東屋書店

一つのブログは一冊の本である

広告

趣味をゴルフからサバゲーに変えようと思う

ゴルフを覚えたはいいものの

20代のころ初めて入った会社でゴルフを覚えてから、ちょろちょろとゴルフをするようになった。

打ちっぱなしに行ったり会社の先輩に誘われたりして遊んでいたが、全然うまくはならない。それでも楽しく遊んでいたし、ゴルフホールを駆け回る楽しさは何にも代えがたい満足感を自分に与えてくれていた。

当時はゴルフを覚えると仕事の成績が上がるみたいな話もあり、実際に顧客はゴルフが趣味かつ、仲のいいところに仕事を発注したいといういわゆるウェットな人物が多かったため、ある程度ゴルフができるということは、ある程度仕事が取れると同義だった。

 

しかしながら、転職し異業種(特にB2C)に行くとそうした深いべっとりとした関係を顧客と構築するのが難しく、基本的に一期一会のドライな対応が必要なため、ゴルフなどのような友好を深める類の行為は重要度の少し下がった趣味のようなものとして取り扱うこととなった。

 

ゴルフを楽しむための弊害

こうして、趣味としてのゴルフに移行したが、基本は打ちっぱなし練習場に行くだけの作業となった。

というのも、ゴルフの醍醐味であるコースに行くというのは二つの点で難易度が高い。

 

まず一つは、基準より下手な人間は歓迎されないということだ。

ゴルフクラブを実際に振るとわかるが、下においてある球を棒で引っぱたくというのはかなり難しい。安定して当たるようになっても大きく左右にずれるため、実際のコースではOB(野球でいうファール)になり、打ち直しが多発する。

こうなるとゲームが全く進まなくなるためゴルフとして成立せず、後ろから回ってくるプレーヤーが足止めを食らい大迷惑をかけることになる。

そして私のスコアは150前後であり、このスコアは大迷惑をかける可能性が高い実力であると言える。

 

もう一つは一人でゴルフのコースに行くことが難しいという点だ。ゴルフは原則的に4人でコースを1日かけて回るもののため、一人でコースを回ることは一部のゴルフ場を除いてできない。

ゴルフに詳しい方はここで一人予約システムを提示するだろう。ゲームでいえば野良プレイに相当する。プレーしたい人たちが参加枠を埋めていき、枠が埋まればプレー開始というものだ。

 

しかしながら前述のとおり、プレーがうまくないとゴルフがスムーズに進まないし、実力が均等でないと同行者にストレスがかかるため、同じような実力でマッチできるようにするわけだが、その検索欄を見ると150台の人間は来ないようにと暗に示されている。この状態で無理やり行ってもゴルフカートの中で気まずい雰囲気で一日過ごさなくてはならないため、一人予約もできなかった。

楽天GORA 一人予約検索システム

こうなると友人等を誘い、事前にOBしても半分くらいまで進んだことにしたり、グリーンに乗ったらカップインしたと扱うなど、後続に迷惑をかけないようなプレイをするしかないが、残念ながら誘っても練習でうまく打てず興味をなくすことが多発し、次第にゴルフ熱は冷めていった。

 

そもそも、練習してもゴルフがほとんどうまくならなかったため根本的にゴルフに向いていなかった可能性はかなりある。

 

サバゲーとの出会い

そのようなことがあり、ゴルフクラブがホコリをかぶり散らかしていた年の暮れ、サバゲーの誘いがあった。

少なからず銃は好きだし、サバゲーにも興味があったため二つ返事で参加を表明すると早速次の週末に行くこととなった。

結論から言うと先ほど挙げたゴルフの欠点はサバゲーがすべて克服しており、非常に魅力的といえた。

 

まず、ゴルフのスイングが難しいという点は、銃のおかげですべて克服された。構えてトリガーを引けば老若男女誰でも撃てる兵器としての手軽さがいかんなく発揮され、試射場で数回練習しただけで全く問題なくプレイができたのは大きい。

 

また、参加人数も場所によるのだろうがぱっと見50人前後参加していたのはとても良かった。FPSゲームの対戦でもそうだが参加人数が多ければ多いほど一人一人の責任が薄まり、ある意味何をしててもよい状態となる。一人も倒せなくても、ある場所を見張り牽制射撃をするだけでも十分役目を果たしていると言える。

見ず知らずの3人と狭いゴルフカートに乗り込み一日過ごすのと、広めの待機所で50人がわさわさしているのとでは精神的な圧力が全く違う。

 

このようにゴルフの二つの大きな欠点を克服できたのは非常に強い。

サバゲーの欠点

とはいえサバゲーはゴルフにはない欠点がある。

 

一つは銃が重いことだ。当たり前だが銃を持ってフィールドを歩くわけだが、一丁数キロある銃を持ち、てくてく歩くのはなかなかにしんどい。冬でも汗ばむレベルだった。

次にフィールドが少ない

ゴルフ場と比べたらかなりフィールドが少ない。どこがどう違うかもよくわからないし楽天GORAのように統合システムのようなものもないのですこし大変だ。

最後が、当たるとめっちゃ痛い

エアガンはゴーグルをかけましょうという話は聞いたことがあるともうが、サバゲーはフェイスマスク必須である。ある程度の距離を離れていてもかなり痛い。

 

最後に

こうして欠点はあるものの、そもそも参加できないという点を完全に克服したサバゲーは趣味足りうるのではないかということでゴルフクラブを売りはらい銃を買った。

ちょっと性急すぎるかなと思ったが、今後の人生においてゴルフをやる可能性が全くないため断行した。

結果的にゴルフクラブは家では振れないが、銃なら家でパシパシ撃てるという最大のメリットを享受し楽しく遊んでいる。

ゴルフをやめてよかった。

 

 

文字だけで画像生成AIの内部構造を説明する

前提

文字だけで画像生成AIの内部構造を説明する
A4の紙をお渡しするのでこれに写真みたいな犬の絵を書いてくださいと言ったら、無理そう、でもA4に印刷した犬の写真をお渡しするので、鉛筆と定規で小さい正方形を適当な場所に1個ずつ書いてくださいと言ったらできそうに感じる

 

実はこれパソコンも同じ

 

意味のない画像から意味のある画像にするのはかなり大変で、意味のある画像に正方形(ノイズ)を加えて意味のない画像にしていくのは結構簡単。


わかりやすい例でいうと、ニュース映像にモザイクかけるのはすぐできるけど、モザイクを外すのは難しいみたいな感じ

 

話を戻して犬の写真に100個正方形を描いたとします。ここで、100番目と99番目に書いた正方形を消すことはできそう。


では、50番目まで順番に消してくださいと言ったら、書いた順番表みたいなのがあれば人間でもできる。例えばこれが1万個の正方形でもたまに行とか読み間違えて消すことあるだろうけどなんとか行けるかなとなる

 

実はこれもパソコンとおなじで、最初にノイズをかけた順番、(厳密には時刻で管理してるんですが)加えたノイズを逆順で除去していくことが可能です。とはいえ、人間と同じように消しミスをするので、順番にかけたノイズと、逆順で取り除いたノイズのミスを最小になるように学習しています。

 

そうすると、最初に入力した画像Aにノイズをかけた後、ノイズを除去して入力画像と同じA'の画像が出力される仕組みが出来上がります。

 

これが、Diffusionモデル、拡散モデルと呼ばれるざっくりとした仕組みです。

 

問題

ただこれには、2つ大きな問題があって、まずそもそもの問題として解像度の高い画像をそのまま処理していると処理に時間がかかって全く実用的じゃない。
もう一つが、拡散モデルは画像を入力したら限りなく近い画像を出力するただの画像出し入れマシンで何の役にも立ちません。
この二つを解決します


この解決に潜在空間と潜在変数と呼ばれるものが出てくるんですが、しっかり説明しようとすると訳が分からなくなるので、わかりやすさ重視の超訳で説明すると、物事の概念を数値化して、概念のみで処理してしまえば二つの問題が一気に解決するんじゃないか。ということです。

例えば犬と言っても、チワワやダックスフンド、パグ、ラブラドールレトリバーと様々な品種があり姿かたちが全く違いますが、私たちは犬といえば伝わりますよね。
なぜなら犬には四足歩行やしっぽ、体毛、顔つき、体格などいくつかの共通する要素があって、それらの要素の関係性を見て犬とするからです

逆に猫は犬と似たような要素を持ちますが、それぞれの要素の関係性は犬と違うため犬と猫を明確に区別しています。この関係性を潜在変数として数値化し、その潜在変数を記録する場所を潜在空間と呼ぶそうです。
(わかりやすさ重視です)

もし、画像をこの潜在変数に置き換えることが出来たら、画像に存在する大量の要素ではなくて要素ごとの関係性のみを取り扱うことができるので計算量が非常に小さくでき、ざっくり1/64とか1/48とかになるらしいです。これで、処理速度の問題については一応解決できたといえます。(ほかにも高速化手法を使っていますが、その辺は割愛)

では、もう一つの問題である、画像出し入れマシンの問題点はなんでしょうか?
入力した画像を限りなく近い画像に出すことしかできないことですよね。
では、画像を文字に置き換えて入力出来たらどうなるでしょうか?

先ほど犬の話をしましたが、単語の犬と画像の犬は表現方法が違うのに同一の概念を指すことができます。
潜在変数は要素の関係性を数値化するといいました。

ということは、単語の犬と画像の犬は潜在変数が似ていると言えそうです。

 

もし二つの異なる表現を潜在変数で取り扱えたら便利そうですよね!!!

この試みはOpenAIが作ったCLIPと呼ばれる学習手法で実現しています。
これらを踏まえて、先ほどの画像出し入れマシンに何をさせるかというと(わかりやすさ重視で表現します)

まずランダムノイズ画像を作成し、マシンに渡してノイズ除去させます。でもマシンが画像を何も入力されてない!というので、単語を潜在変数に置き換えて単語を画像入力であるとマシンに誤認させます。

そうするとマシンが画像に偽装した単語に限りなく近い画像を出してくるわけなんですが、そもそも画像を入力してないので、単語から画像が生まれたように見える。という話です。

この方式の興味深いことは潜在変数に置き換えられればなんでも入力可能というところで、可能性が無限大だー!!というところで今回は締めです。

文字だけでも十分伝わりますね!!!(迫真)