人狼知能開発のPythonAgent接続(AutoStarterバージョン)

https://qiita.com/aves/items/afefaa0d61fb9e21e2d4
にGUIを使ったPythonエージェントのつなぎ方が書いてありました．
@avesさん，ありがとうございます．

せっかくなので，AutoStarter.bat(AutoStarter.sh)でのつなぎ方についても説明をしておきます．

AutoStarter.iniで，エージェント数を指定して，それよりも少ない数のエージェントしか登録しなければ， 接続待ちの状態で止まりますので，その間にPythonエージェントをしていたポートにつなげれば，サーバにPythonエージェントを接続することが出来ます． AutoStarter.iniを以下のように書き直します．

1. AutoStarter.iniを以下のように書き直す．

   lib=./
   log=./log/
   port=10000
   game=10
   view=true
   setting=./SampleSetting.cfg
   agent=5
   Sample1,org.aiwolf.sample.player.SampleRoleAssignPlayer,WEREWOLF
   Sample2,org.aiwolf.sample.player.SampleRoleAssignPlayer,SEER
   Sample3,org.aiwolf.sample.player.SampleRoleAssignPlayer
   Sample4,org.aiwolf.sample.player.SampleRoleAssignPlayer
   #Sample5,org.aiwolf.sample.player.SampleRoleAssignPlayer ←コメントアウト

2. AutoStarter.bat(sh)を実行する
3. Pythonエージェントをポート10000につなげる

以上です．

強いAI弱いAI

學鐙 第115巻 第1号（2018年春号）に安西祐一郎先生が「強いAI弱いAI」の書評を書いてくださいました．

安西先生らしいちょっと捻った面白いレビューです．

出版社・安西先生の使用許諾を得て公開しますので，ぜひご覧ください． 「強い AI・弱い AI ─研究者に聞く人工知能の実像」書評

書評を見て面白そうだなと思ったら，本書の方もぜひご覧ください．

強いAI・弱いAI 研究者に聞く人工知能の実像

第31回人工知能学会全国大会で発表数が多い研究者をランキングしてみた

昨日から第31回人工知能学会全国大会が始まっています．
人工知能に注目が集まっている昨今，どんな研究者がこの分野で特に活躍しているのでしょうか．
シンプルに発表件数が多い順にランキングしてみました．
なお，ランキングの論文数はプログラムからカウントし，同姓同名は同じ人物として扱っています．

第9位

まずは，同率9位． 名古屋大学の古橋 武先生(名古屋大学)と栗原 聡先生(電気通信大学)，池上 高志先生(東京大学)，坂田 一郎先生(東京大学)です．
いずれの先生も色々な研究を行っています．古橋先生は，ロボットから感性まで扱っていますし，栗原先生は群知能，センサネットワーク，深層学習とテーマが多彩です．

第3位

第3位は同率で6名の方がランクインしています．
森 純一郎先生(東京大学)， 長井 隆行先生(電気通信大学)， 白松 俊先生(名古屋工業大学)， 吉川 大弘先生(名古屋大学)， 福田 直樹先生(静岡大学)， 伊藤 孝行先生(名古屋工業大学)です．
それぞれ10件のご発表があります．
開催地が名古屋だからか，東海周辺の先生方が多いですね．
やはり研究テーマは皆さん多彩です．たとえば，伊藤先生，白松先生，福田先生の市民共創知研究会の構想：グローバルで持続可能な地域創生活動支援の仕組みなどは一見人工知能とは無関係のようにも見える研究ですが，こういった広い分野を受け入れるのも人工知能学会の懐の広さではないでしょうか． 深層学習だけが人工知能ではありません．

第2位

鳥海 不二夫(東京大学)です． なんというか，ごめんなさい．
近未来チャレンジセッション「NFC （卒業）異種協調型災害情報支援システム実現に向けた基盤技術」と人狼知能で学ぶAIプログラミングをよろしくお願いします．

第1位

栄えある第一位はやはり松尾 豊先生(東京大学)でした．なんと20件もの論文があります．
今をときめくディープラーニングを牽引する松尾先生が発表数第一位というは極めて納得いく結果です．うん，なんだかんだ言ってやっぱり深層学習は熱いですね．

というわけで，トップ10ランキング表を付けておきます．

順位	研究者名	所属	論文数
1	松尾 豊	東京大学	20
2	鳥海 不二夫	東京大学	11
3	森 純一郎	東京大学	10
3	長井 隆行	電気通信大学	10
3	白松 俊	名古屋工業大学	10
3	吉川 大弘	名古屋大学	10
3	福田 直樹	静岡大学	10
3	伊藤 孝行	名古屋工業大学	10
9	古橋 武	名古屋大学	9
9	栗原 聡	電気通信大学	9
9	池上 高志	東京大学	9
9	坂田 一郎	東京大学	9

敬称略

2017年度論文数ベスト100研究者

ついでに，10位以降のベスト100のランキングは以下のようになります．皆さんは何位でしたか？

順位	研究者名	論文数
13	荒井 幸代	8
13	中村 友昭	8
13	小林 一郎	8
13	岡田 真人	8
13	藤田 桂英	8
18	井上 克巳	7
18	鹿島 久嗣	7
18	岡 瑞起	7
18	加藤 昇平	7
22	稲邑 哲也	6
22	平嶋 宗	6
22	石川 翔吾	6
22	矢入 郁子	6
22	岡 夏樹	6
22	日和 悟	6
22	馬場 雪乃	6
22	大塚 孝信	6
22	和泉 潔	6
22	竹林 洋一	6
22	横尾 真	6
22	福井 健一	6
22	橋本 康弘	6
22	廣安 知之	6
22	仙石 晃久	6
22	宇津呂 武仁	6
38	大知 正直	5
38	水山 元	5
38	大森 隆司	5
38	羽室 行信	5
38	平田 圭二	5
38	浅谷 公威	5
38	榊 剛史	5
38	本村 陽一	5
38	中山 英樹	5
38	野中 朋美	5
38	伊藤 孝紀	5
38	高間 康史	5
38	鷲尾 隆	5
38	ジメネス フェリックス	5
38	中野 有紀子	5
38	五十嵐 康彦	5
38	上野山 勝也	5
55	高瀬 裕	4
55	清水 美穂	4
55	櫻井 祐子	4
55	河原 吉伸	4
55	萩原 良信	4
55	松下 光範	4
55	瀧川 一学	4
55	武藤 敦子	4
55	跡見 順子	4
55	杉山 弘晃	4
55	金子 正秀	4
55	小野 智司	4
55	今井 倫太	4
55	中村 剛士	4
55	古崎 晃司	4
55	大澤 博隆	4
55	跡見 友章	4
55	松井 孝典	4
55	西村 拓一	4
55	林 雄介	4
55	東中 竜一郎	4
55	小方 孝	4
55	山下 和也	4
55	森山 甲一	4
55	大武 美保子	4
55	吉田 光男	4
55	市瀬 龍太郎	4
55	岡田 将吾	4
55	田中 文英	4
55	工藤 卓	4
55	谷口 忠大	4
55	犬塚 信博	4
55	加納 政芳	4
88	松尾 義博	3
88	武田 英明	3
88	田和辻 可昌	3
88	内田 智之	3
88	三輪 誠	3
88	砂山 渡	3
88	渥美 雅保	3
88	沖本 天太	3
88	駒谷 和範	3
88	畑中 裕司	3
88	北原 鉄朗	3
88	佐々木 裕	3
88	秀島 栄三	3
88	長谷川 克也	3
88	稲葉 雅幸	3
88	松村 真宏	3
88	宇野 毅明	3
88	藤井 秀樹	3
88	池田 圭佑	3
88	中村 哲	3
88	荒牧 英治	3
88	松本 和幸	3
88	戸田 浩之	3
88	山田 誠二	3
88	岩澤 有祐	3
88	林 佑樹	3
88	尾形 哲也	3
88	相澤 清晴	3
88	沼尾 正行	3
88	河瀬 諭	3
88	穴田 一	3
88	高野 雅典	3
88	日永田 智絵	3
88	岩橋 直人	3
88	柳井 孝介	3
88	宮原 哲浩	3
88	下田 和	3
88	松居 辰則	3
88	吉田 智一	3
88	新田 克己	3
88	北 研二	3
88	福田 一郎	3
88	尾崎 知伸	3
88	森田 武史	3
88	番原 睦則	3
88	芦原 佑太	3
88	堂坂 浩二	3
88	永田 賢二	3
88	町村 尚	3
88	西田 知史	3
88	吉村 忍	3
88	岡田 慧	3
88	寺野 隆雄	3
88	石黒 浩	3
88	若宮 翔子	3
88	柳瀬 利彦	3
88	宮澤 和貴	3
88	岡本 洋	3
88	麻生 英樹	3
88	山田 クリス孝介	3
88	西本 伸志	3
88	早川 博章	3
88	山崎 俊彦	3
88	那須野 薫	3
88	鈴木 祐介	3
88	坪内 孝太	3
88	山下 達雄	3
88	吉田 稔	3
88	岡田 克彦	3
88	岩沼 宏治	3
88	青木 達哉	3
88	和田 健太郎	3
88	諏訪 正樹	3
88	中山 浩太郎	3
88	小郷原 一智	3
88	松井 藤五郎	3
88	伊藤 貴之	3

以上敬称略


なお，ランキングが高い研究者同士の関係を知りたい方は，第31回人工知能学会全国大会の発表から人工知能研究者のネットワークを作ってみたをご覧ください．

第31回人工知能学会全国大会の発表から人工知能研究者のネットワークを作ってみた

5月23日から26日の間名古屋で第31回人工知能学会全国大会が開かれています．
とりあえず，せっかく人工知能研究者が一同に介す場なので，人間関係を調べてみようということで， 人工知能研究者のネットワークを作ってみました．
共著が一つでもある人をリンクでつないだ図になります．

とりあえず，全体像はこんな感じ．

いくつか大きなコンポーネントに分かれています．

人工知能なんという小さな分野でも一枚岩じゃないですねw

とはいえこれを見ても，何も情報が無いので，上位5コンポーネントについてどんな研究グループがあるのかを見てみましょう．

抽出された最大コンポーネントがこちら．
西村先生，本村先生という産総研人工知能研究センターのメンバーと電通大長井先生，中村先生，立命館谷口先生，玉川大の大森先生などが入っています．機械学習，認知，サービス工学とかその当たりが中心でしょうか．
いくつかのグループがブリッジとなる人を介して一つのコンポーネントになっていることが分かります．

次に大きかったコンポーネントはこちら．これは見るからにソーシャルウェブ関係の人達が中心ですね．インタラクションや科学技術社会論が繋がっているのがなかなか興味深いですね．
確かに，その辺と近い気がする・・・

ここに出ている右側のグループは伊藤先生を中心としたマルチエージェント系のグループですね．左側は音楽情報系のグループのようです．一見大分違うグループにも見えますが，北原先生がコネクションとなっているようです．

こちらは大阪大学の沼尾先生らを中心とした研究グループと関連するところでしょうか．データマイニングとか知識アーキテクチャの研究家と思います．

 こちらは明らかに松尾先生を中心とした深層学習グループでしょうね．
ディープラーニングブームを考えると，ここが一番大きいかなと思ったのですが，意外とそんなことはありませんでした．

というわけで，人工知能学会全国大会における共著関係から，どんな研究グループがあるのかを見てみました．
とはいえ，2000人近く参加している学会のため，私自身もあんまり研究内容をよく知らない先生も多いため，見当違いのことを書いているかもしれません．
間違いがあったら，メールまたは，twitter（@toritorix）までご連絡ください．


せっかくデータを作ったので，ネットワークデータは公開しておきます．
ネットワークデータのダウンロード
間違いを発見したら教えてください．

なお，データはJSAIのプログラムページからぶっこ抜いて処理しています．
同姓同名の人は同一人物として扱われているので，もしかしたらその辺で間違いはあるかもしれません．

こちらもどうぞ．
第31回人工知能学会全国大会で発表数が多い研究者をランキングしてみた．

WindowsでDeepLearning・その2

さて，昨日の段階で，

    **************************************************
    *** WARNING: Include files not found: ['cudnn.h']
    *** WARNING: Skip installing cudnn support
    *** WARNING: Check your CFLAGS environment variable
    **************************************************

というエラーが出て終わっていたので，FIXを目指す． https://github.com/pfnet/chainer/issues/1699 を見てみたけど，どうも最後まで解決はしていないらしい．

とにかく問題はcuDNNがうまくインストールされていないことらしいということで， あたりがついてきたので，その辺を調べてみる．

どうやらcuDNNは中身を C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0 以下に上書きする必要があったようだ． http://qiita.com/okuta/items/f985b9da6de33a016a75

cuDNNを無事ダウンロードできた人は、展開したファイルをC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5に上書きしてください。
cuDNNv3の場合、cudnn64_70.dllがCUDA\v7.5\binフォルダに、cudnn.hがCUDA\v7.5\includeフォルダにcudnn.libがCUDA\v7.5\lib\x64に入っていれば大丈夫です。

これで再び

>pip install chainer --no-cache-dir -vvvv

でインストールすると，エラーは発生せずに無事インストールできた．

が，実行してみると

>python train_mnist.py --gpu 0

GPU: 0
# unit: 1000
# Minibatch-size: 100
# epoch: 20

Traceback (most recent call last):
  File "C:\usr\Python35\lib\site-packages\cupy\cuda\compiler.py", line 49, in _run_nvcc
    return subprocess.check_output(cmd, cwd=cwd, stderr=subprocess.STDOUT)
  File "C:\usr\Python35\lib\subprocess.py", line 626, in check_output
    **kwargs).stdout
  File "C:\usr\Python35\lib\subprocess.py", line 708, in run
    output=stdout, stderr=stderr)
subprocess.CalledProcessError: Command '['nvcc', '--preprocess', '-Xcompiler', '/wd 4819', '-m64', 'C:\\Users\\***\\AppData\\Local\\Temp\\tmp_ak8290o\\kern.cu']' returned non-zero exit status 2

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "train_mnist.py", line 107, in 
    main()
  File "train_mnist.py", line 104, in main
    trainer.run()
  File "C:\usr\Python35\lib\site-packages\chainer\training\trainer.py", line 292, in run
    entry.extension(self)
  File "C:\usr\Python35\lib\contextlib.py", line 77, in __exit__
    self.gen.throw(type, value, traceback)
  File "C:\usr\Python35\lib\site-packages\chainer\reporter.py", line 90, in scope
    yield
  File "C:\usr\Python35\lib\site-packages\chainer\training\trainer.py", line 289, in run
    update()
  File "C:\usr\Python35\lib\site-packages\chainer\training\updater.py", line 170, in update
    self.update_core()
  File "C:\usr\Python35\lib\site-packages\chainer\training\updater.py", line 182, in update_core
    optimizer.update(loss_func, *in_vars)
  File "C:\usr\Python35\lib\site-packages\chainer\optimizer.py", line 392, in update
    loss = lossfun(*args, **kwds)
  File "C:\usr\Python35\lib\site-packages\chainer\links\model\classifier.py", line 67, in __call__
    self.y = self.predictor(*x)
  File "train_mnist.py", line 24, in __call__
    h1 = F.relu(self.l1(x))
  File "C:\usr\Python35\lib\site-packages\chainer\links\connection\linear.py", line 91, in __call__
    self._initialize_params(x.size // x.shape[0])
  File "C:\usr\Python35\lib\site-packages\chainer\links\connection\linear.py", line 77, in _initialize_params
    initializer=self._W_initializer)
  File "C:\usr\Python35\lib\site-packages\chainer\link.py", line 180, in add_param
    data = initializers.generate_array(initializer, shape, self.xp)
  File "C:\usr\Python35\lib\site-packages\chainer\initializers\__init__.py", line 45, in generate_array
    initializer(array)
  File "C:\usr\Python35\lib\site-packages\chainer\initializers\normal.py", line 94, in __call__
    Normal(s)(array)
  File "C:\usr\Python35\lib\site-packages\chainer\initializers\normal.py", line 31, in __call__
    loc=0.0, scale=self.scale, size=array.shape)
  File "cupy/core/core.pyx", line 1107, in cupy.core.core.ndarray.__setitem__ (cupy\core\core.cpp:22267)
  File "cupy/core/core.pyx", line 1336, in cupy.core.core.elementwise_copy (cupy\core\core.cpp:49642)
  File "cupy/core/elementwise.pxi", line 771, in cupy.core.core.ufunc.__call__ (cupy\core\core.cpp:40576)
  File "cupy/util.pyx", line 35, in cupy.util.memoize.decorator.ret (cupy\util.cpp:1261)
  File "cupy/core/elementwise.pxi", line 579, in cupy.core.core._get_ufunc_kernel (cupy\core\core.cpp:37190)
  File "cupy/core/elementwise.pxi", line 32, in cupy.core.core._get_simple_elementwise_kernel (cupy\core\core.cpp:27744)
  File "cupy/core/carray.pxi", line 87, in cupy.core.core.compile_with_cache (cupy\core\core.cpp:27431)
  File "C:\usr\Python35\lib\site-packages\cupy\cuda\compiler.py", line 131, in compile_with_cache
    base = _empty_file_preprocess_cache[env] = preprocess('', options)
  File "C:\usr\Python35\lib\site-packages\cupy\cuda\compiler.py", line 94, in preprocess
    pp_src = _run_nvcc(cmd, root_dir)
  File "C:\usr\Python35\lib\site-packages\cupy\cuda\compiler.py", line 56, in _run_nvcc
    raise RuntimeError(msg)
RuntimeError: `nvcc` command returns non-zero exit status.
command: ['nvcc', '--preprocess', '-Xcompiler', '/wd 4819', '-m64', 'C:\\Users\\*****\\AppData\\Local\\Temp\\tmp_ak8290o\\kern.cu']
return-code: 2

というわけで，実行時エラー．
さて，ここからどうするか・・・

WindowsでDeepLearning・その1

Windows10でDeepLearningを目指す．
基本的に，
http://qiita.com/akrian/items/953082aa8f00479dbb01
を参考にする．

まずは，Python3.x系のインストール．
2.7系とどちらを入れるべきか悩んだけど，参考ページが3.5なので同じものを．

https://www.python.org/downloads/
から，Python3.5.2 Windows x86-64 web-based installerを選択してDL．
そして，インストール．





Visual Studio CommunityをDL
https://www.visualstudio.com/ja/downloads/
最新版でいいのかな．
さすがMicrosoft．いきなりInstallが始まったぞ．



かなり長時間のインストール後，再起動．

続いてCudaを導入．
https://developer.nvidia.com/cuda-downloads



cuDNNをインストール

Pycudaをインストール

Windows環境変数を追加

Chainerのインストール

と調子よくインストールが完了していったが，
・Chainerのサンプルファイルを実行
でこけた．

GPU: 0

# unit: 1000

# Minibatch-size: 100

# epoch: 20



Traceback (most recent call last):

  File ".\train_mnist.py", line 107, in <module>

    main()

  File ".\train_mnist.py", line 56, in main

    chainer.cuda.get_device(args.gpu).use()  # Make a specified GPU current

  File "C:\usr\Python35\lib\site-packages\chainer\cuda.py", line 180, in get_device

    check_cuda_available()

  File "C:\usr\Python35\lib\site-packages\chainer\cuda.py", line 85, in check_cuda_available

    raise RuntimeError(msg)

RuntimeError: CUDA environment is not correctly set up

(see https://github.com/pfnet/chainer#installation).CuPy is not correctly installed. Please check your environment, unin

stall Chainer and reinstall it with `pip install chainer --no-cache-dir -vvvv`.

だそうで．

試しに，

> pip install chainer --no-cache-dir -vvvv

としてみたけど，案の定ダメ．

http://hurikake.hatenadiary.jp/entry/2016/09/26/232246
を参考にして，
いろいろ試した結果，pathが有効になっていなかった．
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
へのPathが有効になっていなかった．

ログインしなおして再チャレンジ．
今度は，

distutils raises an error: Unable to find vcvarsall.bat

だそうな．
http://www.regentechlog.com/2014/04/13/build-python-package-on-windows/
によると，

C/C++などのビルドが必要なファイルを含むPythonパッケージをWindows環境下でインストールしようとすると「Unable to find vcvarsall.bat」とエラーがでることがあります。

Pythonパッケージにビルドが必要なファイル（pure Python以外のC/C++など）が指定されている場合はインストール時にコンパイルが必要ですが、Windows環境ではデフォルトでPython本体をコンパイルしたVC++と同じバージョンのVC++を呼ぼうとします。そのため、Python本体をコンパイルしたバージョンのVC++がないとエラーになります。

なるほど．
調べてみると，

Python 3.5.2 (v3.5.2:4def2a2901a5, Jun 25 2016, 22:18:55) [MSC v.1900 64 bit (AMD64)] on win32

Type "help", "copyright", "credits" or "license" for more information.

>>> import sys

>>> sys.version

'3.5.2 (v3.5.2:4def2a2901a5, Jun 25 2016, 22:18:55) [MSC v.1900 64 bit (AMD64)]'

>>>

ということで，MSC v.1900->VS13でコンパイルしたことが分かる．
・・・と思ったけど，
http://stackoverflow.com/questions/33323172/vcvarsall-bat-needed-for-python-to-compile-missing-from-visual-studio-2015-v-1
によると， vcvarsall.bat がないことがあるらしい．
調べてみたら，確かに
C:\Program Files (x86)\Microsoft Visual Studio 14.0\Common7\Tools\vcvarsall.bat 
はない．
http://stackoverflow.com/questions/33323172/vcvarsall-bat-needed-for-python-to-compile-missing-from-visual-studio-2015-v-1#comment63185046_35243904
を参考に，
c:\Program Files (x86)\Microsoft Visual Studio 14.0\Common7\Tools\vsvars32.batをコピーして，vcvarsall.batとリネームしてみる．

とりあえず動いたけど，

GPU: 0

# unit: 1000

# Minibatch-size: 100

# epoch: 20



C:\usr\Python35\lib\site-packages\chainer\cuda.py:90: UserWarning: cuDNN is not enabled.

Please reinstall chainer after you install cudnn

(see https://github.com/pfnet/chainer#installation).

  'cuDNN is not enabled.\n'

というわけで，cuDNNは使えていないらしい．
そのうえ，実行も失敗している．

う～む・・・
いずれにせよ，今日は時間がないので，ここまで．

2006年の節分まで恵方巻なんてなかった！？クックパッドデータを使って調べてみた．

節分が近づいてきました．
で，最近は恵方巻きとか太巻きとか節分に食べる訳ですが，子供の頃そんな風習無かったよな～としか思えない．

マスコミに踊らされているとか，コンビニ戦略だ，とか色々言われているけど，一体いつから恵方巻きとか太巻きとかが節分に食べられるようになったのか気になる．
というわけで，クックパッドとNIIによって提供されているクックパッドレシピデータを使って調べてみた．データは1998年から2014年まである．

とりあえず，レシピのタイトルに「恵方巻き」「太巻き」が入っているレシピを検索し，いつ投稿されたのかを調べる．ただし，全体の投稿数と比較しないと何とも言えないので，
「一日に投稿されたレシピの内，恵方巻き・太巻きが含まれている割合」
を各日ごとに検出してみた．



ちゃんとピークは2月ごとに訪れているらしい．
んでもって，最初のピークは2003年2月．

う～ん，2003年より前はクックパッドのデータにどれほど統計的意味があるか分からないレベルなので，何とも言えないかな．
ただ，別途調べた「雑煮」だと2000年からピークが出ているので，それに比べるとやはり節分に太巻きという風習は2000年代初頭はそれほどメジャーなイベントでは無かったのかも知れない．

なお，恵方巻のみだと2006年が初出．恵方巻きという言葉自体は2006年くらいから使われ始めたもののようだ．
それまでは一件もレシピがないみたいだけど、誰がこの名前つけたんだろう？




というわけで，思ったより太巻きを食べる風習というのは昔からあったみたいだけど，恵方巻きと言う言葉は最近メジャーになったものらしいということが分かりました．

クックパッドのデータ，近年の食文化の変化を見るには適しているのかも．
論文にはなりづらそうだけど．