投稿者: Manabu Hagiwara

嬉しい知らせがありました。
共有させて下さい。

日本経済新聞に
　「キャンパス発　この一品」
というコーナーがあります。
千葉大ビールは２０２２年夏に取り上げて頂きました。

後日、電子版観覧数ランキングが発表されました。
対象期間は２０２２年４月～２０２３年３月の１年間です。
なんと、１位、獲得しちゃいました。

興味を持って下さった、本当にありがとうございます。

「千葉大数学・情報数理学」による「ビール」の研究を
これからもよろしくお願いします。

　　（補足：発表されたのは２０２３年５月１７日です。）

私の名前も掲載されていました。

千葉大ビールの活動はパワーアップしながら新たな試みに挑んでいます。
２０２３年９月には新作の発表を予定しています。

同年１１月には、もっと大きな発表ができるかも。

お楽しみに。

ジェネレティブAI「Stable Diffusion」を服選び、色選びシステムに使えないか？

と思い立ちました。

ファッションサイトを見ていたときに、
モデルの来ている服を自分が来たらどんな雰囲気なのか、
どんな色が良いのか、
生成系AIを使えばイメージしやすいのではないかと考えました。

具体的にはこんな画像を生成しました。

【生成AI 環境】

UIはStable Diffusion Automatic1111。

モデルはStable DiffusionのモデルにDream Boothで自分の顔を追加学習したもの。

Automatic1111に拡張として
・ADetailer
・ControlNetでCanny
・roop
の３つを使用。

【生成方法】

やり方は単純です。
上記の環境の他、
・気になる服を着ているモデルの画像。ファッションサイトからスクショするなど。
　（ControlNet用：上の画像はBliant ParisのBlazersがベース）
・自分の顔画像。
　（roop用）

１．Stable Diffusion checkpointに、自分の顔を学習させたモデルを選択。

２．txt2imtのプロンプトとネガティブプロンプトを自分の顔を生成するキーワードを入力。これは、上の１．に依存。

３．ADetailerのEnable ADetailerをチェックする。ADetailer modelは顔向けのモデルを選択。（例：face_yolov8n.pt）

４．ControlNetにモデルの画像を入力。
Control TypeをCannyにして、Proprocessorがcannyになっていることを確認。
ModelもCanny用（例：control_v11p_sd15_canny）にする。
ControlNetのEnableをチェックして、Pixel Perfectもチェック。

５．roopに自分の顔画像を入力。
roopのEnableをチェックする。

以上。

メインのプロンプトを変えることで、洋服の色や柄をおおまかに指定できます。
想い通りに変更されないことも多いです。色指定したプロンプトを固定しつつ、画像を繰り返し生成すると良いかも。

下は「DCOLLECTION、～160㎝台メンズ必見！低身長をカバーするコーデ術とおすすめファッション」の画像がベースです。

今回の方法は
　モデルの顔を自分の顔に変える、
　服の色・柄を変える
というもの。
体格は変えていないので、自分の身長等に近いモデルを探しました。
私の身長１６３ｃｍで探していたら、上記のサイトに辿り着きました。

【参考】
紹介したテーマのような画像を作成したくなったら
いつでも連絡ください。
お手伝いできるかも知れません。

Twitterやってます。
アカウントは
https://twitter.com/QRJAM （@QRJAM）
フォローよろしく。

対話型AIの新システムとして「privateGPT」が登場しました。同様のシステムではchatGPTが有名です。この記事では私がprivateGPTを使用してみた感じたことを、つらつらと綴っていきます。

ちなみにprivateGPTはフリーで利用できます。
現在、英語は使えますが、日本語は使えません。

◇特徴

私が気付いたprivateGPTの特徴を３つ挙げます。

１．ローカルで動作する。
自分のパソコンにインストールすることで、インターネット環境無しで動作します。このことは「機密情報をインターネット上に流すことなく、システムを利用可能」という恩恵をもたらします。
またchatGPTでは、一度に利用できるユーザ数に制限があるため、混雑時は使用できないという問題がありました。privateGPTは自分のパソコンで動作するため、そのような問題は生じません。

２．大規模言語モデル LLM を選択できる。
対話型AIが自然な文章、もっと言えばプログラムのソースコードや、言語翻訳などができる背景にLLMと呼ばれるデータの塊があります。LLMは１つではありません。LLMの基になっているデータにより、得意な対話内容が変化します。インターネット上には様々なLLMが公開されています。無料で利用可能なLLMもあります。

３．追加学習が容易にできる。
privateGPTではLLMの他に、対話内容に反映させるデータを追加できます。パソコン内のPDFファイル、txtファイル、WORDファイル（doc, docx）、CSVファイル、メール、HTMLファイル、パワーポイントファイル（ppt, pptx）など、様々なファイルの内容をprivateGPTの出力に反映させることができます。利用者は、どのファイルを反映させるか指定できます。
注意：ソースコードのingest.pyを書き換えれば、他の形式のファイルも扱えます。例えば、.tex、.leanといったテキストファイルなら、扱う拡張子を増やすように書き換えるだけでOKです。

◇インストール

複数の手順が必要です。さらに、ある程度時間がかかります。
わかりやすい解説記事や動画があるので、
ここでは、それらを紹介するに留めます。

下の二つのURIに関して私は、前者をPrivateGPTのインストール、後者をLLMモデルの変更、についてそれぞれ参考にしました。

・完全オフラインで動作してプライバシーを守ってくれるチャットAI「PrivateGPT」を使ってみた（Gigazine）
　https://gigazine.net/news/20230522-private-gpt/

・INSTALL PrivateGPT NOW! CHAT With Your DOCUMENTS Using AI!
　YouTube by Aitrepreneur
　https://youtu.be/A3F5riM5BNE

◇お試し

私の環境は
　PC： ノートパソコン Surface Book 3、15インチ
　OS： Windows 11
です。
　LLMは ggml-vic13b-q5_1.bin です。

ちょうど手元に「読もう」「読まなきゃ」と思いつつ「おさぼり」していたPDFファイルが16個ありました。あるシンポジウムの予稿として発表された論文です。どのファイルもA4で５ページ、ダブルコラム。数式の多い文章です。

ingest（privateGPTの対話に反映させるように内容をベクトル化すること）は、わずか２分程度で完了しました。やり方は簡単。
・フォルダ source_documents 内に、ingestさせたいファイルを置く。
・ingest.py を起動する。
以上です。

 

PDFの著者の名前を挙げて、特定の分野での貢献について質問をしてみました。
特定のPDFの情報が正しく読まれているかの確認です。
その結果はこちらです。

PDFの内容を反映した返事が生成されました。さらに面白いことに、privateGPTの返事の根拠も出力されています。根拠となったPDFファイル、さらにそのPDF内の文書まで明記されています。

対話型AIの難点として、出力される情報の一部が誤っていることが挙げられます。上のように、根拠も提示されれば、誤りがあるか否か判断しやすくなります。

ただし、出力まで５分以上かかりました。

続いて、もっと複雑な要求をしてみました。
１６個のPDF全体にまたがる質問です。

結果は以下です。

こちらもしっかりと回答されました。
というか、驚きなのですが、私がDNAをタイポしてDNSって書いちゃったのに、回答はDNAが推論されています。本当に驚きです。

回答の根拠も書かれているので、どのファイルのどの段落などを参照すれば良いかがわかります。（逆に、回答に抜けがあるかどうかはわかりません。）

出力まで１０分程度かかりました。

◇まとめ

privateGPTの特徴、インストール、お試しについて記事にしました。
ローカル環境で動かせて、手元のファイルの内容を反映（ingest）できる対話型AIシステム。
しかもフリー。大きな欠点はCPUベースということ。GPUで動かしたい。。。

ingestの内容によって、思わぬアプリケーションが生まれる予感がします。
個人的には、数学の定理の自動証明に応用したいと考えています。

◇補足

記事中に記載したとおり、ingestの対象は変更可能。ingest.pyを書き換えればOK。

ingestの内容はフォルダ db 内に保存されます。リセットしたい場合は、同フォルダの削除もしくはリネームでOK。
応用として、内容を特化したdbの複数所持が可能です。
例えば、
　1-A. フォルダ source_documents 内にクラフトビール情報のファイルを置く。
　1-B.  ingest.py を起動。（フォルダ db が作成されます）
　1-C. dbをdb_beerにリネーム。
　1-D. source_documentsをsource_documents_beerにリネーム。
　1-E. source_documents内を空にする。
続いて
　2-A. フォルダ source_documents 内にJOJO情報のファイルを置く。
　2-B.  ingest.py を起動。（フォルダ db が作成されます）
　2-C. dbをdb_JOJOにリネーム。
　2-D. source_documentsをsource_documents_JOJOにリネーム。
　2-E. source_documents内を空にする。
のようにすれば、ソースフォルダ（source_documents）とデータフォルダ（db）が複数できます。
もしもJOJOに特化した対話をしたいときは、
　db_JOJOをコピーして、dbにリネーム。
　privateGPTを起動。
とすればOKです。