ロサンゼルスの公共交通の公式サイトの場合、
Metro | Bus, Rail, Subway, Bike & Micro in Los Angeles
https://www.metro.net/
"Where To?"ってところをクリックすると、出発地と到着地を入力できて、"Go"を押すと公共交通モードのグーグルマップに飛ぶ＞＜；
比較の一例として、東京都の都営交通の公式サイトと
TOEI TRANSPORTATION
https://www.kotsu.metro.tokyo.jp/eng/
オレゴン州ポートランド都市圏の公共交通(TriMet)の公式サイト
Plan and track your trip on TriMet
https://trimet.org/home/
公共交通の案内に関しては、海外の乗り物あちこち調べまくってる感覚でいうと、
日本の公共交通は、公式のウェブサイト（の英語版も日本語版も）も「結局、乗りたいわたしはどうすればいいのか？」って情報にたどり着きにくいように感じる＞＜
orange
さんがブースト
この辺りの問題は、スマートグラスが普及するまで解決しないんだろうなぁ。
orange
さんがブースト
個人的な意見としては如何にサインシステムや車内LCDが優秀でも、そもそも動き方が分からなきゃどうしようもないので、まずは韓国のネイバーマップとかカカオマップみたいなものが欲しいなぁと。（GTFS形式に徹底対応させてGoogleMAPの強化でもいいし、東京観光なら今も実際それで行けるんだけど）
台北では地下鉄しか乗れないけどソウルでローカルバスまでどんどん乗れるのは地元マップアプリの強さ故なので…。
orange
さんがブースト
多言語表記化に関する議論、英語表記の空間/時間が圧迫される点が訪日者多国籍化の中ではよろしく無いんじゃ？という視点は確かにな〜と思った。（英語帝国主義〜！という気もするけど、駅名のラテン文字表記はいろんな人が読めるだろう）
個人的には京成LCDの「常に日本語が表示される」スタイルが好ましいと思ってるけど、これも結局3/4は極東の文字しか表示されてない訳だし、使いやすさとしては難しい所があるのかなぁ。
いわゆる『めんどくさいオタク』も基本的には海馬傍回の機能の範囲？＞＜；
例えば、その地域を走ってるはずがない電車が走ってる映像描写に違和感を得るのも海馬傍回の機能だよね＞＜
アメリカを舞台としてるはずのゲームのワールドの道路のセンターラインの特徴やら道路標識の様式のちょっとした誤りを見つけて「これじゃアメリカじゃない＞＜；」ってブチ切れるのも、海馬傍回が厳密に判別してるからこそといえそう＞＜
風景に対する好奇心も海馬傍回が強く関係している可能性もあるっぽい＞＜
なぜならば、風景を見て各部の「知ってる」「知らんしなんだこれ」を判別するのも海馬傍回の機能なので、海馬傍回がパワフルに細かくパターンマッチングしまくると『「知らんしなんだこれ」シグナル』（？＞＜；）が多発されるっぽい＞＜
オレンジが風景に関連するエピソード記憶能力が強くて、風景を見た瞬間に「あのhogehogeのあのシーンのこういう話に出てきたあの場所だ！！！＞＜；」ってなったり、すぐに「やまいが物件？＞＜」とか言い当てられるのも、オレンジの脳の部位の中で、海馬傍回だけが超高性能だからであろうと考えられるっぽい・・・？＞＜；
オレンジが、意識的には説明はつかないけど景色を見た瞬間に例えば「ジョージア州・・・？＞＜」みたいになる謎の脳内コプロセッサ（？）って、海馬傍回の機能っぽい・・・？＞＜
海馬傍回 - Wikipedia
https://ja.wikipedia.org/wiki/%E6%B5%B7%E9%A6%AC%E5%82%8D%E5%9B%9E
ハードウェアの世界では、CPUが力業で性能向上してきたわけじゃなく、FPUやらGPUやら、さらにはNPUまで追加して性能向上したわけであって、古典的な意味合いでいうCPU一本でやって来たら今のコンピューティングは無いわけじゃん？＞＜
LLMやそっち系のAIのソフトウェアの世界の更なる性能向上も、一本でやるモノリシックなアーキテクチャな仕組みで将来が長く続くとは思えないかも＞＜
オレンジが思うにこの問題をクリアするには、現在のモノリシックなアルゴリズムのアーキテクチャじゃなく、コプロセッサ的な別の何らかの別の仕組みで動くものが並行して動いてLLM側から見て直感のように作用するなにか新しい仕組みを追加しないと、ハードウェアフットプリントが桁違いにとんでもなく必要になってしまう気がしてる＞＜
orange
さんがブースト
数学の問題を丸暗記で何点取れるか競い合ってるかのようなナンセンスさがあるのは確かで…😩
オレンジ的には、LLMに数学の複雑な問題文(問題じゃなく問題文)を解かせるには、今とは比べ物にならないほどの超巨大なデータが必要な気がしてる＞＜
orange
さんがブースト
Anthropicはそのへん慌てずに金かけてデータセット作ってるから「妙に人っぽい」んじゃないかなあと。
Googleは…データ量とインフラで強引に脳筋解決してきそう…
orange
さんがブースト
確かにLLMに本当の意味で推論させるのは厳しいだろうなあとは思っているけれど、それはそれとして、まだまだ入力するデータセットの品質向上の余地があるのでは？
o200k_base (GPT-4oのトークナイザ) とか見てると、日本語のデータセット、モロにどこぞの匿名掲示板のが多数含まれてるで？
「現在のLLMに真の推論は困難」──Appleの研究者らが論文発表 - ITmedia NEWS https://www.itmedia.co.jp/news/articles/2410/13/news070.html
"Prettiest American Town to See Autumn Foliage - WOODSTOCK Vermont New England Autumn Foliage Trip" を YouTube で見る https://youtu.be/o-s3Rkxj0_k
"Mechanical Halloween Pumpkin Harvest | De Terp Squashpackers" を YouTube で見る https://youtu.be/ckqEBJA2Yo0
進行方向逆転機能無しの普通のトラクターでバック運転で収穫するの、すごく大変そう＞＜；
- ＠orange_in_space
2017年 4月に登録
