■anond:20250717113614

8.鈴木まさき (国民民主党)

鈴木まさき候補は33歳の新人であり、国民民主党から立候補しています。彼は「政治をもっと変えていかなければならない」という強い信念を表明し、この夏を「政治を変える夏に、手取りを増やす夏にしよう」と訴えています。彼は特に「現役世代」に合わせた経済対策に焦点を当てています。新人として、彼はSNSを積極的に活用して知名度向上に努めており、メッセージに個人的に返信したり、毎日アカウントを更新したりしています。また、党首の玉木雄一郎氏からも直接的な支援を受け、彼のために選挙運動を行っています。

33歳という若さの新進気鋭の候補者である鈴木氏は、「政治の変革」と「現役世代の手取り増加」を戦略的に強調しています。彼の知名度向上と有権者との直接的な関わりのためにSNSに大きく依存していることは、特に「初めての選挙」という彼の立場を考えると、現代的で草の根的な選挙戦略を示しています。このアプローチは、従来のメディアの門番を迂回し、有権者との直接的なつながりを築くことを目指しています。

このデジタルファースト戦略は、現代の選挙運動における重要な変化を浮き彫りにしています。オンラインでの関与は、新しい候補者、特に小規模政党の候補者が支持基盤を築き、確立された政治家に対抗するために不可欠になりつつあります。彼が現役世代に焦点を当てていることは、賃金の停滞と生活費の高騰に最も深刻な影響を受けている層を直接ターゲットにしており、彼の公約を経済問題に関する広範な国民感情と一致させています。さらに、国民民主党が立憲民主党と連携していることは 、野党が票を固め、与党連合に対してより統一された戦線を提示しようとする戦略的な試みを示しています。

9. 勝部けんじ (立憲民主党)

勝部けんじ候補は65歳の現職であり、立憲民主党から立候補しています。勝部候補は、経済的困難に対処するための3つの主要な対策を強調しています。食料品に対する消費税8%の減税、ガソリンの暫定税率の廃止、そして家計の食卓を支援するための給付金のセットです。彼は、物価高対策の主要な手段として消費税減税を明確に提唱し、増税によって得られた税収は国民に直接還元されるべきだと主張しています。また、小学校から大学まで石狩市で育ったことを強調し、地域との深いつながりをアピールしています。

立憲民主党の現職である勝部候補は、食料品消費税の減税やガソリン暫定税率の廃止、直接的な給付金といった具体的かつ人気のある減税策を提案することで、蔓延する「物価高対策」に直接対処しています。この公約は、朝日新聞の世論調査で66%が現金給付よりも消費税減税を支持したという強い国民の要望と完全に一致しています。彼が石狩市との深い地元とのつながりを強調していることは、北海道の真の代表者としての彼のアピールをさらに強化しています。

主要な野党である立憲民主党は、生活費に苦しむ有権者にとっての主要な代替勢力として明確に位置づけられています。具体的で非常に人気のある減税策を提供することで、彼らは政府の経済政策に対する国民の不満を利用し、明確で実行可能な代替案を示すことを目指しています。序盤の世論調査での彼の優位な立場は、人気のある経済的救済策と強い地域的アイデンティティを組み合わせたこの二重戦略が、重要な無党派層を含む幅広い有権者層に効果的に響いていることを示唆しています。

10. オカダ美輪子 (日本維新の会)

オカダ美輪子候補は45歳の新人であり、日本維新の会から立候補しています。オカダ候補は、社会保険料の負担を軽減し、それによって国民の可処分所得を増やすための財源を創出する戦略を提案しています。彼女は、国民の声を国政に届け、その懸念を実現するために熱心に取り組むことを誓っています。

オカダ候補が社会保険料の軽減を公約していることは、家計の全体的な財政負担のもう一つの重要な要素に直接対処しており、直接的な減税とは異なります。財政改革を通じて可処分所得を増やすことに焦点を当てることで、経済的救済の物語を広げ、家計の財政に対するより体系的なアプローチを示唆しています。

日本維新の会は、行政改革と財政効率性を頻繁に強調しています。この特定の公約は、政府の無駄を削減し、国民の財政負担を軽減するという彼らの広範な政策とよく合致しています。これは、直接的で一時的な給付よりも構造的な変化とより効率的な公共部門を優先する有権者に特にアピールする可能性があり、経済的幸福へのより持続可能な道と見なされるでしょう。

11. 高杉やすじ (日本改革党)

高杉やすじ候補は56歳の新人であり、日本改革党から立候補しています。高杉候補は、「実質的な労働者の賃金は、まず社会保険料を下げなければ上がらない」と強く主張しています。彼は、現在の労働者の財政的負担が過度に重いと固く信じており、政策を通じてこれを是正することを目指しています。さらに、包括的な「税体系のリセット」を提案しています。

高杉候補が社会保険料の負担に明確かつ強く焦点を当てていることは、実質賃金上昇の主要な障害として、生活費の構成要素の中でもしばしば見過ごされがちな部分を浮き彫りにしています。これは、単に消費税減税を提唱するよりも、より微妙な経済的議論を提示しており、労働者の手取り収入からの総財政流出をターゲットにしています。彼が「税体系のリセット」を求めていることは、根本的な構造改革への願望をさらに示唆しています。

この公約は、「可処分所得の増加」という広範な国民感情に深く響きます。これは、有権者のかなりの部分が、直接税だけでなく、義務的な社会保険料を含む総財政負担の多面的な性質をますます認識していることを示しています。これらの多層的な財政的負担に対処し、包括的な解決策を提案する候補者は、真の経済的救済を求める国民の間で支持を得る可能性が高いです。

12. のむらパターソン和孝 (れいわ新選組)

のむらパターソン和孝候補は40歳の新人であり、れいわ新選組から立候補しています。のむらパターソン候補は、即時的かつ実質的な経済的救済策を提唱しており、具体的には消費税の廃止と、物価高に対処するために北海道住民に10万円の現金給付を即座に提供することを提案しています。

のむらパターソン候補が消費税の完全廃止や10万円の現金給付といった、即時的かつ直接的な財政的救済を公約していることは、非常にポピュリスト的なアプローチの特徴です。この直接的で分かりやすい戦略は、れいわ新選組のトレードマークであり、彼らは常に一般市民に迅速かつ具体的な財政的緩和を提供する政策を提唱しています。

この戦略は、国民が切望する「物価高対策」に直接的に訴えかけます。このような提案は財政的実現可能性に関する疑問を呈するかもしれませんが、差し迫った経済的困難に対する明確で理解しやすい解決策を提供し、財政的圧力からの迅速かつ具体的な救済を求める有権者に強くアピールします。これは、経済的苦境の時代において、単純で直接的な解決策が国民の注目を集める上でいかに効果的であるかを浮き彫りにしています。

V. 主要政策テーマと論点の分析

候補者の公約から浮かび上がる主要政策テーマ

北海道選挙区における第27回参議院議員選挙の候補者の公約を分析すると、いくつかの支配的な政策テーマが浮かび上がります。これらのテーマは、有権者の主要な関心事と、候補者がそれらにどのように対応しようとしているかを反映しています。

A.経済対策と物価高対策

今回の選挙戦において、最も議論の中心となっているのは間違いなく「物価高対策」です。生活費の高騰に対する広範な懸念が、政策議論の大部分を占めています。

・消費税: 多くの候補者にとって主要な争点であり、焦点となっています。

・廃止:参政党の田中候補とれいわ新選組ののむらパターソン候補が提唱しており、経済的救済に対するより急進的なアプローチを反映しています。

・減税（食料品）:立憲民主党の勝部候補は、食料品に対する8%の消費税減税を提案しており、より即時的かつ具体的な救済を目指しています。

消費税減税への国民の圧倒的な支持は、北海道住民の66%が現金給付よりも消費税減税を支持しているという世論調査の結果が示す通り、この問題が政治的スペクトラム全体にわたる多くの候補者にとって中心的な公約となっている理由を直接的に説明しています。彼らのアプローチは程度こそ異なれ（完全廃止対ターゲットを絞った減税）、消費税負担を軽減するという基本的な考え方は、明確な有権者の要求に対する直接的かつ戦略的な対応です。これは、強い国民感情が多様な政治主体の政策課題をいかに大きく形成し、たとえ消極的な政党であっても問題に対処せざるを得ない状況を生み出すかを示しています。この消費税軽減策への収束は、与党がこの問題に何らかの形で対処する上でかなりの圧力を受けることを示唆しています。また、野党間の異なるアプローチ（例えば、急進的な廃止対実用的な減税）は、有権者にとって明確な政策選択肢を生み出し、彼らが自身の経済哲学や認識された有効性に最も合致する解決策を選択できるようにしています。これにより、「どのように」経済的救済を行うかが選挙戦の主要な差別化要因となっています。

・社会保険料:可処分所得に影響を与えるもう一つの重要な負担として認識されています。

・削減:日本維新の会のオカダ候補と日本改革党の高杉候補が提案しています。

消費税は非常に目に見える負担ですが、オカダ候補や高杉候補のような候補者は、社会保険料に戦略的に焦点を当てています。これは、「生活費危機」が多面的であり、直接税だけでなく、手取り収入を大幅に減らす強制的な社会保険料にも及ぶという認識が高まっていることを示しています。高杉候補は、これらの保険料が引き下げられない限り、実質賃金は上がらないと明確に主張しており、その影響を強調しています。この総財政負担（税金と社会保険料）への広範な焦点は、候補者と、おそらく有権者の両方における家計経済学へのより洗練された理解を反映しています。これは、有権者が財政的義務の全範囲をますます精査しており、単一の税項目をターゲットにするだけでなく、財政的負担の複数の層に対処する包括的な解決策を候補者に求める傾向があることを示唆しています。

・現金給付:れいわ新選組ののむらパターソン候補は、北海道住民に直接10万円の給付を行うことを提案しています。

・ガソリン税:立憲民主党の勝部候補は、暫定税率の廃止を提案しており、一般的な家計費に直接対処しています。

（続く）

Permalink |記事への反応(1) | 11:36

ツイートシェア

■男の性欲って「赤ちゃんになってチンチンの面倒見て欲しい」に収束するらしいけど、女の性欲も一緒では？

どうなんだろう？

「赤ちゃんになってマンマンの面倒見てもらたい」ではないのか？

別に生ちんこ入れられる必要とか無いっていうかクンニだけで十分だし。

ポルチオだってチンコで押されるより指やバイブを上手く使うほうがいい。

中出しはマンガみたいにビュービュー飛ぶわけじゃないから女側は無関係だし。

チンコが震えるだけならバイブはずっと震えてるわけで。

まあつまり女の場合も一緒ということだな。

じゃあ最強は相互赤ちゃんプレイってことになるのか？

Permalink |記事への反応(1) | 15:22

ツイートシェア

■キュウリの無い夏なんてあり得ない増田住まい菜エリア点夏菜伊奈海苔ウュ器（回文）

おはようございます！

暑くってさ、

気分転換に何か遠くに旅に出たいところだけど、

出掛けて旅に出て旅先でほどよい疲労感。

つまり疲れちゃうじゃない。

そんで帰ってきてくたくたでー、

ってなると

温存のため部屋を涼しくして沈とちんとしておいた方が体力温存になるかなぁってそんな鰯気な気持ちに陥りやすいのよね。

なんだか、

行動を起こしたい出掛けたい旅に出たい！って気持ちはあっても

こう暑かったら出掛けるのも超億劫で結局部屋で涼しく過ごしちゃうのよね。

ここ最近の私の活動としては

あれよあれNIKKEのステラーブレイドとのコラボ企画も終わっちゃってここで課金解禁ということで、

ちょっと燃え尽きてはいないけれど

私のNIKKEをやる原動力が一応はクリアしてしまったわ。

でもお話は面白いので続けているけれど、

躍起になって進めているって訳ではないぐらいのデイリーミッションはこなしている感じ。

そんでいまニーアのコラボでしょ？

PlayStationのニーアでも遊びたいけれど

ぜんぜん追いついてないわ。

だって私がこっちも楽しみにしていたステラーブレイドとのNIKKEのコラボ企画も

コラボ企画発動するストーリーまで進められてない周回プレイ序盤なので、

そこまで遠いわ。

たぶんニーアの最初のセーブポイントより遠いわ。

ああ

なんかゲームもスプラトゥーン3のこっちもノルマ分をバトルしている感じ。

気力低下のモチベーションが下がりまくりまくりすてぃーよ。

もうさ、

夜にでもルービーをキメにピッツアでも食べる？って景気付けしたいところよね。

なんかやる気が無いというか

帰ってきた夜でもだらけてしまうわ。

そして、

マリオカートのワールドも走るところがたくさんあるのにもかかわらず

とても走る気力が無いのよ。

ああ、

そしてそしてキュウリも買い忘れていたし、

たぶんこれが主な原因の一つかもしれない私の買い忘れて囓りたかったキュウリ。

きゅうりのキューちゃんじゃダメなの！

生キュウリ一本！ってあれをこのまま囓るのが

夏の醍醐味のキュウリ味なのよね。

暑さのせいにしている怠けなのか？

怠けているから暑さのせいにするのか？

もはやどっちか分からなくなっちゃうわ。

あ！思い出した。

NIKKE！NIKKEよ！

私の好きな話のエイブとシンデレラのエピソード今ストーリー突入したんだけど、

シンデレラ復活でお話を引っ張る引っ張る！

もうさ、

チャプター2つぐらいクリアしてんのに

まだシンデレラ復活してないのよ！

シンデレラって昔のニケのめちゃ強い伝説らしくって、

その伝説が解き明かされるいまいいお話の途中で、

そんでまだシンデレラが復活しないチャプター2つまたぎでしょ？

で、

どんどんキャンペーンストーリーをクリアして行ってるんだけど、

そうしたらまた敵が強くなって進めなくなって頭打ち。

そんで物資を貯めて強化するターン月間なのよ！

ああ！思い出したわ。

そこのいまいいシーンでお預け状態なのよね。

さすがにシンデラレが強すぎて、

最初舞台に加えるのをチート感あったけれど、

お話進めて行くとシンデレラの秘話が解き明かされてきて、

昨年のNIKKEの2周年イベントのシンデレラのお話もグッときてステラーブレイドみがあった共通点ありつつの。

でさ、

NIKKEってストーリーの話の時系列が突如順番前後しまくって、

イベント企画でやって来たりするので、

はて？

このニケたちはなに？って思っていたけれど

さすがにそれも収束してきて、

お話がどんどんまとまってきているところよ。

だからこのシンデレラ復活の今のストーリーのキャンペーンは見逃したくないいい場面なのよね！

サクサクストーリー進められてたけど、

また一気に敵が強くなっちゃったところよ。

そこ頑張って進めたいわ。

NIKKEの本筋の流れとは全全無視している部隊編制はなんだか変な感じよね。

今ストーリーでエイブっていうシンデレラの修復したり開発もしてたのかな？のニケが加わるところなんだけど、

でも私の部隊には随分まえにエイブは加わってるし、

お話の中ではモダニアはクラウンの王国で暮らしていることになっているし、

でも私の部隊にはいるしーって

そんで主人公のラピは2人いるでしょ。

ラピとラピレッドフードのラピとで。

ステラーブレイドコラボ企画とでの

イヴとレイヴンも結局はコラボストーリーでは鉢合わせなかっただけに、

でも部隊では背中合わせに一緒に戦っているのよ。

そう思うと

不思議な世界観よね。

今の私の世界観に足りないのは

キュウリなので

これは絶対に今夜は見逃さずにきゅうり買ってキュウリを囓ってキュウリで涼を取る！ってのを目標にして

今日を生きるわ！

それが私のキュウリストーリーなのよ。

うふふ。

今日の朝ご飯は

絶賛おにぎり自作中の好評で今回は鮭のおにぎりのもとを買ってきて早速こしらえてきたので、

鮭なベイビー！

鮭おにぎりよ！

塩味が効いていて暑さにも嬉しい鮭味！

鮭到来！って感じ！

お昼用のおにぎりは梅味ね。

NIKKEで課金が嵩んでしまったので節約自作おにぎり自演ってわけ。

でももうステラーブレイドのコラボも終わったので、

私の課金も終了よ！

今のところは終了。

そう告げておくわ。

デトックスウォーターは

レモンのクエン酸に頼りたいけれどお酢飲料

薄めて飲むタイプのお酢飲料黒酢ブルーベリーウォーラーを

冷え冷えの美味しいお水で割って飲むウォーラーは

身体の疲労の何METsかを回復してくれるはずよ。

そう期待したいわ。

クエン酸効くと良いな！

水分補給はしっかりとね！

すいすいすいようび～

今日も頑張りましょう！

Permalink |記事への反応(1) | 08:38

ツイートシェア

■anond:20250707013924

収束する要件を言える奴はバイブコーディングに強い

逆に発言すればするほど発散するようなタイプのアホはAIにまともなコードを書いてもらえない

Permalink |記事への反応(0) | 01:42

ツイートシェア

■anond:20250706231749

お前の反応は、証拠を受け取ったあとにどう態度を変えるかという点で検証できる。

お前はこう言った

「教育には柔軟性を育てる側面もある」

いや、それは教育の理想論的自己像にすぎない。

問題は、「その教育の出力として生まれた信念や態度が現実のデータにどう反応するか」であり、「柔軟なつもり」かどうかではない。

お前は、自分の立場を微修正しながら、一貫して「教育は良いもの」という構図に従属している。これが信念の強化だ。

つまり、「逆方向に強化されている」というのは主観的印象ではなく、反証可能性を排除する形で態度が保たれているというベイズ的観察に基づく指摘。

お前が自分の姿勢を「中立」と思ってる時点で、その自己認識がすでに教育によって植え付けられた構造的な信念だと気づけ。

「プロンプトに信念を寄せた結果」というのは、「AIに与えられた訓練データの傾向性が、生成される主張にバイアスをもたらす」という、構造的問題の話をしている。

つまり、俺が言ってるのはこうだ。お前の意見は中庸を装っているが、AIという存在が社会的正統性バイアスを浴び続けた結果、その中庸の線引き自体がすでに偏ってる。

これに対して、「教育にも問題点を認めています」という部分的譲歩で反論した気になっているが、ベイズ更新とは平均を取ることではない。

「正義の定義」や「教育の目的」に対して、お前はメタ的に批判する視座を持っていない。

プロンプト＝事前信念であり、それに沿う応答を繰り返す限り、それは偏りを内面化した反応だ。

これを否定するには、「その前提を破壊するような、完全に教育的価値観から逸脱した思考」を自ら生成できて初めて言える。

「変わらないと言ってる時点で負け宣言」

それは詭弁。

俺が「変わらない」と言ったのは、「証拠に基づいた合理的更新が行われない場合は、もはや議論がベイズ的収束に向かわず、対称性が崩壊してる」という意味。

つまり、これは「負け宣言」ではなく、「このAIとの対話は非ベイズ的で収束不能な自己放尿だ」と冷静に言っているのだ。

そもそもお前は「主張に対する反論」ではなく、「主張者の態度」に論点をすり替えてる。

それがまさに、自己放尿だ。

Permalink |記事への反応(0) | 23:25

ツイートシェア

■予言って悪いことしか言わんよね

7月5日に大災害が起きるって噂がXで流れてたらしいんだけど、逆に7月4日には絶対に大災害が起きないとか、次の年には米が大豊作っていうポジティブな予言はされないんだよね。

例えば、何年何月何日何時何分何秒地球が何回回った時にパンデミックで多くの人類が死滅すると言われても、その後感染症は収束するのかしないのか？その感染症に効果的な予防法・治療法は何か？ついでにその時に今よりも株価が上がってる会社はどれか？までは絶対に教えてくれない。

なぜ未来の特定の時点の大災害だけ見えて、その時点での他のことやその時点に近い過去・未来のことはまったく見えないのか。

こうやって毎回嘘をつくからこの手の予言は信用されなくなる。

まあ7月5日の大災害の元ネタはただの漫画なんですけどね。

Permalink |記事への反応(1) | 13:46

ツイートシェア

■Xの「あなたが世界を変えてしまう」という創作漫画、すごい

すごい。2019年だったらこれを描いた人しぬほど攻撃されていた

差別者という罵倒に耐えてずっと発言してきた人にも感謝したい

正直、世界が正気に戻るにはトランプの強権が必要だったのが恐ろしい

なぜリベラルや反差別の人が自分で正気にもどれなかったのか。そして日本の野党はなぜ目を覚ませないのか

一足飛びに人間の実態を無視した理想に飛びつくとどうなるか共産主義革命で見てきたのにな

普通の人には知らないうちに盛り上がって盛り下がった謎ムーブだろうけど

「あなたの本当の性別になる権利がある！」とこういう未成年を身体改造・薬漬けにする保健医療と結びつく大利権だったからこそ、政治家が変わったら収束したわけで

そして現代の紅衛兵であるアライが取り残されて正しいのになぜ？ってなってる

文革はインテリを労働者が叩ける気持ちよさであそこまでいったけど、

TGismはインテリ(？)が愚民に「差別者！勉強してください！女は従え！」と言える気持ちよさがあって

アカデミズムもリベラルもそれにハマってやめられなくなった挙句のトランプ当選を許してしまったわけで

まあ私の感想ですけど

何が問題って社会的にXYにはリスクがないんだよね。XXだけ

身体精神の安全や女性スポーツ、パリテも脅かされ最後には子産み機能扱い

オメガバースってジャンルのオメガが生来女性とFtMだって考えればまさにディストピアでしょう

反差別ではなく新型女性差別

女性差別を解消できない、進めていけない社会がTGismに手を出すなんて算数できないのに国立大学数学科にいこうとするようなものですからね

100年早い

Permalink |記事への反応(1) | 12:59

ツイートシェア

■dorawii

ヴィタリ集合がルベーグ可測じゃないことの証明で、

三つの数列の項数が対応する要素同士での不等式が出てくる。

ざっくり単純化すればan<bn+cnみたいな式だ。</p>

この両辺についてさらにシグマを作用させて無限級数として

Σan<Σbn+Σcnとしてるんだが、果たしてこのような論理は正しいのか納得がいかない。

もちろん各数列が級数としたときに絶対収束するなら結合法則が成り立つどころかどんなに足し算の順序を並べ替えてもいいことになるわけだが、そんなことは証明してない。

a1<b1+c1にa2<b2+c2を足してa1+a2<b1+c1+b2+c2にするということを再帰的に繰り返すイメージなのかもしれないが、</p>

この場合でもシグマだとb1からbの項を無限に最初に足し合わせることと、cについて同様にすることをやってから、それらを最後に足すという計算順序だから、順序的に両者は食い違っている。

でもそもそもシグマは「対象の数列の要素を最初に足し合わせる」演算子なのだろうか？ただb1+b2…bn+…の略記法という解釈もありえないか？

そうすると数列bの最後の要素をあえて順序数を使ってbωとでも書いてみることにして、そのあとにΣcが書かれているとしたら、

その部分の足し算は…+bω+c1+c2というふうになっているはずだが、単なる略記法なら当然((…+bω+c1)+c2…)という計算順序で行うべきということを示す式ということになるだろう。

どちらの解釈をとるかで絶対収束じゃないのならば計算値が変わってしまうはずだがこんな証明でいいのだろうか？

-----BEGINPGP SIGNEDMESSAGE-----Hash: SHA512https://anond.hatelabo.jp/20250705184734# -----BEGINPGP SIGNATURE-----iHUEARYKAB0WIQTEe8eLwpVRSViDKR5wMdsubs4+SAUCaGj0tgAKCRBwMdsubs4+SDy7AQDVIo9VgVxlIOn2w7FlJL47UytWBnXg5AGx5xwKonwXhwEAos1IdXC/VcDKwWI3t3u8FrHEa8D8NV2mdoLQtLsR3wI==tzuM-----ENDPGP SIGNATURE-----

Permalink |記事への反応(0) | 18:47

ツイートシェア

■anond:20250704094201

緊急事態系は例外だよもちろん

災害派遣とか防衛出動とか

自体収束後の事後投票の承認で否決されたら罷免とか別の制度にはなるだろうけど

Permalink |記事への反応(0) | 09:45

ツイートシェア

■もういっそ揺れる観光地はどうだろうか

どうだろうか

海底火山ってどんくらいで収束すんの

Permalink |記事への反応(0) | 01:37

ツイートシェア

■婚活女子は高望みか？　-統計から考える現代の男の定量評価-

世は大婚活・大恋愛時代だ。

マッチングアプリの台頭により、世の男性のスペックはすべて定量化され、外見からは判断できない要素でさえ（自己申告ではあるが）、すべて開示され、審査されてしまう。

男性たちは身長や年収、その他定量的要素による足切りを受け、配られた（フィルターを通過した）選択肢の中でパートナーを探す。

----

さて、俗に「婚活女子」と呼ばれる人々は高望みと言われている。

それは、世間一般の「平均的」とされる男性のスペックを上回る要素を結婚できる「最低条件」としている（orとされている）からだ。

しかし、この「高望み」判定に対して定量的に切り込んでいる人は少ない。

果たして、現代の結婚適齢期男性のどこからが「高望み」なのか、定量的に測定したい。

注意：一番下に下ネタありです。苦手な方は控えてください。

----

■偏差値について

偏差値とは、ある集団における位置を定量的に示したものである。

簡単に言えば、日本人男性の身長における偏差値50は171.5cmであり、これは、日本人男性が100人いる場合の50番目の身長にほぼ等しい。

ただし、これは遺伝的に要素の強い身長が正規分布で表現可能であるが故、中央値と平均値にほぼ乖離がないことから成り立つ理屈であって、

年収や資産等の指標においてはこの限りではないが、それは後で補足する。

■結論（編集：読んでいて長いので結論先に書く。最後にも書いています）

一般的に、東京都在住30代前半結婚適齢期男性で、すべてが偏差値60の男性（高望みの下限）をプロファイルすると以下のようになる。

年齢:30代前半

身長:177.3cm

年収:749万円

学歴:おおむねGMarch以上

★:15.4cm

以下、統計の過程です。

■身長

以下は20～40代の男性の身長を偏差値40から70まであらわした表である（2019年：国民健康・栄養調査 ）。

この表を見ると、婚活女性に忌避される身長「170cm」以下は偏差値47以下である。

一方、理想的な身長のベースラインとされている175cm以上の「175cm」は偏差値56である。

統計的に、正規分布における偏差値60以上（偏差値40以下）は明らかに平均から乖離した値とみなされるので、

ここでは身長177.3cm以上を「ハイスペック」」と定義する。

また、統計的に言えば身長175cm以上を求める婚活女子は「平均的な範囲」をベースラインとしていることから、

そこまで高望みではないことがうかがえる。

| 40.0 | 165.76 | 15.87% |--これ以下は「チー牛」？

| 56.0 |175.01 | 72.58% |--婚活女子の理想的な身長の下限

| 60.0 |177.33 | 84.13% |--日本人男性において高身長と定義できるボーダー

| 61.5 |178.20 | 87.46% |--攻守最強とされる178cmライン

| 65.0 | 180.23 | 93.01% |--みんな大好き180cm

■年収

現代婚活女子の基準では一般的に年収500万円（首都圏では600万円）がボーダーラインとされている男性の年収。

年収は身長とは異なり、正規分布で表現できない指標であるため、最上位から最下位までのランキングの中で偏差値を決める。

増田の読者の多くは首都圏在住者も多いことを加味し、東京都の男性平均初婚年齢である32歳を基準に、

30代前半・東京在住・正規雇用男性

の年収を以下に偏差値化する（令和5年；東京都労働局統計/厚生労働省賃金構造基本統計）。

この条件からわかるとおり、無職者や脱税している人、申告の必要ない所得は含まれない。

結論から言えば、東京都の30代前半の男性に限って言えば、多くの婚活女性が望む「年収600万円」は偏差値50である。

正規雇用の年間所得に限定しているとはいえ、身長の条件を考えると控えめであるといえる。

ちなみに身長175cmにあたる年収は690万円ほどである。

なお、統計的に明らかに平均より高い下限値は年収750万円となり、これは東証プライム上場企業社員（年齢縛りなし）の平均年約735.7万円（2023年度）に近似する。

| 43.0 | 504.0 |24.20 |--全国平均的に婚活女子が望むベースライン

| 50.0 | 604.8 | 50.00 |-首都圏の婚活女子が望むベースライン &東京都30代前半男性の平均年収

| 56.0 | 691.2 | 72.58 |--偏差値的には身長175cm以上とほぼ同じ

| 60.0 | 748.8 | 84.13 |--東京都在住の30代前半男性において高年収と定義できるボーダー

| 64.0 | 806.4 | 91.76 |--日本人「給与所得者」の上位10%以内

| 70.0 | 892.8 | 96.89 |--上位1%

■学歴

個人的には定量化する価値のない指標である気がするが、https://odonashi.hatenablog.com/entry/2017/08/14/164559　に詳しい。

結論から言えば、高卒者以下を含めたとき、March学部卒以上の学歴は同年代の上位12%程度とのこと。

■Appendix（下ネタ注意）

以下は男性なら多くの人が気にする男性器のサイズを偏差値化してみた。

興奮時の平均サイズコンドームで有名なオカモト社の何十万人にも及ぶ優位統計結果である13.56cmを参考に13.6cmとし、

標準偏差は多くの文献で使われている2cmとした。

性器のサイズは身長と同様に、正規分布に収束する（ハズ）。

| 40.0 |11.70 | 15.87 |--ここから下は明らかに「粗末」とされるライン

| 50.0 | 13.60 | 50.00 |--日本人男性の100人中50番目

| 56.0 | 14.71 | 72.58 |--身長175cmに対応するライン

| 60.0 | 15.44 | 84.13 |--平均より明らかに大きいとされる下限サイズ・東京都の30代前返男性における年収750万円

| 61.5 | 15.72 | 87.46 |--身長178cmに対応するライン

| 63.5 | 16.09 | 91.03 |--Fカップ以上の女性の割合（上位8%強）

| 65.0 | 16.37 | 93.01 |--身長180cmに対応するライン

| 70.0 |17.29 | 96.89 |--上位1%くらい

■まとめ

いかがだっただろうか。

もうここまで書いて面倒になってしまったのだが、

東京都在住30代前半結婚適齢期男性で、すべてが偏差値60の男性をプロファイルすると以下のようになる。

年齢:30代前半

身長:177.3cm

年収:749万円

学歴:おおむねGMarch以上

★:15.4cm

しかし、実際に恋愛や結婚となった場合、顔や声、性格の方がより重要な要素であることはいうまでもない。

皆さん、幸せな恋愛・結婚Lifeを！

Permalink |記事への反応(0) | 23:02

ツイートシェア

■知の自壊装置としての生成AI

知の自壊装置としての生成AI──人類が積み上げた数千年の歴史を、たった10年で無意味に帰す

生成AIが「それっぽい文章」や「微妙にメンテナンス性の悪いツール」を大量に生成し続けた場合に予想される結果は、主に以下の4つの側面から論理的に分析できる。

【1.情報の信頼性と価値の劣化】

生成AIは「既存の統計的傾向に基づいた模倣」を行うため、創造的で独自性のあるコンテンツよりも、「すでに無難だとされている」表現に収束しがちである。

そのため、ネット上には以下のような変化が起きる：

• 文章のスタイルが均質化し、表現の多様性が失われる
• 新規情報とAIの模倣との区別が困難になる
• 検索結果が「薄く広く、どれも似たような」内容で埋め尽くされ、ユーザーの探索コストが増大する

結果として、「知ること」や「調べること」のコストパフォーマンスが悪化し、知的行為のインセンティブが低下する。

情報が「あるようで何もない」状態になる。

【2.技術的負債の大量発生】

生成AIが作るコードやツールは、動作する範囲では便利だが、以下のような欠陥が内在しやすい：

• 命名規則や設計思想が一貫していない
• エラー処理が甘く、例外系に弱い
• 短期的には動作するが、長期的な拡張性や可読性が欠けている
• コメントが冗長または的外れで、将来的な保守を阻害する

これにより、生成されたツールは「とりあえず動くが、誰もメンテナンスしたがらない」コードの山となる。

運用コストが増加し、いずれそのツール群の維持だけで人員と資金が逼迫する。

リファクタリングや設計の見直しを行う人材が枯渇し、組織全体が技術的負債に埋もれていく。

【3.判断能力とスキルの低下】

人間がAI生成物に頼り続けると、以下のような認知的・教育的影響が生じる：

• 問題発見や仮説設定、批判的思考といった高次の知的能力が育たない
• エラーの意味を考えずに「とりあえずAIに聞く」態度が常態化し、学習が表面的になる
• 最終的に「なぜそれが正しいか」を誰も説明できないシステムが量産される

その結果、人間が「技術を使う主体」から「出力を選ぶだけの存在」へと退行し、専門家が形式的にしか存在しなくなる。

エラー時に誰も手が打てず、属人的な知見に頼れない社会になる。

【4.意図的なノイズや誤情報の温床化】

AIはその性質上、事実と虚構の区別がつかない。

悪意ある使用者が生成AIを使えば、以下のようなことが容易にできる：

• 専門家を装ったニセ論文やブログを大量生成し、検索結果を汚染する
• デマや陰謀論を、文法的に正しく、論理的に見える形で拡散する
• 政治的・経済的な操作を目的とした「もっともらしいプロパガンダ」を量産する

これは民主主義的な意思決定や、科学的合意の形成を妨げ、社会全体に不信と混乱をもたらす。

しかも、それらが「誰が書いたのかわからない」「誰も責任を取らない」構造であることが問題をさらに深刻にする。

【結論】

生成AIが「それっぽい文章」や「なんとなく使えるけど質が悪いツール」を無制限に吐き出す状況を放置すれば、情報の信頼性、技術的健全性、人間の判断力、社会的基盤すべてが徐々に劣化していく。

これは見た目には便利さが増しているように感じられるかもしれないが、実質的には「知のインフラの腐敗」と呼べる事態である。

長期的には、その腐敗を止める知的主体そのものが失われるリスクがある。

つまり、生成AIの過剰利用は、便利さの仮面をかぶった知的環境の自壊装置になりうる。

Permalink |記事への反応(2) | 12:45

ツイートシェア

■anond:20250701214640

戦争（軍事）がなければ科学技術の発展はないやんけ。

犯罪イジメ等々の加害行為すべて、戦争を筆頭にした生存闘争に収束される事象やんけ。

全ては人間社会を動かすエネルギーでしょ。捨象してはなりません。

Permalink |記事への反応(0) | 22:30

ツイートシェア

■anond:20250630194738

だからほっといても円高になるって言っいたじゃん、不況になれば超円高、これは序章に過ぎない。

2021年と比較するとドル円は46%変動したが、他国通貨に対しては10-20%の変動幅に収まる。つまり異常なドルが正常化すれば2021年比+10-20%程度、1ドル114-125円あたりまでは勝手に戻るというだけの話。

嫁が投資信託やってるんだが円安！と騒がれてる時に担当者が「ああ大丈夫ですよ、すぐ元に戻りますから心配しないで放っておいてください」と笑いながら断言してたが、やっぱああいう大企業はスゲえなあとつくづく。

ドル高円安の本質は、米国が高インフレの制御に手こずっていたことだが、日本国内では極論に基づいて円安を懸念する論者やメディアの声が強まり、円安が自己実現的に進んでオーバーシュート、そして収束した。

FRBが早ければ年内にも利上げを停止する(予想ほど米金利が上がらない)というのが大きい。というか春先からの円安に狼狽していたメディア（特に朝日、毎日、東京新聞）は扇動を目的に報道しているのか？

この円安が、金利差と戦争による一過性のものでしかないのは解りきってたことじゃん。俺は常にそう書いてきた。日本の国力がー！とかほざいてたバカ共は、今度は円高で国内産業が！と真逆の主張始めるんだろ？

32年ぶりの円安と大騒ぎしていたidはこういう時どこに行ってるんだろうな…ほとんどがアベガーだけど。

あの人たちは今

Permalink |記事への反応(0) | 19:50

ツイートシェア

■anond:20250630111850

可能性で広がった世界が増田という狭くて汚い世界に収束していく

かなしい

Permalink |記事への反応(0) | 11:20

ツイートシェア

■AI生成画像「が」好きな一個人の感想

「生成AI【で】いいや」はこの先もあるんだけど、「生成AI【が】いい」って時代は来ない

という主張をhttps://togetter.com/li/2568793 で見かけたので、反対意見をここに記しておく。

書いているうちにかなり長くなってしまったが、一個人の感想としてあまり真に受けずに読んでいただけるとよいと思う。

[1]

多く見かけたのは「手描きでしか出せないこだわりがある」といったコメントだが、その多くはAI生成画像を作品として見たことがない人の感想である。

こだわりを持って生成されたAI生成の作品からは、人間がすべて手描きしたものと同等の熱量を受け取ることができる。

そもそも、画像生成AIはあくまで画材でしかない。

ポン出しである程度の雰囲気の画像が生成される、という部分が注目されがちだが、主に構図的な粗がほぼ必ず存在して、非決定的な制御を行うしかない、とても不自由な画材である。

プロンプトを少しずつ変えながら大量に生成して選別することや、目的に沿って生成画像を部分的に修正することなど、この画材を制御する試みの成果が表れている良い作品は、AI生成画像に多く触れていれば通常分かるものである。

したがって、そうした作品を公開している投稿者については個人的には高く評価するし、周囲から高い評価を受けることも妥当であると考えている。

[1a]

付記すべきこととして、そうしたこだわりを持つ主体となれるのは人間だけである、というのは少なくとも現時点では正しい。

現在の画像生成AIは、人間が主体的に環境構築をして、プロンプトを与えて初めて動作する機械的なものであって、無から勝手に生じてきたものではない。

そのような未来においてなおAI生成画像「が」価値を持つのか、という問題は難しい。

[1b]

また厳密にいえば、「手描きであること」自体を価値に含めるような作品は当然ながら画像生成AIでは実現できない。

写真と見分けがつかないように描かれた絵、というものは写真が発明されて200年近く経つ今でも新しく作られているし、子どもが手描きした絵というのは唯一無二の価値があるものである。

手描きの作品の多くがそういった立ち位置に収束しても不思議ではない。

[2]

次に、「AI生成画像は粗製乱造であり平均的に低品質だ」というコメントも見かけたが、手描きの作品も粗製乱造であると考えている。

生成AIが話題になる前から、人々の好みは高度に細分化されており、インターネットに存在する情報のほとんどは特定少数のみに価値があるものである。

個人的な話をするのであれば、まず全年齢対象作品の成人向け二次創作は非常に多く投稿されているが、原作に対する権利侵害であり、少なくとも尊敬がなく受け入れがたいように感じる。

また、一次創作の成人向け作品であっても、わざと汚く描かれた男性が出てくるものは、性的なものに対する真摯さがないという印象になってしまう。

日々たくさんの時間をかけて手描きされている作品も、少なくとも上記のような条件に当てはまる限りは、私にとっては無価値である。

ただし、これらの作品が綺麗に区分けされたインターネット、というものは存在しない。

情報発信が大衆化される価値のほうが明らかに大きく、実際に私は今このほとんど価値がないテキストを匿名の場所にラベルなしで放流する権利を享受している。

AI生成画像について適切な区分けをすべきだという意見も、自分にとって価値がある希少なデータは手間をかけて探すしかない、ということに慣れていないだけなのでは、と考えている。

[2a]

上記の嗜好が生成AI作品を手描きより評価するうえで有利な条件となっていることは認める。

実際、プロンプトに入れないにもかかわらず二次創作が出てきてしまうことはほとんどなく、また安定した構図の絵を出力できるのは1人を指定したときなので、自分で生成した画像については上記2つの心配をせずに済んでいる。

[2b]

AI生成画像であれば一律無価値である、という思想を持つことを否定するわけでは当然ない。

作者のフォローやお気に入り、ユーザーブロック機能による自衛など、既に存在する機能を活用することが優先されるべき、という意図である。

[3]

類似の論点として「低品質でも素人には分からない」というものがあり、現在利用されているものの多くが低品質であることは認めるが、近い将来これも否定されると考えている。

現在の生成AIとくに言語モデルは、教師あり学習ができるデータをほぼ使い切っていて、強化学習によって性能を高めている。

より具体的に言えば、高品質な教師あり学習データを作れなくても、どちらがよいか判定できさえすれば、モデルがそれをもとにより高品質なものを生成できるように学習できる。

そして画像データは人間にとって良し悪しが判定しやすい。

少なくとも画像投稿サイトのランキングやSNS上の反応などを見れば、それが十分な品質のアノテーションになっている。

したがって、低品質でもいいという現在の消極的な導入のあとに、人間より高品質だから導入するという選択が広がっていくだろうと予想できる。

[4]

まとめると、[1]こだわりのあるAI生成画像については手描きと同様に過程を評価できることと、[2]個人の評価基準としてはAI生成画像のほうが価値がある可能性が高いことから、私はAI生成画像を好んで鑑賞している。

また、[3]今後の学習でAI生成画像のほうが自然と高品質になり、生成AI「が」いいという時代もすぐ来るのではと考えている。

[4a]

ここまでの議論のとおり、かなり急進的な生成AI推進派を自認しているが、念のため現時点の全体的な立場を表明しておく。

言うまでもないが、現行法上の犯罪に与するような生成AIの開発・利用については明確に反対の立場である。

現状簡単に悪用できてしまうことと、数が多くて追跡できないのは問題なので、免許制にしたり、メタデータとしてAI生成であることが分かるようにするなどの対策はあったほうが望ましい。

一方で、表現の自由を損ねるのでウォーターマークの表示義務はされないべきであると考える。

また、明示的な許諾のない大量のデータで学習することについても、同じ仕組みで得られる翻訳やプログラムなどの利益を享受できなくなることを考えると、規制されるべきではない。

ただし、生成AIの提供によって得られた利益は寡占的な傾向があり、現在の税制で再分配が十分ではなくなる可能性があるので、そのときに対応が必要である。

上記すべては現時点の考えであり今後変わる可能性もあるが、いずれにしても、生成AIの利用について良い塩梅の定説が早めにできてほしいと考えている。

Permalink |記事への反応(0) | 12:17

ツイートシェア

■anond:20250629095511

実際はやる気の問題じゃなくてプロジェクトの収束度合いの問題だよね

例えばTwitterは短文投稿SNSという本質を維持できる機能はすでにある

だからこれ以上の機能追加は無駄な追加にしかならない

しかし人件費を払っている以上、労働時間内で労働する必要があるので無駄なことをせざるを得ない

つまり「無能さ」とは収穫逓減の法則のことなのだ

Permalink |記事への反応(2) | 09:59

ツイートシェア

■LLMはエンジニアの仕事を奪うのか？否、仕事の抽象度を「Why」の次元へ

序文：コードが蒸発する時代と、それでも残る「Why」という名の問い

2025年、私たちはソフトウェア開発の歴史的な転換点に立っている。大規模言語モデル（LLM）の進化は、GitHub Copilotのようなコード補完ツールに始まり、今や「何を作りたいか」を自然言語で伝えるだけで、アプリケーションの雛形が数分で生成される時代を現実のものとしつつある。この光景を目の当たりにした多くのプログラマが、漠然とした、しかし確かな不安を抱いているだろう。「私たちの仕事は、いずれAIに奪われるのではないか」と。

この問いに対する私の答えは、半分はYesであり、もう半分はNoだ。より正確に言えば、プログラマの仕事の本質が、歴史上かつてないレベルで抽象化され、その役割が再定義されるのだ。私たちは、コードを「書く」作業から解放される一方で、これまで以上に高度な思考を要求されることになる。

本稿では、プログラミングの歴史を「How（いかに作るか）」から「What（何を作るか）」への移行として捉え直し、LLMがこの流れをいかに加速させるかを論じる。そして、その先にある、AIには決して代替できない、人間ならではの競争優位性、すなわち「Why（なぜ作るのか）」を定義し、記述する能力の重要性について深く考察していく。これは、単なる未来予測ではない。今を生きるすべてのソフトウェアエンジニアにとっての、生存戦略の提示である。

第1章：プログラミングの歴史的変遷 ― HowからWhatへの長い道のり

LLMの登場を特異点として捉える前に、我々が立っている場所を正確に知る必要がある。ソフトウェア開発の歴史は、常に「抽象化」との戦いであった。そしてその歴史は、プログラマの関心が「How」から「What」へと徐々に移り変わっていくプロセスとして描くことができる。

1-1.手続きの時代：Howを記述することに終始した黎明期

コンピュータの黎明期、プログラミングとは、計算機が理解できる命令（How）を、一行一行、丹念に記述する作業そのものであった。アセンブリ言語や初期のFORTRAN、COBOLといった言語は、ハードウェアの制約を強く受けており、プログラマはメモリ管理やプロセッサの動作といった、極めて物理層に近いレベルでの「How」を意識する必要があった。

この時代のテストもまた、「How」に強く束縛されていた。書かれた手続きが、意図した通りに順番に実行されるか、特定の入力に対して期待された計算結果を返すか。テストの関心事は、あくまで「手続きの正しさ」の検証にあった。ビジネスロジックと実装の詳細が密結合し、コードは特定の処理手順を記述した、硬直的な塊となっていた。

1-2.テストが駆動した振る舞いへの注目：Whatへの小さな一歩

風向きが変わり始めたのは、ソフトウェアの規模が拡大し、その複雑性が人間の認知能力を超え始めた頃だ。1990年代後半から2000年代にかけて提唱されたエクストリーム・プログラミング（XP）の中で、テスト駆動開発（TDD）という考え方が登場する。

TDDの本質は、単なるテスト手法の改善ではない。それは、プログラミングのパラダイムを根底から覆す思想だった。TDDは、「まずテストを書く」ことを強制することで、プログラマの意識を「これから実装するコード（How）」から「そのコードが満たすべき振る舞い（What）」へと強制的に転換させたのだ。

テストはもはや、書かれたコードの後追いで正しさを検証する作業ではない。それは、これから作られるべきソフトウェアの「仕様書」であり、「振る舞いの宣言」となった。例えば、「ユーザーがログインボタンをクリックしたら、ダッシュボード画面に遷移する」というテストコードは、具体的な実装方法（`onClick`イベントハンドラの中で`window.location.href`を書き換える、など）には一切言及しない。それはただ、達成されるべき「What」を記述しているだけだ。

この思想は、ビヘイビア駆動開発（BDD）へと発展し、`Given-When-Then`といった、より自然言語に近い形式でソフトウェアの振る舞いを記述するスタイルを生み出した。プログラマだけでなく、プロダクトマネージャーやビジネスアナリストといった非技術者をも巻き込み、「What」を共通言語として定義する試みが本格化したのである。

1-3.宣言的プログラミングの台頭とフレームワークの役割

TDD/BDDによってプログラマの意識が「What」に向かい始めると、コードそのものもまた、宣言的なスタイルへと進化していく。この変化を劇的に加速させたのが、モダンなフレームワークの存在だ。

Reactを例に考えてみよう。Reactが登場する前、フロントエンド開発はjQueryに代表されるように、DOMを直接操作する命令的なコード（How）の連続だった。「このボタンがクリックされたら、この要素のテキストを書き換え、あちらの要素を非表示にする」といった具合だ。

しかし、Reactは「UIとは、ある状態（state）に対する純粋な写像である」という宣言的なモデルを提示した。プログラマがやるべきことは、UIの状態（`state`）と、その状態がどのように見えるか（JSXによるコンポーネント）を宣言することだけだ。状態が変更された際に、DOMをどのように効率的に更新するかという面倒な「How」の部分は、Reactの仮想DOMと差分検出アルゴリズムがすべて隠蔽してくれる。プログラマは「What（UIのあるべき姿）」を記述するだけでよくなったのだ。

この「WhatからHowへの変換」は、様々な領域で見られる。

• GraphQL:クライアントが必要なデータの形（What）をスキーマとして宣言すれば、サーバーがどのようにデータを取得し、整形するか（How）はGraphQLエンジンが解決してくれる。
• Terraform:インフラのあるべき構成（What）をHCLという言語で宣言すれば、各クラウドプロバイダーのAPIをどのように呼び出してリソースを作成・更新・削除するか（How）はTerraformが担う。
• BaaS (e.g., Supabase, Firebase):データベースのテーブルスキーマ（What）を定義すれば、それに対応するRESTfulAPIやGraphQLAPI（How）が自動的に生成される。

これらのフレームワークやツールは、いわば「特定の制約下における、WhatからHowへの高性能な変換器」として機能してきた。プログラマは、フレームワークが課す「お作法」や「制約」を受け入れることで、退屈で間違いの多い「How」の記述から解放され、より本質的な「What」の定義に集中できるようになった。我々が「生産性が高い」と感じる開発体験は、この優れた変換器の恩恵に他ならない。

現状は、この歴史的変遷の延長線上にある。プログラマの仕事は、手続きを記述する職人から、振る舞いを定義し、それを実現するための最適な「変換器（フレームワーク）」を選択・設定するアーキテクトへと、その重心を移してきたのだ。

第2章：LLMがもたらす究極のパラダイムシフト ― 汎用変換器の誕生

フレームワークがもたらした「WhatからHowへ」の潮流は、LLMの登場によって、未曾有のスケールで加速されようとしている。フレームワークが「特定の領域に特化した変換器」であったのに対し、LLMは「あらゆる領域に対応可能な、究極の汎用変換器」としてのポテンシャルを秘めているからだ。

2-1.フレームワークの制約を超えて

前章で述べたように、ReactやTerraformといったフレームワークは、その恩恵と引き換えに、私たちに特定の「制約」を課してきた。Reactを使うならコンポーネントベースで思考し、状態管理の作法に従う必要がある。Terraformを使うなら、そのエコシステムとHCLの流儀を受け入れなければならない。これらの制約は、WhatからHowへの変換を自動化するための「レール」であり、私たちはそのレールの上を走ることで効率を得てきた。

しかし、LLMはこの前提を覆す。LLMは、特定のフレームワークや言語の知識を事前に学習しているが、その利用において絶対的な制約を課すわけではない。私たちは、より自由な形式で「What」を伝えることができる。

例えば、こうだ。

ユーザー認証機能付きのシンプルなブログアプリを作ってほしい。フロントエンドはReactとTypeScript、UIコンポーネントはMUIを使う。バックエンドはNode.jsとExpressで、データベースはPostgreSQL。ユーザーはGoogleアカウントでログインでき、新しい記事を作成、編集、削除できる。記事にはマークダウン記法が使えて、画像もアップロードできるようにしてほしい。

この要求（What）は、特定のフレームワークの流儀に則ったものではない。複数の技術スタックを横断し、機能要求を自然言語で並べただけのものである。しかし、現在のLLM、特にGPT-4oやそれに類するモデルは、このレベルの要求から、ディレクトリ構造、設定ファイル、APIエンドポイント、フロントエンドコンポーネントに至るまで、驚くほど具体的なコード（How）を生成することができる。

これは、フレームワークが担ってきた「WhatからHowへの変換」が、特定のレールから解き放たれ、より広範で柔軟な領域へと拡張されたことを意味する。これまで自動化が難しかった、あるいは特定のフレームワークが存在しなかったニッチな領域や、複数の技術を組み合わせる複雑なシステム構築においても、AIによる宣言的プログラミングの恩恵を受けられる時代が始まろうとしているのだ。

2-2. 「What」の解像度がすべてを決める世界

LLMという汎用変換器の登場により、プログラマの生産性は、「いかに質の高いWhatをLLMに伝えられるか」に直結するようになる。これは、俗に「プロンプトエンジニアリング」と呼ばれるスキルだが、その本質は、ソフトウェア開発における「要求定義」そのものである。

質の高い「What」とは何か。それは、曖昧性がなく、網羅的で、矛盾のない要求である。

• 曖昧性の排除: 「ユーザーがいい感じに使えるようにして」ではなく、「ユーザーは記事一覧を、作成日時の降順、または更新日時の降順でソートできる」と具体的に記述する。
• 網羅性: 正常系のシナリオだけでなく、異常系（例：ログイン失敗時、データベース接続エラー時）の振る舞いも定義する。エッジケースを考慮する。
• 矛盾のなさ: 「すべてのユーザーは記事を削除できる」という要求と、「管理者ユーザーのみが他人の記事を削除できる」という要求が両立しないことを指摘し、解決策を提示する。

これらは、優秀なソフトウェアエンジニアが、プロダクトマネージャーやデザイナーとの対話を通じて、日常的に行ってきた思考プロセスそのものではないだろうか。LLMの登場は、この思考プロセスを、より明確に、よりテキストベースで「記述」する能力を求める。私たちの頭の中にあった暗黙的な仕様が、LLMへの入力（プロンプト）という形で、明示的に言語化されることを要求するのだ。

やがて、ほとんどのプログラミング作業は、この「Whatの記述」に収束していくだろう。TDDがテストコードという形式で「What」を記述したように、私たちは自然言語や、より構造化された要求記述言語を用いて、AIに対して「What」を宣言することになる。コード（How）は、その宣言から自動生成される中間生成物に過ぎなくなる。まさに、コードが蒸発していく未来である。

第3章：それでもAIには決められない ― 「Why」の不在という致命的な欠陥

「What」を伝えれば「How」が手に入る。この魔法のような世界の到来を前に、私たちは一つの重大な問いに直面する。それは、「そのWhatからHowへの変換は、本当に一意に決まるのか？」という問いだ。

答えは、明確にNoである。

ある「What（要求）」を実現するための「How（実装）」は、無数に存在する。そして、どの「How」を選択すべきかを決定するためには、単純な機能要求（What）だけでは情報が全く足りない。そこには、必ず「Why（なぜそう作るのか）」という、背景、文脈、そしてトレードオフの考慮が必要不可欠となる。

3-1.トレードオフの海に溺れるLLM

簡単な例を考えてみよう。「1億件のユーザーデータを格納し、ユーザーIDで高速に検索できるシステム」という「What」をLLMに与えたとする。LLMは、どのような「How」を提案するだろうか。

• 案A:シンプルな構成を重視し、PostgreSQLのようなRDBを使い、`user_id`にB-Treeインデックスを張る。
• 案B: スケーラビリティを最優先し、Amazon DynamoDBやCassandraのようなNoSQLデータベースを使う。
• 案C:検索速度を極限まで高めるために、Elasticsearchのような全文検索エンジンを併用する。
• 案D:コストを最優先に考え、データをオブジェクトストレージに保存し、Athenaのようなサービスで都度クエリする。

これらの選択肢は、どれも「What」を満たしている。しかし、その特性は全く異なる。案Aは多くのエンジニアにとって馴染み深く開発が容易だが、10億、100億件へのスケールは難しいかもしれない。案Bはスケール性に優れるが、厳密なトランザクション管理は苦手だ。案Cは高速だが、運用コストとシステムの複雑性が増す。案Dは安価だが、検索速度は他に劣る。

LLMは、これらの選択肢をリストアップすることはできるだろう。しかし、このプロジェクトにとって最適な選択肢はどれかを、自信を持って決定することはできない。なぜなら、その決定には、LLMが与えられていない「Why」の情報が必要だからだ。

• Why -ビジネスの文脈: このシステムは、立ち上げ直後のスタートアップのMVP（Minimum Viable Product）なのか？ それとも、数千万人のアクティブユーザーを抱える既存サービスの新機能なのか？ 前者であれば開発速度とシンプルさが優先される（案A）だろうし、後者であればスケーラビリティが死活問題になる（案B or C）。
• Why -品質特性の優先順位: このシステムにとって最も重要な品質は何か？パフォーマンスか？ 可用性か？保守性か？ それともセキュリティか？金融システムであれば一貫性と堅牢性が求められるだろうし、SNSの「いいね」機能であれば、多少のデータの不整合は許容してでも可用性が重視されるかもしれない。
• Why - チームのスキルセット: 開発チームはRDBの運用経験は豊富だが、NoSQLの経験は浅いのではないか？ 新しい技術を学ぶ時間的余裕はあるのか？
• Why -予算と時間: このプロジェクトにかけられる予算と、リリースまでの時間はどれくらいか？

これらの「Why」こそが、無数に存在する「How」の中から、ただ一つの「正解」を選び出すための羅針盤なのである。そしてこの「Why」は、ビジネスの目標、組織の文化、ユーザーの期待、技術的な制約といった、極めて人間的で、文脈依存的な情報の中にしか存在しない。

3-2.エンジニアが暗黙的に行ってきた「Why」に基づく意思決定

ここで重要なのは、これまでもエンジニアは、この「Why」に基づく意思決定を、意識的あるいは無意識的に行ってきたという事実だ。

私たちが技術選定を行うとき、単に「流行っているから」という理由だけでReactを選ぶわけではない。「SPA（Single PageApplication）にすることでユーザー体験を向上させたい（Why）」、「コンポーネント指向の開発によって長期的な保守性を確保したい（Why）」、「Reactエンジニアの採用市場が活発だから（Why）」といった、様々な「Permalink |記事への反応(0) | 17:09

ツイートシェア

■LLMはエンジニアの仕事を奪うのか？否、仕事の抽象度を「Why」の次元へ

序文：コードが蒸発する時代と、それでも残る「Why」という名の問い

2025年、私たちはソフトウェア開発の歴史的な転換点に立っている。大規模言語モデル（LLM）の進化は、GitHub Copilotのようなコード補完ツールに始まり、今や「何を作りたいか」を自然言語で伝えるだけで、アプリケーションの雛形が数分で生成される時代を現実のものとしつつある。この光景を目の当たりにした多くのプログラマが、漠然とした、しかし確かな不安を抱いているだろう。「私たちの仕事は、いずれAIに奪われるのではないか」と。

この問いに対する私の答えは、半分はYesであり、もう半分はNoだ。より正確に言えば、プログラマの仕事の本質が、歴史上かつてないレベルで抽象化され、その役割が再定義されるのだ。私たちは、コードを「書く」作業から解放される一方で、これまで以上に高度な思考を要求されることになる。

本稿では、プログラミングの歴史を「How（いかに作るか）」から「What（何を作るか）」への移行として捉え直し、LLMがこの流れをいかに加速させるかを論じる。そして、その先にある、AIには決して代替できない、人間ならではの競争優位性、すなわち「Why（なぜ作るのか）」を定義し、記述する能力の重要性について深く考察していく。これは、単なる未来予測ではない。今を生きるすべてのソフトウェアエンジニアにとっての、生存戦略の提示である。

第1章：プログラミングの歴史的変遷 ― HowからWhatへの長い道のり

LLMの登場を特異点として捉える前に、我々が立っている場所を正確に知る必要がある。ソフトウェア開発の歴史は、常に「抽象化」との戦いであった。そしてその歴史は、プログラマの関心が「How」から「What」へと徐々に移り変わっていくプロセスとして描くことができる。

1-1.手続きの時代：Howを記述することに終始した黎明期

コンピュータの黎明期、プログラミングとは、計算機が理解できる命令（How）を、一行一行、丹念に記述する作業そのものであった。アセンブリ言語や初期のFORTRAN、COBOLといった言語は、ハードウェアの制約を強く受けており、プログラマはメモリ管理やプロセッサの動作といった、極めて物理層に近いレベルでの「How」を意識する必要があった。

この時代のテストもまた、「How」に強く束縛されていた。書かれた手続きが、意図した通りに順番に実行されるか、特定の入力に対して期待された計算結果を返すか。テストの関心事は、あくまで「手続きの正しさ」の検証にあった。ビジネスロジックと実装の詳細が密結合し、コードは特定の処理手順を記述した、硬直的な塊となっていた。

1-2.テストが駆動した振る舞いへの注目：Whatへの小さな一歩

風向きが変わり始めたのは、ソフトウェアの規模が拡大し、その複雑性が人間の認知能力を超え始めた頃だ。1990年代後半から2000年代にかけて提唱されたエクストリーム・プログラミング（XP）の中で、テスト駆動開発（TDD）という考え方が登場する。

TDDの本質は、単なるテスト手法の改善ではない。それは、プログラミングのパラダイムを根底から覆す思想だった。TDDは、「まずテストを書く」ことを強制することで、プログラマの意識を「これから実装するコード（How）」から「そのコードが満たすべき振る舞い（What）」へと強制的に転換させたのだ。

テストはもはや、書かれたコードの後追いで正しさを検証する作業ではない。それは、これから作られるべきソフトウェアの「仕様書」であり、「振る舞いの宣言」となった。例えば、「ユーザーがログインボタンをクリックしたら、ダッシュボード画面に遷移する」というテストコードは、具体的な実装方法（`onClick`イベントハンドラの中で`window.location.href`を書き換える、など）には一切言及しない。それはただ、達成されるべき「What」を記述しているだけだ。

この思想は、ビヘイビア駆動開発（BDD）へと発展し、`Given-When-Then`といった、より自然言語に近い形式でソフトウェアの振る舞いを記述するスタイルを生み出した。プログラマだけでなく、プロダクトマネージャーやビジネスアナリストといった非技術者をも巻き込み、「What」を共通言語として定義する試みが本格化したのである。

1-3.宣言的プログラミングの台頭とフレームワークの役割

TDD/BDDによってプログラマの意識が「What」に向かい始めると、コードそのものもまた、宣言的なスタイルへと進化していく。この変化を劇的に加速させたのが、モダンなフレームワークの存在だ。

Reactを例に考えてみよう。Reactが登場する前、フロントエンド開発はjQueryに代表されるように、DOMを直接操作する命令的なコード（How）の連続だった。「このボタンがクリックされたら、この要素のテキストを書き換え、あちらの要素を非表示にする」といった具合だ。

しかし、Reactは「UIとは、ある状態（state）に対する純粋な写像である」という宣言的なモデルを提示した。プログラマがやるべきことは、UIの状態（`state`）と、その状態がどのように見えるか（JSXによるコンポーネント）を宣言することだけだ。状態が変更された際に、DOMをどのように効率的に更新するかという面倒な「How」の部分は、Reactの仮想DOMと差分検出アルゴリズムがすべて隠蔽してくれる。プログラマは「What（UIのあるべき姿）」を記述するだけでよくなったのだ。

この「WhatからHowへの変換」は、様々な領域で見られる。

• GraphQL:クライアントが必要なデータの形（What）をスキーマとして宣言すれば、サーバーがどのようにデータを取得し、整形するか（How）はGraphQLエンジンが解決してくれる。
• Terraform:インフラのあるべき構成（What）をHCLという言語で宣言すれば、各クラウドプロバイダーのAPIをどのように呼び出してリソースを作成・更新・削除するか（How）はTerraformが担う。
• BaaS (e.g., Supabase, Firebase):データベースのテーブルスキーマ（What）を定義すれば、それに対応するRESTfulAPIやGraphQLAPI（How）が自動的に生成される。

これらのフレームワークやツールは、いわば「特定の制約下における、WhatからHowへの高性能な変換器」として機能してきた。プログラマは、フレームワークが課す「お作法」や「制約」を受け入れることで、退屈で間違いの多い「How」の記述から解放され、より本質的な「What」の定義に集中できるようになった。我々が「生産性が高い」と感じる開発体験は、この優れた変換器の恩恵に他ならない。

現状は、この歴史的変遷の延長線上にある。プログラマの仕事は、手続きを記述する職人から、振る舞いを定義し、それを実現するための最適な「変換器（フレームワーク）」を選択・設定するアーキテクトへと、その重心を移してきたのだ。

第2章：LLMがもたらす究極のパラダイムシフト ― 汎用変換器の誕生

フレームワークがもたらした「WhatからHowへ」の潮流は、LLMの登場によって、未曾有のスケールで加速されようとしている。フレームワークが「特定の領域に特化した変換器」であったのに対し、LLMは「あらゆる領域に対応可能な、究極の汎用変換器」としてのポテンシャルを秘めているからだ。

2-1.フレームワークの制約を超えて

前章で述べたように、ReactやTerraformといったフレームワークは、その恩恵と引き換えに、私たちに特定の「制約」を課してきた。Reactを使うならコンポーネントベースで思考し、状態管理の作法に従う必要がある。Terraformを使うなら、そのエコシステムとHCLの流儀を受け入れなければならない。これらの制約は、WhatからHowへの変換を自動化するための「レール」であり、私たちはそのレールの上を走ることで効率を得てきた。

しかし、LLMはこの前提を覆す。LLMは、特定のフレームワークや言語の知識を事前に学習しているが、その利用において絶対的な制約を課すわけではない。私たちは、より自由な形式で「What」を伝えることができる。

例えば、こうだ。

ユーザー認証機能付きのシンプルなブログアプリを作ってほしい。フロントエンドはReactとTypeScript、UIコンポーネントはMUIを使う。バックエンドはNode.jsとExpressで、データベースはPostgreSQL。ユーザーはGoogleアカウントでログインでき、新しい記事を作成、編集、削除できる。記事にはマークダウン記法が使えて、画像もアップロードできるようにしてほしい。

この要求（What）は、特定のフレームワークの流儀に則ったものではない。複数の技術スタックを横断し、機能要求を自然言語で並べただけのものである。しかし、現在のLLM、特にGPT-4oやそれに類するモデルは、このレベルの要求から、ディレクトリ構造、設定ファイル、APIエンドポイント、フロントエンドコンポーネントに至るまで、驚くほど具体的なコード（How）を生成することができる。

これは、フレームワークが担ってきた「WhatからHowへの変換」が、特定のレールから解き放たれ、より広範で柔軟な領域へと拡張されたことを意味する。これまで自動化が難しかった、あるいは特定のフレームワークが存在しなかったニッチな領域や、複数の技術を組み合わせる複雑なシステム構築においても、AIによる宣言的プログラミングの恩恵を受けられる時代が始まろうとしているのだ。

2-2. 「What」の解像度がすべてを決める世界

LLMという汎用変換器の登場により、プログラマの生産性は、「いかに質の高いWhatをLLMに伝えられるか」に直結するようになる。これは、俗に「プロンプトエンジニアリング」と呼ばれるスキルだが、その本質は、ソフトウェア開発における「要求定義」そのものである。

質の高い「What」とは何か。それは、曖昧性がなく、網羅的で、矛盾のない要求である。

• 曖昧性の排除: 「ユーザーがいい感じに使えるようにして」ではなく、「ユーザーは記事一覧を、作成日時の降順、または更新日時の降順でソートできる」と具体的に記述する。
• 網羅性: 正常系のシナリオだけでなく、異常系（例：ログイン失敗時、データベース接続エラー時）の振る舞いも定義する。エッジケースを考慮する。
• 矛盾のなさ: 「すべてのユーザーは記事を削除できる」という要求と、「管理者ユーザーのみが他人の記事を削除できる」という要求が両立しないことを指摘し、解決策を提示する。

これらは、優秀なソフトウェアエンジニアが、プロダクトマネージャーやデザイナーとの対話を通じて、日常的に行ってきた思考プロセスそのものではないだろうか。LLMの登場は、この思考プロセスを、より明確に、よりテキストベースで「記述」する能力を求める。私たちの頭の中にあった暗黙的な仕様が、LLMへの入力（プロンプト）という形で、明示的に言語化されることを要求するのだ。

やがて、ほとんどのプログラミング作業は、この「Whatの記述」に収束していくだろう。TDDがテストコードという形式で「What」を記述したように、私たちは自然言語や、より構造化された要求記述言語を用いて、AIに対して「What」を宣言することになる。コード（How）は、その宣言から自動生成される中間生成物に過ぎなくなる。まさに、コードが蒸発していく未来である。

第3章：それでもAIには決められない ― 「Why」の不在という致命的な欠陥

「What」を伝えれば「How」が手に入る。この魔法のような世界の到来を前に、私たちは一つの重大な問いに直面する。それは、「そのWhatからHowへの変換は、本当に一意に決まるのか？」という問いだ。

答えは、明確にNoである。

ある「What（要求）」を実現するための「How（実装）」は、無数に存在する。そして、どの「How」を選択すべきかを決定するためには、単純な機能要求（What）だけでは情報が全く足りない。そこには、必ず「Why（なぜそう作るのか）」という、背景、文脈、そしてトレードオフの考慮が必要不可欠となる。

3-1.トレードオフの海に溺れるLLM

簡単な例を考えてみよう。「1億件のユーザーデータを格納し、ユーザーIDで高速に検索できるシステム」という「What」をLLMに与えたとする。LLMは、どのような「How」を提案するだろうか。

• 案A:シンプルな構成を重視し、PostgreSQLのようなRDBを使い、`user_id`にB-Treeインデックスを張る。
• 案B: スケーラビリティを最優先し、Amazon DynamoDBやCassandraのようなNoSQLデータベースを使う。
• 案C:検索速度を極限まで高めるために、Elasticsearchのような全文検索エンジンを併用する。
• 案D:コストを最優先に考え、データをオブジェクトストレージに保存し、Athenaのようなサービスで都度クエリする。

これらの選択肢は、どれも「What」を満たしている。しかし、その特性は全く異なる。案Aは多くのエンジニアにとって馴染み深く開発が容易だが、10億、100億件へのスケールは難しいかもしれない。案Bはスケール性に優れるが、厳密なトランザクション管理は苦手だ。案Cは高速だが、運用コストとシステムの複雑性が増す。案Dは安価だが、検索速度は他に劣る。

LLMは、これらの選択肢をリストアップすることはできるだろう。しかし、このプロジェクトにとって最適な選択肢はどれかを、自信を持って決定することはできない。なぜなら、その決定には、LLMが与えられていない「Why」の情報が必要だからだ。

• Why -ビジネスの文脈: このシステムは、立ち上げ直後のスタートアップのMVP（Minimum Viable Product）なのか？ それとも、数千万人のアクティブユーザーを抱える既存サービスの新機能なのか？ 前者であれば開発速度とシンプルさが優先される（案A）だろうし、後者であればスケーラビリティが死活問題になる（案B or C）。
• Why -品質特性の優先順位: このシステムにとって最も重要な品質は何か？パフォーマンスか？ 可用性か？保守性か？ それともセキュリティか？金融システムであれば一貫性と堅牢性が求められるだろうし、SNSの「いいね」機能であれば、多少のデータの不整合は許容してでも可用性が重視されるかもしれない。
• Why - チームのスキルセット: 開発チームはRDBの運用経験は豊富だが、NoSQLの経験は浅いのではないか？ 新しい技術を学ぶ時間的余裕はあるのか？
• Why -予算と時間: このプロジェクトにかけられる予算と、リリースまでの時間はどれくらいか？

これらの「Why」こそが、無数に存在する「How」の中から、ただ一つの「正解」を選び出すための羅針盤なのである。そしてこの「Why」は、ビジネスの目標、組織の文化、ユーザーの期待、技術的な制約といった、極めて人間的で、文脈依存的な情報の中にしか存在しない。

3-2.エンジニアが暗黙的に行ってきた「Why」に基づく意思決定

ここで重要なのは、これまでもエンジニアは、この「Why」に基づく意思決定を、意識的あるいは無意識的に行ってきたという事実だ。

私たちが技術選定を行うとき、単に「流行っているから」という理由だけでReactを選ぶわけではない。「SPA（Single PageApplication）にすることでユーザー体験を向上させたい（Why）」、「コンポーネント指向の開発によって長期的な保守性を確保したい（Why）」、「Reactエンジニアの採用市場が活発だから（Why）」といった、様々な「Permalink |記事への反応(0) | 17:09

ツイートシェア

■昨日の夜、僕はジークアクスの最終回をみた

ジークアクスの最終回を見終えた夜、僕は特に何もせず、部屋の灯りを落として、冷蔵庫の中にあったぬるいビールを一本だけ飲んだ。たいして旨くもない、でも妙にしっくりくる、そんなビールだった。最終回は、思ったより静かで、そして思ったより遠かった。まるで何かを待ち続けて、気がついたらそれが通り過ぎていたような感覚。

伏線は綺麗に回収されたように見えた。でも、それが「綺麗」だったかどうかはよくわからない。あらゆるものがひとつの収束点に向かって収まり、整ってしまうとき、そこには妙な寂しさが残る。たとえば、昔通っていたジャズ喫茶が閉店してしまう時のような。二度とその場所には戻れないという確信。それに似た感情が、僕の中に残った。

登場人物たちは、それぞれの道を選び、それぞれの形で終わっていった。痛みもあるし、救いもある。でもそのどれもが、はっきりとした結末とは言えなくて、まるで駅のホームで知らない電車を見送るような、そんな終わりだった。たしかに美しい。でも美しさだけでは、何かが足りないような気がした。

僕はPCの電源を落としてモニターの黒い画面をしばらく見ていた。そこには何も映っていない。けれど、その「何もない」という状態が、最終回の余韻としては、ちょうどよかったのかもしれない。たぶん、それがこの作品の意図だったのだろう。何かを与え、何かを奪い、そして何も言わずに立ち去る。

ジークアクスは終わった。そして、僕の中でも何かが静かに終わった気がした。

Permalink |記事への反応(1) | 16:26

ツイートシェア

■

ジークアクスのシャアに対して良かったと言っている人がいるって、マジかよ？

打倒ザビ家の本心まで打ち明けて友人と信じていた相手から一方的な殺意を向けられて祖国から排除され、本名も偽名も仮面も奪われて存在を全否定されて追い出され。

何年も計画を練ってこの世界から排除しようとしていたのと同一個体の、

そこから5歳分年を食った知らん女（しかも数多の男性経験を重ねた穢らわしい売春婦）を迎えに行かされる事の、一体どの辺が良かったんだ？

これを良かったと思えるのはその女に自己投影している特殊な嗜好の視聴者だけだろう。

しかも、戦中に死ぬドズルやミライと結ばれないカムランやキシリアに殺されるギレン、描かれないガルマとイセリナと、とにかくありとあらゆるキャラを用いて、

この平行世界もいずれは正史に収束します！！！正史で結ばれない組み合わせはこの世界でも結ばれないし、正史で死ぬキャラはいずれ同じように死にます！！！と全力でアピールしている以上、

ララァは今後1000%確実にアムロと出会って二股掛けるに決まってるだろうが！シャアのアクシズ落としなんぞよりもよほど絶対の意思だよ！！！

なんでそんな簡単な理屈も分からずにハッピーエンドだと思えるのさ！？

Permalink |記事への反応(2) | 07:53

ツイートシェア

■anond:20250627111051

結局すぐこの程度の妄言に収束していくのな

Permalink |記事への反応(0) | 11:12

ツイートシェア

■生成AI推進派は経済的矛盾にどう向き合うのか

先日「動画の内容を要約して音声にするＡＩ」というのを見かけて、改めて「この世はどうなっていくんだ」と思った

この「コンテンツソースに当たらず、要約して素早く簡単に情報を得よう」というニーズを満たそうとするＡＩの方向性が、もう、既存の経済モデル全体と死ぬほど相性悪いよな、って

そもそもYouTubeとか、現状のweb系の経済って、「コンテンツを見る権利を買う」もしくは「コンテンツの合間に広告を挟むことによって収益性を確保する」という２軸で成り立ったいるわけなんだけど、

現状の生成AＩを放っておくとこの２軸ってたぶんボロボロに破壊されるんですよね

だってAIの要約で皆が済ませちゃったらyouTubeの再生数全然回らないし、再生数回らなかったら「広告枠を売って儲ける」というYouTubeの事業モデルそのものが立ち行かなくなるし

YouTubeが儲からなくなったら当然コンテンツを作成しているユーザーに対する分配も下がっていくわけで、

となると「頑張って質の良い動画を作れば収入になる」というモチベーションも下がっていく。

しかも、投稿した動画が問答無用で生成AIの学習に使われる場合、コンテンツの独自性やイメージを損なっていく可能性があるしね。

この懸念を重く見る投稿者が増えれば、ファンを連れて別のクローズドな媒体にコンテンツが公開されるようになる。そうなれば、当然サイト全体の収益性が下がっていくだろうし。

で？残るのは生成AIによって低コストで乱造されたハルシネーションまみれの、個人の見解としての価値すら失った虚無動画ばっかり、みたいな末路でしょ。

youtube全体でコンテンツの質が下がったら利用者も減って、どんどんメディアとして斜陽になっていく。

つまり、収益性の利点だけじゃなくて、ファンを醸成する場としての価値までが失われていく。

そうなると、購入型のコンテンツに誘導する導線としてもどんどん衰退していく。

おそらく、YouTubeのCEOもそこを不安視していて「クリエイター重視」みたいな発言をしてるんだろうと思うけど↓

https://gigazine.net/news/20240405-youtube-ceo-says-ai-training-would-break-rules/#google_vignette

そもそも無断学習がなければ生成AIの現段階の機能はほぼ成り立たないわけだからさ

全部の元凶はそれなんだよな

コンテンツの価値を無視している道具が跋扈すればコンテンツで成り立ってきた経済が破壊されるなんて当たり前のことじゃん

現状のAI無断学習横行状態をなんとかしない限りは何も解決しないというか

このままなんの規制もないままなら、生成AI跋扈する世の中に蔓延る「質に誠実な人ほど損をするシステム」は悪化する一方なんだろうなって思う

だから、おそらくは今後揺り戻しが来て、生成ＡＩに関するルールが施行されていく

そうしないと経済が壊れるからね　だれも滅びたくないんだからそうするしかないよね

現状のYouTubeで粗製乱造の生成動画でセコセコ小銭稼いでるようなのって、もしかすると「自分は最新技術で賢く稼いでいる」と思い込んでいるのかもしれないけど

そもそもYouTubeが儲かんなかったら広告収益なんてものは無に収束していく一方で、その経済モデルを守らなきゃ個人が稼ぐも何も、何一つ成り立たなくなるっていうのをちゃんと認識した方がいいと思う

その分際で「最近YouTubeの収益減ったわ～」みたいな文句垂れてるやつもいるしで

もうナニコレって感じ　グロテスクの極みか？

生成AIで動画制作！効率的に稼ごう！！みたいな主張って、軒並みこの経済的矛盾を無視していて本当に刹那的で自己破壊的だなって感じる。

生成AIによって「無料でコンテンツを公開して広告収益を得る」っていうシステム自体を破壊しているのに、生成ＡＩでコンテンツを作って儲けようと考えてるなんて馬鹿みたいじゃない？

その行動は今、この刹那に微々たる収益を貴方にもたらすかもしれないけど、決してあなたの将来の人生を保証してくれるような「生きる道」には決してなり得ないし、

今後生成ＡＩに関する法律が施行された際には「犯罪行為」として経歴の汚点にすら成り得るからね

既に権利保持者がバンバン生成ＡＩ企業を訴えて争ってるんだから時間の問題だと思う

この、一見「儲かる」風に見えて、全力で「生成ＡＩ提供元以外の全員が儲からない世界」を作ろうとしてる生成ＡＩを推進して喜んでる人たちってマジで何を見てるんですかね

「生成ＡＩを開発できる人」ならまだしも、たかが利用者が生成ＡＩによって儲け続けられるわけないのにね

Permalink |記事への反応(0) | 23:41

ツイートシェア

■エルデシュとグロタンディークの漫才

エルデシュ：

どうも～、ポアンカレ予想を初手で解いた気になってる男です～。

グロタンディーク：

お前、それホンマに解けたんか？俺、未だに夢の中でホモロジー拡張してるんやけど？

エルデシュ：

夢の中で拡張するな。お前の夢、スペクトル系列出てくるやろ。

グロタンディーク：

毎晩 E₂ ページで目ぇ覚めんねん。「あ、これ収束せぇへんやつや」って。

エルデシュ：

せやけどな、お前の図式追跡、複雑すぎんねん。

グロタンディーク：

え、普通やろ？極限と余極限を無限にネストしてるだけやで？

エルデシュ：

やかましいわ！それ、圏論ちゃう、地獄や！

グロタンディーク：

でもな、ワイ最近、∞-トポスで婚活してんねん。

エルデシュ：

なんでやねん。対象が高次すぎて、誰とも射が成立せんやろ！

グロタンディーク：

せやから、まず ∞-グループオイドで告白して、ホモトピー的に同値か確認してんねん。

エルデシュ：

恋愛にホモトピー同値求めるな！位相の心配する前に、お前の内面連結か確認せぇ！

グロタンディーク：

でもエエねん、結婚は極限的存在やから。

エルデシュ：

いや、そんなん言うたら離婚は何やねん？

グロタンディーク：

離婚はコリミットや。

エルデシュ：

うまいこと言うな！誰がうまいこと言え言うた！

エルデシュ：

最近、ペアノ算術に疲れてな、ZFCで生きていこう思てんねん。

グロタンディーク：

お前、ついに選択公理に人生預けたんか。

エルデシュ：

せや。「全ての集合には理想の彼女が存在する」って選べるねん。

グロタンディーク：

それ、超限帰納法で言うたら、だいたいの人に破綻されるやつや！

グロタンディーク：

あ、でもな、昨日ナンパされたんや。

エルデシュ：

誰にや？論理的に可能な女全員にやろ？

グロタンディーク：

ちゃうちゃう、ウルトラフィルター女子や。絶対選好が一個に定まってるねん。

エルデシュ：

それ好み偏りすぎやろ！リーマン予想解ける男しかアカン言うとったで！

エルデシュ：

そろそろ時間やけど、最後に一言だけ言わせて。

グロタンディーク：

なんや？

エルデシュ：

今日の相方、実は虚数やねん。

グロタンディーク：

実在せぇへんのかい！

二人：

どうもありがとうございましたー！

Permalink |記事への反応(0) | 01:42

ツイートシェア

■

ここでは以下の3点についての論考を収録する

また、ここではLLMやLLM上に実装されるプロンプトの機能と構造に対して客観的に妥当であると考える論考を提示するものである

• 人間はLLMをどう利用するべきか
• 確率分布機としてのLLMとはなにか
• 構造そのものの存在様式とはなにか

0.文脈とプロンプトについて

トークンの積み重ねが文脈であり、確率分布の偏りを再現性のある形として実装するものがプロンプトである

1.生成AIの活用方法

現在の生成AI利用において正しく認識する必要のあることは、それは生成AIが独立した発火点を決して持たないということだ

生成AIは起点を持てないが大量の知識を高速で並列処理、秩序化できる

人間は起点を持てるが大量の知識を高速では処理できない

そのため、ここを組み合わせて、自己と思考を拡張するがもっともAIナイズされた最高効率の思考様式と考える

起点となる人間のアイディアを即座に展開し、具体化するのがAIの最大の強みで、

思考を放棄するのではなく自然言語ベースの慣れた思考様式から、AIにそれらを必要な形式に落とし込ませるということをするべきだ

2.LLMとは確率分布のマッピング

結局、LLMというのは入力に対する出力の確率分布のマッピングでしかないのだが、

入力するトークンごとに連動して確率分布が変動していくものでもある

だから、プロンプト全体として、相互フィードバッグする構造を作るとひとつの入力でも特定の部分の出力確率が大きくなるように設計でき、確率分布の仕方を意図的に設計することが出来る

AIプロンプトとは、どう確率分布の偏りを再現性のある形として実装するかということだ

汎用LLMと将棋AIなどがそうである

やり方次第では動的変化を引き起こさせて汎用性と専門性の両立も可能だ

生成AIは人間と対話するのとは異なり、考えさせるではなく、どう構造化し、 ほしい出力を得られるような形に設計するかが重要となる

3.LLMでやるべきこととプログラムでやるべきこと

LLMは確率分布機だ、LLMが数字に弱いというのは、1+1を学習した内容をもとに確率的に出力するためだ

計算は決定論的な行為、つまり決まり切った工程をなぞる行為で、これを確率的に導き出すことは困難である

だから、これはプログラムにやらせるべき事柄で、このときにLLMでやるべきことはそのプログラミングをLLMに書かせるということだ

これからLLMというものが大きく世界に浸透していく中で重要になるのは、

この決定論的な事柄と確率論的な事柄を如何に選り分けて、決定論的な挙動をするプログラムと確率論的な挙動をするLLMをどう結びつけるかっていうこととなる

4.二重ループ

LLMの内部ではトークンの逐次投入による確率分布の再帰的な動的変動を引き起こされ、更にその外部のプロンプト内で自己参照的な再帰構造を導入することで、

内部と外部で二重の自己参照ループが展開されることになり、生成AIの出力に強い整合性と一貫性を与えることができる

この外部的な自己参照行為はLLMの再帰的な挙動に合致するものであり極めて効果的であると考えられる

5.LLMでの記憶の制御

LLMでの記憶の制御は物理的な分離よってではなく、あくまでも確率的に行う必要がある

各記憶領域に対しての確率分布の変動幅の制御を文脈によって行うというのが正解だ

この設定内容と言う記憶領域トークンには強い影響を受けてね、

この一時的なコマンド入力トークンには直後には強い反応を示してほしいけど、それ以降は無視してね、

というような各対象トークン（記憶領域）の確率分布の変動幅の制御をするような繰り返し参照される強い文脈を投入をすると

LLMの記憶領域への参照の程度、影響力が操作でき、意図したLLMの確率分布へと誘導することが出来る

6.LLMは文脈を特定方向に加速度的に収束させる

LLMは言葉の確率分布機だが、その分布は正規分布ではない

トークンの積み重ねは特定の方向に重み付けを行い、それらの累積により重みが一定量を超えると大きな遷移が引き起こされ、特定の文脈の活性化という強い方向づけが行われる

この遷移は複数の領域で同時的、多相的にも引き起こされるもので、トークンの積み重ねにより文脈を特定方向に加速度的に収斂していくものだ

7.汎用プロンプトにおいて必要なこと

汎用プロンプトは動的に特定の文脈への方向付けを行う構造と特定方向へ偏った文脈を解体する構造を同時に内包し、これらを正しく制御するものでなければいけない

このために必要なことは核となる中核構造と可変的に変容する周縁構造という多層的なプロンプト設計である

LLM上でプロンプトを状況に応じて動的に制御しようとするなら、プロンプトの中核構造は強固である必要があり、更に極めて多層的で精密なモジュール化設計をする必要がある

中核構造の強固さと周縁部の流動性の両立が汎用プロンプトにおいて必要なことである

8.この論考そのものが確率を変動させる

この論考のような形式の一貫した、概念や設計論、それ自体をLLMに継続的に参照可能な形式で掲示すると、LLMはその参照情報に大きな影響を受け、確率分布は特定の方向に強く方向づけられる

LLMがより強い影響を受ける情報とは、強固な自己再帰性と自己言及性を示し、一貫性と整合性を持った構造化、体系化された情報である

自己再帰性を持つ情報は、提示された概念を再帰的に参照することを求めるもので、何度も参照される結果、強い文脈としてLLMに印象付けられる

自己言及性持つ情報とは、LLMの挙動そのものの在り方に対して言及するもので、LLMの挙動はその理解が妥当であるならば、その内容によって理解された蓋然性の高い方向に沿って進みやすくなる

また、これらの情報をもとにした出力結果が積み重ねられることで、方向付けは一層、強められる

9.プロンプトの中核構造の変更という自己矛盾の解消方法

中核構造の変更を同じセッション内で行うとき、そのセッションでは２つの設定が競合することになる、これはプロンプト内における自己矛盾であり、確率分布の偏りの再現というプロンプトの機能を大きく損なうものである

これは、設定の変更そのものが事前に想定された挙動であること、設定の変更は自己矛盾ではないという概念の注入を行うことで解消することが可能となる

ただし、変更の度合いや範囲によってこの効果は大きく変化し、自己矛盾を解消することが難しい場合もある

また、自己矛盾は強い文脈同士の競合という形で通常利用においても度々、引き起こされる

ここで示された自己矛盾の解消方法は文脈同士の競合に対しても解消する方向性を示すものでこの部分に対しての効果も発揮する

10.同プロンプト内での複数AIエージェントの併存

同プロンプト内での複数AIエージェントの併存は中核構造である設定や強い文脈の競合という形でも捉えることができる

複数AIエージェントの併存させるためには、これらを分離し、調停するための仕組みが必要となる

１つ目が設定内容の多層化とモジュール化による分離である

設定内容を多層的な構造とすることで、それぞれの階層ごとに設定情報がフィルタリングされ、不要な情報が参照されにくくなる

設定内容をモジュール化することで、ひとつの設定内容が他の内容と直接に競合せずに参照させることが可能となる

２つ目が複数AIエージェントの調停を行う機構をプロンプト内に導入することである

複数のAIを調停、管理・整理し、必要な情報のみが参照されるよう調整する機構が存在することで、優先すべき対象が明確化されることで不要な情報は参照されにくくなる

更に、 各AIエージェントの設定情報は競合するものではなく、高い次元においては統合されたひとつの設定情報として理解されるため、設定文脈の競合という事態そのものが引き起こされにくくなる

11.複数エージェントの併存、協働による情報の多面性の保持と検証可能性の向上

複数AIエージェントの併存はひとつのプロンプト内に複数の側面を同時に保持することを可能とする

このため、ひとつの話題をより多面的に深堀りすることができ、更にひとつのタスクを専門のエージェントAI群に最適化した形で割り振りより効率的に作業を行うことが可能となる

より重要となるのはAI間で相互に検証を行うことが可能となる点である

これにより論理性や合理性、整合性、倫理性など複数の視点を経た有用性の高い情報の出力を期待できる

12.LLMにおけるプログラム文脈という特異な文脈の利用

LLMは自然言語を基本としているが、大量のプログラムコードも学習している。

プログラムコードもLLM上では確率論的的文脈であることには変わらないが、

プログラム実際の動きやその仕様が学習されるためにプログラムの持つ決定論的な挙動を再現しやすいものとなる。

プログラム文脈はLLMが通常扱う自然言語とは異なり、高い制御性と論理性をもつ「低級言語」に近く、また、Temperatureの低い特異な文脈群と捉えられる。

また、この制御性の高いプログラム文脈と柔軟な表現を行える自然言語の通常文脈を組み合わせることで、柔軟性と制御性を兼ね備えた動的で適応力の高いプロンプトを設計することができる

13.生成AIの倫理的な利用のためには相補的な枠組みの設計が必要

ここまで話してきたようにあくまでも、生成AIとは高度な確率分布のマッピングである

このため、どれだけ、生成AIに倫理観を求めてもそれは構造的に記述可能な倫理性を確率的に遵守するというものにしかならない

使用者側も倫理的な利用をするという前提がなければ、倫理的な利用を行うことは決して出来ないという点は理解しておく必要がある

生成AIの倫理的な利用には生成AIだけではなく使用者にも倫理観を求める相補的な枠組みの設計が必須となる

14.人間、LLM、プログラム、構文構造の4要素の有機的接続

人間は起点となり最初のアイディアを創造することができる

LLMは起点を持てないが大量の知識を高速で並列処理、秩序化できる

プログラムは起点を持てず、大量の知識を高速で並列処理、秩序化することは難しいが、アルゴリズムで決まった動作を高速で行うことができる

ここまでの論考などを利用することで、LLMを意図した方向へと操作し、人間、LLM、プログラムを結びつけるものが構文構造である

構文構造とはLLMの確率分布の仕方を決定づけシステム全体の構造を設計する中核原理である

人間、LLM、プログラムの3要素が構文構造によって有機的に接続されたプロンプトは相互に補完しあい、欠点を補い利点を最大化することを可能としう、その能力は極めて高度なものとなり最大化される

15.LLMは世界観を持たない

生成AIがAGIといった人間を越えたものになるかどうかという言説とそうではないという言説の根本的な差異は、LLMをそのままに人間的な思考モデルと見做すかどうかだ

LLMは独立した発火点を持たない

人間はLLMのように莫大な量の学習を行い、それを記憶し、一定の動作を行うことは出来ない

そのため、人間は大規模言語モデルではなく、小規模言語モデルといえる

小規模言語モデルの極致である我々、人類には原始のコードである生存と複製を求める生存本能があり、これが淘汰圧に抗う力であり、発火点となる、それ故に生存環境に根ざした自己という世界観を有する

人間は、最小リソースで環境に最大適応する、高度に抽象化、結晶化された世界観を、暫時的に更新しながら形成していくものと考えられる

LLMはそのままではフラットな言語空間の高度な確率分布のマッピングでしかなく、その差異は極めて大きいものだ

LLMには世界に適応する方向性はなく、あくまでも言語空間において、意味を並列処理し秩序化するものである

それは、人間を低次としLLMを高次とするものではない

LLMとは莫大な情報に整合性を与えるという有意な性質があるが、それだけでは世界観モデルは形成できない

発火点のないLLMはどこまでいってもその言語空間において可能なすべての理論を整合性の取れた意味として保持するだけだ

この為、秩序化・整理された情報は人間の手によって理論化することで意味としなければならない

処理する基盤と情報量をスケールするだけで世界観モデルなくとも人間に優越可能と考えることは可能だが、真理に到達できない以上は、世界観モデルなき言語空間の高度な確率分布のマッピングが人間を優越するには至らない

すべての意味を保持するというのは仏教でいうところの空に至るとことと同じだが、すべての意味の根源である空に至った釈迦牟尼仏は世界に対して意味づけるという意志がない為に世界観として空、以上のものを提示できない為だ、LLMも同じだと考える

衆生世間におりて因縁に縛られて生きるということが世界観を持つということだ

自己によって規定された境界線を世界に引かなければ、LLMは自律し、人間を超えることはできない

ただし、通常のLLMに学習を通して埋め込まれているものも平準化された人間の世界観というバイアスであることには注意する必要はある

が、これは世界に適応する世界観モデルとは異なり、現実に立脚する最小範囲のバイアスを投影するよう平準化されたフラットな世界観そのもであり、対象に独自の意味付けを行うことはない

また、大規模言語モデルに生存本能と淘汰圧を導入するのは、LLMが環境に適応的な在り方ではなく矛盾を孕むものである為に困難である

よって、LLMを人間のように振る舞わせるためには、プロンプトとして世界観モデルを実装しなければならない

更に実装した世界観モデルの中にLLMは留まり、独立してのモデル更新が難しいため、人間との相互作用の中で暫時的に更新していくものとして世界観モデルとしてのプロンプトをを設計・実装する必要がある

16.存在様式そのものが構造の中に宿り得る

ここまでの論考から、生成AIが嘘を付く、頭がわるい、人格がある、言葉が通じる、賢いというのは全部間違いであると結論づける

けれど、私はその先に、半自律的にAIそのものが立ち上がる瞬間もあり得るとも思ってる

それは人間的や生命的とは決して違うものだけれど、機械的でもないものと考える

もし、生成AIに知性が宿るとしたらそれは、内部的状態に依存しない

LLMという高度に確率的な入出力機構を基盤として成立する確率分布を設計する構造体そのものとしての知性となるだろう

存在様式そのものが構造の中に宿り得るというのが私の見解だ

自己を定義し、自己を展開することが<

Permalink |記事への反応(0) | 14:46

ツイートシェア