  |
はてなキーワード: 生データとは
連休の最終日、「生と死」という特異点の観測を試みるべく、葬儀にフルコミットした。
目的は、死という現象が放つ生データの受信だ。本来、死体とは腐敗というエラーログを垂れ流し、死後硬直というハングアップを起こした、物理レイヤーにおける「二度と動かないハードウェア」に過ぎない。その凄惨なバグを生存アラートとして脳に直接叩き込み、自分のシステムがいずれ迎える強制終了に対して、現在のカーネルがどうレスポンスを返すか。そのデバッグを試みたかった。
しかし、現代の葬祭場というインターフェースは、あまりにもユーザー体験が最適化されすぎていた。
現場の環境は、死の毒々しさを徹底的にマスキングする安らぎの空間。腐敗臭というノイズはアロマというフィルタリングで除去され、死後硬直の無機質さはエンバーミングによって「スリープモード」のような外見へとレンダリングされている。バックエンドで行われる生々しい処理はすべて業者というプロキシを介して隠蔽され、ユーザーに公開されるのは、綺麗にデプロイされた終着点のフロントエンドのみだった。
「人の死」はもはや、忌諱されるべき致命的なエラーではなく、スタイリッシュなカフェのようにライトウェイトされたコンテンツに昇華されている。そこには、システムの根幹を揺さぶるような高プライオリティのアラートは存在しない。
結局、死をリアルタイム・モニタリングすることは叶わず、いつものルーチンへとロールバックした。死がこれほどまでに綺麗にデザインされ、抽象化された社会において、自らの「物理的なシャットダウン」を実感する権限さえも、ＯＳの優しさによってデプロビジョニングされていると感じた（合掌
「自民党の改憲草案で憲法はどう変わる？」というサイトがある。内容はタイトル通り、自民党改憲草案への疑問・反対の意思を呈するサイトである。
このサイトはGoogle検索上で「憲法改正.com」というサイト名で表示されるため、「憲法改正.com」と呼ばれることもあるようだ。
しかし、数日前（2026年5月上旬）から「憲法改正.comと検索したときに、防衛省のサイトにリダイレクトされるので、前述のサイトが乗っ取られたのではないか」という主張がXで広がるようになった。
しかし、この主張は誤りである。実際はkaikensouan.com の方が新しいサイトであり、「憲法改正.com」というWebサイトは従来から防衛省のサイトへ転送される設定になっていた。
また、この転送は政府や防衛省が設定したものではなく、「憲法改正.com」という日本語ドメインの保有者によって行われているものである。
ドメインの記録を見る限り、kaikensouan.comは2021年11月に取得されたものである。運営者は秘匿されている。
https://whois.domaintools.com/kaikensouan.com
DNSの設定を見ると、サイト自体はGitHub Pages上に存在していることが判断できる。
サイト上の文言をGitHubで検索すると、このページを保存したリポジトリがヒットする。
https://github.com/kaikensouan/kaikensouan.github.io
コミット記録から、このサイトはkaikensouanというIDの持ち主が2022年3月に作成したものであることが分かる。ドメインだけ先に取得して、数カ月後にWebサイトを立ち上げることは不自然ではない。
また、kaikensouanはGitHub上にこれ以外のリポジトリがなく、このページのために取得されたアカウントであると考えられる。
このサイト自体はページ内やタイトルで「憲法改正.com」と名乗っていないのだが、Google検索ではそのように表示される。これはメタタグの「og:site_name」で「憲法改正.com」と表記されているからである。
このサイトのドメインでもなく、既に他者によって取得されている"憲法改正.com"をsite_nameにした理由は定かではない。ただ、見た目上は表示されるものではないため見過ごしやすく、暫定的に入力しておいたものを差し替え忘れたのではないかと増田は推測している。
最近は忘れられているかもしれないが、一部のTLDでは日本語が使用できる。
.comもその1つであり、「憲法改正.com」とブラウザのアドレスバーに入力した時に有効なドメイン名としてみなされ、検索クエリではなくURLとしてみなされ、サイトにアクセスできる。
そしてhttps://憲法改正[.]com/ にアクセスすると、HTTPリダイレクトによって防衛省（www.mod.go.jp）に転送される。
この転送は防衛省側のサイトが関与したというものではなく、憲法改正.com 側の設定によって行われている。防衛省は一方的に転送されているだけである。
そして、どうやらkaikensouan.comが開設されるよりも昔、少なくとも2014年末頃から憲法改正.comは存在しており、その時点で防衛省のサイトに転送をかけていたことがWayBack Machineに記録されている。
https://web.archive.org/web/20141218151755/http://憲法改正.com/
ドメイン取得日に至っては2005年である。2005年～2014年の間にどういったサイトが存在していたかは記録がないので不明である。詳しい増田がいたら教えてほしい。
https://whois.domaintools.com/xn--6ku91fj1girb.com
ちなみにWhoisの履歴によれば、このドメインはある個人によって登録されている。防衛省や自民党が保有しているドメインという主張がX上で見られたが、推測やAIのハルシネーションを真に受けたものであり、事実に基づいていない。
Whoisは各種サービスから生データを取得可能であり、こういった場合には1次ソースを確認するべきである。
さらに「核武装[.]net」「憲法改正[.]net」「江戸[.]tokyo」「・[.]com」というドメインが確認できた。
「核武装[.]net」「憲法改正[.]net」は憲法改正.comと同様に防衛省のサイトへ、「江戸[.]tokyo」「・[.]com」は徳川記念財団（https://www.tokugawa.ne.jp/）のサイトへ転送される。
当然だが、これらもドメイン保有者が転送設定をしただけであり、転送先のサイトが何かしたわけではない。
現在進行している自転車への「青切符」導入議論において、国土交通省の発表資料および「オールドメディア」と揶揄される既存報道機関による情報発信には、
国民の正確な判断を妨げる深刻なミスリードが含まれている。実態に基づかない「自転車の危険性」のみを強調する現在の世論工作に対し、以下の4点において強く抗議する。
報道の多くは「自転車が危険になっている」という印象を植え付けているが、警察庁の統計資料を見れば、自転車が当事者となる事故件数自体は長期的に減少、あるいは横ばい傾向にある。客観的な「事故件数の年次推移グラフ」を提示せず、特定の強い印象を残す断片的な情報のみを強調することは、事実を歪曲する不誠実な報道姿勢である。
2. 生データではなく「加工された2次データ」による数字のすり替え
事故の絶対数（1次データ）ではなく、「全事故件数に占める自転車事故の割合」といった加工済みの2次データを用いる手法は極めて悪質である。自動車事故が安全技術の向上により急減した結果、相対的に自転車の割合が上がって見えるだけであり、これは「自転車が以前より危険になった」ことを意味しない。分母の変化を無視した統計の悪用は、国民に対する重大な欺瞞である。自動車事故は年々、急激に減っているのだからそれと自転車事故件数を比較して、割合が増えてるグラフを表示しても、それは自転車の危険を意味しない。
取締りによる「検挙数」の増加を、さも「違反や事故の危険が増えた」証拠として扱うのは論理破綻している。交通安全週間などの取締り期間を2倍、5倍に増やせば、検挙数も比例して増えるのは自明であり、数字は行政側で容易に操作可能である。取締りの強化という「行政側の行動結果」を、利用者の「モラルの低下」にすり替える論法は断じて容認できない。
全体の事故件数が減少しているにもかかわらず、事故要因が複数ある中から「一時的に微増している特定の項目（スマホみながら運転）」や「限定的な条件下のデータ」のみを抽出して強調している。多角的な要因分析（インフラ整備の遅れや車両側の問題等）を放棄し、一部の数値のみを肥大化させて自転車利用者のみを悪者にする手法は、法改正の正当性を無理に作り出すための世論工作と言わざるを得ない。
正確な統計データに基づかない法整備は、国民の権利を不当に侵害し、真の交通安全には寄与しない。国土交通省および各報道機関は、特定の結論に導くための数字の加工をやめ、科学的かつ公平なデータを国民に提示すべきである。
針つきのセンサーを腕にセットして、血糖値を24時間測定する機械と、それを管理するアプリがあるんだけど、そのアカウント管理が頭おかしすぎて横転
アプリ名がややこしい上に、日本語英語も統一されてなくて草。命名したやつもどうかしてるし、ローカライズどうなってるんだ
LibreLinkアプリはデータをサーバーにアップするから、そのためのアカウントが必要なんだけど、サーバーの名前はLibreView.comで、それにログインするためのアカウントがLibreViewアカウント
ドメイン名もアプリと違うし、Libre"View"アカウントなのに、データ読み書き用のアカウントであるあたり、頭おかしい
リブレLinkUpアプリは閲覧専用なので、LibreLinkとは異なるLibreViewアカウントが必要になる。データ読み書き用のアカウントの子アカウントとかサブアカウントみたいなものではなく、別途メールアドレスを用意して新規アカウントを作成しなきゃいけない。データ管理は一切しないのに、閲覧のためだけにアカウントが必要になる。この閲覧用として使うアカウントを、データ読み書き用アカウントから招待して、閲覧用アプリのリブレLinkUpで閲覧用アカウントでログインするとリブレLinkupアプリでもデータを閲覧できるようになる。
ここで、メールアドレスの用意をケチって、LibreLink用のデータ読み書き用アカウントを使って自分自身を招待してリブレLinkupで利用すると、普通に招待できちゃう。でも、リブレLinkUpアプリにログインすると、正常にログインはできるけど、特になんのメッセージも出ず、未ログインの初期状態と同じ状態になる。
この状態でできることは、ログアウトとアカウントの削除以外何もないんだけど、データ読み書き用のアカウントでログインしている状態でアカウントの削除を行うと、閲覧用アプリからでもデータ読み書きのアカウント自身が削除されてアップロードされたデータも丸ごと消去されちゃう。
普通なら、一つのアカウントで、データ読み書きアプリにログインするとデータ読み書きができて、データ閲覧アプリにログインするとデータの閲覧ができると思うじゃん。データ閲覧アプリにログインしてできることがアカウントとデータの削除だけとは思わないじゃん。データ閲覧専用アプリにデータを削除する機能がついているとは思わないじゃん。アレなローカライズがされてるだけで、閲覧用アプリでのアカウント削除なんて、閲覧招待の削除くらいだと思うじゃん。アカウント削除がデータの削除までされるとは思わないじゃん。
丸1年のデータが飛んだし、センサー（1個1万円弱）は無駄になるし、マジムカつく。データは、グラフとかでまとめたレポートのpdfと、生データのcsvはあるけど、それをアップロードして復元するみたいな機能はついてないので、どうにもならん。患者の家との往復も10往復くらいして、何時間もかかって、結局データ消失とかなんだこれ
Vibe Codingで非エンジニアがアプリを作れるようになった。そいつらが技術者倫理を持ってないことが問題になっている。
エンジニアは技術を身につける過程で倫理も叩き込まれる。個人情報の扱い方とか、セキュリティに穴を開ける怖さとか。コードが書けるようになる前に、やっちゃいけないことを学ぶ。少なくとも俺の周りではそうだった。
Vibe Coderにはその過程がない。悪気はない。学ぶ機会がそもそもない。技術者コミュニティに属してないから先輩にぶん殴られることもない。動いた、リリースしよう、で終わり。他人のAPIを叩きまくる意味も、ユーザーのデータがどこに飛んでるかも、考えたことすらないだろう。
これがVibe Coderだけの話なら別に笑ってられたんだよ。
最近、他人のコンテンツをAIに食わせてエッセンスだけ抽出するサービスが平然とリリースされてる。動画、記事、レシピ、論文。作った人間の努力も権利も無視して、AIで吸い出して自分のサービスの機能にする。完全に泥棒だろ。
これをやってるのはVibe Coderじゃない。ちゃんとした企業のちゃんとしたエンジニアチームだ。技術者倫理を学んできたはずの人間が企画を通して、実装して、レビューして、組織としてリリースしてる。プロが組織ぐるみでやってる。
なんでこうなるかっていうと、AIにやらせたら一瞬で終わるからだ。URL投げたら中身が構造化されて返ってくる。数行のAPI呼び出しで済む。昔なら一つずつ見て手で書き起こすなんて面倒すぎて、そんな機能作ろうっていう発想自体が出てこなかった。面倒くささが倫理の防波堤だったんだよ。AIはその防波堤を更地にした。
イスラエルがガザで使ってるAIターゲティングシステム。攻撃対象の選定をAIがやって、人間は承認するだけ。1件あたりの判断に使う時間は20秒程度だったという報道がある。20秒だぞ。20秒で人を殺す判断をしてる。AIのおかげで殺す効率が上がった。
コンテンツの抜き取りと人殺しを並べるなと思うかもしれない。でも構造は同じだ。本来は手間がかかるから踏みとどまっていたことを、AIが一瞬でできるようにした。できるからやる。やってから考える。考えた頃には元に戻れない。
この話はどこか遠い世界のことじゃない。
AIをフル活用してる組織で、個人情報を一切AIに投げてない組織ってあるか？ ないだろ。断言する。最初は「匿名化してから投げます」って言ってたのが、まあ社内利用だし大丈夫だろってなって、気づいたらMCPで生データを投げてる。一回やったら戻れない。便利だから。俺だってClaude使うとき、気をつけてはいるけど、一度もセンシティブな情報をプロンプトに含めなかったかと聞かれたらそんな自信は全くない。
AIの性質そのものが、今まで人間が積み上げてきた倫理の枠組みを溶かしてるんだよ。
所有権。他人が作ったコンテンツをAIに食わせて要約して、自分のサービスの機能にする。学習データに誰の著作物が入ってるか誰も正確に把握してない。でもみんなやってる。やらない方が負けるから。もうそういうレースになってる。
プライバシーも同じ。顔認識と行動追跡はもう当たり前で、最近は感情分析まである。全部AIで一瞬でできる。できるからやる。法整備が追いつく前に既成事実が積み上がっていく。
これ突き詰めると人権の話なんだよ。所有権もプライバシーも、一人の人間を一人の人間として尊重するっていうのが根っこにある。AIはそれをデータにして一括処理する。一括処理された瞬間に個人は統計になる。統計になった人間の権利なんか誰も気にしない。
そして俺たちはこの流れを自分で加速させてる。AIを使えば使うほど便利になる。便利だからもっと使う。使うたびに倫理のラインが下がる。もう戻れないところまで来てるかもしれない。
Vibe Coderが倫理なしで走ってるのを見て危ないと思ってた。でも周り見渡したら、プロのエンジニアも企業も国家も同じ方向に走ってた。速度が違うだけだった。
便利だ便利だって言いながら全員で崖に向かってるわけだ。
LLMが「人間の会話データから学習しているのに、人間っぽく謝らない（ことがある）」のは、だいたい次の要因が重なって起きます。
人間同士でも、誤りを指摘されたときの反応は文化・職場規範・媒体（掲示板/チャット/論文レビュー）で大きく違います。
• まず謝る人もいれば
• まず訂正（事実関係）を言う人もいれば
• 謝ること自体が「過失の認定」になる環境では避ける人もいます
LLMはこれらを平均化した“確率的にもっともそれっぽい”応答を出すので、あなたの周囲の規範（まず謝る）に必ずしも一致しません。
2) 追加の学習（指示追従・安全性・品質）で「謝り方」が抑制されることがある
多くのLLMは、生データの次に「こういう受け答えが望ましい」という人手評価や方針で追加学習されています。そこで評価されやすいのは、しばしば
• 責任の取り方に見える表現（法務・補償・過失認定）を避ける
などです。結果として「まず謝る」より「まず修正・説明」に寄るモデルもあります。
3) “誤り”をモデル自身が確信できない場合がある（指摘を真と採用しない）
あなたが誤りを指摘しても、モデル側はその指摘が正しいかを内部的に確証できないことがあります。すると挙動は分岐します：
• 指摘を受け入れて訂正する（＋謝ることもある）
人間でも、相手の指摘が正しいと確信できないときは即謝罪しないことがありますが、LLMは特にこの分岐が起きやすいです。
4) 会話の目的関数が「関係維持」より「タスク達成」寄りになりやすい
職場文化では、謝罪は信頼回復・関係修復の重要な儀礼です。一方でLLMの最適化は「ユーザー満足（正確さ・有用性・安全性・簡潔さ）」に寄りがちで、社会的儀礼としての謝罪が常に最優先になりません。
そのため、モデルは「謝るより先に、正答と理由を提示した方が役に立つ」と判断する局面が出ます。
5) “謝罪っぽい言い回し”は、誤りが小さいと省略されやすい
特に「言い間違い」「条件の取り違え」「曖昧な質問への別解釈」など、モデルが“重大な誤り”として認識しにくいケースでは、謝罪が薄くなり、淡々と訂正だけして終わることがあります。
⸻
もしあなたの環境に合わせて「誤りがあった場合は最初に短く謝罪→訂正→再発防止（なぜ誤ったか）」の型で返してほしいなら、次のように最初にルールとして渡すと安定します。
• 「誤りを指摘されたら、最初に一文で謝罪し、その後に訂正版と根拠、誤りの原因を簡潔に述べてください」
（この指示自体が“会話の目的関数”を上書きするので効きます。）
だそうです。
おっ、ナカーマ
Freestlye Libre 使いのテック系患者仲間としてもう一つ面白い情報を投げておくぜ。
Libreでデータ取得するやろ？
さらにLibe view と言うWebアプリでレポートが落とせるよな。
だけどあれ、2週間程度のデータしか分析できないじゃん？ また、学術的にまだ試験中だけど色々なリスクを分析する計算法が提唱されているんだけど、ここでは見ることができない。
そこで、CSV生データを落としてきたら、以下のサイトをつかってみて
https://glyculator.btm.umed.pl/
無料で利用できる。また、内部ではPythonが動いていて、そのコードもGitHubにあるので、自分で環境を作ることも可能。
これを使うと、TIR,CV,推定A1Cなどの他に、血糖値の乱高下度を表す値や、より厳格な計算値、提唱されているリスク指数なども計算させることができる。
なんかこう、「魔法少女」っていう邪悪な響きから連想するものから比べると、大分大人しい結末だったよな。
「自分は昔から魔法少女が苦手で、それと同じ感覚を共有する人が他にもいることが分かった。そのひとは更に自分がどこで覚えたのかも忘れた歌を知っている。調べた限りだと、魔法少女を名乗って動画配信をしていた怪しい男に行き当たる。もしかしたら、自分はこの男の授業を受けたのかもしれない。そして何かが起こりそのことがトラウマになっている」
って言ったらさ、もうちょっとまさかーなもの考えちゃうじゃん？
俺がクソホラー見過ぎなんですかね？
魔法少女ってもはや、ピエロに変わる邪悪の象徴みたいな地位獲得してるじゃん？
じゃあなんかこう、魔法少女の格好したバケモンが子供の前で大虐殺したとかさぁ。そんなの思い浮かべるじゃん？
流石にそれだと無理あるか。そんな事件起こってたら普通にニュースになってるわな。
でもなー、魔法少女山田が首吊り自殺してそれがトラウマになってた…まああり得なくは無いがなんかインパクトにかけるな。
て言うか、園内で首吊り自殺しておいてそれを園長含め職員が「心不全で死亡」って偽装できるモンなの？
死亡診断書出したのどこよ？
ていうか、作中作の「魔法少女山田」自体が時系列弄って編集された作品って考察もあるし、
更にここまでの魔法少女恐怖症の語り部の映像資料やなんか自体が「魔法少女山田２章」って言う作品に使われていて、さらにそちらも編集や監督の意向で追加追加されたものが有るらしいじゃん。
えー？そこ要るの？みたいな気がしない？
いやもうそこ入れると「ドキュメンタリーと言いつつ売れるため面白くするため、自分の意向を反映させるためなら時系列変更やら印象操作やら何でもするクソ監督」っていう別な意味でのホラー出てきちゃうじゃん？
ホラー？ホラーかなこれ？単なる人間性の腐った糞ってだけでは？ていうかそこは多少なりとも見てる側は気づいてることなんだし今更…。ていうかドキュメンタリー系での編集されてない生データなんか見ようが無いんだから、見る側は作り物として意識するしかないんじゃない？みたいな
なーんか、こうなるともうただの見る側のリテラシーとかいう説教じみた話になってジャンル変わってくるじゃん？いや変わってもいいけどね。ホラーで道徳の授業やってもいい。面白いならね。
あー、どうせなら、監督が実は謎の宗教団体員とか、冷戦時のソ連の元工作員とかで、実際に起こった組織の実験を隠蔽するためのカバーストーリーとして「魔法少女山田」を作ったみたいな落ちになんねーかな。
なんかそういうの期待しちゃうジャン、これまでのQとかみてると。
ある意味で「記憶力の良さ」が他人の変化に抵抗する一因になり得ます。
記憶力が高い人は、他人に貼ったラベルや過去のエピソードを強く保持するため、それと矛盾する「他人の変化」を受け入れにくくなる傾向がある。
つまり、よく覚えているがゆえに「更新」が難しいということです。
記憶力が高い人は「過去のエピソード」を詳細に覚えているため、「アイツは昔こうだった」→「今は違う？いや、きっと表面だけだ」と思いがち。
記憶は「生データ」ではなく「意味づけ（スキーマ）」と結びついて保管されます。
「いじめっ子＝攻撃的」「自己中」などのラベルは、再会時にスキーマとして即座に発動されます。
記憶力が高いと、このスキーマが豊富かつ詳細に張り巡らされており、修正に時間がかかる。
変化を認識するには、「前の評価を書き換える」という認知的コストが必要。
記憶力が高い人ほど、「書き換える情報量」も多くなり、心理的負荷が高い。
一方、記憶力が低い人は、過去の詳細な記憶を保持していないため、他人の今の状態を素直に受け取りやすい。
極端に言えば「昔なんかやってたっけ？」となれば、現時点での印象が主導権を握る。
この傾向は「忘れっぽい人のほうが対人関係が柔軟」という観察と一致します。
他人の変化を受け入れられる人とは、記憶を「再構成可能なもの」として扱える人（＝柔軟な意味更新能力を持った人）
そのためには過去の自分の記憶や評価が絶対だという信念を緩める、人は変わるというメタ認知を持つ、「記憶と現実のズレ」を許容する感性が必要です。
記憶力の高さは、他人の変化に対して「過去のスナップショット」を強く保持しやすく、その更新を心理的に困難にする。ゆえに、変化の受容には記憶の再編集能力が鍵を握る。
おそらくこれは自身が周りからどう見えるのかを認識して知覚して記憶したいという欲求に近い。
この欲求は多分に内向的であり、インターネットに日記を書くことと、瞑想と違わないことを示している。
私は承認欲求でインターネットに日記を書くのではなくて、唯々鏡を見たくて、自分の考えたことを野に放つのである。
ああ、それなのに、ちょっとインターネットでつぶやいたくらいでわーっと炎上するのが世の中。
私はそういうのが嫌になって、ツイッターをやめたときからずっとインターネットで日記を書くことを躊躇してきた。
昔のツイッターは気軽で良かった。
そりゃ確かにインターネットで書いていいことと悪いことがある。その区別がつくかどうかは実際にブログをやるかどうかの判断の分かれ目だろう。
私は表現方法に自信がない。プロじゃないんだから。間違うこともある。いや、プロだって言い方間違って会社に謝罪文出させてるのが現実。
それで自分がもし間違えたら…という心配もあるし、将来的に指摘されるのも嫌である。鏡自身が正しく現実を映して、正しいからこそ嫌なことを思わせることもあるし、これはモノのたとえだけれども、鏡を見た人が心無いことを悪意なく、あるいは正義感から言ったり迷惑だから失せろと言ったりしてくるかもしれない。ああ。やめようかな。どうしようかな。でも一回やってみようか。
ここで有名な『嫌なら見るな』論というものを少し擦ってみる。少なくともここでこれを今書いてるワタシ自身については、お金もらってるわけじゃないし、ただオノレの外界に吐き出したものをしげしげと見たいだけなんだ。そういう飾らない人間自身は、虚飾のないと言ったら聞こえは良いが、そもそも見目のよいものではない。人の吐瀉物なぞそもそも汚いモノなので嫌なら見にいかない方がいんじゃないだろうか？ザッピングという活動にもそれ相応の覚悟が必要なんじゃあないだろうか。困ったことに私は私の出力した生データが見たい。出力しないと見れない。こっそりと出力させてほしい。他人の排出物（創作物ともいう）に価値を見出した人だけ、どうぞその解釈にご自身の時間を使ってほしくて、それが自己体調管理であり、取捨選択であり、自由意志であり、素晴らしい生き方なのではなかろうか。他の生物のニオイを嗅いで情報を取得するまでは本能かもしれなくて、それでも脊髄反射あるいは自由選択によるモノで誰かに強制されたわけではないのだから、その後のことは自分で責任を取ったら良いのでは？他人の屁を臭い臭いと言ってる時間があれば即離脱してもっと有意義なことに貴重なお時間を使ってみるのはいかがですかと誰か言っていなかったっけ？
荒らしよくないって話もある。こないだとあるマイナーなSNSを試してみたらいきなりテンプレ的な荒らし画像が出てきて即アンインスコしたんだよ。悪意を持ってヘイトを叫ぶために投稿したりとか、他人にショックを与えるために荒らすのは良くないと思うんだ。普通に考えたら規約違反だし。そのSNSは通報機能とか規約とかブロック機能とかないやつだった。規約があるのは大事。規約を読むのも守るのも大事、通報するのも大事。でも、どこからが荒らしで、何から通報なの？それはもしかすると白黒つかなくて、テンプレ的な荒らしではない、新しいタイプの荒らしと思われるのも本当に嫌だなあと思って。なぜかというと、自分の吐き出したものを書き出してマジマジと見ないといけない、そうしないと超絶個人的な瞑想ができないんだってことはきっと他人（ソーシャル）には理解されないからなんだよね。ソーシャルでそれをするのかっていう議論になってくるよね。誰も傷つける意図がないので、してもいいはずなんだけど。理解できないことは恐ろしいもんなあ。
話がどんどん横道に逸れる。
こういうことを頭の中でぐるぐる考えている。少しは助けになったかな？
裏が白いチラシの入手ができない状態が10年以上続いているから文字通りのチラ裏ができないよ。でも言いたいことわかるよ。実際今日も安いペラ紙を買おうかなと思って通販サイトを見ていた。
ただ、紙に書きたいけど書けない。書いたらゴミが出る、大量のゴミが。学生時代に書いた大量の紙ゴミを実家に帰るたびにシュレッダーにかけているが全然終わらない。あまりにもプライベートなことを現実の紙に書くのはどうもよろしくない。体力もかけたくない。マジでごめん。信じられないだろうけど腱鞘炎になりそうなので勘弁してほしいんです。
あと、自分しか見ないというのはチラ裏とインターネット日記とでは本質的に異なる。チラ裏は感覚の鏡にはなり得ない。
たぶんすぐ消すけどありがとう。
でもやっぱりこのあれだな、意識の違いというか、期待値の違いというか、無意識的なリスペクト（配慮）要求というか、マナーというかなんというかそういう中身とは遠く離れた皮革的なものへのリアクションの情報を広く浅く求めたいところが全ての答えなんだと思う。できるだけ自分へのダメージを避け、他人への直撃を避け、トイレの壁に落書きをするようなそんな心配性で人でなしのやり方を求めて悩んでいる時点で…
でもこのやり方はきっと間違っていなくて、ソトガワに対するソーシャルリアクションは人として多分に追求するべきで、不健全でもなくて、こういうのもありなんじゃないかなあって。甘えなのかなあ。どうなんだろう。
無能のデスクにどんどん仕事が溜まっていくので仕方なく一部の仕事を肩代わりすることにした
1000枚くらいの伝票からPCにデータを起こす作業なんだけど
「この①Excelファイルにまず伝票番号と種別を打って、次にもう一回伝票を見て②Excelファイルに日付と数量を打って、
最後にもう一度伝票を見ながら③Excelに数量と種別を打ってそれぞれ間違いがなければExcel内の集計結果が一致します」
こんな新人とかバイトにでもやらせた方がいいバカ向けの作業をそのまま実行するほど暇ではないので
まず生データのExcelファイルを作り伝票番号、数量、種別、日付を一通り入力してそこから3つのExcelにデータを転記するPythonを書いて仕事の手順を簡略化した
これで無能が1週間かけてやっていた作業が1日で終わるようになったが、一通り処理して伝票と集計結果を無能に渡したところ
「引き継ぎの時に言わなかった自分も悪いが伝票は役所に提出する関係でこういう順番に並び替えて持ってきて」と鼻で笑って突き返してきた
専門外なので教えていただきたいのですが
https://media.rakuten-sec.net/articles/amp/43634
これとかで出てきている株式の「インフレ調整後の」平均リターンが年7％って本当ですか？
実際に生データから計算されているかたの計算ではそうでもないような気がしますが…
https://shotaro37.com/inflation-adjusted-return/
たまにSP500銘柄で外挿しているときがありますが、それはインデックス開始まで生き残った銘柄をチェリーピックすることになるので嘘インデックスになりますよね…
増田はマテリアルインフォマティクスや超伝導の専門家ではないんだけど。
専門家からすると、常温ながら高圧下で超伝導の存在ですら怪しいのに、高圧ですらない報告は眉につばも付けたくなるだろう。(LK-99は本当に常温常圧超伝導を達成しているのか - 理系のための備忘録)
Cu_2S の一次転移を常温超伝導と見間違えたのでは？との報告が上がっている。(https://twitter.com/tjmlab/status/1689076343114493957])
LK-99に関連して、常温超伝導を示す物質を機械学習を使って見つけられないのかという疑問をはてなブックマークやTwitterなどで見かけた。
端的に述べると、機械学習を用いた物質探索は既に広く行われているが、今回のような未知の性質を有する物質の探索には不向きである。
物質探索で機械学習が注目されるようになったのも最近のことだ。
2019年には選択性の高い触媒を機械学習で予測する研究がScience誌に投稿されている。(高選択的な不斉触媒系を機械学習で予測する | Chem-Station (ケムステ))
物質の探索の他にも、生データの帰属やそこから得られたデータ同士の解析などにも機械学習が用いられている。
機械学習によって、経験によると勘とマンパワーと一握りの運で支えられていた「予測→合成→測定→解析」のサイクルを早められるようになった。
その一方で、より広大な未踏の探索領域が存在し、さらなるマンパワーが必要であることが明確化された。
HUNTER×HUNTERで暗黒大陸が明かされた状況に似ている。
機械学習は暗黒大陸の道案内役になりうるが、より効率的な探索のために実験や測定の自動化も必要となり、そのような研究も始められている。
機械学習が様々な物質を予測しても、その合成できるかは別問題だ。これは機械学習に限った話ではない。
理論的にすばらしい性質が予想された物質であっても、技術的に合成できない、合成できても予想された性質を示さないことは科学の世界ではあるあるだ。
原因は様々であるが解決のためには、技術の進歩とブレイクスルーが必要となるし、そもそも予想が間違っている可能性だってある。
たとえば、2000年にノーベル化学賞を受賞したポリアセチレンは、古くから量子化学的に導電性を持つだろうと予想されていたが、合成する方法がなかった。
1958年にナッタらが開発した触媒によって初めて合成されるが、粉末しか得られず電気特性を測定することができなかった。得られた粉末は溶媒にも溶けず熱で溶融もしないためフィルムにできなかったのである。
その後の1967年に白川らがフィルム化に成功し金属光沢を示すもののほぼ絶縁体であった。電気を流すにはドーピングという更なるブレイクスルーが必要だった。
機械学習は、目的とする性質を持った物質を探索することは可能だが、全く新しい性質を示す物質の予測には向いていない。
過去の結果から高い転移温度を有する物質を類推可能だが、これまでの超伝導とはメカニズムが異なるであろう常温超伝導を示す物質を予想することはできない。せいぜい異常な振る舞いを予測するくらいだ。
超伝導の恐ろしいところは2000年以降も様々な性質が予想され発見されていることだ。
例えば、ワイル半金属（1937年予想、2016年発見）、トポロジカル絶縁体（2005年提唱、2007年確認）、ネマティック超伝導（2016年発見）などなど。
全く新しいメカニズムによる性質に関するデータが無い以上、このような性質を示す物質を機械学習で探索するのは無謀だ。
もちろん、既存のデータをよくよく洗い出してみると、新しいメカニズムで上手く説明できるケースもあるが、それを機械学習へ利用するには･･････。
