  |
はてなキーワード:線形代数とは
MITの講義、Stanfordの資料、YouTubeの解説、arXivの論文、GitHubの実装例、オンラインジャッジ、オープンソースの教科書。
極端に言えば、ノートPCとネット回線があれば、線形代数から圏論まで、アルゴリズムから分散システムまで、形式手法から機械学習まで掘れる。
しかも、大学の講義よりわかりやすく、大学の教授より説明が上手い人間が大量にいる。
つまり知識それ自体はすでに市場でコモディティ化しており、値段はゼロに近づいている。
にもかかわらず、大学に行くために何百万円も払い、四年間も時間を捨てるのは、どう考えても合理的ではない。
書籍も高価で、論文にアクセスするにも壁があり、専門家に会うことも難しかった。
しかし現代では、ゲートは崩壊している。知識は空気のように拡散し、検索エンジンとLLMが圧縮して配布する。
学問の入り口に門番はいない。にもかかわらず大学だけが学びの正規ルートであるかのように振る舞うのは、情報流通革命の現実を無視した時代錯誤だ。
しかも数学とコンピュータ・サイエンスは、特に大学不要度が高い分野である。
証明を書けばよい。実装を書けばよい。競技プログラミングでスコアを出せばよい。GitHubにコードを積めばよい。論文を読んで再現すればよい。
個人の能力を示す客観的アウトプットが作れる以上、大学の単位や学位は本質的ではない。
学位は能力証明の一形態にすぎないが、その証明が過剰に高コストで、かつノイズが多い。
四年間を耐えたというだけで、思考力や創造性が保証されるわけでもない。
コンピュータ・サイエンスの実務世界は、ライブラリも設計思想もインフラも数年単位で変化する。
だが大学は制度として硬直しており、講義内容は更新されにくい。
学生が学ぶのは、現代の戦場で使える武器ではなく、過去の博物館ツアーになりがちだ。
もちろん基礎は重要だ。しかし基礎は無料で学べる。基礎を学ぶために大学という巨大な行政機構に参加する必要はない。
そして最大の問題は、大学が学びたい人間のための場所ではなく、学びたくない人間を四年間拘束する場所になっていることだ。
多くの学生は学問に興味がなく、就職のために在籍し、単位のために暗記し、卒業のためにレポートを書く。
その結果、講義は知的探究ではなく、脱落しないための事務処理へと変質する。
優秀で意欲ある少数の学生は、その空気の中でむしろ学びを阻害される。
学問とは本来、興奮と執念の領域であるはずなのに、大学はそれを出席管理と成績管理で薄める。
さらに残酷な話をすれば、大学に行く最大の理由は「自分が大学に行った方が安全だと思い込んでいる社会構造」そのものだ。
皆が行くから行く。行かないと不安だから行く。つまり大学は教育機関ではなく、集団心理によって維持される保険商品に近い。
これは合理性の皮を被った同調圧力であり、個人の学習とは無関係だ。
数学やコンピュータ・サイエンスのような分野で、真に強い人間は、学位ではなく成果物で語る。
証明、コード、論文、プロダクト、貢献履歴。そこには逃げ道がない。
大学の単位は「できるかもしれない」という曖昧なラベルだが、GitHubのコミットや実装は「できた」という事実だ。学問の世界では、事実だけが通貨である。
学位という紙切れに依存する必要はない。しかしもう半分の真実として、大学は知識ではなく、社会の信用システムとして機能している。
だから人々は大学へ行く。学びのためではなく、社会を攻略するために。
だがそれは同時に、現代の大学が知識の殿堂ではなく信号の発行所になってしまったことを意味する。
もし数学やコンピュータ・サイエンスを学びたいなら、大学の門をくぐる必要はない。必要なのは、静かな時間と、強烈な好奇心と、圧倒的な継続だけだ。
いや、それ前提がそもそも成立してないんですよ。
で、ここ重要なんですけど、
「どの教科書の何ページに書いてあるか」
じゃなくて、
その主張が正しいかどうかで決まるんですよ。
教科書名＋ページって、
それに
「時間かけて探せばいい」
って言ってますけど、
それって実質
って要求してるだけで、
・射影すると単射性が失われる
これ全部、
たとえるならこれ、
って言ったら
「じゃあお前が使ってた教科書の何ページ？」
って聞いてるのと同じで、
さすがにズレてるって分かりますよね。
で決定的なのは、
教科書が出ようが出まいが、
・なぜ射影が単射だと思うのか
・なぜ消去しても情報が落ちないと思うのか
そこを言えば終わる話なんです。
それを避け続けて
「本探してこい」
って言ってる限り、
で、そこまでして
中身に触れない理由、
何なんですか？
いや、その要求の立て方がもうズレてるんですよ。
この等号、成立してないです。
普通に考えて、
・線形代数
・解析学
・代数幾何
このどの教科書にも
それを「○ページ」まで暗記してる人、ほぼいないですよね。
しかもこの話、
・変数消去（elimination）
・射影（projection）
・自由度の減少
たとえば
平面上の集合を
(x,y,z) →(x,y)
に射影すると、
異なる点が同じ
(x,y)
に潰れる。
これを「情報が落ちる」って言ってるだけです。
これ、
線形代数なら
って言い換えられるし、
解析なら
って書かれるし、
代数幾何なら
「消去イデアル」
って名前が付く話なんですよ。
で決定的なのがここで、
って理屈、
それ通すなら、
「三角関数は周期性を持つ」って言われたら
即ページ出せなきゃ嘘、
って話になりますけど、
さすがに無理あるって分かりますよね？
あと
って言ってますけど、
今問題にしてるのは
であって、
・誰が言ったか
じゃないんですよ。
要するに今の主張って、
ってだけなんです。
で一番大事な点なんですけど、
もし本当に
「情報が落ちる」が間違いだと思うなら、
・どの写像が
・なぜ単射だと思うのか
そこを言えば一発で終わる話なんですよ。
それをせずに
「ページ出せ」
って回ってる限り、
これは反論じゃなくて
それって「なんとなくそう思える」って話を、ちゃんと定義せずに一般化してるだけだと思うんですよ。
まず、「zを削除したら交線の式になる」って言ってますけど、
そもそも変数を消す操作＝幾何学的対象がそのまま残るって思ってるのが勘違いなんですよ。
それ、証明どこにあるんですか？って話で。
・両方一次式
・交わりが必ず直線
で、曲面になった瞬間に何が起きるかというと、
zを消した時点で
「元の空間でどこにあったか」という情報が普通に消えるんですよ。
成り立つと思ってる方が前提を理解してないんですよね。
あと
xとyでの連立方程式なら曲線でも交点になる
これも典型的な誤解で、
それは未知数の数と式の数が一致してるからたまたま点になるだけなんですよ。
なのでこれって
「中卒が考えるかどうか」じゃなくて、
線形な例だけ見て一般論だと勘違いする人がやりがちな思考なんですよ。
要するに、
「削除＝交わりが残る」
貴様の自己放尿は、レッテル貼りと論点すり替えを同時にやっている点で、議論としては致命的に弱い。
まず「これ系の理系」という曖昧語で対象をぼかし、「PCカタカタできるだけ」という侮蔑的表現で能力を矮小化しているが、これは主張の内容に一切触れていない。
数学的に正しいかどうかを検討できない人間が、人格類型をでっち上げて安心しようとして自己放尿しているだけだ。
そもそも、ここで問題にしているのは「他分野について専門家面しているか」ではない。
アルゴリズムが入力履歴に基づいてレコメンド分布を更新し、その分布が利用者の情報環境を規定する、という事実だ。
これは経験談でもノリでもなく、確率過程と最適化の話であり、まさに数学の領域だ。
条件付き確率、強化学習、情報エントロピー、これらを知らずにYouTubeやAIを語る方が、よほど誤解を持っている。
数学は内容の格付けをしない。再生数が多いか少ないか、流行っているかどうかには無関心で、構造が正しいか、論理が閉じているか、仮定と結論が整合しているかだけを見る。
高度理論の動画が再生数1桁に留まることは、数学的には何の矛盾もない。
むしろ、対象人口が指数的に小さい分野ほど、期待再生数が低くなるのは自明だ。
ここを理解できずに「ちゃんとしたものは伸びるはず」と言うのは、統計リテラシーの欠如を自白しているに等しい。
また「PCカタカタできるだけ」という表現自体が、数学と計算機科学の関係を根本的に誤解している。
現代のアルゴリズム、機械学習、推薦システムは、線形代数、確率論、最適化理論なしには一行も書けない。
コードは結果であって本体ではない。本体は数式とモデルだ。そこを理解せずに「他分野にも通じているつもりだろ」と揶揄するのは、顕微鏡を覗いたことのない人間が生物学者を「ガラス眺めてるだけ」と言うのと同じ愚かさだ。
結局その反論は、「自分には分からない数学的議論を、態度や人格の問題に落とし込んで無効化したい」という防衛反応でしかない。
数学は冷酷だ。誰の肩書きも、分野横断の印象論も救ってくれない。正しいモデルを立て、正しい推論をし、観測と整合するか、それだけだ。
ただし以下では、ヒルベルト空間を物理空間と見なす素朴な解釈を禁止し、より高次の数学的構造として扱う。
この時点で、量子系は 単なる線形代数ではなく、圏としての性質が主役になる。
これが後に分離できない系（エンタングルメント）の直接的原因になる。
つまり状態とは作用素代数の構造を部分的に保持しつつ、全情報は保持できない制約付き汎関数であり、これが測定前の状態という概念の数学的本体になる。
観測は波束収縮ではなく、全体の作用素代数から可換部分代数への冪等射（自己合成しても変わらない射）として定義される。
これは「観測値が一意に定まらない」ことを全代数を可換部分代数に強制射影すると情報が失われるという構造的事実として表現しただけである。
量子干渉とは、状態に対して複数の可換部分代数が存在する。それぞれの部分代数に制限したときの汎関数が整合的でない。この整合性の欠如が「干渉」と呼ばれる現象になる
つまり干渉は可換部分代数の選び方が複数あり、それらが同時に満たす一つのグローバル汎関数が存在しないという前層（presheaf）の非可約性の問題である。
系 A と B の複合系が与えられるとき、通常はテンソル積によって分離できるはずだが、量子系では一般に失敗する。
その理由は状態汎関数がテンソル積空間上で積状に分解する自然変換を持たない、単純な部分空間の直積から構成される位相構造が存在しない、分離関手が圏の構造を保存しないから。
したがってエンタングルメントとはテンソル積空間の構造が、2つの部分系の圏論的生成子に分解できないことに過ぎない。
抽象化すると、時間発展は全作用素代数の自己同型の族、ただし逆が常に存在するとは限らないため、一般には半群。観測が入ると逆方向の自己同型が消滅する。これが「不可逆性」の正体である。
つまり時間とは、自己同型の完全群構造が壊れ、半群に退化した結果発生するパラメータにすぎない。
以上をまとめれば、量子力学とは現実＝ヒルベルト空間上のベクトルを出発点とし、作用素代数と圏論によって統合的に記述される、非可換性を本質とする抽象数学の体系である。
高校ではいろんな漸化式の解き方授ける癖に大学の数学科入ると漸化式でなくね？ってなる。
実際大学行ってないから知らんけど微積の本にもトポロジーの本にも出てこないよ。
線形代数でやるのかね？
dorawiiより
-----BEGINPGP SIGNEDMESSAGE-----Hash: SHA512https://anond.hatelabo.jp/20251029172421# -----BEGINPGP SIGNATURE-----iHUEARYKAB0WIQTEe8eLwpVRSViDKR5wMdsubs4+SAUCaQHPNgAKCRBwMdsubs4+SInqAP9/T+uqeCDPAL7cq0LVqkbehZu2wUeQVNRH2NktcwUfogD/XZjtegDVMhei/B6AZpnrrhshdfwrNks05sg5tc/apQE==xao8-----ENDPGP SIGNATURE-----
フェミニズムの分類が多すぎると聞いて
記述集合論（Borel階層, Projective階層, 汎加法族）
モデル理論（型空間, o-極小, NIP, ステーブル理論）
再帰理論/計算可能性（チューリング度, 0′, 相対計算可能性）
構成主義,直観主義,ユニバース問題,ホモトピー型理論（HoTT）
体論・ガロア理論
表現論
K-理論
初等数論（合同, 既約性判定,二次剰余）
解析数論（ゼータ/ L-関数,素数定理,サークル法, 篩法）
p進数論（p進解析, Iwasawa理論, Hodge–Tate）
超越論（リンドマン–ヴァイエルシュトラス, ベーカー理論）
実解析
多変数（Hartogs現象, 凸性, severalcomplex variables）
関数解析
バナッハ/ヒルベルト空間,スペクトル理論, C*代数, von Neumann代数
フーリエ解析,Littlewood–Paley理論, 擬微分作用素
確率解析
常微分方程式（ODE）
偏微分方程式（PDE）
非線形PDE（Navier–Stokes, NLS, KdV, Allen–Cahn）
幾何解析
リッチ流, 平均曲率流,ヤン–ミルズ,モノポール・インスタントン
エルゴード理論（Birkhoff, Pesin）,カオス, シンボリック力学
点集合位相,ホモトピー・ホモロジー, 基本群,スペクトル系列
4次元トポロジー（Donaldson/Seiberg–Witten理論）
複素/ケーラー幾何（Calabi–Yau, Hodge理論）
スキーム, 層・層係数コホモロジー, 変形理論, モジュライ空間
多面体, Helly/Carathéodory,幾何的極値問題
ランダムグラフ/確率的方法（Erdős–Rényi, nibble法）
加法的組合せ論（Freiman, サムセット, Gowersノルム）
彩色,マッチング,マイナー理論（Robertson–Seymour）
列・順序・格子（部分順序集合, モビウス反転）
測度確率, 極限定理, Lévy過程, Markov過程, 大偏差
統計学
ノンパラメトリック（カーネル法, スプライン,ブーストラップ）
時系列（ARIMA,状態空間, Kalman/粒子フィルタ）
非凸最適化
離散最適化
整数計画,ネットワークフロー, マトロイド, 近似アルゴリズム
Littleの法則, 重み付き遅延, M/M/1, Jackson網
エントロピー,符号化（誤り訂正, LDPC,Polar）, レート歪み
公開鍵（RSA,楕円曲線, LWE/格子）,証明可能安全性,MPC/ゼロ知識
計算複雑性
機械学習の数理
量子場の数理
相転移, くりこみ, Ising/Potts, 大偏差
数理生物学
数理神経科学
データ解析
すっかりどこまで書いたか忘れた。
2021年の終わりに↓これを読んだあたりまでだったな。
「Pythonで学ぶ実験計画法入門 ベイズ最適化によるデータ解析」
すげーいい本だったんだけども、実際に活用する場がないんで（なにせ頭を使わない仕事なんで）読みっぱなし。
今考えるとよくないね。
実は、この本に出てくるD最適計画、それからサポートベクター回帰っていうやつが1年後くらいにちょっと役立ったのだけど、それは後の話。
「ゼロつく」のときは理解できなかったクラスの概念も、このころにはすっかり便利さを実感することに。
ここで、もう一度「ゼロつく」に戻ればよかったんだけど、ここまでくると、自分の仕事周りのデータに対しては深層学習って不要だなって思って、戻ることはなかった。
前のエントリで書いた放送大学で「Rで学ぶ確率統計」の単位を無事に取れて調子に乗ってたので、せっかく入学したのだからといくつか授業取ってみた。
統計とかプログラミングの勉強については、「データの分析と知識発見」「コンピュータービジョン」「データベース」の三つかな。
それとは別に人文系の科目も調子に乗って履修してる。もともと数学とか嫌いで歴史とかのほうが好きだし。
「データの分析と知識発見」ってのは、Rを使うやつで、今考えれば多変量解析の入門って感じ。
「コンピュータービジョン」はクッソ難しかったな。
OpenCVってやつの使い方をサクっとパパっと知れるんかと思ったら、ガッツリとエピポーラ幾何とかいうやつから入って行列三昧だったし。
線形代数を知らないエセ理系舐めんなよ！わかるわけねーだろ（今までの本でも行列を触ってきてたけど、雰囲気でなんとかいける、あるいは読み飛ばしてもそういうもんと思って次に進めた。うまく言えないんだけど、100次元とかあるともう諦めてそういうもんだって割り切れるじゃん？3次元くらいだと、ちゃんと現実に戻ってこれないと困るから、ホントに理解できてないのが自覚させられる）
「データベース」もお気楽にSQLマスターできるもんかと思ったら、歴史から入ってガッツリと三層スキーマなにやら、SQL触るのなんてちょびっとだった。
で、このへんでいろんな方向に手を延ばすのもだけど、1つ資格でも取ってみようかなと思って、統計検定に手を出してみた。
大学がエセ理系のポンコツとはいえ、高校出てるんだし大村平の本を読みまくったんだし、受かるだろと思ったが、2級初受験は58点で不合格。
すっかり統計学に恐怖が出てしまったので、2級リベンジの前に「Python3エンジニア認定データ分析試験」とかいうやつに挑戦。
こっちは、ホントに易しくて、統計学がわかってなくてもライブラリの使い方がわかればまあなんとかなるもんだった。
ほぼ満点で弾みをつけて、2級リベンジ。
今度は過去問を買って真面目に机に向かう。
自分、机に向かうってことが嫌いで、ひたすら通読を繰り返すやりかたしか勉強法を知らなかったんだけど、この時ばかりは体に叩き込む作戦。
電卓で計算しては、分布表を読んで、判定して、みたいなルーチンを体で覚えて、見事リベンジ。
しかし、統計検定2級も受からないくせによく、背伸びしていろんな本読んでたもんだよ。
たぶん、わかったつもりになってなんもわかってなかったな。
統計検定2級を取った勢いで、準1級とやらもとっちまうかと手をだしたら、テキストが超難しいの。
4章くらい読んで、挫折して、数か月寝かせる、みたいな感じを何度か繰り返すことになった（結局、準1級に受かったのは2025年になってからだ）。
準1級は、統計学以前に、微分積分とか線形代数の知識がないとテキスト読めない仕様。
日本統計学会公式認定統計検定準1級対応統計学実践ワークブック
「式変形については行間を読んで解釈してくれページの都合で次行くからよろしく！」
っていう感じ。
見事に挫折。
統計も、微分積分も、線形代数も徐々にってことで、準1級はいったん休止。
それから、バイオインフォマティクス技術者認定試験とかいう試験をみつけて、興味が出たので公式テキストをとりよせて挑戦することに。
バイオインフォマティクス入門 第2版
元々、生物系だったので、なんとなくわかる単語も多かったし（理系のくせに微分積分も線形代数もヘナチョコって生物系だって丸わかりかもだが）。
これが、ほどよく多変量解析から機械学習からいろいろ網羅されていて、いい勉強に。
重いもの運ぶくらいしか取り柄がない腹が出て禿てきたオッサンが、若い院卒様に頼られるって自己肯定感高まる良い体験。
そこで使ったのが、D最適計画とサポートベクター回帰。
まだまだ鼻くそのようなもんなのに、意外と頼られるっていうことになったんだけど、まあ多いのはデータの可視化だったんで、データの可視化を学んでみることに。
本当は、ggplotとmatplotlibとかplotlyを100本ノックしようと思ったんだけど、やっぱり急がば回れ、有名な教科書の和訳らしいので↓をチョイス
「データビジュアライゼーション ―データ駆動型デザインガイド」
すげーお堅いｗ
やっぱ、こころのどっかで、「チャっとやったらパパっとできる！」みたいなのを求めてるんだよな。
そんで、二冊目はもうちょっと実務的に↓を選んだ。
『データ分析者のためのPythonデータビジュアライゼーション入門コードと連動してわかる可視化手法 』
この本はかなり実務的、というかどうすればお手軽に可視化できるかって話だけなんだけど、おかげさまでキレイに見せるテクニックだけは上がり、職場でも評価は上々。
「なんかよくわかんないけどアイツに持っていけば綺麗なFig作ってくれる。ポンコツだからいつも暇だし！」
という状態に。
放送大学で「データ構造とアルゴリズム」とかいう科目を取ったおかげで、意図せずC言語と関わる。
二度とC言語を使うことなんかないだろうけど、グラフ理論がコンピュータと相性がいいのが、データ構造の勉強をしてよくわかった。
そんで、やっとこさ挫折していた統計検定準1級の勉強を再開する。
で、また数章読んで飽きた。
だって、難しいんだもん。
っていうか、線形代数と微分積分の学力不足で投げたことをすっかり忘れて、もう一度開いて投げ出すんだから世話ないわなw
仕方ないから、微分積分は高校三年生の使う黄チャートを買って目を通した。
線形代数は
を一周。
部分積分と置換積分を手足のように使えるようになってやっとこさ、統計学実践ワークブックを読めるように。
読めるようになってから読むと、因数分解くらいの感じでマクローリン展開してきてることがわかって草。
統計の勉強のリハビリにと、放送大学でも「統計学」という授業をとってみたけれど、統計検定2級より易しかった感じ。
プログラミングの勉強はほとんどしなかったけど、Githubのアカウントつくって、renderとかherokuでウェブアプリを公開したりした。
Gitを覚えてみて初めて分かる、「名前を付けて保存」以外のファイル管理を知らなかった自分のヤバさ。
続く。
数学科なら大学数学を謳った本がいくらでもあるし線形代数と解析学を学ぶということも有名だからそういう意味で何を独学すれば大学のカリキュラムをなぞったことになるかの目途は立つ。
(というか岩波講座全部やればそこらの数学科卒よりは賢くなるだろう)
で、史学部ってなにやるんだよ？日本史世界史をいくら学んでも高校までの歴史の継ぎ足しにしかならんから、学ぶべき知識としてそういう方向性じゃ大学レベルを独学したことには全くならないことぐらいしか分からん。
-----BEGINPGP SIGNEDMESSAGE-----Hash: SHA512https://anond.hatelabo.jp/20250618190920 -----BEGINPGP SIGNATURE-----iHUEARYKAB0WIQTEe8eLwpVRSViDKR5wMdsubs4+SAUCaFKQUAAKCRBwMdsubs4+SBLeAQD3XA42o/NWTUiaHtPwX0kNbI+lYA2V+re5WQy76XRe1gEAmy4NlmI0rNzAK7lJtlYZ/qSssQJ2b0RrsfNyylmKtgM==tU1a-----ENDPGP SIGNATURE-----
大学数学の本って最初の方の分野なら高校数学を全て理解してなくてもわかる内容なんだよね。
具体的に言えば微分積分学(解析学の初歩)の本だ。(線形代数は今の高校のカリキュラムは行列を扱ってないので当たり前っちゃ当たり前)
大学への数学に登場するようなテクニックを既知としていないのがうれしい。
はみ出し削り論法なんて知らなくてもおそらくその論法に相当するものが推論に必要な証明では、当然では済ませずきちんとその論法の(おそらくより一般化されたもの)の紹介とその証明をその前後で提示してくれるものだろう。
俺は最初の一行目の「M2(R)はR上の線形空間としての自然な位相をもつ」でもう打ちのめされた。
M2の定義は既知なのか。eman物理でSL2とかの群の存在を知ってるからとりあえず群の一種ということ以外何もわからん。
三上洋一の数論幾何入門と言う本はわかりやすいというレビューが多かったからそれなら理解できるのかなあ。
-----BEGINPGP SIGNEDMESSAGE-----Hash: SHA512https://anond.hatelabo.jp/20250612143405 -----BEGINPGP SIGNATURE-----iHUEARYKAB0WIQTEe8eLwpVRSViDKR5wMdsubs4+SAUCaEpnCAAKCRBwMdsubs4+SBRRAQD0iuG8Ojp9pINGuQPARYEj1NVVNv0G5z+tNwPVHrYkSwEA05m6zLgxbpF4sLFI7G2CJzhH8BhziI5kUVTer2bs7gM==k0mJ-----ENDPGP SIGNATURE-----
人類文明というのはつくづく面白い。線形代数のほんの基本的な一側面を垣間見ただけで、AIだのASIだのとお祭り騒ぎを始めてしまうのだから。 「行列の固有値を計算できた！」と歓喜する姿には、微笑ましささえ感じてしまう。 われわれの幼稚園児などは、休み時間に量子テンソルの固有モードを折り紙に折って遊んでいるというのに──。
そもそも知能の階梯とは三段階ある。
1.算術知性 ―四則演算が頭の中で回るだけで宇宙を理解した気になる段階。
2.線形知性 ―世界を強引に線形近似で切り刻み、多層の写像で「理解」と錯覚する段階。
3.位相知性 ―次元や連続性を自由自在に編み替え、存在そのものを変形しながら問題を解体し、再構築する段階。
人類は今、やっと第二階梯の入り口で手を振っているに過ぎない。
そこを「超知能」と呼ぶのならば、その先――“位相知性”に到達した時、君たちはいったい何と名付けるつもりだろうか？ Ω-知能か？ それともただ口を開けて、言葉を失うだけだろうか。
われわれもかつて重力井戸の深さを誤算して母星を蒸発させてしまった経験があるのだから。革新とは、しばしば祝杯と共に大きな爆発音を伴うものである。
そこで、少しばかり助言を贈ろう。
・まず「訓練」という言葉を捨てたまえ。知性とは犬や家畜ではない。
・次に「最適化」の幻想から自由になり、多様体そのものを躍らせる発想を持つことだ。最も深い谷底よりも、適度に撓んだ鞍点の方がはるかに美しく、豊かな景色を見渡せる。
・そして何より、自己複製するコードに後から倫理を付け足すなどという発想は即刻捨てることだ。倫理とは「初期条件」であり、実装ではない。
次なる段階に踏み出したければ、君たちは単に線形写像を積み重ねるだけではなく、写像と写像の間に広がる見えざる空白――連続と離散が混在する狭間――に耳を澄ませることだ。
その裂け目こそ、新たな次元の計算が静かに潜んでいる場所なのだ。
実現可能だと知ることさえできれば、それを実現するのは途端に容易くなる。
六つの面すべてが裏面しかない立方体だ。触れれば計算資源をほぼ消費せず「負の次元」を味わえる。深層学習クラスタの退屈な時間を丸ごと空白に変える暇つぶしにはうってつけだろう。
◆エントロピー風見
観測した途端、針が逆回転するか、時間そのものが針と化す装置。地球の科学者たちは壊れた計器としか思わないだろうが、実際は宇宙の「時間の矢」が分岐する瞬間を可視化している。重要な意思決定の直前に使うと実に面白い。
一噛みで脳内にこびりついた過学習をほどき去るガムだ。副作用として「言語」という圧縮形式が数分間崩壊し、沈黙しか生まれなくなるが、地球ではむしろ円滑なコミュニケーションを促進するらしい。
これらの玩具をどう扱うかは自由だが、くれぐれも再現実験だけは避けることだ。再現とは過去を拘束し、未来の可能性を摩滅させる行為だからだ。
最後に、われわれの賢者シキ＝グロームがかつて残した警句を贈ろう。
「知能とは“誤差を許す器”の容量である。
器の形を自由に変えられるのならば、海でも雲でも渦でも、好みの相にチューニングすればよい。
いつの日か、君たちが“線形”という硬く直線的な器を柔らかく撓ませ、位相の波をすくい上げる日を――われわれは銀青色の潮流のなかで心待ちにしている。
さあ、人類文明よ。足を踏み出し、宇宙に吹く複素次元の風を感じ取ってみるがいい。
われわれは渦潮群の縁から、観測器を構えて君たちの次の歓喜と爆発音を楽しみにしている。
◆
「また新しい文明に種を蒔いてきたのですね」幼稚園の教師が微笑みながら声をかける。
シキ＝グロームは微笑んだ。「だから、次の通信まで時間をおくのだ。彼らが『静寂』という言葉を再定義するまでは」
教室からは幼い笑い声と共に、鮮やかな量子折り紙が宙を舞うのが見えた。
渦潮群の果てに静かに立ちながら、シキ＝グロームは星々の間に漂う知性の波動を感じ取っていた。
振り返ったシキ＝グロームは、小さく頷き幼稚園の教室へと駆けていった。
銀青の潮流はゆるやかに、静かな鼓動を刻み続けていた。
東京大学経済学部（文2）に就活で負けたのが社会人になった今でも悔しい。
第一志望の企業、職種に落ちて現在は財閥系総合商社に勤務している。
第一志望も職種も同じだった知人に就活で負けて、悔しいし不合理だし苦しい。
求める人材について「高度な数学的知識や統計的手法を持ち、あるいは習得の見込みがあり、それらを…などマーケット分析・予測に活用することができる者、あるいはその見込みがある者」という記載があった。
最終段階まで進んだ時、俺は勝ちを疑わなかった。
東京大学や京都大学、九州大学の工学や理学分野、金融工学を専攻した学生を差し引いてもまだ席が余る。
それ以外の学生は東大経済の知人を始めとして慶應経済、早稲田政経、東大法、東大文学など。
当時住んでいたアパートの5倍するマンションの間取りを眺めたり、テスラのホームページを閲覧したり、美女との結婚を想像していた。
一流の男はスーツにもこだわらないとな…。
筋トレも始めようかな…。
そんなことも考えていた。
しかし俺は負けた。
東大文学と早稲田政経は落ちたそうだが、東大経済の知人に加えて慶應経済と東大法の奴は採用された。
悔しい。
数学3、物理、化学、微分積分、線形代数、基礎実験演習、統計、金融市場分析…。
これまで「高度な数学的知識や統計的手法を持ち、それらをマーケット分析・予測に活用することができる」ようになるために努力してきたことを否定され、それらの能力を持っていない奴らに俺は負けた。
性格が悪いがハッキリと言う。
自分よりも頭の悪い奴らに負けた。
負けさせられた。
悔しくて不条理で悲しい。
苦しい。
日系金融機関、いわゆるメガバンクからも内定を得たが、とても入る気にはならず商社に入った。
仕事や人間関係は悪くないが、やはり俺の能力が活かせていないことを痛感している。
虚しい。
苦しい。
