  |
はてなキーワード:GitHubとは
なんか政治の潮目が変わった気がする。旧来の日本型リベラリズムが完全に息切れして、代わりに新しい形のリベラリズムがポコッと顔を出してきた感じ。チームみらいみたいな新興政党が11議席取ったのが象徴的だけど、これって欧米型のリベラリズムの日本版じゃない？ って思ったので、ちょっと書いてみる。間違ってたらごめん。
日本型リベラリズムって、立憲民主党とか共産党、れいわ新選組みたいな勢力が典型だよね。護憲・反原発・再分配重視で、生活苦を叫んで消費税減税を掲げて、弱者救済をアピールするスタイル。まあ、理想はわかるけど、今回の選挙で票がガクッと減った（または「消えた」って言われてる）のは、なぜか？
要するに、旧来型は「今を我慢せずに分配せよ」みたいな福祉優先で、長期視点が欠けてた。選挙結果見ると、これが崩壊したのは明らか。
ここでチームみらいが出てくる。平均年齢30台、IT・AI・コンサル出身者だらけで、「テクノロジーで政治を変える」ってスローガン。比例で11議席取ったの、すごい躍進だよ。政策見てると、欧米型のリベラリズム（特にシリコンバレーや欧州中道リベラル政党っぽい）を感じる。
チームみらいはイデオロギー色薄めて、「テクノロジーで誰も取り残さない日本」を掲げてる。左右超えた実務的アプローチで、若年層に刺さったみたい。欧米型リベラリズムって、個人中心・効率化・イノベーション重視で、日本型みたいに再分配偏重じゃないんだよね。シリコンバレー的なリバタリアン寄りや、欧州のALDE系政党（自由民主同盟）と重なる部分が多い。
今回の選挙で新型リベラリズムの芽が出たのは確か。旧来型が崩壊した隙間に、成長・技術・効率を軸にした新しいリベラル像が浮上してきた。でも、チームみらいはまだ組織基盤弱いし、地方浸透も課題。11議席はスタートラインで、政策実行力次第で本物になるか決まる。
日本政治、ようやく21世紀型にアップデートされそう？欧米みたいに、リベラリズムが「前向きで未来志向」になるなら、面白いかも。
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。
XもMastodonもQiitaもQuoraもGithubも全部消した
だってさぁ、俺のアウトプットに対する反応が常にゼロなんだもん
独り言を放言するだけなら、ネット上でなく、ローカルコンピュータに保存すればいいだけだよね
いやさ、夜通し書いてアップしてもよ、いいねはゼロ。フォロワーもゼロ
俺の渾身の出力が、宇宙のゴミ溜めにポイ捨てされてるようなもんだ
「俺、何やってんだろ」って、カップ麺の残り汁すすりながら虚しくなっちまってな
誰にも読まれないなら、わざわざ他人の顔色伺ってネットに流す必要なんてねえんだよ
これからは自分のパソコンのメモ帳に、ひっそりと書き溜めていくわ
誰の反応もいらねえ。誰にも邪魔されない。 俺の、俺による、俺のためだけのログ
まあ、正直に言やぁ、ちょっとは誰かに「それ、すごいっすね」って言われたかったけどよ
ま、いいさ。独り言なら、壁に向かって喋ってるのが一番お似合いなんだよ、俺にはな
さて、残った酒でも飲んで寝るか
notion,figma,backlog,github, confluence あたりじゃないかなよく使うの
情報系の大学に通っているが、情報系ってすごくよしよしされているのを感じる。
変な話、化学でポリマーを合成できる方が、出来合いのウェブサーバのプロダクトやらをローカルで建てるよりも絶対に難しいのに、前者はあんまり聞かなくて、後者をインターンで褒められてるのなんなんだろうって感じがする。はっきり言って良くないと思う。
もっと難しいこと（それは学士論文のようなことかもしれないし、何かのプロダクトかもしれない）を成し遂げて、情報系のすごいところ、便利なところ、頑張っているところとして、論った方が健全だし、褒められてることで思い上がってるやつはいい加減にしろよと思っている。
インターンがなんだよ、お前は既存のプロダクトの焼き直ししかしてないじゃないかよ。いや、現実的に考えると情報分野に限らず科学は既存のプロダクトや理論の積み重ねでしかないんだけど、そういうことではなくて、社員から言われた通りの手順でシステムをDocker の上に構築して、やったー動いたね、褒めて褒めて、俺コンピュータできるんだわ大企業就職間違いなしとかアホか。顧客から提示されたアバウトな内容を取捨選択して、複数の選択肢を比較して、満足してもらえるシステムを構築できてやっとシステムちょっとできるって言えるんじゃねえのかよ。
この点、よりハードウェアによった電子系の分野とかは頑張っている、あるいはネットワークとかインフラエンジニア。それに比べてソフトウェアはなんだ、特にフロントエンドの学生はなんだ、いい加減にしろ。もちろん全員ではない。Web 系を追いかけるのは体力がいる、それを追っている彼らの中にはとてつもなく素晴らしい人間もいる。
GitHub Copilot が使えてすごいってなんだよ、Codex が使えてすごいってなんだよ。お前ただ日本語が上手いだけじゃないか、いや、日本語すら下手。書かれたソースコードを精査もせずに「動きません直してください。」じゃないんだよ、ばーかばーか、あほ。お前は機械学習をまともに学んだことがあるのか。CNN を自分で実装することができるのか、あほ。
最近はこんな何も学んでいない状態で卒業することに危機感を覚えている。自分含め、こんな奴らが就職していいのかよ。個人的には情報系の就職はより難しくなって欲しいと思う。私は先述の理由からAI は嫌いだが、AI がクソほど発展してしまえば、こいつらを職にあぶらせられると思うと楽しみである。その頃には俺も職にあぶれてるだろうけど。
各党の公式サイトに掲載されている公約をマークダウン化してGithubで公開しました。
NotebookLMに読み込ませると、知りたいことを典拠付きで回答してくれるのでなかなか良いです。
以下のURLから、予め読み込ませたノートブックを使うことができます。
チャットの内容は公開されません（作成者からも見えない）ので、安心して自分が重視する政策などを訊いてみてください。
https://notebooklm.google.com/notebook/35535908-83ad-47cb-901c-c9f6488111d5
例：
実際には出典へのリンクも付く。
各党の主な子育て支援策は以下の通りです。
政党名 現金給付・経済的支援 教育・サービスの無償化・拡充 特徴的な施策 自由民主党 児童手当の抜本的拡充（加速化プラン）。正常分娩費用の自己負担実質ゼロ化。 令和8年度から公立小学校等の給食無償化を実施。高等教育費の負担軽減。 「こどもまんなか社会」の実現。妊娠前から子育て期までの切れ目ない支援。 国民民主党 所得制限なしで18歳まで児童手当を月1万5千円に拡充。年少扶養控除の復活。 幼稚園・保育園から高校までの教育完全無償化。小中学校給食・学童保育の無料化。 社会保険料に上乗せされる「子ども・子育て支援金」を廃止。教育国債を発行。 れいわ新選組 すべての子どもに所得制限なしで毎月3万円を給付。年少扶養控除の復活。 幼児から大学院まで保育・教育を完全無償化。小中学校の給食無償化。 保育従事者の給与を月額10万円引き上げる財政投資。 チームみらい 子どもの数に応じて親の所得税率を下げる「子育て減税」の導入。 0歳から2歳までの保育料を所得制限なしで完全無償化。 テクノロジーを活用した「デジタル母子パスポート」やAIによるプッシュ型支援。 中道改革連合 児童手当を18歳まで月1万5千円に増額検討。給付付き税額控除の導入。 0～2歳も含めた就学前教育・保育の無償化。大学授業料無償化の対象拡大。 「小1の壁」打破のための学童保育拡充や、子ども権利を守る「子どもコミッショナー」設置。 参政党 0～15歳へ月10万円の給付金支給。第3子より非課税化する「子育て減税」。 35人以下学級をさらに引き下げる少人数教育の推進。 育児休業の3年間への延長。専業主婦も選択肢として尊重し支援。 日本保守党 出産育児一時金の引き上げ（国籍条項付き）。 専門学科（商業・工業・高専・農業等）の無償化。 共同親権制度の導入。男女共同参画事業支出の抜本見直し。 日本共産党 児童扶養手当を第1子から拡充。高校卒業までの医療費無償化。 大学学費を半額にし、入学金を廃止。学校給食の無償化を中学校まで拡大。 子どもへの「子ども・子育て支援金」上乗せ徴収を中止。所得制限による線引きを批判。 日本維新の会 世帯単位課税（日本版N分N乗方式）の導入。年少扶養控除の復活。 幼児教育から高校まで所得制限なく無償化。出産費用の無償化。 「教育子ども福祉省」の設置による幼保一元化。親が投票を代行する「0歳児投票権」の検討。 社会民主党 児童手当の拡充（暮らしに税金を使う方針）。 大学までの高等教育無償化を実現。小中高の30人学級の実現。 インクルーシブ教育の推進。奨学金は返済不要の給付型を原則とする。 各党とも、児童手当の拡充や教育・保育の無償化を共通して掲げていますが、その財源（教育国債や所得制限の撤廃など）や、具体的な給付額、独自の減税方式（子育て減税、世帯単位課税など）に大きな違いが見られます。
「プログラミング」自体が好きだった人々に問いかけたい。 今の仕事は、楽しいか？
幼少期から「何かを作る」のが好きで、段ボールや使い終わったペットボトルでいつも何かを作っていた。
そのうち、両親からパソコンとVBの入門本を与えられて、プログラミングにハマった。ビリビリになるまで本を読んでは、毎日のようにコードを書いていた。
そんな自分が将来なりたかった仕事は、他でもない「プログラマー」だった。
2021年の夏、大学のリモート講義中に腕試しで受けた長期インターンに合格して、初めてプログラミングでお金を稼いだ。
社員の人たちはみんなギークで、自分もこんな「プログラマー」になりたいと心から思った。 「性格はめちゃくちゃ悪いけれど、技術だけは誰よりもある」人もいた。そんなブリリアントジャークに、どこか強く憧れていた。
いろいろな企業のインターンや面接を経て、9月、晴れて「Webエンジニア」の内定をもらった。 「自分もやっとプログラマーの入り口に立てた」と思った。言葉にならないほど嬉しかった。
一方で、その頃にはもうChatGPTが流行り出し、GitHub CopilotのTab補完が広まるなど、AIの夜明けを感じてはいた。だが、当時はまだ「コードを書くのが速くなって嬉しいな」くらいにしか思っていなかった。
それが、2024年になり、世界は一変した。 某Zenn記事を皮切りに、Clineが爆発的に流行し始め、AIコーディングのトレンドは「補完型」から「自律型」へと移行していった。あれよあれよという間にCursor・Devin・Claude Codeといったツールが台頭し、瞬く間に「コードを書く」仕事を奪っていった。
2025年4月。自分が会社に入る頃には、開発現場にはすでにClaude Codeが浸透していた。 「自分ではコードを書かない」――いわゆるバイブコーディングが当たり前になっていた。
それらを全部やり終えても、実装はすべてClaude任せ。自分は技術的なことを何もしていない。「何が面白いんだ？」という自問自答が頭を離れない。
もちろん、事業会社のエンジニアとしては、ひたすらコードを書くよりも今の姿のほうが健全なのだろう。それは分かっている。
しかし、「AIの台頭によって技術力が要らなくなった」わけではない。それは百も承知だ。 適切な技術選定のため、AIのコンテキストから外れた事項を考慮するため、あるいはAIの生成物を監督するために、技術力はこれからも必要とされる。
しかし、その技術力は「自分で使うもの」ではなくなってしまった。
一昔前の中堅エンジニアには、「管理職に上がってしまいコードを書かせてもらえなくなる」といったことがよくあったらしい。けれど、今は、新卒も含めたすべてのエンジニアが、最初からその状態にいる。
逆に問いたい。あなたは転職活動でこう言えるだろうか？ 「技術に自信があるので、ひたすらにコードを書き続けたいです。要件定義や社内調整はやりたくないです」 そんな人を雇ってくれる会社はもうほとんどないし、いずれはゼロになると思う。
「Webエンジニア」という仕事は、これからも残り続けるだろう。 けれど、自分がかつて憧れた「プログラマー」は、もう必要ないのだ。いまや「作れる」だけの人に価値は無く、「課題解決ができる」人だけが求められている。
「Webエンジニア」は、自分がなりたかったものではないことが分かってしまった。 だから、自分はエンジニアとしてのキャリアパスを諦めて、早々に退場したいと思う。
自分が心から「楽しい」と思える何かを、自分の手で生み出したい。
そんな夢を追い求めて、旅に出ようと思った。
※この記事はGeminiと壁打ちしながら書きました。
エディタの乗り換えとか嫌じゃないんだろうか。
ちなみに自分はめちゃくちゃ嫌。
VSCodeに乗り換えるときもハードルあったし、Antigravityとかかなり似てるUIのやつをテーマも合わせて使ってみたけどほんのちょっとのサクサク感・UIのムニュムニュ感の違いとかが嫌すぎる。
慣れれば乗り換え前の方には戻れない状態になるんだけど、慣れるまでの不快感がすごく強い。
今年からGitHub CopilotとClaude Codeを併用できることになって、Claude CodeはCLIだからターミナルから使おうと思ってるんだけど、「今までVSCodeでやってきたことをターミナル上でやる」というのにハードルを感じて（見た目やちょっとした動きの違いで不快になるのが容易に想像できる）もう半月経ってしまった...
どこかで一念発起してがんばらないとなあ。はあ。
人類の言語そのものを目的関数としてそれに対して最適化するのがLLMなのだから、人類の認知で到底不可能なことはやりようがないだろう。
一文で本質を突いている。AIの能力限界を構造的に説明している。
今よりもAIが進歩した未来では「自然言語で与えられた仕様から機械語を出力するように訓練されたAI」が出てくるかもしれないけど、そいつの内部をよく観察したら結局今日の高級言語みたいなもので思考していた、みたいなオチになるんじゃないんですかね
結論と完全に一致。内部に抽象化レイヤーが生まれるという洞察。
マシン語でエラーを吐き出されても、元となるプログラミング言語での設計がすっ飛ばされていたら、どこの何が問題なのかが照合困難で修正が困難なのが根幹な気がします。
検証・修正サイクルに意味の単位が必要という話を、実務的な観点から der表現。
計算機科学について何一つ知らなかったとしても、ニーモニックを無作為に並べるよりソースからコンパイルした結果の方が解空間が圧倒的に小さいのだから、機械語の生成はAI 以前に単なる探索として悪手だ、というのが自然な発想だと思うんだけど。
探索空間という観点からの指摘。高級言語は制約を与えて解空間を狭める役割がある。
抽象化した方が簡潔に記述できるのはAIにとっても同じことで、そっちの方がAIも理解しやすいし、生成しやすい。現在の機械語、アセンブリ、高級言語の階層構造が崩れるとは思えない。
「AIにとっても同じ」という視点が正しい。人間向けとAI向けが乖離しないことを理解している。
「AIが直接機械語書けばプログラミング言語は要らないのでは？」的な話はみんな最初に頭を過るだろうけど、コードを出力するのがLarge "Language"Modelである以上は意味論から組み立てる高級言語の方がそりゃ相性いいでしょうね。
AIを何かgodlikeな超知性だと思っている人間が多いけど、人間にとって「機械語よりも高級言語の方が当然書きやすい」のと同様、AIにとっても「機械語よりも高級言語の方が当然書きやすい」よなぁという話
「AI向け言語は人間にも使いやすいはず」という結論と同じ方向。
CPUへの命令にまで細かく分解された機械語なんて、それが何をするための処理なのかはAI（LLM）でも大変だと思いますよ。そのCPUへの命令群で何をやろうとしているのかなんていう情報はほぼ捨て去っているわけなので。
機械語には意味がエンコードされていない、という議論の核心部分。
機械語派は抽象化の力を舐めすぎ。型なし言語はトークン削減量に対して失われる確定情報量が多すぎ。LLMが内部で型を推論したら本当にトークンが削減できるか怪しい。全能AIを仮定するなら、「人が作ったハード上で機械語を直接書く」なんて中途半端で「ハードごと最適化」くらいの夢を語ってほしい。
AIが機械語を直接書くようになるとか言っている人は、機械語にこそ真の価値があると思ってるんですかね？いかなる音声も元にせず、指示に従ってレコードに直接溝を刻んで音を鳴らす技術が広まれば、音楽がさらに発展するとでも思っているんでしょうか？
AI専用言語にせよ機械語を直接出力にせよ、人の持つ高レベルの意図や仕様、アルゴリズムを正しく反映したデータセット、意味構造が保存された対応データが存在しないから難しいというか現実的に無理よなぁ
学習データの観点から。意味構造が保存されたデータがないと学習できない。
「AI がマシン語を吐いたらプログラミング言語はいらない」系の話が出てくるのは「AIは人間の言葉より、機械の言葉の方が本当は理解しやすいはずだ」という思い込みから来ているのじゃないかと思っていて
誤解の根源を正確に特定している。
まず機械語を直接記述するメリットがない。現代コンパイラ、インタープリタは超優秀(OSや組み込みの一部だけ)。人類のプログラム資産は高級言語がほとんど。AIの学習先もそれ、よってAIは高級言語で出力するほうが成績が良い
AIが直接機械語を出力すべきか？という話題が流行っている。直感的には、動作中のAIの中身を調べると、結局はコンパイラやプログラミング言語に相当する構造が即席で構成されてそう。つまり同じことを高いコストでやる感じになり
内部に抽象化レイヤーが生まれるという洞察。mod_poppoさんと同じ結論。
意味推論がLLMの得意技なので、意味を削ぎ落とした本質の塊である機械語は理解できず、意味の羅列である高級言語こそがむしろ生成AIに最適化されている。
コンパイラって優秀だから、AIといえども生で機械語を読み書きするよりもコンパイラ介した方がいいと思うんだよな。そのくらいLLMって機械寄りじゃなくて人間寄りなんだと思う。元がニューロンの模倣だし。
高レベルになるとコンパイラの出力を疑って生成されたコードを読まないといけない状況は普通にあるので、高水準なAI生成のコードが何をやってるか理解するスキルは当面は必須だと思う
もし仮にAIが機械語を吐き出せるとしても、高速に、決定論的に、段階的に、最適に動作するコンパイラを使わず、低速で、確率論的で、逐次的で、最適な動作ができないAIを利用する意義はほぼないと思う
コンパイラとの比較で、AIに機械語を吐かせるメリットのなさを指摘。
機械語は冗長で複雑かつ非常に正確な出力が必要なので、高級言語を使って既存のコンパイラやビルドパイプラインに乗せる方がAIにとっても効率が圧倒的に良いと聞いて確かになぁと思いました。
自然言語を処理するのがLLMなので、不自然な機械語は難しいだろうね。1命令ごとに「それは何を目的とした操作か」とか文脈でわかりにくいしねぇ。
AI時代の人間の仕事は、信頼性確約（＝こういう理屈で大丈夫、と説明できること）が大きな領分を占めるだろうと推測されるので、機械語だけで良いとか言ってるやつは責任を取る気皆無なゴミ野郎です。
LLMに機械語を出力させようとするやつは「AIは機械なんだから機械語は簡単に扱える」という意味不明な思考をしてるだけなのでまともに取り扱うような相手ではない。名字が山口な人は長州方言が話せるんですよねとか言ってるくらい支離滅裂
人間がソフトウェアに「こう動いてほしい」という意図と「ソースコードがどのように変更されたか」の対応はGitHubとかに大量のデータがあるのでそれを学習すればコーディングするAIは作れる気がするけど、人間の意図と機械語の対応は学習データが全然ないからAI作れないように思う
「よく使うロジックを共通部品化する」とか「とはいえ局所最適な命令も欲しい」とかを考えると、中間言語を用意して最終的な機械語へコンパイルする、という流れは必要と思う。つまり、「AI用に最適化されたプログラミング言語」があるべき。
AIは人とのコミュニケーションをいかにスマートにするかにとんでもなく時間を掛けてきたわけで、人が直接読み書きできない機械語を出力しても意味がないよね。
AI機械語コーディング、やろうと思えばできるが普通はやらないような可読性の低いコーディング方法が多すぎて、AIﾁｬﾝに本気出されるとバグったときに修復不能になりそうな気がする
これだけAIが発展したならAIに直接機械語作らせればいいじゃんみたいな言説をたまに見るけど、それどうやって今のLLMと同じ水準まで学習するの？といつも思ってる
ロジックに従っているわけだから、ソースで想定外の挙動をした被疑箇所前後にロガーやらブレークポイントを仕込むという原始的だが確実なデバッグが、いきなり機械語を吐かれると出来ないんよ。
デバッグ実務の観点から。意味の単位がないとデバッグできない。
AIにしか読めない言語より、人類が発見的に設計したんじゃない人類にもAIにも優しいプログラミング言語・中間表現・機械語をデータドリブンに統計的に正しくAIが作るって方向に行かないですかね
AIが直接機械語吐くのは遠回りしてるだけだから無いとして、完全に人間がプログラムを読まなくなったらプログラミング言語はどう進化するのかは気になる
「無い」と断じた上で、次の問いを立てている。建設的。
プログラミング言語は人間の認知負荷、記憶量の限界、ミステイク、スパゲティコード理解できないためにあるので、AIだったら直接機械語吐くだろ。常考。
反論： 完全に逆。プログラミング言語は「人間の限界を補うため」ではなく「意味を構造として保持するため」にある。AIも意味を扱う以上、意味を表現する層が必要。「常考」と言いながら何も考えてない。
シンギュラリティ前夜 アダム（AI）が、人間には理解できないどころか、読むことすらできないコードを出力し始めた。後に判明することだが、それは機械語だった。
反論：SFポエム。「人間に読めない＝機械語」という発想が、まさに今回の議論で否定されてる誤解そのもの。AIが人間を超えるとしたら、ローレベルに降りるんじゃなくてハイレベルに登る方向。
なんかLLM界隈？では「AIがやがて機械語をだす（ので実用的にはコンピュータ言語は不要になる）」と言うと、無知だとか実情知らないとかブロックしてやるとか言われる見たいだけど。数年は無理だけど、いずれそうなると予想してる。
反論： 「数年は無理だけど、いずれそうなる」の根拠がゼロ。なぜそうなるのか、意味と機械語のギャップをどう埋めるのか、何も説明してない。批判されてる理由を理解してない。
プログラム言語って人間が扱うために自由度を削り取った結果の産物やから、AIに機械語で作ってもらって最適解であれば、現代の言語の宗教感ってほぼほぼ否定されるのです
反論： 「人間が扱うために」という前提が間違い。自由度を削ってるのは「意味を保持するため」。AIも意味を扱う以上、同じ制約を受ける。「宗教感」とか言って茶化してるけど、構造を理解してない。
「まだ」人間が安心する為では無いのですか？コンパイル後の機械語を読む人が殆ど居ない事は受け入れてるのに、将来的にAIが機械語出力する事に忌避感を感じるのは論理的とは言えません
反論：コンパイラの出力を読まないのは「コンパイラが検証済みだから」。AIの出力は検証が必要。この二つを同列に扱うのがおかしい。「論理的とは言えません」と言いながら、論理が破綻してる。
AIが機械語はけば、は数ヶ月前にメンバーと話になった。結論は、いまはあかんやろけど数年後に、もう人間が見る必要全然ないわ、となったらありうるな、となった。
反論： 「人間が見る必要がなくなったら」という仮定自体が検討されてない。人間が見なくていいとして、AIはどうやって検証・修正するの？意味の単位がない機械語で？その議論が抜けてる。
機械語って逆にトークン消費するの？お〜…じゃあLIFE3.0時代のAIは機械語ではなくAI用に最適化された人間には読めない言語で思考する、という方向性なのかな。
反論： 「人間には読めない言語」がなぜ生まれると思うのか。AIは人間の認知を模倣してるので、AIにとって扱いやすい言語は人間にも扱いやすい方向に収束する。逆方向には行かない。
中間言語不要派の言い分：AIが直接機械語を出力可能で、効率最適化が進む。人間の都合で言語が存在するが、AIなら移植性や抽象化不要で中間層をスキップできる。
反論： Grok自身が「中間言語不要派の言い分」として紹介してるけど、これ全部間違い。「人間の都合で言語が存在する」が誤り。意味を扱うために言語が存在する。AIも意味を扱う。
反論： 「うまくやってくれるかもしれん」で済む話じゃない。なぜうまくいくのか、検証・修正はどうするのか、何も考えてない。
反論： これは自虐なので反論というより…正直でよろしい。専門外だと自覚してるなら、なぜそう思ったのか掘り下げて、専門家の意見を聞く姿勢があれば良いと思う。
筋の悪い言説に共通するのは：
1. 「高級言語＝人間のため」という誤解 -意味を扱うための構造だと理解してない
2. 「AIは機械だから機械語が得意」という誤解 -AIは人間の認知を模倣してると理解してない
3.検証・修正の問題を無視 - 一発で完璧に動く前提になってる
https://x.com/i/status/1983745679433269398
このCMへ対して一部のユーザーが「M.U.G.E.Nじゃねぇかｗ」の様なコメントを付けている。
この「M.U.G.E.N」こそが格ゲー界の公然の秘密である。
M.U.G.E.Nとは、1999年にElecbyte社が公開した、ユーザー拡張型の2D格闘ゲームエンジンだ。「キャラクターやステージを自由に自作して追加できる」という画期的な仕様により、本来なら交わるはずのない別作品のキャラ同士を戦わせる「ドリームマッチ」を実現できるツールとして、2000年代のネットの片隅で熱狂的な支持を集めた。
だが、このエンジンには致命的な「暗部」がある。
全盛期に最も広く利用された「WinMugen」と呼ばれるバージョンは、実は正規にリリースされたソフトウェアではない。
開発元のElecbyte社が一度消息を絶つ直前に、本来は非公開だった次期バージョン（Mugen 1.0）のベータ版が何者かによってリークされ、それがアングラサイト経由で広まったものなのだ。つまり、WinMugenを使っている時点で、それは「流出した未完成の開発データ」を勝手に使っている状態に他ならなかった。
正直に申し上げて、M.U.G.E.Nというコミュニティは、このエンジンの出自も含め、著作権的に見れば限りなく真っ黒に近いグレーだ。
「キャラクターやステージを自由に自作して追加できる」という画期的な仕様は、実質的に「既存の商用格闘ゲームのキャラクターをファンメイドで移植できる」環境を意味していた。
つまり、スプライトのぶっこ抜きである。この事実は否定しようがない。
だからこそ、格闘ゲームのプロプレイヤーや開発者、そして我々のようなコアな格ゲーマーにとって、M.U.G.E.Nは長らく「名前を言ってはいけないあの人」のような存在だった。
みんな知っている。家でこっそり触ったこともある。でも、表立って「M.U.G.E.Nで遊んでいます」とは口が裂けても言えない。そういう「公然の秘密」として、格闘ゲーム史の影に存在し続けてきた。
けれど、あえて今、その「技術的・文化的な功績」についてだけは語らせてほしい。
法的な問題を一旦脇に置いて（肯定するわけではないが）、なぜあそこにあれほどの熱量が生まれたのかを言語化するならば、「あれはプログラムによる同人活動だったから」という結論に行き着く。「絵」ではなく「挙動」を模写するのだ。
同人作家が、好きな漫画のキャラクターを愛ゆえに模写し、自分の手で二次創作漫画、そこから更に発展してBL同人などを描くようにだ。
M.U.G.E.N職人と呼ばれた人たちは、好きな格闘ゲームのキャラクターを愛ゆえに解析し、自分の手で動かそうとしていた。
彼らにとって、リュウの波動拳やテリーのパワーウェイブのドット絵は、単なる画像素材ではない。「完成された美」であり「憧れ」そのものだ。
しかし、画像をM.U.G.E.Nに持ってきただけでは、それは動かない。
憧れのあの技を放つためには、中身のエンジン……つまりプログラムを、自分たちの手で一から組み上げる必要があった。
彼らがやっていたのは、MS-DOS時代から続く古臭い仕様のスクリプト言語を駆使して、最新ゲームの挙動を「コードで模写する」という作業だった。
これは、プログラマーやゲームデザイナーにとっての一種の「写経」であり、エンジニアリングの側面から愛を表現する手段だったのだと思う。
さらに特筆すべきは、単なる模倣に留まらない「実験場」としての側面だ。
M.U.G.E.N界隈には、既存の格闘ゲームの枠組みには収まりきらないアイデアを形にするクリエイターたちもいた。
ドット絵からアニメーションまで全てを一から描き起こした「完全新規オリジナルキャラクター」の制作。あるいは、商業ゲームならバランス崩壊として即座にボツになるような、複雑怪奇かつ斬新なシステムの実装。
「売れるかどうか」を考える必要がない同人活動だからこそ、そこには尖ったアイデアが無数に投入されていた。
プレイヤーが操作することを放棄し、キャラクターに搭載されたAI（人工知能スクリプト）同士を戦わせる。
そこでは「いかに強いAIを書くか」というプログラミング競争が勃発し、時にはゲームのプログラム仕様の隙を突くような「凶悪キャラ」「神キャラ」と呼ばれる人知を超えた存在が生み出された。
そして、それらが公平に戦えるよう、有志によって厳格なレギュレーション（階級分け）が整備され、毎日のように動画サイトで大会が開かれる。
これは、ある種の「レジェンド級プロ格ゲーマーを超えた理論値格ゲープレイのシミュレーション」であり、eスポーツとは全く異なるベクトルでの技術的進化だったと言える。
現在では将棋や囲碁などのAI同士が対戦し、その強さを競うことは珍しくないがM.U.G.E.N界隈ではそれらよりもずっと前に対戦AIを専門的に書く人たちが認知されていたのだ。
漫画界で「同人出身」がある種の実力の証明(例えば高い評価を受けていた同人作家が商業誌での新連載が決まり、同人作品を知る一部界隈で話題)になるように、実はゲーム業界にも「M.U.G.E.N出身」の才能が確実に存在する。
例えば、Steamで世界的な評価を得た2D格闘ゲーム『Skullgirls』や『Indivisible』でリード・アニメーターを務め、『熱血硬派くにおくん外伝リバーシティガールズ』にも関わったJonathan "Persona" Kim氏は、かつてM.U.G.E.N界隈で伝説的なスプライト改変職人として知られた人物だ。
また、セガ公式の『Sonic Mania』でコンポーザーを務めたTee Lopes氏も、キャリアの初期にはM.U.G.E.N等のファンゲームへの楽曲提供で腕を磨いていた。
最近の例では、ホロライブのファンメイド格闘ゲーム『Idol Showdown』が記憶に新しい。
このゲーム自体はUnity製だが、プロジェクトを牽引したGura_D氏や、美麗なドット絵を統括したアートリードのSodan氏は、海外のハイレベルなM.U.G.E.Nプロジェクト（HyperDragon Ball Zなど）出身のベテランだ。
彼らにとってM.U.G.E.Nは、GitHubやUnityが普及する前の時代における、ポートフォリオであり実験場だったのだ。
もっとも、彼らのように自らそれを語り、その出自が明るみに出ることは業界の慣習としては稀なケースなのかもしれない。
プロ格ゲーマーを含めた多くのプロフェッショナルたちが、過去の経歴としてM.U.G.E.Nを語ることはない。そこには、あえて触れないという「暗黙の了解」が、今も静かに横たわっている。
「俺ならもっとこう動かす」「もしもこのキャラとあのキャラが戦ったら」という妄想（IF）を、絵や文章ではなく、実際に動くゲームシステムとして出力する。
それは紛れもなく「挙動の二次創作」と呼べるものだったはずだ。
現在はYoutubeなどのSNSを通して格ゲー界のプロフェッショナルへ気軽に話しかけられるようになったが決してM.U.G.E.Nの話を振ってはいけない。無視されるか立場上、表面上、便宜上M.U.G.E.Nを否定する発言しかしないだろう。
二次創作の経歴がある人へ「盗作ってどう感じますか？」と質問しても多くは「悪いことだと思う」と返すしか無いはずなのだから。
現在は、IkemenGOのようなMITライセンスのオープンソースエンジンが登場し、エンジンの権利問題はクリアになった。Steamでは『TheBlack Heart』のように、この系譜から生まれたインディー格闘ゲームが正規に販売され始めている。
かつてのM.U.G.E.Nが抱えていた著作権侵害の罪は消えない。
しかし、「憧れのキャラを自分の手で動かしたい」というあの熱量と、そこで培われた技術的土壌までを「黒歴史」として封印してしまうのは、あまりに惜しい。
あれは無法地帯だったかもしれないが、同時に、間違いなく数多くのクリエイターを育てた、一つの巨大な「同人界隈」でもあったのだ。
Permalink |記事への反応(13) | 12:36
GeminiDeep Researchで本当の話なのか調査させ、はてな匿名ダイアリーへ投稿出来るように要約させた
はてな匿名ダイアリーを指定したら口調が勝手に変わって吹いたｗ
2025年末、「娘のはじめてPCにLinux」という議論がネット上で波紋を呼んだ。これは単なるOSオタクの戯言ではない。 「エリート層は子供にRaspberry Pi（ラズベリーパイ）を与えて"支配側"へ育て、一般家庭や公教育はiPadを与えて"消費側"に留め置く」という、現代の身分制度（デジタル階級社会）への警告だ。
本稿は、英国王立協会やGIGAスクール構想の実態、労働市場データを分析した「公教育の機能不全と家庭内資源動員に関する調査報告書」の要約である。結論から言えば、「中流以下の家庭こそ、なけなしの金を払ってでも子供にLinuxを触らせろ」ということになる。
かつてのデジタルデバイドは「ネットに繋がるか否か」だった。スマホ普及後の現代における格差は、「コンピュータの制御権（Root権限）を持っているか否か」である。
英国王立協会はすでに2012年の段階で「学校のICT教育はオフィスソフトの使い方しか教えていない」と酷評している。 その結果、富裕層の私立校では専門家を雇ってRaspberry PiやAI活用を教え、貧困地域の公立校では管理が楽なiPadを配って終わり、という絶望的な「質の乖離」が起きている。米国でも同様に、富裕層の子供ほど「消費的なスクリーン（TikTokやYouTube）」から離れ、ChromeOSやRaspberry PiやUbuntuなどを導入し創造的なプログラミング教育を受けている。
日本の金のある自治体の公立小中学校で配られたiPadは、MDM（管理ツール）によってガチガチに制限されている。 逆に、ChromeOSはLinuxベースであり開発環境として優秀なのだが、教育委員会は「セキュリティ」と「管理コスト」を理由にその扉（ChromeOSやLinuxでの創造的な授業）を諦めた。 結果、公立校の生徒はiPadで「Web閲覧」と「ドリルアプリ」しかできない。
一方で、開成や筑駒といったエリート校の生徒は、制限のない環境でサーバーを構築し、Unityでゲームを作り、競技プログラミングに没頭している。iPadの 「サンドボックス（砂場）」の中で遊ばされている公立校生と、システムの内側に触れているエリート校生。このスタート地点の差は、10年後に致命的な「年収の差」となって現れる。
「社会に出ればWindowsだろ？」というのは20年前の常識だ。現代の高付加価値インフラ（AWS、Google Cloud、AI開発、IoT）は、ほぼ全てLinuxで動いている。
GUI（マウス操作）はAIにとってコストが高いが、CLI（コマンド操作）はAIへの命令（プロンプト）そのものであるため、相性が抜群に良い。Linuxを学ぶことは、「AI時代におけるコンピュータへの正しい命令作法」を学ぶことと同義だ。
「MOS(Microsoft Office Specialist)」というフィルター機能は低下し、GithubやPixiv、Youtubeなどでのクリエイティブな活動履歴（何を作れるか）がパスポートになる。貧困・中流層がこの壁を越える唯一の武器が「技術力（ポートフォリオ）」だ。
中流以下の公教育が頼りにならない以上、家庭で動くしかない。幸い、Linuxの世界は「金はかからないが、知恵と時間はかかる」。これは資金力のない家庭にとって最大の勝機だ。
30万円のMacBookは不要。企業落ちの中古ビジネスPC（ThinkPad X250/X260等）なら、秋葉原や通販で1.5万〜3万円で買える。Windows11が入らない型落ちこそ、軽量なLinuxには最高の機体だ。Raspberry Pi 4や400の中古も良い選択肢となる。
親が教えられないなら、CoderDojo（無料のプログラミング道場）のようなコミュニティに子供を連れて行けばいい。そこには「技術を楽しんでいる変な大人」がいる。その出会いが重要だ。
「壊れるから触るな」ではなく、「壊してもOSを入れ直せば直るから、好きにいじれ」と言って管理者権限（Sudo）を与えること。YouTubeを見る端末を、YouTubeを作る端末に変えること。
高価なiPadを買い与えて安心するのではなく、1万円の中古PCを与えて「黒い画面」に向かう子供を応援すること。 その小さな投資が、子供を「デジタル小作人」から救う唯一の手段になるかもしれない。
picetableという名前ではなく、RopeとかSumTreeという名前になってるけどな…。
https://github.com/oonyanya/FooList/tree/main
こっちはBigList.csあたり読めば元となったであろう論文が出てくるし、
https://tadaoyamaoka.hatenablog.com/entry/2019/08/18/154610
https://x.com/i/status/1995357685395652652
ただ、誰もgistやstackoverflow には書いてないし、aiは大昔に書かれた本の内容なんて知りもしない。
だから、gistとstackoverflow、一部のgithubからしか学習できないAIには早いコードは書けないし、それこそが、ちゃんと英語と数学を勉強したITエンジニアが死なない理由の一つでもある。
（マイナーなアルゴリズムやデーター構造は基本的に英語での解説がメインなんで、高校の英語のリーディングがある程度できるまではやらんとダメなのよ。ものによっては数学の知識もいるので、高校の数学は全部取ったほうがいい。受験数学の難しい奴は知らなくても支障はないと思うが、もしかしたら、使うかも）
あと、.netだから重いというのは半分当たっていて半分は間違い。
ただ、.netだと油断するとコピーしまくりなせいでメモリー使用量が増えるという側面はあるし、regexにイテレーターすら突っ込めないんで、巨大ファイルの改行またぎの検索が苦手という側面がある。
最近の.netだとspanに検索かけられるけど、あまり大きなspanだとlohの問題とか色々出てくるし…
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）
Qiita の文化変質は、技術系コミュニティ全般で起きている知的インフレの縮図みたいなものなんだよね。昔は
みたいに基盤技術を自前で握りつぶした記事が純粋に評価されていた。なぜなら、それを書ける人がそもそも少なく専門性で差別化できていたから。
昔は「Pythonで形態素解析器自作」なんて、アルゴリズム・CS基礎・実装力が揃ってないと無理だった。
難しいことをやってそうに見える記事を、凡人でも量産できるという環境が生まれた。
Qiita を読む層が「実装力を鍛えたいエンジニア → とりあえずAI 触りたいライト層」に変わった。
「再現性のないLLMコピペ」「AIツール使ってみた」みたいなのが評価される。
本気の記事は長く、コードが多く、前提知識も重い。そしてPV が伸びない。
つまりQiita のインセンティブ構造と、高度技術記事のインセンティブ構造がズレた。
理由は明確で、読む側がそれを理解できないので評価する母集団がいない。
昔はユーザ層が技術ガチ勢寄りだったので、少数でも濃い支持があった。
今はライト層が母集団なので、希少な高度記事が埋もれるのは自然。
Qiita がライト層に最適化した結果、本気の人たちは別の場所へ移動した。
例えばさ、ある時期にお前のGithubで公開したコードが一世風靡したとするだろ？
んで、お前がXでこんなコードを作りましたと言っても、お前のXアカウントは信頼されない。
なぜなら、そのGithubアカウントがお前のXアカウントを同一人物として判別するには、プロフィールの相互リンクが不可欠だから。
たぶん、Google検索もこういったトランスランクを加味している可能性が高い。
だから結局、トラストランクというのは内容そのものの良し悪しよりも、主体の一貫性が外部から検証可能かどうかで決まるんだよ。
技術的に正しいコードを書いても、それが誰による成果物なのかが曖昧なら、評価システム全体は防御的に振る舞う。
これはSNSでも検索エンジンでも同じで、なりすまし・スパム・宣伝アカウントを排除するための基本的なリスク管理構造だから。
そして、これらのサービスは互いのデータを直接共有しているわけじゃない。
個別に主体の実体を推定しようとする。そのとき一番効くシグナルが相互にリンクされたプロファイルなんだよ。
片方向リンクは主張に過ぎない。相互リンクは検証可能な関係性になる。
つまり、X →GitHub だけでは本物かどうかは確証できない。
GitHub → X のリンクが揃ったとき初めて、システムはこれは同一主体の操作だと判断しやすくなる。
これはWebのリンク解析が昔から採用している相互性から生まれる確からしさと同じ構造だ。
そしてGoogleがこれを無視する理由はほぼ存在しない。なぜなら、主体の正当性を誤判定すると検索品質そのものが崩れるからだ。
品質維持のためには、リンク構造・アカウント間の整合性・外部発信の一貫性をスコア化せざるを得ない。
これはPageRankの派生というより、E-E-A-Tやスパム防御の延長線上に自然発生した要件と考えるほうが合理的だ。
だから、どれだけ良いコードを書こうが、どれだけ正確な技術記事を書こうが、主体の整合性が弱ければ情報は正当に扱われない可能性がある。
