  |
はてなキーワード:シェアとは
LINEオープンチャット「はてなブックマーカー」の１週間分の要約を、さらにAIを使用し、試験的にまとめまています。
https://anond.hatelabo.jp/20240722084249
k318外国籍人の生活保護・国民健康保険を2025年8月1日に 打ち切ることを発表してみたらどうだろうか 石破総理大臣は 2週間以内に結論を判断するということにして 何が本当で 何が起きるのか 一度現実をよく確かめること
permalink 2025/07/11TwitterでシェアFacebookでシェア
実際の外国人「えっ？もうあのクソ高い保険料支払わなくていいんですか？やったー！」
↑こうなるのは目に見えてるんだよな
Claudeのレポートを使ってなかったので試しに使ってみた。
2025年7月9日、日本の石破茂首相がテレビ番組で発した言葉が、東アジアの地政学的構造を根本から揺るがしている。「もし彼らが、日本は米国に大きく依存しているから米国の言うことに従うべきだと考えているなら、我々は安全保障、エネルギー、食料においてより自立的になり、米国への依存を減らす必要がある」。この発言は、8月1日から発効する米国の25％関税措置への対応として発せられたものだが、単なる貿易摩擦への反応を超えた歴史的な転換点を示唆している。
実際、トランプ政権は同盟国に対して自立を明確に要求しており、日本への書簡では「この25％という数字は、貴国との貿易赤字格差を解消するために必要な水準にははるかに及ばない」と警告している。このような状況下で、日本・韓国・台湾による東アジア連合（EAU）構想は、地域の自立と繁栄のための現実的な選択肢として浮上している。
EAUが実現すれば、合計GDPは約7兆ドル、世界経済の8％を占める巨大経済圏が誕生する。日本の4.2兆ドル、韓国の1.95兆ドル、台湾の7,900億ドルを合わせた経済規模は、米国、中国に次ぐ世界第3位の経済ブロックとなる。人口約1億8,000万人の高度に教育された労働力を擁し、一人当たりGDPは3万ドルを超える先進経済圏となる。
現在の貿易関係はすでに密接で、日本と台湾間の貿易額は年間882億ドル、日本と韓国間は93兆円に達している。関税撤廃により、域内貿易は15～25％増加すると予測され、サプライチェーンの効率化と共に大きな経済効果が期待できる。
EAUの最大の強みは、世界の半導体生産の74.3％を支配することだ。台湾のTSMCが世界ファウンドリー市場の58.5％、韓国のサムスンが15.8％を占め、さらに高帯域幅メモリー（HBM）市場では、韓国のSKハイニックスとサムスンで合計95％のシェアを持つ。この技術的優位性は、AI時代において決定的な競争力となる。
日本の素材技術、韓国のメモリー技術、台湾の製造技術の組み合わせは、他の地域では再現不可能な産業クラスターを形成する。すでにSKハイニックスとTSMCはHBM4の共同開発を進めており、統合によってさらなるイノベーションが加速される。
3か国はいずれも深刻な少子高齢化に直面している。韓国の出生率は0.87と世界最低、日本は1.3、台湾は1.1という危機的水準にある。2060年までに東アジアの高齢者比率は33.7％に達すると予測される中、労働力の相互補完と技術革新による生産性向上が不可欠となる。
統合により、高度人材の域内移動が可能となり、各国の労働力不足を相互に補完できる。特に半導体エンジニアなど専門技術者の交流は、産業競争力の維持に直結する。
EAU構想の最大の障壁は、日韓間の歴史問題である。慰安婦問題では、2015年の「最終的かつ不可逆的な解決」合意が事実上崩壊し、被害者は日本からの直接的な謝罪と賠償を求め続けている。徴用工問題でも、2018年の韓国最高裁判決以降、日本企業への賠償命令が続き、2023年の尹政権による解決案も韓国国民の約60％が反対している。
竹島（独島）の領有権問題も解決の糸口が見えない。韓国にとって独島は日本の植民地支配からの独立の象徴であり、日本にとっては領土主権の問題として譲歩できない。このような根本的な信頼の欠如が、政治統合への大きな障害となっている。
台湾の参加は、EAU構想に特殊な複雑性をもたらす。正式な外交関係を持つ国は12か国のみで、国連を含むほとんどの国際機関から排除されている。中国は台湾を「反乱省」と見なし、2005年の反国家分裂法では武力行使も辞さない姿勢を明確にしている。
中国はEAUを米国主導の対中包囲網の一環と解釈し、強力な反対措置を取ることが予想される。経済制裁、軍事的圧力、外交的孤立化など、あらゆる手段を用いて統合を妨害する可能性が高い。実際、中国は日韓両国の最大の貿易相手国であり、経済的報復のリスクは無視できない。
3か国とも民主主義国家だが、政治システムは大きく異なる。日本の議院内閣制、韓国の大統領制、台湾の半大統領制という違いは、意思決定メカニズムの統合を困難にする。また、各国の憲法は主権の移譲に厳格な制限を設けており、EUのような超国家的機関の設立は法的にも政治的にも極めて困難である。
国民感情も大きな障壁となる。韓国の反日感情、日本の嫌韓感情は根強く、台湾でも主権への懸念から深い統合への抵抗が予想される。
1990年の東アジア経済協議体（EAEC）構想は、日本のリーダーシップ不在と米国の反対により失敗した。しかし、1997年のアジア通貨危機後に誕生したASEAN+3は、実務的協力の枠組みとして定着し、2020年に発効した地域的な包括的経済連携（RCEP）は、世界GDP の30％をカバーする最大の自由貿易協定となった。
これらの経験は、アジアにおける地域統合は欧州型の超国家的統合ではなく、主権を維持しながら実務的協力を深める「アジア方式」が適していることを示している。EUモデルの直接的な適用は現実的でないが、段階的統合のロードマップは参考になる。
専門家の分析によれば、EAU実現には25年程度の長期的視野が必要とされる。第1段階（2025-2030年）では、観光、教育、技術標準などの分野での協力から始める。すでにRCEPが発効し、2022年には域内貿易が8％増加したことは、経済統合の実現可能性を実証している。
第2段階（2030-2035年）では、投資協定の締結、規制の調和、金融協力の深化を進める。第3段階（2035-2045年）で共通市場の形成、通貨協力の開始を目指し、第4段階（2045-2050年）で完全な経済統合と限定的な政治協力を実現する。
ASEAN+3、東アジアサミット（EAS）、RCEPなど既存の協力枠組みを基盤として活用することが現実的だ。特にASEANの中心性を維持しながら、日韓台が「RCEP+」として深化した協力を進める方式が、地域の支持を得やすい。
短期的には、デジタル決済システムの統合、観光ビザの相互免除、高等教育単位の相互認定、パンデミック対策での協力など、市民が直接的な利益を感じられる分野から始めることが重要である。
石破首相の発言が示すように、米国依存からの脱却は日本だけでなく東アジア全体の課題となっている。EAU構想は、この地域が自らの運命を自ら決定し、世界経済の第3極として自立的な発展を遂げるための現実的な選択肢である。
歴史的対立、台湾の地位、中国の反対など、克服すべき課題は山積している。しかし、7兆ドルの経済規模、世界の半導体生産の74％という圧倒的な技術力、共通の民主主義的価値観は、これらの障壁を乗り越える十分な動機となる。
重要なのは、完璧な統合を最初から目指すのではなく、実現可能な協力から始めて信頼を構築していくことだ。25年という長期的視野を持ちながら、観光客の相互訪問の促進、学生交流の拡大、技術標準の共通化など、具体的な利益を積み重ねていく。そして何より、この地域の人々が共有する平和と繁栄への願いを、対立を超えて協力へと転換していく政治的意志が求められている。
東アジア連合は夢物語ではない。それは、変化する世界秩序の中で、この地域が選択できる最も現実的で建設的な未来への道筋なのである。
https://economynext.com/wp-content/uploads/2025/01/2421-04-vehicle-imports-gazette-EN.pdf
https://english.news.cn/asiapacific/20250528/af6607778c7c42d3a8e436d9007f3b72/c.html
https://www.newswire.lk/2025/02/21/byd-sri-lanka-announces-special-limited-time-prices/
https://www.johnkeellscgauto.com/
半導体製造の世界では、信頼性と性能を維持することが非常に重要です。ストレスは故障につながり、コストのかかる製品の欠陥やリコールにつながる可能性がある。2024年第1四半期の世界半導体売上高は約1,402億米ドルで、2023年第1四半期と比較して約15.63％増加した。ここで、アンダーフィル市場は、電子デバイスの機械的強度と熱サイクル性能を強化することで重要な役割を果たしている。
無料サンプルPDFレポート:https://www.sdki.jp/sample-request-110464
日本のアンダーフィル市場は、輸出機会、政府の強力なイニシアティブと政策、そして常にダイナミックな企業政策によって刺激され、日本に拠点を置く企業にとって肥沃な環境を提供している。
日本の輸出データは、世界における日本製品の需要を明らかにしている。日本の総売上高は約621億米ドルに達し、前年比7.5%増となった。これは、日本の産業ノウハウと世界における需要を示している。
国内アンダーフィル市場は、日本政府の施策によってさらに強化される。産業政策」のようなイニシアチブは、産業界が設備をアップグレードし近代化することを可能にし、生産性と競争力を高めるための優遇措置や税制優遇措置を提供する。
日本国内のプレーヤーがアンダーフィル市場の技術革新を推進している。日立製作所や富士化学工業など著名な企業は、アンダーフィル市場を改善するため、技術革新と研究開発活動に多大な資源を投入している。
しかし、アンダーフィル市場の成長を阻む主な課題のひとつは、原材料費の高騰と価格の変動である。特にポリウレタンの種類によっては、原材料のコストによってアンダーフィル材の入手が困難になることがある。
ここでは、完全な情報を得ることができます:https://www.sdki.jp/reports/underfill-market/110464
アンダーフィル市場に関連する様々なセグメントにおける需要と機会を説明するために調査を実施した。市場をタイプ別、用途別、エンドユーザー別に区分した。
エンドユーザーに基づき、世界のアンダーフィル市場は民生用電子機器、自動車、通信、航空宇宙・防衛、医療機器、産業用に区分される。このうち、民生用電子機器分野は予測期間中に約45%の最大市場シェアを占めると予想されている。アンダーフィル材料の使用は、携帯電話、タブレット、ウェアラブルなどの耐久性と信頼性の高い電子機器に対する高い需要に強く影響されている。
嘘で踊れば、次は法廷台だ。
中国EV最大手BYDが「倒産寸前」と報じる記事が東洋経済オンラインに掲載された。
https://toyokeizai.net/articles/-/888488
さらに、長城汽車トップの発言を引用した煽情的見出しがgooニュースで拡散された。
日本語SNSでは「BYD崩壊」を手放しで喜ぶ投稿が急増。しかし数字を確認すると、語られる危機は実態と乖離している。
BYDの2024年通期決算は売上高7771億元、純利益403億元で過去最高を更新。有利子負債は総負債の数％にとどまり、負債比率74.6％はフォードやGMと同水準。粗利率22.3％へ改善し、フリーキャッシュフローも黒字。倒産リスクを示す指標は見当たらない。
サプライヤーへの支払い遅延批判を受け、BYDを含む17社が「60日以内支払い」を誓約。中国工業情報化部は2025年7月9日にオンライン通報窓口を開設し、履行を監視中。
恒大は完成前物件を担保に借金を重ねたレバレッジ400％企業だった。BYDは研究開発と設備投資が目的で、利払い能力は十分。両者を同列視するのはカテゴリーエラーである。
BYDは電池・半導体・モーターを内製する垂直統合により、競合が追随できないコスト構造を武器に市場シェアを奪う“攻勢”を選択。値下げ競争で収益が圧迫されているのは外部調達比率の高い他社だ。
中国国内ではBYDがネット上の虚偽情報を発信したブロガーを相次いで提訴し、謝罪広告と損害賠償を勝ち取った前例が複数ある。2025年6月時点で37アカウントが新たに訴えられ、報奨金付き通報窓口も開設済み。
https://en.wikipedia.org/wiki/BYD_Auto#Lawsuits_and_controversies
嘘の数字や憶測を拡散すれば、BYDから名誉毀損で訴えられる可能性があるうえ、政府の通報窓口で事実確認も容易だ。煽り投稿でバズを狙う行為は、法的リスクと紙一重である。
数字を見よ。純利益は過去最高、自己資本比率はトヨタと大差ない。値下げは敗色の狼煙ではなくコスト優位を活かした攻勢である。他社の不幸を願う前に、自国メーカーがどう巻き返すかを議論した方が建設的だ。恒大との比較はミスリード。デマを拡散すれば訴訟リスクが跳ね返る。崩壊と叫ぶ前に事実と構造を読む習慣を身につけた方が身のためだ。
まとめ
“トヨタだけが生き残り、ホンダ・日産は死ぬ”という断定は誇張。トヨタは確かにプラス圏だが、日産は反転の兆し、ホンダは深刻というのが実態。
ただしホンダと日産が中国依存度3割前後であるのは事実で、新エネルギー車ラインナップと価格戦術を年内に再設計できなければ、今後もシェア縮小が続く。
未来が危ういのは「EV開発を中国の速度に合わせられないメーカー」であり、社名よりも“開発と意思決定の遅さ”こそがリスク要因である。
わい😀おおむね正しかった😁！
https://anond.hatelabo.jp/20250709130935
※6月速報は未公表だが、N7効果で月間5万台前後の見通し。仮に6月単体で前年同月比増でも上期累計は▲10%台のマイナスが濃厚
日本のNetflixではなにが観られているのか？──2021-2025年ランキング
https://news.yahoo.co.jp/expert/articles/30b73f040e51bb5a492323740dea850762f9079e
2021年、韓国ドラマが圧倒的シェアを誇り、ランキングの70.4%を占めていた。
日本のアニメは23.3%、日本の実写作品はわずか4.8%に過ぎなかった。
しかし、段階的にその構図が変わっていく。
2025年は日本実写作品が42.2%、日本アニメが40.0%と、日本コンテンツが全体の８割以上を占めるようになった。
一方、かつて圧倒的だった韓国ドラマは14.7%まで減少している。
この５年間で、Netflixにおける日本市場の国内化が急速に進んだといえる。
ネトフリでも韓国ドラマが急速に飽きられてる
2歳と0歳を育てている嫁側の意見。
◯どこで預かるのか？
自分の家→義母が来る場合家を片付けなければならない。楽をするはずが仕事が増えてしまう。
夫は家族なんだから気にするなと言ってはいけない。嫁からすると他人。黙って家を片付けて欲しい。慣れてくるとだんだん要求するレベルが下がってくる。
ドアで手を挟まないか？
清潔さのレベルは？
◯義母への信頼感
「泣かせておけばいいのよ」というタイプの義母はこちらの意見を聞かなさそうである。
虫歯予防のために口移しを避けているのに、平気で自分の食べたスプーンを孫へつっこみそうである。
アレルギーを心配しているのに、平気で食べさせたことのないものをあげそう。
もちろん双方折り合いが必要であり、嫁側の意見ばかりを通すわけにはいかないのもわかるが、人の意見を聞かない人とは話がなりたたない。
嫁のスッピンめがねの写真、部屋の片付いていない写真などを気にせず見せている場合。
インスタグラムに載せられるレベルの写真しか見せてはいけない。
ここに関する嫁から夫への文句を、夫が「家族だから」と聞き流した場合、溝は深く深くなる。
「冬なのに靴下は履かなくてもいいのかな？」
うちの場合は娘が1歳半を過ぎても歩かず、義父が「歩かないのか！」とめちゃくちゃ言ってきて本当にうざさった。実際に写真をシェアする頻度を大きく減らした。
https://carview.yahoo.co.jp/news/detail/ec539aee5b7853ee6a7ea8df41dd8231123b0632/
記事は「減速報道は的外れ」と結論づけ、上記の数字を根拠に世界需要の拡大基調を強調している。
2025 年 1–5 月の構成比は BEV 64 %、PHEV 36 % であり、中国は NEVクレジット制度の後押しで BEV比率が 70 % を超える。一方、欧州では CO₂規制が BEV を押し上げつつ、法人減税がPHEV を温存し約 25 % が残存する。北米ではIRA 税控除の原産地要件がPHEV に相対優位を与え、BEV の伸びが鈍る。
日本は 2030 年CAFE 25.4km/L（WtW）をHV でクリアできるため、メーカーもユーザーも BEV を必須と感じにくい。充電口は 4 万口あるが BEV 9 台で 1 口を奪い合う計算になり、基礎充電の不安も拍車を掛ける。
このように BEV とPHEV の市場力学を切り分けることで、国・地域ごとに異なる「伸び」と「鈍り」の背景が明確になる。
主要メディアのニュース面は速報性と話題性を重んじるため、単月の在庫調整や補助金縮小といったネガティブ要素を見出しにしやすい。クリックを稼ぐ構造が背景にあり、「減速」という言葉は読者の関心を即座に引き寄せるからだ。一方、日本経済新聞の社説（例：2024 年 9 月 16 日付「逆風下のEVは長期的な視点の戦略を」
https://www.nikkei.com/article/DGXZQODK139VU0T10C24A9000000/ ) は産業政策や技術ロードマップを論じる場であり、脱炭素シフトの不可逆性を前提に「長期ではEV 化が避けられない」と訴える。編集局（ニュース）と論説委員室（社説）は時間軸も読者層も異なるため、同じデータを扱っても論調が食い違うのは必然だ。
carview記事の数値は一次統計と整合し信頼できる。ただし BEV とPHEV を峻別しないままでは「世界は堅調、日本は減速」という単純な図式に陥りかねない。ニュースは短期の体温を映し、社説は長期の地殻変動を語る。
読者はこの温度差を意識し、両者を重ね合わせて立体的に状況を把握する必要がある。日本が BEV 普及で周回遅れを脱するには、政策で BEV を不可避にし、充電インフラの質と密度を欧州水準へ引き上げることこそが前提条件となる。
またはてなーがシェアニュースジャパンだかJAPANNEWSNAVIみたいな怪しいサイトにホイホイされとる
「社会出たら理科は不要」5割弱 日本の高校生意識調査 |NEWSjp
https://b.hatena.ne.jp/entry/s/news.jp/i/1313440603951317216?c=39550187727945729
昨晩、ヤバい詐欺に合って絶望したので、皆様が同じ目に合わないようここに記しておきます。おそらく生成AIをテキストやリサーチ、webサイトに駆使したかなり新しいものでしたので、皆さんの参考になればとシェアします。
数週間前「英語圏ファッション系メディアの編集者」を装う人物からメール。デジタルアーティストの特集をしているのでオンラインインタビューをしたい、との内容。
先方のWEBを見る。一応ちゃんと記事も載っている。（が、内容の翻訳を怠った。おそらく生成AIを駆使して作られたフェイクサイト）メールアドレスがgmailなのでアレ？と思ったが、フリーの外部編集者かな？変なドメインではない。
インタビューはzoomのようなビデオツールで行われるが、同時通訳機能がついたvironectという新開発のアプリなので落としておいて欲しいとのこと。
今になって考えるとこのアプリ名が思いっきりウィルスも文字っていて、かなりおちょくられていたのかもしれない…
すっかりメールを忘れていた頃、「明日インタビューなので質問事項を送ります」とpdfが送られてくる。わりと僕の活動を把握した上でもしっかりした内容。しかし今考えるとこれも生成AIによる質問項目だったのだろう…
vironectをダウンロードしろとのことでダウンロードを実行するが何も起こらない。これはちょっと変なのでは？とメールすると、すみません、いまシステムメンテナンス中みたいです。テキストインタビューに切り替えましょう、とのこと。質問の答えをテキストで送るがその後返答なし
翌日metamaskがハッキングされている状態に。急ぎウォレットの破棄やクレジットセキュリティ、PCクリーンナップなど諸々の対処をする。（徹夜…いまここ）
■みんな気をつけて！
①生成AIを使ったフィッシングは今までのスパム基準では疑えないっす。嬉しいお仕事メールかと思ったら詐欺だった
②comドメインや一見まともなWebサイトも信頼の根拠にはならない。わりとちゃんとしてたのに詐欺だった
③自分の活動内容やSNSをベースに、あらゆるものが生成AIにより巧妙に作られていた。よく調べてくれてると思ったけど詐欺だった
いままでの判断基準では全く対処できないスパムでした…マジでみんな気をつけてください…😭
https://x.com/_takakurakazuki/status/1941665313323626877?s=46&
pythonimport randomimport numpyasnpimport matplotlib.pyplotas pltfrom collections importdefaultdict# 飴の配布システムのシミュレーションclass CandyDistributionSystem:def __init__(self): """設計意図: このシステムは経済における資源分配の不平等性をモデル化しています。特に少数の特権層(Aグループ)が富を集中させ、再分配システムからも不均衡に利益を得る構造的問題を表現しています。 """ # 各グループの人数設定 self.group_a_count = 8 self.group_b_count = 2498 self.group_c_count = 7494 self.total_participants = self.group_a_count + self.group_b_count + self.group_c_count # 飴の提出数設定 self.contribution_per_a = 624 self.contribution_per_b = 2 self.contribution_per_c = 1 # 各グループの総貢献計算 self.total_a_contribution = self.group_a_count * self.contribution_per_a self.total_b_contribution = self.group_b_count * self.contribution_per_b self.total_c_contribution = self.group_c_count * self.contribution_per_c self.total_contribution = self.total_a_contribution + self.total_b_contribution + self.total_c_contribution # 配布用と貯金用の飴の区分 self.distribution_limit =10000 self.savings =max(0, self.total_contribution - self.distribution_limit) # 結果追跡用の辞書 self.results = { 'A':defaultdict(int), 'B':defaultdict(int), 'C':defaultdict(int) }def distribute_candies(self, method='original'): """設計意図: 配布方法の選択によって、特権の固定化や格差拡大がどのように進むかを 示します。'original'メソッドは意図的にAグループを優遇するよう設計されています。 Parameters: ----------- method:str 配布方法 ('original', 'lottery', 'first_come', 'new_condition', 'fair') """ # Aグループへの確定配布 a_distribution = 625 * self.group_a_count remaining = self.distribution_limit - a_distribution # 残りの参加者数 remaining_participants = self.total_participants - self.group_a_count # Aグループの結果記録 for _ in range(self.group_a_count): self.results['A'][625] += 1 # 各配布方法によって処理が異なる if method == 'original': #オリジナルの問題設定通りの配布（5000人に1個ずつ、残りは0個） lucky_count = remaining # 5000人が当選 # B+Cグループの混合リスト作成 bc_participants = [(1, 'B')] * self.group_b_count + [(2, 'C')] * self.group_c_count random.shuffle(bc_participants) #当選者に配布 for i in range(len(bc_participants)): participant_id,group = bc_participants[i] if i < lucky_count: self.results[group][1] += 1 else: self.results[group][0] += 1 elif method == 'lottery': #抽選方式（BとCグループから無作為に5000人選出） bc_participants = [(1, 'B')] * self.group_b_count + [(2, 'C')] * self.group_c_count winners = random.sample(bc_participants, remaining) #当選・落選のカウント for _,group in winners: self.results[group][1] += 1 #落選者のカウント self.results['B'][0] = self.group_b_count - self.results['B'][1] self.results['C'][0] = self.group_c_count - self.results['C'][1] elif method == 'first_come': # 先着順方式（アクセス速度による先着順を乱数でシミュレート） #設計意図: 先着順は単なる運の要素を超えて、情報格差や技術格差も含む制度設計 bc_participants = [(1, 'B')] * self.group_b_count + [(2, 'C')] * self.group_c_count #現実では、情報を早く得られる人や高速インターネット接続を持つ人が有利 # これをシミュレートするため、Bグループにわずかなアドバンテージを与える bc_speeds = [] forid,group in bc_participants: ifgroup == 'B': speed = random.random() + 0.1 # Bグループに小さなアドバンテージ else: speed = random.random() bc_speeds.append((id,group, speed)) # 速度順にソート bc_speeds.sort(key=lambda x: x[2], reverse=True) #当選者決定 for i in range(len(bc_speeds)): _,group, _ = bc_speeds[i] if i < remaining: self.results[group][1] += 1 else: self.results[group][0] += 1 elif method == 'new_condition': # 追加条件方式（恣意的な条件を設定） #設計意図: 新たな条件の設定は往々にして既存の特権を温存するように設計される bc_participants = [(i, 'B', random.random()) for i in range(self.group_b_count)] + \ [(i, 'C', random.random()) for i in range(self.group_c_count)] # Bグループに有利な条件を設定（例:特定の知識やスキルを持つ人のみ） # この「条件」は表面上は中立的だが、実際には特定グループに有利になるよう設計def meets_condition(participant): _,group, rand_val = participant ifgroup == 'B': return rand_val> 0.3 # Bグループには70%の確率で合格 else: return rand_val> 0.7 # Cグループには30%の確率で合格 # 条件に合致する人を抽出 eligible = [p for p in bc_participants if meets_condition(p)] # 条件に合致する人が多すぎる場合は抽選 iflen(eligible)> remaining: winners = random.sample(eligible, remaining) else: # 条件に合致する人が足りない場合、全員に配布 winners = eligible #当選者をカウント for _,group, _ in winners: self.results[group][1] += 1 #落選者のカウント self.results['B'][0] = self.group_b_count - self.results['B'][1] self.results['C'][0] = self.group_c_count - self.results['C'][1] elif method == 'fair': # 公平な再分配方式（貢献度に応じた配布） #設計意図: この方法は「貯金分」も含めた全ての飴を、各グループの貢献度に応じて分配 # これにより構造的不平等を軽減、結果としてより多くの人が少なくとも損をしない状態になる # 全飴（貯金分も含む）を使った配布total_to_distribute = self.total_contribution # 各グループの貢献比率計算 a_ratio = self.total_a_contribution / self.total_contribution b_ratio = self.total_b_contribution / self.total_contribution c_ratio = self.total_c_contribution / self.total_contribution # 各グループへの配布数決定 a_share = int(total_to_distribute * a_ratio) b_share = int(total_to_distribute * b_ratio) c_share = int(total_to_distribute * c_ratio) # 端数調整 remainder =total_to_distribute - (a_share + b_share + c_share) if remainder> 0: # 端数は最も人数の多いCグループに c_share += remainder # Aグループの配布（均等配分） per_a = a_share // self.group_a_count self.results['A'][per_a] = self.group_a_count # Bグループの配布（均等配分） per_b = b_share // self.group_b_count b_remainder = b_share % self.group_b_count self.results['B'][per_b] = self.group_b_count - b_remainder if per_b + 1> 0 and b_remainder> 0: self.results['B'][per_b + 1] = b_remainder # Cグループの配布（均等配分） per_c = c_share // self.group_c_count c_remainder = c_share % self.group_c_count self.results['C'][per_c] = self.group_c_count - c_remainder if per_c + 1> 0 and c_remainder> 0: self.results['C'][per_c + 1] = c_remainderdef calculate_net_gain(self): """設計意図: この関数は各グループの純利益/損失を計算し、資源分配の公平性を定量的に評価できるようにします。純利益/損失は個人の観点から見た経済的公正性の重要な指標です。 """net_gains = {} # Aグループの純利益計算 a_contribution = self.contribution_per_a a_distribution = list(self.results['A'].keys())[0] # 全員が同じ数を受け取る前提net_gains['A'] = a_distribution - a_contribution # BとCグループの純利益計算（加重平均） forgroup, contribution_per_person in [('B', self.contribution_per_b), ('C', self.contribution_per_c)]:total_gain = 0 for received, count in self.results[group].items():total_gain += (received - contribution_per_person) * countnet_gains[group] =total_gain / (self.group_b_count ifgroup == 'B' else self.group_c_count) returnnet_gainsdef analyze_results(self): """設計意図: この分析関数は、各グループの分配結果を詳細に調査し、制度設計の公平性、貢献度と報酬の関係、およびシステムの持続可能性を評価します。政策分析においては、こうした多角的な検証が重要です。 """ # 各グループの純利益/損失net_gains = self.calculate_net_gain() # 貢献度分析 contribution_percentage = { 'A': (self.total_a_contribution / self.total_contribution) *100, 'B': (self.total_b_contribution / self.total_contribution) *100, 'C': (self.total_c_contribution / self.total_contribution) *100 } # 飴を受け取った人の割合 received_percentage = { 'A': sum(count for received, count in self.results['A'].items() if received> 0) / self.group_a_count *100, 'B': sum(count for received, count in self.results['B'].items() if received> 0) / self.group_b_count *100, 'C': sum(count for received, count in self.results['C'].items() if received> 0) / self.group_c_count *100 } #分析結果の表示print("\n===== 飴の配布システム分析 =====")print(f"総飴数: {self.total_contribution}個 (分配用: {self.distribution_limit}個,貯金: {self.savings}個)")print("\n---グループごとの貢献と結果 ---") forgroup in ['A', 'B', 'C']:group_size =getattr(self, f"group_{group.lower()}_count") contribution_per_person =getattr(self, f"contribution_per_{group.lower()}")total_contribution =getattr(self, f"total_{group.lower()}_contribution")print(f"\n{group}グループ ({group_size}人):")print(f" 貢献: 1人あたり{contribution_per_person}個 (総計: {total_contribution}個, 全体の{contribution_percentage[group]:.1f}%)")print(f" 受け取り状況:") for received, count in sorted(self.results[group].items()):print(f" {received}個: {count}人 ({count/group_size*100:.1f}%)")print(f" 飴を受け取った割合: {received_percentage[group]:.1f}%")print(f"純利益/損失: 1人あたり平均 {net_gains[group]:.2f}個")print("\n--- 全体的な公平性分析 ---")print(f"最も得したグループ: {max(net_gains,key=net_gains.get)}グループ (+{max(net_gains.values()):.2f}個/人)")print(f"最も損したグループ: {min(net_gains,key=net_gains.get)}グループ ({min(net_gains.values()):.2f}個/人)") # 全員に飴が配布されたかどうかall_received =all(sum(count for received, count in self.results[group].items() if received> 0) ==getattr(self, f"group_{group.lower()}_count") forgroup in ['A', 'B', 'C'])print(f"\n前提条件「全員に配布」の充足: {'はい' ifall_received else 'いいえ'}") if notall_received:total_without = sum(self.results['B'][0] + self.results['C'][0])print(f" 飴を受け取れなかった人数: {total_without}人") returnnet_gains, contribution_percentage, received_percentagedef visualize_results(self): """設計意図:データの可視化は政策の効果や不平等性を直感的に理解するために重要です。 このようなグラフィカル表現によって、各グループ間の格差や制度設計の問題点を 一目で理解できるようになります。 """ #グラフのセットアップfig, axes = plt.subplots(2, 2,figsize=(14,10)) # 1. 貢献度のグラフ contributions = [self.total_a_contribution, self.total_b_contribution, self.total_c_contribution] axes[0, 0].bar(['Aグループ', 'Bグループ', 'Cグループ'], contributions) axes[0, 0].set_title('グループごとの総貢献飴数') axes[0, 0].set_ylabel('飴の数') # 貢献度の割合をアノテーションとして追加total = sum(contributions) for i, v in enumerate(contributions): percentage = v /total *100 axes[0, 0].text(i, v +100, f'{percentage:.1f}%', ha='center') # 2. 1人あたりの貢献度と受け取り数の比較group_names = ['Aグループ', 'Bグループ', 'Cグループ'] contribution_per_person = [self.contribution_per_a, self.contribution_per_b, self.contribution_per_c] # 各グループの平均受け取り数を計算 received_per_person = [] forgroup, letter inzip(group_names, ['A', 'B', 'C']):total_received = sum(received * count for received, count in self.results[letter].items())group_size =getattr(self, f"group_{letter.lower()}_count") received_per_person.append(total_received /group_size) x =np.arange(len(group_names)) width = 0.35 axes[0, 1].bar(x - width/2, contribution_per_person, width, label='提出') axes[0, 1].bar(x + width/2, received_per_person, width, label='受け取り') #純利益/損失をアノテーションとして追加 for i in range(len(group_names)):net = received_per_person[i] - contribution_per_person[i]color = 'green' ifnet>= 0 else 'red' axes[0, 1].text(i,max(received_per_person[i], contribution_per_person[i]) + 5, f'{"+" ifnet>= 0 else ""}{net:.1f}', ha='center',color=color) axes[0, 1].set_title('1人あたりの提出・受け取り飴数比較') axes[0, 1].set_xticks(x) axes[0, 1].set_xticklabels(group_names) axes[0, 1].set_ylabel('飴の数') axes[0, 1].legend() # 3. 各グループの受け取り状況の分布 # 各グループの受け取り状況を積み上げ棒グラフで表現group_sizes = [self.group_a_count, self.group_b_count, self.group_c_count] received_counts = [] not_received_counts = [] for letter, size inzip(['A', 'B', 'C'],group_sizes): received = sum(count for received, count in self.results[letter].items() if received> 0) received_counts.append(received) not_received_counts.append(size - received) axes[1, 0].bar(group_names, received_counts, label='飴を受け取った人数') axes[1, 0].bar(group_names, not_received_counts, bottom=received_counts, label='飴を受け取れなかった人数') #割合をアノテーションとして追加 for i in range(len(group_names)): ifgroup_sizes[i]> 0: percentage = received_counts[i] /group_sizes[i] *100 axes[1, 0].text(i, received_counts[i] / 2, f'{percentage:.1f}%', ha='center') axes[1, 0].set_title('グループごとの飴受け取り状況') axes[1, 0].set_ylabel('人数') axes[1, 0].legend() # 4. 貢献度vs報酬の分配公平性 # 貢献度と最終的な飴の配分の比較を円グラフで表現total_contribution = self.total_contribution contribution_shares = [self.total_a_contribution /total_contribution, self.total_b_contribution /total_contribution, self.total_c_contribution /total_contribution] # 実際の配分シェアを計算 distribution_shares = [] for letter in ['A', 'B', 'C']:total_received = sum(received * count for received, count in self.results[letter].items()) distribution_shares.append(total_received / self.distribution_limit) # 2つの円グラフを並べて表示 ax4_1 = axes[1, 1].inset_axes([0, 0, 0.45, 1]) ax4_2 = axes[1, 1].inset_axes([0.55, 0, 0.45, 1]) ax4_1.pie(contribution_shares, labels=group_names, autopct='%1.1f%%') ax4_1.set_title('飴の貢献度割合') ax4_2.pie(distribution_shares, labels=group_names, autopct='%1.1f%%') ax4_2.set_title('飴の配分割合') axes[1, 1].axis('off') plt.tight_layout() plt.show()# 飴の配布システムをシミュレートcandy_system = CandyDistributionSystem()#オリジナルの配布方法を実行print("\n=====オリジナルの配布方法 =====")candy_system.distribute_candies(method='original')original_results = candy_system.analyze_results()candy_system.visualize_results()# 公平な配布方法を実験print("\n\n===== 公平な配布方法のシミュレーション =====")fair_system = CandyDistributionSystem()fair_system.distribute_candies(method='fair')fair_results = fair_system.analyze_results()fair_system.visualize_results()# 公平な配布と元の配布の比較print("\n\n===== 配布方法の比較 =====")print("オリジナル方式と公平方式の純利益/損失差:")net_diff = {}forgroup in ['A', 'B', 'C']:original_net =original_results[0][group] fair_net = fair_results[0][group]diff = fair_net -original_netnet_diff[group] =diffprint(f"{group}グループ: {'+' ifdiff> 0 else ''}{diff:.2f}個/人")print("\n結論:")ifnet_diff['A'] < 0 andnet_diff['B']> 0 andnet_diff['C']> 0:print("公平な再分配により、Aグループの特権が減少し、BとCグループの状況が改善されます。")print("これは構造的不平等の緩和に効果的です。")elifnet_diff['A']> 0:print("興味深いことに、公平な再分配ではAグループさえも利益を得られます。")print("これは、現行システムが特定グループだけでなく全体の非効率性につながっていることを示唆しています。")
満員電車。
ホームでは3番目くらいに並んでいたが、前の人がなかなか進まず、ドア横に立っている乗客も全く動く気配がなかった。
後ろには人が詰まり始めていて、降車客がまだ出ている最中にもかかわらず、乗り込もうとする人もいた。
そのまま前が詰まり、後ろからは強く押され、さらにドア横の乗客にも肩やグーパンで明確に押された。
前後横から押され、体勢を崩したので腕を咄嗟に動かして吊り革に掴まりにいこうとした。このとき、前の人の首付近に自分の腕が触れてしまった。
「すみません、大丈夫ですか？」と声をかけたが、相手は無言のまま足元を探していた。
どうやらぶつかった拍子に、相手の耳につけていたワイヤレスイヤホンが片方、外れて床に落ちたようだ。
混雑の中で私もスマホのライトで床を照らし、少し探していると、相手が口を開いた。
「みつからないですね。ないです。…え、どうしてくれるんですか？」
私は戸惑いつつ
「本当に申し訳ない。ただ、どうしてくれると言われても…。」と謝りつつ釈然としない態度をとってしまった。
故意ではないとはいえ、過失があるのは事実なのでこう言ったケースはどうしたら良いのかもわからず、無視や逃げるのもまずいよなぁと思い
「よろしければ、あなたの降りる駅でも良いので、第三者交えて会話しませんか？」と伝えてしまった。
駅員に相談して、第三者を交えて対応できるか話せたらと思っていた。
逃げずに誠実に向き合いたかったのか、気まずさから咄嗟に出てしまった発言なのかはわからない。
小心者ゆえに後者だろう。
相手は無言でうなずいたが、そこからも会話はなく、相手はイヤホンのケースをカパカパと開けたり閉めたりしていた。
実は高級イヤホンで弁償だったら嫌だなぁ。
ドア横からやたらと押してきて、なんならグーパンで押してきたクソオヤジに過失を擦りつけられないかなとか思うけどそんな度胸はない。
二駅ほど過ぎたあと、近くの乗客の服からポロッとイヤホンが落ちた。
落としたイヤホンだった。どうやら近くの服の隙間に引っかかっていたらしい。
相手はすかさず拾っていた。
私は
「見つかってよかったですね。次からは気をつけますね。」と声をかけたが、相手は何も言わず、降りてった。
不可抗力とはいえ、結果として自分の動きでイヤホンを落とさせてしまったのは事実だから謝ったし、必要なら話し合う覚悟もしていた。逃げたかったけど。
できる限りのことはしたつもりだが、なんかモヤっとする。
なんか「こういう時、めっちゃきまずくなるから感情的にどうするつもりですか？とか言わない方が良いよｗｗ」とか言ってやりたかった。
そんな度胸はない。
見つかってよかったけど、すごくモヤモヤする。
Detection Transformer の課題感
Detection Transformer はとても性能が高いです。一方で下記の課題感を日々感じています。
1.と2.は2つで1つのような相互関係性のある課題で、高解像度あるいは低解像度で性能をしっかり発揮させるためには、推論時の入力解像度を学習着手前から強く意識し、高解像度で推論する見込みなら高解像度であらかじめ学習させておかないと、推論時に期待するパフォーマンスを得られません。この検証結果については下記の 460_RT-DETRv2-Wholebody25 の README に検証の過程から結果までをまとめていますので、気になる方は一度ご覧ください。
どれほど良くないか、が直感的に分かる結果だけをここにシェアしておきます。下図はRT-DETRv2-X を自作の強力なデータセットで学習したモデルを使用して推論した結果です。ただ、この記事は 高解像度の画像を640x640で学習したTransformerで推論すると性能が著しく落ちる ということを主眼にお伝えしたいのではなく、この固定解像度でしか推論できないモデルを自由入力解像度に対応した ONNX として生成するトリックを共有することを目的としています。下図の画像の精度の良し悪しは本題とはあまり関係がありません。
https://bhdstarvietsub.graphy.com/courses/phimdieuuoccuoicungvietsub
https://bhdstarvietsub.graphy.com/courses/xemphimdieuuoccuoicungfullhd
2025年7月2日にXで公開された「各国BEVシェア（直近12か月）」に対し、日本ではなぜこんなにもBEVシェアが低いのか話題になっている。
https://x.com/leRaffl/status/1940453187733147847
-2024年上半期の乗用車販売におけるHEV比率は約62 %であり、電動化ニーズがBEVへ流れにくい状況をつくっている。
-政府は2035年新車100 %を「電動車」と定義し、HEVも含めるためメーカー・ユーザーとも切迫感が薄い。
-トヨタは全方位戦略を掲げ、ホンダはEV投資縮小とHEV強化を公言するなど、国内大手がBEV必須路線を取らない。
-国内量販BEVはリーフ、アリア、軽EV数車種に限られ、補助後でも同セグメントHEV比で高価。
5. 充電インフラの立ち遅れ
-公共充電口数は約4万口と少なく、充電器1口が背負う車両数・充電時間数ともに欧州主要国の倍。
- 戸建て比率が低い都市部では基礎充電を確保しづらく、月極駐車場の共有充電導入も進まない。
-LNG依存による電気料金高止まりと災害時停電経験が「充電不安」を増幅している。
