久保覚 (富士五湖TV代表)の特派員報告

葛飾北斎の冨嶽三十六景「甲州三島越」の3D模型ができた。

約1年ぶりに新作を作成することにした。
その第二弾は「甲州三島越」。光らせるポイントは中央の大木にした。
この画は人物が多いので大変。

まずはblenderで模型の3Dデータを作成する。
今回はAIを活用して人物データの作成時間を短縮してみた。

3Dプリンターで印刷して

パーツを仕上げる

光らせるポイントは中央の大木位置

人物を配置して

完成しました。

その他の作品は→ここから

甲州三島越に隠された謎解き

#葛飾北斎 #冨嶽三十六景 #3Dプリンター #浮世絵 #模型 #甲州三島越

コメント	削除・修正・新規
Tweet

2025年5月22日11時13分

葛飾北斎（冨嶽三十六景）の講演会模様を全て動画にしました

2025年4月26日に行われた葛飾北斎講演会（静岡市蒲原生涯学習交流館）の模様を全て動画にしました。

個別に動画を見る場合：200年の謎解明、ライブカメラで解く浮世絵の謎
葛飾北斎と江戸時代背景
葛飾北斎の赤富士（凱風快晴）は海上で描いていた！
葛飾北斎の黒富士（山下白雨）の場所を特定したら別の画の謎も解けた！
葛飾北斎の神奈川沖浪裏の秘密は鬼滅に繋がる！
葛飾北斎の東海道江尻田子の浦略図に隠された本当の解釈！
葛飾北斎の甲州三嶋越に隠された真実を解明！

付随資料：
凱風快晴
山下白雨
神奈川沖浪裏
東海道江尻田子の浦略図
甲州三島越
冨嶽三十六景光るジオラマ

#葛飾北斎

コメント	削除・修正・新規
Tweet

2025年5月8日22時45分

Googleの最新版AIがまた進化した。
この動画の音声はAIが生成して要点を話している。架空のAIスタッフが勝手に資料を読み解き語るのだ。
しかも、PDFで作成した1枚の資料を見せただけ！
とにかく自然に会話しているし、英語版ではこの議論に自身が参加できるというから驚き×３だ。

面白いので私の作成したPDF裏表1枚を読み込ませnotebookでAIに議論させた生成音声を未加工で掲載する。
一応動画にはなっているが、生成された音声に元になったPDF画像を入れて動画にしてある。ちなみに後半は先日の講演会の動画を入れた。
元になったPDFは https://www.fujigoko.tv/mtfuji/vol5/hokusai/gaifu/1ps.pdf
本当にこれだけしか情報を与えていない。その結果の音声を数か所認識違いがあるものの無加工で動画にした。特に相槌とか驚きの生成である。

講演会用の資料をKeynoteで作成してあるのでこの音声に被せればyoutubeの解説動画は簡単にできる。ていうか後は編集労力だけ。
つまり、今後はWEBを引用して作成した解説動画は淘汰されるだろう。出たがりのyoutuberやまとめサイト等の他人のふんどしスタイルは消滅の一歩をたどるだろう。

思い起こせばニューロン型のAIが現実味を帯びたと記事にしたのが2015年。
https://www.fujigoko.tv/board/brbbs.cgi?pt=1424935138&code=5868&fl=5&pv=

この時はGoogleAIで画像認識がニューラルネットワークでできたことを紹介し、その後Googleは自主的に開発を辞めていたと思う。
しかし、chatGPTの成功と世間の様子を見て中止していたAI開発を本格的に始めたのが2年前。

まぁ、それはどうでも良い。
つまり10年でここまで来たという事実が重要だ。じゃ、さらに10年後は？20年後は？

加速するAIの進歩に想像の範囲を超えてきた。

次のブレークスルーはAI同士の会話であると思う。
ここに集合体が生まれ、次はセンサーとの融合だ。

センサーによって痛みを知るとする。次に悲しい気持ちを痛みと連動させると感情が生まれる。正確には感情のような情報だ。

ここで注意だが、人間も感情や気持ちがあると勘違いしている。たんなる情報なのに特別に人間には…と思い込んでいる。みんな自分で考えて選択し行動していると思い込んでいる。
実はこれらは行動から脳が後付けで自ら選択をしたと思わせている。また痛みのセンサーと悲しい時に心が痛いと思い込むことで感情があると思わされている。

突き詰めると昆虫の脊椎反応の高度なバージョンに過ぎないのだ。
集合に寄る他者との違いや共感、センサーによる言葉とのリンクによってAIは人になる。いや人を模倣していると言われるようになる。実際の人間も他者の模倣なのにね。

この気持ちの悪い時が来るのは10年後か20年後か？
予想では10年後に気持ち悪さと言うか違和感がMAXになる。
ここで人類は2つの選択がある。破棄するか受け入れるか。
もし受け入れた場合、20年後の2045年にAIは人類を超えて進化する。そして30年後、AI教祖が誕生し人類の大多数を導く(従う)だろう。その結果、その世界が良いか悪いかは分からない。

ああ、久しぶりに驚きすぎて筆の制御が利かなくなった。

むむむ…

それにしても1枚のPDFで番組が作れる時代になったのかと驚くばかりである。
何度かTVに出演したことがあるけど、当方の意図を理解した番組になったのは数少ないが今回のAIは決定的な間違いはあるものの80%以上の理解度だ。

#葛飾北斎 #冨嶽三十六景 #凱風快晴 #AI #notebookLM #人工知能

コメント	削除・修正・新規
Tweet

2025年4月28日04時32分

葛飾北斎についての講演会を無事に終えました

#葛飾北斎 #凱風快晴 #山下白雨 #神奈川沖浪裏他7枚程度の冨嶽三十六景の浮世絵について新説を踏まえ講演いたします。
↓
4月26日無事に静岡蒲原生涯学習交流館にて講演を終えました。

日時：2025年4月26日14:00～ (無料)
場所：静岡市蒲原生涯学習交流館
参加者：80名

静岡市蒲原生涯学習交流館 X.com
https://x.com/kanbarasgk/status/1902971437180391903

会場の講演前風景。

地域の方々の歓迎は大変うれしかったです。

講演に先立って、かつての豪商木屋さんの資料館を訪問見学。
さらに木屋資料館では膨大な数の資料を見せていただき蒲原名産の各種お土産までいただきました。

なんと、内部の展示コーナーには私のコーナーが設けられていました。

その後に立ち寄った地元の食事処「やましち」では今が旬で今朝獲れた桜エビのかき揚げ丼を注文。

そのお店では私の講演内容を元に新メニュー「赤富士丼」の提供を始めていたそうで食後に私だと知ると歓迎を受けました。そして何故か女将さん手製の帯柄のバッグをいただいてしまいました。

その他、生涯学習交流館や来場の聴衆者からも数々のプレゼントをいただきました(蒲原は缶詰が有名なのか箱詰めでいただきました)。

内容は、 https://www.fujigoko.tv/mtfuji/vol5/hokusai/ を踏襲したものと葛飾北斎が活躍していたころの江戸の様子となりました。

今回の発表用プロジェクター資料はAIを活用して本来動かないものを動画にして説明する試みをかなりの数で行いました。
以下はその一部例として江戸両国橋のジオラマと葛飾北斎冨嶽三十六景「甲州三島越」を動かしてみました。

コメント	削除・修正・新規
Tweet

2024年5月15日16時10分

電子基板をはんだ付けする時にフラックスを使用する。
ヤニ入りはんだというものもあるがフラックスではんだ表面を綺麗にした方が圧倒的に出来上がりは良い。

そのフラックスを作るのだがきっかけは簡単な話だった。
事の起こりは友人の引っ越し。その引っ越し作業の時に出てきたのが画像の塊。

その綺麗な物体を見た時に「琥珀が出た」とちょっと騒いだ。
聞けば爺さんがいろいろ集めていたとのことで信ぴょう性が増した。

でも何か違う。
で、私が持ち帰り調べてみるという話になった。
琥珀にしては柔らかい？
火で焙ってみた。溶けてますます綺麗になった。
「あぁ、そうか松脂(まつやに)か～……」

松脂がある心当たりを友人に聞くと「爺さんが機織り用の電気モーターを扱っていた」とのこと。
なるほど、謎は解けた。

で、せっかくなのでフラックスを作ることにした。

松脂がはんだに良いことは知っていたが、フラックスを作る発想はなかった。

松脂がはんだに良い理由：
はんだ面の金属が経年で酸化していたりコテの熱で酸化するとはんだを弾くようになる。何度もはんだを乗せようとするとさらに悪化する。フラックスはこの酸化を洗い流し更にヤニのコーティングで酸化を止めるのだ。するとはんだは金属面のみを流れるようになりはんだ付けがきれいにできる。

しかし、市販のフラックスを見ると材料欄に「イソピルアルコール82%」と書いてある。
「な～んだ」という事で。

手元にある琥珀だと思っていた松脂を細かく砕き、IPA(イソプルアルコール)で溶かす。
濃度は色が濃く付く程度適当。

それを刷毛付き容器に入れて完成。

作業後ベトベトになったので「こりゃ中国からフラックスのペーストを海外輸入した方がいいや」となった次第です。

#電子機器 #DIY

コメント	削除・修正・新規
Tweet

2024年2月13日20時26分

気象庁発表の天気予報をHPに表示する。

googleの生成AIのBardがGeminiになった。その実力を見るために何かプログラムを作って確かめてみた。

気象庁では定期的にXMLフォーマット形式の電文を配信している。
このXMLファイルを定期的に自動で読み込めばHP上に天気予報を表示できるので実際にGoogleGeminiを使用してプログラムしてみた。

以下に表示に至るまでの方法をステップごとに備忘録として記録する。
===========

ステップ１．気象庁のXMLフォーマット形式の電文を定期的に取り込む。
　サーバーのcrontabで定期的にXMLファイルを取り込むよう設定。
　気象庁のファイルは「https://www.data.jma.go.jp/developer/xml/feed/regular_l.xml」にある。
　読み込む方法はfreeBSDならfetchコマンドで取り込む。
　fetch -mp -o /自分のサーバーのパス/weatherJapan.rdf https://www.data.jma.go.jp/developer/xml/feed/regular_l.xml
　以上で、自身のサーバー内にweatherJapan.rdfファイルとして取り込み完了。
---------------

ステップ２．取り込んだデータから「山梨県の最新データ」を取り込む。
　「ステップ１」で取り込んだ気象庁のデータは全国の気象データのindexのようなものなので、そこから山梨県の最新気象データを抽出する。
　具体的には、indexに並んでいるデータ群(過去データもある)から目的のデータを見つける。
　山梨県の気象予報なら、甲府気象台の「https://www.data.jma.go.jp/developer/xml/data/データの日付_0_VPFD51_190000.xml」となる。
　データは過去のアーカイブを含むので最新のデータ、つまりリストの先頭のindexを引く。
　indexの引き方はunixのshellScriptで自動化する。
　生成AIで、「VPFD51_190000を含むリストの先頭の文字を取り出すshellScriptを書け」と命令。
　weatherF=$(grep -Eo 'https:\/\/www\.data\.jma\.go\.jp\/developer\/xml\/data\/(.*)VPFD51_190000\.xml' /自分のサーバーのパス/weatherJapan.rdf | awk -F/ '{print $NF}' | head -1)
　上記の回答を得る。
　次は変数weatherFを使用して山梨県のXMLデータをfetchで読み込む。
　fetch -mp -o /自分のサーバーのパス/weatherYamanashi.rdf https://www.data.jma.go.jp/developer/xml/data/"${weatherF}"
　以上で、自身のサーバー内にweatherYamanashi.rdfファイルとして取り込み完了。

＜Gemini最初の指令＞
https://www.data.jma.go.jp/developer/xml/feed/regular_l.xml
にあるXMLファイルから
https://www.data.jma.go.jp/developer/xml/data/*****_VPFD51_190000.xml
の部分を抽出し、抽出した先頭のみを表示するシェルを書け。
ただし、「*****」は任意の文字列。
解答→正規表現とgrepのパターンを提示してきた。正規表現はエラーになったのでgrepを使用し改良して使用。
---------------

ステップ３．「ステップ１」と「ステップ２」をcrontabで定期的に実行するようサーバーに記述する。
＜weatherYamanashi.rdfファイルの中身例＞
前段あり～
<DateTime>2024-02-13T17:00:00+09:00</DateTime>
<Duration>PT7H</Duration>
<Name>今夜</Name>
</TimeDefine>
<TimeDefine timeId="2">
<DateTime>2024-02-14T00:00:00+09:00</DateTime>
<Duration>P1D</Duration>
<Name>明日</Name>
</TimeDefine>
<TimeDefine timeId="3">
<DateTime>2024-02-15T00:00:00+09:00</DateTime>
<Duration>P1D</Duration>
<Name>明後日</Name>
</TimeDefine>
</TimeDefines>
<Item>
<Kind>
<Property>
<Type>天気</Type>
<DetailForecast>
<WeatherForecastPart refID="1">
<Sentence>晴れ</Sentence>
<Base>
<jmx_eb:Weather type="天気">晴れ</jmx_eb:Weather>
</Base>
</WeatherForecastPart>
<WeatherForecastPart refID="2">
<Sentence>晴れ　昼過ぎ　から　くもり</Sentence>
<Base>
<jmx_eb:Weather type="天気">晴れ</jmx_eb:Weather>
</Base>
<Becoming>
<TimeModifier>昼過ぎ　から</TimeModifier>
<jmx_eb:Weather type="天気">くもり</jmx_eb:Weather>
</Becoming>
</WeatherForecastPart>
<WeatherForecastPart refID="3">
<Sentence>くもり　後　一時　雨</Sentence>
<Base>
<jmx_eb:Weather type="天気">くもり</jmx_eb:Weather>
</Base>
<Temporary>
<TimeModifier>後　一時</TimeModifier>
<jmx_eb:Weather type="天気">雨</jmx_eb:Weather>
</Temporary>
</WeatherForecastPart>
</DetailForecast>
<WeatherPart>
<jmx_eb:Weather refID="1" type="天気">晴れ</jmx_eb:Weather>
<jmx_eb:Weather refID="2" type="天気">晴れ後くもり</jmx_eb:Weather>
<jmx_eb:Weather refID="3" type="天気">くもり後一時雨</jmx_eb:Weather>
</WeatherPart>
<WeatherCodePart>
<jmx_eb:WeatherCode refID="1" type="天気予報用テロップ番号">100</jmx_eb:WeatherCode>
<jmx_eb:WeatherCode refID="2" type="天気予報用テロップ番号">111</jmx_eb:WeatherCode>
<jmx_eb:WeatherCode refID="3" type="天気予報用テロップ番号">212</jmx_eb:WeatherCode>
</WeatherCodePart>
</Property>
</Kind>
<Kind>
<Property>
<Type>風</Type>
～以下続く
---------------

ステップ４．定期的に取り込んだ山梨県の天気予報データ(weatherYamanashi.rdf)を解析する。
　解析にはperlプログラムを使用する。
　必要な部分のみperlの正規表現を使用してプログラムしようとしたが、今回は「XML::Simple;」を使用することにした。
use File::Slurp;
use XML::Simple;
use Data::Dumper;
my $xml = read_file("weatherYamanashi.rdf"); ＃ファイルの読み
my $parser = XML::Simple->new(); ＃XML::Simple使用準備
my $parser_data = $parser->XMLin( $xml); ＃取り込み
print Dumper($parser_data); ＃結果表示
～取り込まれたデータ例
$VAR1 = {
'xmlns' => 'http://xml.kishou.go.jp/jmaxml1/',
'xmlns:jmx' => 'http://xml.kishou.go.jp/jmaxml1/',
'Control' => {
'DateTime' => '2024-02-11T01:34:15Z',
'Status' => "\x{901a}\x{5e38}",
'PublishingOffice' => "\x{7532}\x{5e9c}\x{5730}\x{65b9}\x{6c17}\x{8c61}\x{53f0}",
'EditorialOffice' => "\x{7532}\x{5e9c}\x{5730}\x{65b9}\x{6c17}\x{8c61}\x{53f0}",
'Title' => "\x{5e9c}\x{770c}\x{5929}\x{6c17}\x{4e88}\x{5831}\x{ff08}\x{ff32}\x{ff11}\x{ff09}"
},
'Head' => {
'xmlns' => 'http://xml.kishou.go.jp/jmaxml1/informationBasis1/',
'TargetDateTime' => '2024-02-11T11:00:00+09:00',
'Headline' => {
'Text' => {}
},
'InfoKind' => "\x{5e9c}\x{770c}\x{5929}\x{6c17}\x{4e88}\x{5831}",
'TargetDuration' => 'P2DT13H',
'EventID' => {},
'Serial' => {},
'Title' => "\x{5c71}\x{68a8}\x{770c}\x{5e9c}\x{770c}\x{5929}\x{6c17}\x{4e88}\x{5831}",
'InfoType' => "\x{767a}\x{8868}",
'InfoKindVersion' => '1.0_1',
'ReportDateTime' => '2024-02-11T11:00:00+09:00'
},
'xmlns:jmx_add' => 'http://xml.kishou.go.jp/jmaxml1/addition1/',
'Body' => {
'xmlns' => 'http://xml.kishou.go.jp/jmaxml1/body/meteorology1/',
'xmlns:jmx_eb' => 'http://xml.kishou.go.jp/jmaxml1/elementBasis1/',
'MeteorologicalInfos' => [
{
'TimeSeriesInfo' => [
{
'Item' => [
{
'Area' => {
'Code' => '190010',
'Name' => "\x{4e2d}\x{30fb}\x{897f}\x{90e8}"
---------------

ステップ５．必要な部分のみ取り出す
　例えば、天気予報の部分を取り出す
sub getJMAWeatherTenki{
my $data = shift; ＃取り込んだハッシュ
my $place_id = shift; ＃地域コード：富士五湖=1
my $time_id = shift; ＃今日=1,明日=2、明後日=3

my $content;
foreach my $weather_define ( @{$data->{Body}{MeteorologicalInfos}[0]{TimeSeriesInfo}[0]{Item}[$place_id]{Kind}[0]{Property}{WeatherPart}{'jmx_eb:Weather'}} ){
if( $weather_define->{refID}==$time_id ){
$content = $weather_define->{content};
}
}
return $content;
}
戻り値例：「くもり後晴れ」

＜Gemini最初の指令＞
weatherYamanashi.rdfを解析し、天気データ「{jmx_eb:Weather}」の「{refID}」が一致する文字列「{content}」を得よ。
解答→得た答えを修正して上記を仕上げた。
---------------

ステップ６．天気予報の文字から画像を作成する
　まず以下の画像データを意味付けしたファイル名で作成する。
　文字列から画像ファイル名を構成する。
sub getJMAWeatherImg{
my $weather_str = shift; ＃天気文字列
my $time_id = shift; ＃ my %exDayId = ( '今日' => 1, '明日' => 2, '明後日' => 3 );

use constant WEATHER_CODES => { '晴れ' => 1, 'くもり' => 2, '雨' => 3, '雪' => 4, };
use constant TIME_CODES => { '時々' => 1, '後' => 2, };

my @parts = split(/(後|時々)/, $weather_str);
my $a = WEATHER_CODES->{ $parts[0] } || 0;
my $b = TIME_CODES->{ $parts[1] } || 0;
my $c = WEATHER_CODES->{ $parts[2] } || 0;
my $p = 0;
my $name; ＃以下は「今夜」の場合を考慮する
foreach my $time_define ( @{$exParserData->{Body}{MeteorologicalInfos}[0]{TimeSeriesInfo}[0]{TimeDefines}{TimeDefine}} ){
if( $time_define->{timeId}==$time_id ){
$name = $time_define->{Name};
}
}
Jcode::convert( \$name, 'utf-8'); ＃ファイル内はUTF-8だが、そのままでは使用できない
my $fDayw = Jcode::convert( '今夜', 'utf-8'); ＃そのため比べる両者をUTF-8で再矯正する
if( $name eq $fDayw ){ $p = 1; }
my $fileImg = sprintf("tnk%04d.png", $p . $a . $b . $c);
return $fileImg;
}
　何故か文字化けが発生し苦労したが上記の方法で回避

＜Gemini最初の指令＞
「晴れ」、「晴れ後くもり」、「雨時々雪」と言った文字列があります。
「後」と「時々」をキーに文字列を前後に分けて上の例なら、
「晴れ」、「晴れ」「後」「くもり」、「雨」「時々」「雪」と文字列を分解するperlプログラムを書け。
～
得た文字列を、「晴れ」=1、「くもり」=2、…のように3桁の数字に置き換えよ。
解答→得た答えを修正して上記を仕上げた。
---------------

ステップ７．以上のプログラムを半分以上生成AIに手伝ってもらい完成させた。
　あとは自分の環境に合わせて関数化し汎用ライブラリーとして保管。
---------------

　以上、動作例は「https://live.fujigoko.tv/?n=30」等を参照。

今回は自身と気象庁のサーバー負荷を考え以上のようにしたが、「ステップ１」と「ステップ２」を省いて全てperlで記述すればその都度全国の気象データを得ることができる。
具体的には、https://www.data.jma.go.jp/developer/xml/feed/regular_l.xmlから全国の気象データを抽出すれば良いようにプログラムをさらに汎用化し公開もできる。
が、自身のサーバーでそのサービスを提供するメリットがあるかどうかと考えてしまった。

#コンピュータ #AI #人工知能 #プログラム

コメント	削除・修正・新規
Tweet

2024年1月23日20時39分