(情報科学)技術的特異点と科学･技術等 1 (ナノテク) [転載禁止]©2ch.net (840ﾚｽ)
(情報科学)技術的特異点と科学･技術等 1 (ナノテク) [転載禁止]©2ch.net http://rio2016.5ch.net/test/read.cgi/future/1427220599/
上
下
前
次
1-
新
通常表示
512ﾊﾞｲﾄ分割
ﾚｽ栞
648: 645 [>620sage_so] 2017/02/08(水) 02:04:30.13 ID:63WsxX0P 5) 自己調整的な受容野 実物の脳は高い可塑性38を示す。 新皮質のリージョンは、様々な変化に反応してまったく異なる事柄の表現を学習できる。 もし新皮質の一部が損傷したら、 ry 他の部分によって表現するように調整される。 もし感覚器官が損傷したり変化したりすると、 それに関連付けられていた部分の新皮質は何か他のことを表現するように調整される。 システムは自己調整的である。我々の HTM リージョンにも同様の柔軟性を求めたい。 あるリージョンに 10,000 個のカラムを割り当てたら、 入力を 10,000 個のカラムで最適に表現する方法を学習するべき ry 入力の統計的性質が変化したら、カラムは ry 最適に表現するように変化するべき ry まとめると、HTM の設計者はリージョンに任意のリソースを割り当てることができて、 そのリージョンは利用可能なカラムと入力の統計的性質に基づいて入力を最適に表現 ry できるべきである。 一般的な規則は、リージョンのカラムがより多くあれば、 各カラムは入力のより大きくより詳細なパターンを表現 ry 。なお一定の粗さを保つが39、カラムは普通、より稀にアクティブになる。 38 plastic。かそせい。物理的な可塑性とは固体に外力を加えて変形させ、 力を取り去ってももとに戻らない性質のこと。 脳の可塑性とは経験に応じて神経回路の組み換えや再構成を行う能力のこと。柔軟性、適応性。 39 粗さ(sparsity)はアクティブになるカラムの割合。カラムの数が増えても粗さは一定ということ。 http://rio2016.5ch.net/test/read.cgi/future/1427220599/648
649: 647 [>620sage_so] 2017/02/10(金) 01:34:35.48 ID:Zwt3oCZz Page 36 これら ry を達成するために、新しい学習規則は必要ない。 アクティブでないカラムをブーストし、粗さを一定に保つために周囲のカラムを抑制し、 入力に対するしきい値の最小値を設け、多くのシナプス候補を蓄積・維持し、 その貢献度に応じてシナプスを追加・削除することで、 全体効果としてカラムは望ましい効果を達成するように動的に設定される。 空間プーリングの詳細 ry 1) 固定の数のビットからなる入力から始める。 ry センサからのデータであったり、階層構造の下位の他のリージョンからであったりする。 http://rio2016.5ch.net/test/read.cgi/future/1427220599/649
650: 649 [>620sage_so] 2017/02/10(金) 01:38:10.26 ID:Zwt3oCZz 2) この入力を受取る固定の数のカラムをリージョンに割り当てる。 各カラムはそれに連結された樹状突起セグメントを持つ。 各樹状突起セグメントは入力ビットの部分集合を表すシナプス候補の集合を持つ。 各シナプス候補は永続値を持つ。その永続値に基づいて、 ry 候補が有効になる。 3) 与えられた任意の入力について、 アクティブな入力ビットと接続している有効なシナプスの数を各カラムごとに求める。 4) アクティブなシナプスの数にブースト値40を乗じる。ブースト値は、そのカラムが 周囲のものに比べてどのくらい頻繁にアクティブになったかに基づいて動的に決 ry 5) ブースト後に最大のアクティベーションを得たカラムは、 抑制半径内の固定のパーセンテージのカラム以外のものを無効化する。 抑制半径はそれ自体、入力ビットの広がり具合（又はファン・アウト）から動的に決 ry 。これでアクティブなカラムの疎な集合が得られた。 6) アクティブなカラムのそれぞれについて、すべてのシナプス候補の永続値を調節する。 アクティブな入力に割り当てられたシナプスの永続値は増加させる。 非アクティブな入力に割 ry は減少させる。 ry 変更により、 ry シナプスが有効になったり無効 ry 。 時間プーリングの概念 40 boosting factor http://rio2016.5ch.net/test/read.cgi/future/1427220599/650
651: 649 [>620sage_yosoku_so] 2017/02/11(土) 12:01:58.10 ID:Xj0b950+ Page 37 時間プーリングがシーケンスを学習し、予測をすることを思い出して欲しい。 基本的な方法は、あるセルがアクティブになったら直前にアクティブであった他のセルとの 接続を形成することである。これによりセルは、そのセルの接続を調べることで いつそれがアクティブになるかを予測 ry 。すべてのセルがこれを行えば、 全体としてそれらはシーケンスを記憶してそれを思い出し ry 予測できる。 ry シーケンスを記憶するための集中記憶装置はなく、 ry 記憶は各セルに分散配置される。 記憶が分散 ry 、システムはノイズや誤りに強くなる。 ry 、疎分散表現の重要な特徴を 2, 3 述べておく ry ry あるリージョンが全部で 10,000 個あるセルのうち、常に 200 個のセルがアクティブ になることで表現を形成しているとしよう（ ry 2%のセルがアクティブ）。 200 個のアクティブなセルで表される特定のパターンを記憶・理解するには ry 単純な方法は、関心がある 200 個のアクティブなセルのリストを作成 ry 。ちょうど同じ 200 個のセルが再びアクティブになったことが分かれば、 そのパターンを理解したことになる。 しかしながら、 ry 20 個だけのリストを作成して、残りの 180 個を無視したとしたら ry ？ ry 200個のセルの異なるパターンにおいてそれら 20 個の部分がちょうどアクティブに なるようなパターンが数多く存在して、間違いだらけに ry はならない。 パターンは大きくかつ疎であるため（ry 10,000 個のうち 200 個のセルがアクティブ）、 20 個のアクティブなセルを記憶することで ry うまく記憶できる。 実際のシステムで間違いが起こる可能性は極めて稀 ry メモリ量を非常に節約 ry http://rio2016.5ch.net/test/read.cgi/future/1427220599/651
652: 651 [>620sage_yosoku_so] 2017/02/11(土) 12:03:13.50 ID:Xj0b950+ HTM リージョンのセルはこの特徴を利用している。各セルの樹状突起セグメントは 同じセル内の他のセルへの接続関係の集合を持つ。樹状突起セグメントは ある時点でのネットワークの状態を理解する ry ため、これらの接続を形成している。 周囲のアクティブなセルは数百から数千あるかも知れないが、 ry が接続しなければならないのはこのうちの 15 から 20 程度に過ぎない。 ry 15 個のセルがアクティブと分かれば、その大きなパターンが発生 ry ほぼ確信できる。 このテクニックを「サブサンプリング」と呼び、HTM アルゴリズム全体を通じて利用している。 各セルは多くの異なる分散パターンに関与し、また多くの異なるシーケンスに関与 ry 。ある特定のセルは数十から数百の時間的遷移に関与しているかも ry 。従って各セルは一つではなく、いくつかの樹状突起セグメントを持つ。 ry セルが理解したいアクティビティの各パターンごとに一つの樹状突起セグメントを持つこ http://rio2016.5ch.net/test/read.cgi/future/1427220599/652
653: 661 [>620sage_so_yosoku] 2017/02/12(日) 14:29:02.49 ID:BZYpOz1d Page 38 とが望ましい。しかし ry 樹状突起セグメントはいくつかの完全に異なるパターンに関して 接続を学習することができ、それでもうまく行く。 例えば、一つのセグメントが 4 つの異なるパターンのそれぞれについて 20 ry 都合 80 個 の接続を持つとする。そして、これらの接続のうち任意の 15 個がアクティブ なときに樹状突起セグメントがアクティブとなるようにしきい値を設定する。 これにより誤りが発生する可能性が生じる。 異なるパターンが混在することで、 ry 15 個のしきい値に到達する可能性がある。 しかしながら、表現の疎な性質により、このような誤りは非常に起こりにくい。 では、10 個から 20 個の樹状突起セグメントを持つセルと数千個のシナプスが どのようにして数百種類のセルのアクティブ状態を理解するのかを見ていこう。 時間プーリングの詳細 ry 行われるステップを数え上げていく。 空間プーリングを終えてフィード・フォワード入力を表現するアクティブなカラムの集合 が得られたところから始める。 http://rio2016.5ch.net/test/read.cgi/future/1427220599/653
654: 652 [>620sage_yosoku_so] 2017/02/12(日) 14:30:37.18 ID:BZYpOz1d 1) それぞれのアクティブなカラム ry の中のセルで予測状態のものを調べ、 アクティブにする。すべてのセルが予測状態でないなら、カラム中のすべての セルをアクティブにする。結果として得られたアクティブなセルの集合は、 以前の入力の文脈の下での入力表現である。 2) リージョンのすべてのセルの各樹状突起セグメントについて、アクティブなセルに 接続されている接続状態のシナプスの数 ry 数がしきい値を超えていれば、 その樹状突起セグメントをアクティブとして印を付ける。 アクティブな樹状突起セグメントを持つセルを、 それがフィード・フォワード入力によって既にアクティブでない限り、予測状態にする。 アクティブな樹状突起を持たず、 フィード・フォワード入力によりアクティブになっていないセルは、非アクティブにする。 以上により、予測状態のセル全体がそのリージョンの予測となる。 3) 樹状突起セグメントがアクティブになったとき、そのセグメント上の すべてのシナプスの永続値を更新する。 その ry セグメントのすべてのシナプス候補について、 アクティブなセルに接続しているシナプスの永続値を 増加させ、非アクティブなセルに接続しているシナプスの永続値を減少させる。 シナプスの永続値に対するこれらの変更に一時的と印を付ける。 これはセグメントをアクティブにし、従ってまた予測をするほど 既に十分に訓練されたシナプスを更新する。 しかしながら、可能であればさらに時間をさかのぼって http://rio2016.5ch.net/test/read.cgi/future/1427220599/654
655: 620 [sage] 2017/02/14(火) 03:20:31.34 ID:/112L94Z >> http://rio2016.2ch.net/test/read.cgi/future/1486571513/697# Tango Sintaisei Bunpou >>574 >384 >483-484 http://rio2016.2ch.net/test/read.cgi/future/1479349196/707-710# ImiRyuudo GainenKuukann ttp://rio2016.2ch.net/test/read.cgi/future/1483110011/928# ImeejiGengo p://rio2016.2ch.net/test/read.cgi/future/1481515915/334# ImeejiGengo >379 >381 >>479 >>490 >>492 >>495 >>642 http://rio2016.5ch.net/test/read.cgi/future/1427220599/655
656: 653 [>620sage_yosoku_bunmyaku] 2017/02/15(水) 22:26:32.55 ID:4UMkv2wE Page 39 予測ができるように常に拡張したい。 このため、同じセルの二番目の樹状突起セグメントを取り上げ、訓練する。 二番目のセグメントとして、 以前の時刻ステップのシナプスの状態に最もマッチするものを一つ選択する。 このセグメントに対して、以前の時刻ステップのシステムの状態を用いて、 アクティブなセルに接続しているシナプスの永続値を増加させ、 非アクティブなセルに接続しているシナプスの永続値を減少させる。 シナプスの永続値に対するこれらの変更に一時的と印を付ける。 4) あるセルがフィード・フォワード入力によって予測状態からアクティブ状態41に 変化したときはいつも、そのセルに関連付けられているすべてのシナプス候補の 「一時的」の印を削除する。従ってフィード・フォワードによってセルがアクティブ化 したことを正しく予測したときだけ、シナプスの永続値を更新する。 5) セルがアクティブ状態から非アクティブ状態に変化したとき、 このセルのすべてのシナプス候補について一時的な永続値の変更を元に戻す。 フィード・フォワードによってセルがアクティブ化したこと を間違って予測したときはシナプスの永続値を強化したくないため。 フィード・フォワードによってアクティブになったセルだけを処理するのは リージョンの内部だけであって、それ以外では予測はさらなる予測を引き起こす ry 。しかし（フィード・フォワードと予測の）すべてのアクティブなセルは リージョンの出力となり、階層構造の次のリージョンへと引き継がれる。 http://rio2016.5ch.net/test/read.cgi/future/1427220599/656
657: 656 [>620sage_yosoku_bunmyaku] 2017/02/15(水) 22:27:09.36 ID:4UMkv2wE 一次と可変長42のシーケンスと予測 ry 一つのカラムに対するセルの数を増 ry 減 ry の効果 ry ？ 特に、１カラムに１つのセルしかないとき ry ？ 以前用いた例では、カラム当たり４セルのアクティブなカラムが 100 個の場合、 入力の表現は 4100 通りの異なるコード化が可能 ry 。従って、同じ入力が様々な文脈の中で出現しても混乱しない ry 。例えば、もし入力パターンが単語を表すなら、リージョンは 同じ単語が何度も使われる多くの文章を混乱することなく 41 原文は“inactive to active”となっているが、web 上の forum で “predictive state to active state”の間違いだったとの訂正があった。 (2010/12/14 Sabutai: title “Cortical Algorithms document: praise and suggestions”) 42 “first order” と “variable order”。前者は一つだけの長さのシーケンスと予測、 後者は任意の長さのシーケンスと予測。 http://rio2016.5ch.net/test/read.cgi/future/1427220599/657
658: オーバーテクナナシー [] 2017/02/16(木) 09:52:28.99 ID:n4SoUyRC https://youtu.be/2q-vGObpa4M http://rio2016.5ch.net/test/read.cgi/future/1427220599/658
659: オーバーテクナナシー [age] 2017/02/17(金) 08:25:58.71 ID:C7chZT7r 関連スレ 技術的特異点/シンギュラリティ後の日本/世界経済 [無断転載禁止]©2ch.net http://tamae.2ch.net/test/read.cgi/eco/1473160587/ 【人工知能】日本を救う究極の経済政策『シンギュラリティ』 [無断転載禁止]©2ch.net http://echo.2ch.net/test/read.cgi/seiji/1475301029/ http://rio2016.5ch.net/test/read.cgi/future/1427220599/659
660: 656 [>620sage_bunmyaku_yosoku] 2017/02/17(金) 13:48:09.67 ID:pF3vP0RD Page 40 記憶できる。「犬」のような単語が異なる文脈の中でユニークな表現を持つ ry 。この能力により HTM リージョンは可変長の予測 ry 可変長予測は現在起きていることだけではなく、可変の長さの過去の文脈に基づいて予測する。 HTM リージョンは可変長の記憶である。 カラム当たり 5 セルに増やすと、 ry 可能なコード化の数は 5100 に増加し、4100 よりずっと大きくなる。 しかし、 ry 多くの現実的な問題においてこの容量の増加はあまり役に立たない ry しかしながら、 ry 少なくすると、大きな違いが生まれる。 もしカラム当たり１セルまでになると、文脈の中で表現する能力を失 ry リージョンへの入力は、以前の活動に関係なく常に同じ予測を引き起 ry 。カラム当たり１セルの場合、HTM リージョンの記憶は一次記憶となり、 予測は現在の入力だけに基づ ry 一次予測は脳が解くことのできるある種の問題 ―静的空間推論― に理想的である。 ry 目が後を追うには短かすぎる時間であっても ry 聞く ry 理解するには常にパターンのシーケンスを聞く必要がある。 視覚も普通はそれに似ていて、視覚的イメージの流れを処理する必要がある。 しかしある条件下では、一瞬 ry http://rio2016.5ch.net/test/read.cgi/future/1427220599/660
661: 660 [>620sage_bunmyaku_yosoku] 2017/02/17(金) 13:49:24.30 ID:pF3vP0RD 時間的理解と静的理解とでは、異なる推論メカニズム ry 一方は可変長の文脈に基づいてパターンのシーケンスを理解し、予測をする必要がある。 他方は時間的文脈を使わずに静的な空間的パターンを理解する必要がある。 カラム当たり複数のセルを持つ HTM リージョンは時間に基づくシーケンスを理解 するのに理想的であり、カラム当たり１セルの HTM リージョンは空間的パターンを理解 するのに理想的である。 Numenta では、カラム当たり１セルのリージョンを視覚問題に適用した実験を数多く実施 ry 重要な概念だけ述べる。 HTM リージョンにイメージを入力すると、リージョン内のカラムは画素の共通の空間的配列 の表現を学習する。学習するパターンの種類は新皮質の V1 野 （生物学で広く研究されている新皮質のリージョン）で観察されるものと似ていて、 概ね、異なる角度の線と角である。動画像 ry 、これらの基本的な形の遷移を学習する。 例えばある箇所に垂直な線があって、左又は右に移動した垂直な線がそれに続く ry よく観察されるパターンの遷移は HTM リージョンで記憶される。 http://rio2016.5ch.net/test/read.cgi/future/1427220599/661
662: 620 [sage] 2017/02/17(金) 14:23:01.30 ID:pF3vP0RD >> http://rio2016.2ch.net/test/read.cgi/future/1487129635/363-364 > ・唯一無二派 > ・客観派 自動憑依 余地 > ・脳拡張派 連続度 ⇔ 工事による影響 http://wc2014.2ch.net/test/read.cgi/future/1444213055/444# haamonii > ・電脳派 粒度 ( 分解能 ) : 正確性 http://rio2016.2ch.net/test/read.cgi/future/1473812514/411# SaitouSensei BCI Habu > 16 : yamaguti~kasi 2017/01/04(水) 13:35:45.21 ID:stEDHEtr > http://rio2016.2ch.net/test/read.cgi/future/1482030012/794# TinouZoufuku-BCI http://rio2016.2ch.net/test/read.cgi/future/1479349196/772# JinkakuYuugou >http://rio2016.2ch.net/test/read.cgi/future/1473812514/441# BCI ttp://rio2016.2ch.net/test/read.cgi/future/1427220599/569 p://rio2016.2ch.net/test/read.cgi/future/1486571513/377 http://rio2016.5ch.net/test/read.cgi/future/1427220599/662
663: 異次元騎士カズマ [] 2017/02/17(金) 19:09:14.93 ID:XMFDn/Yv 俺は敵の海賊島に潜入し，船長の部屋に乗り込んだ。誰もいない。 くそっ，ヤツはどこだっ！ とそこで，ベッドの上に鎖で縛り付けられている黒人娘を見つけた。 彼女は叫んだ「カズマ！ 来てくれたの？」 俺にはこんな丸顔の黒人女は知り合いにいないのだが……ってマノン？ そんな馬鹿な，彼女は卵形の顔をしていたし，薔薇色の肌だった。 そして二重で勝気なグリーンの瞳を持っているんだ。 しかしそれは間違いなくマノンだった。 顔と肌はボコボコに殴られ腫れて黒ずんでいて，片目はつぶれている。 左脚は膝から逆方向にまがっており，歯も１本も残っていない。 「ごめんね，カズマ。分からない？ そうよね，私ここに連れて来られてから 一度もお風呂に入っていないし，汚くて分からないわよね。 あれからね，私ずっと何度も海賊たちに抱かれたわ。 でもね，私その相手をカズマだと思うようにしたの，だってカズマなら 殴られても何をされても嫌じゃない。耐えられるから。許してくれる？ 私，鏡すら見てないのよ。 前に思い切り抵抗したとき殴られて以来，目も良く見えなくて……。 ねぇ，私醜くなった？」 俺は彼女を抱きしめ，唇を吸った 「いや，マノンは綺麗なままだよ」 http://rio2016.5ch.net/test/read.cgi/future/1427220599/663
664: 異次元騎士カズマ [] 2017/02/18(土) 08:55:51.61 ID:Uf5aHGu8 工知能で自我・魂が作れるか [無断転載禁止]©2ch.net 202 : 異次元騎士カズマ2017/02/17(金) 19:10:13.24 ID:XMFDn/Yv 俺は敵の海賊島に潜入し，船長の部屋に乗り込んだ。誰もいない。 くそっ，ヤツはどこだっ！ とそこで，ベッドの上に鎖で縛り付けられている黒人娘を見つけた。 彼女は叫んだ「カズマ！ 来てくれたの？」 俺にはこんな丸顔の黒人女は知り合いにいないのだが……ってマノン？ そんな馬鹿な，彼女は卵形の顔をしていたし，薔薇色の肌だった。 そして二重で勝気なグリーンの瞳を持っているんだ。 しかしそれは間違いなくマノンだった。 顔と肌はボコボコに殴られ腫れて黒ずんでいて，片目はつぶれている。 左脚は膝から逆方向にまがっており，歯も１本も残っていない。 「ごめんね，カズマ。分からない？ そうよね，私ここに連れて来られてから 一度もお風呂に入っていないし，汚くて分からないわよね。 あれからね，私ずっと何度も海賊たちに抱かれたわ。 でもね，私その相手をカズマだと思うようにしたの，だってカズマなら 殴られても何をされても嫌じゃない。耐えられるから。許してくれる？ 私，鏡すら見てないのよ。 前に思い切り抵抗したとき殴られて以来，目も良く見えなくて……。 ねぇ，私醜くなった？」 俺は彼女を抱きしめ，唇を吸った 「いや，マノンは綺麗なままだよ」 http://rio2016.5ch.net/test/read.cgi/future/1427220599/664
665: 660 [>620sage_bunmyaku_yosoku] 2017/02/19(日) 00:40:30.29 ID:Iy/nas+o Page 41 もしリージョンへの入力画像が、垂直な線が右に移動するものだったら ry ？ カラム当たり１セルしかなかったら、線が次に左又は右に現れること43を予測できる ry 。線が過去にどこにあったか知っているという文脈を使うことができないため ry 移動していることを知ることはできない。 このようなカラム当たり１セルのものは、新皮質の「複雑型細胞」44のように振舞う ry 。そのようなセルの予測出力は、 ry 動いていようがいまいが 異なる位置にある視覚的な線に対してアクティブになるだろう。 このようなリージョンは異なるイメージを区別する能力を保持する一方で、 平行移動や大きさの変化に対して安定 ry 。このような振る舞いは、空間的不変性（同じパターンの異なる見方 ry ） ry もし同じ実験をカラム当たり複数のセルを持つ HTM リージョンに対して行えば、 そのセルが新皮質の「方位選択性複雑型細胞」45のように振舞う ry 。セルの予測出力は左に移動する線や右 ry 線に対してアク ry になるが、両方に対しては ry http://rio2016.5ch.net/test/read.cgi/future/1427220599/665
666: 665 [>620sage_bunmyaku_yosoku] 2017/02/19(日) 00:41:39.93 ID:Iy/nas+o これらをまとめ ry 仮説 ry 新皮質は一次と可変長の両方の推論及び予測 ry 。新皮質の各リージョンには 4 又は 5 層のセルがある。 ry それらはすべてカラム単位で応答する性質 ry 水平方向に大きな接続性 ry 。新皮質のセルの層は ry HTM の推論と学習に似たことを実行しているのではないか ry 。異なる層のセルは異なる役割 ry 。例えば解剖学によれば 第 6 層は階層構造のフィードバックを形成し、第 5 層は運動の動作に関わっている。 。異なる層のセルは異なる役割 ry 解剖学 ry 6 層は階層構造のフィードバックを形成し、第 5 層は運動の動作 ry 。セルの 2 つの主要なフィード・フォワード層は第 4 層と第 3 層である。 ry 4 層のセルが独立に、即ちカラムの中で１セルだけが動作するのに対して、 第 3 層のセルはカラムの中で複数のセルが動作 ry 。よってセンサ入力に近い新皮質のリージョンは一次記憶と可変長記憶の両方を持つ。 一次シーケンス記憶（だいたい第４層のニューロンに対応する）は空間的に不変の表現 ry 。可変長シーケンス記憶（だいだい第 3 ry ）は動画像の推論と予測に役立つ。 まとめ ry 章で述べたようなアルゴリズムは新皮質のニューロンのすべての層 ry 仮説 ry 。新皮質の層の詳細は大きく違っていて、 フィード・フォワードとフィードバック、注意46、運動動作47に関する異なる役割を演じ 43 「移動する」ことは予測できないが、隣の位置に「出現する」ことは予測 ry 44 complex cell 45 directionally-tuned complex cell 46 attention 47 motor behavior http://rio2016.5ch.net/test/read.cgi/future/1427220599/666
667: 665 [>620sage_yosoku] 2017/02/20(月) 00:16:09.76 ID:PjnuggmX Page 42 ている。センサ入力に近いリージョンでは、 一次記憶を実行するニューロンの層が空間的不変性に有利であるため役に立つ。 ry 一次（カラム当たり１セル）の HTM リージョンを画像認識問題に適用する実験 ry 可変長（カラム当たり複数セル）の ry に可変長のシーケンスを理解・予測させる実験 ry 。将来 ry 一つのリージョンに混在させ、他の目的にもアルゴリズムを拡張 ry しかしながら、一つの層と等価なカラム当たり複数セルの構造が、 単体であれ複数階層であれ、多くの興味深い問題を取り扱いうる ry http://rio2016.5ch.net/test/read.cgi/future/1427220599/667
上
下
前
次
1-
新
書
関
写
板
覧
索
設
栞
歴
あと 173 ﾚｽあります
ｽﾚ情報
赤ﾚｽ抽出
画像ﾚｽ抽出
歴の未読ｽﾚ
AAｻﾑﾈｲﾙ
Google検索
Wikipedia
ぬこの手
ぬこTOP
0.016s