goo何気無い日々が心地よい安寧

何気無い日々が続く様に。生きていく事の大変さがカナン。ある種空気の様な存在になりたいもの。

📚 「ゴジラ」シリーズにわずかでも興味のある人,日本SFが好きな人は必読 控え 200705

2020-07-05 23:23:00 | 📗 この本

「ゴジラ」シリーズにわずかでも興味のある人、日本SFが好きな人は必読
  柳下 毅一郎 より控え 200705

『本多猪四郎 無冠の巨匠』(洋泉社) 
    著者:切通 理作

 没後21年、本多猪四郎監督の作品を、その生涯、その思想から読み解く評伝!
作家主義は映画を作り手の個人的・直接的な表現とし、映画監督こそが映画の唯一・真性の作家であると主張する。もちろん、映画は共同作業であり、多くの人が創造性を寄与する。
 だがそれでもなお、監督のヴィジョンがすべてに貫かれていると考えるのが作家主義である。商業主義と見られ、あるいは職人と思われることが多かった監督を「作家」として称揚し、映画的表現を見出したのが作家主義だったのである。

 たとえば円谷英二という特撮の神がいなければ『ゴジラ』にはじまる東宝特撮シリーズは決して成立しなかったろう。あるいはその最大の功績はプロデューサーとして東宝の娯楽大作を統括した田中友幸に帰すべきだとする説もある。いや,実際現在までほぼそれが通説だったのかもしれない。
 だが,もしも作家主義がここにも適用されるなら,『ゴジラ』の作者は1人しかありえない。それは本多猪四郎,しばしば職人と切り捨てられる映画監督である。

 切通理作の『本多猪四郎 無冠の巨匠』は長らく待たれていた本多猪四郎の評伝である。本多こそが『ゴジラ』をはじめとする東宝特撮の真の作者であるとし,その作品を彼の生涯,その思想から読み解く本だ。 
 これは刺激的で,多くを与えてくれる本である。「ゴジラ」シリーズにわずかでも興味のある人,日本SFが好きな人は必読だ。

 本書はまず、怪獣映画がいかなる存在なのか、怪獣映画において怪獣はいかに撮られているかを検証する。怪獣の登場場面を撮っていたのは特技監督の円谷英二なのだから、怪獣を演出しているのは円谷なのだと誰もが思いがちだ。
 だが、切通は、特撮のカットもそれだけで自立するものではなく、本編とのインターカットによって、あるいは音楽や音響効果、編集によってはじめて成立するのであり、そのすべては本多の指示下でおこなわれていることを指摘する。
 特撮カットと本編カットの切り返しなど朝飯前で、そのことによって本編だけでなく特撮カットもまた有機的に活かすことができる。それは他の監督にはできなかったことなのだ。

 そして表現だけでなく、テーマにおいても本多は作家性を発揮していた。丹念に読み込まれた脚本から、本多がいかに細かく丁寧に物語を演出していったのかが浮かびあがる。
 『ゴジラ』の芹沢博士は戦争で死にそこない、愛も現実の中で生きるすべも失った男である。ミステリアンなどの例も引き「本多作品の実質は現実といきはぐれてしまった者(ときにそれは怪獣や怪人自身であったりする)の物語だ。どれも同じその反復である」と切通は書く。
 だからこそ怪獣ファン、SFファンのオタクたちは本多猪四郎の怪獣映画に惹かれるのである。

 本多の怪獣映画、特撮映画はすべて戦後、平時の中に戦場が持ち込まれる物語である。であれば本多の戦場体験とはいかなるものだったのか、興味が生まれるのは当然だろう。
 本多猪四郎は都合8年間も軍務をつとめ、北支(満州)、中支と中国各地を転戦した。助監督としては黒澤明、谷口千吉と同期であり、三羽烏と言われるほど仲がよかったにもかかわらず、1人監督昇進が遅れたのは軍務ゆえである。
 それゆえに、復員後も本多はすぐには戦後社会にとけこめなかった。むしろ違和感を抱えながら生きてきたに違いない。
 その思いはあるいは『海底軍艦』のキャラクターに投影されているのかもしれない。黒澤明の『』の中に出てくるトンネルを死んだ兵士たちが歩いていく夢は、黒澤ではなく本多猪四郎が見たものではないか、と本多の未亡人は言う。

 本多にとっての原爆は、中国大陸から引き揚げて広島を通ったとき、板塀で覆われた向こうにある「草木も生えない世界」への恐怖である。
 もちろんゴジラはその恐怖の象徴としてあった。だが、本多は闇雲に科学とそれが生みだしたものを忌避したわけではない。科学の進歩と発展に人一倍興味を抱き、人類の未来を思い描く理性至上主義者でもあったのだ。
 本書では特撮映画はSF映画として、科学と人間の相克を問う近代人の物語として読み解かれてゆく。

 本書には多くの読みどころがある。『ガス人間第一号』をめぐる感動的な論考は、切通の本領発揮というところだろう。
 本多の父親が湯殿山注連寺の山内だったというのには驚かされた。湯殿山系の即身仏(ミイラ)にはことのほか興味があるからである。
 だが、いちばん気になったのは元東宝のスクリプターで、結婚後は世間知のまるでなかった本多猪四郎の生活をすべてみていたという本多きみ夫人である。
 若いころは男勝りのモガであり、本多と同時に黒澤明からも求婚されたという(!)。晩年、監督作品のない本多は実は親友黒澤明の監督補として黒澤作品に協力していたのだが、彼らの青春と友情と人生の物語をもっと知りたい。

【初出メディア】
映画秘宝 2015年1月号

【書誌情報】
本多猪四郎 無冠の巨匠
著者:切通 理作
出版社:洋泉社
装丁:単行本(ソフトカバー)(493ページ)
発売日:2014-11-06
ISBN-10:4800302218
ISBN-13:978-4800302212


💋その昔、学生時代、大阪の梅新の小映画館で 本多監督作品上映会に。
コメント
  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

📺スカパー 歌謡CH 「時代を映す名曲アルバム」「五木先生の歌う!SHOW学校」200705

2020-07-05 20:22:00 | 📺 映画・TV ・スカパー視聴
「スカパー   歌謡チャンネルにて 放送の「時代を映す名曲アルバム」(51分)
  毎週日曜朝7時〜

 当時の売上や話題性 更にはアンケート集計結果を元に
  独自選曲した その年の一曲を 紹介する番組で
   フルコーラス曲にはちゃんと作詞家.作曲家名も紹介(これが大事)

 最初にその年の主な出来事を紹介そのBGMでも軽く曲を紹介
  その後にフルコーラスで名曲!
   一回で10年で10曲をフルコーラス紹介 

例示) #1 は1946年から1955年までの10年間で名曲10曲とその他の曲BGM
*1946の出来事 
 BGM:悲しき竹笛 近江俊郎/奈良光枝
2月 GHQが東京宝塚を接収しアーニーパイル劇場とする
4月 サザエさん 連載開始(夕刊フクニチ)
5月 第一次吉田内閣成立
7月 日本プロ野球の大阪タイガース対パシフィック戦が試合時間55分で最短記録
   米ビキニ環礁で原爆実験を実施
 BGM:帰り船 田端義夫 東京の花売り娘 岡春夫
8月 財閥解体の本格的開始 全国中等学校野球大会再開(西宮球場)
11月 日本国憲法公布 
   埼玉県北足立郡蕨町(現蕨市)で青年祭が開催(成人式の発祥)
12月 昭和南海地震(マグニチュード8.0最大震度6を記録)
 1946年の名曲 リンゴの唄 並木路子/霧島昇 当時のレコジャケ 🎵
       作詞:サトウハチロー 作曲:万城目正 歌詞表示

という構成で10年間を。
 因みに
1947年 星の流れに/菊池章子   詞:清水みのる 曲:利根一郎
1948年 東京ブギウギ/笠置シヅ子  詞:鈴木勝 曲:服部良一
1949年 青い山脈/藤山一郎/奈良光枝 詞:西条八十 曲:服部良一 🎵
1950年 東京キッド/美空ひばり 詞:藤浦洸 曲:万城目正
1951年 上海帰りのリル/   詞:東条寿三郎 曲:渡久地政信
1952年 リンゴ追分/美空ひばり 詞:小沢不二夫 曲:米山正夫
1953年 雪の降る町を/高英男 詞:内村直也 曲:中田喜直  🎵
1954年 お富さん/春日八郎 詞:山崎正 曲:渡久地政信  🎵
1955年 月がとっても青いから/菅原都々子 詞:清水みのる 曲:陸奥明  🎵

 こんな感じで〜シリーズ化、次回は1956~65、


🎵🎵###### 五木先生の歌う!SHOW学校 #####🎵🎵 毎日曜日Pm1時〜51分

五木ひろしが歌のあれこれを熱血指導?する音楽バラエティ
 若手演歌歌手とお笑い芸人が生徒役となり、転校生役がゲストとして参加
  各地の舞台で公開放送された、歌は生歌で生演奏で
   面白おかしく歌謡曲を紹介、五木ひろしのお笑いキャラがいい。
  開催地のご当地唄 と 有名人を1人掘り下げ紹介。
   ほんわかと歌謡曲.演歌を楽しめる

 




コメント
  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

🚶‍♀️…右岸下る…46.6km碑↩️ 特に無し 200705

2020-07-05 17:55:00 | 🚶 歩く
🚶‍♀️…右岸河川敷下る…隠元橋前…右岸堤防道…46.6km碑↩️…同:堤防道…隠元橋前…堤防道…49km碑…河川敷…50km標↩️…堤防道…>
🚶‍♀️10750歩

陽射しのぞくも曇り空。風強く心地よく歩きよい。隠元橋上30°
アカネトンボと燕が周囲をかすめ飛ぶ、心地よし。


🏡ベランダ遂に西陽新対策を。
 1人静かに留守番…
🌡27~29~27~27°



右岸49km付近にて、うまい具合にポーズ



コメント
  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

🎓 富岳だけじゃない! 農研のスパコン「紫峰」もスゴイ 200705

2020-07-05 16:07:00 | 📚 豆知識・雑学

富岳だけじゃない! 農研のスパコン「紫峰」もスゴイ
        kusuguru.inc 20200705 ナゾロジーより

 理化学研究所(理研)と富士通が開発したスーパーコンピューター「富岳」が、International Supercomputing Conference (ISC 2020)で発表されたスパコンの世界ランキング1位を獲得したとして話題になりました。

ところで、「富岳」以外にも高性能な国産コンピューターが開発されていたことをご存知でしょうか。

農研機構(農研)は国内農業系研究機関で初となるAI研究用スーパーコンピューター「紫峰(しほう)」を開発したのです。

紫峰と農研機構内外の研究者が研究データ活用できるデータベース「NARO Linked DB」は2020年5月より稼働開始しています。

⚫︎農研のスパコン「紫峰」

紫峰は計算速度1ペタflopsを有しており、これは1秒間に浮動小数点演算が1000兆回可能であることを示しています。

ちなみに、「富岳」は400 ペタflopsであり 、1秒に41京5000兆回計算できます。世界1位なので当然ですが、紫峰も富岳の計算速度には及びませんね。

しかし、Mac Pro(2019)が最大で56テラflops(1秒間に56兆回)であることを考えると、紫峰が高性能パソコン(パーソナルコンピューター)とは比べ物にならない計算速度を有していると分かります。

そのうえ国内農業系研究機関においては、1ペタflopsクラスの計算機が導入されるのは初めてことです。

また紫峰に搭載されている画像処理装置(NVIDIA Tesla V100)は、AI・高性能計算等の計算分野において、1つで中央演算装置(CPU)100個分の性能を誇ります。紫峰にはこれが128基搭載されているのです。

これにより、研究者100名が同時にAI計算を行うことも可能。

もちろん計算機能だけでなく、Webブラウザを通した入出力・画像の高速表示なども可能で、スパコンでありながら、利用者にとってパソコンのように扱いやすいものとなっています。

⚫︎農研機構統合データベースの稼働

現在農研では、紫峰と農研機構統合データベース「NARO Linked DB」が導入されています。

NARO Linked DBとは、データ容量3ペタバイト(300万ギガバイト)の大規模なデータベースのことです。ここには、農研機構内に存在する個々の研究センターの各種研究データが集約されています。

病害虫・気象・遺伝資源・ゲノム情報などの様々な研究データが共有されており、これにより農研内での分野横断的な研究が進展するでしょう。

また、NARO Linked DBにある大量の画像データを紫峰で処理することで、これまでの解析・研究も大幅に加速すると考えられます。

例えば、1ヘクタールのジャガイモ畑の画像からウィルス病発病株を検出するにはこれまで200時間かかっていました。(ちなみに、個人のパソコンでは500時間)

ところが紫峰とNARO Linked DBを利用することで、同じ作業がたったの2時間で完了するのです。

これまでと比べて100倍の速度で画像処理や解析が進むことになりますね。

今後、農研はAIスパコンと統合データベースを用いたAI技術に関する教育を進めていく予定です。

スパコン利用と技術者の増加は、農業分野のさらなる発展に寄与することでしょう。

発表の詳細は6月16日、「農研機構」に掲載されています。

AI研究用スパコン「紫峰しほう」と農研機構統合データベースの本格稼働開始 http://www.naro.affrc.go.jp/publicity_report/press/laboratory/rcait/135385.html

 reference: 農研機構 / written by ナゾロジー編集部 より






💋日本中のスパコンをネットワークで繋いで日本の実学・実用の為,頑張ってほしいもの。
コメント
  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

🎓 AIの予測精度を高める上で欠かせない学習データとは?  200704

2020-07-05 02:05:00 | 📚 豆知識・雑学

AIの予測精度を高める上で欠かせない学習データとは?
         AIsmiley編集部   200703 より編集

 近年、AI技術の発展に伴ってさまざまな企業がAIを導入し始めており、従業員の働き方にも少しずつ変化が生まれている。
 特に昨今は働き方改革が進められているため、AIを活用することで従業員一人ひとりの負担を軽減している企業も少なくない。

 とはいえ、AIを活用して業務効率化を図るためには、より予測精度の高いAIを導入しなければならない。
 そのAIの予測精度に大きく関わるのが「学習データ」であり、学習データがAI活用の成功を左右すると言っても過言ではない。
 そこで今回は、AIの学習データについて紹介。

■ そもそもAI、機械学習、ディープラーニングの違いって何?

「学習データ」は、機械学習において必要となるデータのことだが、そもそも「機械学習」と「AI」は何が異なるのか。また、これらと一緒に耳にすることが多い「ディープラーニング」とは一体どのようなものなのか。これら3つを混同してしまっている人も少なくないので、まずは「AI」「機械学習」「ディープラーニング」の違いから。

 まず、「AI」「機械学習」「ディープラーニング」のそれぞれを定義付けすると、
 AIは「人間と同じような知能を実現するための技術」を指し、最も広範囲に用いられる言葉といえる。
 機械学習は、「トレーニングによって特定のタスクを実行できるAI」と定義することができる。そのため、機械学習は「AIの内の一部を指す言葉」といえる。
 そしてディープラーニングは、「マシンが特徴を自動で定義すること」を指す言葉であり、機械学習の中の一部分と定義することができる。
 そのため、それぞれの関係性としては「AI > 機械学習 > ディープラーニング」となっている。

 このような関係性であることから、AIという言葉が最も頻繁に使われている傾向にあり、中には機械学習やディープラーニングも「AI」という言葉でまとめられてしまっているケースもある。
 しかし、ここでご紹介したように「AI」「機械学習」「ディープラーニング」はそれぞれ異なる意味合いを持つ言葉なので、それぞれの違いをしっかりと把握しておくことが大切。
 これらを踏まえた上で、ここからは今回のテーマである「学習データ」についてみていく。

■ AIの学習データとは?

 学習データとは、機械学習モデルを学習させる上で必要となる情報のこと。AIは、この情報を何度も使用しながら予測の調整を行うことで、正解率を高めていく。学習データはさまざまな方法でAIに活用されるわけだが、それはあくまでも予測の精度を高めることが目的となっている。

 そんな学習データの中には「入力データ」と「出力データ」という2種類のデータが含まれ、これら2種類のデータは「グラウンドトゥルース (ground truth)」とも呼ぶのだが、機械学習モデルはグランドトゥルースをもとに、ニューラルネットワークなどの技術を活用してアルゴリズムを生成している。
 なお、変数や関連する詳細は、機械学習のプロセスにおいて必要不可欠なものであり、異なる機械学習タスクのデータセット(入力データと出力データ)の見かけは大きく異なる。

■ 学習データの作成には大きな負担がかかる

 機械学習モデルの学習において「学習データ」は必要不可欠なものであることがお分かりいただけたかと思うが、AIが自律的に学習できるような環境を整えるためには、より多くの学習データを用意する必要がある。しかし、ただ大量にデータを用意すれば良いというわけでもなく、ノイズとなるデータを消去するなどの加工が必要になる。

 AIが学習できるデータに加工するためには、まず「アノテーション」という作業が必要になる。
 アノテーションとは、データに対してタグを付けていく作業のこと。
 AIがパターンを認識するためにはタグが必要不可欠であるため、このアノテーションという作業も絶対に欠かせない。ちなみに自然言語処理のためのアノテーションとしては、以下のようなものが挙げられる。

・意味的アノテーション
分解した情報に対して、同じ意味を持つものにタグを付けていく作業のこと。たとえば「リモートコントローラー」と「リモコン」は同じ意味の言葉といえる。こういった同じ意味を持つ言葉をタグ付けしていく作業が意味的アノテーション。

・固有表現アノテーション
人名や企業名、商品名など、文章内のさまざまな単語をカテゴライズし、タグ付けしていく作業のこと。「Yahoo=企業名」「スティーブ・ジョブズ=人名」「MacBook=商品名」といったように、それぞれの単語にタグ付けをしていく作業が固有表現アノテーションとなる。

・言語的アノテーション
対象となる文章がどのようなテーマなのかタグ付けしていく作業のこと。「スポーツ」「音楽」「政治」など、文章のテーマを定義していく。GoogleやYahooのニュースがジャンルごとに分けられているのをご覧になったことがある方も多いでしょう。あれはまさに、この言語的アノテーションが活用されている例。

 主にこれらのようなアノテーションが挙げられるわけだが、日本語と英語ではアノテーション作業のガイドラインが少し異なるという点にも注目すべき。
 日本語の場合、英語とは異なり大文字小文字の違いがない。また、主語が省略されるケースが多々あるのも大きな特徴で、そのため、どうしても機械的に判断しにくい傾向にある。そのため、日本語の場合は「ここからここまでが名詞」「ここからここまでが動詞」といった形でタグ付けを行う必要がある。

■ 学習データがAI活用の成功を左右する
 今回は、機械学習において必要不可欠な「学習データ」について紹介した。学習データがなければAIを活用することはできない。そのため、学習データの質がAI活用の成功を左右すると言っても決して過言ではない。

 質の悪いデータを利用してしまった場合、AIがデタラメな予測を行ってしまうリスクも高まるため、その重要性を理解した上で学習データを作成していくことが大切。今後AIの活用を検討していく際には、ぜひこれらのポイントを参考にしながら学習データの作成を進めてみてほしい。



💋バイアスのかけられたデータ、一党独裁思想とか、何処ぞの国の…恐怖のAIが…
 HAL、スカイネット…
コメント
  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする