英文の著作権はBBCに帰属します。日本語訳について、
正誤の如何に関わらず無断転用・転載を固くお断り致します。
［番組紹介製品をプレゼントする変わり者はコチラ］
・Amazon WishList(Amazon.com)
===============================================
抜けた単語(アルファベット)・・・赤
省略された単語・・・黄
その他の問題・・・青
修正（日本語訳）・・・赤
【】・・・リスニング単語追加部分
===============================================
＜簡易字幕パターン：A＞
A：週の頭にアップした字幕から変更・更新なし
B：週の半ばに字幕の更新が行われた
C：字幕無しの状態から週の半ばに字幕が追加された
D：初めから終わりまで字幕が無かった
E：その他
===============================================
----------------------0分00秒----------------------
This week,
wall climbing graffiti bots,
all aboard the holodeck...
Just watch out for the rodents.
There's a mouse!
今週は、壁上る落書きロボットの話題、
乗組員全員が乗るホロデック。
そして、げつ歯類に気を付けて。
「ネズミが！」
Data is all around us.
We generate around 2.5 billion gigabytes of it
every day.
Think of it as, well,
there's no word for it.
Enormous!
We are finding lots of new ways
of gathering even more of it.
Machines are now able to look at videos
and interpret what's in the image.
With the number of CCTV cameras around the town,
imagine how much more data we can collect.
データは私達の周囲全体を取り巻く。
私たちは毎日合計で25億ギガバイト近くを生成する。
それはまるで……、例えようがない程
果てしない大きさを誇る。
そして、私たちはデータを更に収集する新たな方法を模索している。
マシーンはビデオ映像から画像を判別・理解が可能で、
町中の至る所に据え付けられた監視カメラの数から、
どれ程のデータを私たちは集めることが出来るのだろう。
But the real intelligence is not in capturing the data.
It's in analysing it.
This is where artificial intelligence
might make a real difference,
making connections that we humans never would.
「しかし、実際にはデータ収集にリソースを割いてはいません。
収集よりも分析に回しています。そして此処は
AIが実際の違いを生み出すところ、
人間が決してかなわない繋がり（関連性）を生み出す場所です。」
Big data has accelerated
our understanding of medical science in unimaginable ways.
It's now influencing how hospitals treat patients,
police forces manage crime
and city officials run our towns.
And it's inevitable in the next 50 years
that AI will play an even bigger role in our society
and influence how we go about living.
I recently met DJ Patil,
【former US】 President Barack Obama's chief data scientist,
who is in charge of
shaping how big data is 【being】 used by the government
to make big policy decisions
whilst ensuring the AI created by the tech companies
treat everyone fairly and make good decisions.
ビッグデータは想像も付かない方法で
医療科学の分野の私たちの理解を促進した。
現在、その影響は病院内の患者対応の方法まで拡大し、
警察組織の犯罪対応や、
行政の行う町の活性化・加速化にも役立っている。
そして確実に今後50年は
AIは私たちの社会の中で更に大きな役割を果たし、
私たちの生活面にも影響を及ぼすのだろう。
私は最近、元米国大統領のデータ科学の責任者を務めた
DJ Patil氏と面会した。その人物は
大きな政策決定の判断材料に繋がるビッグデータ活用法と
その在り方を担当し、
同時にテック企業によって生み出されるAIが
適正に人々の決定を促しているかどうかを探る人物でもある。
That's where we have to start focusing more of our energy,
asking the question of
how do we actually make sure
these algorithms work the way we want.
People talk about self driving cars.
Is a self driving car going to see
someone with my skin tone?
Or someone with a darker skin?
A person with a wheelchair?
Is that a person in the database?
How do we start...
-
-
「そこは私たちがより焦点を当てるべき部分であり、
課題として上るのは、それらアルゴリズムが
私たちの望み通りに機能していることを
どのように確かめるのか、その部分です。
人々は自動運転車を話題に上げます。
自動運転車は私の肌の色で対象者を認識するなら、
黒味の強い肌色は認識されるのでしょうか？
それは車椅子を認識の足掛かりにしているのか？
特定のデータセットに基づいて区別されているのか？
何と言えばいいのでしょうね…」
-
-
-
-
-
-
-
-
-
-
So, you're suggesting
would a self driving car recognise you
as something to avoid?
-
-
「自動運転車は何か特定の関連付けと供に
避けるべきものとして認識しているのかどうか、ですよね。」
-
-
-
-
-
-
-
-
-
-
【Avoid,】 because...
We have different skin colour.
Are people with your skin colour
the only ones in the data?
Am I ignored? Was that an accident?
What about somebody with a handicap?
A kid on a tricycle?
It's not sufficient to say oops
about the algorithm.
We have to figure out a more robust process
as these things are becoming more integrated
into our society.
-
-
「そう、そういった解釈です。
なぜなら、私たちの肌の色には違いが有るからです。
人々がそのデータセットの1つの肌色情報のみに集約されるなら
私は認識対象から無視されるのでしょうか？
それは偶発的なアクシデントと言えるのでしょうか？
ハンディキャップを抱える人はどうなってしまうのでしょう？
3輪車に乗った子供はどうでしょう？
その判別法ではアルゴリズムの欠点を露呈するだけです。
より社会に統合し得る着実なプロセスに基づいた形式を
私たちは模索しなければなりません。」
If we've learned anything
from this week's Facebook story,
it's that tech companies
are not the most transparent bunch.
Facebook has been around for more than a decade,
and only now by chance
have we got a glimpse
of how its moderators decide
what we see on its platform.
How do we make sure
that the AI built by these same tech companies
are using data responsibly?
そして今週Facebookから公になった情報によると、
そのテックカンパニーは最も透明性を欠いていることが発覚した。
Facebookは（設立から）10年以上に渡り、
偶然を装い、私達ユーザーが目にするものを決める
モデレーターの判断材料とするため監視をしているのだ。
では、テック企業が個人情報に責任を果たしていることを
どのように確かめればいいのだろう？
So, at first, it comes down to, how are you trained?
In our training these days,
we often have found
that technology is no longer trained in humanities.
One of the most critical components of humanities
is the notion of ethics.
What we've called for is
that every data scientist, every economist,
anybody who works with data
must have ethics integrated
throughout their entire curriculum.
You can start to have the conversation, dialogue
about what are the ethical implications
of the choices you make.
---
---
「結局どのような対策・訓練を実行しているかが問われます。
私たちは日々、科学技術者たちが人間性に基づく訓練を
全く受けていないことを発見しています。
人間性の最も重大な要素の1つは倫理観です。
そこで私たちは各科学者や各エコノミスト、
データの取り扱いに従事する者たちに
そのカリキュラム全体に渡って
倫理を取り込む（盛りこむ）ように働きかけています。
そこから、倫理的な含み・適用・反映について
議論や対話を始めることが出来ます。」
---
---
---
---
---
---
---
---
---
---
Second part of this is,
how about security of data?
How do you make sure
that you're actually building the algorithm with security,
the datasets with 【security】
so somebody can't just break in?
That has to no longer be elective or some outside.
That has to be part of the core training.
---
---
「2点目はデータのセキュリティを守る方法です。
組上げたアルゴリズムがデータセットと供に
誰かに破られることの無いセキュリティが
確保されていることをどのように確かめることです。
そういったものは選択に寄るモノではありません。
訓練のコア（核心）となるべき部分です。」
---
---
---
---
---
---
---
---
---
---
Once you have this component of the training
I think we'll have a new set of people
who have the vocabulary to talk about it.
That doesn't take into account
the speed at which data is happening,
taking place today. So, what we do there?
---
---
「一度養成・訓練を導入したなら、
恐らく人々の中でその分野に基づく
技量や語彙の範囲が広がっていると思います。
しかし、そういった要素はデータの発生速度に
繁栄されていないのが現状です。
では、私たちはどのように行動すべきでしょうか？」
---
---
---
---
---
---
---
---
---
---
Number one, transparency.
President Obama signed an executive order that says
by default all data
that the US federal government publishers
must be open and machine-readable.
What that allows people to do
is be able to access the data, compare it,
use it, and innovate with it.
---
---
「1つ目は透明性です。オバマ大統領の大統領令では
既定として、米国連邦政府やパブリッシャーの全ての
データは公に機械可読可能な状態にすることが
定められていました。その大統領令により、
人々はデータアクセスが許され、
情報の比較や活用、また革新にも繋がっています。」
And that is the problem.
How do we strike that balance?
We need to know that an AI system isn't biased,
it's learned from a dataset
that's 【representative of】 all of us
and its decisions are fair,
but we also don't want to stifle its progress
because when it's used in the right way,
it really can change things for the better.
そしてそこが問題になる。私たちはどのように
バランスを計ればいいのだろうか？
私達はAIシステムが私達の全てを含むデータセットから
都合に合わせた偏見に偏っていないことや、
その決定が公正に行われていることを確かめる必要がある。
しかし、同時に発展・進展の阻害は避けなければならない。
正しい使われ方であれば
正しい変化が期待できるからだ。
What we found
in one of the problems around our local jail system
is that there is a huge number of people
who are just cycling in and out of the system.
The numbers are extraordinary.
More than 11 million people through thousands of jails,
they stay there on average 23 days.
90 percent never go to long-term prison.
Turns out there's lots of mental health issues,
a lot of drug addiction.
---
---
「私たちの発見した地元の刑務所システムを巡る問題の1つは
そのシステム内を何度も出入りする人が膨大な数に及ぶことです。
その桁は並外れた驚くべき数です。
数千の刑務所に、その数は1100万人以上に及び、
彼らの平均滞在日数は23日です。
その内の90%は長期の服役に進むことはありません。
精神面に複数の問題を抱えていることが判っており、
その中には薬物依存も多く含まれます。」
---
---
---
---
---
---
---
---
---
---
What happens to those people?
Where's the data going?
It stays in silos.
The healthcare system has a silo of it,
plus criminal justice.
What happens if you just take and share that information?
If you said, do you see Sally in your dataset?
Yeah, we see Sally all the time,
【She has a drug problem.】
If the criminal justice system was like, really?
Why are we sending her to jail?
Let's send her to the right intervention.
She has a mental health issue.
---
---
「いったい彼らに何が起きたのか？
そのデータは何処にあるのか？
サイロ（地下室・保管庫）です。
ヘルスケアシステムはサイロがあり、
司法の場には司法のサイロがあります。
では、その情報はどのように共有されているのでしょう？
例えばこのような共有になります。
A：「Sallyについて何か情報はありますか？」
B：「Sallyですね、ドラッグ中毒です。」
…この流れでナゼ私たちは彼女を刑務所に送るのでしょうか、
正しい介在・介入の場に彼女を送るべきでしょう。」
---
---
---
---
---
---
---
---
---
---
So doing that, how much can you save? The real impact?
【Miami, Florida】 did this,
it cost 【about】 1.5 million
to train 【everybody】 in the right intervention,
share the data.
The first year alone,
they saved more than 10 million dollars,
but more importantly
they were able to close a full jail.
Later on, they closed a second jail.
They're getting people to the right care.
---
---
「その実行に、どのくらい予算をセーブ出来ると思いますか？
フロリダ州のマイアミで行った所、
正しい介在や情報共有・その他全てをひっくるめて
150万ドルほど掛かりました。最初の1年だけで
1000万ドル以上を削減することが出来ました。
しかし、より重要なことは
定員越えの拘置所の閉鎖が実現したことです。
いずれ、第2の刑務所を避けることに繋がるでしょう。
それは適正なケアが行われているからです。」
-
-
-
-
-
-
-
-
-
-
【Thank you for your time.】
-
-
「有難うございました。」
-
-
-
-
-
-
-
-
-
-
【My pleasure.】
-
-
「いえ、こちらこそ。」
----------------------6分11秒----------------------
[TechNews]
----------------------7分43秒----------------------
Graffiti art has been one of the hottest art movements
over 【the last few decades.】
Like many graffiti artists, Graeme or Xenz,
the name he goes by,
【cut his teeth on the street,】
in this case the streets of Bristol.
He has since grown as the artist that we see
on the roof of 【his east London studio.】
Today, he's taking a break to do this for us.
He's more known these days
for these amazing natural scenes
which are exhibited and sold all over the world,
in which incorporates all the graffiti techniques
that 【he's honed over the years.】
落書きアートは過去数十年に渡って
絵画の世界で熱を帯びる取組みの1つに数えられる。
多くの落書きアーティスト、Graeme、若しくはZenz、
今回の活動場所はここ、ブリストルの街頭だ。
彼は私たちの為にこの作品を手掛ける。
彼がアーティストとしての腕前を
明かしているのはEast London Studioの屋上だ。
しかし、現在彼は素晴らしい自然風景の世評でも知られ、
作品は展示され世界中から買いが入っている。
そして、その全ての技術を組み合わせ、
数年以上に渡って彼は腕を磨いている。
Over time,
you really understand what the can is 【about to do.】
You 【become】 to rely on these tools,
the nozzle, the weight of the 【can.】
Like the way that I use the edge there
to keep one edge sharp, one edge faded.
Then, this...
【Different lines.
Adding colours.】
There is a lot of disciplines that go throughout painting
that 【is the same here.】
「どういったものかは次第に分かるでしょう。
道具が頼りになります。
（例えば）カンのノズルや重さ。
それで端を維持して尖らせたり、
粗野な（曖昧な・ぼんやりした）イメージを出します。
そして、異なるラインがあります。
色を加えます。
様々な教練・鍛錬・技術が
同じ場所であっても様々なものがあります。」
【Years of practice?】
No, we don't have that kind of patience.
So, could we pull off something similar to this
by combining technology
with someone who has no creative talent whatsoever?
To find out, we sent Nick Kwek to Estonia.
「練習あるのみ？
いや、私たちにその手の忍耐力は有りません。
さて、全くこの手の才能を持たない人物が
テクノロジーの組合せによって
このような絵画を描けるとしたらどうでしょう？
詳細を探る為、エストニアにニックを向かわせました。」
----------------------9分10秒----------------------
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
[TechNews]
・VolvoからAI自動ゴミ収集車登場
・IKEAからスマート電球登場、何れAlexa等のホームデバイスから操作可能に
・蓄積に築かれたAlphaGo、世界最強棋士破る
・NYドライバーにUber未払い賃金、数十万人に900ドルずつ支給
・GalaxyS8、虹彩認証がコンタクトレンズ付き普通印刷で看破される
・ドバイ警察にロボコップ、ヒューマノイド警官ロボは多言語対応
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
［今週の音声認識発音訓練：2017-6-1］
*単語・記号・発音参考サイト：Weblio(http://ejje.weblio.jp/)
*単語・記号・発音参考サイト：goo辞書(http://dictionary.goo.ne.jp/)
*単語・記号・発音参考サイト：Google.com
*発音テスト：VoiceTra(http://voicetra.nict.go.jp/)
〔表記の流れ〕
"[ビ]"……ビジネスシーンの意図・解釈
"◎"……正確に出力
"◎-"……品詞違い
"◯"……英単語は正確に出力、訳不足
"△"……音の類似する出力
"×"……誤った出力
"？"……その他
"W→V"……Weblioの発音例をVoiceTraに通したテスト結果
"W×"……Weblio側の音声 or VoiceTra側の音声認識に問題あり
"W×G◎"……Google発音例は正確に出力
"N"……音声例が無い
"H"……デフォルト出力("Hello:こんにちは")
"結果"……私個人の発音テスト結果
"(✓)"……既に把握済みの単語
BBC"Click"(先週の修正箇所から)
BBC"Click"(今週分)
NHK"ABCニュースシャワー"
NHK"大人の基礎英語"(シーズン6)
NHK"仕事の基礎英語"(シーズン4)
BBC "6minute learning"(2017年6月1日分から記憶に無い単語全て)
NHK "ニュースで英会話"(2017年6月1日分から記憶に無い単語全て)
NHK "TVB"(2017年5月29日～6月2日分冒頭の話題から)
| No | 単語 | 意味 | 記号 | W→V | 結果 |
|---|---|---|---|---|---|
| 1 | or rather | 正確に言えば | --- | W×G× | × |
| 2 | watermark | 透かしを入れる | wɔ́tɚmɑ̀rk | ◎ | ◎ |
BBC"Click"(今週分)
| No | 単語 | 意味 | 記号 | W→V | 結果 |
|---|---|---|---|---|---|
| 1 | graffiti | 落書き | græfíːṭi | W×G◎ | ◎ |
| 2 | rodent | げつ歯動物 | rˈəʊdnt | ◎ | ◎ |
| 3 | inevitable | 不可避の、当然の | ɪnévəṭəbl | W×G◎ | × |
| 4 | by chance | 偶然に | --- | ◎ | ◎ |
| 5 | stifle | 抑える、窒息する | stάɪfl | W×G◎～◯ | ◎～◯ |
| 6 | drug addiction | 薬物依存症 | --- | WNG◎ | ◎ |
| 7 | rubbish | ゴミ、廃物 | rˈʌbɪʃ | ◎ | ◎ |
| 8 | underpay | 十分な給料を払わない | ʌ̀ndɚpéɪ | W×G◯ | △ |
| 9 | patience | 忍耐 | péɪʃəns | W×G◎ | ◎ |
NHK"ABCニュースシャワー"
| No | 単語 | 意味 | 記号 | W→V | 結果 |
|---|---|---|---|---|---|
| 1 | animus | 憎悪 | ˈænəməs | W×G△ | △ |
| 2 | circle the wagons | 守りを固める | --- | W×G◯ | ◯ |
| 3 | provocation | 挑発(✓) | pr`ɔvəkéɪʃən | W△G△ | ◎ |
| 4 | qualify | 予選を通過する、資格を得る(✓) | kwˈɔləfὰɪ | ◯ | ◯ |
| 5 | about to | 間もなくする見込みだ(✓) | --- | W×G× | △ |
NHK"大人の基礎英語"(シーズン6)
| No | 単語 | 意味 | 記号 | W→V | 結果 |
|---|---|---|---|---|---|
| 1 | Welcome to the club! | この領域・境遇へようこそ！ | --- | WNG◎ | ◎ |
NHK"仕事の基礎英語"(シーズン4)
| No | 単語 | 意味 | 記号 | W→V | 結果 |
|---|---|---|---|---|---|
| 1 | This is all for now. | [ビ]今はこれで全部です。 | --- | WNG△ | ◎ |
| 2 | averaged | 平均して～だ | ǽvrədʒd | W◯G◯- | ◯- |
BBC "6minute learning"(2017年6月1日分から記憶に無い単語全て)
| No | 単語 | 意味 | 記号 | W→V | 結果 |
|---|---|---|---|---|---|
| 1 | quantifier | 数量詞 | kwɑ́ntəfàɪər | W×G△ | N？- |
| 2 | noun | 名詞 | nάʊn | W×G× | × |
NHK "ニュースで英会話"(2017年6月1日分から記憶に無い単語全て)
| No | 単語 | 意味 | 記号 | W→V | 結果 |
|---|---|---|---|---|---|
| 1 | retain | 保持する | rɪtéɪn | ◎～◯ | ◎～◯ |
| 2 | curb | 抑制する | kˈəːb | W×G× | × |
| 3 | opponent | 対抗者、対立候補 | ɒpəʊnən̩t | ◎ | ◎ |
| 4 | runoff | 決選投票 | --- | W△G◯ | ◯ |
| 5 | wealth | 財産 | wélθ | W△NG△N | △N |
| 6 | prosperity | 繁栄 | prɔspérəṭi | W×G◎ | ◎ |
NHK "TVB"(2017年5月29日～6月2日分冒頭の話題から)
| No | 単語 | 意味 | 記号 | W→V | 結果 |
|---|---|---|---|---|---|
| 1 | accord | 協定 | əkˈɔːd | W×G△ | × |
| 2 | mutual | 共通の、共同の | mjúːtʃuəl | W×G◯ | ◯ |
| 3 | bow | 従う | baʊ | W×G× | ◯ |
| 4 | pact | 協定 | pˈækt | W×G× | × |
| 5 | curbing | 抑える | kɝ́bɪŋ | W×G◯ | ◯ |
| 6 | annoyed | 苛立たせた | əˈnɔɪd | ◎- | ◎ |
| 7 | bail out | 脱出、脱退 | --- | W×G× | × |
| 8 | robustly | 強く、しっかりと | ròʊbʌ́stli | W×G× | ◎- |
| 9 | explicitly | はっきりと | ɪksplɪ́sətli | W×G◎ | ◎ |
| 10 | sought | (seekの過去形) | sɔːt | W×G× | × |
| 11 | scuffle | 乱闘 | skˈʌfl | W×G◯？ | ◯？ |
| 12 | conclude | 締めくくる | kənklúːd | W×G△ | ◎ |
| 13 | minority shareholders | 少数株主 | --- | ◎ | ◎ |
| 14 | capital injection | 資本注入、増資 | --- | ◎ | ◎ |
| 15 | consortium | 協会、組合 | kənsˈɔɚʃ(i)əm | W×G◎ | ◎ |
| 16 | lease of life | 寿命 | --- | W ×G× | ◯ |
| 17 | expire | 失効する | ekspάɪɚ | ◎ | ◎ |
| 18 | wastage | 消耗 | wéɪstɪdʒ | W×G◎ | ◎ |
| 19 | i.e. | 即ち、つまり | άɪíː | --- | --- |
| 20 | intention | 意向 | ɪnténʃən | ◎ | ◎ |
| 21 | vacancy | 空席、欠員 | véɪk(ə)nsi | ◎ | ◎ |
| 22 | excursion | 小旅行 | ɪkskˈəːʃən | ◎ | ◎ |
| 23 | lurid | 不気味な | l(j)ˈʊərd | W×G× | × |
| 24 | transpire | 知れる | trænspάɪə | W×G◯ | ◯- |
| 25 | cordon | 非常線を張る | kˈɔːdn | W×G△ | × |
| 26 | dispute | 論争する | dɪspjúːt | W×G◎ | ◎ |
| 27 | deceased | 故人 | dɪsíst | W×G× | × |
| 28 | stab | 刺す | stˈæb | W×G× | × |
| 29 | swarm | 群れ | swˈɔːm | W△G◎ | ◎ |
| 30 | mortgage | 担保 | mˈɔːgɪdʒ | ◎ | ◎ |
| 31 | threshold | 敷居 | θréʃ(h)`əʊld | W×G◯ | ◯ |
| 32 | fall short | 落ちこぼれる、及ばない | --- | W×G◯ | ◯ |
| 33 | filibuster | 議事妨害 | fíləb`ʌstɚ | W×G× | × |
| 34 | blow one's own trumpet | 自画自賛する | --- | W×G× | ◯ |
| 35 | rezoning | 区画整理 | rizóʊnɪŋ | WNG× | × |
| 36 | reference | 言及する | ˈɹɛf.ɹəns | ◎ | ◎ |
| 37 | shortening | 短縮 | ʃˈɔɚṭənɪŋ | ◎～◯ | ◎～◯ |
| 38 | Mandatory Provident Fund | 香港の年金制度 | --- | W×G◯ | ◯ |
| 39 | vague | 曖昧に、曖昧な | véɪg | W×G× | × |
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
［修正箇所：単語］
・elective：選択の
・account：重要さ、勘定、計算
・cut one's teeth：始める
・hone：腕を磨く
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
[放送ダイジェスト01：ビッグデータと管理法]
-------------------------------------------
名称：
組織：
人物：DJ PATIL(Former US Chief Data Scientist)
期間：
分類：ビッグデータ
-------------------------------------------
＜ビッグデータ活用の課題＞
(1)：認識項目、AIの認知方式とカテゴライズが甘い
(2)：データ取扱い従事者の訓練プログラムが弱い
(3)：各企業のデータの保全体制が十分に整っていない
(4)：行政内のデータ共有・活用にも遅れや欠陥がある
（行政機関同士のデータ連携で
大幅なコスト削減や更生プログラムの促進に繋がる）
-------------------------------------------
[備考]・データ流通量は25億GB/1日
-------------------------------------------
[放送ダイジェスト02：Xenz 落書きアート]
-------------------------------------------
名称：
組織：Xenz
人物：GRAEME BRUSBY('Xenz')
期間：
分類：落書きアート
場所：
価格：
-------------------------------------------
特徴1：最近は自然風景の落書きでも知られる
特徴2：複数の技術を組み合わせた技術
特徴3：
-------------------------------------------
課題1：
課題2：
-------------------------------------------
[備考]
-------------------------------------------
[放送ダイジェスト03：SprayPrinter]
-------------------------------------------
名称：SprayPrinter
組織：SprayPrinter
人物：HENRY PATZIG(Co-Founder & Design Engineer SprayPrinter)
人物：MIHKEL JOALA(Inventor, SprayPrinter)
期間：
分類：落書きアート
場所：
価格：
-------------------------------------------
特徴1：必要物…端末・専用アプリ・バッテリー・
三脚・ペンキ・スプレープリンター
特徴2：LEDを照らすことでアプリに位置を知らせる
特徴3：端末はプリンターにインクの出力位置を伝える
特徴4：効率の高いロボット専用機材を製作中
-------------------------------------------
-------------------------------------------
＜操作手順＞
1.イメージを選択する
2.描く場所に照準を合わせる
3.描く位置に沿って丁寧になぞる
-------------------------------------------
-------------------------------------------
課題1：ロボット専用機材は円形の壁に未だ未対応
課題2：
-------------------------------------------
[備考]コンテスト入賞作を閉鎖済み発電所の煙突に描く
-------------------------------------------
[放送ダイジェスト04：Photo London 2017]
-------------------------------------------
名称：Thresholds VR
組織：matcollishaw
人物：MAT COLLISHAW(Artist 'Thresholds')
人物：SYLVAIN LEVY(Co-Founder dslcollection)
期間：
分類：VRギャラリー展
場所：Photo London 2017
価格：
-------------------------------------------
特徴1：VR装着の新たな視点を導入したギャラリー展
特徴2：順番待ちの人は使用中の人を外部から観察出来る仕様に
特徴3：VRギャラリーは作品の拡張性に繋がる要素に
-------------------------------------------
課題1：順番待ちが感性(+期待感)を削ぐリスクもある
課題2：
-------------------------------------------
[備考]Kickstarter関連
-------------------------------------------
[放送ダイジェスト05：STAR TREK BRIDGE CREW]
-------------------------------------------
名称：STAR TREK BRIDGE CREW
組織：Ubisoft
人物(参加スタッフ)：HATHLEEN HAWKINS
人物(参加スタッフ)：OMAR MEHTAB
人物(参加スタッフ)：NICK KWEK
人物(参加スタッフ)：MARC CIESLAK
期間：
分類：VR専用ソフト
場所：
価格：
-------------------------------------------
特徴1：ホロデックを味わえるVR体験型ゲーム
特徴2：最初は操作慣れが必要
特徴3：コミュニケーションがミッション達成の鍵に
-------------------------------------------
課題1：
課題2：
-------------------------------------------
[備考]着座によってマルチVRゲーム特有のコード絡みを防ぐ
-------------------------------------------
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
[少し関係の無い話：subtitle]
TVB活用の"翻訳もどき訓練"開始から数週間経過
しました。一時停止抜きに必要十分な情報をリアル
タイムで訳すことが当面の目標です。未だスピード
に追い付かない自分を愉しむ余裕はあります。
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
[少し関係の無い話2：a year ago]
1年前の番組の話題は…
・手足の補助スーツ
・SuitXの下半身麻痺補助スーツ
・Googleplexからホームデバイスの話題
・GoogleplexからProject Loonの話題
・GoogleplexからProject Tangoの話題
・ロボットアートの話題
・人工知能活用のリスクと可能性の話題
・ロボットアームLR Mate 200iD7Lの活用例の話題
・玩具Ziroの話題
・玩具CellRobotの話題
・UC Berkeleyのロボット縫合技術の話題
見所は・・・"縫合失敗"です。
0 コメント:
コメントを投稿