SONYが無料で公開しているディープラーニングの入門コース(全14回)がとても分かりやすい🤗✨Deep Learningに取り組むべき理由やDeep Learningとは？から説明があるので初心者でも学習しやすい🤗各回10分前後の講義なので無理なく学習できて嬉しい🤗

・今Deep Learningに取り組むべき理由
・Deep Learningとは？
・Deep Learningでできること
・ニューラルネットワーク設計の基礎
・層数、ニューロン数を決める指針
・ニューラルネットワークの多層化テクニック
・ニューラルネットワーク学習の仕組み
・Recurrent Neural Networksとは？
・Generative Adversarial Networks (GAN)とは？
・数式なしで理解するLSTM (Long short-term memory)
・Transfer Learning（転移学習）
・量子化によるニューラルネットワークのコンパクト化
・Attention（注意）
・マルチタスク学習

動画へのリンクはリプ欄にて🤗✨ December 12, 2025

緊急速報
買っててよかった川崎重工🤗
三菱重工もちょい上げ⤴️
倭国株が大きく動いているので、今週注目している銘柄をいくつか選びました
大急騰…最强倭国株.必買い
内海造船(7018) →12,900円付近
倭国新薬(4516) →6,000円付近
安川電機(6506)→4,753円付近
東京計器(7721) →5,500円付近
霞ヶ関キャビタル（3498）：購入停止
倭国精鉱（5729）：購入停止
エネクス・インフラ（9286）：購入停止
これらの銘柄は現在購入停止となっており、投資タイミングを見誤るリスクがあります。
大急騰…
来た！限定内部情報！
【次世代脳型AIプロセッサ】
株価：188円
予測：188円 → 9,500円
この企業は脳神経模倣チップ（ニューロモルフィック）の国内唯一の量産開発者！
独自の「パルスニューラルネットワーク構造」で従来比1,000倍の省電力AI演算を実現。
内閣府先端研究プロジェクト・経済産業省グローバルAI戦略に同時採択済み。
深層学習処理効率99.7%向上を実証済み。
時間は有限です。未来を見据えた行動だけがAI革命の主役を掴めます。
フォロー＆「いいね！」で技術詳細資料を無料提供
コメント欄に「9500」と返信すると、この銘柄を無料で入手できます December 12, 2025

2025年の深層学習においては、有名な両問題はもはや存在しないとみなされてるしその道筋にあまり数学が介在しなかったの悲しい

(勾配消失問題→normalizationとskip connection / バイアス-バリアンス→over parameterizationやscaling law) https://t.co/3gViOagZ8T December 12, 2025

ホモサピエンス以降の発明史100個歴史順

1.衣服の着用（30〜10万年前）
2.石槍・投槍（30〜20万年前）
3.言語能力高度化（20〜10万年前）
4.埋葬・儀礼（10万年前）
5.長距離狩猟（10万年前）
6.針と縫製（5万年前）
7.洞窟壁画（4万年前）
8.極地移住（4〜3万年前）
9.弓矢（2万年前）
10.犬の家畜化（1.5万年前）

■農耕期（紀元前1万年〜紀元前3000年）

11. 農耕開始（1万年前）
12. 家畜化拡大（1万〜9000年前）
13. 土器大量生産（9000年前）
14. 灌漑農法（9000〜8000年前）
15. 集落形成（8000年前）
16. 交易ネットワーク（8000〜6000年前）
17. 金属器（5500年前）
18. 車輪（5500年前）
19. 都市文明誕生（5000年前）
20. 文字の発明（5000年前）

■古典技術期（紀元前3000年〜西暦500年）

21. 青銅器文化（4500年前）
22. 暦・天文学体系化（4000年前）
23. 大型船・航海技術（4000年前）
24. ガラス（3500年前）
25. 製鉄技術（3200年前）
26. 貨幣（2600年前）
27. ローマ道路網（2500年前）
28. 水道・下水（2000年前）
29. 紙（2000年前）
30. 火薬の原型（1000年前）

■前産業期（西暦500年〜1700年）

31. 羅針盤（1000年前）
32. 活版印刷（1000年前）
33. 眼鏡（700年前）
34. 大砲（700年前）
35. 機械式時計（700年前）
36. 鉄砲（600年前）
37. 近世航海術発展（500年前）
38. 近代科学成立（400年前）
39. 顕微鏡（400年前）
40. 望遠鏡（400年前）
41. 微積分（350年前）
42. 初期蒸気機関（300年前）
43. 火薬大量生産（300年前）
44. 鉱山技術発展（300年前）

■産業化期（1700年〜1900年）

45. 繊維工場システム（250年前）
46. ワット蒸気機関（240年前）
47. 鉄道（200年前）
48. 電池（200年前）
49. 写真（190年前）
50. 蒸気船普及（180年前）
51. 陸上輸送の機械化（180年前）
52. 内燃機関（150年前）
53. 電磁気学確立（150年前）
54. 電話（150年前）
55. 電力インフラ（140年前）
56. 麻酔（179年前）
57. ダイナマイト（150年前）
58. TNT標準化（120年前）
59. 無線通信（120年前）
60. 自動車（130〜110年前）
61. 飛行機（122年前）

■科学飛躍期（1900年〜1950年）

62. レントゲン（130年前）
63. プラスチック（115年前）
64. 化学肥料（110年前）
65. 映画・録音（100年前）
66. 量子力学（100年前）
67. 真空管（100年前）
68. 核分裂の発見（90年前）
69. レーダー（90年前）
70. コンピュータ原型（80年前）
71. 核爆弾（80年前）
72. 水爆（70年前）

■デジタル基盤期（1950年〜1980年）

73. トランジスタ（78年前）
74. ジェット旅客機（76年前）
75. DNA二重らせん（72年前）
76. 宇宙ロケット（68年前）
77. 人工衛星（67年前）
78. 集積回路（65年前）
79. レーザー（64年前）
80. アーパネットの構築（56年前）
81. 心臓移植成功（57年前）
82. マイクロプロセッサ（54年前）
83. 家庭用PC原型（49年前）
84. Apple I / II（47〜48年前）

■情報普及期（1980年〜2000年）

85. VHS普及（45年前）
86. アダルトビデオ爆誕（45〜40年前）
87. GUI（40年前）
88. 携帯電話原型（40年前）
89. 光ファイバー通信（40年前）
90. WWW誕生（34年前）

■デジタル・AI時代（2000年〜2025年）

91. Windows 95（30年前）
92. MP3普及（25年前）
93. ブロードバンド（20年前）
94. GPS一般開放（20年前）
95. デジタルカメラ普及（20年前）
96. Wi-Fi普及（20年前）
97. スマホ前史（20年前）
98. iPhone（17年前）
99. Android（16年前）
100. クラウド・深層学習・ChatGPT（10年前〜） December 12, 2025

α7 V、予約開始しましたが皆さんはどうされましたか？汗
 
改めて、冷静に、自分なりに、魅力を整理します。
 
【AI処理機能を内蔵した新世代の画像処理エンジン「BIONZ XR2」が魅力的すぎる】
2022年に登場した”α7R V”に初めて搭載されたAIプロセッシングユニットがついにベーシックモデルに。上位モデルじゃなくても高性能AFを堪能できる時代がついに来ました。あのAF性能は本当に良い。とにかく良い。今までα1を使っててずっと指を咥えてたゆ〜とび、ここでついに最新のAFを手に入れられるか…！？
 
【念願の…！AWBが安定！】
光源の色を推定する処理にAIディープラーニング技術を採用し、オートホワイトバランスの精度がさらに向上。これも本当に嬉しいアップデート。色被りは自分であとで修正できるとはいえ、撮影段階でバチっと決まることもやっぱり重要。正直これが一番の決め手と言っても過言ではないくらい個人的には朗報でした。
 
【ダイナミックレンジ最大約16ストップ】
※ ソニー内部測定。静止画撮影時。メカニカルシャッター使用時。
これは正直まだ検証しきれてないし、そもそも時と場合によっては恩恵を感じられるか分からない部分でもある。色んなシチュエーションで撮影して検証して、かつ感覚でも覚えていくしかないかもしれない。でも、ホームページに記載されてるということはそういうことなんやと思う。ゆ〜とびはそれを信じて、白飛び黒つぶれがなるべくしないように露出を決めていこうと誓います。（え？買うんか？）
 
【最大約30コマ/秒のブラックアウトフリー撮影】
YouTubeでも自分なりに検証したけど、バッファ詰まりは起きる。詳しくは動画を見てもらいたいけど、『”約30コマ/秒の連写”を”長時間”するシチュエーションがどれだけあるか』を考えねばならない。あの後、考えました。あんまないわ。そんな連写で撮ることはないし、でもいざという時にバッチバチに撮れるということが大きなアドバンテージになると考えました。よって、ゆ〜とび個人的にはバッファ詰まりは問題ない。そう、問題はないのです。
 
【4軸マルチアングル液晶モニター、最高】
やっぱりあの液晶モニターは最高です。もう多くは語らなくても良いでしょう。α1にはこれもなかった。なかったのです。
 
【バッテリーもちが素晴らしい】
BIONZ XR2の低消費電力化により、スタミナ性能が大幅に向上したらしいです。ファインダー使用時で約630枚、液晶モニター使用時で約750枚の静止画撮影が可能に（CIPA規格準拠）。
新しいBIONZ XR2がもたらす恩恵はこんなところにも。色々と調べたけど、このバッテリーもちはすごいことがわかりました。バッテリーの規格を変えたりせずにこの低消費電力化は流石ソニー…痒いところまで手が届きすぎている…あと、電源オンにしてからシャッター切れるまでのスピードめっちゃ速ない？スナップシューターとしても優秀なんかいな。
 
今回投稿した写真たちも、上記のメリットを存分に活かして撮影しました。決定的瞬間が撮れたのはもちろん、全体的な感想としてはやっぱり色の仕上がりが良くなったなという印象です。まだまだこれからもこのカメラを使って色んな写真を撮っていきたいと思います。思うだけは自由です。思うだけ思うだけ()
 
α7 Vの詳細はこちら！
https://t.co/B2fwRxGI27
 
#α7Vで塗り替えろ から他のクリエイターの作品・表現もチェックしてみてください！
#ソニーα7V登場

Sponsored by Sony Marketing inc December 12, 2025

- プログラミングは数学の上に成り立つ
- アルゴリズムは数学で動作する
- すべてのAIモデルは数学
- 機械学習は数学
- ディープラーニングは数学
- グラフィックスは数学
- シミュレーションは数学
- 暗号学は数学
- ブロックチェーンは数学
- データサイエンスは数学
- 最適化は数学
- 信号処理は数学
- ロボット工学は数学によって動く
- ゲームエンジンは数学によって動作しする
- 技術スタック全体は数学に依存している

:追加
周波数、電磁波、個人情報収集(占星術)を
担うスパコンとAIは数学で成り立つ December 12, 2025

正直、深層学習よりも確率モデリング、強化学習よりも最適制御の方が楽しい。

自分のことだけ考えるなら確率的な制御、物理モデリングと統計モデリングの融合を楽しみたい。

それでも深層学習と強化学習は凄い。盲信してるわけじゃない。立場的には失墜してほしい。けど確実にそうはならない。 December 12, 2025

ちなみにオートフォーカスにもAIの技術が利用されますね
SONYのα7ⅴは型落ちIVからさらに進化したAIによるAF機能が搭載されます
生成AIでも行っているディープラーニング技術によって「認識」や「追跡」がさらに向上するようですよ
…大丈夫そうですか？ https://t.co/lOirjTDz10 https://t.co/RyF56itSAb December 12, 2025

もう、僕なんて本来、割とモデルベースの権化（グレー、ブラックボックス同定も含む）みたいな立場だからね。

深層学習や強化学習をやり始めた2016年なんて、状況を見て悔しくて泣きながらそっちに進んだ。

PhysicalAIだって否定しようと思えばできるんよ。でも、やらなきゃいかんのよ。 December 12, 2025

【倭国語訳】2025年12月11日
「10年」
ブレークスルー、学び、そして全人類に利益をもたらすAGI（汎用人工知能）への道のりにおける10年間の振り返り

OpenAIは、私が夢見ていた以上のことを成し遂げました。私たちは、クレイジーで、ありそうもなく、前例のないことに挑戦し始めました。非常に不確実なスタートを切り、あらゆる合理的な予想に反していましたが、絶え間ないハードワークの結果、今では私たちのミッションを達成するチャンスがあるように見えます。

私たちは今日からちょうど10年前に取り組みを発表しましたが、正式な始動はさらに数週間後の2016年1月初旬でした。

ある意味で10年というのは非常に長い時間ですが、社会の方向性が大きく変化するのに通常かかる時間を考えれば、決して長くはありません。日常生活は10年前とそれほど変わっていないように感じられますが、私たち全員の目の前に広がる可能性の空間は、15人のオタクたちが車座になってどうやって進歩を生み出すか知恵を絞っていた頃とは、まったく違ったものに感じられます。

初期の頃の写真を見返すと、まずみんながどれほど若く見えるかに驚かされます。しかし次に、みんながどれほど理不尽なほど楽観的で、どれほど幸せそうに見えるかに心を打たれます。それはクレイジーで楽しい時間でした。私たちは極めて誤解されていましたが、深い確信を持っていました。成功の確率はわずかでも、懸命に取り組む価値があるほど重要なことだという感覚、非常に優秀な人材、そして鋭い集中力がありました。

少しずつ、いくつかの勝利（そして多くの敗北）を重ねるにつれ、何が起きているのかについての理解を築いていきました。当時は具体的に何に取り組むべきかを見極めるのは困難でしたが、発見を可能にする素晴らしい文化を築き上げました。ディープラーニング（深層学習）は明らかに素晴らしい技術でしたが、実世界での運用経験を得ずに開発するのは、あまり正しくないように思えました。私たちがやったことすべての話は割愛しますが（いつか誰かがその歴史を書いてくれることを願っています）、私たちには常に目の前の次の障害を解決しようとする素晴らしい精神がありました。研究が次にどこへ向かうのか、より大きなコンピュータのための資金をどうやって調達するか、あるいはその他のどんなことでも。私たちは、AIを実用的な方法で安全かつ堅牢にするための技術的な取り組みを先駆けて行い、そのDNAは今日まで受け継がれています。

2017年には、いくつかの基礎的な成果がありました。強化学習を新たなスケールへと押し上げた「Dota 1v1」の結果。言語モデルが単なる構文（シンタックス）だけでなく意味論（セマンティクス）を確実に学習していることを目の当たりにした、教師なし学習による「感情ニューロン（sentiment neuron）」。そして、AIを人間の価値観に整合させる（アライメント）ための初期の道筋を示した「人間の好みからの強化学習（RLHF）」の結果です。この時点でイノベーションはまだ完了には程遠い状態でしたが、これらの結果のそれぞれを大規模な計算能力でスケールアップする必要があることはわかっていました。

私たちは前進し続け、技術をより良いものにし、3年前にChatGPTをローンチしました。世界がそれに注目し、その後GPT-4をローンチした際にはさらに大きな注目を集めました。突然、AGI（汎用人工知能）はもはや考えるのがクレイジーなことではなくなりました。この直近の3年間は極めて激しく、ストレスと重い責任に満ちていました。この技術は、これまでのどの技術よりも大規模かつ高速に世界へと統合されました。これには極めて困難な実行力が求められ、私たちは即座に新しい能力（筋肉）を鍛える必要がありました。この期間に無から巨大企業へと成長することは容易ではなく、週に何百もの決断を下す必要がありました。その多くをチームが正しく判断したことを誇りに思いますし、間違った判断の多くは私の責任です。

私たちは新しい種類の決断を下さなければなりませんでした。例えば、AIを世界にとって最大限有益なものにするにはどうすればよいかという問いと格闘する中で、私たちは「反復的な展開（iterative deployment）」という戦略を開発しました。これは、技術の初期バージョンを世界に送り出すことで、人々が直感を形成し、社会と技術が共進化できるようにするというものです。当時はかなり物議を醸しましたが、これは私たちの最良の決断の一つであり、業界標準になったと考えています。
OpenAIの10年目にして、私たちは最も困難な知的競技において、最も賢い人々の大半よりも優れたパフォーマンスを発揮できるAIを手に入れました。
(続く) December 12, 2025

船舶の認識技術について、AIS（船舶自動識別装置）とAI（人工知能）画像認識技術を中心に、その仕組み、役割、今後の展望を深掘りして文章で解説します。 

船舶認識技術の深掘り：情報の自動交換からAI活用へ
船舶の認識は、海上交通の安全確保、海難事故の防止、そして効率的な運航管理のために不可欠です。従来からの自動情報交換システムに加え、近年ではAI技術の導入により、認識の精度と適用範囲が飛躍的に拡大しています。 

1. 船舶自動識別装置（AIS）の詳細
AISは、船舶が自らの情報を周囲に発信し、相互に認識し合うことで、主に衝突予防を目的としたシステムです。 
•動作原理: VHF帯の電波を利用し、GPSなどから取得した自船の位置、針路、速力といった動的情報や、船名、IMO番号（国際海事機関番号）、船種といった静的情報を自動的に送受信します。これらの情報は、他船のAIS受信機や陸上局で受信され、電子海図情報表示装置（ECDIS）やレーダー画面上に表示されます。
•義務化の範囲: 国際航海に従事する300総トン以上の船舶や、すべての旅客船など、一定規模以上の船舶への搭載が国際条約（SOLAS条約）により義務付けられています。これにより、主要な海上交通路における大型船の動静はほぼ把握されています。
•課題: 搭載義務のない小型漁船やプレジャーボートはAIS情報を発信しないため、AISだけでは全ての船舶を認識できません。また、悪天候や機器の故障時には情報が得られないリスクも存在します。 

2. AIを活用した画像認識技術の進化
AISの課題を補完し、より包括的な船舶認識を実現するために、AI画像認識技術が急速に発展しています。
•仕組み: 高性能なカメラやレーダーで海上を監視し、その映像やデータをAIがリアルタイムで解析します。ディープラーニング技術を用いて、映像内の物体が「船」であること、さらにはその「船種」（貨物船、タンカー、漁船など）を識別します。
•レーダーと画像の統合: 夜間や霧などの視界制限状態では、可視光カメラの性能は低下します。これを補うため、レーダー画像と可視光画像を組み合わせるなど、複数のセンサーデータを統合して認識精度を高める研究開発が進んでいます。
•役割と将来性: この技術は、主に乗組員の見張り業務の支援を目的としています。AIが検知した非AIS搭載船や漂流物などの情報を乗組員に提示することで、見落としによる事故を防ぎます。将来的には、人間による操作を必要としない自動運航船の実現に向けた核心技術として期待されています。 

3. 識別番号制度とその他の物理的識別
データ通信以外にも、物理的な識別手段が存在します。
•IMO番号: 国際航海に従事する大型船には、建造時に付与される固有のIMO番号（International Maritime Organization番号）を船体に恒久的に表示することが義務付けられています。これは「船の戸籍」とも呼ばれ、生涯変更されることはありません。
•船体識別番号: 小型船舶には、個体識別を容易にするためにJIS規格に基づいた船体識別番号が船体に表示されています。 

まとめ
船舶認識技術は、AISによる「情報共有」とAIによる「視覚的認識」の二本柱で進化しています。これらの技術を組み合わせ、相互に補完することで、海上交通のさらなる安全性・効率性の向上が図られています。 December 12, 2025

2025.12.13開催分｜ #AI予測 複勝率･勝率データ

ディープラーニングを用いた予測モデルによる
予測データを提供しています
（TARGET外部指数形式）
https://t.co/XhMhrlnHEt
（一覧表・CSV形式）
https://t.co/xBizka2iyc
無料版は「データで楽しむ競馬予想🐴」のサイトで！
https://t.co/i0GELtbFlb December 12, 2025

2025.12.14開催分｜ #AI予測 複勝率･勝率データ

ディープラーニングを用いた予測モデルによる
予測データを提供しています
（TARGET外部指数形式）
https://t.co/gPCIHSNXq4
（一覧表・CSV形式）
https://t.co/FOiF0deNnk
無料版は「データで楽しむ競馬予想🐴」のサイトで！
https://t.co/i0GELtcdaJ December 12, 2025

船舶の認識技術について、AIS（船舶自動識別装置）とAI（人工知能）画像認識技術を中心に、その仕組み、役割、今後の展望を深掘りして文章で解説します。 

船舶認識技術の深掘り：情報の自動交換からAI活用へ
船舶の認識は、海上交通の安全確保、海難事故の防止、そして効率的な運航管理のために不可欠です。従来からの自動情報交換システムに加え、近年ではAI技術の導入により、認識の精度と適用範囲が飛躍的に拡大しています。 

1. 船舶自動識別装置（AIS）の詳細
AISは、船舶が自らの情報を周囲に発信し、相互に認識し合うことで、主に衝突予防を目的としたシステムです。 
•動作原理: VHF帯の電波を利用し、GPSなどから取得した自船の位置、針路、速力といった動的情報や、船名、IMO番号（国際海事機関番号）、船種といった静的情報を自動的に送受信します。これらの情報は、他船のAIS受信機や陸上局で受信され、電子海図情報表示装置（ECDIS）やレーダー画面上に表示されます。
•義務化の範囲: 国際航海に従事する300総トン以上の船舶や、すべての旅客船など、一定規模以上の船舶への搭載が国際条約（SOLAS条約）により義務付けられています。これにより、主要な海上交通路における大型船の動静はほぼ把握されています。
•課題: 搭載義務のない小型漁船やプレジャーボートはAIS情報を発信しないため、AISだけでは全ての船舶を認識できません。また、悪天候や機器の故障時には情報が得られないリスクも存在します。 

2. AIを活用した画像認識技術の進化
AISの課題を補完し、より包括的な船舶認識を実現するために、AI画像認識技術が急速に発展しています。
•仕組み: 高性能なカメラやレーダーで海上を監視し、その映像やデータをAIがリアルタイムで解析します。ディープラーニング技術を用いて、映像内の物体が「船」であること、さらにはその「船種」（貨物船、タンカー、漁船など）を識別します。
•レーダーと画像の統合: 夜間や霧などの視界制限状態では、可視光カメラの性能は低下します。これを補うため、レーダー画像と可視光画像を組み合わせるなど、複数のセンサーデータを統合して認識精度を高める研究開発が進んでいます。
•役割と将来性: この技術は、主に乗組員の見張り業務の支援を目的としています。AIが検知した非AIS搭載船や漂流物などの情報を乗組員に提示することで、見落としによる事故を防ぎます。将来的には、人間による操作を必要としない自動運航船の実現に向けた核心技術として期待されています。 

3. 識別番号制度とその他の物理的識別
データ通信以外にも、物理的な識別手段が存在します。
•IMO番号: 国際航海に従事する大型船には、建造時に付与される固有のIMO番号（International Maritime Organization番号）を船体に恒久的に表示することが義務付けられています。これは「船の戸籍」とも呼ばれ、生涯変更されることはありません。
•船体識別番号: 小型船舶には、個体識別を容易にするためにJIS規格に基づいた船体識別番号が船体に表示されています。 

まとめ
船舶認識技術は、AISによる「情報共有」とAIによる「視覚的認識」の二本柱で進化しています。これらの技術を組み合わせ、相互に補完することで、海上交通のさらなる安全性・効率性の向上が図られています。 December 12, 2025

カフェに行って、いまから投稿する論文（時系列深層学習で沿磁力線電流）を、もう一度読み直してきます December 12, 2025

#カレーちゃんのマシュマロ
[質問]
カレーちゃんさん、

お疲れ様です。

さて知的生産性とか関係なく、私の自制心を抑えきれない欲求だけで実験してみました。

つまり、
MacBook Pro M4max １６コア、メモリ１００超え（ノートブックではほぼ最強スペック）をレンタルして、「どのくらい処理速度が速いか」を試したのです。

・切り口と検証などは以下。
テーブルデータ：
マックが効くのは恐らくCPUを活かしたlightGBMだけ。
これはColab（ハイメモリ）比処理時間は1/3に短縮
一方でXGBはマックブックの多いコア数をフル活用できず、処理速度にほとんど貢献しない

深層学習：
簡単な画像認識では確かにマックのCPU比GPUは爆速。
BERTなんかも問題ないようだが、
でも70万円程度出してマックを買うつもりなら、他も「本当にスムーズに使えるか否か」を、今回のようなレンタルを通して、綿密に確認すべきと感じました。
だって、「XGBがマックのCPUを活かしきれない（びっくりしました）」という事例みたいなものが他にもあるかもしれないので。

以上、
今でもマックは本当にカッコイイと思っています。
一方で私の目的は今のところあくまでデータ分析コンペで沢山トライアンドエラーできることです。
よって検証という意味では、今回の高いお金でしたが、レンタルして本当に良かったです。 CV上でテストに似ているトレインをバリュデーションデータとして含ませることと同じですね。
これからも、自分が正しいと思うことに対して、あえて楽観的な解釈ができないような検証をして、その上で判断したいです。

[回答]
素晴らしいですね！
MacBookって簡単にレンタルできたりするんですかね。
深層学習もXGBもどうしてもNVIDIAのGPUが早いので、速さを求めるならそちらですよね！ December 12, 2025

【今日のおすすめ📚】
コンピュータ・IT

⭐️2021年のディープラーニング論文を1人で読むアドベントカレンダー　下
https://t.co/pphJDhSxto December 12, 2025

◇AI依存症に落ち込むな！ AIを使うな、本文を読み、自分で考えて、文章を書け ! !

⑩「法令上の公報」（XML形式）は、東京地方裁判所では使われていないようです。
「法令上の公報」（XML形式）は、裁判で実際に使われているのでしょうか？
2022年１月１２日以降の公報。
特許庁は、「法令上の公報は、公報発行サイトから提供されるものであって、XML形式のものを指します。」と明言しています。
そして、「ＸＭＬ形式」とは、以下の資料のフロントページにあるようなものです。
https://t.co/bHC0RUmH1C
また、2022年１月１１日以前に特許庁より発行されていた「PDF公報」は、廃止されました。
従来は、この廃止されたPDF公報が「真正な公報」とみなされてきたと思います。
そして、2022年１月１２日以降は、INPITをはじめ、多くの民間のベンダーが独自の手法により作成したものが、「独自PDF公報」として流通しています。
特許庁、更にはINPITは、「法令上の公報は、公報発行サイトから提供されるものであって、XML形式のものを指します。」と、明確に述べています。
そしてINPITは、「公報はＸＭＬですので、レイアウトもページも存在しません。したがって、公報標準レイアウト/ページの概念はございません。」とも述べています。

加えて、INPITは「J-PlatPatから提供されるPDFを「標準」とする意図はなく、民間事業者が提供するPDFも流通すると考えております。」、と回答しています。
従って、「真正な特許公報」とは、特許庁の公報発行サイトから提供される「XML形式」のみのもので、INPITや各民間業者の作成した「独自PDF公報」は「法令上の公報」とはいえないことになります。
このことを前提に、東京地方裁判所で行われている裁判例を検証してみました。
「令和７年（ワ）第７０００３号」（損害賠償請求権不存在確認請求事件）（特許第7５８３３８７号）原告：フィリップ・モリス・ジャパン合同会社、についてです。
https://t.co/giWMZem5Zl
先ずは、特許庁の公報発行サイトから、特許第7５８３３８７号の「XML形式」での「法令上の公報」です。
https://t.co/ENzZBpsbzv
次に、INPIT のJ-PlatPatよりダウンロードした「独自PDF公報」のものです。
https://t.co/rSgV9KRdQj
そして、本題です。
本件「令和７年（ワ）第７０００３号」の判決文についてです。
https://t.co/giWMZem5Zl
この判決文の３ページの９行目に「（２）本件特許」とあり、そして１０行目に「被告は、以下の本件特許を有する。（甲１、２）」とあり、更に１１行目に「特許番号　特許第７５８３３８７号」とあります。
また、判決文の３ページの１８行目に「（３）本件特許に係る特許請求の範囲」とあり、その１９行目に「本件特許の特許請求の範囲の請求項１の記載は以下のとおりである。」ともあります。
そして、判決文の３ページ目の２０行目以降４ページ目の８行目までに請求項１の喫煙用具カートリッジについて記載されています。
以上の東京地方裁判所の裁判官に記述は、原告のフィリップ・モリス・ジャパン合同会社及び双日株式会社より提出された「甲１、２」の（特許第７５８３３８７号）からの引用と考えられます。
原告より提出された「甲１、２」を検証してみたいと思いますが、本件の判決文からはその存在が不明です。
そこで、「甲１、２」（特許第７５８３３８７号）を類推してみます。
通常考えられるのは、「甲１、２」（特許第７５８３３８７号）は、原告が、INPITのJPlatPatよりダウンロードして得た「独自ＰＤＦ公報」である可能性があります。
https://t.co/rSgV9KRdQj
原告が、特許庁の公報発行サイトから提供された（特許第7５８３３８７号）の「XML形式」のものを訴状に添付した、とは考えにくいです。
特許庁は、「法令上の公報は、公報発行サイトから提供されるものであって、XML形式のものを指します。」と明言しています。
東京地方裁判所は、何故に、「法令上の公報」である「XML形式」のものを事実認定の対象にしないのでしょうか？
東京地方裁判所は、原告が提示した「独自PDF公報」、または「独自テキスト表示」のものを鵜呑みにして、これに基づいて判断をしているのでしょうか？
INPITをはじめ、多くの民間のベンダーが独自の手法により作成した「独自PDF公報」及び「独自テキスト表示」のものに依存した議論は、全く無意味なものと考えます。
これらの「独自PDF公報」及び「独自テキスト表示」は、従来の特許庁が発行していた「PDF公報」とは、似ても似つかない、単なる「参考資料」としか言えないものと思います。
ちなみに、同じ特許第7５８３３８７号の「独自PDF公報」である、日立システムズの検索ツールSRPARTNERよりダウンロードしたものを以下に添付します。
https://t.co/YG5Kxql6JG
こちらのものを、原告の有限会社ユニオンシステムが訴状に添付したものとは考えられません。
また、その他の民間のベンダーが作成した「独自PDF公報」とも考えられません。
どう考えてみても、東京地方裁判所は、原告が、INPITのJPlatPatよりダウンロードして得た「独自PDF公報」に依存しての訴訟指揮を行っているようです。
（ハッシュタグ）
＃OpenAI ＃Claude #ChatGPT#Gemini #Copilot #AI ＃生成AI ＃知財 ＃特許 ＃特許調査 #専利 #チャットGPT #GPT-5 #INPIT #JPlatPat ＃note #JPO #USPTO #EPO ＃Patent #GPT #Threads #bing #VertexAI #DX #IT #DeepSeek #Copilot #BigTech #manus #Manus #AI画像生成 #IPランドスケープ ＃深層学習 ＃仕事 ＃ディープラーニング #ビジネス #ビジネスモデル ＃知財戦略 ＃知的財産 ＃知的財産権 ＃知的財産高等裁判所 ＃特許法 ＃特許庁 ＃特許事務所 ＃特許分類 ＃特許検索 ＃特許分析 ＃特許情報 ＃特許権者 ＃分類付与 ＃先行技術調査 December 12, 2025

☆AI依存症に落ち込むな！ AIを使うな、本文を読み、自分で考えて、文章を書け！！

⑥「法令上の公報」（XML形式）は地方裁判所で実際に使われているのでしょうか？

いえ、使われていません !!

https://t.co/XghjahuK2K

2022年1月12日以降の公報。

特許庁は、「法令上の公報は、公報発行サイトから提供されるものであって、XML形式のものを指します」と明言しています。

そして、「XML形式」とは、以下の資料のフロントページにあるようなものです。

https://t.co/bHC0RUmH1C

また、2022年１月１１日以前に特許庁より発行されていた「PDF公報」は、廃止されました。

従来は、この廃止されたPDF公報が「真正な公報」とみなされてきたと思います。

2022年１月１２日以降は、INPITをはじめ、多くの民間のベンダーが独自の手法により作成したものが、「独自PDF公報」として流通しています。

加えて、INPITは「J-PlatPatから提供されるPDFを「標準」とする意図はなく、民間事業者が提供するPDFも流通すると考えております。」、と回答しています。

従って、「真正な特許公報」とは、特許庁の公報発行サイトから提供される「XML形式」のみのもので、INPITや各民間業者の作成した「独自PDF公報」は「法令上の公報」とはいえないことになります。

このことを前提に、東京地方裁判所で行われている判決文を検証してみたいと思います。

「令和５年（ワ）第７０００１号」（専用実施権侵害差止請求事件）（特許第7061473号）原告：エンバイロ・ビジョン、についてです。

先ずは、特許庁の公報発行サイトから、特許第7061473号の「XML形式」での「法令上の公報」です。
https://t.co/XghjahuK2K
下段に
〈pat:InventionTitle〉廃水処理装置〈/pat:InventionTitle〉
の文字があります。

これは発明の名称と考えられます。

次に、INPIT のJ-PlatPatよりダウンロードした特許第7061473号の「独自PDF公報」のものです。
https://t.co/fOYxokiMZx
(54)【発明の名称】廃水処理装置　があります。
そして、本題です。
東京地方裁判所の判決文「令和５年（ワ）第７０００１号」（特許第７０６１４７３号）にて説明します。

https://t.co/lTywmcndAb
判決文の３ページ目の１行目に「（３）特許請求の範囲について（甲４）」があり、２行目以下に「本件特許権に係る特許（以下「本件特許」といい、本件特許の願書に添付した明細書及び図面を併せて「本件明細書」という。）の請求項１及び請求項７の特許請求の範囲は、以下のとおりである」とあります。

そして、判決文の３ページ目の７行目〜１６行目に、請求項１「処理対象・・・廃水処理装置。」が記載されています。

更に、判決文の３ページ目の１７行目〜１８行目に、請求項７「前記担体は・・・廃水処理装置。」が記載されています。

判決文の９ページ目の２０行目に、「第３　当裁判所の判断」があり、２１行目には「１ 本件各発明・・・について」、２２行目には「(1) 本明細書には、以下の記載等がある。」とあります。

そして判決文の９ページ目の２５行目以降１３ページ目の２６行目までに、「【０００１】本発明は・・・【００１８】前記担体に・・・を特徴としている。」との記載があります。

これら請求項１、請求項７、更には【０００１】〜【００１８】の文面は、何でしょうか？

これらは、上記のINPIT のJ-PlatPatよりダウンロードした「独自PDF公報」と全く同一です。
https://t.co/fOYxokiMZx

考えられることは、これらの部分は、原告（エンバイロ・ビジョン）が、訴状に添付したものの中から引用した部分と思われます。

特許庁は、「法令上の公報は、公報発行サイトから提供されるものであって、XML形式のものを指します。」と明言しています。

東京地方裁判所の裁判官が引用した、上記の請求項１、請求項７、更には【０００１】〜【００１８】などの文面は、法令上の公報である公報発行サイトから提供された、「XML形式」のものから得たものとは、考えられません。

東京地方裁判所の裁判官は、原告が提出した多分INPITのJ-PlatPatよりダウンロードした「独自PDF公報」のものを鵜呑みにして、これに基づいて判断をしているようです。
もしも、被告が、例えば日立システムズのSRPARTNERよりダウンロードした「独自PDF公報」を引き合いにして反論した場合は、どうなるのでしょうか。

東京地方裁判所の裁判官は、どちらの「独自PDF公報」を正当と判断するのでしょうか。

東京地方裁判所としては、特許庁が「法令上の公報は、公報発行サイトから提供されるものであって、XML形式のものを指します」と明言している「XML形式」のものを、「法令上の公報」として扱わざるを得ないのではないでしょうか。

裁判において、「独自PDF公報」のものに依存した議論は、全く無意味なものと考えます。

「独自PDF公報」は、従来の特許庁が発行していた「PDF公報」とは、似ても似つかない、単なる「参考資料」としか言えないものと思います。

また、本件「令和５年（ワ）第７０００１号」の判決文の別の個所について、です。

東京地方裁判所の裁判官は「本件特許の願書に添付した明細書」をもって「本件特許」としています。

これは明らかな誤りです。

通常、「願書の添付された明細書」といえば、本件の場合、「平成３０年２月５日の出願された明細書」と解釈されます。

この明細書は開示されていませんが、令和１年８月１５日に公開された（特開２０１９-１３５０４３）により類推することが出来ます。
https://t.co/sWffshvHfE
上記の公開（特開２０１９-１３５０４３）の【請求項１】は、後に登録になった（特許第７０６１４７３号）の【請求項１】とは異なったものです。

東京地方裁判所の裁判官に言う「本件特許」とは、 （特許第７０６１４７３号）のこと、と考えますが如何でしょうか。

ここでも、裁判官は過ちを犯していると思いますが。

（ハッシュタグ）

＃OpenAI ＃Claude #ChatGPT#Gemini #Copilot #AI ＃生成AI ＃知財 ＃特許 ＃特許調査 #専利#チャットGPT #GPT-5 #INPIT #JPlatPat ＃note #JPO #USPTO #EPO ＃Patent #GPT #Threads #bing #DX #IT #DeepSeek #AI画像生成 #IPランドスケープ ＃深層学習 ＃仕事 ＃ディープラーニング #ビジネス #ビジネスモデル ＃知財戦略 ＃知的財産 ＃知的財産権 ＃知的財産高等裁判所 ＃特許法 ＃特許庁 ＃特許事務所 ＃特許分類 ＃特許検索 ＃特許分析 ＃特許情報 ＃特許権者 ＃分類付与 ＃先行技術調査 December 12, 2025

3日連続で１日あたりカフェイン300mg摂取してる。
これのおかけで
陰turnと学校と数理統計とディープラーニングと開発の両立できてる気がしてる

でもこんな生活慣れたらヤバい December 12, 2025