レインマン

映画 ヒューマン ダスティン・ホフマン トム・クルーズ

先日、TOHOシネマズの"午前十時の映画祭 何度見てもすごい50本"という企画で、"レインマン"を観てきました。
以下ネタバレに注意してください。

ストーリー
高級車のディーラーをしているチャーリー（トム・クルーズ）のもとに父の訃報が届く。遺産目当てに故郷にかえったチャーリーは遺産のすべてが、会ったこともない自閉症の兄レイモンド（ダスティン・ホフマン）のものになると知る。遺産を手に入れようと、チャーリーはレイモンドが入所している施設から強引にレイモンドを連れ出し、ロスに戻ろうとするのだが・・・
Wikipedia - レインマンより転載

この映画を初めて観たのは、私がちょうど小学生低学年の頃。。その頃はなんとなく、意味もわからずにただボーッと観ていたのですが、成人した今、改めて観てみるとその映画の凄さに驚かされます。

見所

  1. ダスティン・ホフマンの演技力
  2. 兄弟愛
  3. アメリカの風景（MOTELなど）

ターゲット

  • 16歳〜
  • 兄弟のいる方、看護師さんなど



レインマン [DVD]

レインマン [DVD]

卒業までにしたい10のこと

徒然

みなさんお久しぶりです。
就職活動が終わってからというもの、ノラリクラリやってました。笑
気がつけば2011年、卒業まであと3ヶ月を切りましたね。。

あー…もっと遊びたい！！笑

でも、時間は戻ってこないので、残り70日あまりを満喫したいと思います。

やりたいこと（できるようになりたいこと）

  • 毎日映画を観て記事を書く
  • 海外旅行
  • 一人旅（四国？）
  • 写真を撮りまくる
  • I want to learn English and speak fluently..
  • ピュアオーディオを組む
  • 寝る
  • 体力づくり
  • 家事全般（料理とかアイロン掛け）
  • 逆上がり

最後の一つは、何気に..いや切実にできるようになりたかったり。笑
昨日、お風呂の中でもっとやりたいこと浮かんだのになぁ…忘れた！

P.S.
タイトルは某映画のパクリです。笑

では。

イーモバ使ってみた

徒然


出先でインターネットを使いたかったので、父のイーモバイル借りて使ってみました。


データカードはD23HW。下りは最大7.2M、上りは5.8Mのやつです。
http://emobile.jp/products/hw/d23hw/
セットアップはいたって簡単！公式サイトからユーティリティをダウンロードして、インストールするだけ。ちゃんとMac用もありました。


早速家の中（マンション5階）で接続テスト！

実測0.3M…軽くブラウジングしてみましたが、画像がなかなか出てこない。
じわじわストレスが貯まりそうです。
でも、一応Youtubeは観れました。


一方、大阪市内のスタバ（窓際から3〜4m）でテスト。

実測0.6M…旅行サイトを見たりGoogleMapを使ってみたりしましたが、特に重くなることはなく、とても快適に使えました。もしかすると1〜2Mは出てた？
屋外ではそこそこ使えるみたいです。


でも今契約するとしたら、値段的にも速度的にもWiMAXですよね。
東京での研修中、ADSLで月に2〜3000円取られるぐらいならWiMAXを契約しようと思ってます^^;

人工知能まとめ

TIPS

2年ほど前に勉強した"人工知能"についてのまとめファイルがあったので，適当に載せておきます．
内容の保証は一切致しません．

  • 第一世代「探索」

知能の時代と言われ，探索を利用して問題解決をしようとした．しかし現実的な問題における探索空間は指数関数的に増大するため，トイ問題などの小規模な問題などしか扱えなかった．

  • 第二世代「知識表現」

知識の時代と言われ，問題個別の知識を知識ベース化して問題解決を行った．しかし知識の量が莫大なために計算時間が長くなってしまった．

  • 第三世代「プランニング」

エージェントの時代と言われ，エージェントは与えられた目標を達成するために，プランを自動生成したり，環境の変化に瞬時に対応したり出来ることを目標とした．

  • 古典プランニングと即応プランニング

古典的プランニングは環境モデル上で完全なプランを作成するため，プラン実行までに時間がかかる上，環境の変化に対応することは出来ない．
一方，即応プランニングは環境モデルを作成せず環境に応じて断片的な行動をとることができる．しかしプランニングを行わないためそれぞれの目的にあった即応ルールの集合を設計者が与える必要がある．

  • 第二世代「知識表現」

プロダクションシステムはルールシステム，ワーキングメモリ，インタプリタの3つのモジュールから構成されている．
利点「システムの構造が簡単」「ルールのモジュール性が高い」
欠点「知識の一貫性が低い」「ルールの相互関係が不明確」

意味ネットワークはオブジェクトや概念ノード，およびそれらの関係を表す有向リンクからなるグラフ構造で表わされる．
利点「表現がシンプル」「属性継承が可能」
欠点「インタプリタを設計しなければならない」「推論の保証がされない」

フレーム理論はある概念の情報をフレームにまとめて記述する．
利点「知識の構造化が可能」「手続きの付加により柔軟な推論が可能」「階層表現，属性継承が可能」
欠点「インタプリタの構築困難」「知識間の整合性が取りにくい」

大前提，小前提，結論と呼ぶ3つの命題を以下のように与える．

大前提：エージェントは知能を持っている．
小前提：007はエージェントである．
結論：007は知能を持っている．

このとき演繹，帰納，アブダクションの図式は次のように定義される．

演繹：[大前提]＋[小前提]⇒[結論]
帰納：[小前提]＋[結論]⇒[大前提]
アブダクション：[大前提]＋[結論]⇒[小前提]

演繹はエージェントは知能を持っているという知識と007はエージェントであるという知識から007は知識を持っていると推測する．
帰納は007以外にもエージェントが居て，彼らも皆知識を持っているのではないかと推測する．
アブダクションは007は知能を持っているという知識とエージェントは知能を持っているという知識から，もしかすると007はエージェントではないかと推測する．
帰納とアブダクションは一線を画して非演繹的推論と呼ばれる．演繹は前提が正しいなら常に正しい結論を導くのに対し，帰納とアブダクションで得られるのはあくまで仮説であり，常に正しいとは限らない．また帰納とアブダクションは新しい知識を生み出す拡張的推論であるのに対し，演繹は現有の知識の範囲での推論でしかない．

強化学習は教師無しの学習であり，学習するエージェントが環境に対し行為を行うことにより得られる報酬だけを頼りに，できるだけ多くの報酬を得られるような行為を決定する．その代表的なアルゴリズムにQ学習，バケツリレーアルゴリズム，利益共有法が挙げられる．