計算上の概念としての空間と、人間が認識する空間はほとんど異なるものだから、これらを混同していると色々と不具合が多い(同一視している人がたくさんいるが、それらは単なるメタファーでしかない)

📺おススメ番組のご案内📺 今夜の東京交差点(ﾃﾚﾋﾞ東京 月曜21:54～ /ナレーター #向井理# さん)では、季節ごとに表情を変える植栽の、その光と影までも計算し、庭という空間を生み出す #ガーデンデザイナー# #保坂悠平# さんをご紹介。ぜひご覧ください！ #東京パークガーデンアワード#

マルチエージェントの協調、毎回テキストでやり取りするのは高コストでした🔄 協調そのものを「潜在空間の再帰」でスケールさせる発想が新しいです。 タイトル: Recursive Multi-Agent Systems URL: 🔄 概要 複数エージェントの協調を、逐次的なテキスト交換ではなく、統一された潜在空間上の再帰的計算として捉える枠組みRecursiveMASの提案です。異種のエージェントをRecursiveLinkモジュールで接続し、潜在的な思考の生成と状態転送を可能にします。 ❓ 解決する課題 マルチエージェントシステム（MAS）は通常テキストベースの通信に依存します。 ・エージェント同士が自然言語でやり取りすると、トークンを大量に消費し計算コストが高い ・「協調そのものを再帰でスケールできないか」という問いが出発点でした 💡 方法論と提案手法 ・システム全体を潜在空間上の再帰的計算として定式化します ・RecursiveLinkモジュールが異種エージェント間を軽量に接続し、再帰ラウンドをまたいだ勾配ベースの貢献度割り当てを行います ・最適化は内側・外側のループ学習で実施し、理論的な安定性も保ちます 📊 実験結果 数学・科学・医療・検索・コード生成にまたがる9ベンチマークで、4つの協調パターンを検証しました。 ・平均精度が8.3%向上 ・推論が1.2倍〜2.4倍に高速化 ・トークン使用量を34.6%〜75.6%削減 精度を上げながら、速度とコストを同時に大きく改善しています。 #マルチエージェント# #LLM#

【第2弾2027年3月開幕予定GREEN×EXPO 2027：null⁴(テトラﾇﾙ）　】 「null²」のお引越しは単なるパビリオンの移設ではなく「null⁴（テトラﾇﾙ）」として新たなる次元で横浜に転生します！ 「null⁴」は花壇の花・空・風・来場者の影を回転する鏡面に取り込み風景を変換する彫刻と同時に計算機自然の生命彫刻としてインタラクティブに空間と感応します。 テトラレンマを標榜する4棟のテトラﾇﾙと、巨大なマニ車のようなオブジェクトが回転しながら、風景・光・人の気配を取り込み、場を生成していきます。 2027年はランドマーク「ヌルヌルネクサス」と２０２７国際園芸博覧会場「テトラﾇﾙ」２つのヌルを横浜でお楽しみ下さい！ #expo2027# #greenexpo2027# #null4#

1分超のOPムービーがSeedance 2.0でまともに作れるようになれば、20分の本編を作るのに必要なのは、もう「根性とクレジットだけ」だと思う。 ぶっちゃけ、ここまで来ると、自前でさらに検証する気はさすがになくなりますね。かなりの確率で、できるに決まっているから。 結局のところ、最初にあるのは「15秒をいかに制御するか？」という問題で、その次にあるのは「それらの短尺を、いかに効率よくコンテキストに載せ、前後のつながりを維持するか？」という方法論にすぎない。 キャラクター、衣装、小道具、空間配置、台詞、芝居、口パク、間、カット間の連続性。20分になれば管理対象は当然増えるし、リテイク回数もレビュー負荷もクレジット消費も大きくなる。 ただ、それは「作れるかどうか」の問題ではない。 「何カット必要か」 「何回リテイクするか」 「何時間かかるか」 「いくらクレジットを消費するか」 という、制作工程と原価計算の問題である。 しかもOPは、本編より短時間あたりのカット密度が高く、構図、芝居、速度変化、キャラクターの一貫性まで要求される。そこを1分以上まとめられるなら、会話劇や日常芝居を含む20分本編は、総量こそ増えても、原理的には同じ工程の反復になる。 つまり、技術的な可能性を確かめる研究は、もうかなり終わりに近い。 次に必要なのは、 「アニメ本編が作れるか」の検証ではなく、 「どれだけの予算と工数で作れるか」を測る実証作品だ。 そこまで来ると、個人が趣味で自腹を切って証明する領域ではないと思う。 だれかスポンサーになってくれるなら、作るのはやぶさかではない。 でも趣味でやるには、さすがに面倒くさい。 もう謎を解く「面白さのある」仕事ではなく、工程を回す「砂を噛むような」仕事になっているから。

🧠 誤差逆伝播を使わない「生物学的に妥当な学習」が深いネットワークで失敗するのは、実は勾配のランク崩壊が原因でした。それを幾何学的な介入で解き、精度を1.4%から46.1%へ一気に引き上げた研究です。 タイトル: Overcoming Rank Collapse in Feedback Alignment URL: 📝 概要 フィードバックアラインメント（FA）は、誤差逆伝播に対する生物学的に妥当な代替手法です。順方向と同じ重みを逆方向にも使う「対称な重み転送」を必要とせず、固定のランダムなフィードバック重みで学習します。本論文は、FAが深い構造でスケールしない原因を「勾配のランク崩壊」と特定し、それを克服する手法を提案します。 ❓ 解決する課題 FAの誤差は、逆伝播に比べて著しくランクが低く、より低次元の部分空間に制約されてしまいます。このランク崩壊が、パラメータ空間の探索を大きく制限し、学習中に重みの整合（alignment）が進まなくなる根本原因でした。 💡 方法論と提案手法 勾配の次元性を高める、相補的な2つの機構を提案します。 ・Muonオプティマイザ：直交化に基づき、すべての特異値を1に設定します。モメンタム更新のスペクトルを平坦化し、これまで無視されていた方向を強調して、更新の幾何そのものを書き換えます ・バッチ正規化：隠れ層の活性を正規化して活性の直交性を促し、層をまたいで高次元の表現を維持します ・Muonは更新の幾何を均一化し、バッチ正規化は表現の次元性を保つ。両者を組み合わせると、学習を通じて豊かな学習方向が維持され、深いネットワークでもアラインメントが生まれます 🎯 ユースケース 逆伝播に依存しない学習や、脳に着想を得たニューロモルフィック計算、そして「最適化の軌跡の次元性」を扱う研究全般に役立ちます。 📊 実験結果 ・CIFAR-10・CIFAR-100・STL-10・Tiny ImageNetで、AlexNetとResNet-18を用いて評価しました ・CIFAR-100・ResNet-18では、ベースラインFAがわずか1.4%だったのに対し、FA+バッチ正規化で37.1%、FA+Muonで25.3%に向上しました ・FA+Muon+バッチ正規化で46.1%（バッチ正規化単独比で約9ポイント改善）を達成しました ・同様の改善が、すべてのデータセットとアーキテクチャで確認されました #DeepLearning# #Neuroscience#

♠️♥️「MTT」新モード登場予告♣️♦️ 2026年6月11日（木）のアップデート後、テキサスホールデムの真髄であり、究極のサバイバル競技「MTT（マルチテーブルトーナメント）」がついに正式実装されます！ 本モードは、数百人から数千人規模のプレイヤーが同時に頂点を目指す大規模なトーナメント形式です。 試合開始後、複数のテーブルで同時にゲームが進行し、プレイヤーが敗退するごとに「テーブルブレイク（卓の統合）」が行われます。そして、勝ち残った一握りのトッププレイヤーたちが唯一の「ファイナルテーブル（Final Table）」に集結し、チャンピオンの座を懸けて激突します。 ✨遊び方の概要✨ ・公式主催 ＆ 事前エントリー： MTTは公式により不定期に開催されます。トーナメント画面よりチップや特定アイテムを消費し、事前にエントリー（バイイン）を行い、シートを確保することができます。 ・定刻スタート ＆ ルール完全公開： すべてのMTTは時間厳守で開始されます。初期チップ、ブラインドストラクチャー、入賞圏内（ITM）のプライズ配分などは、事前に画面にて確認可能です。 ・入賞報酬： 見事入賞圏内に進出したプレイヤーには、最終順位に応じて「縁結びチップ（ガチャ券）」や「衣装カード」、限定称号などの豪華アイテム報酬が入手可能です。 ※各MTTトーナメントの入賞報酬設定はそれぞれ異なります。具体的な報酬内容は、対象のトーナメント画面の実際の表示をご確認ください。 MTTは、ポーカーの技術と戦略を競う深い心理戦であると同時に、忍耐力と精神力の限界に挑む極限の長期戦でもあります。卓上のわずかな空間で、すべてを計算し尽くした者が勝負を制します。 会長の皆様のご参加を心よりお待ちしております。サバイバルを勝ち抜き、皆様が優勝の栄光を手にする瞬間を楽しみにしております！🏆 #ポカフェ# #ポーカー# #テキサスホールデム#