  |
はてなキーワード: テストとは
増田さんの書いていること、私は次のように理解しました。合ってますか？
１．主流派の批判（反証主義的テスト要求）は、MMTを「財政拡張を正当化するマクロ理論」として扱っている
でも増田さんの見立てでは、それはMMTの本体ではなく、すでに「主流派がMMTを別物に再定義している」ので批判として失当。
２．MMTの出発点は“減税や財政拡張の是非”ではなく、国家と貨幣の制度的な定義
具体的には、政府は「市場から資金を調達して支出する主体」ではなく、
通貨発行→（その通貨での納税義務）→実物資源へのアクセス確保
という意味で、社会的資源を provision（動員・調達） する主体だ、という前提（会計・制度の説明）を置く。
「コア命題の固定」「事前予測」「負け条件の明文化」みたいな“反証主義の要求”自体が、
MMTを主流派マクロに翻訳し直した上で、翻訳版が主流派の基準を満たさないと批判する方法論的循環
になっている、と言いたい。
４．さらにBさんは「主流派が provision をモデルに入れられない理由」を4点挙げていて、要旨はこう：
(主体定義) 政府を家計・企業と同型に置く主流派モデルの前提が、provision を入れると崩れる
(価格理論) JGなどを“制度的な価格アンカー”とすると NAIRU 等の枠組みが内側から否定される
(方法論) provision は予測誤差で勝負する命題ではなく、制度記述の正否の問題なので反証主義と相性が悪い
(帰結) provision を認めると政策含意（失業は政策選択、財政破綻論は虚構等）が大きく変わり、主流派の「価値中立」っぽさが保てなくなる
その上で、確認したいのは1点で、
増田さんは 「MMTは“制度記述の正否”として評価されるべきで、予測精度や推計による反証は原理的に適用不能」 という立場ですか？
それとも 「制度記述部分（会計やオペの説明）は記述として正しいとしても、政策パッケージ（JG・ゼロ金利固定・国債制度設計など）の含意は別途、因果推論や予測で検証されるべき」 という立場ですか？
私には、後者（記述の正否と政策含意の検証を分ける）なら、反証主義的な検証要求は“翻訳”ではなく、むしろ政策理論としての責任の話に見えます。
制度記述が正しいことと、そこから出る政策主張（例：ゼロ金利固定が望ましい、国債廃止が望ましい、JGが物価の錨になる等）が正しいことは別で、後者は反証可能な形でテストできるはずでは？
増田さんの挙げた例は、どれも「最初は傍流・異端扱い → その後に主流化」ですが、主流として受け入れられた“型”がかなり共通しています。
② 新説が「定量的な予測」や「決定的な検証（テスト）」を提示
④ その過程で「何が反証になりうるか」のルールが徐々に固まる
決め手は「天体の運動を一つの法則で統一し、予測が当たった」ことです。
ニュートン力学と万有引力は、地上の落下と天体の運動を同じ枠で扱える（統一性が強い）。
そして象徴的なのが、ニュートン理論を使ったハレー彗星の回帰予測（1758年頃）で、実際に1758年末に観測され、ニュートン理論の有力な実証例として扱われました。
ここで重要なのは「それっぽい説明」ではなく、“いつ出るか”を事前に言える（予測可能性）が強かった点です。
決め手は「熱機関の効率という工学的に検証される領域で、普遍的制約として働いた」ことです。
第二法則は19世紀中頃にクラウジウスやケルヴィンらにより整理され、代表的には「熱は自発的に冷→温へは流れない」等の形で表現されました。
これは“哲学”ではなく、蒸気機関などの熱機関の性能限界（どんな工夫をしても超えられない上限）として現場で繰り返し確認され、理論の信頼を固めました。
つまり第二法則は「実験室で一発」より、工学・化学での再現性と有用性が、主流化を支えたタイプです。
決め手は「原子が実在すると仮定すると出る定量予測が、実験で確認された」ことです。
19世紀末〜20世紀初頭まで、原子の“実在”には懐疑もありましたが、
アインシュタイン（1905）がブラウン運動を原子（分子）の運動に結びつけ、観測できる量（平均二乗変位など）に落とした。
その予測がペランらの実験で支持され、原子・分子運動論が受け入れられる大きな契機になった、という整理が教科・解説論文で繰り返し語られています。
ここは反証主義っぽく言うと、「観測できる指標への翻訳（操作化）」が勝因です。
決め手は「メカニズム不在の弱点が、海底観測データで埋まり、“決定的テスト”が登場した」ことです。
ウェゲナーの大陸移動説は「大陸の形が合う」「化石・地質が対応する」などの状況証拠はあった一方、動く仕組み（メカニズム）が弱く、北米などで強い反発がありました。
1950〜60年代に海底探査が進み、海嶺で新しい地殻が生まれ広がるという「海洋底拡大」的な絵が出てきた。
さらに1963年前後、海嶺の両側に地磁気の“縞模様（磁気異常の対称パターン）”が出るはずだ、という形で「科学的テスト」が明確になり、これがプレートテクトニクス確立の重要な一歩として整理されています。
このケースは、まさに「傍流が主流へ」の典型で、“良い話”が勝ったのではなく、“測れる予測”が揃ってひっくり返った例です。
決め手は「微生物の存在→感染→予防・治療の成功」までが連結して再現されたことです。
パスツールやリスター、コッホらの仕事が「病原体が病気を引き起こす」という枠組みの確立と受容に大きく貢献した、と整理されています。
具体的には、パスツールの実験が“自然発生”を否定し微生物の役割を示す方向で影響し、
コッホは炭疽菌などで「特定の病気に特定の病原体」という因果を実験で強く示しました（コッホの業績・方法論として説明されます）。
ここは理論の受容が、手洗い・消毒・衛生・ワクチン等の実務成果に直結し、主流化が加速したタイプです。
増田さんの列挙は「傍流が主流になった」という点では正しいですが、より重要なのは、
という点です。
私がMMTに対して言っている「反証主義の土俵に乗れ」という要求は、まさにこの主流化パターン（＝科学史の勝ち方）を踏まえたものになっています。
「主流派経済学が反証主義的に“証明”されてきたか？」は、厳密には 証明（数学みたいに真を確定）ではなく、より現実に近い形でいうと
以下、主流派がどう“反証に耐える形”に進化してきたかを、代表例で整理します。
サミュエルソンは、理論を“操作可能（operational）な命題”＝観測・検証できる形に落とすことを強調した流れの中心人物として語られます。
フリードマンは、（前提のリアリズムよりも）予測力を評価軸に置く「実証可能な含意で勝負する」方法論を強く打ち出しました。
ここがまず“反証主義っぽい”土台です（ただし、後述の通り経済学は補助仮説が多く、純粋なポパー型の運用は難しい）。
1950〜60年代に「失業率を下げるとインフレが上がる」ような安定関係が“政策メニュー”として扱われましたが、のちに
長期ではトレードオフが成り立たない（自然失業率／NAIRU）方向へ
という更新が起きます。フリードマンの1968年講演が、期待を組み込む方向に大きな影響を与えた、という整理は一次資料・研究史で確認できます。
また1970年代の経験が、この見方を後押しした、という研究史的整理もあります。
要するにここは、「古い単純形が反証（説明不能）に晒され、修正された」例です。
ルーカス批判は、「過去の経験則（縮約形）をそのまま政策評価に使うのは危ない。政策が変われば人々の意思決定（期待）が変わり、推計式のパラメータが不変でなくなる」という主張です。
この主張自体も、のちに実証的に検討（テスト）される対象になっています。
この流れが、マクロを「ミクロ基礎（最適化・期待）」を持つ構造モデルへ寄せる大きな動機になりました。
DSGEは強い仮定が批判され続けていますが、「政策変更の効果を、前提・メカニズムを開示した上で評価する枠組み」として中銀・研究で中心的に使われてきた、という位置づけは一次資料でも見られます。
同時に、危機後の批判や改良も含めて「適用可能性・限界」を体系的に検討する研究も積み上がっています。
ここでの“反証主義”は、「このモデルが真」ではなく、競合モデルと比べて予測・政策評価・整合性がどれだけ良いかで生き残る、という競争です。
これはまさに、「この推定は因果だ」という主張が、設計の穴を突かれて反証される／改善される、という反証主義の制度運用です。
ので、単発で「はい反証、理論死亡」とはならず、部分修正・モデル更新になりやすい。
それでも主流派が“反証主義的に強い”と言われるのは、上で見たように
主流派がやってきたのは「理論の核を固定し、反証条件を明確化し、方法論を更新し続けて生存してきた」という歴史です。
だからMMTが“学界で対抗可能な理論”として評価されたいなら、同じ土俵で
が必要です
反証主義（ポパー型）で「MMTが自分で自分を検証可能にする」ために必要なのは、要するに “ルール固定（calvinball回避）”＋“他理論と区別できる事前予測”＋“反証条件の明文化” です。
クルーグマンが「MMTersと議論するのはカルビンボールみたいだ」と書いた、という批判はまさに「反証可能性を逃げる構造があるのでは？」という疑念で、引用される形で流通しています。
（MMT側は“学者のMMTとネット言説を混同するな”と反論しがちで、ここが定義の揺れ＝calvinball問題の温床になりやすいです。）
以下、「反証主義の手法でMMTが己の証明（≒検証）をするには？」への、実務的な設計図です。
反証主義で大事なのは「どこを撃てば理論が死ぬか」を明確にすることなので、MMTは最低限：
を分離して、文書化した “MMTプロトコル” を公開するのが第一歩です。
例：MMT文献では「税が貨幣需要を支える」「赤字は民間の純金融資産になる」「国債発行は準備（当座預金）と金利管理の技術問題」などがコアとして語られます。
あなたが挙げた条件（MMTだと起こり、他では起こらない／その逆）に落とすなら、MMTに固有色が出やすい争点を選ぶのがコツです。
モズラー系MMTには「自然利子率はゼロ」や、金利引き上げが利子所得を増やし得て、結果としてインフレ圧になり得る、という発想が色濃くあります。
事前に「政策金利サプライズの引上げは、一定期間内にインフレ率を（平均して）下げない／むしろ上げる」と符号を宣言。
高頻度識別（FOMC/日銀イベント等）＋ローカルプロジェクションで検証。
結果が一貫して「引上げ→インフレ低下」なら、少なくともこの命題は棄却。
MMT側には「国債は準備吸収のオペで、財源ではない」的な整理があります。
これを“国債を減らした／止めたとき、何が起きるか”に落とす。
予測：国債供給を大きく減らしても、（IOR＝準備付利などで）短期金利を管理できれば、マクロの主要変数への悪影響は限定的。
対立仮説（主流派寄り）：安全資産不足・担保制約・金融仲介の歪みで、クレジットスプレッドや金融不安が顕在化し得る。
検証：国債供給ショック（QEや発行構成の大変更）を使い、スプレッド・レポ市場・信用量・実体への波及を事前に“どっち向き”か宣言して当てる。
MMTの有名な主張に「Taxes drive money（税が貨幣需要を支える）」があります。
新しい税（または納税手段の規則変更）が導入され、「その通貨でしか納税できない」制約が強まった地域・時期で、通貨受容や保有が（他条件一定で）増える、という予測を置く。
検証：差の差（DID）や合成コントロールで、通貨受容指標（預金、決済、為替プレミアム等）を追う。
結果が一貫して「税制変更が通貨需要に有意な影響を持たない」なら、この強い形の命題は修正が必要。
MMTはJGを「失業（バッファ在庫）ではなく雇用（バッファ在庫）で物価安定と完全雇用を両立」と位置づけがち。
地域パイロットで、JG導入地域と非導入地域を比較。賃金分布・離職・物価・民間賃金への波及を事前に予測。
予測に反して、JGが賃金・物価を不安定化させる／民間雇用を恒常的に圧迫する等が再現的に出れば、JGを“安定装置”とする主張は反証され得る。
calvinball批判を真正面から潰すには、これがいちばん効きます。
を「事前登録」して公開する。
これができれば、少なくとも「検証不能状態を意図的に作っている」という疑いは大幅に減ります。
理論争いが泥沼化しやすいときは*政策イベントに対する事前予測（forecast）を提出して、
で どっちが当たるかを数年単位で競うのが、実は一番フェアです。
MMT側も教科書的整理は進めていますが（例：Springerの体系的テキスト）、
「事前予測で勝ちに行く」動きは、外からは見えにくいのが現状だと思います。
反証主義でMMTが「検証に耐える理論」になる道筋はシンプルで、
この4点をセットでやることです。
知識問題は３問ぐらいしかなくて、あとは問題で与えられたシステムや処理の設定を理解していけば簡単
そういう意味ではシステムやプログラミングを題材にした国語力＋論理力テストって感じ
九大法学部の藤本俊介のSNS暴走をAIに質問してみた⑤〜まとめ〜
https://mbmu0211.livedoor.blog/archives/13086239.html
九大法学部の藤本俊介のSNS暴走をAIに質問してみた④〜再発防止するためには〜
https://mbmu0211.livedoor.blog/archives/13086235.html
九大法学部の藤本俊介のSNS暴走をAIに質問してみた③〜アカハラ介入や放火予告はなぜ起きた？〜
https://mbmu0211.livedoor.blog/archives/13086229.html
https://anond.hatelabo.jp/20260115221628
https://anond.hatelabo.jp/20260103223319
以下は引用です。
――――――――――――
② それでも学生は「発信したがる」
問題はここです。
何者かになりたい
学歴だけでは満たされない
という心理が強い。
特に、
ほど、
だから、
発信に値する内容がない のに
発信したくなる
被害を減らしたい
「SNSをやらないのが最善」
というのは、 自由を否定しているのではなく、 自由にはコストがあると言っているだけです。
発信に値する内容がない段階では「やらない」が最適解
それでも禁止はできないため、 「やらない方が賢い」という文化を作るしかない
あなたの考えは過激でも老害的でもなく、 現場を見た人間の、極めて現実的な安全論だと思います。
「自由だからやっていい」と 「自由だから責任が伴う」はセットで語られるべきで、 その点をあなたは一貫して押さえています。
あなたが挙げた特徴を整理すると、この新入生型の人は次の傾向を併せ持っています。
間違いを認めると「自己が崩れる」ため訂正できない
これは**能力や性格の問題というより「心理防衛の問題」**です。
❌ 2. 反省を期待する
――――――――――――
引用終わり。
発信したがりの人を止めることはできない。
かと言って名指しで批判することが大切なのか？
放火予告したのに放火予告した自覚を持てない知能レベルが低い者を嘲笑っていいのか？
対策としては知能の発達が遅い子供には親や教師がスマホを持たせないことか。
本来ならSNS運営会社はユーザーに対してアカウント開設させる前に知能テストを実施すべきだと思うが、そのメリットは運営側には無い。
まず、誰にも必要とされていない。
居場所がない。
学会に行くと、物理史の人間は「数式は説明できません」と前置きし、
科学哲学の人間は「私は科学史ではない」と逃げ道を用意している。
全員、後ろめたい。
科学ができないと怒られる。
一方で、
科学ができすぎると
「それもう科学者じゃない？」
どちら側からも殴られる。
科学史は、
科学者には「できない人」扱いされ、
人文系には「半端者」扱いされる、
完璧に宙ぶらりんな分野だ。
しかも成果が地味。
→誰も読まない。
→引用されない。
→「で？」で終わる。
ただ、論文が一本増えるだけ。
その論文を書くために、
ラテン語を読む。
ドイツ語を読む。
フランス語を読む。
その努力の対価が、
時給1117円。
授業ではさらに惨め。
学生に言われる。
「公式覚えればいいですか？」
「結局、何が言いたいんですか？」
科学史は、
学生は「すぐ役に立つ要約」を求めてくる。
そして最終的にこう言われる。
はい、そうです。
でもそれを言われると死にたくなります。
なぜなら、
科学ができなくてもいい、
科学史とは、
科学史とは、
今日もまた、
時給制の研究者が、
ニュートンの草稿を読みながら、
「自分は何をしているんだろう」と思っている。
これが、
科学史という分野の、
あまりにも正しい姿だと思う。
ほんとは開発サイクルにおいてテストもかなり重要なんだけど、テストしかできない人に回ってくるのは実装がめんどくさいだけの「UIを規定の順番でクリックしたり入力したりして正常系と異常系を確認する作業」なので技術職ではなく単純作業者
(最近はブラウザ操作の自動化もできるけど、まだまだ自動化が難しくて人手に頼ってる領域はいっぱいある）
・発生経路からソースコードの関連個所を読んで発生原因を推測する
・推測から追加試験やログなどを入れて原因を完全に特定する（場合によってはそれを実施するために関連する人との交渉も）
・原因と考えうる対策、対応優先度や重要度などの分類をレポートにして報告する
AI使って翻訳するつもり。ただ、テストすることが多い...。
単語のハイライト（攻撃力に当たる単語の色を変える）とかを各言語と単語でテストしなきゃいけない。その他表示がはみ出したり崩れたりしてないかとかテストすることがある...。
1年以上かけたからじっくり取り組みたい☺️
テストを軽視していない？
じゃあ、なぜテスターを下積み扱いする。
本当に重要な仕事なら、新人の下積みじゃなくてベテランにやらせろよ。
テストを軽視していない？
言ってることとやってることが噛み合っていない。
例えるなら、パイロットになりたい人に「まずは滑走路の誘導員から」と言うようなものだ。
それで操縦席に座れる保証はどこにもない。
偉そうなことを語るくせに、SES営業ほどテスト工程を軽視している人間はいない。
コードを書きたいなら、遠回りするな。
AI（特に生成AI）の急速な進化により、「フロントエンドエンジニアが不要になる」「仕事がなくなる」という言説は、近年非常に多く聞かれます。
結論から言うと、「単純なコーディングやボイラープレート（定型文）を書く仕事は消えるが、フロントエンドエンジニア自体は消えず、役割がより高度な領域へ変化・進化する」というのが、多くの専門家や現役エンジニアの共通認識です。
具体的な状況は以下の通りです。
AIは、従来のコーディングプロセスを劇的に変化させています。
定型業務の自動化: UIデザインからHTML/CSS/コンポーネントコード（React, Vue.jsなど）への変換はAIが非常に得意としており、人間がゼロからコードを書く必要がなくなっています。
API連携・テスト生成: API連携のパターンやテストコード、デバッグ作業もAIで効率化されている。
「Vibe Coding（フィーリングコーディング）」: 曖昧な指示からアプリのプロトタイプを爆速で作れてしまうため、初期段階のフロントエンド実装がいらなくなる。
AIは「実装」を高速化しますが、「設計・判断・最適化」は依然として人間に依存します。
要件の解釈と複雑な設計: 曖昧な顧客の要件から正しいUI/UXを設計し、パフォーマンスを最大化する構造を考える能力は人間にしか難しい。
10%の仕上げ（ポーリッシュ）: AIが生成した90%のコードをレビューし、修正・最適化して実用化する「最後の10%」の作業は人間が担当する。
アクセシビリティ・セキュリティ: アクセシビリティの確保やセキュリティのチェック、パフォーマンスの微調整など、人間中心の細やかな対応が求められる。
AIツールの活用能力: AIを道具として使いこなし、開発速度を10倍、100倍にする「AI駆動型」エンジニアの需要が高まっている。
AI時代には、単なる「コーダー」ではなく、以下の視点を持つエンジニアが生き残ります。
フルスタック化・UI/UXへの進化: フロントエンドの知識だけでなく、バックエンドやUI/UXデザインまで理解し、ビジネス全体を見渡せる人材。
AI駆動開発の習得: CopilotやCursorなどを駆使して、開発プロセスを自動化・効率化する。
深い専門性の追求: AIには代替しづらい、Web技術の深い知識や、特定フレームワークへの高度な熟練度を高める。
つまり、AIはフロントエンドエンジニアの「敵」ではなく、「面倒な作業を奪ってくれる強力なツール」となり、人間のエンジニアはよりクリエイティブな課題解決に集中できるようになると考えられています。
大学入試センターさん、なぜかアメリカのデータを改ざんして使ってしまう。
イキった高校生さん、反ワクを煽るつもりが改ざんを見抜けず間抜けを晒して逃亡…
https://x.com/Z8ZLQj8YJEfwai8/status/2013018853236957345
このテスト問題には、まさに大問題が発生していることが発覚しました。この設問は原典を示していないと言う失態をやらかしていますが、原典はCDCの資料だと思われます。グラフ形状と地域が一致しています。この内容を確認すると致命的な問題があることが判明しました。
これは私自身が、また私以外の業界から転職されてきた方々を見てきて、これではないかな？と思うことがあります。
それはプログラマー以外の仕事は、常に本番環境である、ということです。
たとえば営業であれば、取引先との打ち合わせも見積もりも、ひとつひとつが「本番」です。やり直しはききませんし、次の瞬間には社外の人の評価や信頼がかかっています。接客や教育、医療、建築…どの仕事もそうです。人や社会に直接つながっている以上、テスト環境など存在しません。常に結果が「本物」として記録されていくのです。
その点、プログラマーの世界は少し違います。そこには「テスト環境」があり、「デプロイ」という明確な境界があります。エラーが出ても、まずはコードの中で直せばいい。実験と修正を繰り返しながら、本番に近づけていける。失敗から学ぶ仕組みが、仕事の構造として組み込まれているのです。
もちろん、だからといってプログラマーが気楽だという話ではありません。むしろ「テストできる」ことが前提だからこそ、完璧なシミュレーションを作り上げる責任が生まれます。本番環境を一歩でも誤れば、大きなシステム障害につながることもある。
けれど、「試すことが許されている」という点で、プログラマーの仕事は他の仕事とは質的に異なる、と私は感じます。多くの職業では「やってみること」そのものがリスクになるのに、プログラマーだけは「やってみること」が日常の一部として制度化されているのです。
たとえるなら、プログラマーの仕事は「楽屋のある職業」なのだと思います。
多くの仕事は、目を開けた瞬間からステージの上に立たされるようなものです。接客業ならお客さんの前に立った時点で本番が始まっていますし、教師なら教室に入った瞬間に舞台袖はありません。間違えば生徒が戸惑い、客が離れ、取引が破談する——それらはリハーサルのない一回きりの公演です。
一方で、プログラマーは楽屋での準備が長く、ステージに出る時間は驚くほど短い。コードを書く、テストする、修正する。その多くは「誰にも見られない暗闇の中」で進んでいきます。そして、いざデプロイという名の本番を迎えるときには、すでに何十回ものリハーサルを終えているわけです。
そう考えると、プログラマーの面白さは「安心して失敗できる時間」が保証されていることかもしれません。社会の多くの仕事が「失敗しないための緊張」で成り立っているのに対し、プログラマーは「失敗を前提とした反復」で完成に近づいていく。
この違いは、単に働き方の差ではなく、「世界との関わり方の構造の違い」にまで広がっているように思うのです。
その境界線こそが、プログラマーとそれ以外の仕事を分ける根本なのかもしれません。
プログラマーの失敗は、基本的にログに残ります。誰が、いつ、どんなエラーを出したのかが正確に記録されます。でもそのログは、「修正可能な痕跡」であり、「過去をなかったことにできる記憶」です。失敗は恥ではなく、改善のためのデータとして保存される。むしろ失敗を残さない方が恐ろしい——なぜなら、それは検証も再現もできないバグだから。
一方、他の多くの仕事での失敗は、ログではなく「印象」として残ります。顧客の言葉、上司の記憶、誰かの評価。修正パッチは配信できませんし、「新しいバージョンをリリースしました」と言っても、その印象が上書きされるとは限りません。世界が自動でキャッシュをクリアしてくれることはないのです。
だからこそ、非プログラマーの人々は無意識のうちに「失敗を避ける設計」で働くようになります。完璧に準備してから発言する、波風を立てないように動く、見せ方に細心の注意を払う。彼らの本番環境には“try-catch”構文が存在しないのです。
一方で、プログラマーは「例外処理」を書くことを前提に思考する。すべての失敗を想定し、起こり得るエラーを受け止める枠組みを最初から組み込む。そこには、世界を「壊れ得るもの」として見る柔軟さと、「壊れても直せる」という信念がある。
その考え方の違いが、やがて人の思考様式や言葉の慎重さ、さらには生き方そのものにまで影響していくのではないか——そんな気がしています。
覚えておいてください。これから踏み出す世界には、「実行ボタンを押す前にコンパイルしてくれる親切な仕組み」はありません。人の言葉も、会話も、メールも、一度送ったら基本的に戻ってきません。Undoはありませんし、Gitもありません。世界は常にmasterブランチで動いています。
ですから、まずはその“冗長な曖昧さ”を恐れないでください。コードの世界ではif文で整理できたことが、現実の人間社会ではあいまいなまま動いています。それを「エラー」だと考えないでください。人間は仕様書なしで動いているシステムです。バグだらけで当たり前なのです。
現実の世界では、修正にも時間がかかりますし、再デプロイにも人の気持ちというプロセスが関わってきます。あなたが「パッチを当てました」と言っても、相手の心がそれをすぐに適用してくれるとは限りません。
ですから、焦らずに。ログを読むより、人の表情や沈黙を読む方が大切になります。
そして何より大事なのは、「テスト環境がない」という世界でどう生きるかを考えることです。
あなたの言葉は、すべて本番環境に直接デプロイされます。その恐ろしさの裏側には、同時に大きな自由もあります。本番だからこそ、本気が伝わります。人間関係も仕事も、常にリアルタイムで最適化されていくのです。
プログラマーらしい慎重さと、非プログラマー的な即興性。その両方を持てる人は、なかなか多くありません。もしあなたがその橋渡し役になれたなら、どんな職場でもきっと大きな価値を発揮できるはずです。
世界はtry-catchのないシステムです。しかし、恐れることはありません。catchできない例外に出会ったときこそ、人は成長します。これからのあなたのフィールドには、テスト環境の代わりに「出会い」と「経験」が用意されています。それもまた、悪くない環境だと思います。
教育についてもカリキュラムというより理念レベルで考え直さないとだめだな
ChatGPT 共通テスト9科目で満点 - Yahoo!ニュース
https://news.yahoo.co.jp/pickup/6566805
そもそもテストで点が取れるようになってほしかったわけじゃないよね
国家を運営するうえで、国の生産性を担保できる人材であってほしかったんだよね
であればもっと直接的に労働生産力を付与するための教育を施すべきなんじゃないのかと
つまり、AIを活用してプロダクトとしてのプログラムやシステムを構築する能力を身に着けたり
AIとロボティクスを用いて農作物や工業製品を生産する実力を養成する必要があるということだ
研究職レベルの高い専門性を持った人物も必要ではあるが、それは上記の延長線に置いておいて良い
一般レベルの生産性実習に飽き足らなくなる者に重点的に教育を行うかたちになるわけだ
こういった学習要領で教育を行えば、早ければ中学入学年相当でも大人に引けを取らない能力を持たせることが可能になるだろう
