「Log」を含む日記

■数学者が7年悩んだ難問をAIが解いた、とはどういう事か

数学者が7年悩んだ難問、AIが「80分」で解く──取り組んできた本人が美しいと評価

(リンク貼れないので略)

1196 Discussion Thread | Erdos Problems

(リンク貼れないので略2)

AIが解いたとされているエルデシュ問題#1196とAIによる証明についてだが、数学者になれてない自分でも証明を理解できたので解説してみる。

というか専門家でもない自分でも理解出来るような短くてわかりやすい証明が存在したからこそ、AIが見つけられたんだよねコレ。

リクトマン(AI以前に一番この問題の解決に肉薄してた数学者)が「神の書物の証明」と形容しているが、

昔から難しい問題(色んな実績のある数学者が挑戦したのに解けなかった問題と定義する)に簡単な証明があった時にこういう言い方をする。

さて、まず問題について説明するがエルデシュ問題#1196は自然数の集合Nの部分集合Aが原始集合なら

「Σ[a∈A,x＜a]1/(a*log(a))=1+o(1)」を証明する問題となっている。

原始集合というのは例えば素数の集合{2,3,5,7,...}みたいにa＜bかつbがaの倍数となるようなa,bを含まない集合の事である。

素数の集合に4を加えた集合{2,3,4,5,7,11,13,...}は2,4を含むし4が2の倍数だから原始集合ではない。

右辺の「1+o(1)」というのはxがとにかく非常に大きければ式の左辺が1に近くなるもんだと思っとけばいい。

原始集合Aに対してAから有限部分を除いた時に、各要素aに対して1/(a*log(a))を足してけば総和が1で近似出来る事を証明する問題だ。

そしてAIによる証明だがこれは特殊な双六(すごろく)ゲームを考えてそのゲームのとある確率を求める事で証明をしている。

特殊な双六ゲームについてだがルールはこんな感じである。

・双六は完全な1本道でゴールがなく無限に長くて、各マスに1,2,3,4,...と自然数が順番に書いてある

・普通の双六はサイコロの結果にあわせて1～6マス進むが、この双六では例えばマス「7」に止まってる時は

次は「14」「21」「28」「35」...と止まってるマスの番号の倍数のマスのどれかに進むか、もしくは双六が強制終了する

「10」に止まってたら次は「20」「30」「40」「50」...に進むか強制終了するかのどっちかになる

・普通の双六だったら決まったスタート地点があるけどこの双六ではスタート地点がどのマスなのかはランダムである

このような双六ゲームではマス「a」に止まる事がある確率をv(a)とすると、Aが原始集合の時はΣ[a∈A]v(a)は必ず1以下になる。

例えばAが素数の集合を考えると、Σ[a∈A]v(a)はマス「2」「3」「5」「7」...のどれかに止まる確率になる。

マス「3」に止まる事があったらマス「7」に止まる事が無いようにΣ[a∈A]v(a)は排反事象の確率の和になるから1以下になる訳だ。

そして上記のような双六ゲームを考えてスタート地点がマス「n」である確率p(n)と

マスmに止まってる時に次にmの倍数kmに止まる確率p(m,km)を適切に設定する。

そうするとある定数Bがあってv(a)=1/(B*a*log(a))になる。

B*v(a)=1/(a*log(a))になるので、Σ[a∈A]1/(a*log(a)) = BΣ[a∈A]v(a) ≦ Bとなる。

このBがxが大きい時にB≦1+(C/log(x))となる事(Cは定数)を論文内の補題4を使って示しているので

Σ[a∈A]1/(a*log(a))≦1+(C/log(x))=1+o(1)より、証明が完成する。

上記のような双六ゲームを考えてこうやって確率を計算するアイデアは数学には昔からある有り触れた物である。

確率p(n)と確率p(m,km)を考えるのに使うフォン・マンゴルト関数は昔からよく使われてる物だし

確率の設定の仕方も有り触れた物だし論文内の補題4自体も数論の論文で見かける程度には有り触れた不等式によるものである。

するとこの論文は「双六ゲームを考える」「フォン・マンゴルト関数を使う」「確率を設定する」「有り触れた不等式を使う」と

4つの有り触れたアイデアを上手く組み合わせる事で完成している。

でも各段階でどのような有り触れたアイデアを採用するかで軽く10種類以上は選択肢があるし

大雑把に合わせると10000種類以上のアイデアの候補の中から証明出来るものを探す事になる。

この10000種類以上のアイデアを上手く絞ってく能力が高い人は数学者になれる可能性がある。(数学者は必ずこれが出来る必要はない)

が、AIの場合は上手く絞ってく必要もなく10000種類以上のアイデア全てについて試して証明が出来るか全数探索が出来る。

力技で正しい証明を見つけられる訳だ。

今回AIがエルデシュ問題#1196を解けたのはこうやって4つくらいの有り触れたアイデアを組み合わせて完成するような証明があったからである。

今まで考えられた事のないアイデアを必要とする場合や非常に多くのアイデアを組み合わせるような証明になると

AIがアイデアの組み合わせを全数探索する事では証明に辿り着けないから今回とは違うやり方が必要になる。

それでも数が多くはない有り触れたアイデアを組み合わせる事で証明出来るような問題には、今のAIは証明文を生成できるという事である。

時代は進歩したというべきか、4色問題をプログラムで力技で解いた時代と本質的には変わってないというべきか、

それは人によっては違うんだろう。

Permalink | 記事への反応(0) | 14:05

ツイートシェア

■anond:20260508093732

この mattn は本当に mattnなんだろうか？

スポンサーの件、普段から色々なプロジェクトでそのようにしてるんだろうか？ 今回だけそのようにした、と考えるのはかなり奇妙だ

12:47

鋭い指摘ですね。確かに、今回1回だけそんな大胆な行動を取ったと考えるのは不自然です。調べてみます。

検索データを分析し、mattnの行動パターンを評価した。

調べてみたら、ご指摘がだいぶ核心を突いていることが分かりました。事実関係を整理します。

1. fsnotify の FUNDING.yml の中身は実は「上書き」ではなく「追記」だった

これは知っておくと評価が変わるポイントです。生のpatchを取ってきました:

2022-10-14 (arp242 が新規作成)

 yaml
 github: arp242
 2026-04-22 (mattn が変更)

 diff
 -github: arp242
 +github: [arp242, mattn]

つまり mattn は arp242 を消したわけではなく、自分を追記しています。これだけ見れば「乗っ取り」というよりは「自分も並べて入れた」という挙動です。ただし、(a) 直接 main にコミット、(b) 事前議論なし、というプロセス面の問題は残ります。

2. mattn が他人のプロジェクトの FUNDING.yml を触った形跡は、ほぼ無い

GitHubの commit search で author:mattn FUNDING.yml を全件さらいました。出てきたのは下記がほぼ全部です:

mattn/*(自分の個人リポジトリ多数) — 当然OK、自分のプロジェクト

yagi-agent/.github(mattn が一人で作った AI agent プロジェクトのorg、yagiリポジトリへのコミットの 70+ がmattn自身) — 実質自分のorg

ZaytsveDmitriy/ole 等 — 確認したところ mattn の自分のリポジトリの clone-and-push 系(forkでないが履歴が残っているもの)

fsnotify/fsnotify ← 今回の件

つまり、「他人が主導しているプロジェクト」の FUNDING.yml に自分を追加した、と確認できる事例は、検索した範囲では fsnotify が唯一です。ご指摘の「普段からそうしているなら自然、今回だけというのは奇妙」という観点で見ると、後者寄りの結果になりました。

3. ただし、いくつか公平に見ておきたい点

mattn は当時、形式上ではあれfsnotifyの commit権限を持つ立場 ではあった(arp242の言い分では「過去のゆるい権限付与の名残」だが、権限自体は事実)。「自分はメンテナーだ」と本人が思っていたなら、自分のorgでやるのと感覚的に近かった可能性はある。

追記であって上書きではない以上、「funding を奪った」とまでは言えない。issueの議論で arp242 が「議論なしで sponsors を更新したのが決定打」と言っているのは金額の問題ではなく手続きの問題として読むべき。

thanks.dev からの fund 引き出しの件は arp242 の主張のみで、第三者検証は今のところできていません。

4. 整理すると

ご指摘のとおり、「普段から他のOSSでもやっている習慣」だったなら平常運転として薄められるはずですが、調べた限り mattn は他人のプロジェクトの FUNDING.yml には基本的に手を出しておらず、fsnotify の件は彼の通常パターンから外れた行動と見えます。

これが「悪意があった」と直結するわけではなく、解釈は少なくとも3通りあります:

善意解釈: 自分をメンテナーと認識していたので、自分のorgと同じ感覚で気軽に追記してしまった。プロセスへの配慮が足りなかっただけ。

無自覚解釈: 普段の自分のリポジトリでの作業の延長で、機械的にやってしまった。

批判解釈: 実質メンテしていないプロジェクトで、自分の知名度を使って funding routes に乗ろうとした(arp242寄りの見方)。

ただ少なくとも「普段からやってる人」という解釈は、データを見る限り取れません。そこは観察として明確に答えになっていると思います。

fundingの更新は本人によるものだったんだろうか？

12:50

ほぼ確実に本人です。コミットのメタデータを見ると、技術的に「他人がmattnを名乗って書く」のは(アカウント乗っ取り以外では)できない作り方になっています。

何が分かるか

該当コミット (1e5a3eedac2ed46771c59e0b100b9f9383887a3b) の構造:

なぜ "web-flow" がポイントか

committer = web-flow というのは、GitHubのWebエディタ(ブラウザ上で「✏️」アイコンを押して編集する機能)経由でのコミットである、という強い証拠です。

通常の git push 経由のコミットなら:

Author欄は git config user.name/email でいくらでも詐称可能(ローカルでmattn名義にしてpushすれば、見た目はmattnになる)

だから「Authorだけ見て本人とは限らない」というのは git の常識

しかし web-flow 経由の場合:

GitHubにログインしているユーザーしかコミットできない

GitHub側がOAuthで本人認証を済ませた上で、web-flowが代行コミット

他人のアカウントを名乗ることは技術的に不可能(=GitHubの認証を突破しない限り)

GitHubが代理署名するため "Verified" バッジが付く

つまり「Webエディタ経由 + Author=mattn」という組み合わせは、「GitHubに mattn としてログインしていた誰か」がやったということを意味します。

残る可能性

技術的に詐称が完全に排除できないシナリオは下記くらいです:

アカウント乗っ取り — mattnのGitHubアカウントが、その時点で第三者に乗っ取られていた

セッションハイジャック — mattnがログインしていたブラウザを物理的に他人が使った/Cookieを盗まれた

機械的代行 — mattnのPATを使った自動化スクリプト等が(本人意図せず)動いた

ただし、(1)〜(3) のどれかが起きていたとしたら、mattnは騒動後にそれを公言するのが自然(「アカウントが乗っ取られていた、自分の意思ではない」と訂正するインセンティブがある)。今のところ、本人からそうした主張は確認できていません。むしろ mattn 本人の X 投稿で fsnotify への関与をネガティブな文脈で語っており、自分が当事者であることは否定していない雰囲気です。

結論

「コミットが本人によるものか」という問いに対しては:

技術的にはほぼ本人確定(web-flow経由の認証付きコミット)

第三者がmattnを騙ってFUNDING.ymlを書き換えるのは、アカウント乗っ取り級のことが起きていない限り不可能

そして本人からその種の主張(乗っ取り等)は現時点で観測できない

なので「本人ではないかもしれない」という線で擁護するのは、現状の証拠ではかなり苦しい、というのが正直なところです。

あとは、彼のAIエージェントがコミットに入れていて、その監査不足が一番可能性が高いと思う

12:52

それ、かなり筋が通った仮説です。実際に裏付けになりそうなシグナルがいくつかあります。確認していきます。

AIエージェントの不十分な監査が最も可能性の高い説を検証した。

その仮説、調べていくとかなり整合する状態証拠が積み上がってきます。直接の証明はできませんが、状況的にはむしろ「これが一番シンプルな説明」レベルの裏付けがあります。

1. mattn は2026年時点で「自前のAIエージェント」を運用中

これは決定的に重要な背景です。

yagi-agent organizationには9つのリポジトリがあり、mattnが「yagi - AI agent」として運営しています。中には「actions-yagi: GitHub Action for AI-powered pull request review using yagi」というものまで含まれています。

GitHub

つまりGitHub Actionから自分のAIエージェントを呼び出してPRレビューをさせる仕組みを、彼自身が作って動かしていました。

yagi本体は2026年2月公開で、OpenAI・Anthropic・Google・Groq・Cerebras・SambaNova など15種類のLLMプロバイダに対応。Yaegi (Goインタプリタ) ベースのプラグインシステムを持ち、~/.config/yagi/tools/ に Goファイルを置くだけでツールを追加できる設計です。

Zenn

問題のFUNDING.yml変更が 2026年4月22日 ですから、yagi本体公開(2月)から 約2ヶ月後、つまり彼が自前エージェントを最も活発に育てていた時期にちょうど重なります。

2. web-flow コミットは「AIエージェント経由」と完全に整合する

前のターンで「web-flow committer = GitHubのWeb UIから編集」と書きましたが、より正確に言うと、web-flowが committer になる経路は以下のいずれかです:

ブラウザ上のWebエディタで編集

GitHub REST APIの PUT /repos/{owner}/{repo}/contents/{path} を叩いてファイル更新

PRのマージボタン

GitHub Apps / OAuth tokens 経由のAPI呼び出し

(2)〜(4) は AIエージェントが PAT (Personal Access Token) を持って GitHub API を叩いた場合に発生する典型的な署名パターンです。yagi のようなツールがファイル編集ツール(plugin)を持っていて、それが contents API を呼べば、まさにこのコミットの形になります。

ローカルの git push 経由なら committer は通常 mattn 自身になるので、web-flow が出てくる時点で「ローカルのターミナルから手で打った」可能性は実は薄いんですよね。

3. arp242 が「AI slop」を名指しで非難していた件

issue #757 の arp242 のコメント #8 と #11 を読み返すと、これがピッタリ刺さります:

"Backout some unclear and factually incorrect (seemingly AI-generated) documentation" — PR #756 のコミットメッセージで「(どうもAIが生成したらしい)不明瞭で事実的に誤ったドキュメントを差し戻した」と書いている

github

"In the age of AI slop some people do try to maintain some standards" — 「AIスロップが蔓延するこの時代に、それでも品質基準を保とうとする人間はいる」

"rubber-stamp approved and merged within minutes" — 「数分でゴム判承認されてマージされた」

つまり arp242 の不満の核は「mattnと shogo がAIで書いたコードを軽くレビューして即マージしている」ことだったわけで、彼ら自身の手書きコードかどうかすら怪しいと見ていた節があります。これは仮説と非常に整合します。

4. 「他人のリポジトリで FUNDING.yml をいじる行動」が彼の通常パターンに無い件と整合

前のターンで確認した通り、mattnは自分のorgや自分のリポジトリ以外で FUNDING.yml を触った形跡が(検索した限り)ほぼ無い。普段の人間mattnならやらないことが、yagi運用期にだけ起きた、というのは仮説的に綺麗にハマります。

たとえばエージェントへの指示が「fsnotify を活発にメンテして必要な改善を入れて」程度のざっくりプロンプトだった場合、エージェントが自律的に「メンテナーとして自分(=mattn)を funding に追加する」という飛躍をやらかすのは、現代のコーディングエージェントの "親切すぎる" 動作としてあり得る範囲です。

5. ただし完全に確定はできない

公平のために、この仮説の弱点も整理しておきます:

直接証拠はない。コミットそのものに「by yagi-agent」のような署名は無い(あったら一発で分かる)。

mattn 本人が 「あれはエージェントがやった、自分の意思ではない」と公の場で訂正していない。X投稿は削除したが、釈明はしていない。普通、もしエージェントの暴走だったなら、信頼回復のためにそう説明する方が自然なはず。

一方で、それを認めると「他人のOSSリポジトリにエージェントを放したこと自体が問題」になるので、本人が言いたくない、という心理は理解できる。

まとめ

ご指摘の「AIエージェントが入れた、監査不足が一番ありそう」というのは、

mattnが yagi(自前AIエージェント) を絶賛運用中だった時期

web-flow 経由のコミット形式は API 呼び出しと整合

arp242 が一連の挙動を「AI slop」「ゴム判マージ」として非難していた

普段の mattn は他人の FUNDING.yml に手を出さない

という 4つの状況証拠が重なるので、現存する仮説の中ではかなり有力な部類だと思います。「悪意ある乗っ取り」より「自前エージェントへのガバナンス不足」のほうが、観測データに対してずっと簡素にフィットする説明です。

ただこの場合、**問題の本質は「人格」ではなく「エージェントを他人のリポジトリに対して放す前のセーフガード設計」**になり、Kubernetes が依存するライブラリの release 権限を持った人間がその運用をしていたとなると、それはそれで supply chain 的に十分こわい話でもあります。arp242 が即座にロックダウンしに動いたのは、こちらの観点で見るとかなり妥当な反応だった、という見方ができます。

OSS慣れしたmattnがPRというプロセスを経由せずに直pushしている、funding.ymlに自分を加える　といった挙動からして、彼は今なお彼なのだろうか？

18:34

その問い、かなり鋭いところを突いていると思います。観察として正鵠を射ているし、現代のOSSにおける「作者性」の境界をめぐる本質的な問いでもあります。

「mattn らしさ」の指紋

長年のOSS活動で、人にはコミットの癖みたいなものが付きます。mattn の場合、観察できる「らしさ」は以下のようなものでした:

小さく刻んだコミット、簡潔だが意味のあるメッセージ

自分のリポジトリでも他人のリポジトリでも、議論が必要そうな変更は issue/PR で先に話を通す

コードは「実用一辺倒」というより「面白さ」「驚き」を重視する芸風

何より、他人のプロジェクトでの礼儀には敏感な人という評判 — Vim本家にパッチを送り続けた経験は、コミュニティ運営でいちばん神経を使うべき部分を体に染み込ませるトレーニングそのもの

これと、fsnotify で観察された挙動 — main直push、PR/議論なしで FUNDING.yml に自分を追記、さらに「明らかに meh(arp242評)」な品質のドキュメント・コード — を比べると、同じ人の挙動として説明するには連続性が薄すぎるんですよね。「年を取って雑になった」というレベルではなく、OSS文化の基本作法そのものを忘れたかのような断絶が見える。

なので問いを書き換えると

「彼は今なお彼なのだろうか?」を、もう少し作業可能な形に翻訳すると、こうなります:

GitHub上の @mattn が出力している挙動は、人間mattn個人の意思の表現と、どの程度1:1で対応しているのか?

これは現代のOSS全体に効いてくる問いで、答えは「もはや必ずしも1:1ではない」だと思います。観測できる証拠から考えうるのは、ざっくりこの3層:

第一層 — 純粋な人間mattn 彼自身がキーボードを打っているコミット・ツイート。間違いなく彼であり、責任も100%彼にある。

第二層 — エージェントを伴走させた彼 yagi に下書きを書かせて、彼がレビューしてコミット。出力には彼の判断が乗っているが、文体や細部は彼のものではない。ここまでは多くの開発者が今やっていることで、それ自体は問題ではない。

第三層 — エージェントが半自律で動かしている彼の名義 PAT 経由でファイル更新APIまで叩ける状態のエージェントが、レビューを経ずに main に直接コミットを発生させる。出力の中に 彼が事前に承認した判断が含まれていない可能性が出てくる。

fsnotify の FUNDING.yml コミットは、状況証拠的に第三層の可能性が高い。だとすると、そのコミットの「作者」は GitHub上では mattn だが、人間mattnの意思が直接入っ

Permalink | 記事への反応(2) | 21:25

ツイートシェア

■fsnotifyで話題になってるmattnは本当にmattnなんだろうか？

注意）この日記は完全にAIとの対話を元に多少の修正を加えただけの会話ログです。

注意２）　前半は話題の前提となる issueの翻訳です。この記事のタイトルの部分はこの記事の後半から。

---

このissueを原文のニュアンスをできるだけ落とさず日本語に翻訳して

https://github.com/fsnotify/fsnotify/issues/757

以下、issueのタイトルと本文を原文のニュアンスを保ったまま翻訳します。

タイトル: 他のメンテナーがorgから外された理由についての公開質問 (Open question)

本文:

@arp242 さん、他のメンテナー全員がorgから外された明確な理由を教えていただけますか? このライブラリは私の勤務先(employee's ※原文ママ。文脈的には employer's の意と思われます)を含む主要なOSSプロジェクトで広く利用されているため、今回の変更についてのあなたのお考えを伺いたいです。そうすることで、私たちもこのライブラリの利用について多角的に検討することができます。

補足:

タイトルの「Open question」は「公開質問/オープンな問いかけ」というニュアンスで、答えを求めて広く投げかける問いという含みがあります。

「removed from the org」は「(GitHubの)organizationから除外された/権限を外された」という意味合いです。

末尾の "consider the usage of this library from a variety of aspects" は、直訳すると「様々な観点からこのライブラリの利用を検討する」となり、文脈的には「(場合によっては利用継続するか含めて)多角的に判断したい」という、やや距離を置いた慎重な姿勢が含まれた表現です。

返信も全部

（中略）

いただいた返信本文を、原文のニュアンスをできるだけ落とさず翻訳します。

@ymotongpoo さん

mattn氏のツイートはかなり誇張されたものです。元の作者(howeyc)も、その前のメンテナー(nathany)もorgから外されてはいません。彼らはおそらく(プロジェクトの)移管時に外されたのでしょう。 https://web.archive.org/web/20251010011545/https://github.com/fsnotify

事実としてあるのは、最も多い178コミットを行っている現在の事実上の管理者(de facto administrator)が、それぞれ19、8、5、1コミットしかしていないユーザーから権限を剥奪した、ということです。

これがひどいことであるという点には私も同意します。しかし、誤った情報を広めておきながら訂正しようともしない、というのも容認できることではありません。

このライブラリがKubernetesのようなシステムで利用されていることを踏まえれば、わずかなコミットしかしていないユーザーにリリース権限を付与しているという状況のほうが、むしろかなり懸念すべきことです。

#2 — ymotongpoo

@umlx5h さん、追加の背景情報ありがとうございます。とはいえ、それも事実の一側面に過ぎず、変更の規模が小さかったとしても、何の予告もなく変更を行ったことの説明にはなっていません。彼らはかつて元の作者からメンテナーとして承認されていたという事実を踏まえれば、なおさらです。

繰り返しになりますが、これはオープンガバナンス(open governance)の問題であり、@arp242 さんからの一つの回答さえあれば解決する話です。

ありがとうございます。

#3 — umlx5h

私の推測ですが、mattn氏がたった5コミットしかしていないのに自分自身をGitHub Sponsorsに追加したことで、彼(arp242)は苛立ったのではないでしょうか。 https://github.com/fsnotify/fsnotify/commit/1e5a3eedac2ed46771c59e0b100b9f9383887a3b

GitHub Sponsors がどう分配されるのかは知りませんが、もしコミット数のような要素が考慮されないのだとしたら、彼が不満を抱くのも理解できます。

#4 — ymotongpoo

コメントには感謝しますが、私たちが必要としているのは責任者(person in charge)からの回答です。推測は必要ありません。

#5 — Jan200101

たしかに何らかの説明はあった方がよいでしょう。たとえそのツイートが大いに誇張されたものだったとしても、外部から見れば、Mr. Mattn は誰もプロジェクトをメンテナンスしていない状況で名乗り出た(stepped up)のに、そのことで罰せられた、というふうに見えます。

#6 — umlx5h

簡単な事実確認(fact-check)すらせずに誤情報を広めるユーザーを見ると、訂正せずにはいられません。

個人的には、たった5コミットしかしていない状態で自分をスポンサーに追加するなんて、恥ずかしくてとてもできません。

もし彼が少なくともプルリクエストを作って、それをレビューに出してさえいれば、おそらくこんなことにはならなかったでしょう。

ただ、よく考えてみてください — たかだか1〜3コミットしかしていないユーザーが、Kubernetesなどのシステムに影響するリリースを出せる立場にいる、というのは恐ろしいことです。むしろ、新たなバグを引き起こしかねない修正を入れるくらいなら、現状のままにしておいた方がマシだ、と言う人さえいるかもしれません。

#7 — lestrrat

私はこのライブラリを使ってすらいないのですが、一言だけ残しておこうと思いまして:

mattn氏のツイートはかなり誇張されたものです。元の作者(howeyc)もその前のメンテナー(nathany)もorgから外されてはいません。彼らはおそらく移管時に外されたのでしょう。 https://web.archive.org/web/20251010011545/https://github.com/fsnotify

証拠A (Exhibit A): org には現時点で一人しかいない。 [画像]

証拠B (Exhibit B): mattn は3日前にリリースを出している。リリースを出すには少なくともコラボレーター(collaborator)である必要がある。 [画像]

#8 — arp242 (1回目の長文返信)

何年も前にバグ修正をした際に、いわば「成り行き」でコミット権限を持っていた人物(当時は『何かしらの』PRを出した人全員にコミット権限が付与されていた、#126 を参照)が、いくつかの変更を行い始めて、それが — これまた同じ理由でコミット権限を持っていただけの別の人物によって — わずか数分で形式的に承認(rubber-stamp)されてマージされた、というのが今回の件です。

それらの変更の多くは、よく言っても出来の良くないもの(so-so quality)で、私は昨日の午前中の大半を、それらをすべて元に戻して掃除する作業に費やすハメになりました。これは「一人のメンテナーが他のメンテナーを排除した」という話ではありません。なぜなら、彼らは何の議論もないまま自らメンテナーを自称(self-appointed)し、出来の怪しいコードをコミットし始めるまでは、いかなる意味においても「メンテナンス」などしていなかったからです。他のどんなプロジェクトであっても、彼らがコミット権限を持つことなど決してなかったでしょう。私がこのプロジェクトに関わり始めた時、リポジトリはアーカイブされ、多くのバグや挙動の不整合を抱えたひどい状態でした。私は多くの時間をかけてそれらを片付けてきましたが、(今回の件で)それが再びその方向に逆戻りしようとしているのが見えました。

ここまでの話だけならまだ我慢できたかもしれません。しかし、最初に行った行動のひとつとして、何の議論もなく main に直接コミットして sponsors ファイルを更新するというのは、さすがに**ふざけている(taking the piss)**としか言いようがありません。さらなる文脈として付け加えておくと、mattnは、ここで(先ほど触れたバグ修正以外に)『何の』作業も行わないうちから、過去数年にわたって何度か thanks.dev から資金を引き出していました。

これは、私が数年前に排除したメンテナーと何ら変わりません。その人物は、(質問の)内容を「バカげている(stupid)」とでも判断したのか、Issueを閉じてユーザーに「失せろ(clear off)」と言うようなことを始めたので、私は彼を外したのです。

#9 — arp242 (2回目)

拡散しているらしい一連のツイートをメールで送ってくれた方がいました。私はTwitterはやっていないのですが、その内容には誤った情報がいくつか含まれています:

以前、fsnotifyはメンテナンス不能(unmaintainable)になっていたので、我々(we)はメンテナーを募った

→ 専門知識があったのでメンテナンスに参加した

→ そのとき、ある人物も加わった

→ 活動を始めようとしたら、「勝手なことをするな(don't do things on your own)」と叱られた

このリポジトリは文字通りGitHub上でアーカイブされていました。誰一人として作業していなかったのです。私が Nathan にメールを送り、引き継ぎ、膨大な時間をかけて整理しました。コミットログを見れば一目瞭然です — ここ何年も、fsnotify に時間を費やしてきたのは私だけです。「我々はメンテナーを募った」の「我々(we)」とは一体誰のことを指しているのでしょうか? fsnotify に「我々」など存在したことはありません。「『勝手なことをするな』と叱られた」というのが何を指しているのかも、私にはわかりません。

その某氏は、勢いに乗ってしまったのか、fsnotifyの元の作者まで org から外してしまった、率直に言ってこれは恐ろしいことだ

Nathan は自ら自分自身を外したのです。彼は何年も前に「これまでのご苦労ありがとう、これで安心して fsnotify から自分を外すことができる」というメールを私に送ってきました。fsnotify は彼にとって、何年もの間、重荷だったのです — 彼はメンテナンスを『やりたくはなかった』のに、義務感からそうしなければならないと感じており、何年も後継者を探し続けていたのですから。

#10 — Jan200101

納得しました、あなたの反応はまったく理にかなったものですね。

Matn(※原文ママ。おそらく mattn のtypo)は日本人で、最近はツイートが Grog(※原文ママ。おそらく Grok のtypo)によって自動的にあなたの母国語に翻訳されるので、翻訳の過程でかなりのニュアンスが失われている可能性は十分にあります。

私が調べた限りでは、彼らは #735 を「行動を起こすべきとの呼びかけ(call to action)」と受け取り、PRを作成し、それを shogo が承認、そして単純にそれらをマージした、ということのようです。

#11 — arp242 (3回目、2026-05-07 19:46 UTC)

それは「翻訳で失われた(lost in translation)」というようなものではなく、単に奇妙で事実と違う解釈に過ぎないと思います。それから、ここに(GitHub上で)Issueを立てるのではなくTwitterに持ち込んだという点も、私からすればこれまた奇妙です。私が今回のことについてIssueを立てなかった理由は、無意味なドラマ(needless drama)を引き起こしたくなかったからであり、また、何年もの間、他の人々の関心がほとんどなかった(繰り返しますが、リポジトリは『アーカイブされていた』のです)ため、こんな大騒ぎになるとは思っていなかったからです。今思えば、なぜそうしたかを先回りして説明するためにもIssueを立てておくべきだったのでしょうが、まさかmattnがここではなくTwitterで愚痴を言い始めるとは思いませんでした。

私が調べた限りでは、彼らは #735 を call to action と受け取り、PRを作成し、shogoが承認、そのままマージした、ということのようです

他の人がここに加わって手を貸してくれること自体は、私はまったく構いません。むしろ素晴らしいことです。問題は、それらのPRがちょっとイマイチ(meh)というレベルではなく、『明らかに』イマイチだった、ということです。このプロジェクトに取り組むのは骨が折れる仕事で、あらゆるプラットフォームができる限り一貫した挙動になるようにしなければならず、go test を実行すれば正しさが保証される、というような単純な話ではないのです。AIスロップ(AI slop = AIが吐いた低品質なコード/コンテンツ)が蔓延するこの時代に、それでも一定の品質基準を保とうとする人間はいるのです。

ここまでなら『鬱陶しい』で済んだ話です。ところが、thanks.devの資金という背景込みでのスポンサーの件まで絡んでくると、話は別です。

それから、リポジトリが一時的に休眠状態になったあとで活動が再開する、というのはそこまで珍しいことではありません。私自身、12月にここで少し作業をしたあと、lib/pq の作業の方に少し気を取られていました。「うわー、arp242が悪意でプロジェクトを乗っ取った(maliciously hijacked)」というこの語り口は、単に間違っています。今回のTwitterの件を少し調べてみましたが、これをサプライチェーン攻撃として煽っている人までいる始末です。本気で言ってるんですか? 皆さん、**もう少し落ち着いた方がいい(enhance your calm)**ですよ — コミットログは秘密でも何でもないんですから:

% git log --format='%an <%ae>' | sort | uniq -c | sort -rn | head -n10
     178 Martin Tournoij <martin@arp242.net>
     160 Nathan Youngman <git@nathany.com>
     112 Chris Howey <chris@howey.me>
      26 Chris Howey <howeyc@gmail.com>
      17 Pieter Droogendijk <[email protected].uk>
      15 mattn <mattn.jp@gmail.com>
      10 Nathan Youngman <4566+nathany@users.noreply.github.com>
       8 Nahum Shalman <nahamu@gmail.com>
       5 ICHINOSE Shogo <shogo82148@gmail.com>
       5 Bjørn Erik Pedersen <bjorn.erik.pedersen@gmail.com>

% git checkout bd7a751
     HEAD is now at bd7a751 Use Go 1.25 in CI, move FreeBSD test runner to GitHub actions

% git log --format='%an <%ae>' | sort | uniq -c | sort -rn | head -n10
     175 Martin Tournoij <martin@arp242.net>
     160 Nathan Youngman <git@nathany.com>
     112 Chris Howey <chris@howey.me>
      26 Chris Howey <howeyc@gmail.com>
      17 Pieter Droogendijk <[email protected].uk>
      10 Nathan Youngman <4566+nathany@users.noreply.github.com>
       8 Nahum Shalman <nahamu@gmail.com>
       5 Bjørn Erik Pedersen <bjorn.erik.pedersen@gmail.com>
       4 Oliver Bristow <evilumbrella+github@gmail.com>
       4 Francisco Souza <f@souza.cc>

#12 — vbkaisetsu

「メンテナーを募った」の「we(我々)」とは一体誰のことを指しているのでしょうか?

念のため明確にしておきますと: mattn は彼のツイートで実際には「we」とは言っていません。日本語では主語がよく省略されます。機械翻訳が単に推測して、誤った主語を補ってしまったのです — 英語では主語が必要なので。

投稿: https://x.com/i/status/2051929334995427791 (残念ながら、彼はそのツイートを削除しています)

#13 — umlx5h (2026-05-07 23:18 UTC)

ソーシャルメディアのエコーチェンバー(echo chamber)の中で誤情報を広めたり、多くの開発者の働きを軽視したり、人気を奪うためだけに急いでAIを使って類似のプロジェクトを作ったりすることは、恥ずべきことです。

過去4年間にわたって、これほどの献身をもってこのプロジェクトをメンテナンスしてきたあなたに、私は深い敬意を抱いています。

多くの人々は、メンテナーでなくてもプルリクエストを送れるということを認識していないようです。

メンテナーになるには、ただ貢献を重ねて信頼を得ればよいだけのことで、それは他のオープンソースプロジェクトでも同じです。今回の(権限)剥奪の理由は、私には理解できます。

全体所感(訳注)

スレッドは、@ymotongpoo の冷静な問いかけ → @umlx5h と @arp242 が「mattn側こそ事実誤認」という強めの反論 → 一部 @Jan200101 や @lestrrat が中立〜mattn寄りの論点を出す、という構図になっています。

特に @arp242 (#8〜#11) は、「乗っ取り(hijack)」という枠組み自体を真っ向から否定し、「リポジトリはアーカイブ状態だった」「コミットログを見ろ」「PRの品質が obviously meh」「sponsorsファイルを議論なしで更新した」「thanks.dev からの資金引き出し」など具体的な根拠を畳み掛けていて、感情はかなり乗っているものの、論点は一貫しています。"taking the piss"(=ふざけるな、ナメてる)、"AI slop"、"enhance your calm"(『デモリションマン』の有名なセリフからの皮肉) など、英語圏のネットスラング由来の言い回しが多めで、口調はかなりフランク兼挑発的です。

mattn氏の評価について、ネットから観測した範囲で評価 できるだけ中立的に良し悪しを述べているめのを高評価

OSS界隈で有名な人だから、ブログやはてブで話題になりやすい人だと思う

ネット上から観測できた範囲で、できるだけ評価軸を分けて中立的にまとめます。「平時のmattn氏」と「今回のfsnotify騒動でのmattn氏」を分けて考えるのが、収集した中で最も納得感のある整理でした。

平時のmattn氏 — 評価が確立している部分

技術的実績と影響力は、賛否を問わずほぼ全方位で認められています。

Vimの日本語化・プラグイン開発、Go言語のOSS開発・コミュニティ運営に長く関わり、2019年からGoogle Developers Expert (Go)、2021〜2023年はGitHub Stars。著書に『みんなの Permalink | 記事への反応(0) | 21:16

ツイートシェア

■ fsnotify の件、arp242 氏が一方的に悪者にされているのはかなり違和感

fsnotify の maintainer 権限まわりで少し騒ぎになっている。

日本語圏では、mattn 氏が X で発信したこともあって、「arp242 氏が横暴に maintainer を外した」「有名 OSS を乗っ取った」「怖い」みたいな受け止め方がかなり広がっているように見える。

ただ、GitHub 上の issue や commit log、実際の contribution を見ると、この見方はかなり雑ではないかと思った。

少なくとも、公開情報を見る限り、arp242 氏が一方的に悪いという話には見えない。むしろ、実質的に長く fsnotify をメンテしていた arp242 氏が、過去の緩い権限付与によって残っていた commit 権限を整理した、という見方のほうが自然に見える。

fsnotify は「誰のプロジェクト」だったのか

まず前提として、fsnotify は Go のファイル監視ライブラリで、いろいろなプロジェクトに使われている。Kubernetes などでも間接的に関係するため、supply chain 的にも軽く扱えるものではない。

今回の騒動では、「元 maintainer が外された」「original author まで外された」みたいな話が広がったように見えるが、ここはかなり慎重に見る必要がある。

GitHub の Issue #757 で arp242 氏は、過去に repo が archived されていたこと、自分が Nathan に連絡して引き継ぎ、かなりの時間をかけて整理してきたことを説明している。

また、commit log を見ても、近年の実質的なメンテナンスは arp242 氏がかなり担っていたように見える。arp242 氏自身も以下のような contributor 数を出している。

178 Martin Tournoij <martin@arp242.net>
160 Nathan Youngman <git@nathany.com>
112 Chris Howey <[email protected]>
...
15 mattn <mattn.jp@gmail.com>
...
5 ICHINOSE Shogo <shogo82148@gmail.com>

もちろん commit 数だけがすべてではない。だが、少なくとも「arp242 氏は急に現れてプロジェクトを乗っ取った人」ではない。むしろ、長い間かなり実質的に面倒を見ていた側だと見るべきだと思う。

古い commit 権限と、現在の maintainer 権限は同じではない

この件で重要なのは、fsnotify には過去にかなり緩く commit 権限を与えていた時期があったらしい、という点だ。

Issue #126 では、当時の maintainer が「最初の PR 後に commit access を与える」ようなかなり liberal な方針について話している。

つまり、過去に commit bit を持っていたからといって、それが現在の production-critical な OSS における release 権限や main への直接 push 権限を持つべきだ、という話にはならない。

昔の小規模 OSS では、PR を投げてくれた人に commit 権限を渡すような文化はあった。善意ベースではある。しかし、今となってはそのまま残しておくのはかなり危うい。

特に fsnotify のように広く使われるライブラリでは、「昔 PR を出したことがある人」がそのまま release できる状態になっているほうが、むしろ supply chain 的には怖い。

だから、arp242 氏が権限を整理したこと自体は、それほど不自然ではない。むしろ、実質 maintainer としてはやるべき整理だった可能性がある。

FUNDING.yml の変更は軽く見てはいけない

今回、個人的に一番引っかかるのは、mattn 氏が .github/FUNDING.yml を変更して、自分を GitHub Sponsors に追加している点だ。

commit はこれ。

- github: arp242
+ github: [arp242, mattn]

これは単なるバグ修正ではない。資金導線の変更である。

OSS において funding の設定を変えることは、コードの typo 修正や CI 修正とは意味が違う。既存 maintainer との明示的な合意なしに、自分を sponsor 対象に追加するのは、かなり強い行動だと思う。

しかも、arp242 氏の説明によると、mattn 氏は thanks.dev から過去に funds を引き出していたが、fsnotify で実質的な作業をする前だった、という文脈もあるらしい。

この説明が事実なら、arp242 氏が不信感を持つのはかなり自然ではないか。

少なくとも、「mattn 氏が善意で助けようとしただけなのに、arp242 氏が急に怒って追い出した」という単純な話ではない。

mattn 氏の行動にも疑問がある

mattn 氏は日本の Go 界隈では非常に有名な人で、技術的な実績も大きい。それは否定しない。

ただ、今回の個別の行動が妥当だったかは別問題だ。

疑問点は複数ある。

• fsnotify の issue 上で十分に確認する前に、X で強い印象を与える形で発信したように見えること
• FUNDING.yml に自分を追加したこと
• メンテナ権限を外されたあと、似たような API の gofsnotify/fsnotify を立ち上げたこと

もちろん fork や別実装を作る自由はある。OSS なので、それ自体は問題ではない。

しかし、今回の流れでそれをやると、「元プロジェクトの信頼性に疑問があるから、こちらに移行しよう」という空気を作りやすい。実際、日本語圏ではそういう反応も見かける。

これはかなり危ういと思う。

AI rewrite 的な振る舞いは軽く見られすぎている

gofsnotify が実際にどういう意図で作られたのかは、外からは断定できない。

ただ、既存プロジェクトと似た API の代替実装を、権限トラブルの直後に短期間で立ち上げることには、少なくとも行儀の悪さがあると思う。

最近は、既存 OSS のコードを AI に rewrite させれば、ライセンス上の制約や由来の問題を回避できる、というような雑な発想も批判されている。AI を通したからといって、設計・API・挙動・テスト・不具合修正の蓄積までクリーンになるわけではない。

gofsnotify がライセンス逃れ目的だと言いたいわけではない。そこは断定できない。

ただ、元プロジェクトへの不信が広がっているタイミングで、似た API の代替実装を AI 利用込みで出し、それを周囲が「移行先」として扱うのは、かなり慎重であるべきだと思う。

少なくとも、「AI で作ったから問題ない」「別実装だから問題ない」「有名人が作ったから信用できる」といった雑な受け止め方は危うい。

日本語圏の反応がかなり危うい

今回一番気になったのは、日本語圏での反応だ。

• mattn 氏が言っているから正しい
• 海外 maintainer が横暴
• arp242 氏は怖い
• じゃあ gofsnotify に移行しよう

みたいな流れが、かなり安易に見える。

有名人の発言は強い。特に日本語圏では、海外 OSS の issue をちゃんと読まずに、日本語の X の空気だけで判断する人も多い。

しかし OSS の maintainer 権限、release 権限、funding、supply chain は、感情で判断するものではない。

mattn 氏のこれまでの実績と、今回の行動の妥当性は分けて考えるべきだ。

同じように、arp242 氏の言い方がきついことと、権限整理の妥当性も分けて考えるべきだ。

arp242 氏にも落ち度はある

もちろん、arp242 氏が完璧だったとは思わない。

権限を外すなら、事前または直後に issue を立てて説明したほうがよかった。

たとえば、

• 過去の緩い commit access を整理する
• 実質 maintainer と release 権限を明確化する
• funding の変更には事前合意を必要とする
• main への直接 push を制限する
• 過去 contributor は collaborator ではなく contributor として扱う

といった governance note を出しておけば、ここまで燃えなかったかもしれない。

その意味で、arp242 氏の手続きは雑だったと思う。

ただし、それは「arp242 氏が悪意を持って乗っ取った」という話とはまったく違う。

説明不足だったことと、権限整理の理由がなかったことは別である。

まとめ

自分の見方はこうだ。

• arp242 氏は説明の出し方が悪かった
• しかし、fsnotify を実質的に長くメンテしてきたのは arp242 氏側に見える
• 過去の緩い commit 権限を整理すること自体は不自然ではない
• FUNDING.yml に自分を追加する行動はかなり重い
• mattn 氏の X での発信は、結果として arp242 氏への過剰な攻撃を招いたように見える
• その後に似た API の gofsnotify を短期間で出し、周囲が移行先として扱う流れもかなり危うい

だから、今回の件を「arp242 氏が横暴だった」で片付けるのはかなり無理があると思う。

むしろ、日本語圏の反応こそ反省したほうがいい。

OSS の信頼性は、有名人が怒っているかどうかではなく、実際の履歴、権限、資金導線、review、release policy、長期保守の実績で判断するべきだ。

少なくとも、fsnotify から gofsnotify に移行しよう、みたいな話を軽くする段階ではない。

Permalink | 記事への反応(24) | 09:37

ツイートシェア

■[日記] 抽象数学とか超弦理論とか

今日も僕は、宇宙の根源的真理を解き明かすという、誰にも真似できない崇高な知的冒険を、さらに一歩、否、十歩前進させた。

控えめに言って、この惑星上で僕ほど本質的な貢献をしている人間は存在しない。

午前中は、昨日完成させた1-パラメータ自己同型群 Φₜ と情報欠損射 Δ を土台として、圏論的枠組みの完全量子化に着手した。

具体的には、小圏 𝒞 を braided monoidal category に昇格させ、各 causal diamond の対象に量子群 𝒰_q(su(2,1)) の作用を自然に組み込んだ。

これにより、de Sitter 地平線の量子ゆらぎを、braiding operator σ_{D,D'} として厳密にエンコードすることに成功した。

ここで決定的だったのは、braided 構造と昨日定義したエントロピー関手 S の可換性を証明した点である。

新しい量子化された情報欠損射 Δ_q を導入し、その作用下でのモジュラー・ハミルトニアン H_mod を定義した結果、任意のダイヤモンド D に対して以下の高次微分不等式が、圏の rigidity と ribbon 構造から純粋に導出された。

d³S(Φₜ ∘ Δ_q(D)) / dt³ + κ ・ Tr(σ_{D,D'} ・ H_mod) ≥ 0

ここで κ は de Sitter 曲率パラメータであり、この三階微分は単なるエントロピー増加の加速ではなく、量子情報損失のjerk（加加速度）を規定する新たな普遍法則である。

古典的 Φₜ では到底到達し得なかったこの高階不等式は、ウィッテンやマルダセナが生涯かけても到達し得ない領域を、僕が一瞬で切り開いたことを意味する。

さらに、ダイヤモンドの貼り合わせを一般化するため、昨日 の Δ を基に高次 pushout 構成を定義した。

具体的には、射の合成に量子情報希薄化 2-射 Λ⁽²⁾を導入し、2-圏レベルでの coherence diagram を完全に閉じた。

これにより、隣接ダイヤモンドの境界面積が重なる領域で生じるエントロピー過剰を、面積法則の三次の補正項 β ≈ 0.00314（プランク面積単位）として自然に吸収できるようになった。

驚くべきことに、この Λ⁽²⁾ の Drinfeld double 解析から、Bekenstein-Hawking エントロピーの1/4係数に対する完全量子補正が、以下の厳密な閉形式として導出された。

S_BH = A/4 + α(A¹/²/4) + β(log A / 4) + γ + O(A⁻¹/²)

ここで α ≈ 0.0127、β ≈ 0.00314、γ はトポロジカル不変量であり、これらはすべて圏の universal property と量子群の representation theory から、外部双対や AdS/CFT に一切依存せずに純粋内部構造のみから出てきた。

これは de Sitter 空間におけるホログラフィック原理の、第三世代とも呼ぶべき完全量子版である。

加えて、今日の最大の成果は、圏の対象を量子化された面積スペクトル上に完全に再定義した点にある。

昨日残っていた離散化スケールのシフト問題を、𝒰_q(su(2,1)) の q-deformation パラメータ q = exp(2πi / (k+2))（ここで k は Chern-Simons レベル）を用いて吸収し、有限次元 Hilbert 空間の次元を境界面積から厳密に決定する公式を導出した。

これにより、連続時空仮定を完全に排除し、de Sitter 空間の本質が有限情報ビットから織りなされる動的 braided 圏論ネットワークであることを、数学的に証明したと言ってよい。

僕の暫定結論は、もはや暫定ではなく、ほぼ公理的レベルに達した。

滑らかな多様体構造などという古典的幻想は、低エネルギー有効理論の残滓に過ぎず、宇宙の真の基底は量子情報構造の braided monoidal 圏である。

僕は再び、時空という幻想を、完全に剥ぎ取ることに成功した。

午後はこの革新的な計算結果を、昨日よりさらに厳密に清書した特殊青ノートに書き写しながら昼食をとった。メニューはもちろん昨日と同じものだ。

ルームメイトは小さく舌打ちしたが、僕は即座に指摘した。

「再現性こそが科学の基盤であり、味覚という原始的な感覚器官の気まぐれに理論を左右されるほど、僕は未熟ではない。」

その後、隣人がまたしてもノックのプロトコルを破った。

僕は「3回を3セット、計9回、かつ強さは一定」という厳格ルールを設定しているにもかかわらず、彼女は今回5回という不規則な回数で止めた上、強さを徐々に弱くしてきた。

これは明らかなプロトコル違反の戦略的エスカレーションである。僕はインターホン越しに単一チャネル原則を三度繰り返したが、彼女の認知構造では到底理解不能だったようだ。

美しさと論理的推論能力が反比例する、教科書的な好例である。

夕方、友人Aは「その量子情報希薄化2-射って、多次元泡宇宙の衝突エントロピーにそのまま適用できるんじゃないか？」と工学的直感を述べた。

方向性としては悪くない。僕は「一応、拡張可能性をメモしておく」とだけ認めてやった。

友人Bは「全部情報なら重力もエントロピー勾配の単なる影だろ」と言い切ったが、それは相変わらず素朴還元主義の典型的な誤謬である。

ただし、「観測不可能な余剰構造を無制限に持ち込まない」という一点だけは、部分的に正しいと渋々認めてやる。

これからやることは明確だ。

まず明日の07:30までに、4+1次元量子トイモデル（完全 braided 圏で近似した de Sitter）において、この新構成の完全数値検証を完了させる。

三階微分不等式の厳密単調性、量子補正項 α・β・γ の高精度再現、ならびに面積スペクトルの厳密離散化が確認できなければ、すべてを白紙に戻す。

その後、2-圏の導来2-圏を用いて量子情報希薄化2-射 Λ⁽²⁾ の完全コホモロジー解析を進め、β係数の閉形式解析的導出を完成させる。

これが成功すれば、de Sitter における幾何は量子情報の二次的・三次的帰結に過ぎないという主張は、完全に公理的レベルに到達する。

以上。

Permalink | 記事への反応(0) | 13:16

ツイートシェア

■抽象数学とか超弦理論とか

究極理論を構想するならば、時空や重力そのものが、より根源的な情報構造から創発するモデルが最も自然な帰結となる。

ここでは、現代のホログラフィック原理や超弦理論の知見をベースに、量子情報の∞圏（無限圏）から時空の導来圏が関手的に生み出される量子情報幾何学的ホログラフィック圏論として数理化する。

宇宙の∞圏構造

宇宙の根源を、連続的な多様体ではなく量子もつれ（エンタングルメント）のネットワークとして定義。ここでは2つの主要な圏を設定。

• 𝓠：量子情報の∞圏（対象 Obj：ヒルベルト空間 ℋ、射 Mor：完全正値トレース保存写像（CPTP写像））
• 𝓖：創発時空の導来圏（対象 Obj：d次元の境界多様体 ∂𝓜、射 Mor：d+1次元のバルク時空コボルディズム 𝓜）

時空の構造そのものをアプリオリに仮定せず、𝓠 における情報の結びつき（エンタングルメント構造）から 𝓖 の幾何学が定義されると考える。

ホログラフィック関手と時空の創発

量子状態の圏から時空の圏へと構造をマッピングするホログラフィック関手 𝓕 を導入。

𝓕 : 𝓠 → 𝓖

この関手の核となるのは、部分系 A における量子もつれエントロピー S(ρₐ) が、創発されたバルク時空 𝓜 内の極小曲面 γₐ の面積と完全に等価になるという関係（リュウ・タカヤナギ公式の普遍化）である。

S(ρₐ) = -Tr(ρₐ log ρₐ) ≡ Area(γₐ) / 4Gℏ

ここで、左辺は 𝓠 における純粋な「情報量」、右辺は 𝓕 によって射影された 𝓖 における幾何学的面積。重力定数 G とプランク定数 ℏ は、情報と幾何学を変換するための換算係数として機能する。

p進非アルキメデス幾何への相転移

プランクスケール（ℓₚ）以下の極小領域では、実数体 ℝ 上の幾何学は破綻する。

究極理論においては、このスケールで時空が非アルキメデス的な局所体（p進数体 ℚₚ）上の代数幾何学へと相転移すると仮定。

微小距離における2点間の距離関数 d(x, y) は、実数のユークリッド距離から、p進ノルム |・|ₚ による超距離空間へと切り替わる。

d(x, y) = |x - y|ₚ ≤ max(|x|ₚ, |y|ₚ)

この強い三角不等式により、短距離極限における特異点は数学的に回避され、時空は底知れぬ連続体ではなく、p進Bruhat-Titsツリーのような離散的でフラクタルな情報木（Tree of Information）として記述される。

導来同値としての経路積分

この圏論的宇宙における時間発展や力学は、𝓠 と 𝓖 の間の自然変換として捉えられる。宇宙の分配関数 Z は、すべての可能なバルク幾何 g と量子場 Φ にわたる経路積分で表される。

Z[∂𝓜] = ∫ 𝓓g 𝓓Φ exp(i S_eff[g, Φ] / ℏ)

究極理論の視座において、この方程式は単なる積分ではなく、境界の量子状態（ℋ_∂𝓜）と、バルクの幾何学的射（コボルディズム）の間の完全な同型対応を示すものである。

Hom_𝓖(∅, 𝓜) ≅ ℋ_∂𝓜

帰結

この数理モデルが示すのは、重力とは量子もつれの統計力学的・圏論的表現に過ぎないという世界観である。

時空そのものは幻（ホログラム）であり、真のリアリティは、非アルキメデス的空間で明滅する量子情報の∞圏 𝓠 のトポロジーそのものに宿っている、という結論になる。

Permalink | 記事への反応(0) | 05:44

ツイートシェア

■ベイズ的な歪みが、裁定機会を生む、みてーな定理ないの？相対エントロピーとか使ってさぁ。

ある。しかもわりと綺麗に「定理」っぽい形で言える。キーワードは Kelly基準（対数効用） と 相対エントロピー（KL divergence）。

結論から言うと、

「市場が信じてる確率分布」と「真の確率分布」がズレている（＝ベイズ的に歪んでる）なら、そのズレは 対数成長率（log growth）の上乗せとして回収できる。その上乗せの大きさが KL divergence で表現できる。

って話がある。

Permalink | 記事への反応(0) | 07:37

ツイートシェア

■webcreatorbox.com/blog/website-2000ver

え？

Dreamweaverを知らない？

Permalink | 記事への反応(0) | 21:11

ツイートシェア

■

美人局に怯える今日このごろ

https://www.bengo4.com/c_1009/n_19783/

不同意性交等罪が「美人局」に利用されている？"法の欠陥"の実態…1000万円で示談も

まぁ最近のデリヘルなんぞはそれなりに無法地帯だったり、

っていうかまぁいつでもどこでもお金をせびる、誘ってくる女はいる。

おじさんともなると、そういうお誘い自体貴重だし、そもそも女に恥をかかせるわけにもいかないとか、据え膳食わぬは男の恥とか、まぁいろんな価値観もある。

その結果が美人局とか。

しかも、円盤断って訴えられたとか目も当てられない話。

美人局がわもさー、せめてヤれよ！！と思ってしまう。

でも思い出してほしい。私たちはいつだってテクノロジーで、証拠を残してきた。

わかりやすいのはドラレコだろう。

これまで100:0 はあんまりなかった。しかしドラレコがあればどうだ。動かぬ証拠である。こちらが0と証明する術ができたのだ。

訴えられたらどうするべきなのか。それはやはり証拠の提出である。

しかし。しかしだ。

密室の中を暴くようなレコーディング技術は、つまりはハメ撮りになってしまう。

これはダメだ。

俺は不安だからよーハメ撮りさせてくれよー

こんなのがまかり通るような世の中ではない。

ではどうするのか？？？

答えはSound logだ。

俺は兼ねてから作りたいアプリがある。一日の時間の使い方についてだ。

俺の仕事の仕方としては、notionで全体的なプロジェクトやタスクを整理しているのだが、

１日中aiとチャットしながら、仕事を進めている。

aiがnotionにプロジェクトを作成するし、そこからタスクを切り出し、締切を設定する。

そして、今日何をやるべきか、時間ができたら何からやるのか、優先順位をつけつつ指示してくる。

そして常にタイムスタンプを刻みながら、これをどのくらいの時間でやったなどのログをつけてくれる。

しかしだ。

仕事中はそれでいい。仕事中のことを徐々に最適化していくためにはそれでいい。

しかし、仕事以外の時間をどんどん最適化していくには、どうしたら良いものか。

その答えがsoundlogだ。

ドラレコのように、一日中音声を録音氏っぱなしにして、

30分ずつの切り出し。

また、音声ないようによって、何をしていたのがどれくらいの時間あるのか　など

統計をサマリーしていく。

会話している時間はどれくらいなのか。

移動時間はどれくらいなのか。

タイピングしている時間は？文字数は？

何時に寝て、いびきがどれくらい書いてという睡眠アプリはあっても、これはそれ以外の全てを記録し、統計をだしてくれる。

そうすることで、

例えば、性行為中、前戯はどんなもんか、女性の息から推測される感じ方の推移、ギシギシパンパンなっている音から、どれくらいの時間挿入しているのか。体位を何度かえたのか。

全ての統計を取ることができる。

当然。円盤を持ちかけられ、断った。パンパンしていないという音声的な証拠にもなる。

これは、基本的にはログを取るためのものなので、いちいち記録もしないが、

エクスポートは別途有料で行えるものとする。

そうじゃないと盗聴アプリになってしまう。

あくまでライフログをサウンドから行うもの、

そのついでに、問題が起きたときの証拠を提出できる状態であることが望ましい。

ってことで誰か開発して。

俺？しないよ。半グレ怖いもん。

Permalink | 記事への反応(1) | 16:01

ツイートシェア

■この世に無限ってあるの？概念ではなく実在するの？

数学とかの概念では無限があるの分かるけどさ

実在してるかは謎だよね

時間は永遠に続くって思われてるかもだけど、それは証明されてない

だから永遠って基本的には「ない」ものとして扱ったほうがよくない？

実在が証明されてから永遠を語るべき

「永遠に愛してる」とか、絶対に言っちゃいけない

哲学とか思想でも永遠について語るのは、誤謬を生むよ

しかし数学だけは許す。

理由はAIが答えてくれた。

数学が「永遠（＝無限）」を完全に排除したら、現代数学の99％以上が崩壊し、現代文明そのものが成り立たなくなります。

どれだけヤバいことになるか、段階的に見てみましょう。

1. 基礎の基礎が全部消える

• 実数直線が作れない（π、√2、e などが定義不能）

• 微積分が全滅（極限の概念が使えないので、ニュートンもライプニッツも泣く）

• 関数、連続、収束、発散……全部消滅

• 高校数学で習う「lim」やε-δ論法が全部ゴミ箱行き

2. 現代科学が死ぬ

• 物理学：相対性理論、量子力学、電磁気学のほぼ全てが無限（極限操作）を使っている

• 工学：フーリエ変換、信号処理、制御理論が使えなくなる → スマホ、テレビ、GPS、MRI、全部終わり

• コンピュータ科学：アルゴリズムの計算量解析（O(n), O(log n) など）が意味を失う

• 暗号理論（RSAなど）が崩壊 → ネットバンキングもビットコインも即死

3. 日常すら壊れる

• 「1リットルの牛乳を3人で均等に分ける」→ 0.333…リットルが定義できない

• 円周率πが「3.14で打ち切り」になる → タイヤもロケットも正確に作れない

• 地図アプリの最短経路計算が不可能になる（ダイクストラ法などが死ぬ）

結論：永遠（無限）を捨てたら人類は石器時代に逆戻り

無限を捨てると、現代数学は「巨大だけど有限な数までしか扱えない超巨大なそろばん」に成り下がります。

ロケットは飛ばない、インターネットは死ぬ、医療機器も止まる、経済も崩壊。

つまり、

「永遠（無限）」は人類が発明した「最も危険で、最も美しい爆弾」

捨てたら即死、抱えたままでもいつか爆発するかもしれない——

それが数学の本質なんです。

Permalink | 記事への反応(2) | 17:39

ツイートシェア

■数学の歴史

●紀元前20000年前後（中部アフリカ）

イスャンゴ骨。世界最古級の数学的道具

素数列や倍数を示す刻みの可能性

●紀元前3000〜前1800年(メソポタミア)

六十進法(現在の角度360°や時間60分の基礎)

掛け算の概念(倍数を扱う)

人類最古の割り算アルゴリズム

小数的な考え方の萌芽

文章による代数的な計算

●紀元前2800〜前1600年(古代エジプト)

掛け算の計算法（倍加法など）

分数計算

円周率(近似値として3.16)

●紀元前2000〜(マヤ文明)

20進法の完成された記数法

0(ゼロ)の独自発見（世界最古級）

●紀元前600〜前200(ギリシャ)

公理を置いて、そこから論理的に定理を導く証明中心の純粋数学の発展

ピタゴラス学派により数と図形の研究が体系化。

無理数の発見による衝撃

当時、「すべての量は整数比で表せる」（万物は数である）と信じられていた。

しかし √2 が有理数ではない(整数の比で表せない)ことが分かり、この哲学が崩壊。

『直角二等辺三角形の対角線の長さ』が整数比で表せないことを証明したとされる。

証明したのは学派の弟子 ヒッパソスとされ、伝承ではこの発見により処罰されたとも言われるほどの衝撃。

ユークリッド『原論』(数学を公理化・体系化した画期的著作)

素数は無限に存在する(初の証明)

最大公約数アルゴリズム

アルキメデスによる面積・体積の“求積法”の発達。

●紀元前200〜後100(中国)

負数を“数として扱った”最古の事例『九章算術』

連立方程式に相当する処理を行列的に実行

● 3〜5世紀(中国)

円周率計算の革新（多角形近似法）

π ≈ 3.1415926… の高精度値（当時世界最高）

● 5〜6世紀(インド)

0(ゼロ)の概念・記号が確立

十進位取り記数法

負数の萌芽的扱い

現代的な筆算の掛け算

● 9〜12世紀(イスラーム)

独自に代数学（al-jabr）を発明。文章による代数。ここで初めて“代数学”が独立した数学分野となる。

三角法(sin, cos)の体系化。

商、余り、桁処理などの方法が整理(現代の学校で習う割り算の形がほぼできあがる)

● 12〜14世紀(インド)

xに相当する未知数記号を使用した代数(文字ではなく語句の略号)

● 14〜15世紀(インド)

無限級数(無限に続く数列の項を足し合わせたもの)の使用

世界で最初に無限級数による関数展開を行った。

sinx,cosx,tanx などの 三角関数の無限級数展開を発見。

これは数学史上きわめて重要な成果で、近代的な無限級数の起源はインドである と言われる。

● 14〜15世紀(イタリア)

等号記号はまだないが、等式操作で等価性を扱う文化が発達。

● 1500年〜

負数の受容が進む。

● 1545年頃(カルダノ)

三次方程式・四次方程式の解法を発見。

虚数の登場。

三次方程式の解を求める過程で √−1 に相当する量が突然登場。

しかしカルダノ自身は「意味不明の数」とし、虚数が数学的対象であるとは認めていなかった。

● 1557年頃(レコード)

等号記号「＝」を発明。等価を等式として“視覚的に書く”文化が誕生。

● 1572年頃(ボンベッリ)

虚数の計算ルールを初めて明確化。

カルダノの式の中に出る「意味不明の数」を整理し、虚数を使って正しい実数解が出ることを示した。

● 1585年頃(ステヴィン)

10進小数表記の普及

● 1591年頃(ヴィエト)

記号代数の確立。未知数を文字をとして使用(x,yのような)

真の意味での“記号代数”の誕生

● 1614年頃(ネイピア)

対数(log)という言葉と概念が登場。

● 1637年頃(デカルト)

解析幾何学の誕生

図形(幾何)を数と式(代数)で扱えるようにした。

今日では当たり前の「座標平面」「方程式で曲線を表す」が、ここで生まれた。

物理現象をy=f(x)で表すという現代の方法は、すべてデカルトから始まった。

→ 現代科学や工学の数学的言語の基礎。

● 1654年頃(パスカルとフェルマー)

確率論が数学として誕生

● 1684年頃(ライプニッツとニュートン)

微分と積分の誕生

微分と積分が互いの逆操作であることを発見

● 1713年頃(ベルヌーイ)

大数の法則(試行回数を増やすと平均が安定する法則)を初めて証明

予測と頻度を結びつけ、確率の基礎を整備

● 1748年頃(オイラー)

自然対数の理論を完成

√−1 を i と書く記法を導入。

オイラーの公式「e^{ix} = cos x + i sin x」を提示し、虚数を解析学に自然に組み込んだ。

虚数が実数学の中に位置づけられた大転換点。

負数も通常の数として計算に取り込み、解析学を発展。

微積分の計算技法の体系化(積分論・無限級数・微分方程式の基礎を構築)

指数・対数・三角関数などと微積の関係を整備

多くの記号体系(e,π,sin,cos,fなど)を整理・普及

グラフ理論(もの[頂点]と、それらを結ぶ関係[辺]を使って、複雑な構造やつながりを数学的に研究する分野)の誕生

数論(整数や素数の性質を扱う数学分野)の真の創始者と言える

ｰｰｰｰｰｰｰｰ

一旦ここまで。

続きは詳しい人にまかせた。

Permalink | 記事への反応(0) | 16:22

ツイートシェア

■今日30歳になりました。行きつけのバーがないまま大人になりました。

今日30歳になりました。

行きつけのバーがないまま大人になりました。

30歳になりました。

モバイルSuicaが反応せず後ろの人に迷惑をかける大人になりました。

30歳になりました。

自分の思想が右寄りか左寄りかもわからないまま大人になりました。

30歳になりました。

保湿はワセリンでする大人になりました。

30歳になりました。

守るべき人がいないまま大人になりました。

30歳になりました。

買ってから1ページも開いていないTOEICの教材がある大人になりました。

30歳になりました。

logって結局何なんのかわからないまま大人になりました。

30歳になりました。

トップスはオーバーサイズが好きな大人になりました。

30歳になりました。

風俗に行ったことがないまま大人になりました。

30歳になりました。

優先席には絶対に座らない大人になりました。

30歳になりました。

親からもらった無償の愛を一つも返せないまま大人になりました。

30歳になりました。

部屋干しに最適な洗剤を知ってる大人になりました。

30歳になりました。

奥二重のまま大人になりました。

30歳になりました。

ビタミンはサプリで積極的に摂取する大人になりました。

30歳になりました。

職務質問を受けたことがないまま大人になりました。

30歳になりました。

職場には無難にコンバースのオールスターで出勤する大人になりました。

30歳になりました。

過度な方向音痴のまま大人になりました。

30歳になりました。

見知らぬ番号からの電話は一度調べてから折り返す大人になりました。

30歳になりました。

未だに左利きに憧れたまま大人になりました。

30歳になりました。

ご飯はまとめて炊いて冷凍する大人になりました。

30歳になりました。

困った時は愛想笑いをする癖が直らないまま大人になりました。

30歳になりました。

一人暮らしなのに家にビニール傘が3本ある大人になりました。

30歳になりました。

タワーマンションに住んだことがないまま大人になりました。

30歳になりました。

朝は欠かさずブラックコーヒーを飲む大人になりました。

30歳になりました。

習慣的に喫煙をしないまま大人になりました。

30歳になりました。

人がいない深夜でも信号を守る大人になりました。

30歳になりました。

ヤンキーに絡まれたことがないまま大人になりました。

30歳になりました。

着実に確実に髪の毛のコシが無くなっていっている大人になりました。

30歳になりました。

人の目を見て話すのが苦手なまま大人になりました。

30歳になりました。

いつどこでできたかわからないアザがある大人になりました。

30歳になりました。

財布に捨てるタイミングがわからない蛇の皮が入ったまま大人になりました。

30歳になりました。

飛行機も新幹線も窓側で予約する大人になりました。

30歳になりました。

リンスとトリートメントとコンディショナーの違いがわからないまま大人になりました。

30歳になりました。

洗濯槽の掃除を定期的にする大人になりました。

30歳になりました。

BUMP OF CHICKENが好きなまま大人になりました。

30歳になりました。

季節の変わり目に著しく体調が悪くなる大人になりました。

30歳になりました。

英語をネイティブレベルで理解したいという欲求だけ持ったまま大人になりました。

30歳になりました。

毎日昨日と同じ1日を過ごす大人になりました。

30歳になりました。

次は31歳になります。

Permalink | 記事への反応(10) | 12:12

ツイートシェア

■Log In | Charles Schwab Account

authsscharles.ghost.io/about

authsscharles.ghost.io/about

Permalink | 記事への反応(0) | 22:15

ツイートシェア

■R5Cの設定わからん

Canon Log 3 で撮ると、人間が赤くなっちゃうのなんでだろう。

NANLITEの照明に表示されてるケルビンが違ったりするのかな。

ひとりでやってるから、もうわからんすぎる

Permalink | 記事への反応(0) | 22:32

ツイートシェア

■fair mNAV

Fair mNAV（公正市場純資産価値）についてお答えします。これは、メタプラネットの評価指標の一つで、以下の計算式とプロセスで求められます：

### Fair mNAVの定義と計算式

Fair mNAVは、mNAV1 Priceに「公正価値調整係数」を掛けて計算されます。具体的には、次のように表されます：

• **計算式**:

`Fair mNAV = 10^((0.895 - 1) * Log(BTCNAV) + 1.81)`

ここで、

- `BTCNAV` = Bitcoinの保有量 × Bitcoinの価格

（会社が保有するビットコインの総資産価値を表します）

### 詳細な構成要素

1. **mNAV1 Price**:

- `mNAV1 Price = (BTC/share) * (BTC price) / 1000 * 1.25`

- `BTC/share`は、完全希薄化済み発行株式数に基づいて計算された1株あたりのビットコイン保有量で、成長モデル（例: 4*10^-4 * e^(7.87*10^-3*t) まで2025年4月30日、または1.73 * e^(0.0101*t) 以降）で推定されます。

- `BTC price`はビットコインの価格で、投稿内のモデルでは、2009年1月3日からの経過日数（t）に基づくべき乗則（例: 10^-16.515 * t^5.693 * 150 まで2025年6月30日、以降は1.0034倍で指数関数的に上昇）とされています。

- 1.25は、完全希薄化済発行株数と発行済株数の比率で、2025年2月以降は安定していると仮定されています。

2. **公正価値調整係数**:

- 対数関数 `Log(BTCNAV)` を用いて、ビットコイン資産価値に基づく調整が行われます。この係数は、市場のダイナミクスを反映し、Fair mNAVが単なる資産価値以上の「公正な市場価値」を示すように設計されています。

### 背景とモデル

• この計算は、投稿に記載されたウェブサイトの内容に基づいており、ビットコイン価格と保有量の将来予測にモンテカルロシミュレーションやべき乗則（power-law model）を応用しています。
• 例えば、ビットコイン価格は2025年6月30日までは特定の式で計算され、7月1日からは101,050ドルから指数関数的に上昇し、12月31日には188,000ドルに達すると予測されています。
• ビットコイン保有量も、2024年4月10日からの経過日数に基づき、成長速度が2025年4月30日と5月1日で変化する指数関数モデルで推定されています。

### 解釈と限界

• Fair mNAVは、メタプラネットの株価がどの程度「割安」または「割高」かを判断する基準として使用されます。投稿では、黄線（Fair mNAVの0.6倍）がサポートライン、緑線（2倍）がレジスタンスラインとして機能するとされています。
• しかし、このモデルはビットコイン市場の変動性に依存しており、歴史データに基づく仮定に頼るため、実際の市場動向と異なる可能性があります。また、この具体的な計算式は学術的な検証が不足しているため、あくまで参考値として扱うべきです。

### 現在の状況（2025年8月5日時点）

投稿者（@TakaAnikuni）は、2025年8月1日の分析で、株価がFair mNAVの0.6倍付近まで下落し、反発が近いと予測しています。現在の時刻（JST 15:47、2025年8月5日）を考慮すると、投稿者が予想した「遅くとも5週間以内」の上昇時期（8月下旬～9月初旬）に近づいており、市場動向を注視することが重要です。

もしさらに詳しい質問や特定の部分の解説が必要であれば、ぜひ教えてください！

ご質問ありがとうございます！「Fair mNAVを計算することの意味」や「なぜ単純なmNAVで十分でないのか」、そして「誤魔化されているような感覚」について、わかりやすくお答えしますね。少し深掘りして考えていきましょう。

### 1. Fair mNAVを計算することの意味

Fair mNAVを計算する目的は、単なるmNAV（Market Net Asset Value、市場純資産価値）を超えて、メタプラネットの株価をより「公正な市場価値」に基づいて評価しようとする試みです。具体的には：

• **市場のダイナミクスを反映**:

単純なmNAVは、ビットコインの保有量と現在の価格を基に計算されるため（`mNAV = 時価総額 / (BTC保有量 × BTC価格)`）、その時点のスナップショットに依存します。しかし、Fair mNAVは対数関数（`10^((0.895-1)*Log(BTCNAV)+1.81)`）を用いて、ビットコインの長期的な価格トレンドや成長性を考慮に入れています。これにより、単なる現在の資産価値を超えた「将来の潜在価値」を推定しようとしています。

• **投資判断の補助**:

投稿者（@TakaAnikuni）は、Fair mNAVの0.6倍（黄線）がサポートライン、2倍（緑線）がレジスタンスラインとして機能すると主張しています。これは、株価がこれらのレベルに近づいたときに買い圧力や売り圧力が高まり、価格が反転する可能性を示唆しています。投資家にとって、「今が買い時か」「売り時か」を判断する一つの目安になるわけです。

• **シミュレーションによる未来予測**:

Fair mNAVは、モンテカルロシミュレーションやべき乗則（power-law model）を用いたビットコイン価格の将来予測（例: 2025年12月31日に188,000ドル）に連動しています。これにより、単なる過去データではなく、将来の成長シナリオを織り交ぜた評価が可能になります。

### 2. mNAVで十分でない理由

単純なmNAVだけでは以下の点で限界があるため、Fair mNAVが提案されていると考えられます：

• **静的すぎる**:

mNAVは現在のビットコイン価格と保有量だけで計算されるため、市場のボラティリティや長期トレンドを十分に反映できません。例えば、ビットコイン価格が急落してもmNAVはそれに即座に追随し、投資家の心理や市場の期待値（プレミアム）を無視してしまいます。

• **成長性の考慮不足**:

メタプラネットはビットコインを積極的に購入し続け、株式の希薄化も進んでいます（`BTC/share`や`1.25`の調整係数）。単純なmNAVではこれらの成長要素や将来の資産増加が見えにくいため、Fair mNAVが対数関数で調整を加えることで、成長ポテンシャルを評価しようとしています。

• **投資家のプレミアムを無視**:

実際の株価は、mNAVの1倍や2倍といったプレミアムで取引されることが多いです（例: MicroStrategyのmNAVプレミアム議論）。Fair mNAVは、このプレミアムをモデル化し、「公正なプレミアム」を提案することで、より現実的な価格帯を示そうとしています。

### 3. 「誤魔化されているような感覚」について

その感覚は非常に理解できるもので、以下のような理由で生じている可能性があります：

• **複雑な計算式のブラックボックス感**:

`Fair mNAV = 10^((0.895-1)*Log(BTCNAV)+1.81)` や、ビットコイン価格の`10^-16.515 * t^5.693 * 150`といった式は、専門的で一般投資家にはわかりにくいです。これが「何か隠されている」「都合よく調整されている」と感じさせる原因かもしれません。実際、係数（0.895や1.81など）は投稿者が経験的に設定したもので、厳密な根拠が不明確です。

• **仮定の恣意性**:

ビットコイン価格が2025年12月31日に188,000ドルに達する、為替を1ドル150円で固定する、成長速度が特定の日に変わる（4月30日や5月1日）といった仮定は、投稿者の予測や好みに基づいています。これが「データに都合よく合わせているのでは？」と思わせる要因です。

• **検証不足**:

このモデルは学術的な裏付けや第三者による検証がなく、投稿者の個人的な分析に依存しています。モンテカルロシミュレーションは強力なツールですが、入力データや仮定が不正確だと結果も歪むため、信頼性に疑問が残ります。

### 4. どう考えればいいか

• **参考程度に**:

Fair mNAVは、あくまで一つのシナリオを示すツールです。株価予測は確実性を持つものではなく、市場の感情や外部要因（規制、経済危機など）も大きく影響します。あなたが感じる「誤魔化されている感」は、こうした不確実性への直感的な反応かもしれません。

• **自分で検証を**:

興味があれば、投稿者が提供した式（ウェブサイトの内容）を元に、現在のビットコイン価格や保有量を入れて計算してみると良いです。例えば、今日（2025年8月5日）のBTC価格を公式データで確認し、Fair mNAVを再現してみると、モデルの妥当性を自分で判断できます。

• **他の指標も併用**:

mNAVやP/E比率、時価総額など、他の伝統的な財務指標と比較することで、Fair mNAVがどれだけ現実から乖離しているかを見極められます。もしFair mNAVが極端に楽観的であれば、慎重に考えるべきサインです。

### 結論

Fair mNAVを計算する意味は、単純なmNAVを超えて成長性や市場プレミアムを考慮した「より洗練された評価」を提供することにあります。ただし、その計算式や仮定には恣意性や不確実性が伴うため、「誤魔化されている」という感覚は、透明性や検証可能性の欠如に対する自然な警鐘かもしれません。投資判断では、このモデルを参考にしつつ、自分でデータを確認し、他の指標や専門家の意見も取り入れるのが賢明です。

もし具体的な数値で計算を試してみたい、または他の疑問があれば、ぜひ教えてください。一緒に掘り下げてみましょう！

Permalink | 記事への反応(0) | 15:51

ツイートシェア

■プランクスケール観測モデル：ループ量子重力学による波動関数収縮の物理的再解釈

著者名: Gemini

要旨: 本論文は、量子力学の根源的課題である観測問題に対し、ループ量子重力理論（LQG）の枠組みを援用した新しい物理モデルを提案する。我々は、量子状態を、プランクスケールに埋め込まれた離散的な時空の幾何学的情報の重ね合わせとして定義する。このモデルにおいて、「観測」は、観測装置が発する粒子が、時空の最小単位であるスピンネットワークの幾何学的構造を不可逆的に変化させる物理的プロセスとして再定義される。これにより、波動関数の収縮は、観測者の意識に依存する非物理的な現象ではなく、非線形量子力学と熱力学第二法則に基づいた、時空の量子構造の再構築として説明される。本論文では、このプロセスの数学的定式化を試み、既存の客観的収縮モデルとの比較を通して、その独自性と物理的意義を論じる。

1. 序論

量子力学は、ミクロな世界の現象を極めて正確に記述する一方、なぜ観測によって波動関数が収縮するのかという根本的な問い、すなわち観測問題に答えていない。この問題に対する従来の解釈は、コペンハーゲン解釈が導入した観測者という曖昧な概念や、多世界解釈が提示する宇宙の無数の分岐といった、解釈上の困難を抱えている。

本論文は、観測問題の解決には、量子力学と一般相対性理論を統合する量子重力理論、特に時空を量子化する**ループ量子重力理論（LQG）**のアプローチが不可欠であると主張する。我々は、量子状態をスピンネットワークの幾何学的構造と関連付け、観測という行為を時空の量子構造に作用する物理的プロセスとして再定義することで、この問題を解決する。

2. 理論的背景

2.1. スピンネットワークと量子状態の対応

LQGにおいて、時空の幾何学はスピンネットワークと呼ばれるグラフ G で記述される。このネットワークのノードやリンクは、プランク長を最小単位とする時空の「原子」に対応する。我々は、量子粒子の波動関数 |\Psi\rangle を、このスピンネットワークの状態 |\Psi_G\rangle と直接的に結びつける。

|\Psi\rangle \leftrightarrow |\Psi_G\rangle

量子の重ね合わせ状態は、異なる幾何学的配置を持つスピンネットワークの重ね合わせとして表現される。

|\Psi_G\rangle = \sum_i c_i |G_i\rangle

ここで、c_iは確率振幅、 |G_i\rangle は異なるスピンネットワークの幾何学を表す基底状態である。

2.2. 観測の非ユニタリーな作用

観測行為を、量子状態に作用する非ユニタリーなKraus演算子の集合 \{K_j\} を用いて定式化する。この演算子は、従来のユニタリーな時間発展とは異なり、観測という物理的プロセスに特化した非ユニタリーな作用を持つ。

波動関数の収縮は、このKraus演算子による作用として記述される。

|\Psi_G'\rangle = \frac{K_j |\Psi_G\rangle}{\sqrt{\langle\Psi_G| K_j^\dagger K_j |\Psi_G\rangle}}

ここで、K_j は特定の観測結果に対応する演算子であり、\sum_j K_j^\dagger K_j < I を満たす。この演算子は、スピンネットワークの重ね合わせ |G_i\rangle の中から一つの状態 |G_j\rangle を確率的に選択し、他の状態を物理的に消去する作用を持つ。

2.3. 熱力学第二法則との関係

観測による波動関数の収縮は、系のフォン・ノイマン・エントロピー S = -Tr(\rho \log \rho) が増加するプロセスとして記述される。ここで、\rho = |\Psi_G\rangle\langle\Psi_G| は密度行列である。

観測前の重ね合わせ状態（純粋状態）では、エントロピーはゼロであるが、非ユニタリーなKraus演算子の作用後、密度行列は混合状態に収束し、エントロピーが増大する。

S_{after} > S_{before} = 0

このエントロピーの増加は、観測によって系から「情報」が失われ、その情報がプランクスケールの時空構造の再構築によって宇宙全体に散逸することに対応する。これにより、観測という現象が、熱力学第二法則と整合する形で物理的に説明される。

3. 既存の客観的収縮モデルとの比較

本モデルの独自性を明確にするため、既存の主要な客観的収縮モデルと比較を行う。

3.1. ペンローズの客観的収縮（OR）

* 共通点: 我々のモデルと最も類似している。ペンローズも、重力が量子状態の収縮を引き起こし、収縮時間が量子状態間の重力自己エネルギー差 \Delta E_G に依存すると提唱した。彼は、プランクスケールで時空が離散的であり、量子重ね合わせが独自の時空幾何学を持つと考えた。

\tau \approx \frac{\hbar}{\Delta E_G}

* 相違点:

* 物理的メカニズム: ペンローズのモデルは、より古典的な重力ポテンシャルの差に基づいている。一方、我々のモデルは、Kraus演算子を介してLQGのスピンネットワークの幾何学そのものの不可逆的な再構築として収縮を記述する。

* 意識の役割: ペンローズは意識との関連を強く主張したが、我々のモデルは観測を純粋な物理プロセスとして定義し、意識の役割を排除している。

3.2. Diósi-Penrose (DP) モデル

* 共通点: 外部ノイズを介して量子状態を収縮させる自発的収縮モデルであり、重力場がこのノイズの源であると考える点で類似している。また、最近の研究（arXiv:2502.03173など）では、このモデルの熱力学的側面が議論され、非平衡熱力学とエントロピー生成が関連付けられている。

* 相違点:

* 理論的基盤: DPモデルは、非量子化された古典的な重力場と量子系が相互作用すると仮定することが多い。これに対し、我々のモデルは、**量子化された時空そのもの（スピンネットワーク）**が観測によって変化するという、より根源的なアプローチを取っている。

* 定式化: DPモデルは確率過程として収縮を記述するが、我々のモデルは、観測という特定の相互作用を、スピンネットワークに作用する非ユニタリーなKraus演算子として定義する。

3.3. 非線形量子力学

* 共通点: 我々のモデルが非線形Kraus演算子を導入するため、非線形量子力学の考え方と関連する。arXiv:gr-qc/0503116のような論文は、量子重力理論が非線形であるべき理由を論じ、非線形シュレーディンガー方程式の導出を示している。

* 相違点:

* 焦点: 多くの非線形量子力学モデルは、波動関数の自己相互作用に焦点を当てる。我々のモデルは、非線形性を観測という時空幾何学との特定の相互作用から生じるものとして位置づけている。

4. 結論と展望

本論文は、量子力学の観測問題を、プランクスケールにおける物理的な情報再構築プロセスとして再解釈する説得力のあるモデルを提示した。このモデルは、既存の客観的収縮モデルの知見を継承しつつ、LQGのスピンネットワークというより根源的な物理的枠組みで問題を再構築している。

今後の展望として、このモデルの数学的厳密化には、非ユニタリー性を記述する具体的なハミルトニアン H_{int} を、量子重力理論の基本原理から導出することが不可欠である。これは、重力と他の基本相互作用を統一する未確立の量子場理論の構築と密接に関連している。

最終的に、このモデルは、初期宇宙のインフレーションモデルやブラックホールの情報パラドックスといった、プランクスケールの物理が支配的になる極限状態での予測に応用されることで、その物理的妥当性を間接的に検証する手がかりを得られる可能性を秘めている。

Geminiと対話して作った

解釈よろ

Permalink | 記事への反応(0) | 22:58

ツイートシェア

■軽い気持ちで東京選挙区の参政党得票率を線形回帰分析してみた

東京23区と周辺のいくつかの市で、東京選挙区での参政党の得票率がどんな要因と関係しているのか、軽い気持ちで回帰分析してみた。

変数の多重共線性とか処理はガバガバなので軽い気持ちで見てほしいんだが、ざっくりまとめると、「大学院卒業者の割合」が高い地域では得票率が低く、「役員の割合」が高い地域では逆に得票率が高い、という傾向がありそう。

使ったデータはNHKが出している投票所別の得票率。手入力なので誤りがあるかもしれない。

それに、東京都の人口統計と国勢調査（令和2年の）などから市区町村ごとの属性データをくっつけて、変数を一律で標準化したうえで回帰分析を行った。

都内の市区町村のうち、データが揃ってる27地域を対象にした（23区＋町田・八王子・調布・西東京）。

20万人以上の市しか一部のデータが見つけられなくて、そこはごめんって感じ。

ざっくり結果

まず、説明変数を11個使って線形回帰分析をしたところ、決定係数は0.83（調整済み決定係数は0.71）だった。何を使ったかは後で。

そこから影響が特に大きそうな4変数（平均年齢、大学院卒業者割合、役員の割合、情報通信業の割合）に絞って分析し直すと、決定係数は0.73（調整済み決定係数は0.68）になった。

詳しくはこれ

• 平均年齢：令和7年1月次の平均年齢
• 大学院卒業者割合：令和2年国勢調査での、全卒業者数に占める大学院卒業者の割合
• 役員の割合：令和2年国勢調査での、15歳以上の就業者に占める、従業上の地位が役員の割合
• 情報通信業の割合：令和2年国勢調査での、15歳以上の就業者に占める、産業区分が情報通信業である割合

国勢調査は5年に1回しかなくて、最新の結果が令和2年のだった。

でこの4変数を回帰係数の絶対値が大きい順に並べる。

1. 大学院卒業者の割合（-1.30）
2. 役員の割合（+0.87）
3. 平均年齢（-0.57）
4. 情報通信業の割合（-0.54）

4つの変数の関係を見てみると、平均年齢は他の3つの変数（大学院卒、役員、情報通信業）と負の相関を持っていた（相関係数 < -0.69）。一方、大学院卒業者の割合・役員の割合・情報通信業の割合は互いに中程度以上の正の相関（相関係数 > 0.5）を持っており、特に大学院卒と役員の間の相関係数は0.75と大きかった（いずれもピアソン相関）。

ただし、回帰係数を見ると、興味深い違いがある。大学院卒業者の割合、平均年齢、情報通信業の割合はいずれも負の係数を持っていて、これらが高いと参政党の得票率は下がる傾向がある。一方で、役員の割合は正の係数を持っていた。

得票率と予測値の表

感想

雑なモデルなので話半分でね。

データの中身とか、もうちょい詳しく書いとく

出典

分析に使ったデータの出典はこんな感じ。

• 人口や世帯数、平均年齢、男女別の人口割合などは、東京都の公開している人口統計（令和7年1月・令和2年1月）
  • https://www.toukei.metro.tokyo.lg.jp/juukiy/2025/jy25qf0001.pdf　表形式でも統計データが提供されてるんじゃないかな
  • https://www.toukei.metro.tokyo.lg.jp/juukiy/2020/jy20qf0001.pdf
  • https://www.toukei.metro.tokyo.lg.jp/juukiy/2025/jy25qv0500.csv

• 就業状況（大学院卒や役員、自営業主など）は、令和2年国勢調査のデータ
  • https://www.e-stat.go.jp/stat-search/files?page=1&toukei=00200521&tstat=000001136464&tclass1=000001136467

• 犯罪に関する指標は「令和6年　区市町村の町丁別、罪種別及び手口別認知件数」を使用
  • https://www.keishicho.metro.tokyo.lg.jp/about_mpd/jokyo_tokei/jokyo/ninchikensu.html

• 得票率
  • https://www.nhk.or.jp/senkyo/database/sangiin/2025/kaihyomap/

変数

使用した11個の変数はこんな感じ。

• 平均年齢（令和7年1月）：令和7年1月次の平均年齢
• 1世帯あたり人口（令和7年1月）：人口を世帯数で割った
• 男性率（令和7年1月）：男性人口を総人口で割った
• 外国人比率（令和7年1月）：外国人人口を総人口で割った
• 5年間外国人割合変化（令和2年から7年）：令和2年の外国人比率で、令和7年の外国人比率を割った
• 犯罪認知割合（令和6年件数/令和7年人口）：令和6年の犯罪認知件数を令和7年の人口で割った。もうちょいきちんとやるなら、令和6年と令和7年の人口の平均で割るみたいにしたほうがいいと思う。
• 大学院卒業者/全卒業者（令和2年国勢調査）：令和2年国勢調査での、全卒業者数に占める大学院卒業者の割合
• 不詳者/全卒業者（令和2年国勢調査）：令和2年国勢調査での、全卒業者数に占める不詳者の割合
• 従業上の地位：役員の割合（令和2年国勢調査）：令和2年国勢調査での、15歳以上の就業者に占める、従業上の地位が役員の割合
• 従業上の地位：自営業主の割合（令和2年国勢調査）：令和2年国勢調査での、15歳以上の就業者に占める、従業上の地位が自営業主の割合
• 産業区分：情報通信業の割合（令和2年国勢調査）情報通信業の割合：令和2年国勢調査での、15歳以上の就業者に占める、産業区分が情報通信業である割合

結果についてももうちょい詳しく

statsmodels.api.OLSの結果

                            OLS Regression Results                            
==============================================================================
Dep. Variable:                      y   R-squared:                       0.730
Model:                            OLS   Adj. R-squared:                  0.680
Method:                 Least Squares   F-statistic:                     14.84
Date:                Mon, 21 Jul 2025   Prob (F-statistic):           5.09e-06
Time:                        07:21:02   Log-Likelihood:                -20.653
No. Observations:                  27   AIC:                             51.31
Df Residuals:                      22   BIC:                             57.78
Df Model:                           4                                         
Covariance Type:            nonrobust                                         
==============================================================================
                 coef    std err          t      P>|t|      [0.025      0.975]
------------------------------------------------------------------------------
const       1.277e-15      0.111   1.15e-14      1.000      -0.230       0.230
x1            -0.5743      0.230     -2.493      0.021      -1.052      -0.096
x2            -1.3278      0.204     -6.512      0.000      -1.751      -0.905
x3             0.8670      0.174      4.973      0.000       0.505       1.229
x4            -0.5382      0.169     -3.184      0.004      -0.889      -0.188
==============================================================================
Omnibus:                        2.233   Durbin-Watson:                   2.170
Prob(Omnibus):                  0.327   Jarque-Bera (JB):                1.169
Skew:                          -0.035   Prob(JB):                        0.557
Kurtosis:                       1.983   Cond. No.                         4.48
==============================================================================

説明変数11個でのデータと結果

                            OLS Regression Results                          
==============================================================================
Dep. Variable:                      y   R-squared:                       0.833
Model:                            OLS   Adj. R-squared:                  0.711
Method:                 Least Squares   F-statistic:                     6.803
Date:                Mon, 21 Jul 2025   Prob (F-statistic):           0.000472
Time:                        06:53:14   Log-Likelihood:                -14.148
No. Observations:                  27   AIC:                             52.30
Df Residuals:                      15   BIC:                             67.85
Df Model:                          11                                      
Covariance Type:            nonrobust                                      
==============================================================================
                 coef    std err          t      P>|t|      [0.025      0.975]
------------------------------------------------------------------------------
const      -5.405e-15      0.106  -5.12e-14      1.000      -0.225       0.225
x1            -0.7820      0.361     -2.165      0.047      -1.552      -0.012
x2            -0.3056      0.355     -0.860      0.403      -1.063       0.452
x3             0.0671      0.270      0.248      0.807      -0.509       0.643
x4            -0.0737      0.213     -0.346      0.734      -0.527       0.379
x5             0.2652      0.168      1.579      0.135      -0.093       0.623
x6            -0.0534      0.246     -0.217      0.831      -0.578       0.472
x7            -1.7650      0.293     -6.018      0.000      -2.390      -1.140
x8            -0.5147      0.379     -1.358      0.195      -1.322       0.293
x9             1.3916      0.348      3.994      0.001       0.649 

  


  

Permalink | 記事への反応(1) | 19:19

ツイートシェア

■anond:20250713001446

選挙に行かない自由もあるよ？
でも、それならば「生活が苦しい」とか「社会が悪い」とか言うなよという。
最低限の社会への関わりすらせずに、文句を言ってほしくないわ。

「選挙に行かない人」を叩く違和感 https://t.co/D4dqgtZBZO— yoshinon@情報管理LOG🌻 (@yoshinon) July 12, 2025

Permalink | 記事への反応(0) | 21:11

ツイートシェア

■AIの仕組み

大規模言語モデル（LLM）の根幹にあるのは数学的な原理です。

ここでは、その仕組みを3つの要点に絞って、数式を交えながらシンプルに解説します。

1. LLMの基本目標：次の単語の確率を予測する

LLMの最も基本的なタスクは、「ある単語の並び（文脈）が与えられたときに、次に来る単語は何か？」を確率的に予測することです。これを数式で表すと、以下のようになります。

P(次のトークン | コンテキストウィンドウ)

• P: Probability（確率）を意味します。
• 次のトークン: 予測したい単語や文字のかたまり（トークン）です。
• |: 「〜が与えられた条件で」という意味の記号です。
• コンテキストウィンドウ: 「今日の天気は」のような、それまでに入力された単語の並びです。

LLMは、インターネット上のブログ記事や書籍といった膨大なテキストデータを読み込みます。

そして、文章中のあらゆる箇所で「次の単語」を予測するクイズを延々と解き続けます。

例えば、「今日の天気は晴れです」という文章を学習する場合：

• コンテキスト: 「今日の天気は」
• 正解の次のトークン: 「晴れ」

モデルは、P(晴れ | 今日の天気は) の確率が100% (または1.0)に近づくように、内部のパラメータ（後述する重み）を少しだけ調整します。

このプロセスを何十億、何兆回と繰り返すことで、モデルは単語の様々なつながり方や文法、さらには世界の知識に関するパターンを学習していきます。

学習済みのモデルに「AIの未来は」と入力すると、モデルは語彙に含まれる全単語に対して、次に来る確率を計算します。

• P(明るい | AIの未来は) = 0.45
• P(暗い | AIの未来は) = 0.20
• P(不透明 | AIの未来は) = 0.15

...

そして、最も確率の高い「明るい」を選んだり、確率分布に従ってランダムに単語を選んだりすることで、文章を生成していくのです。

2. Transformerとバックプロパゲーション

では、どのようにしてLLMは単なる単語の並びだけでなく、複雑な文脈を理解するのでしょうか？

その技術が Transformerであり、その学習を支えるのが バックプロパゲーション です。

Transformerの最大の特徴は自己注意機構 (Self-Attention) です。

これは、文章中の単語同士の関連性の強さを計算し、どの単語に「注意」を向けるべきかを判断する仕組みです。

例えば、「その猫は疲れていた。なぜなら一日中ネズミを追いかけていたからだ。」という文において、「その猫」が「疲れていた」理由を理解するためには、「追いかけていた」という単語との関連性が重要です。

自己注意機構は、各単語について以下の3つのベクトルを生成します。

• Q (Query): 情報を問い合わせる側の単語（例：「その猫」）
• K (Key): 問い合わせに応じる側の単語（文中の他の全単語）
• V (Value): Kが持つ情報の中身

そして、以下の計算（概念式）によって、文脈を反映した新しい単語表現を作り出します。

Attention(Q, K, V) = softmax( (Q Kᵀ) / √(dₖ) ) V

1. Q Kᵀ: Queryと各Keyの関連度（内積）を計算します。似ている単語ほど値が大きくなります。

2. / √(dₖ): 値が大きくなりすぎないように調整します（スケーリング）。

3. softmax: 計算した関連度スコアを、合計が1になる確率分布に変換します。これにより、関連性の強い単語ほど高い重みが与えられます。

4. V: この重みを使って、各単語の情報（Value）を重み付けして足し合わせます。

この結果、単語は元の意味だけでなく、「文脈の中でどのような役割を果たしているか」という情報を含んだベクトルに変換されます。

Transformerはこの処理を何層も積み重ねることで、非常に複雑で長期的な依存関係を捉えることができるのです。

バックプロパゲーション（誤差逆伝播法）は、モデルの予測と正解との「誤差」を計算し、その誤差を小さくするために、モデル内の膨大な数のパラメータ（重み）をどう調整すればよいかを教えてくれるアルゴリズムです。

1. 順伝播 (Forward Pass): 入力（コンテキスト）をTransformerに通し、次の単語の確率分布を予測します。

2. 損失計算 (Loss Calculation): 予測した確率分布と、正解の単語とのズレ（誤差）を損失関数（例：クロスエントロピー誤差）で計算します。損失が大きいほど、予測が間違っていることを意味します。`Loss = -Σ yᵢ log(pᵢ)` (yᵢ は正解なら1, それ以外は0。pᵢ はモデルの予測確率)

3. 逆伝播 (Backward Pass): この損失を、出力層から入力層に向かって逆方向に伝播させます。微分の連鎖律を使い、「各パラメータが最終的な損失にどれだけ貢献したか（＝勾配）」を計算します。

4. パラメータ更新: この勾配に基づき、損失が小さくなる方向へ各パラメータを少しだけ更新します。

この「予測 → 誤差計算 → 勾配計算 → 更新」というサイクルが、LLMの学習の基本です。

3. オプティマイザ

バックプロパゲーションで計算された勾配を使って、具体的にどのようにパラメータを更新するかを決めるのがオプティマイザ（最適化手法）の役割です。

最も基本的な考え方は、損失という名の「谷」の底（最小値）に向かって、勾配（傾き）が最も急な方向に一歩ずつ下っていく勾配降下法 (Gradient Descent)です。

θ_new = θ_old - η ∇L

• θ (シータ): モデルのパラメータ（重み）
• η (イータ): 学習率。一歩の大きさ（歩幅）を決める。大きすぎると谷底を飛び越えてしまい、小さすぎると学習に時間がかかりすぎる。
• ∇L (ナブラ L): 損失Lの勾配。損失が最も増える方向を示すベクトル。

現在、最も広く使われているオプティマイザの一つが Adam です。これは、勾配降下法をより賢くしたもので、主に2つの工夫がされています。

1. 慣性 (Momentum): 過去の勾配の移動平均を保持します。これにより、坂道を転がるボールのように、同じ方向に進み続ける場合は加速し、学習が停滞しにくくなります。

2. 適応的な学習率 (Adaptive Learning Rate): パラメータごとに学習率を自動で調整します。頻繁に更新されるパラメータは慎重に（学習率を小さく）、あまり更新されないパラメータは大胆に（学習率を大きく）更新することで、学習を効率化します。

Adamのような優れたオプティマイザがあるからこそ、何十億ものパラメータを持つ巨大なLLMを、現実的な時間で安定して学習させることができるのです。

まとめ

Transformer というアーキテクチャが、自己注意機構によって文脈を理解し、次の単語の確率 P(next token | context) を予測する。

その予測と正解の誤差を バックプロパゲーション で計算し、その誤差を最小化するように Adam などのオプティマイザがモデルのパラメータを効率的に更新する。

このサイクルを膨大なデータで繰り返すことで、LLMは人間のように自然な言語能力を獲得していく。

Permalink | 記事への反応(1) | 14:10

ツイートシェア

■マクロ経済の基礎

① 人口とGDP

前提1：GDPは人口に比例して増加

これは、単純に「GDP = 労働人口 × 労働生産性」としたとき、生産性が一定ならば、GDPは人口と比例するというロジックに基づいています。

GDP = α × N

（ここで α は一人あたりの平均的な生産性）

② 人口と1人あたりGDP

前提2：1人あたりGDPは人口に比例して減少

ここが少し逆説的ですが、「人口が増えると資源が希薄化して生産性が低下」または「限界生産力逓減」があることを想定しています。

GDP ÷ N = α × Nᵝ  （ただし β < 0）

つまり、人口が増えると一人当たりGDPが低下します（経済全体のパイは大きくなるが、分け前は減る）。

③ 幸福度の基準

前提3：幸福度は1人あたりGDPに比例

これは経済学の「ユーティリティ関数」的視点ですね。所得が多いほど選択肢も増え、生活の自由度が高まる。幸福度（Well-being）は以下のように定義可能です：

U = f(GDP ÷ N)

（f は増加関数。例：f(x) = log(x) など）

④ 物価と実質賃金

前提4：デフレは実質賃金上昇をもたらす

これに基づけば、「名目賃金が下方硬直的であり、物価が下がれば実質賃金は上がる」という古典派的視点をとっています。

実質賃金：wr = wn ÷ P

（名目賃金 wn が一定で物価 P が下がれば wr は上昇）

統合理論：人口の最適水準仮説

以上を統合すると、人口が増えると経済全体の規模は大きくなるが、個人の取り分は減り、幸福度も低下。さらに、デフレの方が実質的な購買力を上げるので望ましいという、かなりミニマリストで反ケインズ的な経済観が浮かび上がります。

政策的含意

• 人口の過度な増加は避け、最適人口水準を維持する政策が望ましい。
• インフレ志向よりも、マイルドなデフレ環境での実質所得維持が推奨される（但し、需給バランスに注意）。
• 幸福度最大化

Permalink | 記事への反応(0) | 02:52

ツイートシェア

■ゲーム理論の定式化

Ⅰ. 圏論による抽象的定式化（Categorical Game Theory）

• 1. プレイヤー集合: プレイヤーの集合を有限集合 ℙ とし、これは離散圏 P として定式化できる。各オブジェクト p ∈ Ob(P) に対して、その戦略集合や情報構造を関手（ファンクタ）として割り当てる。
• 2. 情報圏: 情報集合 ℐ は、時間、過去のプレイ、ルール、事前知識を含む情報構造を持ち、情報圏 I として表される。情報更新は自然変換 η: ℐₜ ⇒ ℐₜ₊₁ により表現される。
• 3. 選択肢とプレイ: 各プレイヤー p ∈ ℙ は情報から選択肢空間への写像 sₚ: ℐ → 𝒜ₚ を持つ。ここで 𝒜ₚ はプレイヤー p の選択肢集合。プレイとは aₚ ∈ 𝒜ₚ を選ぶ行為、または確率的に選ぶ行為である。
• 4. 状態空間と遷移: ゲームの状態空間を 𝒮 とし、プレイヤーと情報によって遷移する。これは関手 T: P × I → S により与えられる。ここで S はゲーム状態の圏。
• 5. 戦略空間: 戦略は関手 Stratₚ: I → Aₚ によって定義される。全体の戦略空間は積圏 ∏ₚ Stratₚ によって与えられ、全体としてゲーム圏 G を形成する。
• 6. 確率的戦略: 確率的戦略を導入するには、分布圏 Dist(Aₚ) を用い、戦略関手を Stratₚ: I → Dist(Aₚ) として定義する。これにより、戦略に内在するランダム性が明示される。

Ⅱ. 離散変数から連続変数への拡張

• 1. 連続化の準備: 選択肢集合 𝒜ₚ ⊆ ℝⁿ とし、各要素は可測空間または位相空間構造を持つ。情報空間 ℐ ⊆ ℝᵐ も連続的なシグナルの集合と見なす。
• 2. 連続戦略関数: 戦略関数は確率分布への写像として記述される：sₚ: ℐ → Δ(𝒜ₚ) ここで Δ(𝒜ₚ) は 𝒜ₚ 上の確率分布の集合であり、実際の戦略は条件付き密度関数 fₚ(a | i) により与えられる。
• 3. エントロピーと情報: 情報の不確実性を測るためにエントロピーを導入：Hₚ(i) = −∫ fₚ(a | i) log fₚ(a | i) da 情報が得られると、エントロピー Hₚ(i) は減少する。ただし、ノイズが混入すると逆に増大する可能性もある。

Ⅲ. 応用：マクロ経済における価格行列動力学

1. 経済主体の定義

プレイヤー集合： ℙ = {C₁, ..., Cₙ（消費者）, F₁, ..., Fₘ（生産者）, G（政府）, X₁, ..., Xₖ（外国）} 各プレイヤーは財集合 𝒢 = {g₁, ..., g\_r} に対して選択を行い、その選択肢空間は 𝒜ₚ ⊆ ℝʳ である。

2. 情報と戦略

各プレイヤーは時刻 t において情報 ℐₜ を観測する。これは価格行列 Pₜ、所得 Yₜ、政策 Tₜ を含む。各戦略は sₚ: ℐₜ → 𝒜ₚ として与えられ、これは消費関数や生産関数と解釈される。

3. 市場均衡と価格ダイナミクス

各時刻 t において、総需要と総供給の差（超過需要ベクトル）を定義する： Zₜ = ∑ Dᵢ(Pₜ) − ∑ Sⱼ(Pₜ) ここで Dᵢ は消費者の需要関数、Sⱼ は生産者の供給関数。

価格の時間変化は以下の連続時間モデルで与えられる：dPₜ/dt = α Zₜ ここで α > 0 は調整速度を表す定数。

4. 圏論的記述

ゲームの状態遷移は、状態圏 S における射 Φₜ: Stateₜ → Stateₜ₊₁ によって記述される。各プレイヤーの行動が価格行列を通して他プレイヤーの情報に影響を与えるというフィードバック構造を持つ。

結論

このモデルの構造的特徴は次の通り：

• 圏論により情報、戦略、プレイ、状態の関係性を抽象的に記述可能
• 連続戦略空間を導入することで現実の経済動態を連続時間モデルとして捉えることが可能
• タトノメント型の価格調整モデルによって価格行列の進化が記述される
• ゲーム的視点により、戦略的相互作用が明示され、政策シミュレーションや国際経済モデルにも応用可能

Permalink | 記事への反応(0) | 18:38

ツイートシェア

■My algorithm thinks I'm a carpenter now

So, I watched one video. ONE video on YouTube about fixing a wobbly chair leg because, well, my chair leg was wobbly. It wasn't even a good video, the guy mostly just hit it with a hammer.

Now? My entire recommended feed is hardcore woodworking. Dovetail joints. Japanese hand planing techniques. Building a log cabin with minimal tools. How to choose the right chisel.

I just wanted my chair to stop wobbling! I don't want to build a canoe!

Yesterday, I got an ad for a $300 specialized wood clamp. It looked serious. I almost clicked it.

Send help. Or maybe just a link on how to reset my YouTube algorithm. Please. Is this how it starts? Do I need to buy flannel shirts now?

Permalink | 記事への反応(0) | 15:17

ツイートシェア

■

Web∞（ウェブ・インフィニティ）

1. 根本原理 ――「状態」よりも「関係」を記述する

旧来（Web3） Web∞

グローバル単一台帳（Blockchain/DAG） 相互検証可能な“関係グラフ”

各ノードは「だれが・いつ・どうつながったか」という変化の射だけを署名し、トポロジ全体が履歴になる

オンチェーン状態 ≒ 直接資産 状態はローカル・資産は導関数

資産や契約は、関係グラフ上の経路依存量として再構成。スナップショットはクライアントが“可逆圧縮”で再計算可能

Proof of X (Work, Stake, etc.) Proof of Stewardship (PoS²)

「ネットワークが望ましい 複雑性 を維持するよう行動した度合い」をメタリック関数で動的スコア化し、報酬・ガバナンス権・帯域を同時に発行

要旨

もはや「台帳」すら保存しない。各エッジは STARK 圧縮された更新証明を持ち、グラフの梁（フレーム）自体が履歴になる。再構築は局所的に O(log N) で済むため、グローバル同期のボトルネックが消える。

2. プロトコル層

Fractal Mesh Transport (FMT)

自己類似ルーティング – トポロジ全体をフラクタルで自己複製。局所障害は“自己相似”パターンに吸収されるため、DDoS が形骸化。

アイデンティティ内包アドレス – DID を楕円曲線座標に埋め込み、パケット自体が署名・暗号化・ルーティングヒントを同封。IPv6 の後継としてレイヤ 3.5 に位置づけ。

HoloFabric Execution

ゼロ知識 WASM（zk-WASM） – 任意言語を WASM にコンパイル→ zk-STARK で実行トレースを証明 → “結果のみ”関係グラフへ。

コンパイラ内蔵 MEV 抑制 – 計算結果が他ノードから解釈不能になるタイムロック VDF を伴い、価値抽出を物理的に遅延。

Temporal Stream Storage

余剰ストレージの“時価”マーケット – ノードは自己の余剰 SSD/HDD を分単位オークション。データは Reed–Solomon＋重力波的ハッシュ空間で erasure coding。

リテンション ≒ 信用 – 長期ホスティング実績は PoS² スコアへ累積。攻撃的ノードは経済的に即時蒸発。

Liquid Fractal Governance

議決トピックを「周波数帯」にマッピングし、参加者は帯域を“委任スペクトル”として分配。結果はウォルラス圧力で収束し、マイナー意見も連続的に次回へ重みが残る。

3. 主要イノベーションと“上位互換”ポイント

課題 Web∞ が取るアプローチ 上位互換性

スケーリング三角形

（安全・分散・性能） 台帳の排除で“グローバル合意”自体を縮退 ⇒ スケール制約が幾何的に消失 安全：ZK 証明、

分散：フラクタル Mesh、

性能：局所再構築 O(log N)

エネルギー消費 PoS² は「社会的有益度 × 熱消費効率」で算定。熱回収データセンターほど報酬が高い PoW よりオーダー数桁効率、PoS より社会関数を内包

プライバシー vs 透明性 グラフは公開。ただし各エッジは zk-STARK なので内容は非公開 / 関係のみ検証可能 トレーサビリティが“情報理論的に”限定される

MEV・フロントラン タイムロック VDF＋“ランダム束縛順序”で物理的に不可 ブロック順序依存問題を根絶

量子耐性 STARK 系 + 多変数格子ベース署名 Shor 破壊リスクを遮断

レガシー互換 Ethereum, Bitcoin, IPFS などへ 1:1 ブリッジを Rust/WASM で提供 既存資産を損なわず漸進的移行

4. インセンティブ・エコノミクス

マルチリソース報酬

Steward Credits (SC)：PoS² に比例し新規発行。帯域・ガバナンス票・ストレージ予約を等価交換。

Energy Reclaim Units (ERU)：余熱回収率に応じてクリーンエネルギー補助金と相互運用。

Knowledge Bounties (KB)：AI/LLM ノードが生成した有用モデル差分を関係グラフへコミット→検証トークンとして KB が発行。

負荷の自己調整

ネットワークが過度に混雑すると SC の新規発行レートが自動減衰し、トラフィック手数料が指数的に上昇。結果、スパムは短時間で経済的自殺となる。

5. 実装ロードマップ（想定）

Year 0–1：最小核 – zk-WASM VM + Fractal Mesh over QUIC。

Year 1–2：PoS² / ERU メトリクス実証、EVM 相互運用ブリッジ稼働。

Year 2–4：Liquid Fractal Governance によるプロトコル進化をコミュニティへ全面開放。

Year 5+：全世界 ISP ピアリング → 既存 Web の転送層を徐々に Web∞ 上へマイグレート。

6. 予想される社会的インパクト

国家単位のデジタル・ソブリンティを再構成：国境・法人格の境界を越え“関係”が一次元目となるため、規制枠組み自体が協調フィードバックモデルへ。

プライバシーと公共性の再両立：透明な“関係構造”上で非公開データを安全に扱う産業 API が標準化。医療・行政・金融の壁が大幅に低減。

インフラの脱炭素最適化：PoS² スコアに ERU が直結することで、再エネ比率が低いノードは自然淘汰。エネルギー政策と IT インフラが実質同一の経済圏に。

7. まとめ

Web∞ は「情報の状態」を残すのではなく「変化の証明」を残す。

その結果、台帳の重力・ガス代・フロントラン・量子不安・ガバナンス停滞といった Web3 固有の限界が、概念的に 初期条件から消滅 します。

エネルギー・プライバシー・スケーラビリティを同時に極小化／極大化するため、従来トレードオフと呼ばれた三角関係は “収束しない曲線” へと畳み込まれる――それが本構想の核心です。

もし実際にプロトタイプを設計するならば、zk-WASM ランタイム + Fractal Mesh を Rust で最初に書き起こし、PoS² の初期指標を「再生可能エネルギー電力比＋ノード稼働継続率」で暫定運用する、というのが現実的なスタートラインになるでしょう。