ホーム
189フォロー
16855フォロワー
【参戦】動画編集の王者Adobeは「生成AI競争」に勝てるのか
山崎 俊彦東京大学 大学院情報理工学系研究科電子情報学専攻 教授
「アドビの自信のなさを物語っているように見える」
うーん、こういってはなんですが、ちょっとでも他社と比べて話題が出てこないと「この会社は・・・」という風潮はどうしたものかと思っています。いまでこそマイクロソフトはものすごい話題になっていますが、ちょっと前まで「時代はGAFA。Mは終わった。」と言われていて、内心「なんだかなぁ。そんなことないのに。」と思っていたし、NPでもずっと書いていました。
Adobeの話にもどります。私の研究室の学生も複数名米国のAdobeでインターンをし、それらの話から類推した内容を一部含みます。技術への投資は規模感こそ違いはあるのかもしれませんが確実に行われています。人材や持っている技術はいまだ素晴らしいです。また、研究成果を直接搭載するソフトウェアをもっており、それが世界中で圧倒的シェアを誇っていることは大変強いです。他社のソフトウェアと連携することも技術への投資に対する費用対効果を考えると、あり得る話なのかもしれません。
インテル、世界最大規模のニューロモーフィック・システムを構築してサステナビリティーの高いAIを実現
「村田製作所を知っているか」を人物を見極める判断基準にしていい説の妥当性
山崎 俊彦東京大学 大学院情報理工学系研究科電子情報学専攻 教授
就活生と話していると、驚くほどC向けのサービスをしている会社にのみ意識が言っていることがあって驚きます。世の中、B向けの業態・業種があり、優良な企業が多いということを知ってほしいと感じます。私自身、企業の方と共同研究をするようになって、こんなにも多彩なビジネスがあるのかとびっくりしました。
ところで。就活に悩む学生がいたので、「XXという会社はどう?」と、C向けの製品も作ってないわけではない企業を紹介しました。学生の反応は「え、でもYYとかZZとか作っている会社ですよね。そんな会社には興味ないです。」というものでした。なので、「いやいや、何を言っているの。そもそも、XXという会社はどの部門で利益出しているか知ってる?YYとかZZの部門の社内に占める売上や利益率は?それ以外で何でもうけているか、四季報とか財務諸表くらい見てから興味ないと言ったほうがいいよ」という話をしました。その学生はその会社に惚れ込み、内定をもらい、いまもまだその会社で元気に働いているはずです。
「ノイズキャンセル機能は脳に悪影響」って本当ですか?
山崎 俊彦東京大学 大学院情報理工学系研究科電子情報学専攻 教授
「ANCヘッドフォンは鼓膜に圧をかけすぎて有害であるという人もいます。」
フライト中にノイズキャンセル機能を使うと、「キャンセル機能がない状態ではこんな爆音で映画や音楽を聞いていたのか。これまできっと耳に相当な負担をかけていたに違いない。」と逆にびっくりさせられます。私は長時間フライトのときは、ノイズキャンセル機能のイヤホンを持ち込み、どこにも繋がずONして耳栓代わりに使っています。
ちなみに、上記の圧をかけすぎているという表現はなぜなのか、わかりませんでした。原理的には、音は波であり、逆位相の波をぶつけて波自体を小さくしているだけなので音圧は下がる方向にしか行かないと思います。
大学で広がる「BYOD」の波! 学校は生徒にどんなPCを持ってこいと言っているのか? スペックを調べてみました
山崎 俊彦東京大学 大学院情報理工学系研究科電子情報学専攻 教授
「卒業論文の手書きが過去の話になって当然だ。」
流石に私が学生の頃から手書きの学生なんていませんでしたヨ(苦笑)。
という冗談はおいておいて、用途や大学から別途何が提供されるかによって求められるスペックは変化するので一概には言えないのが辛いところ。ただ、私の身の回りでは「大学入学のときに購入してそれっきりなのでかなりスペックが・・・不具合が・・・」という学生が多いのも事実。気合を入れて高価なものを買って「折角買ったのでもう少し使おう」となってしまうより、ある程度なものをそれなりの頻度で買い替えたほうが私の好みではあります。
あと、CPUとかメモリとか記憶容量とかは最終的にいろいろと我慢したとして、耐えられないのが重さ。特に小さめ・細めのバックパックを使っている方は肩に食い込んで慢性的な肩こりに悩まされることも。とにかく軽いのを自分だったらおすすめします。
【深刻】AI巨大企業の「モラルなきデータ戦争」がかなり酷い
山崎 俊彦東京大学 大学院情報理工学系研究科電子情報学専攻 教授
皆さんのご意見の中に「AIがAIの学習データを作る」というのが散見されるので、それについてコメント。学術的にも意見が分かれていて、役に立つとする論文と、害になるという論文があります。画像認識的には、AIはAIが生成した画像をきちんと区別しているらしく(特徴量の分布が自然画像と明らかに違います)、AIで生成されたデータを追加で使ってもうまく学習が進まなかったり、逆に害になったりすることが多いです。見た目には普通の自然画像と変わらないのに不思議です。ただ、この問題をどうやってクリアしていくかが大いなるチャレンジの1つとなっています。また、上記の現象を使えば、ある程度フェイク画像の見分けもできる可能性があります。
NORMAL
投稿したコメント