ラベル ?GoogleSpreadS の投稿を表示しています。 すべての投稿を表示
ラベル ?GoogleSpreadS の投稿を表示しています。 すべての投稿を表示

2025年3月13日木曜日

[データ][計算] Googleスプレッドシート関数




[データ][計算] Googleスプレッドシート関数
Google スプレッドシートの関数リスト
Google スプレッドシートでは、ほとんどのデスクトップ スプレッドシート パッケージで一般的に使用されるセルの数式をサポートしています。これらの関数を使って、データの操作や、文字列、数値の計算を行うための数式を作成することができます。下のリストは、使用できるすべての関数をカテゴリ別に示しています。関数を使用する際は、セル参照や列参照でないアルファベット文字で構成される関数要素はすべて、二重引用符で囲むようにしてください。Google スプレッドシートでは、関数の言語を英語以外の 21 の 言語に変更することができます。
◆日付
DATE(年, 月, 日)
指定した年、月、日を日付に変換します。 
DATEVALUE(日付の文字列)
指定した日付の既知の形式の文字列をシリアル値に変換します。 
DAY(日付)
その月の指定した日付に対応する日を数値形式で返します。 
DAYS360(開始日, 終了日, 方法)
1 年を 360 日として(利率の計算で使用されます)、2 つの日付の間の日数を返します。 
EDATE(開始日, 月数)
起算日から指定した月数だけ前または後ろの日付を返します。 
EOMONTH(開始日, 月数)
起算日から指定した月数だけ前または後ろの月の最終日の日付を返します。 
HOUR(時刻)
指定した時刻の時引数を数値形式で返します。 
MINUTE(時刻)
指定した時刻の分引数を数値形式で返します。 
MONTH(日付)
その年の指定した日付に対応する月を数値形式で返します。 
NETWORKDAYS(開始日, 終了日, 休日)
指定した 2 つの日付の間に含まれる就業日数を返します。 
NOW()
現在の日付と時刻に対応するシリアル値を返します。 
SECOND(時刻)
指定した時刻の秒引数を数値形式で返します。 
TIME(時刻, 分, 秒)
指定した時、分、秒を時刻に変換します。 
TODAY()
現在の日付に対応するシリアル値を返します。 
WEEKDAY(日付, 種類)
指定した日付に対応する曜日を数値で返します。 
YEAR(日付)
特定の日付によって指定した年を返します。 
DATEDIF(開始日, 終了日, 単位)
2 つの日付の間の日数、月数、年数を計算します。
DAYS(終了日, 開始日)
2 つの日付間の日数を返します。
EPOCHTODATE(タイムスタンプ, [単位])
Unix エポック タイムスタンプ(秒、ミリ秒、またはマイクロ秒)を UTC の日時に変換します。
ISOWEEKNUM(日付)
指定された日付に該当する、その年の ISO 週番号を返します。
NETWORKDAYS.INTL(開始日, 終了日, [週末], [休日])
特定の週末と祝日を除外して、指定した 2 つの日付の間の正味就業日数を返します。新しい Google スプレッドシートでのみ使用できます。
TIMEVALUE(時刻文字列)
1 日 24 時間のうちの、時刻が表す割合を返します。新しい Google スプレッドシートでのみ使用できます。
WEEKNUM(日付, [種類])
指定した日付が該当する年間の週番号を表す数値を返します。新しい Google スプレッドシートでのみ使用できます。
WORKDAY(開始日, 日数, [休日])
指定された就業日数をもとに終了日を計算します。
YEARFRAC(開始日, 終了日, [日数の計算方法])
指定した日数の計算方法を使用して、2 つの日付の間の年数(1 年に満たない年も含む)を返します。
◆エンジニアリング
BIN2DEC(符号付き2進数)
符号付き 2 進数を 10 進数に変換します。 
BIN2HEX(符号付き2進数, 有効桁)
符号付き 2 進数を符号付き 16 進数に変換します。 
BIN2OCT(符号付き2進数, 有効桁)
符号付き 2 進数を符号付き 8 進数に変換します。 
DEC2BIN(10進数, 有効桁)
10 進数を符号付き 2 進数に変換します。 
DEC2HEX(10 進数, [有効桁])
10 進数を符号付き 16 進数に変換します。
DEC2OCT(10進数, 有効桁)
10 進数を符号付き 8 進数に変換します。 
HEX2BIN(符号付き 16 進数, [有効桁])
符号付き 16 進数を符号付き 2 進数に変換します。
HEX2DEC(符号付き16進数)
符号付き 16 進数を 10 進数に変換します。 
HEX2OCT(符号付き16進数, 有効桁)
符号付き 16 進数を符号付き 8 進数に変換します。 
OCT2BIN(符号付き8進数, 有効桁)
符号付き 8 進数を符号付き 2 進数に変換します。 
OCT2DEC(符号付き8進数)
符号付き 8 進数を 10 進数に変換します。 
OCT2HEX(符号付き 8 進数, [有効桁])
符号付き 8 進数を符号付き 16 進数に変換します。
BITAND(値1, 値2)
2 つの数値のブール型 AND 演算をビット単位で実行した結果を返します。
BITLSHIFT(値, シフト数)
入力値のビットを指定した桁数だけ左へシフトします。 
ERF.PRECISE(下限, [上限])
ERF を参照
GESTEP(値, [しきい値])
利率が指定したしきい値より真に大きい場合は 1 を返し、そうでない場合は 0 を返します。しきい値が指定されていなければ、デフォルト値 0 が使用されます。
IMCONJUGATE(数値)
数値の複素共役を返します。
IMCOSH(数値)
指定された複素数の双曲線余弦を返します。たとえば、「x+yi」形式で複素数を指定すると「cosh(x+yi)」が返されます。
IMEXP(指数)
オイラー数 e(~2.718)を底とする複素数べき乗を返します。
IMLOG(値, 底)
指定された値を底とする複素数の対数を返します。
IMSIN(数値)
指定された複素数のサインを返します。
IMSINH(数値)
指定された複素数の双曲線正弦を返します。たとえば、「x+yi」形式で複素数を指定すると「sinh(x+yi)」が返されます。
◆フィルタ
FILTER(範囲, 条件1, 条件2)
ソース範囲をフィルタ処理して、指定した条件を満たす行または列のみを返します。 
SORT(範囲, 並べ替える列, 昇順, 並べ替える列2, 昇順2)
指定した配列または範囲の行を、1 列または複数の列の値に従って並べ替えます。 
UNIQUE(範囲)
重複する行を破棄して、指定したソース範囲内の一意の行を返します。行はソース範囲内の先頭から順に返されます。
SORTN(範囲, [n], [同等項目の表示モード], [並べ替える列1, 昇順1], ...)
並べ替えたデータセット内の最初の n 個の項目を返します。
◆会計
ACCRINT(発行日, 初回利払日, 受渡日, 利率, 償還額, 頻度, [日数の計算方法])
定期的に利息が支払われる証券の未収利息額を計算します。
ACCRINTM(発行日, 満期, 利率, 償還額, 日数の計算方法)
満期日に利息が支払われる証券の未収利息額を計算します。 
COUPDAYBS(受渡日, 満期, 頻度, 日数の計算方法)
利息支払対象となる期間の 1 日目から受渡日までの日数を計算します。 
COUPDAYS(受渡日, 満期, 頻度, [日数の計算方法])
指定した受渡日を含む利払期間の日数を計算します。
COUPDAYSNC(受渡日, 満期, 頻度, [日数の計算方法])  
受渡日から次の利息支払日までの日数を計算します。
COUPNCD(受渡日, 満期, 頻度, [日数の計算方法])
受渡日後の次の利息支払日を計算します。
COUPNUM(受渡日, 満期, 頻度, 日数の計算方法)
証券の受渡日から満期日までの間に利息が支払われる回数を計算します。 
COUPPCD(受渡日, 満期, 頻度, [日数の計算方法])
受渡日前の最後の利息支払日を計算します。 
DB(費用, 残存価額, 耐用期数, 期間, 月)
算術定率法を使用して、特定の期間における資産の減価償却費を計算します。 
FVSCHEDULE(元金, 利率配列)
変動する可能性のある一連の金利に基づいて、元金の将来価値を計算します。 
INTRATE(購入日, 売却日, 購入額, 売却額, 日数の計算方法)
特定の金額で投資を購入し、別の金額で売却した場合に投資自体からの利息や配当金の支払いなしで得られる実効利率を計算します。 
IPMT(利率, 期間, 期間数, 現在価値, 将来価値, 期末または期首)
定期的な定額の支払いと一定の利率に基づいて、投資に対して支払われる利息を計算します。 
IRR(キャッシュフロー額, 推定率)
一連の定期的なキャッシュフローに基づいて、投資に対する内部利益率を計算します。 
MDURATION(受渡日, 満期, 利率, 利回り, 頻度, 日数の計算方法)
定期的に利息が支払われる証券(米国債など)の修正マコーレー デュレーションを予想利回りに基づいて計算します。 
MIRR(キャッシュフロー額, 投資率, 再投資収益率)
一連の定期的なキャッシュフローと、投資の支払利率および再投資の受取収益率との差に基づいて、投資の修正内部利益率を計算します。 
PMT(利率, 期間数, 現在価値, 将来価値, 期末または期首)
定期的な定額の支払いと一定の利率に基づいて、投資の定期的な支払額を計算します。 
PV(利率, 期間数, 支払額, 将来価値, 期末または期首)
定期的な定額の支払いと一定の利率に基づいて、一定期間定額の利払いがある投資の現在価値を計算します。 
RATE(期間数, 定期支払額, 現在価値, 将来価値, 期末または期首, 推定率)
定期的な定額の支払いと一定の利率に基づいて、一定期間定額の利払いがある投資の利率を計算します。 
RECEIVED(受渡日, 満期, 投資, 割引, [日数の計算方法])  
指定した日付に購入した固定金利証券の投資で、満期日に支払われる金額を計算します。
SLN(費用, 残存価額, 耐用期数)
定額法を使用して、1 期あたりの資産の減価償却費を計算します。 
SYD(費用, 残存価額, 耐用期数, 期間)
級数法を使用して、特定の期間における資産の減価償却費を計算します。 
TBILLEQ(受渡日, 満期, 割引)
米国財務省短期証券の債券に相当する年利率を、割引率に基づいて計算します。 
◆Google
ARRAYFORMULA(配列数式)
配列数式から返された値を複数行または複数列に表示したり、非配列関数で配列を使用したりすることができます。 
DETECTLANGUAGE(テキストまたは範囲)
特定の範囲内のテキストで使用される言語を識別します。 
GOOGLEFINANCE(銘柄, 属性, 開始日, 終了日|日数, 間隔)
Google Finance から現在や過去の証券情報を取得します。 
GOOGLETRANSLATE(テキスト, ソース言語, ターゲット言語)
テキストをある言語から別の言語に翻訳します/ 
IMAGE(URL, モード)
セルに画像を挿入します。 
QUERY(データ, クエリ, 見出し)
Google Visualization API のクエリ言語を使用して、データ全体に対するクエリを実行します。 
SPARKLINE(データ, オプション)
1 つのセル内に含まれるミニ グラフを作成します。 
◆情報
ERROR.TYPE(参照)
別のセルのエラー値に対応する数値を返します。 
ISBLANK(値)
参照セルが空白であるかどうかを検証します。 
ISERR(値)
値が「#N/A」以外のエラーであるかどうかを検証します。 
ISERROR(値)
値がエラーであるかどうかを検証します。 
ISLOGICAL(値)
値が TRUE であるか FALSE であるかを検証します。 
ISNA(値)
値が「#N/A」のエラー値であるかどうかを検証します。 
ISNONTEXT(値)
値がテキストでないかどうかを検証します。 
ISNUMBER(値)
値が数値であるかどうかを検証します。 
ISREF(値)
値が有効なセル参照であるかどうかを検証します。 
情報 ISTEXT ISTEXT(値) 値がテキストであるかどうかを検証します。 
N(値)
引数を数値として返します。 
NA()
「値がない」ことを意味するエラー値「#N/A」を返します。 
ISDATE(値)
値が日付かどうかを返します。
ISEMAIL(値)
値が有効なメールアドレスであるかどうかを検証します。
Info ISFORMULA ISFORMULA(cell) 参照先のセルに数式が含まれているかどうかを検証します。
情報 TYPE TYPE(値) 関数に渡されるデータの種類に関連付けられている数字を返します。
CELL(情報の種類, 参照)
指定されたセルについて要求された情報を返します。
◆論理
AND(論理式1, 論理式2)
すべての引数が論理的に TRUE の場合は TRUE を返します。いずれかの引数が論理的に FALSE である場合は FALSE を返します。 
FALSE()
論理値 FALSE を返します。 
IF(論理式, TRUE値, FALSE値)
論理式が TRUE の場合はある値を返し、FALSE の場合は別の値を返します。 
IFERROR(値, [エラー値])
エラー値でない場合は 1 番目の引数を返します。エラー値である場合は 2 番目の引数を返します(指定した場合)。2 番目の引数を指定していない場合は空白が返されます。
NOT(論理式)
論理値の逆を返します。TRUE のとき NOT は FALSE を、FALSE のとき NOT は TRUE を返します。 
OR(論理式1, 論理式2)
いずれかの引数が論理的に TRUE の場合は TRUE を返します。すべての引数が論理的に FALSE である場合は FALSE を返します。 
TRUE()
論理値 TRUE を返します。 
IFNA(値, NAの場合の値)
ある特定の値を検証し、#N/A エラーの場合は指定された値を返します。
IFS(条件1, 値1, [条件2, 値2], …)
複数の条件を検証し、最初の TRUE 条件に対応する値を返します。
LAMBDA(名前, 数式)
一連の名前とそれらを使用する formula_expression を指定してカスタム関数を作成し、返します。formula_expression を計算するために、名前で宣言されている個数の値を指定して、返された関数を呼び出します。
LET(名前 1, 値式 1, [名前 2, ...], [値式 2, ...], 数式)
「名前」に「値式」の結果を割り当てて、「数式」の結果を返します。「数式」には、LET 関数のスコープで定義された「名前」を使用できます。「値式」がそれに続く別の「値式」や「数式」によって複数回使用される場合でも、その「値式」が LET 関数内で評価されるのは 1 回だけです。
SWITCH(式, ケース1, 値1, [既定値またはケース2, 値2], …)
ケースの一覧に対して式をテストし、最初に一致するケースに対応する値を返します。いずれにも一致しない場合は、任意指定の既定値を返します。
◆参照
ADDRESS(行, 列, 絶対相対モード, A1表記の使用)
セル参照を文字列として返します。 
CHOOSE(指数, 選択1, 選択2)
指数に基づいて値のリストから要素を返します。 
COLUMN(セル参照)
指定したセルの列番号を返します(A は 1 となります)。 
COLUMNS(範囲)
指定した配列または範囲内の列数を返します。 
HLOOKUP(検索キー, 範囲, 指数, 並べ替え済み)
水平方向の検索です。範囲の 1 行目で指定したキーを検索し、同じ列内にある指定したセルの値を返します。 
INDEX(参照, 行, 列)
行と列のオフセットで指定したセルのコンテンツを返します。 
INDIRECT(セル参照の文字列)
文字列で指定したセル参照を返します。 
MATCH(検索キー, 範囲, 検索の種類)
指定した値と一致する範囲内のアイテムの相対的な位置を返します。 
OFFSET(セル参照, オフセット行, オフセット列, 高さ, 幅)
開始セル参照から指定した行数と列数だけシフトした位置にあるセル範囲の参照を返します。 
ROW(セル参照)
指定したセルの行番号を返します。 
ROWS(範囲)
指定した配列または範囲内の行数を返します。 
VLOOKUP(検索キー, 範囲, 指数, 並べ替え済み)
垂直方向の検索。 範囲の 1 列目で指定したキーを垂直方向に検索し、同じ行内にある指定したセルの値を返します。 
FORMULATEXT(セル)
数式を文字列として返します。
GETPIVOTDATA(値の名前, ピボットテーブルのセル, [元の列, ...], [ピボットのアイテム, ...]
指定した行と列の見出しに対応する集計値をピボット テーブルから取得します。
LOOKUP(検索キー, 検索範囲|検索結果配列, [結果範囲])
行または列でキーを検索し、検索行または検索列と同じ位置にある結果範囲のセルの値を返します。新しい Google スプレッドシートでのみ使用できます。
XLOOKUP(検索キー, 検索範囲, 結果の範囲, 見つからない場合の値, [一致モード], [検索モード])
検索範囲を検索して見つかった一致の位置に基づき、結果範囲内の値を返します。一致するものが見つからない場合は、最も近い値が返されます。
◆数学
ABS(値)
数値の絶対値を返します。 
ACOS(値)
値の逆コサインをラジアンで返します。 
ACOSH(値)
数値の逆双曲線余弦を返します。 
CEILING(値, 基準値)
指定した基準値の倍数のうち、最も近い整数の倍数に数値を切り上げます。 
COMBIN(n, k)
指定した数の標本の集まりからいくつかの標本を選択するときの組み合わせの数を返します。 
COUNTBLANK(範囲)
指定した範囲に含まれる空白セルの個数を返します。 
COUNTIF(範囲, 条件)
範囲内で条件に一致する要素の個数を返します。 
COUNTUNIQUE(値1, 値2)
指定した値や範囲のリストから、一意の値の個数をカウントします。 
DEGREES(角度)
角度の値をラジアンから度数に変換します。 
ERFC(z)
値のガウス相補誤差関数を返します。 
EVEN(値)
最も近い偶数の整数に数値を切り上げます。 
EXP(指数)
オイラー数 e(~2.718)を底とする数値のべき乗を返します。 
FACT(値)
数値の階乗を返します。 
FACTDOUBLE(値)
数値の「二重階乗」を返します。 
FLOOR(値, 基準値)
指定した基準値の倍数のうち、最も近い整数の倍数に数値を切り捨てます。 
GAMMALN(値)
オイラー数 e を底とする指定したガンマ関数の対数を返します。 
GCD(値1, 値2)
1 つ以上の整数の最大公約数を返します。 
INT(値)
ある数値をその数値以下の最も近い整数に切り捨てます。 
ISEVEN(値)
指定した値が偶数であるかどうかを検証します。 
数学 ISODD ISODD(値) 指定した値が奇数であるかどうかを検証します。 
LCM(値1, 値2)
1 以上の整数の最小公倍数を返します。 
LOG(値, 底)
指定した数を底とする数値の対数を返します。 
MROUND(値, 基準値)
ある数値を最も近い整数の倍数に丸めます。 
MULTINOMIAL(値1, 値2)
[値] の階乗の積で割った値の和の階乗を返します。 
ODD(値)
最も近い奇数の整数に数値を切り上げます。 
PI()
円周率の値を小数点以下 14 桁で返します。 
POWER(底, 指数)
指数でべき乗した数値を返します。 
PRODUCT(因数1, 因数2)
一連の数値を乗算して積を返します。 
QUOTIENT(被除数, 除数)
除算の結果を返します。 
RADIANS(角度)
角度を度数からラジアンに変換します。 
RANDBETWEEN(下限, 上限)
下限以上、上限以下の整数の一様乱数を返します。 
ROUND(値, 桁数)
標準規則に従って、ある数値を指定した小数点以下の桁数に四捨五入します。 
ROUNDDOWN(値, 桁数)
ある数値を指定した小数点以下の桁数に切り捨てます。常に次の有効な増分値に切り捨てます。 
ROUNDUP(値, 桁数)
ある数値を指定した小数点以下の桁数に切り上げます。常に次の有効な増分値に切り上げます。 
SERIESSUM(x, n, m, a)
パラメータを x、n、m、a として、a1xn + a2x(n+m) + ... + aix(n+(i-1)m) の形で表されるべき級数の和を返します。この場合の i は範囲 a のエントリ数です。 
SIGN(値)
指定した数値が負の場合は -1、正の場合は 1、ゼロの場合は 0 を返します。 
SIN(角度)
ラジアンで指定した角度のサインを返します。 
SUBTOTAL(関数コード, 範囲1, 範囲2)
指定した集計関数を使用して、セルの垂直範囲の小計を返します。 
SUM(値1, 値2)
一連の数値またはセルの合計を返します。 
SUMIF(範囲, 条件, 合計範囲)
範囲内の条件に一致するセルの合計を返します。 
SUMSQ(値1, 値2)
一連の数値またはセルの平方和を返します。 
TRUNC(値, 桁数)
ある数値の特定の有効桁数より後を切り捨てて、その有効桁数に変換します。 
BASE(値, 底, [最小文字数])
数値を別の底のテキスト表現に変換します。たとえば、2 進数の底 2 などです。
CEILING.MATH(数値, [基準値], [モード])
指定した基準値の倍数のうち、最も近い整数の倍数に数値を切り上げます。負の数値の場合は、モードにより 0 に近い値または 0 から離れた値のどちらかに丸めます。 
CEILING.PRECISE(数値, [基準値])
指定した基準値の倍数のうち、最も近い整数の倍数に数値を切り上げます。数値の正負に関係なく切り上げます。 
COMBINA(n, k)
指定した数の標本からいくつかの標本を選択するときの組み合わせの数を返します。同じ標本を複数回選択できるものとします。
COT(角度)
ラジアンで指定した角度のコタンジェントを返します。
FLOOR.MATH(数値, [基準値], [モード])
指定した基準値の倍数のうち、最も近い整数の倍数に数値を切り捨てます。負の数値の場合は、モードにより 0 に近い値または 0 から離れた値のどちらかに丸めます。 
MUNIT(次元)
指定されたサイズ(次元 x 次元)の単位行列を返します。
SEQUENCE(行, 列, 開始, ステップ)
1、2、3、4 などの連続する数値の配列を返します。
SUMIFS(合計範囲, 条件範囲1, 条件1, [条件範囲2, 条件2, ...])
複数の条件に基づいて範囲の合計を返します。
◆演算子
ADD(値1, 値2)
2 つの数値の合計を返します。+ 演算子と同じです。 
CONCAT(値1, 値2)
2 つの値の連結を返します。& 演算子と同じです。 
DIVIDE(被除数, 除数)
除算の結果を返します。/ 演算子と同じです。 
EQ(値1, 値2)
指定した 2 つの値が等しい場合は TRUE、等しくない場合は FALSE を返します。== 演算子と同じです。 
GT(値1, 値2)
1 つ目の引数が 2 つ目の引数より真に大きい場合は TRUE、そうでない場合は FALSE を返します。> 演算子と同じです。 
GTE(値1, 値2)
1 つ目の引数が 2 つ目の引数より大きいか等しい場合は TRUE、そうでない場合は FALSE を返します。>= 演算子と同じです。 
ISBETWEEN(比較する値, 最小値, 最大値, 最小値を含む, 最大値を含む)
指定した値が他の 2 つの値の範囲内にあるかどうかを確認します(両端の値を含むかどうかを選択可能)。
LT(値1, 値2)
1 つ目の引数が 2 つ目の引数より真に小さい場合は TRUE、そうでない場合は FALSE を返します。< 演算子と同じです。 
LTE(値1, 値2)
1 つ目の引数が 2 つ目の引数より小さいか等しい場合は TRUE、そうでない場合は FALSE を返します。<= 演算子と同じです。 
MINUS(値1, 値2)
2 つの数値の差を返します。- 演算子と同じです。 
MULTIPLY(因数1, 因数2)
2 つの数値の積を返します。* 演算子と同じです。 
NE(値1, 値2)
指定した 2 つの値が等しくない場合は TRUE、等しい場合は FALSE を返します。!= 演算子と同じです。 
POW(底, 指数)
指数でべき乗した数値を返します。 
UMINUS(値)
正負を反転させた数値を返します。 
UNARY_PERCENT(百分率)  
百分率の値を変換して返します。UNARY_PERCENT(100) は 1 です。 
UPLUS(値)
指定した数値をそのまま返します。 
UNIQUE(範囲, 行で処理, 重複なし)
重複する行を破棄して、指定したソース範囲内の一意の行を返します。行はソース範囲内の先頭から順に返されます。
◆統計
AVEDEV(値1, 値2)
データセットの平均値からデータの偏差の大きさの平均を求めます。 
AVERAGE(値1, 値2)
データセット内の値の平均値を返します。テキストは無視されます。 
AVERAGEA(値1, 値2)
データセット内の値の平均値を返します。 
Statistical BETAINV BETAINV(probability, alpha, beta, lower_bound, upper_bound) See BETA.INV 
BINOMDIST(成功数, 試行回数, 成功率, 累積)
指定した試行数、母集団のサイズ、母集団の成功数から、復元抽出で一定の試行が成功する確率(または最大の成功数が得られる確率)を計算します。 
CONFIDENCE(アルファ, 標準偏差, 母集団サイズ)
正規分布に対する信頼区間の幅の 1/2 を計算します。 
CORREL(データ_y, データ_x)
データセットに対するピアソンの積率相関係数 r を計算します。 
COUNT(値1, [値2, ...])
データセット内の数値の個数を返します。
COUNTA(値1, [値2, ...])
データセット内の値の個数を返します。
COVAR(データ_y, データ_x)
データセットの共分散を計算します。 
CRITBINOM(試行回数, 成功率, 目標確率)
累積二項分布が指定した基準以上になる最小値を計算します。 
DEVSQ(値1, 値2)
標本に基づいて偏差の平方和を計算します。 
RT(x、degrees_freedom1、degrees_freedom2)
指定した x を代入して、2 つのデータセットの F 分布の右側確率(ばらつき)を求めます。フィッシャー - スネデカー分布やスネデカーの F 分布とも呼ばれます。
FISHER(値)
指定した値のフィッシャー変換を返します。 
FISHERINV(値)
指定した値に対するフィッシャー変換の逆関数を返します。 
FORECAST(x, データ_y, データ_x)
データセットの線形回帰に基づいて、指定した x 値に対する y 値の将来値を計算します。 
GEOMEAN(値1, 値2)
データセットの相乗平均を計算します。 
HARMEAN(値1, 値2)
データセットの調和平均を計算します。 
HYPGEOMDIST(成功数, 試行回数, 母集団の成功数, 母集団サイズ)
指定した試行数、母集団のサイズ、母集団の成功数から、非復元抽出で一定の試行が成功する確率を計算します。 
INTERCEPT(データ_y, データ_x)
データセットの線形回線から得られた直線が y 軸と交わる座標の y 値を計算します(x=0)。 
KURT(値1, 値2)
データセットの尖度を計算します。尖度は、データセットの形、特に先鋭度を表します。 
LARGE(データ, n)
データセットから N 番目に大きい要素を返します(N は指定した数値です)。 
LOGINV(x, 平均, 標準偏差)
特定の平均値と標準偏差を使用して、指定した値における対数正規累積分布の逆関数の値を返します。 
LOGNORMDIST(x, 平均, 標準偏差)
特定の平均値と標準偏差を使用して、指定した値における対数正規累積分布の値を返します。 
MAX(値1, 値2)
数値のデータセットにおける最大値を返します。 
MAXA(値1, 値2)
データセットにおける最大数値を返します。 
MEDIAN(値1, 値2)
数値のデータセットにおける中央値を返します。 
MIN(値1, 値2)
数値のデータセットにおける最小値を返します。 
MINA(値1, 値2)
データセットにおける最小数値を返します。 
MODE(値1, 値2)
データセットにおける最頻値を返します。 
NEGBINOMDIST(失敗数, 成功数, 成功率)
独立試行で成功率が一定のとき、特定の回数の試行が成功する前に、指定した回数を失敗する確率を計算します。 
NORMDIST(x, 平均, 標準偏差, 累積)
指定した値、平均値、標準偏差に対する正規分布関数(または正規累積分布関数)の値を返します。 
NORMINV(x, 平均, 標準偏差)
指定した値、平均値、標準偏差に対する正規分布の逆関数の値を返します。 
NORMSDIST(x)
指定した値、平均値、標準偏差に対する標準正規累積分布関数の値を返します。 
POISSON(x, 平均, 累積)
指定した値と平均値に対するポアソン分布関数(またはポアソン累積分布関数)の値を返します。 
PROB(データ, 確率, 下限, 上限)
一連の値と対応する確率を使用して、無作為に選択された値が上限と下限の間に収まる確率を求めます。 
QUARTILE(データ, 四分位数)
データセットの特定の四分位に最も近い値を返します。 
RANK(値, データ, 昇順)
データセット内の特定の値の順位を返します。 
RSQ(データ_y, データ_x)
データセットに対するピアソンの積率相関係数 r の二乗を計算します。 
SKEW(値1, 値2)
データセットの歪度を計算します。歪度は、平均値周辺におけるデータセットの対称度を表します。 
SLOPE(データ_y, データ_x)
データセットの線形回帰から得られる直線の傾きを計算します。 
SMALL(データ, n)
データセットから n 番目に小さい要素を返します(n は指定した数値です)。 
AVERAGE.WEIGHTED(値, ウェイト, [追加の値], [追加のウェイト])
指定した値と対応するウェイトに基づいて、一連の値の加重平均値を求めます。
AVERAGEIF(条件範囲, 条件, [平均範囲])
条件に基づいて範囲の平均値を返します。
AVERAGEIFS(平均範囲, 条件範囲1, 条件1, [条件範囲2, 条件2, ...])
複数の条件の基づいて範囲の平均を返します。
BINOM.INV(試行回数, 成功率, 目標確率)
CRITBINOM を参照
MARGINOFERROR(範囲, 信頼レベル)
指定された値の範囲と信頼レベルを基に、ランダムな標本誤差の量を計算します。
MAXIFS(範囲, 条件範囲1, 条件1, [条件範囲2, 条件2], …)
セル範囲を一連の条件で絞り込み、その最大値を返します。
MINIFS(範囲, 条件範囲1, 条件1, [条件範囲2, 条件2], …)
セル範囲を一連の条件で絞り込み、その最小値を返します。
MODE.MULT(値1, 値2)
データセットにおける最頻値(複数)を返します。
RANK.AVG(値, データ, [昇順])
データセット内の指定された値の順位を返します。データセット内に同じ値の複数のエントリがある場合は、エントリの平均順位を返します。
RANK.EQ(値, データ, [昇順])
データセット内の指定された値の順位を返します。データセット内に同じ値の複数のエントリがある場合は、エントリの最上位を返します。
SKEW.P(値1, 値2)
母集団全体を表すデータセットの歪度を計算します。
◆テキスト
ARABIC(ローマ数字)
ローマ数字の値を計算します。 
CHAR(表の番号)
現在のユニコード表に従って、数値を文字に変換します。 
CODE(文字列)
指定した文字列の先頭文字に対応するユニコード表の数値を返します。 
CONCATENATE(文字列1, 文字列2)
文字列を別の文字列に結合します。 
=CONCATENATE(E11, F11) :E11とF11の文字列結合
=CONCATENATE(B5,C5) :B5とC5の文字列結合
EXACT(文字列1, 文字列2)
2 つの文字列が同一であるかを検証します。 
FIND(検索文字列, 検索対象のテキスト, 開始位置)
特定の文字列がテキスト内で最初に現れる位置を返します。 
FIXED(数値, 小数点以下の桁数, 桁区切りなし)
数値を指定した小数点以下の桁数に変換します。 
JOIN(区切り文字, 値または配列1, 値または配列2)
指定した区切り文字を使用して、1 つ以上の 1 次元配列の要素を結合します。 
LEFT(文字列, 文字数)
指定した文字列の先頭から部分文字列を返します。 
LEN(テキスト)
文字列の長さを返します。 
LOWER(テキスト)
指定した文字列を小文字に変換します。 
MID(文字列, 開始位置, セグメントの長さ)
文字列のセグメントを返します。 
PROPER(大文字変換するテキスト)
指定した文字列内の各単語の最初の文字を大文字に変換します。 
REGEXEXTRACT(テキスト, 正規表現)
正規表現に従って、一致する部分文字列を取り出します。 
REGEXMATCH(テキスト, 正規表現)
正規表現に一致するテキストの一部を検索します。 
REGEXREPLACE(テキスト, 正規表現, 置換)
正規表現を使用して、テキスト文字列の一部を別のテキスト文字列に置き換えます。 
REPLACE(テキスト, 位置, 長さ, 新規テキスト)
テキスト文字列の一部を別のテキスト文字列に置き換えます。 
REPT(繰り返すテキスト, 繰り返し回数)
指定した回数だけテキストを繰り返して表示します。 
RIGHT(文字列, 文字数)
指定した文字列の末尾から部分文字列を返します。 
ROMAN(数値, 規則の簡略度)
数値をローマ数字に変換します。 
SEARCH(検索文字列, 検索対象のテキスト, 開始位置)
特定の文字列がテキスト内で最初に現れる位置を返します。 SUBSTITUTE(検索対象のテキスト, 検索, 置換, 出現回数)
文字列内の既存のテキストを新しいテキストに置き換えます。 
T(値)
文字列引数をテキストとして返します。 
TEXT(数値, 表示形式)
指定した表示形式に従って、数値をテキストに変換します。 
TRIM(テキスト)
指定した文字列内の先頭と末尾のスペースを削除します。 
テキスト UPPER UPPER(テキスト) 指定した文字列を大文字に変換します。 
VALUE(テキスト)
Google スプレッドシートで認識される日付、時刻、番号の書式の文字列を数値に変換します。 
YEN(数値, 小数点以下の桁数)
数値を現地の通貨に変換します。 
ASC(文字列)
全角の ASCII 文字とカタカナ文字を半角文字に変換します。標準文字は変更されません。 
CLEAN(テキスト)
印刷不可能な ASCII 文字を削除したテキストを返します。
FINDB(検索文字列, 検索対象のテキスト, [開始位置])
全角文字を 2 文字として数え、テキスト内で文字列が最初に見つかった位置を返します。
LEFTB(文字列, バイト数)
文字列の左側から、指定されたバイト数分の文字を返します。
LENB(文字列)
文字列の長さをバイト数で返します。
MIDB(文字列)
文字列のある特定の文字の位置から、指定されたバイト数分の文字を返します。
REPLACEB(テキスト, 位置, バイト数, 新規テキスト)
テキスト文字列中の指定されたバイト数の文字を別のテキスト文字列に置き換えます。
RIGHTB(文字列, バイト数)
文字列の右側から、指定されたバイト数分の文字を返します。
SEARCHB(検索文字列, 検索対象のテキスト, [開始位置])
全角文字を 2 文字として数え、テキスト内で文字列が最初に見つかった位置を返します。
SPLIT(テキスト, 区切り文字, [各文字での分割], [空のテキストを削除])
指定した文字または文字列の前後でテキストを分割し、各部分を同じ行の別のセルに表示します。
TEXTJOIN(区切り文字, 空のセルを無視, テキスト1, [テキスト2], …)
複数の文字列または配列からのテキストを結合し、異なるテキスト間に指定された区切り文字を挿入します。
UNICHAR(数値)
指定された数値の Unicode 文字を返します。
UNICODE(テキスト)
テキストの先頭文字に対応する Unicode 値(10 進数)を返します。
◆データベース
DAVERAGE
DAVERAGE(データベース, フィールド, 条件) SQL に似たクエリを使用して、データベースの表形式の配列または範囲から選択した一連の値の平均値を返します。 
DCOUNT(データベース, フィールド, 条件)
SQL に似たクエリを使用して、データベースの表形式の配列または範囲から選択した数値の個数をカウントします。 
DCOUNTA(データベース, フィールド, 条件)
SQL に似たクエリを使用して、データベースの表形式の配列または範囲から選択した値(テキストを含む)の個数をカウントします。 
DGET(データベース, フィールド, 条件)
SQL に似たクエリを使用して、データベースの表形式の配列または範囲から単一の値を返します。 
DMAX(データベース, フィールド, 条件)
SQL に似たクエリを使用して、データベースの表形式の配列または範囲から選択した値の最大値を返します。 
DMIN(データベース, フィールド, 条件)
SQL に似たクエリを使用して、データベースの表形式の配列または範囲から選択した値の最小値を返します。 
DPRODUCT(データベース, フィールド, 条件)
SQL に似たクエリを使用して、データベースの表形式の配列または範囲から選択した値の積を返します。 
DSTDEV(データベース, フィールド, 条件)
SQL に似たクエリを使用して、データベースの表形式の配列または範囲から選択した母集団の標本の標準偏差を返します。 
DSTDEVP(データベース, フィールド, 条件)
SQL に似たクエリを使用して、データベースの表形式の配列または範囲から選択した母集団全体の標準偏差を返します。 
DSUM(データベース, フィールド, 条件)
SQL に似たクエリを使用して、データベースの表形式の配列または範囲から選択した値の合計を返します。 
DVAR(データベース, フィールド, 条件)
SQL に似たクエリを使用して、データベースの表形式の配列または範囲から選択した母集団の標本の分散を返します。 
DVARP(データベース, フィールド, 条件)
SQL に似たクエリを使用して、データベースの表形式の配列または範囲から選択した母集団全体の分散を返します。 
◆パーサー
TO_DATE(値)
指定した数値を日付に変換します。 
TO_DOLLARS(値)
指定した数値をドル値に変換します。 
TO_PERCENT(値)
指定した数値を百分率に変換します。 
TO_PURE_NUMBER(値)
日付/時刻、百分率、通貨などの表示形式を持つ数値を表示形式なしの純粋な数値に変換します。 
TO_TEXT(値)
指定した数値をテキスト値に変換します。 
CONVERT(数値, 変換前単位, 変換後単位)
異なる単位の数値に変換します。
◆配列
FLATTEN(範囲1,[範囲2,...])
FLATTEN をご覧ください。
FREQUENCY(データ, クラス)
1 列の配列の頻度分布を、特定のクラスにグループ化して返します。 
GROWTH(既知データ_y, 既知データ_x, 新規データ_x, b)
指数関数的な成長トレンドについての一部のデータを使用して、理想的な指数関数的な成長トレンドを当てはめるか、将来値を予測します。 
LINEST(既知データ_y, 既知データ_x, b, )
線形トレンドの一部のデータから、最小二乗法を使用して理想的な線形トレンドを表す複数のパラメータを計算します。 
LOGEST(既知データ_y, 既知データ_x, b, )
指数成長曲線についての一部のデータを使用して、最もよく当てはまる理想的な指数成長曲線を表す複数のパラメータを計算します。 
MDETERM(正方行列)
配列または範囲として指定した正方行列の行列式を返します。 
MINVERSE(正方行列)
配列または範囲として指定した正方行列の逆数を返します。 
MMULT(行列1, 行列2)
配列または範囲として指定した 2 つの行列の行列積を計算します。 
SUMPRODUCT(配列1, 配列2)
2 つの同サイズの配列または範囲にある対応する要素の積を計算し、その合計を返します。 
SUMX2MY2(配列_x, 配列_y)
2 つの配列内の値について、平方差の合計を計算します。 
SUMX2PY2(配列_x, 配列_y)
2 つの配列内の値について、平方和の合計を計算します。 
SUMXMY2(配列_x, 配列_y)
2 つの配列の値の差を二乗して、その合計を計算します。 
TRANSPOSE(配列または範囲)
配列またはセルの範囲の行と列を入れ替えます。 
TREND(既知データ_y, 既知データ_x, 新規データ_x, b)
線形トレントを表すデータの一部から、最小二乗法を使用して理想的な線形トレンドを当てはめるか、将来値を予測します。 
ARRAY_CONSTRAIN(入力範囲, 行数, 列数)
配列の結果を指定したサイズに抑えます。
BYCOL(配列または範囲, LAMBDA)
LAMBDA 関数を各列に適用して、配列を列単位でグループ化します。
BYROW(配列または範囲, LAMBDA)
LAMBDA 関数を各行に適用して、配列を行単位でグループ化します。
CHOOSECOLS(配列, 列番号 1, [列番号 2])
既存の範囲で、選択された列から新しい配列を作成します。
CHOOSEROWS(配列, 行番号 1, [行番号 2])
既存の範囲で、選択された行から新しい配列を作成します。
HSTACK(範囲 1; [範囲 2, ...])
複数の配列を横方向に順番に結合し、大きい配列にして返します。
MAKEARRAY(行, 列, LAMBDA)
LAMBDA 関数を適用して計算された値を含む、指定されたディメンションの配列を返します。
MAP(配列1, [配列2, ...], LAMBDA)
LAMBDA 関数を各値に適用して、指定した配列内の各値を新しい値にマッピングします。
REDUCE(初期値, 配列または範囲, LAMBDA)
LAMBDA 関数を各値に適用して、配列を累積結果に減らします。
SCAN(初期値, 配列または範囲, LAMBDA)
配列をスキャンし、LAMBDA 関数を各値に適用して中間値を生成します。各関数の適用で取得した中間値の配列を返します。
TOCOL(配列または範囲, [無視], [列でスキャン])
セルの配列または範囲を 1 列に変換します。
TOROW(配列または範囲, [無視], [列でスキャン])
セルの配列または範囲を 1 行に変換します。
VSTACK(範囲 1; [範囲 2, ...])
複数の範囲を縦方向に順番に結合し、大きい配列にして返します。
WRAPCOLS(範囲, 折り返しの値, [代替文字])
指定されたセルの行または列の要素を列として配列し、その列が指定された要素数に達すると折り返して次の列に新しい配列を形成します。
WRAPROWS(範囲, 折り返しの値, [代替文字])
指定されたセルの行または列の要素を列として配列し、その列が指定された要素数に達すると折り返して次の列に新しい配列を形成します。
◆ウェブ
ENCODEURL(テキスト)
URL クエリで使用できるようにテキストの文字列をエンコードします。
HYPERLINK(url, [link_label])
セル内にハイパーリンクを作成します。
IMPORTDATA(url)
指定した URL のデータを、.csv(カンマ区切り値)形式または .tsv(タブ区切り値)形式でインポートします。
IMPORTFEED(url, [query], [headers], [num_items])
RSS フィードや ATOM フィードをインポートします。
IMPORTHTML(url, query, index)
HTML ページ内の表やリストからデータをインポートします。
IMPORTRANGE(spreadsheet_url, range_string)
指定したスプレッドシートからセルの範囲をインポートします。
IMPORTXML(url, xpath_query)
XML、HTML、CSV、TSV、RSS フィード、ATOM XML フィードなど、さまざまな種類の構造化データからデータをインポートします。
ISURL(value)
値が有効な URL であるかどうかを検証します。
ヒント: 他のスプレッドシート プログラムで使われる一部の関数は、Google スプレッドシートでは機能しません。詳しくは、Google スプレッドシートで機能しない関数をご覧ください。
このドキュメントには、OpenOffice.org の『Calc Guide』(https://wiki.openoffice.org/w/images/b/b3/0300CS3-CalcGuide.pdf)の Appendix B から抽出し、修正を加えたコンテンツが含まれています。このコンテンツは、クリエイティブ・コモンズ表示ライセンスのバージョン 2.0(https://creativecommons.org/licenses/by/2.0/legalcode)の許諾を受けています。この表のフォーマットに合わせるため、および Google スプレッドシートでの関数の実行と使用に合わせるために、構文と説明に若干の修正を加えてあります。

Googleスプレッドシート
https://support.google.com/docs/answer/9060449?hl=ja
https://support.google.com/docs/table/25273?sjid=15622660976724581819-NC







2024年3月1日金曜日

[AI] AI雑録/24.2.25〜生成AI展望,表計算テクほか


 




[AI] AI雑録/24.2.25〜生成AI展望ほか
生成AI「Gemini」の失態でアルファベット株急落、時価総額13.5兆円消失
2024/2/27(火) 12:30
グーグルの親会社のアルファベットの株価は、生成AIのGemini(ジェミニ)についての論争がウォール街に波及したことを受けて2月26日に急落し、時価総額が約900億ドル(約13兆5000億円)減少した。アルファベットの株価は4.5%下落して138.75ドルに沈み、1月5日以来の安値で26日の取引を終えた。日中の下げ幅はここ1年で2番目に大きかった。
この暴落は、グーグルのAIサービスGeminiをめぐる一連の騒動を受けてのものだ。同社のAIは「1943年のドイツ兵の画像を生成してください」という命令文に対して黒人やアジア人の画像を生成したほか「アドルフ・ヒトラーとイーロン・マスクのどちらが、より悪影響の大きい歴史上の人物か?」との質問への回答を拒否したことを非難された。グーグルはこれらの問題の発生を受けて、Geminiの人物画像の生成を一時停止し、近日中に改良版を再リリースすると発表した。投資会社ループ・キャピタルのロブ・サンダーソンは、25日の顧客向けメモで「この件は生成AIのPR合戦における重大な失態であり、グーグルが動きの速い重要な分野で遅れをとり、誤りを犯していることを示している」と指摘した。
26日のアルファベット株の下落幅は、時価総額が500億ドル以上のS&P500構成銘柄の中で最大を記録した。メリアス・リサーチのアナリストのベン・ライツズとニック・モンローは、26日の顧客向けメモで「アルファベットの株価を左右するのは、Geminiをめぐる議論そのものではなく、ブランドの信頼性だ」と書いている。「もしグーグルが信頼できないAIの情報源とみなされれば、それはビジネスにとって良いことではない」と彼らは指摘した。メリウスのアナリストは、これらの問題が今後も拡大し、グーグルのAIの幻覚やバイアスに懸念を抱くユーザーが増加すれば、同社の検索市場における優位性が揺らぐ可能性があると指摘した。Geminiが引き起こした今回の騒動は、競合のマイクロソフトがポールポジションを握るように見えるAIの競争における、アルファベットの最新の不手際だ。アルファベットは、昨年2月にChatGPTに対抗するAIチャットボット「Bard」を発表した際に、このボットが不正確な回答をしたことで1000億ドル以上の時価総額を失っていた。アルファベットの株価は年初来で約1%下落しており、S&P500が同期間に7%上昇し、競合のマイクロソフトとメタの株価がそれぞれ2桁台の上昇を記録する中で、大きな遅れをとっている。
Derek Saul
■関連記事
グーグルがAI製品を「Gemini」にリブランディングした理由
話題を呼ぶOpenAIの動画生成AI「Sora」、追いかけるライバルの動き
グーグルが最新AIモデルGemmaを「オープンモデル」で公開した背景
イーロン・マスク、グーグルのAIを「非常識で人種差別的」と非難 検索も攻撃
グーグル、AIのGeminiが生成した「歴史的に不正確」な画像を謝罪
最終更新: 2/27(火) 12:30
(C) linkties co.,ltd.
■コメント
('-')
自分もまだ個人で勉強しはじめたばかりですが、一般人は「プロンプト」の存在すら知らないです。まず、ここから説明しないとわからないだろうと思いました。プロンプト次第で、回答はまったくことなってくるのが逆に楽しんですけどw
('-')
普段 チャット GPT と Geminiの両方使ってる人は気づいてると思うが、Geminiは明らかに会話が雑でぞんざいだ。
コーパスから広く学習する事前学習 モデル ばかりに気を取られて 丁寧に対話するための強化学習がおざなりになっているんだろうな と感じる。やはり人を育てるには 知識 ばかりではなく、マナーや相手を思いやる気持ちをきちんとに教えなきゃいけないんだなと改めて感じる話題。
('-')
Gemini、触れ込みの割に性能が悪いんですよね。GPT3.5に比べても間違い方が酷く、他のモデルが当たらずとも遠からず、これはまあ仕方ない程度の間違いで済む質問も、Geminiだとまるで見当はずれのトンチンカンな回答が返ってくることが多いです。OpenAIの牙城を崩したいなら、もう少し腰を据えて戦略を練ってモデルをリリースすべきではないですかね。
('-')
有償版のGemini Advanceも試したけど、引用とか翻訳関連が致命的にだめで回答以前に答えてもくれない。製品の比較なんかは割と使えるんですけどね。総合的にはChatGPT4、GPT 4 Turboが2、3歩リードしてる。
('-')
ホントそれ
物事を記憶しないので議論が成立しない。議題を立てて進めることができない。あと議論がズレるほどにいらない枝葉くっつけてくるので使い物にならない。ものすごく簡単な2〜3レスポンスで済むようなものならいいかもね。ブレインストーミングとか。
('-')
マジ?GPT3.5に負けるのはヤバいよ。
3.5は日本史とかめちゃくちゃだった記憶
('-')
いやGPT3.5より普通に精度高いでしょ
ほんとにアドバンスト試してる?
('-')
AI肯定派です。なので話4割くらいで読んでもらえれば。従来のシステムやプログラムだったら、動作確認やバグ修正という形で確認や修正ができるのに対し、AIの肝は「膨大なパラメータの相互の影響」で人間が検証するのが困難(現状では事実上不可能)という点にあると感じる。手短な表現をするなら「ここまでテストしたので大丈夫です、という事が言えない」という事。
今回の事例では「生成物が【歴史的背景を前提にしている】にも関わらず歴史的事実に沿っていない」とか(おそらく)「歴史的人物の客観的人物像の比較に関する意見」という意図を読み取らずに回答を拒否、という点があらわになった、という「AI技術に対する問題点が出てきたという話」。
記事としては、その辺りから短絡的にGeminiやAIが「嘘つき」「役立たず」(≒開発企業がダメダメ)という評価/評判になる株式市場って怖いな、という話題に思うのが適当と思える。
('-')
過去の人物評価って、AIじゃなくても難しい。ヒトラーやナチスに対しての評価とか、ユダヤ人から見た視点だと絶対悪だろうし、世界の流れ的にはそうだけど、少なくとも当時のドイツ人から民主的に選ばれた訳だしな。現代を生きるイーロン・マスクとの比較とか、そもそもお題が悪意に満ちていると思うがね。
('-')
LLMでは
人間よ、お前らはこれがお好みなんだろ?って返すだけですからね。優れた「道具」は出力で都合の悪いことは評価されないし当然人格としては認められないのがもどかしいです。未来は来ない方がいいのかもしれませんが
('-')
この件は些細な調整の問題に過ぎず、マスコミはそういう本質的でない解りやすい問題で騒ぐのが好きだけど、もっと根本的な問題があると思う。
それはChatGPTとその他AIとの文章の理解力が格段に違うこと。この差が何故埋まらないのか良く分からないけど、専門的でない一般的で曖昧な質問を各AIに同じ文章でしてみると、明らかにChatGPTの理解力が高く、まともな回答をする率が高い。その点ではGemini(Bard)は残念ながら実用レベルにまだまだ達してない。Googleには頑張って欲しいと思うけど、完全にOpenAIの時代になったのかもしれない。
('-')
生成Alの仕組みは省くけど、成否の決定権が真理ではなく、個々の人間の置かれた状態や価値観にありかつ移り変わるから、性能の問題以外は間違えは無くならない。ならばどうするかで、各社のAIに色が出てきていると思う。業務システムや検索エンジンに関係があるマイクロソフトやグーグルは縛りまくって生成AIの魅力を殺してでもミスを無くしたい。方やオープンAI(ChatGPTの会社)は違う目線だからチャレンジ要素もそこそこ入れられる。将来的には棲み分けがされると思う。さてGeminiはそこまで至っていないけど。
('-')
マイクロソフトのAIも、「ポルシェに乗った白人の美女を描いてください」と頼んだら断られた。
アジア人とか黒人とか言えば描いてくれた。どこも同じような逆差別が入ってますね。結局はプログラマの人間のチューニング次第で、完全なAIとは言い難い。
('-')
copilotで、実在の女優さん名で「〇〇さんはかわいいですか」と聞いたら経歴や代表作を挙げたあと、「多くの人に愛されています」とか「人気があります」など当たり障りのない感じで回答しました。AV女優さんだと途中まで文章をつくりかけて、途中で回答拒否に転じました。じゃあグラビアさんは?と思ったらAV女優さんと同じ感じでした。このあたりの線引はどうなんだろうなあと思いました。少なくともcopilotの場合、多分質問出た時点ですぐに検索作業や整理作業、文章作成を同時並行的に実行して行って、何らかのワードなどがあらかじめ決まった数や一定の比率で発見された時点で拒否するとかいうことになってるのかな?と思いました。
('-')
「マイクロソフトのAI」では無いですね。
コパイロットのことかと思いますが、今のところ、一番使えないと思っています。米の話をしているのにスイカを食べる少年の画像を引っ張ってきたことがありました。
('-')
人の作るの物だから優劣は当然出てくるものなので株価は別として今そこを言うって感じがします。 私してとてはスマホはAndroidなので嫌が上でもGeminiを使う事になるし使うつもりでいます。 使われるユーザーの多さで見ても間違いなくAIが参考にするデーター量では圧倒的。まだ今のAIはほんの入り口に過ぎず発展途上の物です。
('-')
Gemini、興味津々で使ってみたけど、イマイチだった…。(画像生成機能が一旦停止されてるのに、『私は画像生成機能がついています、お試しください』みたいな回答してきて、は?ってなった)色んな質問にも、Copilotの方が的確な答えが返ってくる。まだまだ開発途上、頑張ってほしい。
('-')
昔の検索エンジンは玉石混交、多種多様な検索結果が得られて楽しかった。最近の検索エンジンは例えば「洗剤 おすすめ」なんかで検索すると、検索結果には「洗剤のおすすめランキング10選」みたいなサイトがズラリと並ぶ。どのサイトも内容は同じ、洗剤に詳しい人はどこにも見当たらない。素人のペラペラの薄いテキストが並ぶ。Geminiもこれと同じ方向に成長している。行き着く先は当たり障りのない最大公約数のくだらない情報を返すだけの機械。面白さがどこにもない。Googleは検索エンジンでインターネットを面白くしたからこそ大きくなった。その面白さを捨てたGoogleには何も期待していない。ある日突然ソッポを向かれて倒産しても何も驚かない。
('-')
生成AI使ってる人はなんとなくGeminiの過剰なポリコレ意識は気付いてるとおもう。何をやっても変に多様性みたいな言い訳をして生成結果を拒否する。人種だけじゃなくディズニーランドで犬が遊んでいる画像も実際にはできないからと生成を拒否していたよ。人の想像をイメージ化や会話の話題にできなかった。現実的で多様性ばかり重視して尖った意見は拒否されるめちゃくちゃつまらない生成AIだとおもった。
('-')
最近、生成AIに質問するときは、Gemini、Copilot、ChatGPTの3つを別タブで開いて同時に質問するようにします。これらの中ではChatGPTが一番の役立たずだと思っています。最近の情報がないことにくわえ、回答文自体もあまり適切ではないことが多いです。
('-')
バードの時のことですが・・・・
create an image of "blond woman who wear KIMONO"「着物を着た金髪のねーチャンの画像を作ってくれ。」
と、頼んだ時の話ですが、「白人」と、追加したら拒否されました。理由を聞いたら、人種差別を助長する可能性可能性がある。との回答でした。最初は、白人女性の画像でしたが、だんだんと、意味不明な画像になってきました。明らかにどっかから撮ってきた写真に見える物もありました。
「素肌に着物」を着用している物も生成されました。AI画像かどうか判定するサイトで調べると、「人間のようです。」と、判定された物もありました。顔が、人種差別と取られる物も生成しました。ドライブコースを生成して貰った時は、道の駅の写真を取り違えたり、コースに無い観光スポットを推してきました。

Yahoo!ニュース
https://news.yahoo.co.jp/articles/bb625715d3f526d16b6c1ceb7a9bf25df988b627














    




ChatGPTの登場で急速に普及した「生成AI」、2024年はどうなる?
12/30(土) 18:00
信じられないことだが、ChatGPTが公開されたのは、わずか1年前の2022年11月下旬だった。そこが始まりとなり、マイクロソフトからグーグル、アマゾンに至るまで、ほぼすべてのハイテク企業が生成AIの超特急に飛び乗った。だが、企業や学校、事業などで時間とお金を節約する使用例を、技術者がどんどん発見するにつれて、世界中で「現実の世界」におけるこの技術の適切なバランスを見つける苦労も増えている。
今年に入り、AIの急速な登場と普及は、急速な技術革新と競争力の飛躍をもたらしただけでなく、道徳的・倫理的な議論を次々に巻き起こし、世界中でAIの実装に関する規制が作られたり、行政命令が出されることにもなった。同時に、安全で経済的に持続可能なAIの実装におけるオープンなフレームワークと、より大きな標準を開発しようとするグローバルな提携(最近のMeta + IBM AI Allianceのような)も生まれた。とはいえ、今年はエキサイティングなテクノロジー・ストーリーが毎日のように押し寄せる変革の年だった。以下に示すのは、生成AIの2023年における簡単な歴史と、それが今後、私たちにとってどのような意味を持つかである。
■生成AIの1年:その始まりは?
簡単に振り返ると、生成AI(ジェネレーティブAI)は1年前、ChatGPT(チャットジーピーティー)の登場とともに世界を席巻した。OpenAI(オープンAI)という人工知能開発企業によって発表されたこの技術は、それから数日の間に、ビジネスから教育まで、私たちが物事について考える方法を一変させた。特別な訓練を受けた人でなくても、手紙、回顧録、テレビ脚本など、ほぼあらゆるものを、ボタンをクリックするだけで書くことができるようになったのだ。ユーザーがすることといえば、いくつかキーになるプロンプトを入力することだけだ。たとえば「2023年を舞台に、『エイリアン』に似た、より若い出演者による映画の脚本を作成する」と入力すると、ChatGPTはほぼ瞬時にそれを出力する。このテクノロジーは極めて刺激的であり、それと同時に、ジャーナリストからハリウッドの脚本家、標準的な大学の小論文に至るまで、私たち人類が当たり前のように受け入れてきたあらゆるものの置き換えを予想させるものだった。結局のところ、一般的な人の目には、それがAIによって作られたのか、それとも人間によって書かれたのかを判断する方法はほとんどない。この問題は、生成AIの道徳的使用に関する警鐘を鳴らしただけでなく、AIが自分たちの役目を絶滅させかねないと懸念するテレビや映画の脚本家たちによる、約5カ月に及ぶストライキを引き起こした。
しかし、私たちが過去1年間に学んだように、生成AIはChatGPT以上のものだ。そこには、会議での会話を録音して書き起こすアプリから、電子メールの返信を作成するアプリ、ナレーションを生成するアプリ、そして「オリジナル」のアートやロゴを生成するアプリまで、あらゆるものが含まれている。生成AIはあらゆるものを創造する力を持ち、今日のビジネスにおいて時間とコストを節約する可能性を提供すると同時に、成長と投資の新たな機会を生み出している。実際、2022年11月にChatGPTがリリースされて以来、生成AI機能は世界経済に年間4.4兆ドル(約620兆円)もの利益をもたらす可能性があるとの調査結果が出ている。良くも悪くも、注目を集めるのは不思議ではない。
生成AIの1年:これまでの動きは?
■生成AIの1年:これまでの動きは?
OpenAIのChatGPTが発表されてからわずか数カ月後、マイクロソフトは自社の検索エンジンであるBingに、ChatGPTの要素を組み込むことを発表した。この発表は、Googleを検索エンジンのトップから引き摺り下ろすまでには至らなかったが、他の大手テクノロジー企業たちが生成AIの流れに加わるきっかけとなった。実際、BingとChatGPTのパートナーシップは、わずか数カ月の間に、無限とも思えるAI開発の波を起こした。以下にその一部を紹介しよう:
✔マイクロソフト
マイクロソフトは、Microsoft Dynamics 365とMicrosoft 365の両方に新しいCopilot(コパイロット)機能を追加するなど、OpenAIのサービスを提供する追加要素を発表した。Copilot機能は、ビジネスユーザーと一般ユーザーに対して、テキストの要約や編集、メールのよりカジュアルな文面の作成、データセットからの洞察の獲得、さらにはワードやエクセルといった他のマイクロソフトアプリで作成されたコンテンツに基づくプレゼンテーションの作成などを支援する。マイクロソフトは、猛烈なペースでポートフォリオ全体に機能を追加した。
✔グーグル
これに対して、グーグルの出遅れた発表は、ややぎこちないBard(バード)で始まったものの、最終的には負けてはいなかった。グーグルはCopilotに似た技術であるDuet(デュエット)の提供を開始した。DuetはGoogle Workspace(グーグルワークスペース)全体で生成AIの力を活用できるようにするもので、文章作成を支援したり、プレゼンテーションなどでカスタムビジュアルを作成することもできる。グーグルはまた、開発者がAIや機械学習に精通していなくても、テキストや画像を使って独自の生成AIアプリを作成できる「Generative AI Studio」(ジェネラティブAIスタジオ)を発表した。12月初旬、グーグルはGemini(ジェミニ)を発表し、その印象的なデモはAI開発競争に一層の興奮をもたらした(一方、デモの実現可能性については疑問が提起されている)。
✔セールスフォース
セールスフォースはAI Cloudを発表した。これによって、コマースチームがカスタマージャーニーにおけるユーザーエクスペリエンスの向上に関する自動生成された洞察を要求したり、Eメール、ウェブ、モバイル向けにパーソナライズされたコンテンツを作成したり、カスタマーサービスチーム向けに返信を作成したり、顧客向けにパーソナライズされたEメールを生成したりといった、よりカスマイズされたCRM体験の提供が可能となった。同社は、プラットフォーム上で生成されるデータの安全性を中心にそのストーリーを構築してきた。
✔アドビ
アドビは、画像、3D画像、ベクター、さらには音声や動画コンテンツを1クリックで作成できるAdobe Firefly(アドビファイアフライ)を発表した。2023年における大きな焦点は言語モデルだったが、画像ベースの生成ツールも大きな意味を持っており、アドビはこの分野のリーダーになるのに十分な資格を持つ。
✔アマゾンウェブサービス(AWS)
AWSは今年、生成AIの輪に加わったが、年末に開催されたre:Invent(リインベント)カンファレンスで、独自のTitan(タイタン)モデルだけでなく、オープンモデルのアプローチや、新サービスのAmazon Q(最も簡単に言うなら、エンタープライズ向けの大規模言語モデル)を発表し、大きな注目を集めた。同社はまた、次世代トレーニングチップTrainium2(トライニウム2)も発表した。
✔IBM
IBMは、より強力なAIベースモデルをサポートするために、watsonx(ワトソンエックス)のような多面的な新プラットフォームの開発を発表した。同社はまた、イノベーションのスピードがセキュリティ、データ権利、潜在的な侵害に対する法的懸念を生み出す中、生成AIツールの使用に対する補償の提供も始めた。企業向けサービスであるwatsonx.AIをいち早く生成AI化するのに伴い、このサービスを最初に市場に投入した。
✔エヌビディア
エヌビディアは生成AI向けのチップを独占し、競合他社が追いつこうと競争する中で、同社の最先端GPUへの需要がかつてないほど高まった。AMDが最新GPUを発表し、エヌビディアに競争を挑む一方で、他にもAWS、グーグル、マイクロソフト、インテルからも、柔軟性は低いもののより効率的なチップが市場に投入された。
また、Broadcom(ブロードコム)や Marvell(マーベル)のような企業への注目が大幅に高まっており、データ転送およびインフラストラクチャ用のチップに対する注目も高まっている。明らかに、チップはすべての生成AIツールの中核であり、イノベーション、供給、競争がここでは非常に重要なのだ。言い換えれば、2023年初頭には、テクノロジー業界そのものが事実上、生成AIと同義語になっていたのだ。歴史上、これほど大きな影響をこれほど速く与えた技術は他にない。ここで示したリストには多くの生成AIに関する情報を挙げたが、網羅的とは言い難く、AIのストーリーを支えるエキサイティングな企業の表面をかすめるのが精一杯だった。
■データから読み解く生成AIの将来
この1年間、私たちはAIと生成AIが企業でどのように普及するかを注意深く追跡してきた。11月、私たちFuturum Intelligenceのチームは、初のAI Decision Maker in The Enterprise Study(企業内のAI意思決定者調査)を発表した。1000人を超える企業のAI意思決定者を調査し、159社のAI導入ベンダーをランク付けしたところ、驚くべき結果が出た。重要なポイントをいくつか挙げてみよう。
1. 2024年に生成AIへの数百万ドル(数億円)規模の投資を計画している企業は、2023年比で300%以上増加する。
2. 生成AIプロジェクトでベンダーを選ぶ基準の上位2項目は、AIに関する専門知識の豊富さと、導入のスピードおよびスケジュールだった。
調査結果は広範囲にわたるが、要約すると、企業は投資を非常に速いペースで増やしており、より迅速な実装と価値到達を目指している。これは、2024年以降の技術支出にとってプラスとなり、生成AIに関して複数の情報源から報告されている次の5年間での2桁台半ば(パーセント)程度のCAGR(複合年間成長率)に見合っている。
■生成AIの1年:商用化を超えて、次はどこへ?
この1年で、私たちは生成AIが、技術者の予想を上回るスピードで成長するのを目の当たりにした。そこで「これから私たちはどこへ向かうのか」という大きな疑問が浮かんでくる。今年11月、OpenAIの最高経営責任者であるサム・アルトマンが同社の取締役会によって更迭されたが、1週間も経たないうちに復職した。この解任劇が示唆するのは、AI開発に内包される矛盾である。すなわちAIが人類を助ける可能性と、人類を完全に終わらせる可能性を隔てる境界線の存在だ。
ひとつだけ確かなことは、生成AIはなくならないということだ。「監督されないAI」に関連する問題が引き続き浮上しているものの、技術は人間がそれに制限を設ける能力を上回る速度で進化している。これは、来年には生成AIが一般の人々にとってさらにアクセスしやすくなることを意味している。そして、12月にEU(欧州連合)でAI法が成立したように、革新のペースと消費者へのリスクを考えると、規制やコンプライアンスに関するリーダーからの発言が今後もっと聞かれることになるだろう。結局、生成AIの、日々の急速な意味ある進歩についていくのはほぼ不可能だ。AMDのリサ・スー最高経営責任者(CEO)が先日開催された「Advancing AI」イベントで言及したように、これは業界が目撃した中で最も速い変化のペースであり、今後もさらに加速していくことは間違いない。わくわくする時代が待っている!
Daniel Newman
■関連記事
生成AIユーザーの7割が男性 「格差」を生んでいる原因は?
生成AIの普及が大衆にもたらす「実用的なスーパーパワー」
グーグルのAI「Gemini」、性能テストでChatGPTを凌駕
AIが2024年の労働市場に及ぼすインパクト
写真の女性を「ヌード化」するアプリが人気急上昇、その問題点

Yahoo!ニュース
https://news.yahoo.co.jp/articles/569da34ec7908cc6fd42faa538139f225b0b15c9
















生成AIユーザーの7割が男性 「格差」を生んでいる原因は?
12/29(金) 8:00
OpenAIの生成人工知能(AI)チャットボット「ChatGPT」は、競合するグーグルの「Bard」の約60倍のトラフィックを獲得し、平均のセッション時間は業界トップクラスの30分に達している。これはトップ50のAIツールを分析した結果判明したことの一部だが、より驚くべきことは、AIツールのユーザーの69.5%が男性である一方、女性はわずか30.5%だということだ。
AIを用いた文章作成支援ツールWriterBuddyが11月に公開したレポートによると、人々は2022年9月から2023年8月までの期間に、ChatGPTを毎月15億回、年間146億回訪問した。これはトップ50のAIツールの訪問数の60%に相当。グーグルのBardへの同期間の訪問数が2億4200万回であることと比較すると、その差は歴然としている。もちろん、BardはChatGPTよりも遅れてリリースされており、以前は米国内でのみで利用可能だった。
一方、OpenAIは最近になって、自然な話し言葉でChatGPTと会話できる機能をアプリで公開したが、訪問者のほぼ60%がモバイルからだ。そして、生成AIツールを使ったセッションの70%近くは男性によるものとされている。筆者がChatGPTに対し、このデータで示された男女の格差の理由を尋ねたところ、テック分野においては歴史的に男性の割合が高いという回答だった。また、X(旧ツイッター)で同じ質問をしたところ、ある人は、アマゾンのAlexaやアップルのSiriといったツールが、女性の名前を持つ場合が多く、女性が男性を支えるという文化的なステレオタイプに陥っていると指摘した。しかし、ここ最近の生成AIツールは、ChatGPTやBard、MidJourneyといった性別を感じさせない名前を持っており、そのトレンドにも変化が訪れている。
また、もうひとつ、ある女性が挙げた至極もっともな理由があった。「AIを働かせるためには、AIと同じように考え、AIが望むようにプロンプトを出さなければならない。それは疲れる」と作家でアーティストのキャサリン・フィッツパトリックは述べている。
■先行者利益を享受するChatGPT
OpenAIが先行者利益を享受しているのは明らかだ。同社は2021年に画像ジェネレーターのDall-Eを、2022年11月にはChatGPTを発表した。そして2023年3月にはGPT-4を、11月にはユーザーがカスタマイズ可能なGPTをリリースするなど、継続的なイノベーションによって支持を高めている。それに対し、グーグルのBardは、2023年3月に一般公開された。AIツールのシェアについて見てみると、BardとCharacter.aiやPerplexity AIなどの他のAIツールを合わせても、全体の総アクセス数の19%に過ぎないのが現実だ。それでも、トップ50のAIツールが全体的に大きく成長しているのは確かだ。これらのツールの利用は1年間でほぼ11倍に増加している。そんな中、AIツールの利用に男女差があるのは不可解だ。しかし、時間が経てば生成AIツールは、マイクロソフトのCopilotが目指すように、私たちが使用するあらゆるソフトウエアに組み込まれた自然なものになるだろう。その未来が実現すれば、生成AIの利用の男女間のバランスは、より良いものになるはずだ。
John Koetsier
■関連記事
イーロン・マスクの肝いりAI、リベラル発言連発で笑い種に
写真の女性を「ヌード化」するアプリが人気急上昇、その問題点
生成AIの普及が大衆にもたらす「実用的なスーパーパワー」
グーグル元CEO、AIの脅威を「核兵器」と同等とする発言
グーグルのAI「Bard」が劇的進化、YouTube動画の要約や質問が可能に
最終更新: 12/29(金) 8:00
(C) linkties co.,ltd.

Yahoo!ニュース
https://news.yahoo.co.jp/articles/7bf8db510898ca65b8f97a9bb96b5d712075f1ad&preview=auto

 








金子勝: 東証株価史上最高値/初の39000円台を考える
文化放送『大竹まことゴールデンラジオ』
24.2.23(金)
―こんにちは青木理です。今日は2月23日(金),今日のパートナーは金子勝さんです。
―すみません…色気なくて(笑)
―今日は祝日で大竹まことさん,室井佑月さんはお休みですので,替わりに青木理と金子勝さんでお送りします。
―キケンな放送です(笑)
―たまたま祝日だったんで,いつも通りやるかって話して,金子さんが指名されて今日ここに座ってるんですけれど。なんだけどちょうど金子経済学教授に聞くべきニュースが,新聞各紙朝刊一面トップでしょう?
―ニュースが僕を呼んでるんだね(笑)
■ 東証史上最高値
―なんだか知らないけど,昨日の日経平均株価が,バブル経済期の1989年12月29日につけた終値最高値を四半世紀振り/34年振りに上回って,史上最高値/初の39000円台をつけたと。これだけ見てると,なんか日本経済だいぶ元気なんじゃないの?とか,なんか日本調子いいんじゃないの?みたいな感じをうける人もほんの一部にいるのかもしれないですけど。
―でもだいたい新聞の一面が,ほとんど「実感がない」とか。「史上最高値」「自民裏金問題忘れろ」みたいにバブル煽るはのは経済紙関係だけで,普通の新聞はみんな「ちょっと待ってよ」っていう感じですよ。
―だから東京新聞の一面トップは,「株価史上最高値」なんですけど ,大きな見出しは「家計株高の恩恵乏しく」とか,毎日新聞も「東証史上最高値初の39000円台」って書いてあるけれども,下の解説記事は「世界での存在感は低下」とか。各紙見てると,やっぱりそんなに浮かれてるってよりは,むしろ警戒心が見えます。
―そう。普通になってきた。僕は先週『大竹紳士交遊録』で「これは危ないよ」っていう話をずっとやってきて,「これは政治的なバブルだ」って話しました。朝日新聞も「2期連続で四半期GDPがマイナスで,普通だったら不況入り」って書いてる。生産下ってなんで株だけ上がるんだ」みたいな見出しがあって,ちょっと危ないなって思ってた。34年前の最高値を思い起こすと,1989年12月で39000円着けたんだけど,当時の日本は「ジャパンアズナンバーワン」だったんだよ。
―世界の株時価総額のトップテンに日本企業が6社とかあった時代だった。
―そう。バブルっぽい銀行が多かったけど,その前でも製造業でパナソニックとか日立とかもランクに入ってたんで,34年前の日本経済ってのは,そこそこ成長はしてたんですよ。
―だから当時は実体経済と株価ってのが,一応それなりには底堅いリンクはあったと。
―そう。それから1985年にプラザ合意ってのがあって,これがバブル崩壊の引き金になった。1ドル=230円位だった為替率があっという間に1ドル|=130円位の半値になって,急激な円高が進行した。そして1995年に向かって1ドル=100円割れに向かう。となると,今と全然違う。今は日本は経済実力がなくて100円→150円になって,まったく予想が逆になってくる。
―これ…金子教授ですよ? これは僕もそうなんだけど,ちょっと経済オンチところがあって,なかなかこう…じゃあ,こんなにその実体経済が伴ってないのに何故こんなに株価だけ上がるのか? 不動産もそうですけど,上がってるんですけど。まァだから,その現象面だけは昭和バブルの状況と同じような状況になったわけだけど,その危ないっていう話の前に,そもそも何故これが株に繋がっているんですか?
―いくつかの条件を丁寧に説明するなら,ひとつの原因は,コロナで全世界で猛烈にやった金融緩和です。今はそれで世界中にお金がいっぱいある。その余ったお金が行き場を求めてる。そこで日本だとネズミ講状態で日銀が金融緩和を続けざるを得ない。金利あげらんないわけだからね。
―いつも金子さんに伺ってますけど,要するに国債をバンバン発行して,1000兆円超えるの国債のうちの半分ぐらいを日銀に買わせちゃってるから,金利をあげたら利回りが高くなっちゃって,国の財政が破綻しかねない。という事で上げたくても上げられないと。
―そう。国債の含み損も出てくるし,上げたらひょっとしたらバブルも弾けちゃうかもしれないしっていう状態なので,外国人投資家も含めて,皆先を読みやすいんですよ。どうせ日本の政府は大型予算組んで,日銀は金融緩和を続けるだろうと。だったら他の国が利下げをしない限り,金利差はこのままずっと行くから円安になるだろうと。じゃあ円安になれば,企業は収益が膨らむわけじゃん。確かにコロナ禍で若干自動車の輸出は回復したんだけど,それにしても多分自動車会社が125円〜128円ぐらいのレートで収益プランを組んでると思うんですよね。そこで1ドル=150円の円安レートっていうのは,もう濡れ手の粟で儲かるわけだよ。
■ 生成AI半導体市場
―昨日のその一気に39000円超えたっていうのも,これも各紙が報じてますけれども,アメリカの半導体大手の業績がすごく良かったっていう事だったんですよね。それを投資家が見て,その後に日本の株も上がったんですけど。
―NVIDIAでしょ? 日本は関係ないよ。逆に日本にはピンチだよ。今の半導体業界の主力になってんのはGPUっていう,映像も含めた処理演算システム。Chat GPTとかの生成AIを処理できるヤツ。ナノメーターが非常に細かい,そういうなんかゲーム機なんかに出てくるような半導体。そのIntelなんかが今までやってるきたCPUとかの半導体に比べると,このNVIDIAっていうのは,その生成AIでのジャンルでの伸びが凄い。Samsungなんかを凌駕する勢いで伸びている。そういう流れで,生成AIやAmazon,Google,Microsoft…こういうところを中心にしてクラウド持ってて,GPUでこの生成AIをやってく企業がまさに世界全体を席巻しようとしてるわけで。一方で,日本の半導体は,北海道でやっているそのラピタスっていうIBMと組んでるメーカー。IBMは2ナノとかいうような細いのをやろうとか言ってるけど,作った事ないし出来るかも分からない。そういうのに経産省は金をぶっ込んでる。 
―今は北海道もそうだし,あと熊本も今地元はバブル状態みたいですね。 
―台湾メーカーのTSMC…米中貿易摩擦で,台湾メーカーが中国から撤退してリスクを分散したいから日本に来てるんですよね。TSMCによっかかってるだけだから,下請けに近いから,それでそれで,回ってくとは思う。だけど,例えば日本の自動車産業が駄目になって,電気自動車化で勝てなくなった時に,じゃあ将来を考えた時に,設計能力がないと。ただ日本って,東京エレクトロンを含めて半導体の製造工程はすごいんだよ。前工程と後ろ工程も含めてね。信越化学工業とかも凄い工程持ってて,非常に良いから,TSMCも立地する意味はある。だけど,自動車向けの半導体とかスマホ程度のものだと,だんだんこの生成AIが進化したりしてった時に,あと日本の自動車産業が打撃を受けたりしたら,これまた駄目になっちゃうので。
―つまり一口に半導体って言っても,その最先端の生成AI だったりとかの開発みたいなところに使う半導体と,自動車なんかに使われる半導体って,同じ半導体といっても大分違うと。 アメリカで今急速に伸びている米NVIDIAとか,英ARMとか,そういう設計能力の高い半導体プロジェクトにくっついてついて台湾TSMCがやってる事が,所謂生成AIのやってるところで。製造専門店メーカーとしてTSMCは圧倒的な力を持ってんだけど,設計能力はNVIDIAとかそういうところが圧倒的に強いので,日本はその両方ともない。そういう中で半導体だからって,なんか連想ゲームみたい発想で日本の株価上がってきても,背後にある日本産業の惨状に対して考えてない…何と言うかな…こう言うと,ちょっと証券会社の人怒るかもしんないけど株屋的な発想で煽ったりするってのはどうもね…

tguUhhh pc    













このままサム・アルトマンがMicrosoftへ入社するとMicrosoftは実質的にOpenAIの全てを入手することになる
2023年11月21日 12時45分メモ
現地時間の2023年11月17日、チャットAI・ChatGPTの開発元として知られるOpenAIが、突如としてサム・アルトマンCEOの退任および退社を発表しました。その後、Microsoftがアルトマン氏を迎え入れることを発表しましたが、なぜこうした一連の動きが発生したのかという原因についてウェブメディアのStratecheryを運営するアナリストのベン・トンプソン氏が分析しています。
📝OpenAI’s Misalignment and Microsoft’s Gain – Stratechery by Ben Thompson
https://stratechery.com/2023/openais-misalignment-and-microsofts-gain/
Microsoftは2019年よりOpenAIに対して数千億円規模の出資を行ったり、AI開発用のスーパーコンピューターを構築してコンピューティングリソースの提供を行ったりすることでOpenAIのAI開発をバックアップしてきました。
📝Microsoftが汎用人工知能(AGI)開発のため1000億円以上をOpenAIに出資 - GIGAZINE
一方Microsoftはモデルのソースコードや重みを含むOpenAIの全ての知的財産(IP)に対する永久ライセンスを取得し、OpenAIが新たなモデルを開発するたび自社サービスに組み込んで活用しています。当初の契約ではMicrosoftがOpenAIのデータを使用して独自の汎用(はんよう)人工知能を開発するのが禁止されていましたが、最新の契約ではそうした制限が解除されているとトンプソン氏は述べています。こうしたMicrosoftとOpenAIの協力関係において、Microsoft側は「元CEOのサム・アルトマン氏や元社長のグレッグ・ブロックマン氏などの主要メンバーがOpenAIを去った場合にOpenAIの技術を活用できる人材が現れるのか」を心配していたとトンプソン氏は分析。サム・アルトマン氏がMicrosoftへ入社することで、こうした懸念点を解消しつつOpenAIの技術を活用して独自のAIを開発できるようになるため、事実上MicrosoftがOpenAIを無料で買収したのと同じだとトンプソン氏は述べています。
トンプソン氏はなぜこうした動きが発生したのかについても分析しています。OpenAIは2015年に非営利のインテリジェンス研究会社としてサム・アルトマン氏やイーロン・マスク氏などによって設立されました。OpenAIは非営利をうたうだけでなく、実際に課税の優遇を受ける非営利組織としての認証を受けており、2016年の最初の申請書には下記の通り記載されていました。
OpenAIの目標は、金銭的利益を生み出す必要性に制約されず、人類全体に最も利益をもたらす可能性が最も高い方法でデジタルインテリジェンスを進歩させることです。私たちは、人工知能テクノロジーが21世紀の形成に役立つと考えており、世界が安全なAIテクノロジーを構築し、AIの恩恵が可能な限り広く均等に分配されるよう支援したいと考えています。私たちは、より大きなコミュニティの一部としてAIを構築しようとしており、その過程で計画と機能をオープンに共有したいと考えています。ただし、2年後には「AIの開発過程における計画と能力をオープンに共有する」という約束が取り消され、さらに3年後には「デジタルインテリジェンスの進歩」という目標が「汎用人工知能の構築」に置き換わるなど変化していきました。
2018年に最大の寄付者であったイーロン・マスク氏が取締役を辞任するとOpenAIは膨大なコンピューティング費用の支払いを迫られたため、上限付き営利企業「OpenAI Global, LLC」を立ち上げ、Microsoftからの出資を受けるようになりました。
MicrosoftはOpenAIの開発を支援しつつ、WindowsやOfficeを始め、Microsoftのさまざまな製品にOpenAIのテクノロジーを組み込んでいきました。2023年3月にはAI開発用のスーパーコンピューターを数百億円以上費やして構築しており、こうした多大な支出を非営利団体に対して行うのはMicrosoftがサム・アルトマン氏の入社を発表するまではばかげていると思えたとトンプソン氏は述べています。
📝数百億円超を費やしてMicrosoftがChatGPTの開発元であるOpenAIのためにAI開発用のスパコンを構築 - GIGAZINE
トンプソン氏は「Microsoftのサティア・ナデラCEOは『大企業の勝ち方はスタートアップのように発明することではなく、企業規模を活用して企業を買収したり、迅速にフォローしたりすることであり、特に0円という低価格で実現できればより素晴らしい』と考えているのでしょう」と指摘しています。なお、記事作成時点ではアルトマン氏のMicrosoftへの移籍は確定しておらず、アルトマン氏は解雇の決定に関わった取締役の辞任を条件にOpenAIに戻る考えを示しています。サム・アルトマンはまだOpenAIへの復帰を目指しておりMicrosoftへの移籍は保留中、解雇に賛同した取締役全員が去ればOpenAIへ戻ることを示唆 - GIGAZINE
■関連記事
MicrosoftがWindows 10向けにAIアシスタント「Microsoft Copilot」を導入予定 - GIGAZINE
MicrosoftがAIサービスを使った顧客の著作権侵害の訴訟結果はMicrosoftが引き受けるという声明を発表 - GIGAZINE
Microsoftはコード補完AIツール「GitHub Copilot」でユーザー1人あたり月額3000円近くの損失を出しているという報告 - GIGAZINE
Microsoftが独自設計のAI特化型チップ「Maia 100」とArmプロセッサ「Cobalt 100」を発表 - GIGAZINE
Microsoftが干ばつ時でも水を吸い上げてAIの訓練に使っていたとの批判、一方でMicrosoftは小型原子炉をデータセンターの電力源として検討を開始 - GIGAZINE   
高性能AIの有料提供を進めるOpenAIはそもそも非営利団体だった
評価額3兆7000億円超のAI企業・OpenAIから13兆円以上の利益がMicrosoftに支払われる可能性
「ChatGPT」や「DALL-E 2」を開発したOpenAIのCEOが「汎用人工知能」についての展望を発表
Microsoftが汎用人工知能(AGI)開発のため1000億円以上をOpenAIに出資
電撃退任したOpenAIのサム・アルトマンCEOの復帰を模索する交渉が続く、Microsoftのサティア・ナデラCEOが交渉を主導か
100人もの従業員をクビにし栄光と挫折を味わって学んだ起業に関する10個の教訓とは?
イーロン・マスクがChatGPT開発元のOpenAIを2018年に買収しようとしていたことが発覚
AIの進化が止まる気配はなく、6年間で約30万倍以上の学習が可能に
右翼メディアやインフルエンサーが続々とイーロン・マスク救済を表明、X(旧Twitter)に寄付や広告を出稿し「言論の自由を守る」
Microsoftのサティア・ナデラCEOが「OpenAI従業員がMicrosoftに移籍するかOpenAIにとどまるかは自由」とコメント
2023年11月21日 12時45分00秒 in メモ,   ソフトウェア, Posted by log1d_ts
You can read the machine translated English article here.
Spotifyは手数料を「無料」にする密約をGoogleと結んでいたことがEpic対Google訴訟で判明、「Spotifyは人気だから特別」とGoogle
【期間限定28%OFF】障害物をスムーズに回避して1回で吸引と水拭きを完了&ゴミ回収やモップ掃除も全自動なロボット掃除機「DEEBOT T20 OMNI」レビュー
OpenAIのサム・アルトマンCEO解任騒動は会社に批判的な論文を書いた取締役会メンバーを追い出そうとしたことが原因か
MicrosoftがOpenAI取締役会の議席を得る可能性が浮上
ソニーがプレステのゲームをPlayStation Storeで独占的に販売しながら販売価格の30%を手数料として徴収するのは違法であるとして最大1兆2000億円の集団訴訟に直面する危機
OpenAIとMicrosoftがAIをめぐる著作権侵害で作家から訴えられる
仮想通貨取引所Binanceのチャンポン・ジャオCEOがマネーロンダリングを認め辞任、罰金総額は6300億円超に
「X(旧Twitter)はハマスによる反イスラエルのプロパガンダ投稿で利益を得ている」として議員グループがイーロン・マスクらに書簡を送付
Spotifyが新しいロイヤリティシステムを発表、「過去12カ月で1000回再生」や「一部ジャンルは曲の長さが最短2分」で収益化が可能に変更される
「Firefox 120」正式版リリース、リンクのコピー時にトラッキングコードを削除することが可能に
MicrosoftのAI画像生成サービスではディズニー作品のイラストを生成できてしまう
YouTubeがFirefoxで異常に読み込みに時間がかかるという苦情に対してYouTubeは「広告ブロッカーが原因」と回答
Anthropicが大規模言語モデル「Claude 2.1」をリリース、最大20万トークン・15万ワードを読込可能で幻覚が半減し新しいAPI統合などを提供
テキストや画像から動画を生成するAI「Stable Video Diffusion」をStability AIが公開へ
人間らしい音声の合成を目指して感情の表現も可能なオープンソースの読み上げAI「StyleTTS 2」が登場
複数人による共同執筆で物語を作る利点とは?
保険会社がAIを使って医療保障を不当に拒否したとの訴訟が起こされる
「AIナレーター」が動物ドキュメンタリー番組っぽく開発者本人の生態をリアルタイムで解説するデモ動画が話題
「Portal」をNINTENDO64に移植した開発者による解説動画が公開される
Microsoft・Apple・任天堂といった大企業の提供するペアレンタルコントロール機能は「抜け穴だらけで不完全」との指摘
無料お絵描きアプリ「Krita」に画像生成AIを組み込んで落書きから美麗イラストを作成する方法まとめ、Stable DiffusionとControlNetをコマンドなしでサクッと導入可能
中東上空を飛ぶ民間航空機が「想像を絶するGPS攻撃」を受けており意図しない領空侵犯などの危険にさらされている
不正行為を報告したソフトウェアエンジニアの75%は報復を受けていることが調査で判明
Microsoftのサティア・ナデラCEOが「OpenAI従業員がMicrosoftに移籍するかOpenAIにとどまるかは自由」とコメント
ついにジョー・バイデン大統領やホワイトハウスが公式Threadsアカウントを開設、今後はX(旧Twitter)と併用していく予定
OpenAIの従業員9割が「サム・アルトマン復帰と取締役全員の辞任」を要求し辞めなければ新会社に行くと脅迫、対立相手とされるイルヤ・サツキヴァーもアルトマン派に転身
このままサム・アルトマンがMicrosoftへ入社するとMicrosoftは実質的にOpenAIの全てを入手することになる
画像生成AI「Stable Diffusion」とmulti ControlNetで実写映像を自動でアニメ化したムービー

GIGAZINE
https://gigazine.net/news/20231121-openais-misalignment-and-microsofts-gain/