として考える.}

{この時満たすべき式は,}

{2^q+q^2となる.}

{これが素数となる時を考えればよい.}

{ここから以下の議論では3を法として考える.}

{q=0の時}

{値は2^0+0^2=1である.}

{q=1の時}

{値は2^q+1^2である.}

{qは奇数なので,2^q=2である.}

{よって2^q+1^2=2+1=0となる.}

{よってこの時の取り得る値は3である.}

{しかし,q \geq 3より,}

{2^q+q^2 \geq 3なので不適.}

{q=2の時}

{値は2^q+2^2=2+1=0となる.}

{q=1の時と同様の議論により不適である.}

{以上の議論から,q=0の時の素数,}

{つまりは,q=3の時のみ成り立つ.}

{よって求める素数は,(p,q)=(2,3)の時}

{2^3+3^2=17である.}

{QED}

 

 まぁ,ここで必要な情報って{(p,q)=(2,3)}って事だけなんですけどねwww.解答まで載せる必要はなかったんですけど一応.

2017年度の整数問題

問題

{ p,qを自然数,\alpha,\betaを}

{ tan \alpha = \frac{1} {p},tan \beta = \frac{1} {q}}

{を満たすとする.この時}

{tan (\alpha+2\beta) = 2}

{を満たすp,qの組(p,q)をすべて求めよ.}

俺の解答

{tangentの加法定理よりゴリゴリ展開して,}

{tan 2\beta = \frac{2tan \beta} {1-tan^2 \beta} = \frac {\frac {2} {q}} {1-\frac {1} {q^2}} = \frac {2q} {q^2-1}}

{tan (\alpha+2\beta) = \frac {tan\alpha + tan2\beta} {1-tan\alpha tan2\beta} = \frac {\frac{1} {p} + \frac {2q} {q^2-1}} {1- \frac{1}{p} \frac{2q}{q^2-1}}}

{=\frac {q^2-1+2pq} {pq^2-p-2q}=2}

{分母を払って,}

{q^2-1+2pq = 2pq^2-2p-4q  …★}

 

{q^2以外を右辺にもってっちゃいましょう.}

{q^2= 1+2pq^2-2p-4q-2pq }

{= 1 + 2(pq^2-p-2q-2pq)}

{なので,q^2=(奇数)だと分かります.}

{偶奇は自乗しても変わらないので,}

{qが奇数だと分かります.}

 

{また,★をpについて解くと,}

{p = \frac {q^2+4q-1} {2q^2-2q-2} …▲を得ます.}

{pは自然数なので,p \geq 1だから,}

{p = \frac {q^2+4q-1} {2q^2-2q-2} \geq 1}

{これらの分母を払うときに注意して,}

{(分母の正負に注意し場合分けが必要.)}

{( q^2+4q-1 \geq 2q^2-2q-2 \land 2q^2-2q-2 \geq 0 ) }

{\lor ( q^2+4q-1 \leq 2q^2-2q-2 \land 2q^2-2q-2 \leq 0 )}

{上の条件を満たす奇数の自然数qを探すとq=3を得ます.}

{(詳細な計算は手がつかれたので割愛しました.)}

{よって▲より,p=2を得ます.}

{よって答えは(p,q)=(2,3)だと分かりました.}

{QED}

 

 これで,分かったと思います.どれも答えは,{(p,q)=(2,3)}で一つしかないことに.しかも,「すべて答えろ.」とか言っといて一個しかないことに!!

 学生なめとんのか!!メッチャお茶目やん!って感じでした.まぁこんなしょうもない事を言いたかっただけなんですけどね.

 偶数,奇数の議論は,実際答え見つけるときに結構役に立つ情報でした.解答は答え見つけて逆算してこじつけるって作り方です.(実際は(笑).)

 

後輩の解答

 実は,この問題後輩にも解かせてみました.「文理共通問題だから文系でも解けるデー.」って文学部と法学部の後輩を煽りました(笑).

 すると文学部の子が「僕もむかしは数学が得意だったんで.」とかプライドだして張り合ってきました.そして,この問題を解き出しました.しかし,数分後綺麗にドツボりました.(ざまみろって感じですね.)それを見た法学部の後輩が「貸せ!!」って言って解きました.結局二人ともドツボったのですが,最後は二人で僕のよりもいいであろう解答を出しました.わりと「へーこんな解き方もあんのか.」とか感心したので載せときます.アタマ良いですね.(マジで.)多分こっちが正規解答なんじゃないかと思いました.(良問は別解がよく出るんですかね.)

 

{加法定理まで一緒なので★から始めます.★より,}

{(q^2-1)(2p-1)-2q(p+2)=0}

{(q^2-1)(2p-1)=2q(p+2)…◆}

{ここで左辺の2p-1は奇数,右辺は偶数より}

{q^2-1が(偶数)であり,qは(奇数)である.}

{2(p+2)と2p-1,qとq^2-1は}

{p,qが自然数の時,}

{それぞれ互いに素だから,}

 

{(2p-1は奇数だから,2と互いに素は自明.}

{2p-1=k(p+2) (kは整数)とすると,}

{p=\frac{1+2k}{2-k}=-2+\frac{5}{2-k}}

{pが整数となる時,k=7,-3で}

{p=-1,-3より自然数に反する.}

{また,qとq^2-1も互いに素です.}

{\frac{q^2-1}{q}=q-\frac{1}{q}で}

{明らかに整数にならないからです.)}

 

{q=2p-1…■を得る.よって◆は,}

{(q^2-1)q=2q(p+2)となる.}

{(q^2-1)=2(p+2)より■と合わせて,}

{(p,q)=(2,3)を得ます.}

{QED}

 

 互いに素と言う性質を上手く使っていてとてもシンプル.俺,馬鹿みたいですね(笑).いい解答でした.

 

おわりに

  実は今回はこのはてなブログTeX機能の練習を兼ねて,色々書いてみた次第です.その中で>と連立方程式が僕の実力不足の為書けませんでした.(トラブルシューティングを放棄した.)

 そのため,連立方程式が書けないのは今回どうってことないんですけど,不等号は『<,>』とすべきところを『{\leq,\geq}』としてしまってます.まぁ,気にしないと思うけど注意してください.(はてなブログTeX機能とてもバグが多いのも何とかして欲しい.僕のPCのスペックのせいかな?)

  高度なナンプレって感じでしたね.今回の問題から得られる示唆は,『整数問題でただ一つ答えろ』って問題が出た時,全く分かんなかったら受験生は{(2,3)}って答えておけば部分点もらえるかもしれねーぞってことですね.解答ミスがあったら「あ,こいつ間違えてやがら!バッカでーいww.」ってやさしく見守っておいてくださいね.

詳細

 問題ソース

2016年度理系数学

http://kaisoku.kawai-juku.ac.jp/nyushi/honshi/16/k01-21p.pdf

2017年度理系数学

http://nyushi.nikkei.co.jp/honshi/17/k01-21p.pdf

 

 

 

IoTって言葉の楽屋裏

IoTって言葉、2.3年前から僕は聞こえて来てるような気がします。ドローンとか出て来たからかな?とか思ってました。
でも、僕はずっと最近まで「ウサンクセー言葉だな」とか思ってました。そんな事を思ってたある日オヤジから「rassberry piが熱い」とか言ってrassberry piのガジェットが頼んでもないのに送られて来ました。「ラズベリーパイって何だよ。食えねーじゃん。」とか思ってほったらかしていました。コレが送られた、らずべりーぱい(はちみつぱいじゃない)。ミニパソコンにしか見えない。

しかし、ある時、まぁなんか意味でもあるんだろうと送付されてた本をペラペラっと開いて見ました。

これ1冊でできる! ラズベリー・パイ 超入門

これ1冊でできる! ラズベリー・パイ 超入門

「…ワッカンネー…」って15分くらいで本を閉じたと思います。その後しばらくして、少し人工知能のセットアップにハマり、こんな雑誌を見かけました。
Amazon CAPTCHA

これ見て直感しました。基盤ボードってなんかキテルのカナ?って、でざっと調べた感じこんなんが出て来ました。

rassberry pi3

beagle bone

arduinono

ナルホド。こういうのが出て来て安価にハイレベルな電子工作が可能になったんですね。
中にはロボットやスーパーコンピュータのガジェットを作る人も出て来ています笑。

ロボット

スーパーコンピュータ

まぁ、人工知能でガジェット作ってる人もいました。

これ見てて気がつきました。「IoTって、安価でハイスペックなCPUボードが出て来たからスゲーって事なのか。」ってコトに。革命の本質はこのCPUボードにあるのかななんて思いました。IoTも人工知能もそしてビッグデータも三すくみでそれぞれ関連しあってるのかもしれないなって思いました。
裏にあるのは、CPUの低コスト化、フリー化とハイスペック化かもしれませんね。
シリコンやなー。って思いました。

他にもこんなくだらない比較をしてる奴もいました。

beagle bone vs rassberry pi

まぁ、僕もこんなん見てると「少しは調べてるだけじゃなくて電子工作やってみたいなー」って思っちゃいますね。

忙しくて出来てないんですけど。来年は出来るかなーwww。

まぁ、僕のこの濃い2.3ヶ月の備忘録は多分一旦これで終わりです。
知ったコトが多すぎてまとめる意味合いも込めてココに纏めました。(正しくまとまってる感じしないけど。)
だいぶ価値観変わりましたねー。昔は使えるものはクソだ!理論こそカッチョいい的な思想持ってたんですけどね。技術も突き詰めると意味わからない領域に突入するんですねー。いやー驚きましたわ。なめてました。
シンギュラリティは近いっですねwww。

ドープでイルめな遺伝子解析テクニック

今回はアレもコレもぶち込み過ぎて内容盛りだくさんですけどまとまりありません。(さーせん
いかんせん適当なんで自分。
雰囲気だけでも伝われば良いかなーって思います。

さて、今まで生命情報を読み取った後どうするか?みたいな話しが多くありました。
でも、実際は『遺伝子や細胞からデータを読み取る技術』の存在が不可欠です。

そう言う遺伝子工学的な技術って実は沢山種類があるし、日夜その技術は組み合わせて発展してます。(でも、実際やると恐ろしく成功しないし、泥沼なんだよな…経験談。)

加工技術の大元はMEMSっていう技術です。この技術は(予測ですが)半導体をより小さく作っていこう!って言う流れから生まれた技術だと思ってます。(これマメな)

さて、遺伝技術の解説本は意外と色々あるんですけど、俺はこんなんを読んでみました。

遺伝子工学の原理

遺伝子工学の原理

でも、ココに書いてある技術…実は多分もう少し古いんですよね。

今は、遺伝子配列を読み取る方法も、電気泳動から発展し、試験管内で蛍光を読み取る手法に変わり最後は次世代シーケンサー(NGS)って言う同時に大量の遺伝子配列をPCRと言う遺伝子増幅法と組み合わせて読み取る技術が生まれてるんですね。

発展が早すぎて、もはやイメージも掴みにくい世界なので、パッと理解して、流行に乗るためには動画でパッと理解した方が早いってかんじです。

こう言うのは実はYouTubeに動画がワラワラ落ちてるんで幾つか貼っときます。気になったんだけ幾つか数秒再生すりゃ良いんじゃないかなー。

塩基配列の読み取り方は実はヒトゲノムプロジェクトから端を発していました。ヒトゲノムプロジェクトで大量の遺伝データを読み取る需要が出てきて「誰か効率的に読み取る方法考えろ」ってアメリカさんが金を出して発展したみたいですね。各社個性があったり、対象が変わってたりしてて紛らわしいですが、色とりどりです笑。俺も詳しくは分かんねー。

illumina社

Thermo Fisher Sientific社

Pacific Brosystems社(コレはLZWって手法を使ってて少し違うけど)

また、PCRという手法が出てきました。コレは単純に遺伝子(DNA)を倍倍に増やしていく手法と考えてもらっていい気がします。
少ない遺伝子を測る時に量増やしたいな〜って時に使われます。RNAを図りたい場合は対応するDNAを逆転写してcDNAを作ってからPCRを行います。これをRT-PCR(Reverse Transcription PCR)って言います。
PCRはこんな感じです。(トライの授業が特に分かりやすかった)

PCR

また、PCRの増え方を使って遺伝子の数を数える手法が幾つか考案されてます。

Real Time PCRとかDigital PCRって言われてます。

Real Time PCR

Digital PCR

どっちが良いの?って言うのも議論されてたりします。(場合によりけりみたいですけど)

まぁ、Digital PCRのみたいな検査技術は細胞でもあってこんなんがありますね。

fluidigm社

flow cytometryって言って流しながら解析する奴もあるみたい

俺見かけただけだけどこんな特集もあったしな

こう言うことをすると一回の実験で細胞や遺伝子の情報が数万単位で得られるようになるみたいです。

こうする事で簡単な大量データ解析を実現してるんですねー。やっぱりハードウェアも発展してるんだなー。ってまだそう言うこっですわ。

あと忘れちゃいけないのは、こう言うのができる裏にヤバイほどの失敗がうず高く存在すると言う事かな。

最後になんか蛍光してるもんあるけど何?って言ったら、コレはクラゲから取れる特殊なやつです。詳細はこんな本でも読んだら良いんじゃないかな?笑
下村さんの凄さが分かります。コレは誰にでもオススメできるかな笑。

光るクラゲ 蛍光タンパク質開発物語

光るクラゲ 蛍光タンパク質開発物語

詳細
次世代シーケンサー(NGS)
https://jp.illumina.com/content/dam/illumina-marketing/apac/japan/documents/pdf/2014_techsupport_session6.pdf

NGSの詳細な違いを解説してる

Pacbioのsmart seq
一分子リアルタイムDNAシークエンサー PacBio®RS ll/Sequel™ System | トミーデジタルバイオロジー株式会社

PCR
https://www.takara-bio.co.jp/kensa/pdfs/book_1.pdf

Real Time PCR
http://www.takara-bio.co.jp/prt/pdfs/prt2.pdf

DigitalPCR
デジタル PCR | Thermo Fisher Scientific

PCR、リアルタイムPCRに続く次世代のPCR デジタルPCR | バイオ・ラッド ラボラトリーズ株式会社 東京本社 | イプロス医薬食品技術

C1
フリューダイム | 製品機器 | C1

flow cytometry
http://medicine.yale.edu/labmed/cellsorter/start/Introduction_66019_284_10028.pdf

再生医療の実現化プロジェクト FACS Core Laboratory

その他
FISH法
蛍光in situハイブリダイゼーション(FISH) - 放射線影響研究所

https://www.abmgood.com

Cytofとか言うのもあるみたい。(僕もよくわかっていません。笑)
National CyTOF Meeting 2014: Scott Tanner, PhD, Fluidigm Corp - YouTube

技術解説動画
MIT 7.01SC Fundamentals of Biology - YouTube

業界の動向の情報サイト

僕なりストリート人工知能論

人工知能について書くとか言ったので書きます。

この本、ざっと読んだ感じ、割りかしGoogleの出したAlphaGoとか僕らに比較的馴染みのある題材を選んで、人工知能技術ってこんなんだよーって擦り寄ってきてくれる良書なんじゃないかと思ってあげました。詳しく知りたいガチ勢は、今は青色の人工知能解説本とか、黄色本の『パターン認識機械学習』とかあるからそっちを読みましょう。より詳しい解説は詳細の中川研究室の講義スライドとかオススメです。(Slide Shareでも見れる。)後はQiitaなりgithubなり見て調べて貰えば大概誰かアタマの良い方が解説してくれてたり、コード落としたりしてくれてます。

さて、僕が人工知能、ひいてはpythonなどに出会った経緯を語ります。今回は僕もわからないことが多く。断片的な知識を吸収してきた為、多分な憶測とまとまりの無い話の塊だと思います。どうかご容赦を。まぁ、毎回そうか。

僕は研究室でLinuxを押し付けられたのに加えて、今の生物やるのにデータサイエンスの知識がいる事を悟りました。僕はこの時Linuxも今までシッカリ触った事などなく、Windowsで1人でオープンソースソフトウェアをインストールしたことがないくらいにはパソコンについては無知でした。『ディレクトリってファイルの事だろ?』『インストールとダウロードって一緒じゃね?』『パス?は?経路が何?』くらいの知識でした。その為、とりまなんか勉強しようと思いました。

研究室にはその為に有償のMatlabと言う解析ソフトが存在してました。コレが優秀でこれさえあればなんでもできるんですね。でも、僕は思いました。

「金払わないといけないのなんかムカつくな。分かった気もしねーし。タダでなんかイイもんねーかな。」そんな無知のくせに持ってしまった生意気な動機で解析ソフトから探す旅を11月下旬から始めました。

工学部に所属していたこともあり、少しはデータサイエンスかじってるやつとか、人工知能の歴史のあらすじ知ってるやつとかいたんで、なんかそう言うコトか何かが根が深いブームになっているし、今の時代タダでなんか出来んだろってのも薄っすら感じ取っての事でした。

取り敢えず、なんかプログラミングできるものないかな?って本屋行ってよく見たのはpythonという文字。周りもなんかpythonかRとかいうの使ってるみたい。

じゃまぁ、なんかよくわかんねーけどpython入れる練習からしてみよう。

こんな感じでした。誰も知ってるやつがいなかったんで、適当に一冊本を買って家のノーパソ開いてやってみました。

科学技術計算のためのPython入門 ――開発基礎、必須ライブラリ、高速化

科学技術計算のためのPython入門 ――開発基礎、必須ライブラリ、高速化

数時間後ヒシヒシある事に気がつきました。
「この本pythonの使い方書いてあるけど、pythonを使う設定の解説一切ない…。」

なけなしの3500円が無駄になるかどうかギリギリの境界線上に今立たされてる事に気がつきました。

もう腹をくくりGoogle先生に聞きまくりました。オレの問題どーやったら解決するんだ!って。そして気がつきました。

「アレ…?8割くらい問題解決してるの英語だ…。(^_^;)」って事に。腹をくくって英語や日本語のブログを読みあさりました。その中で幾つかある記事を読んでいき気がついたことがあります。

理論の本は世の中多くあったけど、肝心のセットアップについては誰も言及していない。しかし、皆環境を整えている事実に。より詳細に調べているとまたある壁にぶち当たりました。

「アレ…pythonってもしかしてWindowsで使ってる奴いない…??」

そう。本には書いていない言外の意味が多くあったのです。みんなpython使うやつらはMacUbuntuしか使ってない。故にWindowsの解決方法がそもそもない。誰もそれについて直接言及してるやつはいませんでした。ただ一つ。知ってるやつは知ってる。ウェブからヒシヒシと分かる暗黙の了解。そして本には本当に必要なことが書いてないという事に気づきました。

ナンジャコリャ!!

まぁ、そんな感じでなんとか人に少し聞いては1人でセットアップしていきました。

セットアップに数日かかりここまでやったんだから何か凄いことしてやろうと思いまた色々調べて気がつきました。

人工知能ってRやpythonしかも主にpythonでタダで今開発競争している。という事実に。

ナンジャコリャ!!!!

一番衝撃を受けたのはシリコンバレーGPUベンチャーNvidiaがAIについてまとめたこの資料。(決してハイレゾなゲーム作ってるだけの会社じゃなかった…。)

GoogleIBMスタンフォードMicrosoftFacebook

何かが起きてる…(^_^;)

日本で戦えてるのこれ見る限りPrefered Networks社だけ…

終わってる…(^_^;)

そして、なんでGPUでAIなん?そもそもGPUって何?(^_^;)

謎は深まる。(後にパソコンの計算速度上げる為にもうCPUじゃ限界きたから今度は計算マシンの構造とかGPUの性能あげて性能上げようぜってなったってのは後で知りました。)

ドンドン調べていくと、人工知能用ソフトも色々ありました。古参ぶる人工知能ブロガーは、caffeが…tensorflowが…chainerは…etcとか言うpython用の人工知能ソフトについてコメント言うだけ。

呪文の嵐でした。

でも悟りました。pythonの下に数々のITメーカーがフリーソフトの開発でしのぎを削っているのだろうと言う事に。

ただそれでも意味がわからないことがたくさんあります。

コイツラこんなタダ働きみたいなことなのになんで全力出して宣伝活動とか開発競争とかしてるんだ…??
これだけ見たら企業原理の真逆いってんぞ?

色々調べていき薄々ある仮説にたどり着きました。

「もしかしたらGoogle人工知能を含むソフトからハードに至るサービスを掌握しようとしてるんじゃねーか」って事に。他の会社もそれをテコにビジネスを展開しようとしてるんじゃねーかってことに。

特にGoogleは全てを独占すれば一部がフリーでも金は一部だけ払うようにしておけば大丈夫。まさに勝ち組の論理。

具体的には、人工知能ソフト以外にクラウドサービス、クラウド管理ソフト、そして量子コンピュータ(これは実現するか分からないけど。)
ハードからソフトまで見て動いてる事に気がつきました。

tensorflow

Cloud9

kubernets(クラウド管理ソフト、厳密には違うけど俺はそう言う認識)

量子コンピュータ

人工知能の車なんかももうとっくに作ってる…(日本は最近作ろうとか言い出してたけど、トヨタのconcept-愛iとか日産とか…)

Googleが特に目立ちますが、先に書いたようにIBMFacebookAmazonなど、「え?お前らも?」みたいなアプリケーション系の企業までジャンジャンそこ周辺をターゲットに動いてる様です。それが遺伝情報と言うビッグデータや、人工知能診断など医療とも最近は融合しています。

あ、あと今回はGoogleを主に大きく取り上げましたが、個人的にはGoogleは手を出してる幅が広いだけで、クラウドサービスはAWS(Amazon Web Service)、クラウド管理ソフト(ホントーはコンテナソフトとか言われてる。)はdockerなんかがシェアを握ってるイメージを持ってます。一応注意って形です。量子コンピュータもどうなってるか分からないし笑。

バーチャル内の隠れた市場争い。ビビりました。

まぁ、色々語りましたが、そんなこんなで人工知能のセットアップまで最近はこぎつけました。

やってみて分かったんですが、イマイチ人工知能などの理論が理解できてなくてもチュートリアルだけでも十分遊べるんですね。コレが。

理論要らないじゃん。って感じですね。

人工知能系に至っては本では情報が古いからネット(Twitterとかで専門家とか探してフォローする。)でキャッチアップするしかないんですねー。

イヤーオドロキです。

そして、全てがオープン(タダ)こんな首突っ込み得なこともねーぜ!って感じで取り敢えず僕は人工知能系の界隈にのめり込んでったってことですね。全然使いこなせねーけど。


最後にRはもっと色々楽でした。


詳細
中川研究室(昔は勉強会資料など良い資料がフリーであったんですが消されたかも…。)
SlideShare-nakagawa | 中川研究室

pythonの有名な人工知能ライブラリーの解説動画などはこのチャンネルを参照してください。

Nvidiaスライド
https://images.nvidia.com/content/APAC/events/deep-learning-day-2016-jp/NVIDIA-DeepLearning-Intro.pdf

Rの人用

Rはデータサイエンスで使う(機械学習とは毛色が違う)からそれやりたい方は緑本とか読みましょう。
データ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学)

因みにバイオ系でゲノムデータを扱う場合は今はRが主流の様です。企業がRのパッケージを出してるみたいなんですね。
必要なパッケージはGoogle先生に聞くか、この本を参考にしましょう。
次世代シークエンス解析スタンダード〜NGSのポテンシャルを活かしきるWET&DRY

その他講義動画
Tensorflow and deep learning - without a PhD by Martin Görner - YouTube

Lex Fridman - YouTube

Lecture 1 | Machine Learning (Stanford) - YouTube