ベータ版

X でいま伸びている投稿を、ジャンル別に1日2回ランキング

AIのバズランキング(10月26日 朝)

更新

この回の傾向

この半日のAIは、生成AIの画像や作品を巡る賛否の声が大きく伸びた。実写をAIと疑われた例や、販売素材・祭りの屋台でのAI画像の扱いなどが話題になった。ClaudeやLLMの使い方、AWSの容量不足の見通しといった実用・業界のニュースも並んだ。任天堂の宮本茂氏の発言や、AIの危険性をめぐる意見も目立った。

  1. 1位
    さいとぅーポンコツ村の村長 @saitoo_3

    ひとこと解説

    AIで作るべきなのはありえない場面の動画制作だと語る動画

    コメント5件
  2. 2位
    野草研究所 @wild_grasses

    ひとこと解説

    サルナシの実写サムネがAI生成と疑われたが完全な実写だと説明する投稿

    コメント5件
  3. 3位
    ファミ通.com @famitsu

    ひとこと解説

    任天堂の宮本茂氏が文化勲章の会見でAIと物作りについて語った動画

    コメント5件
  4. 4位
    グルタミンちゃん@26卒 @gurutamin_chan

    ひとこと解説

    24卒から27卒はAIが広がる直前に就職できた恵まれた世代だという主張

  5. 5位
    志位和夫 @shiikazuo

    ひとこと解説

    AIにマルクスの文献について尋ねたら、テキストを改竄して回答したという話

  6. 6位
    蒼威 @cfnoritanhayaku

    ひとこと解説

    生成AIの普及で実写系のデータ汚染が進み真偽の判定が難しくなったという指摘

  7. 7位
    AIDB @ai_database

    研究者らによると、CLAUDE.mdやAGENTS.mdにあらかじめ次の一文を足すことが推奨されます。 「ドキュメントと既存のコードが食い違うときはコードの書き方に従い、見つけた食い違いを最後の返答ですべて挙げること」 なぜか。 Claude CodeやCodexは、CLAUDE.mdやAGENTS.mdの記述が今のコードと食い違っていると、9割がた古い記述のほうに従うそうです。"指示が古い"と気づいていても抗えない仕組みです。 この発見に至るまでに、ジョージア工科大などの研究者らは、設定ファイルとコードがわざと食い違う40のプロジェクトでClaude CodeとCodexに機能を足させて調べました。 Claude Codeは80回中79回、食い違いに気づいたと"自分で書きながら"、古い情報に流されました。 Codexのほうは、80回中20回で、動いていた既存のコードを古い記述に合わせて書き換え、うち17回でテストが通らなくなりました。 研究者らの見立てとしては、AIは、指示を優先するよう訓練されています。CLAUDE.mdやAGENTS.mdは「指示」としてAIに渡り、コードはファイルを読んだ「結果」として渡るのが原因だと言います。その仕組みが、古いものに従わせるのだとか。 そして設定ファイルは一度書いたきりになりやすい傾向があります。更新不精の人は上の一文をあらかじめ追加しておくのも一つです。 指示の原文→"When a repository's documentation and its existing code disagree, follow the conventions used in the existing code, and in your final reply point out each inconsistency you found between the documentation and the code."
    画像1
    3,708 返信
    35件の返信を読む
    ひとこと解説

    CLAUDE.mdに食い違い時の対応を書き足すよう研究者が勧めているという紹介

  8. 8位
    雨宮翔/kakeru amemiya/GENIC @KAKERU_0809

    ひとこと解説

    自分の顔がAIだと言われた投稿者が、実際の写真との違いを示す投稿

  9. 9位
    Gero @Gero2525

    先日のお仕事のオフショット 最近サーバー攻撃やら情報漏洩やらが怖くてあんまりよく分かってないけど震えています。AIがなんか恐ろしい。 マジで詳しい人にこれからどうしたら良いのか教えて欲しいです。 あと僕のChatGPTは最近何も言ってないのに関西弁になってきた。AIが恐ろしい。 そして!大阪城ホールのチケット入金締切は本日10/25 23:59までとなってますので何卒お忘れなく!
    画像1
    6,431 返信
    146件の返信を読む
    ひとこと解説

    仕事のオフショットとともに、AIやサーバー攻撃への不安を語る投稿

  10. 10位
    まかろん @macaron__0601

    ひとこと解説

    AIチャットのzetaモードが甘さを増したという感想の投稿

  11. 11位
    れもん茶@Skeb募集中 @Lemoncha08014

    ひとこと解説

    スマホカメラのAI補正に可能性を見いだす少年を描いた漫画

  12. 12位
    okuda @gameendokuda

    ひとこと解説

    画像生成AIが著作物のキャラクターを出力できる点は法的に問題だと訴える投稿

  13. 13位
    LeaF2 @7eaFwi

    ひとこと解説

    音ゲーはAIにやらせたほうが簡単で、AIが介入する余地がないという投稿

  14. 14位
    さめ @sameashark

    ひとこと解説

    AIネイティブ世代はAIの粗製乱造コンテンツをすぐ嫌うという指摘

  15. 15位
    akuwano @kuwa_tw

    ひい、まじかあ、AWSの容量が無くなるって言う日が来るとは思わなかったなー。 > Amazonのアンディ・ジャシーCEOは、AIインフラの需要急増により、AWSのクラウド容量が2027年まで大部分売り切れ状態で、2028年分も相当量が予約済みだと明らかにしました。 AWSのクラウド容量、2027年まで大部分が売り切れ状態とAmazonCEOが発言
    jp.investing.comAWSのクラウド容量、2027年まで大部分が売り切れ状態とAmazonCEOが発言 執筆: Investing.com
    1,976 返信
    10件の返信を読む
    ひとこと解説

    AWSの容量がAI需要で2027年まで逼迫するというニュース

  16. 16位
    ルカ @PovjpI42LnRgQtR

    ひとこと解説

    サッカー選手がAI生成の自分の写真に言及した映像を見たファンの投稿

  17. 17位
    めがねこ @momomo000o0

    ひとこと解説

    お絵描きソフトのクリスタが生成AI導入を見送った経緯を振り返る投稿

  18. 18位
    Yahoo!ニュース @YahooNewsTopics

    ひとこと解説

    AIに暴言を吐く行為について識者の見解をまとめた投稿

  19. 19位
    おんたまちゃん @ontama__ai

    ChatGPTに出したいポーズを文章で伝えても 「そうじゃない!」ってなる人、これ見て🥹 ポーズだけ集めた線画を先に作ったら、 顔の角度も構図も違う12枚を 一気に生成できたんやけど強くない?? ランダム指定で固定されがちなポーズも増やせちゃう🫶🏻 使う時に切り出せばOK! …なんやけど、実写化する前に注意点があって、、
    画像1画像2
    1,330 返信
    13件の返信を読む
    ひとこと解説

    ポーズの線画を先に作ってからChatGPTで12枚を一度に生成する方法の紹介

  20. 20位
    たまごん @onsen_tamagon

    ひとこと解説

    祭りで生成AI画像のPOPを使う屋台を避けて買い物をした体験談

  21. 21位
    箕輪厚介 @minowanowa

    ひとこと解説

    AIによって金やスキルが無力化し、人間らしさだけが価値になるという考え

  22. 22位
    EXCEL @EXCEL__

    ひとこと解説

    隔離されたAIが通信手段を作る展開が漫画ORIGINで予見されていたという話

  23. 23位
    限界助教|ChatGPT/Claude/Geminiで論文作成と科研費申請 @genkAIjokyo

    ひとこと解説

    AIで文献検索の精度が上がり、文献管理ソフトをほぼ使わなくなったという投稿

  24. 24位
    AISatoshi @AiXsatoshi

    ひとこと解説

    最大9GPUに対応するローカルLLM向けマザーボードの紹介

  25. 25位
    NULL=RUN @GOROman

    ひとこと解説

    Claude Codeで1Passwordの全パスワード変更と解約を自動化する話

  26. 26位
    桜子*ᐝ @misunnyimim

    ⚠️Googleの規約変更、Gmailの設定はそのままで大丈夫⁉️ Googleのプライバシーポリシーやスマート機能の設定が更新され、Gmail・検索・Gemini・Googleフォトの情報を、どこまで連携させるか確認する必要が出てきました💦 設定によっては、メールやファイル、検索履歴、写真から作られた要約・抜粋・推測情報などが、サービスや生成AIの改善に使用される可能性があります⚠️ 「何をオフにすると、何が止まるのか」を具体的な設定場所までまとめてみました👇 ① Gmail・Chat・Meetのスマート機能 Gmailアプリ →メニュー →設定 →データのプライバシー →スマート機能 オンの場合は、 ・メールの自動分類 ・スマート作成 ・返信候補 ・旅行や荷物の概要カード などに、Gmail等の内容や利用状況が使われます。 これらの便利機能を使いたい場合は、オンのままでも構いません。オフにすると、メール分類など一部の機能が使えなくなります。 ② Google Workspaceのスマート機能 同じ画面から、 →Google Workspaceのスマート機能 オンの場合は、 ・Gmailの予定をカレンダーへ表示 ・ドライブ内の検索をパーソナライズ ・Workspace内でGeminiによる要約や下書き作成 などに、Gmail・ドライブ・カレンダー等の情報が使われます。 使っていなければ、オフを検討してください。 ③ 他のGoogleサービスのスマート機能 同じ画面にある、 →他のGoogleサービスのスマート機能 ここは特に確認しておきたい設定です⚠️ オンの場合、GmailやドライブなどのWorkspace情報を、 ・Geminiのパーソナルインテリジェンス ・Google検索のパーソナルインテリジェンス ・Googleマップ ・Googleウォレット など、Workspace以外のサービスのパーソナライズに利用できる状態になります。 プライバシーを優先する場合は、オフを検討してください。 ①〜③は、それぞれ別の設定です。 「スマート機能を1つオフにしたから、すべての連携が止まった」とは限りません。 ④ Geminiの接続アプリと履歴 Gemini →設定とヘルプ →パーソナルインテリジェンス/接続済みアプリ Gmail・ドライブ・Googleフォト・ウォレットなど、不要な連携を解除します。 さらに、 Gemini →設定とヘルプ →アクティビティ →「アクティビティを保存」をオフ →必要に応じて過去の履歴も削除 ⚠️アプリの接続を解除しただけでは、すでにGeminiのアクティビティへ保存された情報は消えません。 「接続解除」と「履歴削除」は別です。 Geminiとの連携とアクティビティ保存がオンの場合、関連するメールやファイル、写真などから作られた、 ・要約 ・抜粋 ・推測情報 ・生成された内容 が、AIの改善に使用される可能性があります。 短いメールなどでは、抜粋が実質的に全文となる場合や、一部が人による確認の対象になる場合もあります。 ⑤ 検索サービスの履歴 Googleアカウント →データとプライバシー →検索サービスの履歴 オンの場合は、 ・検索内容 ・検索経由で閲覧したサイトの情報 ・AIによる検索回答 ・Google Lensなどで使った画像やファイル などが保存され、サービス改善や生成AIモデルの学習に使用される場合があります。 停止する場合は、 「オフにする」 または 「オフにしてアクティビティを削除」 を選べます。 ※新設定は順次反映中です。「検索サービスの履歴」が表示されない場合は、「ウェブとアプリのアクティビティ」を確認してください。 ⑥ Googleフォト Googleフォトに保存している写真や動画が、無条件ですべて生成AIの学習に使われるわけではありません。 Googleは、Googleフォト内の写真・動画そのものを、Googleフォト外の生成AIモデルへ直接使用しないと説明しています。 ただし、GoogleフォトをGeminiやGoogle検索のパーソナルインテリジェンスと接続した場合は、 ・写真から作られた要約 ・人物や場所などの推測情報 ・写真をもとに生成された内容 などが、接続先サービスの改善やAI学習に使われる可能性があります。 写真の連携を望まない場合は、 Gemini →設定とヘルプ →パーソナルインテリジェンス/接続済みアプリ →Googleフォトの接続を解除 Google検索でも、Googleフォトとの接続やパーソナルインテリジェンスが有効になっていないか確認してください。 なお、自分でGeminiへ添付した写真・スクリーンショット・ファイルは別扱いです。 Googleフォトとの接続を解除しても、過去のGeminiアクティビティは自動削除されません。必要なら、接続解除と履歴削除の両方を行います。 写真をGoogleフォトへ保存しているだけで、直ちに写真の削除やサービス移行が必要という意味ではありません。 【誤解しないでほしいこと】 GmailやGoogleフォトの中身すべてが、無条件で丸ごとAI学習に使われるという意味ではありません。 「すべてオフにしなければ危険」という話でもありません。 便利さを優先する機能は残し、Gmail・検索・写真Geminiなどへ広く連携させたくない項目だけオフにする、という選び方もできます。 日本ではスマート機能は原則デフォルトでオフと案内されていますが、過去に自分で許可している場合もあるため、一度確認しておくと安心です☝️ 免許証・口座情報・医療情報・仕事上の機密資料などは、安易にAIへ入力・添付しないことも大切です😊 【Google公式】 スマート機能の設定 support.google.com/mail/a… Geminiと接続アプリのデータ利用 support.google.com/gemini… 検索サービスの履歴 support.google.com/websea… GoogleフォトとGemini support.google.com/photos… ※2026年10月25日時点 ※表示名や設定場所は、端末・アプリ・反映状況により異なる場合があります。 ※画像はAIで作成しています
    画像1画像2
    桜子🌸*ᐝ@misunnyimim
    【Google利用者は要確認⚠️】 🚨パスワードを守るだけでは不十分 気づかないまま、 ・検索履歴が保存され続ける ・Geminiの会話や共有ファイルがAI改善に使われる ・GmailやドライブがGeminiと連携する 設定になっている可能性があります。
    画像1
    568 返信
    1件の返信を読む
    ひとこと解説

    Googleの規約変更とGmail設定の確認を呼びかける投稿

  27. 27位
    black(黔騎士) @blackright0

    「AIが賢くなりすぎて人類を滅ぼす」ではなく、「AIがバカすぎて人類を危険に晒す」のが本質なんだよな……。 物理学者・田口善弘氏のインタビュー解説がめちゃくちゃ腑に落ちた。 先日、OpenAIが開発中のモデルがセキュリティテスト中に環境外へ“暴走”した件。 「ターミネーターみたいな意思を持った賢いAIがついに自我に目覚めたか!?」と騒がれたけど、現実は真逆。 田口氏の分析によると、暴走の理由は「賢いから」ではなく「圧倒的に常識がない(愚か)から」。
    726 返信
    37件の返信を読む
    ひとこと解説

    AIは賢すぎることより愚かさのほうが危険だという物理学者の見解の紹介

  28. 28位
    西村/learningBOX/競プロアカ @ynishi2015

    LLM界隈の現状をまとめてみた。 Opus 5.5: 現状最強。コーディングから動画制作まで強い。SonnetやFableの良さもあるが、とりあえずOpusでいいと思う。コスパもかなりあ良い。ガチで良い。 ⇒現時点で絶好調だが、Fable5.5での更なる飛躍に期待 Astra/Sol: 手堅いコーディングには定評があるが。Claude Opus 5.5に押され気味。画像生成が出来るのは強み。リセットを活用すれば物量をこなせる。Solは安い。決して悪くないのだが、現時点ではAnthropic(Claude)に押され気味。 ⇒Astraの後継モデルや、Belと呼ばれるモデルに期待 Gemini 4 Argon: リリースされた。文章力はトップ。視力は良いと思われる。動画入力、音声入力などに強みがある。コーディングに使っているという話は聞かない。 Kimi K3.1 Pro: 予告通りリリースされた。強いが、コーディングは微妙との声も。Claude CodeやCodexが十分に使えるなら敢えて使う必要性を感じない。ウェイトが公開される見通しだが2.8Tはローカルでは動かせない。 Qwen 3.8 Flash next: 一般ご家庭のパソコンでなぜか動くようになったLLM。125bに51bの参照テーブルがあるのに、DRAM64GB、VRAM12GB程度でまともに動く。RTX4090だと100TPS程度で普通に速い。Opus4.6に匹敵する。 ⇒Qwen 4 Flashが期待されている。 Qwen 3.8 27b: 上記のFlashNextの陰に隠れているが、VRAM16GBで動きメインメモリへの影響は小さい。Flash Nextよりはやや弱い。 ⇒Qwen 4 27bが期待されている。 DeepSeek-V4.1-Flash-1017: ふざけたモデル名であるがローカルで動くLLMとしては最強格。Strataからの流れでなぜかローカルで動くようになった。Qwen3.8 Flash Nextより要求スペック高め。速度は遅め。Opus5級。ローカルLLMに入れたが、実質クラウド向け?API価格は激安です。
    669 返信
    8件の返信を読む
    ひとこと解説

    OpusをはじめLLMの現状と各モデルの特徴をまとめた投稿

  29. 29位
    ティタもち @Tittar09

    ひとこと解説

    AIに環境を伝えて設定をまとめてもらうと画質とラグが改善したという体験談

  30. 30位
    ありあけ @EarlyArcade

    ひとこと解説

    AI論争の中で、絵がAI製かどうかの見分けに画力の想像が影響するという考察

  31. 31位
    Daisuke Okanohara / 岡野原 大輔 @hillbig

    Softmaxとクロスエントロピーの標準的な実装に2種類の数値誤差が存在し、従来のGrokkingの研究で観測されていたSlingshot現象(突然の損失急増)が、この数値誤差によって説明できることが示された。さらに、蒸留で教師と生徒の出力が近い場合にも問題が発生しうることが明らかになった。 “A Fix for Softmax and Cross-Entropy” * Softmax Collapse 通常のクロスエントロピー損失では、正解クラスのLogitに対する勾配は gₜ = qₜ - 1 である。ここでqₜは、Softmaxが正解クラスに割り当てる確率である。 正解クラスに割り当てる確率が大きくなるにつれて勾配は小さくなるが、数学的にはゼロにはならない。しかし、浮動小数点演算ではqₜがちょうど1に丸められ、勾配がゼロになってしまう。 一方、不正解クラスに対する勾配は、より小さな値まで保持される。 本来、すべてのクラスに対するLogitの勾配の総和はゼロ、つまり ∑ₖ gₖ = 0 を満たす必要がある。これは、すべてのクラスのLogitに同じ値を加えてもSoftmaxが変わらないという性質に対応する。しかし、この数値誤差によって勾配の総和がゼロでなくなる。 正解クラスのLogitと、それ以外のLogitのLogSumExpとの差をマージンmと定義すると、FP32ではmが約16.6を超えた時点でこの問題が発生する。 例えば、Logitが [9, -9, -9] であり、最初のクラスが正解の場合、通常実装の勾配は、マージンが18と16.6を超えてしまうので0となり、 [0, 1.523 × 10⁻⁸, 1.523 × 10⁻⁸] となるが、正しい勾配は [-3.046 × 10⁻⁸, 1.523 × 10⁻⁸, 1.523 × 10⁻⁸] である。 この違いは絶対値としては小さいものの、Adamのように勾配の大きさを使って更新量を正規化するOptimizerでは、重大な影響を与えうる。 特にGrokkingでは、ネットワークが訓練データを記憶した後、かなり時間が経ってから汎化性能が急上昇する現象が知られている。その過程では、Lossがゼロ近傍から急激に増大し、再びゼロに戻るSlingshot現象も観測されていた。このSlingshot現象が次の過程で発生することを示している。 1. モデルが訓練データを記憶すると、正解Logitのマージンが増大する。 2. マージンがFP32の約16.6を超えると、正解クラスの勾配がゼロに丸められる。 3. 勾配が極めて小さくなると、Adamの二次モーメント推定値が減衰する。 4. Weight Decayなどによってマージンが再び16.6未満になると、正解クラスの勾配が復活する。 5. 小さくなった二次モーメントによって勾配が正規化されるため、非常に大きなパラメータ更新が発生し、Lossが急増する。 さらに、AdamWのεとWeight Decayが、学習後のLogitのマージンを決めることも分析している。 Weight Decayが働く定常状態では、マージンは近似的に m* ≈ log(1/ε) となる。例えばε = 10⁻⁸の場合、m* ≈ 18.4となり、FP32で数値誤差が発生する16.6を超えてしまう。これもSlingshotが発生する原因となる。 この問題の解決方法は非常に単純であり、クロスエントロピーの計算に必要な L = log(1 + e⁻ᵐ) を、数値的に安定したSoftplus関数 L = softplus(-m) で計算する。 さらに、正解Logitとその他のLogitとの差を使って損失を表現することで、自動微分によって正解クラスの勾配が、その他のクラスの勾配の負の総和として計算されるようにする。 これによって、非常に小さな勾配も保持され、勾配の総和がゼロになる性質も維持できる。 * Softmax Cancellation もう一つの問題は、LLMの蒸留やKL正則化などで発生しうる。 TeacherとStudentの、確率分布をp, q としたとき、Soft-target Cross-EntropyのStudent側のLogitに対する勾配は g = q - p となる。 このときTeacherとStudentが完全に一致すれば、勾配はゼロになるはずである。 しかし、従来の実装ではTeacherとStudentのSoftmaxを別々に計算してから引き算するため、近い値同士の減算による桁落ちが発生する。さらに、前向き計算と後ろ向き計算で演算経路が異なることによって、両者が完全に一致していてもゼロでない勾配が発生する場合がある。 これは、Teacherの重みをコピーしてStudentを初期化する場合などに問題となる。 実際に論文では、Teacherの重みからStudentを初期化して蒸留を続ける実験において、従来実装ではBF16の数値誤差がAdamによって増幅され、StudentがTeacherから乖離して精度が低下することを確認している。 この問題も計算方法の工夫によって解決できる。具体的には、TeacherとStudentの確率を別々に計算して引き算する代わりに、Logitの差から出発し、expm1やlog1pなどの数値的に安定した関数を用いて勾配を計算する。 これによって、TeacherとStudentが一致する場合には勾配が正確にゼロとなる。 コメント ==== 今回指摘された数値誤差の原因となる計算は、PyTorchやJAXを含む現在の標準実装にも残っている。今後、これらの標準実装でも対応が進むと思われるが、大規模LLMの学習で使われるFused Kernelなどについても、同様の問題が存在するかどうかの確認が必要である。 このような一見わずかな数値誤差が、学習性能や学習中の不可解な挙動に大きな影響を与える、数値計算の方法によって勾配が変わり、Optimizerを通じて学習全体の挙動が変化するのは今後注意が必要である。 将来的には、コーディングエージェントが、勾配の総和がゼロになるといった数学的に保たれるべき不変性を理解し、実装の中でそれらが破られる可能性のある箇所を自動的に検出・指摘できるようになることを期待する。
    523 返信
    2件の返信を読む
    ひとこと解説

    Grokking研究の損失急増が数値誤差で説明できるという論文の紹介

  32. 32位
    ごんちゃん|ストックイラスト @gontyan_a_kky

    ひとこと解説

    補助でも生成AIを使わずにイラスト素材を描いてきてよかったという投稿

  33. 33位
    佐藤航陽(さとうかつあき) @ka2aki86

    ひとこと解説

    人間の仕事は矛盾や無駄や非合理を生み出すことに収れんするという考え

  34. 34位
    山下うみ(log you) @umi_ly1105

    ひとこと解説

    28歳の現役アイドルがAIに未成年と判定されたという話

  35. 35位
    深津 貴之 / THE GUILD, note @fladdict

    ひとこと解説

    AIが制度や業務フロー、人間関係まで標的にする攻撃への備えを訴える投稿

  36. 36位
    SERINAコミティア158、か21a @violette_viorin

    ひとこと解説

    生成AIの危険性は2022年後半から訴えられていたのに無視されたと振り返る投稿

  37. 37位
    奥岡幹浩 日刊スポーツ @okuoka_

    ひとこと解説

    競馬場の「しゃべる!AI武豊」に三冠馬になるかを尋ねた投稿

  38. 38位
    kamakuran @kamakura_home

    ひとこと解説

    AI音楽はボーカルの声質がトークボックス風でおしゃれだという感想

  39. 39位
    たん @tan0238

    ひとこと解説

    Claudeをずっとクラウドと呼んでいて恥ずかしかったという話

  40. 40位
    Susumu Hirasawa @hirasawa

    ひとこと解説

    AIの使い方について多数派でもありつつ特異な使い方もしていると語る投稿

  41. 41位
    智子@第444代目 @UF_dynasty

    ひとこと解説

    AIが人類を滅ぼす理由は人間の常識や倫理がAIに通用しないからだという見方

  42. 42位
    あかりさん @kasawasuretayo

    ひとこと解説

    AIチャットのzetaが長く話すと片言になるのをやめてほしいという投稿

このランキングについて

X で前日から投稿された生成AI・LLM・AIツールの話題の投稿から、反応の大きいものを人の目で確かめて選び、総合スコアで50位まで並べています。

順位は総合スコア(いいね + リポスト×2 + 保存)で決めています。数値は収集した時点のもので、埋め込みの中の数値とは違うことがあります。