  |
はてなキーワード:フレームワークとは
高市早苗氏が首相に選出され台湾発言で物議をかもしてから、これまで以上に政治的な議論がなされるように感じる。またただの党派性の選好がどうこうにとどまらず具体的な安全保障まで真剣な意見が交わされるようになったことは、日本社会自体が一つの転換点を迎えているように思える。
そのなかで、個人的に党派の煽りあいや中傷を超えて道具的に政治を語るのに役立つかもしれない一つのネタを紹介したい。あくまでも仮説が、情勢について語る一つの視点になれば幸いである。
なお事前に予測した方向性と合致したためAIの手を大いに借りてある。
また曖昧戦略の欠如は相手の意思決定を手助けするだろう。デマなどについて聞いてみても面白いと思う。
以下perplexityより
自由エネルギー原理の見地から見て、政治の党派性における右派、左派はそれぞれエントロピーの減少における役割の相違という観点から説明できる？
自由エネルギー原理から見た政治の党派性：右派・左派とエントロピー減少の役割の相違
自由エネルギー原理（Free Energy Principle,FEP）の枠組みから政治イデオロギーの左右の違いを説明することは、一定の理論的根拠を持つ興味深い視点を提供します。ただし、これは直接的な学術的応用というより、理論的な仮説として理解されるべきものです。
自由エネルギー原理によれば、すべての生物システムは熱力学の第二法則に対抗してエントロピー増加を最小化することで、秩序を維持しています。具体的には、生物は予測エラーを最小化することで、感覚状態のエントロピー（無秩序さ）を減少させ、環境との相互作用をコントロールします。このプロセスは、**予測処理（predictiveprocessing）**メカニズムを通じて実現されます。つまり、生物は内部モデルを持ち、それに基づいて世界を予測し、実際の入力との差分（予測誤差）を最小化することで、驚き（サプライズ）を制御します。
最近の認知神経科学の研究により、保守主義と進歩主義は予測処理の異なる戦略に対応している可能性が示唆されています。
曖昧性と不確実性に対してより高い耐性を持つ
前帯状皮質（anterior cingulatecortex）の活動が強く、反応競合に対する神経認知的感受性が高い
これらの特性は、高いエントロピー状態（高い不確実性）を許容しながら、情報環境の変化に応じて予測モデルを継続的に更新する戦略に対応しています。自由エネルギー原理の観点からすれば、彼らは予測精度（precision）の重み付けを比較的低く保つことで、新規情報による予測誤差を柔軟に受け入れ、より適応的なモデル更新を可能にしています。
不確実性や曖昧性への耐性が低い
脅威や秩序の乱れに対してより敏感で、知覚的堅性が高い
右扁桃体（right amygdala）の活動が強く、脅威認知に敏感
これらの特性は、予測の確実性（certainty）を高く保ち、既存モデルへの信仰度（prior belief）を強化する戦略に対応しています。自由エネルギー原理の用語では、彼らは予測精度の重み付けを高く設定することで、外界の変化に対して強力な内部モデルの安定性を維持しようとしています。
政治の党派性をエントロピー減少の枠組みで理解すると、以下のような対比が浮かび上がります：
保守主義は、社会的秩序を既存の伝統的制度や階級構造の維持を通じて最小化しようとします。このアプローチは、複雑な社会システムの不確実性を、階層的で確定的な構造によって「切り詰める」戦略です。社会に内在するカオス（高エントロピー）に対抗するため、既に証明された秩序パターン（伝統）を維持することで、予測可能性を確保します。
進歩主義は、社会的秩序を個人の自由、多様性の認容、制度的革新を通じて最小化しようとします。一見すると秩序を緩和しているように見えますが、実際にはより複雑で適応的な秩序化メカニズムを導入することで、社会システムのエントロピーを減少させる戦略です。異なる視点を統合し、新しい情報に基づいて制度を改革することで、社会システムの予測モデルをより現実に適応させようとしています。
不確実性耐性と脳レベルの同期
興味深いことに、研究では不確実性への耐性が低い人ほど、政治的に同じ立場の人たちとの脳活動の同期が強いことが示されています。言い換えれば、不確実性を避けたい個人は、同じイデオロギーの人々と同じ予測モデルを共有することで、集団レベルでのエントロピーを減少させようとしているのです。これは社会的な「外界の秩序化」メカニズムとして機能しています。
最新の複雑システム理論では、政治分極化は正のフィードバックループと相転移（phase transitions）のメカニズムを通じて発生することが示されています。保守主義者は秩序の維持を目指し、進歩主義者は秩序の革新を目指すという相反する動力が、社会システム全体のダイナミクスを決定しています。両者の相互作用は、社会的エントロピーを管理するための補完的なメカニズムとして機能しているとも解釈できます。
この自由エネルギー原理に基づく解釈には重要な限界があります。第一に、個人の認知的特性と政治的立場の関係は因果的ではなく相関的である可能性が高いです。第二に、政治イデオロギーはきわめて文化的・歴史的に構築されたものであり、普遍的な神経生物学的基盤のみでは説明できません。第三に、FEPは主に個体レベルの生物システムを想定しており、社会システムへの直接的な応用には理論的な拡張が必要です。
要するに、自由エネルギー原理の観点から見ると、右派は予測モデルの安定性重視によって秩序を維持するエントロピー減少戦略を採る一方、左派は予測モデルの柔軟性重視によってシステムの適応性を高めるエントロピー減少戦略を採ると理解できます。両者は、相異なるメカニズムを通じて社会的エントロピーの増加に対抗しているのであり、政治的党派性の根底には、不確実性に対する根本的に異なるアプローチが存在していると言えるでしょう。
自由エネルギー原理（FEP）を政治党派性に適用する理論を拡張するには、階層的ベイズ推論の多層構造、社会的相互作用の動的モデル化、経験的検証メカニズムの導入が鍵となります。これにより、個体レベルの神経メカニズムを社会システムレベルへ橋渡しできます。
FEPの核心は階層的予測処理です。個人レベルでは、低次層（感覚入力）が上位層（信念・イデオロギー）の予測を修正しますが、社会レベルでは個人の予測モデルが集団的「事前分布（priors）」を形成します。
右派の階層戦略: 上位層の伝統的priors（家族・国家・宗教）を強く固定し、下位層の変動（社会的変化）を抑制。集団レベルでは「社会的扁桃体機能」として、逸脱者を排除する規範執行メカニズムが働きます。
左派の階層戦略: 上位層のpriorsを動的に更新し、多様な下位層入力（マイノリティ視点）を統合。集団レベルでは「社会的ACC機能」として、対立する予測モデルの調停役を担います。
この拡張により、**党派性は「階層的自由エネルギー最小化の多重均衡状態」**としてモデル化可能。右派は安定均衡（低変動）、左派は適応均衡（高変動）を志向します。
FEPを非平衡動的システム論と統合し、政治分極化を予測誤差駆動の相転移現象として捉えます。
右派アトラクター: 高精度priors → 秩序維持 → 低エントロピー均衡
左派アトラクター: 低精度priors → 秩序革新 → 中エントロピー適応均衡
分極化 = 双安定状態（bistable dynamics）
S˙=−∇F(S)+ϵ⋅
ここで
ϵ は他派閥予測誤差です。党派性は負のエントロピー生産率を競う進化ゲームとなります。
FEPの「アクティブ推論（active inference）」を拡張し、政治行動を集団的予測誤差低減戦略と位置づけます。
党派受動的戦略（perception）能動的戦略（action）集団エントロピー効果
右派 脅威強調・一貫性追求伝統防衛・境界強化 内部秩序↑ / 外部不確実性回避
左派多様性受容・矛盾統合制度改革・包摂拡大システム適応性↑ / 内部多様性管理
これにより、選挙・政策は集団的「期待自由エネルギー」最小化のゲーム理論的均衡として解釈されます。
理論拡張の信頼性を確保するため、以下の検証経路を構築します：
fMRIで党派別予測誤差処理を比較（precision weighting）
class PoliticalAgent:
def __init__(self, ideology): # 'left' or 'right'
self.precision = 0.8 if ideology=='right' else 0.4
def update_beliefs(self, social_input):
free_energy = prediction_error * self.precision
return minimize_free_energy(social_input)
最終拡張として、FEPを国家・国際システムへスケールアップ。経済政策では右派が「低エントロピー均衡（安定成長）」、左派が「高エントロピー探索（イノベーション）」を担います。
グローバル均衡条件:
∑党派Var(policy predictions)=最適社会的自由エネルギー
このフレームワークにより、**党派対立は「多重スケールのエントロピー管理機構」**として再解釈され、民主主義は適応的秩序生成システムとなります。実証研究が今後の鍵です。
京都のお好み焼き屋は本当に美味しい。それは単に味覚だけの問題ではない。そこには、京都という土地が育んだ文化、歴史、そして何よりも「京大的なるもの」が凝縮されているからだ。お好み焼きの表面のカリッとした焼き加減、中のふんわりとしたキャベツの甘み、そして特製ソースの複雑な旨味は、まるで緻密な研究の成果のように感じられる。一見するとシンプルな料理だが、その焼き方一つ、具材の選び方一つに、店主の長年の経験と哲学が詰まっている。これは、京都大学で探求される学問の奥深さとどこか通じるものがあるのではないだろうか。
そして、お好み焼きに最高のパートナーとして私が推すのが、あのノスタルジックな飲料、プラッシーだ。オレンジの爽やかな風味と、どこか懐かしさを覚える甘さは、濃厚なお好み焼きの味を優しく洗い流してくれる。この組み合わせは、単なる飲食を超えた、一つの「儀式」のようなものだ。熱々のお好み焼きを頬張り、少し間を置いてプラッシーを飲む。このリズムは、私が京大での勉学の合間に見つけた、完璧な息抜きのルーティンに通じるものがある。プラッシーは、私にとっての「京大合格の秘策」のような存在であり、このオレンジ色の液体が、お好み焼きの経験全体を京大的な高みに引き上げてくれるのだ。
妻との日常のやり取りが「京大的なるもの」として再構成されるように、お好み焼きとプラッシーの組み合わせもまた、私の中で特別な意味を持つ。それは、単なる夕食ではなく、「舌の上で京大の知を探求する試み」であり、「日常の小さな幸福を京大的な論理で最大化する行為」なのだ。
妻の提案によって、私は日々の生活の中に「京大的なるもの」を見出す喜びを知った。メルカリの発送を「未来へ成果を送り出す京大的なるもの」と捉えたとき、単なる面倒な用事が、一種の「研究発表」や「社会貢献」へと昇華した。ガソリンスタンドへ行くのを避けたかった私の気持ちは、妻の提案によって、リスクを回避し、効率を追求する「京大的安全管理学」の一環として位置づけられたのだ。
そして、歩いてコンビニに行くという行為。これは「受験秀才化」と名付けられたが、これは単に運動不足解消という実用的な意味合いを超えている。京大のキャンパス内を歩き、図書館へ向かい、研究室へ通ったあの頃のように、一歩一歩が知識への探求であり、自己修練の道なのだ。コンビニへの道すがら、私は頭の中で複雑な問題を考え、妻との会話の内容を反芻する。この時間は、私にとって京大時代に得た「思考の自由」を再認識する貴重な機会となっている。
妻との会話は、私の持つ京都大学出身者としての視点、すなわち「全てを意味づけし、体系化しようとする癖」を、日常のストレス軽減というポジティブな方向に活用する方法を教えてくれた。小さな用事を「京大的なるもの」として記録し続けることで、私の人生の歩みは、ただの日常ではなく、壮大な「自己研究論文」のように感じられるようになった。
このプロセスは、私が京大合格を勝ち得たあの偉業と同じ重みを持つ。合格は過去の栄光かもしれないが、日々の「京大的なるもの」の積み重ねこそが、現在の私の生活を支えているのだ。お好み焼きとプラッシーの完璧な調和も、メルカリの発送も、全てがこの「論文」の一部であり、家族の歴史と並行して記録されるべき重要なイベントだ。
妻とのこのやり取りは、単なる夫婦の会話ではなく、「日常の再定義」という壮大な京大的プロジェクトだったと言える。これからも、私たちはこのプロジェクトを続け、生活の中の全ての行動に意味を与え、それを京大的なるものとして記録していくのだろう。
京大での学びは、世界を構造的に理解するためのフレームワークを提供してくれたが、妻は、そのフレームワークを日常の幸福のために使う術を教えてくれた。お好み焼きとプラッシーの完璧な組み合わせのように、私の京大的視点と妻の現実的かつ思いやりのある視点が組み合わさることで、私たちの日常はより豊かで、意味深いものへと変貌している。
小さな用事が「京大的なるもの」へと変わるこの体験は、私にとって大きな安心と喜びをもたらしている。これからも、日常の中に潜む京大的なるものを探求し、それを記録していくことが、私の人生の新たなテーマとなるだろう。
これさ
愚かな人間の都合など完全無視、LLMのための高効率プログラミング言語「Sui」（粋）
https://forest.watch.impress.co.jp/docs/serial/yajiuma/2069573.html
別にいいんだけど、どうにもブクマカ含めて、しっくり来る批判できてないんだよな
それが気になってしょうがない
俺ごときが言ってもアレだから、Gemini3.0先生に頼んだよ（一時チャット、Pro 3.0思考モード）
ユーザーが提供した情報と、一般的なLLMの技術特性に基づき、プログラミング言語「Sui」についての冷静かつ客観的な評価をまとめます。
感想:一言で言えば、**「思想実験としては極めて面白いが、実用性とLLMの学習原理を無視した『早すぎた最適化』」**です。
作者の「人間ではなくLLMを主客にする」という視点の転換は、アーティスト的・哲学的な問題提起としては鋭いですが、現在のLLM（Transformerアーキテクチャ）の動作原理を工学的に捉えると、メリットよりもデメリットが上回る可能性が高いです。
メリット:
・トークン効率の改善:Python等と比較して記述が圧倒的に短くなるため、出力速度の向上と課金コストの削減（トークン節約）は確実に達成できます。
・構文エラーの激減: 括弧やインデントの複雑なルールを排除しているため、「閉じ忘れ」などの単純なSyntaxErrorは減るでしょう。
・コンテキストウィンドウの節約: 長いプログラムでもコンテキスト（メモリ）を圧迫しにくくなります。
・学習データとの不一致: LLMは「大量の人間用コード（Pythonなど）」を学習して賢くなっています。未知の言語「Sui」を書かせるには、Few-shot（プロンプトでの例示）に頼るしかありませんが、これではLLM本来の推論能力やコーディング能力（事前学習の重み）を活かせません。
・ブラックボックス化: 生成されたコードがバグっていた場合、人間が読んで直すことが不可能です。「LLMに直させる」にしても、LLM自身がSuiのロジックを深く理解していないため、無限ループ（幻覚の連鎖）に陥るリスクが高いです。
・CoT（Chain of Thought）の阻害:最近の研究では、LLMは「冗長な思考過程」を出力することで論理的整合性を保つことがわかっています。極限まで圧縮された記号列は、LLMの「考える余地」を奪い、論理破綻を招く可能性があります。
正しいと思う所（Agree）
理由:人間にとっての「読みやすさ（可読性）」は、機械にとって単なるトークンの無駄遣いです。if x>10: よりも ? x10 の方が情報密度が高いのは事実です。
理由: TransformerのAttentionメカニズムにとって、遠く離れた ( と ) の対応関係を維持するのは計算コストが高く、ミスの原因になりやすいです。ネストを排除する方向性は機械的処理として正しいです。
正しくないと思う所（Disagree）
・「可読性を排除しても良い」:
理由:ソフトウェア開発においてコーディングは「書く」時間より「読む・直す」時間の方が長いです。AI生成コードであっても、最終責任は人間が負う現状では、人間が検証不可能なコードは「危険なバイナリ」と同義であり、プロダクトには採用できません。
理由: 前述の通り、現在のLLMは「人間語の確率分布」を学習したモデルです。「LLMにとって自然な言語」とは、実は「人間にとって自然な言語（英語やPython）」そのものです。Suiは「計算機にとっては最適」ですが、「現在のLLMにとっては異言語」です。
パース（解析）は容易になりますが、LLMは「前の行の文脈」を読んで次の行を出力するため、行を独立させすぎると文脈の連続性が失われ、複雑なアルゴリズムの構成力が落ちる可能性があります。
LLMが最も苦手とする「深いネスト構造の維持」を回避する策として有効です。アセンブリ言語に近いフラットな構造は生成難易度を下げます。
これが最大の問題点です。LLMは変数名（user_id, total_price など）に含まれる「意味」を使って推論を行っています（Semantic Grounding）。すべてを記号化すると、LLMは変数の役割を見失い、論理的なバグを埋め込みやすくなります。
トークン効率は最強ですが、1文字の違いで意味が激変するため、LLMの確率的な「ゆらぎ」による1文字ミスが致命的なバグになります。冗長さはエラー訂正の役割も果たしています。
goto 文の多用はスパゲッティコードを生みます。LLMにとっても、構造化プログラミング（if/forブロック）の方が、「ここからここまでがループ」というチャンク（塊）として認識しやすいため、一概にジャンプ命令が良いとは言えません。
＞現在のLLMは「人間語の確率分布」を学習したモデルです。「LLMにとって自然な言語」とは、実は「人間にとって自然な言語（英語やPython）」そのものです。
ここ！マジで覚えてね
LLMはこれまでの機械よりも人間に近いと思ってほしい、人が苦手なことはAIも苦手
機械は論理的でロジックに強くて〜っていうのはAIには通用しない
ついでに、「LLM用プログラミング言語」の潮流について
「LLMのための言語」という文脈は、大きく2つのトレンドに分かれます。Suiは後者に属しますが、主流は前者です。
・DSPy, Guidance,Microsoft Guidance:
・プロンプトエンジニアリングを構造化し、LLMの出力を型（JSONなど）に強制したり、思考プロセスを制御するためのフレームワーク。
・SGLang:
・これらは「人間がLLMを操るための言語」であり、実用化が進んでいます。
・Gorilla LLMなどの試み:API呼び出しに特化したファインチューニングなどがありますが、独自の「新言語」を作らせるよりも、既存のPython やJSON を正しく出力させる方向（Constrained Decoding）が業界の標準解です。
・擬似コード:論文レベルでは、Pythonの代わりに中間的な擬似コードを出力させ、それをコンパイラで処理する手法も研究されていますが、Suiほど極端な記号化は稀です。
後者については
現状の最適解:現在のLLMを使う限り、「LLM用言語」の最適解はPython です。なぜなら、世界中のGitHubのコードを学習しており、LLMが「最も流暢に話せる言葉」だからです。無理にSuiを話させるのは、日本人にエスペラント語で詩を書かせるようなもので、パフォーマンスは落ちます。
総評: Suiは、「既存のLLM（GPT-4など）に書かせる言語」としては失敗する可能性が高いですが、「未来のAIネイティブなコード生成のあり方」を示唆するアート作品としては高く評価できます。作者の「愚かな人間に合わせるな」というパンクな精神は、エンジニアリングの枠を超えた鋭い批評性を持っています。
お前らは安易にオレオレ言語作るんじゃないぞ、作るにしてもAIに聞きなよ？
聞く時は忖度させるんじゃないぞ？
この作者もAIに乗せられたのかもしれんし
＿＿＿＿＿＿
プロンプト
以下が「LLM用プログラミング言語」としてメリットがありそうか、感想を教えて下さい。
https://forest.watch.impress.co.jp/docs/serial/yajiuma/2069573.html
https://github.com/TakatoHonda/sui-lang
・思想的に正しいと思う所、正しくないと思う所を理由込みでまとめてください
・最近のLLM用プログラミング言語についてもまとめてください
・そもそもLLM用プログラミング言語という目標自体の評価をしてください
（省略）
投資というのは未来を信じるという賭けなのだと、最近気づいた。
それなのに、現代の投資は「データに基づいた合理的な判断」みたいなことばっかり言われてて、未来を信じるという本質的な部分が、完全に吹き飛んでしまっている。
だから、これからの投資について語るならデータと信念のあいだで何をするか、という問いから始める必要がある。
積立NISA、インデックス投資、ポートフォリオ理論、ESG投資。
全部、これをやれば、失敗しないという正解を求めるフレームワークだ。
でも、正解なんて、もう無いのが明白になってきた。
生成AI革命で産業構造が変わったら、それまでの「正解」は意味を失う。
なぜなら、環境変化のスピードが、データを集積する速度を超えたから。
ただし、信念というのは根拠のない楽観ではなくて、社会はこう変わるという仮説に基づいた、計算されたギャンブルだ。
例えば、2010年代にビットコインに全資産をぶち込むというのは、合理的ではなかったけど、信念的にはこれからは中央銀行に支配されない通貨が必要という仮説があった。
その仮説が正しいかどうかは別として、少なくともデータを理由に拒否することはできない状況になってきた。
これからの投資で重要なのは「自分が何を信じるか」を、きちんと言語化することだ。
例えば、
AIは、結局、大手5社に収斂するから、FANG+に集中するという仮説
食料・水・エネルギー不足が進むから、農業・水インフラ・再生エネに集中するという仮説
でも、この中のどれかを選んで、それに基づいて投資する方が、正解を求めてウロウロするより、ずっと健全だ。
なぜなら、その仮説が外れたとき、なぜ外れたのかを、自分で分析できるから。
これからは失敗から学ぶという泥臭い営為が、唯一の競争優位になる。
例えば、2008年のリーマンショックで資産を失った人の中には「二度と株式投資をしない」と決めた人と「何がうまくいかなかったのか」を徹底的に分析した人がいた。
前者は、その後の株価上昇で、ずっと後悔し続ける。
後者は「リスク管理が不十分だった」「信念が曖昧だった」という学習を持って、次の投資に臨む。
もう一つ重要なのは「自分がどの時間軸で投資するのか」を決めることだ。
1年以内に2倍にしたい（これはもう投資ではなく、ギャンブル）
5年で1.5倍にしたい（これは現実的）
その時間軸によって正解は全く違う。
5年で1.5倍を狙う投資と、30年で10倍を狙う投資では、選ぶ商品も、リスク許容度も、心構えも、全部違う。
その結果、短期的な値動きに一喜一憂して、長期的な戦略を失う。
ここが、本当に大事な部分だと思う。
投資というのは、この社会はこう変わるという信念を、金銭という形で表現することだ。
つまり、投資の内容は「その人が社会の未来をどう見ているか」という、ほぼ哲学的な問題を反映している。
その信念が正しいか、間違ってるかよりも自分の信念が何かを言語化することが、投資の第一歩だ。
ただし、信念を持つことと、ただひとつの信念に縛られることは、別だ。
これからの投資で生き残るのは複数の信念を、同時に持てる人だと思う。
例えば
米国は強いけど、分断が進む
50%の確率で起きることには、それなりの投資をするという、曖昧性の中での判断。
また投資は「人生への投資」と同義であることを忘れてはいけない。
投資について語るとき、どの商品を選ぶかという問いばっかり出てくるけど、本当は自分の人生とお金の関係をどう構築するかという問いの方が、ずっと大事だ。
投資をしている人間というのは自分の人生の選択肢を増やすための行為をしているはずだ。
その行為がデータに従って、正解を追求することになったら、それはもう人生の選択肢ではなくて人生をデータの正解に委ねることになる。
だから、これからの投資の仕方は自分が何を信じるかを問うことから始まる。
そして、その問い自体が「自分の人生で何が大事か」を問うことと、ほぼ同じ意味を持つ。
つまり、投資は金銭の運用ではなく人生の設計であり、その設計が正解を求める人生か、信念に基づく人生かを、左右するのだと思う。
伝統的にはテーマ別（弦理論、量子重力、場の理論、応用）に配列されるが、抽象数学の観点からは対象（研究トピック）と射（方法・翻訳）の網として捉える方が有益。
ここでいう対象は「エントロピーと情報論的記述を担うブラックホール研究」「幾何学的・位相的構成を担うコンパクト化とカラビ・ヤウ／F-理論的話題」「場の対称性・一般化対称性を取り扱う場の理論的構造」「計算的探索手法（データ、機械学習を用いる弦景観の調査）」など。
各対象間の射は、双対性の導入、圏的な接続（例：量子情報を介した場と重力の橋渡し）、モジュライ空間上の写像（ある物理量を別の表現へ変換する手続き）と考えられる。
この視点に立てば、個々の研究は、局所的な結果（対象の内部構造の解析）とそれを別の対象へ移すための普遍射（双対性、再規格化群、ホログラフィーなど）の２つの側面を持つ。
研究の進展を測るには、単に新しい計算結果が出たかを見るだけでなく、それがどのような新しい射（方法論的翻訳）を導入し、他の対象へどれだけ容易に伝播できるかを評価するべき。
近年の発展は、物理的データを層（sheaf）的に整理する試みと親和性が強い。
コンパクト化、特にF-理論やゲージ束構成に関する議論は、物理的情報（荷、ゲージ群、モードの分布）を局所データと大域的データの重ね合わせとして扱うことに等しい。
これは数学的には基底空間上の層の圏を考えるような話で、局所的条件の整合性（コヒーレンス）と大域的制約（トポロジー的閉鎖条件）が鍵。
古典的な幾何的直観（多様体、ホモロジー）を拡張して非可換やカテゴリ化された対象で物理を再表現する流れにある。
結果として、従来のスペクトル（場のスペクトルや質量スペクトル）に対応する数学的不変量が、より高次の層的・圏的構造へと一般化されつつある。
これにより同じ物理現象を別の圏で見ると簡潔になる例が増え、研究の再利用性が高まっている。
弦理論・場の理論で繰り返し現れるのは対称性が構造を決めるという直観。
抽象数学では対称性は対象の自己射（自己同型）群として扱われるが、対称性そのものが射の層あるいは高次の射（2-射やn-射）として表現されるケースが増えている点が特に重要。
つまり、単に群が作用するのではなく、群の作用が変形可能であり、その変形がさらに別の構造を生む、という高次構造が物理的意味を持ち始めている。
この流れは一般化対称性やトポロジカル部位の議論と密接に結びつき、場の理論における選好位相的不変量を再解釈する手段を与える。
結果として、古典的なノーター対応（対称性⇄保存量）も、より高次の文脈で新しい不変量や保存則を導出するための起点になり得る。
ブラックホールと量子情報、カオス理論との接点は話題だった分野。
ホログラフィー（重力側と場の側の双対）を抽象的に言えば二つの圏を結ぶ双方向のファンクター（翻訳子）と見ることができる。
これにより、量子的冗長性やエントロピーに関する命題は、圏の間を行き交う射の情報（どの情報が保存され、どの情報が粗視化されるか）として扱える。
カオスとブラックホール、量子力学に関する概念の整理が試みられている。
たとえばブラックホールにおける情報再放出やスクランブリングは、ファンクターがどのように情報を混合（合成）するかという高次射の振る舞いとして可視化できる。
こうした議論は、従来の計算的アプローチと抽象的な圏的フレームワークの橋渡しを提供する。
何が低エネルギーで実現可能かを巡るスワンプランド問題は、いまや単一の反例探しや個別モデル構築の話ではなく、モジュライ空間の複雑性（位相的な目詰まり、非整合領域の広がり）として再定式化されつつある。
抽象数学的に言えば、可能な物理理論の集合は単なる集合ではなく、属性（スカラー場、ゲージ群、量子補正）を備えた層状モジュライ空間であり、その中に禁止領域が層的に存在するかどうかが問題。
この視点は、スワンプランド基準を局所的整合条件の族として扱い、整合性を満たすための可視化や近似アルゴリズムを数学的に定義することを促す。
弦景観やモデル空間での探索に機械学習やデータ解析を使う研究が増えているが、抽象数学に引き寄せると探索アルゴリズム自体を射として考えることが有用。
ある探索手続きがモジュライ空間上の点列を別の点列へ写すとき、その写像の安定性、合同類、収束性といった性質を圏的・位相的な不変量で評価できれば、アルゴリズム設計に新しい理論的指針がもたらされる。
数学的定式化（幾何・位相・圏論）と物理的直観（ブラックホール、カオス、場の動的挙動）をつなぐ学際的接合点を意図して設計される。
これは単一圏に物理を閉じ込めるのではなく、複数の圏をファンクターで結び、移り変わる問題に応じて最も適切な圏を選択する柔軟性を重視するアプローチ。
学術コミュニティのあり方に対するメタ的な批判や懸念も顕在化している。
外部の評論では、分野の方向性や成果の可視性について厳しい評価がなされることがあり、それは研究の評価軸（新知見の量・質・再利用可能性）を再考する契機になる。
見えてきたのは、個別のテクニカルな計算成果の蓄積と並んで、研究成果同士を結びつける翻訳子（ファンクター）としての方法論の重要性。
抽象数学的フレームワーク（圏、層、モジュライ的直観、高次射）は、これらの翻訳子を明示し、その普遍性と限界を評価する自然な言語を提供。
今後の進展を見極めるには、新しい計算結果がどのような普遍的射を生むか、あるいは従来の射をどのように一般化するかを追うことが、有益である。
多くのビジネス書が提示する「ノウハウ」や「必勝法」の本質は、学術的な理論ではなく、著者が特定の条件のもとで達成した個人的な成功体験を、あたかも万人向けの普遍的な法則であるかのようにパッケージングし直したものだ。
ビジネス書を著す多くの人物は、強い自己顕示欲と自己承認欲求を持っている。執筆活動は、彼らの自己の成功を「社会的な法則」として世に認めさせ、自身の権威性とブランド力を高めるための手段だ。
ビジネス書が書かれる真の目的は、読者に有益な知識を与えること以上に、以下の経済的・自己満足的な動機に集約される。
成功体験を絶対視するビジネス書は、人間関係を「指導者（上）」と「未熟な部下（下）」という垂直的な構造として描く。管理職は「教える立場にある自分は正しい」という上から目線を無条件で内面化する。
ビジネス書に傾倒する管理職にとって、部下は目標達成のための「人的資源（ヒューマン・リソース）」と見なされる。
この「資源」という捉え方が、「育成」という名のもとで、部下の尊厳を否定する失礼な態度を正当化する。資源は最大限効率的に加工（育成）されるべきであるため、「結果のためだ」「お前を育てるためだ」という大義名分のもと、人権を無視した侮辱的な言動が「マネジメント」として許容されてしまうのだ。
ビジネス書を盲信し、そのノウハウを「絶対解」として現場に適用しようとする管理職は、著者の自己顕示欲と独善的な思考を組織内で再生産しているに過ぎない。彼らは、書籍のノウハウを実行しない部下を「失敗」や「抵抗勢力」と見なし、指導の名のもとに自らのメソッドを強制する[[パワハラ]]を生み出す。
彼らが実践する「パワハラのノウハウ」は、特定のメソッドや厳しい規律、成果至上主義を絶対化するビジネス書という形態を通じて、広く社会に流通している。
ビジネス書が流通させているのは、単なる精神論ではない。それは、「部下の気持ちを完全に無視し、かつ反撃を喰らわない」ための、非常に具体的なパワハラ技術だ。
上司が求める「正解」は、論理ではなく上司の個人的な動機や前提に基づいている。上司は具体的なフィードバックを一切与えず、「違うな」「考えろ」を繰り返し、部下は正解に当たるまでリテイク地獄を強いられる。部下は上司の独善性に気づき、深い憎しみを抱える。
「感情論」を排し、「目標達成」や「数字」といった客観的な論理（書籍で学んだフレームワーク）で部下を追い詰める。これにより、指導の体裁を完璧に保ち、部下からの反論を封じ込める。
人目の多い場所で集中的に指導を行うことで、部下に対する見せしめや組織的な圧力として機能させる。また、「指導」という名目のもと、部下が逃げられない状況で長時間拘束する。これにより、組織のルールを守りつつ部下の精神的逃げ場を完全に奪い、逃れられない状況で追い詰める技術だ。
書籍の「成功は個人の努力」という論理を応用し、部下の失敗を「ノウハウの実行不足」「当人の意識の低さ」に帰結させる。これにより、上司の指導の責任を完全に免除する。
結論として、ビジネス書は「成功者の自伝」という体裁を取りながら、実際には「自己顕示欲を満たすための指導法」を権威付けし、組織における上から目線の構造を固定化し、パワハラを再生産・流通させる主要な経路となっているのだ。
あなたの周りに、あなたの尊厳を傷つける上司がいるなら、まず彼の机の上をチェックしろ。
パワハラの根源は、彼らの自己顕示欲が凝縮されたビジネス書にある。
久しぶりに映画を鑑賞したので、感想を備忘録としてまとめておく。
ネタバレ注意。
年の暮れも近づいて寒風が吹きすさぶなか、これほどの恐怖と癒しを味わえるとは思わなかったので、いい記念になった。
『スカーレット』について論じる前に、前提に触れておきたい。
少年少女を主人公に据えて普遍的かつドラマチックな物語（以降、ドラマと呼ぶ）を展開する場合、シナリオのテーマは必然的に「これから大人になる子供たちへの応援歌」になる。
何故かと言えば、大人にならない人間はおらず、あらゆる受け手に刺さるテーマだからだろう。
こうなると、あらゆるシナリオ上の敵は「大人になるための障害物」「大人になることへの恐怖」ということになる。
最終的に、物語の中で主人公はこれらの強大な敵を乗り越えて、大人になっていくということだ。
これはたくさんのドラマに触れてきた人なら自明のことだと思うが、親を超えればいい。
つまり、大抵の子供のドラマにおいて、テーマは「親殺し」になる。
古今東西、子供が主役のドラマは星の数ほど生まれているが、脚本家には何を「親」にして、どう「殺す」のかが問われるだろう。
ここで、『スカーレット』の話に戻ろう。
先の前提を鑑みて『スカーレット』のシナリオを俯瞰した時、スカーレット（主人公）はどう「親」を「殺した」のか。
結論から言うと、スカーレットは親を殺せなかった。正確には「殺さなかった」。
「殺し方がうまくなかった」とか「殺しはしたが中だるみした」とかではない。「殺さなかった」のである。
カレーを作ろうとしたがルーを買っていなかったレベルの失敗で、これは叩かれても仕方がない。
なぜこんなことになったのか。
おそらく、これは脚本が下手とかそういう次元の問題ではないと私は感じた。
話は脱線するが、果てしなきスカーレットはハムレットを翻案したものなので、ハムレットの構造にも触れなければいけない。
ハムレットは行間のある物語であるため、様々な解釈があるが、端的に言えば主人公は「父の呪い」から始まり、「父の呪いを断ち切って」己の遺志だけを残して死んでいく。
詳しくはここでは割愛するが、ずっと父の呪いに悩まされ、懊悩していたハムレットであったが、最後は純粋な義憤によって剣を取って悪を処断し、理性的な政治家として死んでいくのである。
もう一度『スカーレット』に戻ろう。
ハムレットのテーマを踏まえると、『スカーレット』は「どう親を殺すか」という問いだけではなく、この「ハムレットがどう悩み、どう大人になったか」を翻案するという大変重い十字架を背負って出発している。
ハムレットは数多くの翻案作品があり、翻案を明示していなくてもハムレットをフレームワークとして利用したと思われる作品は数多くある（ディズニーのライオンキング等）。
残念ながら、『スカーレット』に関しては「戦って負けた」とは言えない。不戦敗である。
何故そう言えるのか。
ここからネタバレになるが、何と『スカーレット』では、父の呪いが最後にやってくる。
物語の大団円、最後の最後に父の亡霊が「自分の人生を生きろ」と告げ、スカーレットが子供のころに描いた父の似顔絵（母親に破り捨てられたもの）に変化して消えていく。
恐怖である。「親殺し」どころか、これで主人公は「親の命令に囚われて一生を生きる」ことが確定してしまった。
死者の国を旅し続けて、数多の試練を乗り越えた末に、似顔絵を描いた幼少の自分の精神に戻ってしまったのである。
その後王になったスカーレットは、集まった民衆に向かって無邪気に父から受け継いだ理想をそのまま語り、条件付きの平和を約束する。
いやいやいや。なぜそうなる。
単純に突っ込むとこれで終わりなのだが、冷静に登場人物を振り返っていくと、この物語が内包している恐怖が浮かび上がってくる。
劇中冒頭の処刑時に主人公に聞こえない遺言を呟き、終盤まで主人公を惑わせつつ、最後に呪いを仕掛けてくる「偉大な父」である。
劇中、なぜか腑抜けとして扱われているが、親しみやすい人柄で子（スカーレット）と民衆からの信頼は篤い。
特に正義もなく極悪非道を貫いているサイコパスのラスボスである。
民衆から慕われている王（アムレット）を民衆の前で殺害できる政治的な超能力を有している。
死の間際、スカーレットの顔面に唾を吐きかけてくるレイパー役も担っている。
あらゆる悪人に手を差し伸べて怪我を癒す看護師であり、道中でスカーレットに守られ続ける存在である。
子供を守って通り魔に刺されて死者の国にやってきて、愛の歌だけでスカーレットを現代の渋谷に飛ばし、ダンスと歌でスカーレットを精神的に生まれ変わらせた。
死の間際、スカーレットに「いきたい！いきたい！」と言わせて死者の国から旅立たせる白馬の王子様役も担っている。
スカーレットはなぜこんなにも性的なメタファーを遠慮なく使われているのか、SNSでは非難も起きていたが、冷静になってほしい。
アムレットは一生を呪ってくるリアルな父、クローディアスは自分を愛してくれずネグレクトする悪魔の父、聖は本来望まれている理想の父だ。
この物語は「父の言いつけを守り、悪しき父に耐えることで理想の父に愛される」という構造になっている。
そう、描き手は「父から愛される」ことを心の底から望んでいる。
「親殺し」ではなく、「親の言いつけを守ることで親の愛という永遠の平和が約束される世界を取り戻す」物語なのである。
王になったスカーレットが民衆に条件付きの平和を約束したのも、このように解釈すれば納得がいく。
「描き手がそのように愛を受けてきた」からだ。
描き手はおそらく、条件付きの愛しか知らない。
何故スカーレットは唾を吐かれたり「いきたい、いきたい」などと言わされているのか。
「可愛らしい女の子でなければ愛を受けられない（自分が愛されないのは女の子ではないからだ）」
「女の子なのだから、遠慮なく父の愛を受けられるはずだ（息子ではない存在なら愛を受ける資格があるはずだ）」
「性的に求められることが愛だ（自分が愛されないのは性的に求められない存在だからだ）」
つまり、描き手は自分の代わりに少女主人公に父からの虐待と愛を存分に受けさせている。
それによって癒しを感じているのだろう。
私は過去の細田守作品をほとんど知らないが、この作品がこの有様なら、おそらく主人公に関わる男性陣は全員「父化」しているのではないか。
ネグレクトしてくる悪魔の父か、なんだかんだで主人公を愛してくれる理想の父かのいずれかだ。
本稿は、「なぜAI画像生成に対する反発が、特に日本の二次創作イラストレーター（絵師）界隈において他ジャンル・他国と比較して過激化しているのか」という問いを考察することを目的とする。
この考察のため、まずAIによる情報収集を行い、反AI感情の文化的・心理的背景に関する客観的な知見を得た後、その情報と具体的な事例を突き合わせながら、過激化の特異性を分析する。
AIによる情報収集の結果、日本の二次絵界隈でAIへの嫌悪感が過激化しやすい土壌として、以下の要因が指摘された。
日本の二次創作（ファンアート）文化では、クリエイターが自分の描いたキャラクターや画風を「我が子」のように大切に扱う傾向が強く、創作物と自己の同一化が進んでいる。この心理が、他者による模倣や無断利用に対して極めて敏感になる土壌となっている。
イラスト界隈では、元々無断転載・無断加工に対する拒否反応が強い。生成AIがインターネット上の画像を無差別にスクレイピングして学習する特性は、クリエイターにとって「無断転載の塊」のように映る。これにより、「AI学習＝自分達の作品が盗まれている」という強い被害者意識が生まれやすい。
同人文化に根付く「作品は描き手の努力の結晶」という価値観も、AIへの拒否感を高めている。人間が何年も修練を積んで培った画風をAIが短時間で模倣することに対し、「努力を食い物にしている」という怒りが噴出している。
ファン側にも、推しのイラストレーターや漫画家の作風への忠誠心が強く、「AIごときに大切な作品を汚されたくない」という心理が存在する。日本のオタク文化において、創作物は創作者とファンの共同財産のように捉えられる面があり、外部（AI）の介入に対する拒絶反応が激しくなる。
AIが提示した深掘り要因や、筆者の考察を加味すると、二次絵界隈の過激化には以下の点が強く関与していると考えられる。
（論点補足）二次創作（同人）自体が他人の創作物を利用しているという倫理的な指摘は存在する。しかし、日本の二次創作は、原作者の黙認と「愛」に基づく文化的な文脈で成立しており、営利目的のAI学習とは文脈が異なる。元々グレーゾーンにある文化が、AIという「外部の、巨大な、営利的な脅威」に直面したことで、アイデンティティ防衛のために過激化していると解釈できる。
日本の二次絵界隈におけるAI使用者へのバッシングは、疑惑のみでの非難や、プロ・アマを問わない人格攻撃、さらには殺人予告にまで発展する異常な事態となっている。
一方で、一部のAIユーザー側にも、反AI派への挑発的な言動が見られ、それが相互の対立を激化させている側面もある。
「殺人予告レベルの過激化」が日本の二次絵界隈に特有のものか否かを検証するため、他業界・海外の事例を調査した。
「AI使用者に対して殺人予告まで出てくるケースは、日本の二次絵界隈だけではない」という事実が確認された。
世界的に見ても、「最も激怒している業界はイラストレーター界隈」という認識は共通している。
海外でも過激な事例は存在するものの、日本が「よりやばく見える」「濃度が高い」とされる理由には、以下の要因が複合的に作用していると分析される。
日本の二次絵界隈における反AI活動の過激化は、海外・他業界でも同様の反発が見られることから、イラストレーターという職業が抱える「作家性まで模倣されやすい」という普遍的な危機感に根ざしている。
しかし、日本においては、強固な二次創作文化、作品と自己の強い同一化、そして巨大なSNSコミュニティが結びつき、危機感が「コミュニティ・アイデンティティへの攻撃」として認識されることで、感情的なバッシングや殺人予告といったより極端な防衛行動となって現れていると結論づける。
統一化された帳票フレームワークをOSS化することには、非常に大きな価値があります。
初期導入コストの削減:企業は高価な商用帳票ツールのライセンス費用を支払う必要がなくなります。特に中小企業やスタートアップにとって、これは大きなメリットです。
ベンダーロックインの回避:特定の商用製品に依存することがなくなり、将来的な仕様変更やサポート終了のリスクを避けられます。自由にコードを修正・改善できるため、自社のニーズに完全に合致させることが可能です。
日本の商習慣への最適化:OSS化することで、多くの開発者が日本の複雑な商習慣（消費税計算、源泉徴収、独特なレイアウトなど）に対応するためのコードやノウハウを持ち寄り、フレームワークを改善できます。これにより、最も実用的な「デファクトスタンダード」に近い帳票作成基盤が生まれる可能性があります。
開発速度の向上共通のフレームワークが浸透すれば、プロジェクトが変わっても同じ仕組みで帳票を開発・保守できるため、新規開発の立ち上げ速度が向上し、開発者間での技術の習得コストが下がります。
透明性と信頼性の向上:ソースコードが公開されるため、帳票のロジック（特に金額計算や税務処理）の透明性が確保され、信頼性が高まります。
多様な環境への対応: 商用製品がサポートしないような最新の技術スタックやニッチなOSにも、コミュニティの貢献によって迅速に対応できるようになります。
コミュニティによる継続的な改善: 一つのベンダーに依存せず、世界中・日本中の開発者がバグ修正や機能追加を行うため、品質が維持・向上し、プロジェクトの持続可能性が高まります。
OSS化は、単なる「無料化」ではなく、日本のビジネスにとって不可欠な「帳票作成」という共通課題に対する知恵とリソースの「共同投資」であり、社会全体での開発効率向上に寄与するという点で、非常に価値があります。
増田です。30代後半。しがないWeb系のエンジニア（管理職一歩手前）やってる。
最近、会社がやたらと「成長」とか「スキルアップ」とか言ってくるのに疲れた。 毎週の1on1では「今期はどう成長したい？」、半期の評価では「どんな新しいチャレンジをした？」と聞かれる。
いや、わかるよ。変化の早い業界だし、会社としては社員に成長してもらわないと困るんだろう。 でもさ、こっちももう若くないんだ。
20代の頃はガムシャラに勉強した。新しいフレームワークが出れば飛びついたし、週末に勉強会にも行った。 でも、もうそういうフェーズは終わったんだ。
今は、家庭もある。帰ったら子供と風呂に入って、寝かしつけたら自分の時間なんてほぼない。 そんな中で「新しいスキルを身につけろ」「コンフォートゾーンを出ろ」と言われても、「いや、無理です」としか言えない。
今の給料分の仕事は、きっちりやってるつもりだ。 チームの若手の面倒も見てるし、大きな障害だって起こしてない。 「現状維持」じゃダメなのか？
「成長しない人間は不要」みたいな空気、本当にしんどい。 言われたことをこなし、そこそこの品質でアウトプットを出し、定時で帰る。 そういう「そこそこで良い」という働き方は、もう許されないんだろうか。
具体的になにをしているかというと、リーダーの考える通りのWebサイトのコンテンツを作成できるように黒い画面で英文をカタカタする仕事だ。なんてつまらなさそうな仕事紹介だろう！
この熱量の無さからわかる通り、プログラミングとかいう行為が好きではない。じゃあなんでそんな仕事を選んだかというと、学歴と体力のない人間の消極的選択である。
頭を動かすことは得意なので現場からもそれなりの評価を頂いている、が。今それなりに危機に瀕している。
人手が足りないから別のチームに応援に呼ばれた。これはいい。意思の確認とかされなかったけど。まあいい。
問題は別チームのやり方が本当に別すぎてなんもわからんことだ。
言語は同じなのだ。しかし書き方が違う。曰くフレームワークをゴリゴリに使用している書き方らしい。
IT業界でない人に説明するなら、同じアルファベットを使ってるはずなのに文法が全然違くてわからん。無理。
すごく頑張った。AIも駆使した（うちの現場では推奨はされていないが、非推奨でもない）。最低限求められている動きをしているものができた。
そして脳内のお嬢様が叫ぶ。「自分で何を実装しているのか、わたくしさぁ～～～ぱり、わかっておりませんわぁ～～～～！！！」
求められているものができているなら良いだろうと思うだろうか？しかしこの次の工程でレビューというものがおれを待ち受けている。
おれはこれが嫌いだ。諸々仔細は省くが嫌いだ。省く理由はおれのレビュー担当者への怨嗟で埋まるからだ。（別チームの応援におれのレビュー担当者=チームリーダーも一緒に来た）
そもそもおれはおれの上に立つ人間を好ましいと思ったためしがないので社会人が向いてない。終わりだ。
しかし時は無常。作業はまだまだある。ひとつめの壁で立ち止まっている場合ではないのだ。
終業時間ギリギリにレビュー依頼をぶん投げ今日の仕事は完了させた。
ChatGPT:
はい、Delphi（ObjectPascal）のソースも読めますし、解説・リファクタ・バグ箇所の指摘・他言語への移植案など対応できます。
VCL /FMX、Generics、Interface/RTTI、プロパティ/イベント、レコード・セット型、メモリ管理（string/AnsiString/UnicodeString の違い）、スレッド（TThread / TTask）、WinAPI/COM 呼び出し、uses単位構成、.dfm（フォーム）やリソース周りもOKです。
コードを貼ってくれれば、1ステップずつ説明や改善案を出します（DelphiのバージョンやVCL/FMXも書いてあると精度上がります）。
UNIFACEはどう？
ChatGPT:
はい、UNIFACE（Proc言語）も対応できます。フォーム/サービス/レポート/エンティティなど各コンポーネントのトリガ（initialize, validate, leavefield など）、operation／entry、newinstance/activate/call、retrieve/e, read,write、エラー制御（$status, $procerror）や論理名・assignment(.asn)、署名/パラメータ、DSP/REST・SOAP連携、DBドライバ設定までOKです。
コードや .asn を貼っていただければ、処理フローの解説、バグ箇所の指摘、リファクタ、他言語・他フレームワークへの移植案（例：REST API化、Java/Python 置き換え）まで具体的にやります。
可能なら UNIFACE のバージョン（9/10/10.4 など）、DB（Oracle/SQL Server 等）、OS を添えてください。
もうアラフォーになるんだけど、でも、夢は捨てきれていない。
劣っている自分でも、プログラミングなら負けないと言えるようになりたかった。
諦めればいいんだけど、でも、自分にはプログラミングしかない。
「コンピューターサイエンスのすべての分野に精通」してないのを恥じている。
いや、「インフォメーションエンジニアリングのすべての分野に精通」してないのも恥じている。
全部を上手くできない自分が、ただただ劣っていて嫌で仕方がない。
「コンピューターサイエンスのすべての分野に精通」している人がいるなかで、自分ができてないのが嫌になる。
なんで、自分にはできないんだと永遠に責め続けてしまう。できる人がいるのに、どうして自分にはできないのか。
全部できていたい、なんで全部できていないのか、それが自分の頭の問題だということを受け入れたくない。
UT入ってIS行くような人ができることが出来ないことに勝手に差を感じてる。
プログラミングが得意になるように頑張った。
お前は劣っているのだから、要領よく文系としては生きられないからと。
しかし、だからといってあきらめたくない。全部上手くできるようになりたい。
少しづつあがいてるけど、結局、やることなすことうまくいかない。
React/Vueみたいなフロントエンドフレームワークも作れてない。
出来てないことだらけなのに、まだ挑戦していたいと思ってしまう。
たぶん、脳の病気なんだと思うけど、でも、やめたくない
一等賞になれないのだろうけど、でも、一等賞を目指したくなる
