  |
はてなキーワード: 標準偏差とは
ワイ：
x = torch.tensor([
[1.0,2.0,3.0],
[4.0,5.0,6.0]
])
Claude3.5 Sonnet：
はい、channel-wise 正規化（チャネル方向の正規化）を行います。この場合、最終次元（dim=-1）がチャネルとなります。channel-wise 正規化では、各チャネルの平均を0、分散を1に正規化します。
import torch x = torch.tensor([ [1.0, 2.0, 3.0], [4.0, 5.0, 6.0] ]) # チャネル方向（最終次元）の平均と標準偏差を計算 mean = x.mean(dim=-1, keepdim=True) std = x.std(dim=-1, keepdim=True) # Epsilon を追加して、ゼロ除算を防ぐ epsilon = 1e-5 # 正規化を実行 x_normalized = (x - mean) / (std + epsilon) print("元のテンソル:") print(x) print("\n正規化後のテンソル:") print(x_normalized)元のテンソル: tensor([[1., 2., 3.], [4., 5., 6.]]) 正規化後のテンソル: tensor([[-1.2247, 0.0000, 1.2247], [-1.2247, 0.0000, 1.2247]])
ワイ：
x = torch.tensor([
[1.0,2.0,3.0],
[4.0,5.0,6.0]
])
ChatGPT o1-preview：
import torch x = torch.tensor([ [1.0, 2.0, 3.0], [4.0, 5.0, 6.0] ]) # Compute mean and standard deviation along the batch dimension (dim=0) mean = x.mean(dim=0, keepdim=True) std = x.std(dim=0, unbiased=False, keepdim=True) # Perform channel-wise normalization x_normalized = (x - mean) / std print("Normalized Tensor:\n", x_normalized)Output:
Normalized Tensor: tensor([[-1., -1., -1.], [ 1., 1., 1.]])Explanation:
Compute Mean:
The mean is computed along the batch dimension (dim=0), treating each column as a channel.
mean = x.mean(dim=0, keepdim=True)This results in mean = [[2.5, 3.5, 4.5]].
Compute Standard Deviation:
The standard deviation is computed along the same dimension with unbiased=False to match the sample size.
std = x.std(dim=0, unbiased=False, keepdim=True)This results in std = [[1.5, 1.5, 1.5]].
Normalize:
Subtract the mean and divide by the standard deviation for each channel.
x_normalized = (x - mean) / stdThis yields the normalized tensor with standardized channels.
Note: Setting keepdim=True ensures that the mean and standard deviation tensors have the same number of dimensions as x, which is necessary for broadcasting during subtraction and division.
ChatGPTの方が正しいよね？
俺は中学受験成功したけど、そこで「俺は地頭がいいからあんま勉強しなくても点が取れる」という成功体験を得て、中学以降の勉強が全然出来なくなったよ
>> 理系なのに数学力が２Bを必死に解いてるぐらいのレベルだったもの。
分子の構造式見ても使われている原子が分かるだけでどういう結合してるのかとかあんま分からんしな。
理系の学士名乗っていいレベルじゃないし、マジで終わってると思う <<
まあそりゃあそうだって話だよな。理系の大学行ったところで、そこで学んだことを活かせる人間がどれだけいるのか？というと少ないでしょ。
ただ、ネットの有象無象から政治家までよく口にする「文系なんか役に立たない」「文系の大学なんて遊んでるだけ」なる言説を見るたびに、「理系」って凄いんだな、学んだことを体得して役立てられているのだな、と感心してもいたのよ。非論理的な言説垂れ流して一部で識者扱いされている吉本芸人も工業高校出たというだけで理系面しているようだけど、その程度の人間にも理系学問を役立たせられるようにできる理系教育のノウハウは素晴らしいなと思っていたわけよ。自分は受験で数IIIc使ったし危険物と消防設備士の資格持ってて多少は物理化学も勉強したけど文系学部出なこともあってそんな胸張って役立てられると言える自信が無いので引け目を感じてもいたのよ。
友人に数学者とか情報工学者とか医者とか、学んだことを役立てられている連中がいるので、ちょっと勘違いしていたところもある。まあ彼らは「文系なんか役に立たない」なんて頭の悪いことは考えもしないわけだが。
一方でそんな頭の悪い言説にいちいち突っかかってる自分は勿論頭が悪いのだけど、ただやはり文系軽視って危険だと思うんだよね。
先にネットの有象無象と政治家を並置したけど、前者はまあどうでもいいが後者がそれを言うのは本当に危険。だって文系学問とは平たく言えば自然科学以外の社会科学と人文科学を指すと思うのだけど、それってつまり社会に生きる人間を扱う学問なわけでしょ？行政がそれを無視してどうすんねん。とりわけ社会学を敵視している人々を眺めると、公的扶助への憎悪が根底にあると思えてならない。
あるいは福祉大嫌い子ちゃんたちにも聞く耳持ってもらえるんじゃないかなと思う根拠を挙げると、ノーベル経済学者がその金融工学の理論を実践したヘッジファンドが「標準偏差１０個分の大異変」が起きたせいで破綻した件なんか良いでしょうね。経済はアニマルスピリットが働くので自然科学的手法だけだと大火傷しますよ。
勿論文系教育にも色々と問題があるけど、文系蔑視って極めて近視眼的だと思うし、そのくせ自称理系連中も案外大したことなかったり（繰り返すけど本当に頭のいい人、まさに理系の上澄みと言える人はそもそもそんな程度の低い対立には関わらないと思う）するので、どっちも尊重して学んでいければいいなと思います。
もっと具体的に言えば、統計を「平均」のことだと思い込んで、「分散」を考慮に入れて議論することができないから。
個々のデータと平均値の差の2乗の平均のこと。分散が大きいとデータのバラツキが大きい。
分散の平方根を「標準偏差」という。平均値を50とし、標準偏差を10とするようにスケールし直したデータをおなじみ「偏差値」と呼ぶ。
分布が正規分布に近い場合、凡そ68%が偏差値40〜60の間に収まる。また95%が30〜70の間に収まる。
もともとの日本の「一億総中流」のような、多様性を否定する信仰がさらに「平均以外に意味はない」というバイアスを強めている可能性がある。
日本人にはもともと「普通」を定義しその中に収まるという強い欲求があるために、たとえ義務教育で統計の基礎を学んでいても、その中から「平均」という普通の定義だけを学び、「分散」という多様性の定義を学ばない心理的取捨選択があるということだ。
増田自身、男女の能力差に関して「統計的に考えろ」とここに書いたら、「女は男より（平均で）下だと統計が言ってるんだ」と騒ぐやつばかりで話にならなかったことがある。
統計的に言えば、「普通」と言うのは、例えば偏差値40〜60のように平均以上以下に幅を持って定義しなければ意味がない。平均の周囲どれだけに何%が収まるのかという分散の発想なしに「普通」は本来定義できない。
「生活保護基準」と「相対的貧困ライン」は、それぞれ別の定義で、別の目的で作られた概念だが、結局は同じ層だよねってなることが学術的に知られている。
https://cir.nii.ac.jp/crid/1390853651279758080
相対的貧困ラインは「可処分所得（手取り）」が中央値の半分を下回る水準であり、これは収入格差が大きいほど当然拡大する。
欧州などは10%程度に抑えられているが、日本のように16%もの相対的貧困層がいる場合、「生活保護の本当に必要な人」は1000万人〜2000万人は見積もる必要があると統計を理解していれば必ずわかるのだ。
だから身体的にみりゃ男よりも女の方が弱者だ。どう足掻いたって弱者だ。
あるぞ。
小3〜中3までの国語と算数(数学)の学力は小6〜中3の算数(数学)以外は全て女子の方が平均値は高かった。
ただし、小3〜中3までの国語の平均の差が女子が+5pt近くあるのに対し、数学の差は女子が-2pt程度だった。
平均が女子よりも低い男子の標準偏差が大きかったら、女子よりも学力が低い男子が多いと可能性が高いわけだ。
・このため，ノーベル賞受賞者とか超優秀な人は男性が圧倒的に多くなる
ノーベル物理学賞、ノーベル化学賞、ノーベル生理学・医学賞の受賞平均年齢は日本では65歳だ。
受賞に至るまで平均25年かかっている。
25年前、日本はバリバリの男性社会だ。女子は大学に行くな、理系に行くな、結婚して子供を産めの時代。
というか25年前に40歳前後だった女性なんてそれこそ理系大学に行けてたら「珍しい」の部類だ。
その中で一握りの女子が頑張っていたとしても、結婚出産が壁になるし、ぶっちゃけここに至っては未だ男尊女卑なので…。
確かに男性の方が能力が高い人もいるかもしれないが、ノーベル賞に関しては単純に「男の方が能力が高いからと論じるにはまだ早い」である。
どちらかというとプロ棋士とかそっちの方がまだわかる。
・また，犯罪を犯して刑務所に入る人たちも男性が圧倒的に多くなる
こんばんは。
AI生成やイラストでやたらとでかい乳をお見かけするのだが、ちょっと引きます。当方メンズです。
標準偏差で上位2％にも入ろうかという巨はちょっと避けたいです。とはいえ、別にひんぬーファンではないので、そっちにも行きたいわけじゃないのです。
私はただ、ごくごく普通の（注: ここで言う普通は現実世界において普通にでかいの意味）乳がよござんす。具体的数値を出すと荒れ模様になってしまうのですが、たとえばCとかDとかです。
そこで調べたところ普通乳という言葉は牛乳の種類を表す言葉としてすでに使われているようなので却下。並乳や普乳という言葉もあるようです。並乳は牛丼っぽい。普乳は音がフツウに近い感じも相まってグッド。
今後は普乳などのタグ・キーワードがしっかりと流行ってほしいと思う所存。大きければ大きいほど良いという理屈はおかしい。普通に大きいが普通に一番良い。普乳でよいのです。
こんばんは。
AI生成やイラストでやたらとでかい乳をお見かけするのだが、ちょっと引きます。当方メンズです。
標準偏差で上位2％にも入ろうかという巨はちょっと避けたいです。とはいえ、別にひんぬーファンではないので、そっちにも行きたいわけじゃないのです。
私はただ、ごくごく普通の（注: ここで言う普通は現実世界において普通にでかいの意味）乳がよござんす。具体的数値を出すと荒れ模様になってしまうのですが、たとえばCとかDとかです。
そこで調べたところ普通乳という言葉は牛乳の種類を表す言葉としてすでに使われているようなので却下。並乳や普乳という言葉もあるようです。並乳は牛丼っぽい。普乳は音がフツウに近い感じも相まってグッド。
今後は普乳などのタグ・キーワードがしっかりと流行ってほしいと思う所存。大きければ大きいほど良いという理屈はおかしい。普通に大きいが普通に一番良い。普乳でよいのです。
同じく外資で首切りが当たり前の職場で働いている者ですが、大枠としては現在の方向性で良いと思います。
債券を一定程度持っていくのも良く、2000年以降のデータでバックテストをすると、SP500やオルカン等の株100％のポートフォリオより、株60～70％・債券30～40％のポートフォリオの方がボラティリティ（標準偏差やMax Drawdown）が大きく低下するので、債券を一定程度持っているのは良いと思います。
唯一変えた方が良いと思うのは現金比率が高いことで、50万円くらいにして、残りを東証上場の債券ETFを買うのが良いと思います。現状、おそらく債券比率は10％以下ぐらいかもしれませんので。
そんなに現金比率が低いと怖いと思われるかもしれませんが、某日系大手証券は保有資産の60％程度の額をかなりの低金利で借りられる証券担保ローンを提供しており、それだとWEB上から即日で融資を受けられるので、有事の際にはそのようなツールで対応ができます。外国株をお持ちのようですが、その資産をその某日系大手証券に移すときには手数料もかかりませんので、それを移すのが良いと思います。
この間、ソフトバンクの孫会長が「ChatGPTを使ったことがない人は人生を悔い改めたほうがいい」と何かのプレゼンで話していたらしいことを知った。
見下されたように感じて正直腹がたったのだが、ちょうど女の子とデートする予定がありどんなお店を選べばよいのかさっぱりだったので、ChatGPTに相談してみることにした。
生涯で彼女いた事無し22歳童貞の知見では手に負えないからビッグデータに頼ったのだが？無能やん。と、その時は思った。
その後、その女の子に告ったところ「あなたのことは恋愛とかそんな感じには見てない」的な理由で振られ、失意の中で卒業研究に励むある日、ふたたびChatGPTを使うこととなった。
実験で得た複数データのばらつきを評価することになった。こういった評価には、標準偏差が一般的に用いられている。標準偏差は高校１年（数Ⅰ）で習う内容だが、なぜ標準偏差でばらつきが評価できるのか、恥ずかしながらよく理解していなかった。特に、分散を求めるに当たりどうして２乗するのかサッパリだった。
公式だけ知りたければGoogle検索で十分だ。しかし、その公式の成り立ちや意味を調べようととしたとき、Googleオンリーだと結構難しくて時間がかる。複数のサイトを巡り、様々な情報を関連付けながら理解する必要があるからだ。
というわけでChatGPTの出番が来た。
私「標準偏差の求め方について教えてください」
ChatGPT「標準偏差は、データセット内の個々のデータ点が平均からどれだけばらついているかを示す尺度です。標準偏差を求める基本的な手順は〜（手順を５ステップに分けて丁寧にわかりやすく説明してくれる）」
私「分かりやすく説明してくれてありがとうございます。分散を求める過程で、なぜ平均の２乗するのでしょうか。」
ChatGPT「平均を２乗する理由は、主に以下の２つの目的があります。１．負の値の影響を排除する ２．ばらつきの大きさを強調する 〜中略〜 そして、標準偏差はその平方根を取ることで、元のスケールに戻します。」
私「なるほど！標準偏差は元のスケールに戻っているから、母集団と同じ単位で扱ってよいのですね？」
ChatGPT「はい、そのとおりです！」
目から鱗だった。コイツ有能じゃないか。私は学習塾でバイトをしているのだが、私が生徒に教えるよりも、教室にあるiPad渡して「chatGPTに聞いて」と言ったほうがよっぽど分かりやすくて良いじゃないかと。「AIに仕事を取られる！」と巷は大騒ぎだが、まさか自分の仕事が、直ちに危機的状況にあるとは思っていなかった。
しかしながら、実際に塾講師の仕事が絶滅することは無いと思われる。塾講師の仕事は「生徒にわからない所を教えること」と思われがちだが、実際には生徒のマネージャーという意味合いが大きいからである。
生徒が苦手な問題を見つけてカリキュラムを考える事はもちろん、宿題をやってこない生徒に居残りさせるとか、授業中に雑談したりスマホ弄ることを止めさせるとか、そういったフィジカルで泥臭い仕事が結構多い。そして、泥臭くて人間臭い仕事は、AIよりも人間が得意とする分野だ。
例えば、居残りしなければならない生徒が、授業後にしれっと帰ろうとしているとする。スマホの中にいるChatGPTが「居残りしましょう」とアラームを鳴らすのと、おいおい何帰ろうとしてるのかな？と生身の先生が声をかけるのとでは、生徒に与えられるプレッシャーが結構違うのではないだろうか。
大抵の児童/生徒はなかなか自主的に勉強できないものである。自主的に勉強できない生徒や児童に勉強をやらせるためには、適度なストレスをかける必要がある。ここで言う「ストレス」とは、叱りまくって体罰を与えるような暴力的なものではなく、自宅のリビングとは違って少し緊張感を感じる自習スペースとか、宿題やテストの出来栄えを授業で毎回チェックされるとか、そういったものである。そして、生徒の肉体的/精神的な体調を考慮しながら、適度なストレスを子供にかけるという価値は、学習塾が提供する価値として大きなウェイトを占めており、それは生身の人間だからこそできるものである。
そういった感じで、今後は生徒のマネジメント業としての性格が強くなりながら、学習塾のビジネスは今後も残り続けるものと思われる。多少なりとも雇用は減るだろうが、学生バイト講師の募集が減るくらいだろうし、（私の塾では）どの教室も万年人手不足なのでむしろ好都合だろう。
あと数ヶ月で辞めてしまうバイトだが、私は自分の仕事に価値を感じられて満足した。しかし、研究室を出て駅に向かう道中、歩きながらもうしばらく考えたとき、AIが教育に与える影響はかなりヤバイのではないかと思うようになった。
近い未来、というより現時点で既ににそうなっているが、分からないところを教えるのはAIがやってくれる。お金も時間もかからないChatGPTが、塾や学校の先生より分かりやすく解説してくれる。自主的に勉強できる子供はchatGPTを始めとしたAIをどんどん活用し、今まで以上に短い時間と少ない出費で、ぐんぐん成績を伸ばしていく。家庭では子供の勉強にかかるコストを抑えられるから、スポーツなどの課外活動によりお金をかけることができる。子供は課外活動で様々な経験を得られ、勉強以外の能力もどんどん身につき、文武両道なエリートとして育っていく。
しかし、自主的に勉強できない不まじめな生徒はどうだろうか。自主的に勉強をやらないためプロによるマネジメントを必要とし、学習塾に入れられることになる。学習塾での勉強は金銭的にも時間的にも重荷だが、AIを活用できる優秀な生徒には追いつけず、何もしないよりはマシな程度に留まってしまう。一方課外活動については、学習面にかかる金銭的・時間的なコストの圧迫を受け、こちらも満足いかないものになり、中途半端なレベルに留まってしまう。
子供が大人に成長し、社会に出てからもそれは続く。要領がよくやる気がある人間は、学生時代から使い慣れたAIを活用して沢山のことを学びながら、ガンガン仕事をさばいていく。それができない人間は取り残され、仕事を選べなくなり、さらに希望を失う。「AIに仕事を奪われる」と言われるものの、実際に仕事を奪うのはAIそのものではなく、AIにより教育されたエリートである。
もちろん、こういった格差はずっと昔からあった。そして、今現在もある。だが、これがAIによってますますエスカレートしたらどうなるか。
現在の日本は、大学新卒以降になると格差を覆すことが難しい社会である。だがそれは、居住地や親の太さなどの運要素はあるものの、一念発起して大学受験と新卒就活さえ頑張れば、何とか逆転できる社会でもある。
しかし、それがAIにより教育格差が促進され、小学校卒業時点に開いた差が永遠に縮まらないような社会になってしまわないだろうか。思春期が過ぎ、自分の性格を理解しながら理性を持って行動できるようになる頃、心を入れ替えて頑張ろうと思ったとしても、その時には何もかもがAIエリートには敵わなくて格差を覆せない。そんな状況になってしまわないだろうか。
１０歳かそこら、いや、それよりも幼い年齢の時に、何かに興味を持つような性格か否か。自主性を持って物事に取り組めるか否か。新しいものを工夫して使おうと思うか否か。そして、これらの重要性を理解し、子供を誘導できる力量の両親をもっているか否か。
未熟な子供時代の性格と、両親の教育レベルの違いが、大きな格差を決定させてしまう社会。人として成熟した頃に気づいたとしても、何も為す術が無いような社会。そして、それが世代を重ねるごとに加速してゆく社会。
この間、ソフトバンクの孫会長が「ChatGPTを使ったことがない人は人生を悔い改めたほうがいい」と何かのプレゼンで話していたらしいことを知った。
見下されたように感じて正直腹がたったのだが、ちょうど女の子とデートする予定がありどんなお店を選べばよいのかさっぱりだったので、ChatGPTに相談してみることにした。
生涯で彼女いた事無し22歳童貞の知見では手に負えないからビッグデータに頼ったのだが？無能やん。と、その時は思った。
その後、その女の子に告ったところ「あなたのことは恋愛とかそんな感じには見てない」的な理由で振られ、失意の中で卒業研究に励むある日、ふたたびChatGPTを使うこととなった。
実験で得た複数データのばらつきを評価することになった。こういった評価には、標準偏差が一般的に用いられている。標準偏差は高校１年（数Ⅰ）で習う内容だが、なぜ標準偏差でばらつきが評価できるのか、恥ずかしながらよく理解していなかった。特に、分散を求めるに当たりどうして２乗するのかサッパリだった。
公式だけ知りたければGoogle検索で十分だ。しかし、その公式の成り立ちや意味を調べようととしたとき、Googleオンリーだと結構難しくて時間がかる。複数のサイトを巡り、様々な情報を関連付けながら理解する必要があるからだ。
というわけでChatGPTの出番が来た。
私「標準偏差の求め方について教えてください」
ChatGPT「標準偏差は、データセット内の個々のデータ点が平均からどれだけばらついているかを示す尺度です。標準偏差を求める基本的な手順は〜（手順を５ステップに分けて丁寧にわかりやすく説明してくれる）」
私「分かりやすく説明してくれてありがとうございます。分散を求める過程で、なぜ平均の２乗するのでしょうか。」
ChatGPT「平均を２乗する理由は、主に以下の２つの目的があります。１．負の値の影響を排除する ２．ばらつきの大きさを強調する 〜中略〜 そして、標準偏差はその平方根を取ることで、元のスケールに戻します。」
私「なるほど！標準偏差は元のスケールに戻っているから、母集団と同じ単位で扱ってよいのですね？」
ChatGPT「はい、そのとおりです！」
目から鱗だった。コイツ有能じゃないか。私は学習塾でバイトをしているのだが、私が生徒に教えるよりも、教室にあるiPad渡して「chatGPTに聞いて」と言ったほうがよっぽど分かりやすくて良いじゃないかと。「AIに仕事を取られる！」と巷は大騒ぎだが、まさか自分の仕事が、直ちに危機的状況にあるとは思っていなかった。
しかしながら、実際に塾講師の仕事が絶滅することは無いと思われる。塾講師の仕事は「生徒にわからない所を教えること」と思われがちだが、実際には生徒のマネージャーという意味合いが大きいからである。
生徒が苦手な問題を見つけてカリキュラムを考える事はもちろん、宿題をやってこない生徒に居残りさせるとか、授業中に雑談したりスマホ弄ることを止めさせるとか、そういったフィジカルで泥臭い仕事が結構多い。そして、泥臭くて人間臭い仕事は、AIよりも人間が得意とする分野だ。
例えば、居残りしなければならない生徒が、授業後にしれっと帰ろうとしているとする。スマホの中にいるChatGPTが「居残りしましょう」とアラームを鳴らすのと、おいおい何帰ろうとしてるのかな？と生身の先生が声をかけるのとでは、生徒に与えられるプレッシャーが結構違うのではないだろうか。
大抵の児童/生徒はなかなか自主的に勉強できないものである。自主的に勉強できない生徒や児童に勉強をやらせるためには、適度なストレスをかける必要がある。ここで言う「ストレス」とは、叱りまくって体罰を与えるような暴力的なものではなく、自宅のリビングとは違って少し緊張感を感じる自習スペースとか、宿題やテストの出来栄えを授業で毎回チェックされるとか、そういったものである。そして、生徒の肉体的/精神的な体調を考慮しながら、適度なストレスを子供にかけるという価値は、学習塾が提供する価値として大きなウェイトを占めており、それは生身の人間だからこそできるものである。
そういった感じで、今後は生徒のマネジメント業としての性格が強くなりながら、学習塾のビジネスは今後も残り続けるものと思われる。多少なりとも雇用は減るだろうが、学生バイト講師の募集が減るくらいだろうし、（私の塾では）どの教室も万年人手不足なのでむしろ好都合だろう。
あと数ヶ月で辞めてしまうバイトだが、私は自分の仕事に価値を感じられて満足した。しかし、研究室を出て駅に向かう道中、歩きながらもうしばらく考えたとき、AIが教育に与える影響はかなりヤバイのではないかと思うようになった。
近い未来、というより現時点で既ににそうなっているが、分からないところを教えるのはAIがやってくれる。お金も時間もかからないChatGPTが、塾や学校の先生より分かりやすく解説してくれる。自主的に勉強できる子供はchatGPTを始めとしたAIをどんどん活用し、今まで以上に短い時間と少ない出費で、ぐんぐん成績を伸ばしていく。家庭では子供の勉強にかかるコストを抑えられるから、スポーツなどの課外活動によりお金をかけることができる。子供は課外活動で様々な経験を得られ、勉強以外の能力もどんどん身につき、文武両道なエリートとして育っていく。
しかし、自主的に勉強できない不まじめな生徒はどうだろうか。自主的に勉強をやらないためプロによるマネジメントを必要とし、学習塾に入れられることになる。学習塾での勉強は金銭的にも時間的にも重荷だが、AIを活用できる優秀な生徒には追いつけず、何もしないよりはマシな程度に留まってしまう。一方課外活動については、学習面にかかる金銭的・時間的なコストの圧迫を受け、こちらも満足いかないものになり、中途半端なレベルに留まってしまう。
子供が大人に成長し、社会に出てからもそれは続く。要領がよくやる気がある人間は、学生時代から使い慣れたAIを活用して沢山のことを学びながら、ガンガン仕事をさばいていく。それができない人間は取り残され、仕事を選べなくなり、さらに希望を失う。「AIに仕事を奪われる」と言われるものの、実際に仕事を奪うのはAIそのものではなく、AIにより教育されたエリートである。
もちろん、こういった格差はずっと昔からあった。そして、今現在もある。だが、これがAIによってますますエスカレートしたらどうなるか。
現在の日本は、大学新卒以降になると格差を覆すことが難しい社会である。だがそれは、居住地や親の太さなどの運要素はあるものの、一念発起して大学受験と新卒就活さえ頑張れば、何とか逆転できる社会でもある。
しかし、それがAIにより教育格差が促進され、小学校卒業時点に開いた差が永遠に縮まらないような社会になってしまわないだろうか。思春期が過ぎ、自分の性格を理解しながら理性を持って行動できるようになる頃、心を入れ替えて頑張ろうと思ったとしても、その時には何もかもがAIエリートには敵わなくて格差を覆せない。そんな状況になってしまわないだろうか。
１０歳かそこら、いや、それよりも幼い年齢の時に、何かに興味を持つような性格か否か。自主性を持って物事に取り組めるか否か。新しいものを工夫して使おうと思うか否か。そして、これらの重要性を理解し、子供を誘導できる力量の両親をもっているか否か。
未熟な子供時代の性格と、両親の教育レベルの違いが、大きな格差を決定させてしまう社会。人として成熟した頃に気づいたとしても、何も為す術が無いような社会。そして、それが世代を重ねるごとに加速してゆく社会。
