DeepSeek-OCRを試す

$ git clone https://github.com/deepseek-ai/DeepSeek-OCR.git
$ cd DeepSeek-OCR
$ uv venv -p=3.12.9
$ uv pip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https://download.pytorch.org/whl/cu118
$ wget https://github.com/vllm-project/vllm/releases/download/v0.8.5/vllm-0.8.5+cu118-cp38-abi3-manylinux1_x86_64.whl
$ uv pip install vllm-0.8.5+cu118-cp38-abi3-manylinux1_x86_64.whl
$ uv pip install -r requirements.txt
$ uv pip install flash-attn==2.7.3 --no-build-isolation

$ cd DeepSeek-OCR-master/DeepSeek-OCR-hf
$ python run_dpsk_ocr.py 

8 # prompt = "<image>\nFree OCR. "
19 prompt = "<image>\n<|grounding|>Convert the document to markdown. "
20 image_file = 'paper.png' #ここを自分のファイルに変える
21 output_path = 'output'   #ここに出力したいディレクトリ名を指定する
22

## はじめに 


今日は皆さんに、僕たちが今まさに前進している、そして君たちがこれから作り上げていく未来について、少しだけ話し話をしようと思います。 


テーマは「知能と生命 メディアと未来」。なんだか難しそうに聞こえるかもしれないけど、心配しないでください。これは、君たちが毎日使っているスマートフォンやゲーム、SNS、そして君たち自身の「風説」と「心」に深く関 


わる、とてもイキイキイクイクな雰囲気が生まれる。 


今、世の中は「AI」、つまり人工知能の話題で持ちきりです。まるで魔法のように絵を描いたり、人間と会話したり、難しいプログラムを書いたりする 


AIは知能に近く、世界の中を描いています。 


人間と面談時のプログラムは19世紀の女性でした。エイダ・ラブレスとい 


う貴族の子女です。家族の話し合いがこの世に。 


たが、先生が一生懸りとなろうとこができませんでした。 


した。彼女は偶然知り合った発明家のバーバッジが 


開発したコンピュータのために、最初のプロジェクトを書き、とても得意だったと云われつきました。 


エイダは「コンピュータは手順さえ説明できればどんな能力もできる」ことを最初に示しました。この手は、100年後に出現することに 


なります。 


ところが、AIは知能と知識をより、手順を説明することになりました。人それぞれ手順は説明でき 


るものの、AIが実際にその中でどのように判断し 


ているかということはクラックネックスのままです。つまり、AIとコンピュー 


タは、言葉で表しているようで実際には知識関係なものなのです。 


このAIの登場によって、僕たち人類は、これまで当たり前だと思っていた 


「知能」とは何か、つまり「賢い」ってどういうことなのか、という問いを、もう一度組み合う考え具合だければならないとなりました。 


これまで「賢い」と言えば、テストで良い点を取ることや、たくさんの知識 


を見ていることでした。でも、そんなことはもうAIの方が得意です。だし 


たら、これからの時代、人間にとって本当に大切な「賢さ」とは何なのでしょ 


うか？ 


この問いに答えるためには、「知能」だけを見ていては不十分です。僕たち 


は「生命」そのものについて、そして人間の知能を表現し、伝えてきた「メディア」の歴史を考える、せたん数字を考える必要がある。 


この講義が終わる頃には、君たちが今学んでいることの意味や、これからど 


んな未来が待っているのか、そしてその未来の中で君たちがどんなヒーローや 


トロイシになれるのか、そのヒットが見つかっているはずです。さあ、一緒に 


未来を創るに行きましょう。 


## 第1章：生命のラジオと知能のはじまり 


## ——僕らはなぜ「考えているのか」 


## 人工知能と人工生命 


まず、僕の研究分野である「人工知能」と、そ 


の双子の兄弟のような「人工生命」の話から始め 


ましょう。 


「人工知能（AI）」は、一言で言えば「知能」 


ばいものを機械で作ろう！」という研究です。 


話や人間に勝つ人が、君たちも働いたことがある 


かもしれないChatGPTという、AIは通算 


たった一人（一体？）で非常に難しい問題を解く 


エリートです。 


一方、「人工生命（ALife）」は、「生命っぽいものを機械で作ろう！」と 


いう研究です。こちらはAIと違って、たくさんの人工生命をコンピューターの 


中にラビットやとを作り出します。時には数万株にもなります。そして、彼ら 


が現状でどう振る舞うか、まるで社会的なように進化していく様子を観察するん 


です。 


AIが一人の天才アスリートなら、人工生命は学び揚を目指す野球部全員、 


といった感じでしょうか。面白いのは、数が増えると、一体一体は解 


ルールで働いているだけなのに、全体としては予測できないような複雑な動 


き、つまり「社会性」のようなものが生まれてくることです。これを「創発」 


と言います。 


この二つの研究は、僕たちに根源的な問いを投げかけます。AIを研究すれば 


するほど「知能とは何か？」という様にぶつかり、人工生命を研究すれば 


するほど「生命とは何か？」という巨大な道に行き当たるのです。 


## 「生きている」って、どういうこと？ 


君たちは「生きる機構の話し合い？」と聞かれたら、どう考えますか？ 


が有名な無私の子「脳から内のきいたか？」 


人工生命の研究者の中には、「動いているものが生命だ」と考えた人たち 


がいます。この考え方だと、ロボットや自動車はもちろん、川の中やまちや橋 


にそだんで動くのは、互い関係で「命」を追うことができるようになり、川 


る大地。なんて言葉がありますが、あなたが詩的な表現だけではないのかも 


しません。 


でも、今ぴったり僕たちの実態として、犬や猫、自動車や川は根本的に「違 


う」と感じますよね。その「違い」の正体は何なのでしょうか。 


人工生命の研究者には、「自然生命と化学的環境でみる、人工生命は数学 


的な性質である」と考えます。君たちの生活を元気な状態で歩いていく、コ 


ビューターの中の人工生命は計算（数学）で動いている、ということです。 


でも、この「化学的機構」というのが、実はとんでもなく違いものだった
のです。 


## 量子力学と有限量子生命の秘密 


量子力学 


量子力学の研究の話をします。「量子力学」という言葉を聞いたこと 


があるでしょうか。すごくエクロな世界の、原子や電子の振る舞いを説明す 


る物理学です。この量子の世界は、僕たちの常識が全く適用しない、準則 


不足違な世界です。例えば、量子は使をすり抜けたり（トンネル効果）、違 


く離れた原子の量子と瞬間に物質をやり取りしたり（量子つくれ）します。まる

## はじめに 


今日は皆さんに、僕たちが今まさに直面している、そして君たちがこれから 作り上げていく未来について、少しだけ長い話をしようと思います。 


テーマは「知能と生命 メディアと未来」。なんだか難しそうに聞こえるか もしれないけど、心配しないでください。これは、君たちが毎日使っているス マートフォンやゲーム、SNS、そして君たち自身の「頭脳」と「心」に深く関 わる、とてもエキサイティングな冒険の話です。 


今、世の中は「AI」、つまり人工知能の話題で持ちきりです。まるで魔法 のように絵を描いたり、人間と会話したり、難しいプログラムを書いたりす るAIが登場して、世界中が驚いています。 


人類で最初のプログラマーは19世紀の女性でした。エイダ・ラプレスとい う貴族の子女です。彼女は詩人パイロンの娘でし 


たが、生涯で一度も父と会うことができませんで した。彼女は偶然知り合った発明家のバベッジが 開発したコンピュータのために、最初のプログラ ムを書き、とても重要なことに気がつきました。 


エイダは「コンピュータは手順さえ説明できれ ばどんな処理でもできる」ことを最初に予言しま した。この予言は、100年後には実現することに なります。 


ところが、AIが扱う問題の多くは、手順を説明 することができません。AIを作る手順は説明でき るものの、AIが実際にその中でどのように判断し 

![](images/0.jpg)




ているかということはブラックボックスのままです。つまり、AIとコンピュー タは、深く関係しているようで本質的には無関係なものなのです。 


このAIの登場によって、僕たち人類は、これまで当たり前だと思っていた 「知能」とは何か、つまり「賢い」ってどういうことなのか、という問いを、 もう一度根本から考え直さなければならなくなりました。 


これまで「賢い」と言えば、テストで良い点を取ることや、たくさんの知識

19 # TODO: change INPUT_PATH
20 # .pdf: run_dpsk_ocr_pdf.py; 
21 # .jpg, .png, .jpeg: run_dpsk_ocr_image.py; 
22 # Omnidocbench images path: run_dpsk_ocr_eval_batch.py
23
24 INPUT_PATH = 'book.pdf' 
25 OUTPUT_PATH = 'output'