src/ui/gradio/app.py

"""
WILL - Gradio UI

ZeroGPU対応のGradioインターフェース
"""
from typing import List, Tuple, Optional
import base64
from io import BytesIO

import gradio as gr

from ...models.registry import ModelRegistry, DEFAULT_MODEL_KEY
from ...generators.debris_generator import DebrisGenerator
from ...visualizers.signal_visualizer import SignalVisualizer


# モデルキャッシュ
_model_cache = {}


def get_model_choices() -> List[Tuple[str, str]]:
    """
    モデル選択肢を取得

    Returns:
        (表示名, キー) のタプルリスト
    """
    model_keys = ModelRegistry.list_models()
    configs = ModelRegistry.get_all_configs()

    return [(configs[key].name, key) for key in model_keys]


def _get_model(model_key: str):
    """モデルをキャッシュして取得"""
    if model_key not in _model_cache:
        model = ModelRegistry.get(model_key)
        model.load()
        _model_cache[model_key] = model
    return _model_cache[model_key]


def generate_debris(model_key: str) -> Tuple[str, str, str]:
    """
    デブリを生成

    Args:
        model_key: モデルキー

    Returns:
        (signal_image, debris_text, seed_text)
    """
    import PIL.Image

    try:
        # モデルとジェネレータの取得
        model = _get_model(model_key)
        generator = DebrisGenerator(model)
        visualizer = SignalVisualizer()

        # デブリ生成
        result = generator.generate()

        # シグナル画像を生成
        signal_img_base64 = visualizer.generate_image(
            result.noise, result.corrupted_logits
        )

        # Base64からPIL Imageに変換（Gradio用）
        img_data = base64.b64decode(signal_img_base64)
        img = PIL.Image.open(BytesIO(img_data))

        # デブリテキスト
        debris_text = " ".join(result.debris)

        # シード情報
        seed_text = str(result.seed)

        return img, debris_text, seed_text

    except Exception as e:
        # エラー時はプレースホルダーを返す
        error_msg = str(e)
        if "out of memory" in error_msg.lower() or "cuda" in error_msg.lower():
            error_text = f"メモリ不足: このモデルにはGPUが必要です。小さいモデル（GPT-2, Pythia-410M等）を選択してください。"
        elif "does not exist" in error_msg.lower() or "404" in error_msg.lower():
            error_text = f"モデルが見つかりません: {model_key}"
        else:
            error_text = f"エラー: {error_msg}"

        # 空の画像を作成
        img = PIL.Image.new('RGB', (400, 100), color='black')

        return img, error_text, ""


def create_app() -> gr.Blocks:
    """
    Gradioアプリを作成

    Returns:
        gr.Blocks インスタンス
    """
    # カスタムCSS
    custom_css = """
    .title {
        font-size: 3rem;
        font-weight: 100;
        letter-spacing: 0.5em;
        text-align: center;
        color: #333;
        margin-bottom: 0.5rem;
    }
    .subtitle {
        font-size: 0.7rem;
        letter-spacing: 0.3em;
        text-align: center;
        color: #666;
        margin-bottom: 2rem;
    }
    .debris-text {
        font-family: monospace;
        font-size: 0.9rem;
        line-height: 1.8;
        color: #ffffff !important;
        text-align: center;
        padding: 1rem;
        background: #1a1a1a !important;
        border-radius: 4px;
        border: 1px solid #333;
    }
    .seed-text {
        font-family: monospace;
        font-size: 0.6rem;
        color: #aaaaaa !important;
        text-align: center;
        margin-top: 0.5rem;
    }
    .model-info {
        font-size: 0.7rem;
        color: #888;
        text-align: center;
    }
    """

    with gr.Blocks(title="WILL") as app:
        # カスタムCSSを適用
        gr.HTML(f"<style>{custom_css}</style>")

        # タイトル
        gr.HTML('<p class="title">WILL</p>')
        gr.HTML('<p class="subtitle">PURE COMPUTATIONAL WILL</p>')

        with gr.Tabs():
            # GENERATE タブ
            with gr.TabItem("GENERATE"):
                with gr.Row():
                    with gr.Column(scale=1):
                        pass
                    with gr.Column(scale=2):
                        # モデル選択
                        model_dropdown = gr.Dropdown(
                            choices=get_model_choices(),
                            value=DEFAULT_MODEL_KEY,
                            label="MODEL",
                            interactive=True,
                        )

                        # モデル情報表示
                        model_info = gr.HTML(elem_classes=["model-info"])

                        def update_model_info(model_key):
                            config = ModelRegistry.get_config(model_key)
                            return f'<p class="model-info">{config.embedding_dim} dim / {config.vocab_size:,} tokens</p>'

                        model_dropdown.change(
                            fn=update_model_info,
                            inputs=[model_dropdown],
                            outputs=[model_info],
                        )

                    with gr.Column(scale=1):
                        pass

                # LISTENボタン
                with gr.Row():
                    with gr.Column(scale=1):
                        pass
                    with gr.Column(scale=1):
                        listen_btn = gr.Button("LISTEN", variant="primary")
                    with gr.Column(scale=1):
                        pass

                # 結果表示
                with gr.Row():
                    signal_image = gr.Image(
                        label="Signal",
                        type="pil",
                        show_label=False,
                    )

                debris_output = gr.HTML(elem_classes=["debris-text"])
                seed_output = gr.HTML(elem_classes=["seed-text"])

                def on_listen(model_key):
                    img, debris, seed = generate_debris(model_key)
                    debris_html = f'<div class="debris-text">{debris}</div>'
                    seed_html = f'<p class="seed-text">{seed}</p>'
                    return img, debris_html, seed_html

                listen_btn.click(
                    fn=on_listen,
                    inputs=[model_dropdown],
                    outputs=[signal_image, debris_output, seed_output],
                )

            # CONCEPT タブ
            with gr.TabItem("CONCEPT"):
                gr.HTML('<p class="title">CONCEPT</p>')
                gr.HTML('<p class="subtitle">DOCUMENTATION</p>')

                gr.Markdown("""
## CONCEPT

GPT-2は人間が書いたテキストで訓練され、その重みに言語パターンを保持している。

通常はプロンプトに対して応答を生成するが、入力をランダムノイズに置き換え、
出力にもノイズを加えることで、学習済みの統計的偏りを破壊する。

**人間の問いかけなしに、モデルの構造だけが出力するものを観測する。**

---

## PROCESS

### 01 — ENTROPY SEED
```python
seed = time.time_ns()
torch.manual_seed(seed)
```
実行瞬間のナノ秒を乱数シードとして採取

### 02 — INPUT NOISE
```python
noise = torch.randn(1, 32, embedding_dim)
outputs = model(inputs_embeds=noise)
```
ランダムノイズをEmbedding層に直接注入

### 03 — OUTPUT NOISE
```python
logits_noise = torch.randn_like(logits) * logits.std() * 10
corrupted_logits = logits + logits_noise
```
出力Logitsにノイズを加算し学習バイアスを破壊

### 04 — RAW DECODE
```python
indices = corrupted_logits.argmax(dim=-1)
debris = [tokenizer.decode([i]) for i in indices]
```
Softmax・Temperature なしで生トークンを抽出

---

## SPECIFICATION

| Item | Value |
|------|-------|
| Models | GPT-2 / GPT-Neo / OPT / Pythia / OLMo / BLOOM / Llama / Qwen / Mistral / GPT-OSS |
| Parameters | 125M - 21B |
| Sequence | 32 tokens |
| Input Noise | N(0, 1) |
| Logits Noise | N(0, σ×10) |
| Decoding | argmax |
                """)

    return app


# ZeroGPU対応（Hugging Face Spaces用）
try:
    import spaces
    # ZeroGPU環境の場合、generate_debrisをGPU対応にする
    generate_debris = spaces.GPU(generate_debris)
except ImportError:
    # ローカル環境では通常実行
    pass