サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
インタビュー
note.com/issei_y
名人を倒したプログラムこんにちはみなさん、これはTuringアドベントカレンダー2023、最終日の記事です。書いている人は山本一成といいます。今は完全自動運転EV量産を目指すTuring株式会社でCEOをやっていますが、以前は名人に勝利したコンピュータ将棋プログラム「Ponanza」というものを2008年から10年ほど開発していました。表題の「AI開発の勝利のパターン」がなにかを説明する前に、少しだけ将棋プログラムの話をさせてください。 当時のコンピュータ将棋の開発状況コンピュータ将棋において大切なものは評価関数です。評価関数というのは盤面に対してどれくらい良いか悪いを評価する関数です。ここには多くのパラメタが存在しています。そして2008年当時、ほとんどの将棋プログラムの評価関数は手で調整されていました。例えば「王」の横に、守備に適した「金」が配置されていたら+5点みたいな感じでした。
生成AIとLLMは世界を理解する能力を持っています。Turingの自動運転アプローチはカメラ方式で、運転の判断機構を重視しています。人間の運転学習と同様のアプローチでAIを開発することが完全自動運転の実現に繋がります。大規模基盤モデルが現実世界を理解し、制御できるようになることで、レベル5の自動運転が実現するでしょう。 ChatGPT4によるこの文章の要約生成AIやLLMの本質は世界を理解していること生成AIやChat GPTに代表されるLLM(Large Language Model, 大規模言語モデル)は表面的にはお絵描きやチャットボットという印象を持つかもしれません。しかしこれらのAIの本質は世界を認知・理解している点です。だからこそ、これらのAIは素晴らしいアウトプットを出せるのです。Chat GPTとの対話は時に大きな示唆を提供してくれます。また、画像生成AI「Stable Di
「山本さんはPonanzaおじさんにはなりたくなかったんですね」 TURING共同創業者の青木さんにそう言われた時、ぎくりとしたが正直そのとおりだった。 スタートアップをはじめた最初の個人的理由はすべてそこに集約されていた。 2017年、私が作った将棋プログラムが名人を破った。10年間の結実がそこにはあった。そして魔王を倒した勇者の後日談が急速に物語性を失うように、人生の色合いの急速な消失を招いた。 それも悪くないと思ったが、しかし人生は長い。すべてを捧げたと思ったが、結局は私の身体は相変わらず元気よく動くし、頭だってまだ機能する。正直困った。 漫画の主人公たちは楽だよな、次から次に魔王が勝手に来てくれるから。現実世界の魔王不足は極めて深刻な問題だ。 Multiplanetary という単語を知ったのはそのあたりだった。人類をMultiplanetary species つまりは他惑星種族
この記事は3分で読めます。 結論会議の成功は資料作りと会議形態の設計でほぼ決まる。世界的企業であるamazonは会議について非常に大胆な施策をとっている。 背景amazonは現在複数の商売を抱えるテクノロジー企業である。 この会社のコミュニケーション形態を研究することは極めて価値が高いと考えられる。 「amazonのすごい会議」という本があったので、著書の内容を紹介する。 また 本書の解説youtube もレベルが高かったので同時に紹介する。 会議の成功は資料作成で決まるパワポや箇条書きは禁止amazonの資料は冪等性が求められる。 解釈に幅を持たせない意味でもパワポや箇条書きは禁止です。 いつ誰が読んでも理解できる資料が求められます。 そのためamazon社員は文章力は重視されるそうです。 会議の資料は基本1ページ参加者の負担削減のため基本A4一枚にまとめます。この中で前提や課題など全て
前世紀であれば価値は、高速鉄道・道路・ダム・大規模工場など誰もが理解できる形で提供されていた。国家や銀行はこれらの価値にお金を安心して提供すればよかった。 そして21世紀、間違いなく世界の価値創造はソフトウェアに傾いている。例えばたった140文字のインターネット短文サイトがこれほど価値ある存在だと、しかし国会や銀行が推定するのは非常に難しい。 これらの金融の空白の入り込んだのがベンチャー投資家たち(以下VC)だ。彼らのスキームの大筋はこういったものだ。 ① VCは起業家から株(数%〜数10%)をもらい、その代わりお金を出資する ② 起業家は事業を育てることで会社を金融市場に上場する ③ VCは起業家からもらった株を金融市場に売却して莫大な利益を得る また上場時の従業員に対するインセンティブとしてストックオプションが発明されたのもの面白い。VC・経営者・従業員、関係者全員が上場に向けて努力で
Teslaは2003年創業。そしてそれから約20年、2022年現在のTeslaの時価総額は100兆円・年間生産台数は100万台となっている。重厚長大な自動車産業をゼロから立ち上げるのは到底無理だと多くの人に思われている中、どうやって彼らはスタートしたのだろうか? Teslaの歴史をざっくりと私がまとめたもの。指数的に生産台数が上昇している。Teslaは最初は改造車をつくっていたTeslaは創業から5年ではじめてEVを市販した。名前を Roadster という。このクルマはTeslaが創業から5年もかけてゼロからEVを作った・・と思いきや実はそう単純ではない。ボディー自体は Lotus Elise をベースに作られている。もちろん Elise はエンジン車であり、Tesla がここからバッテリーを敷き詰め、モーターを換装して正規に販売まで漕ぎ着けるのは容易ではなかったことは追記しておきたい。
新しい選択を考える時、本能は無条件で反対する。 本能はサバンナにいた時とコンクリートジャングルは区別がついてない インターネット上の暴言で傷つく。 遺伝子は村の構成員が30人だった時と同じように反応するようにできている。 餓死より過食が多くの人を死に追いやっている時代。 身体はしかし過剰な砂糖を渇望している。 ライオンはいない。 不安など感情によって自分が考える合理的な選択が正しく取れないと感じる時いつも、先天的・遺伝的に決まったセロトニン受容体の性質によって合理性を失いたくないと思っている。 自分の本来持っている気質によって負けたくない。敗北するにも理性が選び取った選択肢で負けたいといつも思っている。
note.com/issei_yamasaki
クビになる選手がいるように、クビになるスタッフもいる。 通訳もその1人。 それが1年ごとに起きる。もしくはシーズン途中で仕事がなくなることもある、担当の外国人選手がいるからこそ、自分でなんとかできない部分も多い。 そんな通訳の仕事は見えない部分が多い。 だからこそ、Jリーグの通訳は ・どんな見える仕事、見えない仕事をしているのか ・何に苦しみ、何に喜びを感じるのか ・Jリーグ通訳のゴールとは何か こんな感じのことについて書いていこうと思います。 今回のトピックで書いてみようと思ったのは、僕が去年と一昨年通訳としてサポートしていた選手が日本を離れて帰国することになったこと、 現在起業して英語コーチとして活動をしている中で、受講される方たちの中に「将来はアスリートなどの通訳になりたい!」って方も多くいるので改めてまとめてみようと思いました。 大前提として 僕はJリーグで2018年の途中から20
自動運転をどのように作るべきか、現在TURINGが考えているマスタープランを共有したいと思う。 ① 走行データを取得する。 単純にドライブレコーダ画像があればいいという問題ではない。車の内部データも含めて取る必要がある。幸いカメラのような比較的安価なセンサーだけを使う場合、走行データを自分達で撮ることは金額的にそれほど厳しいことではない。 ② 強学習器によるアノテーション。 人間の知識が大量に埋め込まれた学習器はすでに多数存在している。それらの学習器に走行データをアノテーションをしてもらう。さらに車は他のCV系にはない良い特徴がある。それは車は移動するということだ。自分のオドメトリー情報と未来のアノテーション情報を使うことで通常の学習器では不可能なレベルのアノテーションも可能になる。 ③ マルチタスクDL(Hydra Net)を作る。 アノテーション付き画像を解くマルチタスクネットワークを
このルールは削除されました。 https://note.com/issei_y/n/n7b306cfe72b2 結論 確信度を先に伝えようTURINGではなにか提案する時、確信度を会話する時の先頭につけてほしい。そうすれば例えば山本が60%の確信しかない時に、「60%なんだけど」と話せばより提案を私は受けやすくなる。また控え目なタイプの人は自分の意見に安心感を持って伝えることができる。 前提 コミュニケーションはコストが高い会社規模や業種によって変わるが、業務の中でおよそ最低でも3割はコミュニケーションは費やされる。 例えば私がこのnoteを書いているのもコミュニケーションコストだ。コミュニケーションを効率的に行うことは会社業務の生命線と言える。
② この世界はゲームだ。 知能とは環境の中で自分がどういったアクションを取れば欲しい結果が得られる予想する機構である。運転を含む様々な問題を人間の脳は単一の機構で解決している。我々は将棋の領域で人間を上回る機構を作った。運転も類似した機構で達成可能と確信している。 — 山本一成🚙自動運転TURINGのCEO🌕 (@issei_y) November 20, 2021 知能とは予想する機能将棋も囲碁もテレビゲームもとても楽しいものだ。その楽しさの一端は自分の行動でより良い未来を獲得するというプロセスだ。私が将棋プログラムPonanzaを作っていた時も同じようなプロセス、強化学習で評価関数を学習させていた。評価関数は盤面を入力にその勝率を推定する関数だ。 しかし単純に評価関数を強化するというプロセスでは強さに限界がある。現在もっとも強いDeep Learning系の評価関数を使っても、それ
山本一成と青木俊介は一ヶ月ほど前にLv5完全自動運転車スタートアップを始めた。ありがたいことに早速インターンの人が数名入ってきたくれた。物事が進み始める強いチカラを感じている。 仕事をするなかで非常に重要なことに気がついた。それはあらゆる仕事には二種類あるということだ。①現在を扱う仕事と②未来を描く仕事だ。①の仕事は今ある枠組みを整理したり改善したりするものだ。これはとても大切なものであるがそれだけではスタートアップは前進しない。 ②未来を描くことが必要だ。Lv5完全自動運転車を作るために何が課題だろうか。ハンドルがない車を社会実装するのは単純に技術だけの問題ではないのは明らかだ。財務・法務などもクリエイティブな設計が求められるだろう。 技術面での課題はさらにチャレンジングだ。完全自動運転車が社会に受容されるために人間の10倍安全であるとする。そのために必要なe2e deep learni
将棋のルールは結構複雑で、普通に記述するとソースコード1000行くらいは必要になる。Deep Learningにどのように合法手(=ルール上可能な手)を教え込めばいいか悩んでいた。 そして結局、Ponanzaは特にルールを教えずに5億の局面と最善手(∈合法手)のペアをひたすら一致させるよう学習させた結果、ほぼ全ての場面で合法手を推薦するようになった。 コード規模1000行程度の複雑なルールを明示的に教えてなくても、学習データから勝手に学習することは当時の私にはあまりに衝撃的なことだった。 この世界のルールは複雑だ。将棋のように複雑ながらもexplicitにルールが表現されているものある。しかしルールが完全に明示されていないものもたくさんある。現実世界・ビデオゲーム内の物理法則、文法、そして交通ルール。 ------ ↓ここから結構主観的な意見↓ ------ 2008年の自動運転で(ほぼ)
Teslaは2021年8月19日にTesla AI Dayを銘打った大規模なプレゼンテーションをおこなった。自動運転というグランドチャレンジに対して、彼らはどういったビジョンを描いているのか、私が読み取れた範囲をみなさんと共有したい。 Vector Space Tesla AI チームが語る戦略は非常に野心的だ。 車周辺にある8台のカメラ画像から直接は物体認識や深度推定などの自動運転に必要なタスクを行わない。8台のカメラ画像を一度Vecotor Spaceという比較的低次元のベクトルに写像することを目指している。RegNet, BiFPN, Transformerなどここ数年で誕生した強力な新顔のNNを主体にこのVecotor Spaceは作成されている。 別々のカメラから車線予想をしてそれらを合成する(左下)より Vector Spaceから車線予想をしたほうが頑強でスムーズに(右下)
三角関数や微積分の有用性に疑問を投げかける政治家の話があった。それに対して私のTwitterのタイムラインでは蜂の巣を突いたようにこれらの有用性や美しさを表明するツイートで溢れた。しかし同時に疑問を湧く、若者の時間は貴重だ。大学はその希少性を理解しているだろうか。 この難題を考えるために、ブライアン・カブランさんの本「教育反対の経済学」を読んだ。ちなみにこの本の価格が4800円と高いし、それに負けず中身もとてもボリューミーだ。 この本の中身を紹介する前に幾つかの前提をみなさんと共有しておきたい。経済学が前提のこの本で「役に立つ」というのはほとんどの場合は個人もしくは国家の収入が増えるという意味である。またこの本の著者及び私山本一成は大学というシステムで便益を受けている側であることも追記したい。 統計的に大学卒業者は高校卒業者より給料が高い。アメリカだとその傾向は先進国の中でもさらに顕著で最
ヘッダーのように左右反転した局面の局面を同じ評価にした方がいいだろうか、それともしない方がいいだろうか? 将棋のことを詳しい人であればわかると思うが、将棋は原理的には反転させたところで真の意味での勝敗に変化はない。なので、理論上は左右反転した局面を同じ評価にするように設計した方がいいはずだ。 しかし現実、Ponanzaの場合は鏡像対称した局面を別の評価にした方がわずか(約2%勝率が上昇)だが強いのだ。棋理に逆らっている。それなのになぜ強いのだろうか。 ←居飛車穴熊 振り飛車穴熊→ 将棋を少しでも勉強すると穴熊という囲いを覚える。この囲いが左右どちら側でも囲いとして成立する。しかし将棋の強い人ならわかると思うが、左側にある方が強そうじゃないだろうか。右側が好きっていう人もいるのはわかる。それでも、左側のが強そうじゃないだろうか。イビ穴怖い。 なぜ左右に違いを感じるかと言えば、将棋は初期配置
合計一万人の人に使ってもらったお天気絵文字アプリですが、TwitterのAPIの仕様変更で機能が停止しました。みなさんありがとうございました。今サーバー側で完全にストップしました。自分としても大好きなプログラムでした。 https://t.co/6n1gOM3rvj — 山本一成🌤️完全自動運転EV🚗Turing (@issei_y) April 13, 2023 3行でわかる使い方① Twitterの名前のどこかを@にする ② こちらのURLで認証する ③ 10分ぐらい待つ 利用者数 嬉しい事に1万人近くのユーザーが使ってくれています。(2020年現在) 動機 絵文字可愛いですよね😆 皆さんの中にも積極的に使われてい人もいると思います。私も絵文字がスキなので、Twitterの名前の部分がお天気情報🌦️と連動していたらいいなと思ってアプリを作っていました。かなり気分が良い機能だった
AI開発の勝利のパターン 名人を倒したプログラム こんにちはみなさん、これはTuringアドベントカレンダー2023、最終日の記事です。書いている人は山本一成といいます。今は完全自動運転EV量産を目指すTuring株式会社でCEOをやっていますが、以前は名人に勝利したコンピュータ将棋プログラム「Ponanza」というものを2008年から10年ほど開発していました。表題の「AI開発の勝利のパターン」がなにかを説明する前に、少しだけ将棋プログラムの話をさせてください。 当時のコンピュータ将棋の開発状況
大学生3年生の子に「私プログラミングの才能がないのでしょうか?」という質問をいただいた。色々考えさせられる質問だったのでnoteにも共有してみたいと思う。 彼女の学科では全員、ぷよぷよで対戦するプログラムを作っているらしい。彼女自身も頑張ったが、トップレベルの人たちにはとても勝てそうにないと感じているそうだ。果たして彼女は才能ないのだろうか? 才能とはなんだろうか? 3月と4月生まれの子は本質的は差がない。あるのは唯一学年が異なることだろう。4月生まれの子は小学一年生の時点ではかなりのアドバンテージを持っているのだ。その結果勝てるのでどんどん楽しくなる。これが才能なのだろうか?ぷよぷよで勝ち始めた子達はその時点で4月生まれになったのだ。彼女が才能がないんじゃないかと自分を疑っている間にも、どんどん4月生まれ達は上手くなっていくのだ。 4月生まれがどんどん走っていくので追いつけない?実際には
釣肅꿤뢋ꏣ膦臥붼解膮胨醉鋤릱韣膦蓣芍蛣肂볣芉賤몒蓣膫룦見껨ꢀ解芒蛨ꞣ膍ꫣ膏ꫣ芋裣膆ꬠ賥覵雨ꢘ贱ꮠㄭ㧧꾀文字化け、みなさんも一度は見たことがあるんじゃないでしょうか?これはコンピュータ上で文字を表示する方法がいくつもあり、どの方法で表示するのか、不明な時に起こるのです。人類の叡智の結晶であるコンピュータでなぜこういったバベルの塔みたいなことが起こっちゃったのでしょうか? コンピュータは本当に数字しか扱うことができません。そこで数字からマッピングして文字を表現します。例えば数字の 97 はアルファベットの a に対応します。これを文字コードといいます。アルファベットや数字、@などの特殊記号は128種類以下、つまり1バイトまでに収まります。マッピングはうまくできました。めでたしめでたし・・ とはいきませんよね。世界は英語だけで完結しません。色
お部屋の片付けをする時に、ハサミをお風呂場に仕舞う人がいたらどうだろう。片付けの才能がないというしかないだろう。どう考えても危ないし、必要な時にハサミを取り出すのも明らかに不便だ。しかし驚くべきことにプログラミングの世界ではこういったことはよく起こっている。 オブジェクト指向という考え方がプログラミングの世界ではある。これは非常に色々な定義を含んでいるし、人によって考え方はまちまちだ。だが今回は私は思い切ってこう言ってしまおう。 オブジェクト指向の考え方はお風呂場にハサミを仕舞わないことだ。 プログラミングというは難しい作業だ。なぜ難しいかというコンピュータの世界の常識は、我々の世界の常識とは大きくかけ離れているからだ。それに加えてプログラミングの世界は基本的に可視化できない。プログラミング言語という極めて限定されたツールでコンピュータとコミュニケーションするしかないのだ。 こういった状況
中国のアマゾン、いやアマゾン以上の存在になるかもしれない巨大会社、アリババ。その創業者で現在もCEOであるジャックマー氏を知らない人はベンチャー界隈では少ないだろう。 しかし彼の発言はあまりたくさん知られてない気がする。彼の大量の名言の中の一つを今日は共有したい。 彼の名言と経営に関する考えが読める。素晴らしい。 本のなかでは、どういった人と組むといいかという話があった。彼の答えは 「まだ成功していない人と組め」まだ成功していない人と組むのが成功への道、つまりこれから成功する人と組めと言っている。 当たり前すぎる。当たり前すぎだが、つまりこのことは2つの重大なことを示していると思う。ひとつは将来に渡っても成功する感じがない人とは組まないほうがいいということだ。 そしてもうひとつ大事なことは、「もう成功しちゃった人」とは仕事をしてもそこまで爆発的にはうまくいかないということだ。一定以上はうま
Twitterのダイレクトメッセージで「将棋プログラムをどう作ればいいですか?」という質問をいただいた。色々考えさせられる質問だったのでnoteにも共有してみたいと思う。 Alpha Zeroのお話はこちらから読めます。私個人の予想としてはDeep Learningを駆使したプログラムが今後どんどん強くなると思っています。 職業柄、若い人達にしばしば、どうやって将棋プログラムを勉強すればいいですかと聞かれます。私の20代はすべて将棋プログラムに費やしてきたし、その過程はとてつもなく知的好奇心に満ちた素晴らしい旅路でした。ただ、すでに将棋プログラムは十分成熟した段階を迎えています。 時代の変化は確実にあります。以前、熱かった分野が今後も熱い分野になるとは限りません。将棋プログラミングも題材としては相変わらずとても面白いものですが、2018年現在では、多くの人にお勧めできる研究テーマとはなりに
Deep Learningは現在様々な領域・分野で使われようとしている。しかし、もっとも安定的かつ強力に使える領域は、2018年2月現在、画像処理に関することと言ってもいいだろう。 静止画像から何が写っているかを当てる一般物体認識問題では、既存手法の性能を大きく超えるどころか、人間の認識能力すらも超えている。通常の画像に限らず、将棋や囲碁といった問題、果てには言語処理といった本来は画像処理ではないと考えられていた問題ですら、現在は画像認識の問題に変換して Deep Leaningで解決し始めている。 突然なのだが、大学の授業や日々の業務でグラフを作成する人は多いだろう。我々が常日頃見ている画像、つまり眼に映る通常の映像、の縦軸と横軸は当然「距離」だ。ところがグラフを作る時の縦軸や横軸は金額や時間だったりと、もはや距離となんの関係もない。すでに完全に情報は揃っているのになぜ我々はグラフを作る
「Ponanzaってどれくらいの大きさのプログラム何ですか?」たまに聞かれる質問です。「私が一万行くらいです」と答えると、意外と小さいプログラムと思って、結構皆さんがっかり😞した顔をされたりするんですね。 確かにPonanzaよりも昔の時代の将棋プログラムはだいたい数万行を超えて居たようです。それが現代になるに従ってどんどん行数が減って来ています。なぜでしょうか? 実はPonanzaのソースコードのどこを探しても将棋の囲いや戦法あるいは手筋の情報は見つけられません。せいぜい王手は注意した方がいいよみたいな極めて基礎的な情報しか書いてません。それではどうしてPonanzaは将棋がで合理的なプレイができるのでしょうか?それは将棋の知識はすべてPonanza自身が機械学習によって習得しているからです。そしてその機械学習の結果はすべて数値データとして500MBくらいのバイナリファイルに保存されて
青森県に講演に行った帰りに主催者さんのご好意で青森県立美術館に連れて行ってもらった。素晴らしい作品群だったのですが、私の個人的に一番だったポイントは美術館の様々な場所で使われている青森フォントと呼ばれる日本語フォントでした。この記事のヘッダーの写真で使われているフォントです。縦横と斜めの線だけで構築されていて非常に印象的なものでした。 プログラマの世界は必ずしもデザインに興味がある人が多いわけではないです。しかしどのプログラマにも必ず関係するデザインの問題があります。それはプログラムを書く時にどんなフォントを使うかということです。 実は大半のフォントは文字の幅が揃っていません。しかし嬉しいことに世の中には幅が揃っている等幅フォントというのがあるのです。ちなみに私の等幅フォントはconsolasです。consolasかわいいです。等幅フォントがプログラマにおすすめです。 さて話が変わって、下
問 コインを100回投げて、表か裏が10回連続で出る確率は? 皆さんこの問題解けますでしょうか?私は正直解ける気がしません。そもそも何%くらいなのかすら、うまく推測できません。今日は、しかし皆さんには全然別の方法論を共有できればと思います。 その方法論とはずばり実際に投げてみましょう。「コインを100回投げて、表か裏が10回連続で出るかどうか」を100回あるいは1000回くらい試行してみたらそれなりに正しい確率が出ると思いませんか?実際にでます。 でもいくらなんでも現実にするのはつらいですよね。そこでせっかくなのでコンピュータに投げさせましょう。といっても実際に投げるのではなく、コンピュータの中で乱数(ランダム)を発生させて、それで投げていることにしましょう。プログラムで書くとこんな感じです。 コインを100回投げて、表か裏が10回連続で出るかどうか調べるプログラム。試行回数が増えるほどに
将棋の世界ではよくある古典的なギャグとして将棋星人というものがある。いわく、将棋星人は惑星間移動の技術をもった将棋が大好きな異星人だ。ある時、その将棋星人が地球にとうとう来てこう言うのだ。 🐙「地球を植民地にする。しかし将棋で私に勝ったら許してやろう!」 なぜ、将棋星人は日本のローカルゲームである将棋を知っているだけでなく、こんな酔狂な条件を人類に突きつけるのか全くもって謎なのだが、設定だから仕方ない。さてここで問題が発生する"誰"で立ち向かうのだろうか? 私としては、世界中の科学者を巻き込んだ大規模コンピュータグリッドシステムを作成・使用することをおすすめするのだが、みなさんはどうでしょうか?やはり羽生善治永世七冠に出て来もらいたいというものが人情かもしれない。人間は人間が大好きなのだ。電王戦に出続けていて本当によくわかった。明らかに人間は人間のことを信用している、それも過大に。 よく
人生うまくいきません。突然どうしたのと思うかもしれませんが、人生なかなかうまくいかないですよね。なんでうまくいかないんでしょうか? 人は沢山の才能を持っているというのが持論なんですが、なかなかその才能を発揮できないのが現状ですよね。どうしてかといえば、適切な場所、時、課題に出会えてないからなんだと思います。 なので、使命を発見するような探索行動をするのがよいのですが、日々の身銭を稼いだり、仕事や生活すると言った短期的な報酬をなかなか切り詰めることが困難です。これを探索と報酬(Exploration-Exploitation)のジレンマと言われています。この概念、人工知能の分野においても色々な場面で出てくる概念です。 私、山本の場合にこの概念を適応すれば、このままプログラムの知識をドンドン深めていくのか、それとも他の分野を開拓していく事がいいのかというのに対応します。いまnoteを書いてると
次のページ
このページを最初にブックマークしてみませんか?
『山本一成🚗TURING|note』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く