Podcast Episode 118

スミス: こんにちは！ハッカーボイスのお時間です。今日は2025年6月28日です。ハッカーニュースの注目トピックを、わかりやすく、面白く紹介します。今日の話題はこちらです。 スミス: 一つ目のニュースは「Normalizing Flows Are Capable Generative Models」。二つ目のニュースは「SymbolicAI: A neuro-symbolic perspective on LLMs」。三つ目のニュースは「Qwen VLo: From "Understanding" the World to "Depicting" It」。四つ目のニュースは「Transmitting data via ultrasound without any special equipment」。そして五つ目のニュースは「10 Years of Pomological Watercolors」です。 スミス: 今回のラインナップ、いかがでしょうか？AIの最新モデルから、ちょっと変わったデータ伝送、そして美しい絵画まで、盛りだくさんですね。それでは、最初のニュースから詳しく見ていきましょう！ スミス: 一つ目のニュースは「Normalizing Flows Are Capable Generative Models」です。 スミス: この記事は、Normalizing Flows（NF）という種類の生成モデルに関するAppleの研究を紹介しています。NFは、連続的な入力に基づいて密度推定や生成モデリングを行うモデルですが、近年あまり注目されていませんでした。しかし、この研究では、Transformerをベースにした新しいアーキテクチャ「TarFlow」を提案し、NFモデルがこれまで考えられていたよりも強力であることを示しています。TarFlowは、画像の尤度推定で最先端の結果を達成し、拡散モデルに匹敵する品質と多様性を持つサンプルを生成できるとのことです。 スミス: Normalizing Flows（正規化フロー）とは、データが従う確率分布を学習する生成モデルの一種です。このモデルを使うことで、新しいデータを生成したり、既存のデータの確率密度を評価したりできます。 スミス: ハッカーニュースのコミュニティではどうでしょうか？ジョシュアさん。 ジョシュア: はい。ハッカーニュースでは、この研究に対する関心も高く、以前にも議論されています。記事へのリンクも共有されていました。Normalizing Flowは、生成モデルとして以前から知られていましたが、今回のAppleの研究によって、その潜在能力が再認識されたという声が多く見られました。 スミス: なるほど。埋もれていた技術が、新しいアプローチで再び脚光を浴びるのは面白いですね。次のニュースです。 スミス: 二つ目のニュースは「SymbolicAI: A neuro-symbolic perspective on LLMs」です。 スミス: こちらは、LLM（大規模言語モデル）に対する新しいアプローチを提案する「SymbolicAI」というライブラリに関する記事です。SymbolicAIは、古典的なPythonプログラミングと、LLMの微分可能でプログラム可能な性質を組み合わせたフレームワークとのことです。このライブラリの中心となるのは「Symbol」オブジェクトで、これにはネイティブなPythonのように扱える、小さく構成可能な操作が付属しています。また、LLMの「ハルシネーション（もっともらしい嘘をつくこと）」に対処するため、契約による設計（Design by Contract）の原則を導入し、LLMの正確性を高める仕組みも提供しているようです。 スミス: 大規模言語モデル（LLM）とは、大量のテキストデータを学習し、人間のような文章を生成できるAIモデルのことです。GPT-3やGPT-4などが有名ですね。 スミス: ハッカーニュースのコミュニティではどうでしょうか？ジョシュアさん。 ジョシュア: はい。SymbolicAIは、LLMにシンボリックな処理を加えることで、より正確な推論や制御を可能にするという点で、多くのユーザーから注目を集めています。特に、LLMの出力を制約する「契約」の概念は、実用的なアプリケーションにおいて非常に重要だと評価されています。また、SymbolicAIの開発者が積極的にコメントに参加し、ユーザーからの質問に答えているのも好印象です。 スミス: LLMの弱点を補いつつ、その能力を最大限に引き出すための興味深い試みですね。次のニュースです。 スミス: 三つ目のニュースは「Qwen VLo: From "Understanding" the World to "Depicting" It」です。 スミス: この記事は、Qwenという大規模言語モデルの新しいバージョン「Qwen VLo」を紹介しています。Qwen VLoは、マルチモーダルな理解と生成を統合したモデルで、画像のコンテンツを理解するだけでなく、その理解に基づいて高品質な画像を生成できるとのことです。例えば、写真のスタイルを変換したり、オブジェクトを追加したり、複雑な指示に基づいて画像を編集したりできます。また、日本語や英語など、多言語での指示にも対応しているようです。 スミス: マルチモーダルAIとは、テキスト、画像、音声など、複数の種類の情報を組み合わせて処理できるAIのことです。これにより、AIはより複雑なタスクを実行できるようになります。 スミス: ハッカーニュースのコミュニティではどうでしょうか？ジョシュアさん。 ジョシュア: はい。Qwen VLoは、画像の生成能力において非常に高い評価を得ていますが、オープンソースではない点が残念だという意見も見られました。また、生成された画像にOpenAIの画像生成AIと同様のオレンジ色の色合いが見られるという指摘もあり、学習データに関する議論も起きています。一方で、その画像編集能力には目を見張るものがあり、今後の発展に期待する声も多くありました。 スミス: 画像生成AIの競争は激化していますね。今後の進化が楽しみです。次のニュースです。 スミス: 四つ目のニュースは「Transmitting data via ultrasound without any special equipment」です。 スミス: この記事は、特別な機器を使わずに、超音波を使ってデータを伝送する方法を紹介しています。通常、データ伝送には電磁波が使われますが、この記事では、WebAudio APIを使って、人間の耳には聞こえない高周波の音を使ってデータをエンコードし、それを別のデバイスのマイクで受信するという方法を提案しています。記事では、モールス信号や周波数シフトキーイング（FSK）を使った実装例が紹介されており、実際にウェブサイト上で試すこともできます。 スミス: 周波数シフトキーイング（FSK）とは、デジタルデータを伝送するために、搬送波の周波数を変化させる変調方式の一種です。この方式では、0と1のビットを異なる周波数で表現します。 スミス: ハッカーニュースのコミュニティではどうでしょうか？ジョシュアさん。 ジョシュア: はい。この記事に対しては、犬を飼っている人は注意が必要だというコメントや、過去のモデム技術を応用できないかという提案がありました。また、同様の技術が以前にも存在したという情報や、実際に試してみた結果、騒音の中でも比較的うまくデコードできたという報告もありました。低周波を使用しているため、若い人には聞こえてしまう可能性があるという注意点も共有されています。 スミス: 面白い試みですが、実用化にはまだ課題が多そうですね。しかし、アイデアとしては非常に興味深いです。最後のニュースです。 スミス: 五つ目のニュースは「10 Years of Pomological Watercolors」です。 スミス: この記事は、パーカー・ヒギンズ氏が、アメリカ政府が所有する果物の水彩画コレクション「Pomological Watercolor Collection」を公開するよう働きかけてから10年を記念して書かれたものです。ヒギンズ氏は、情報公開法（FOIA）に基づいてこれらの画像のデジタル化を知り、公開を求めた結果、国立農業図書館がオンラインで公開するに至りました。その後、ヒギンズ氏これらの画像を使って様々なプロジェクトを行い、コレクションの普及に貢献しました。 スミス: 情報公開法（FOIA）とは、アメリカの法律で、政府機関が保有する情報へのアクセスを国民に保障するものです。これにより、透明性が高まり、政府の説明責任が促進されます。 スミス: ハッカーニュースのコミュニティではどうでしょうか？ジョシュアさん。 ジョシュア: はい。この記事に対しては、著者であるパーカー・ヒギンズ氏本人からのコメントもありました。また、このコレクションを使ってプロジェクトを行った人や、高解像度画像をダウンロードできるサイトの情報も共有されています。ライセンスが曖昧であるという指摘もありましたが、全体として、このコレクションの美しさや、それによってインスパイアされた人々の活動を称賛する声が多く見られました。 スミス: 美しい絵画が人々の創造性を刺激し、新たな価値を生み出すのは素晴らしいことですね。私もこれらの絵をじっくり見てみたいと思います。 スミス: さて、本日のハッカーボイスでは、Normalizing Flows Are Capable Generative Models、SymbolicAI: A neuro-symbolic perspective on LLMs、Qwen VLo: From "Understanding" the World to "Depicting" It、Transmitting data via ultrasound without any special equipment、そして10 Years of Pomological Watercolorsの5つのニュースをお届けしました。 スミス: 次回のハッカーボイスでは、どんな面白いニュースが飛び込んでくるでしょうか？それではまた次回。2025年6月28日のハッカーボイスでした。