  |
はてなキーワード: 汎用性とは
はてなブックマークの増田一覧の、さらに「すべて」(1 user)をチェックしている希有な人向けのユーザースクリプトを公開します。
https://b.hatena.ne.jp/site/anond.hatelabo.jp/?sort=eid
// ==UserScript== // @name Hatena Bookmark Anond Filter // @namespace https://b.hatena.ne.jp/site/anond.hatelabo.jp/ // @description はてなブックマークの『はてな匿名ダイアリー』の記事のうち、指定したキーワードが含まれる投稿を非表示にします。 // @match https://b.hatena.ne.jp/site/anond.hatelabo.jp/* // @grant none // @version 1.0.2025.12.09.0001 // ==/UserScript== (function(){ const SCRIPTID = 'HatenaBookmarkAnondFilter'; console.time(SCRIPTID); const ONCE = 1, AP = 2, INTERVAL = 3;/*適用タイミング*/ const KEYWORDS = [ 'dorawii', 'あおやまちゃん', 'ボスマン', 'れめくん', '自己放尿', 'boushi_inst', 'hakaikami',/*電気通信大学駿河台大学鉄道研究会れめくん自己放尿(頻出)*/ /*A-G*/'/akibakko6348', '/anapgoeson', '/asapgoeson', '/buscholarx', '/circlecavok', '/disney1007cla', '/dora22sibuya', '/donkotrain', '/fft_dareka', '/gmhtcyznf_abc', /*H-N*/'/h13_yokohama', '/h2twi', '/hinolovelove', '/inte235dy', '/kaoru_ai1991', '/kiha2228', '/kqlex1500', '/kurotamaxxx', '/kt_ruma_1372', '/lightningreen77', '/minamihinawot', '/minori0151', '/mukoroku651', '/nanpyong', '/nimouec', '/norannnde', /*O-U*/'/oreizmmiporin', '/pasotokon', '/pm95uq', '/reme_kun', '/s03_amurtk2731', '/seisu_bot', '/senanana_cos', '/shinano_115', '/soroisoroi', '/tarotaromusic1', '/tx9y2cpwdz27255', '/uec15take', '/uecrail', /*V-Z_0-9*/'/wakasato_', '/yuuya_1104_uec', '/100mph_no_yuuki', '/2rtkvn34il2783', /*tadaup.jp*/'/CGTtm0Ev.jpeg', '/CIxj8clS.jpeg', '/CqbERPdQ.jpeg', '/CTZsA2wM.jpeg', '/CWY2m7rS.jpeg', 'テクウヨ', ].map(w => w.toLowerCase()); const sites = { 'prefix': [ ['selector', 'modifier', 'REPEAT', '(css)'], ], 'https://b.hatena.ne.jp/site/anond.hatelabo.jp/': [ ['li.js-keyboard-selectable-item', li => KEYWORDS.some(w => (li.textContent.toLowerCase().includes(w)) && (li.querySelector('li.entrylist-contents-category > a').textContent = w) && (!li.classList.add('filtered'))), AP, `.filtered{display: none;}`], ], }; const rules = sites[Object.keys(sites).find(prefix => location.href.startsWith(prefix))]; if(rules === undefined) return console.log(SCRIPTID, 'Not found any sites.'); const modify = function(selector, modifier){ const elements = document.querySelectorAll(selector); elements.forEach(modifier); }; /* ONCE(一括適用) */ rules.forEach(rule => { const [selector, modifier, repeat, css] = rule; console.log(SCRIPTID, 'ONCE:', selector); modify(selector, modifier); if(css){ const style = document.createElement('style'); style.dataset.script = SCRIPTID; style.type = 'text/css'; style.textContent = css; document.head.appendChild(style); } }); /* AP(AutoPagerize) */ rules.filter(rule => rule[2] === AP).forEach(rule => { const [selector, modifier, repeat] = rule; document.addEventListener('GM_AutoPagerizeNextPageLoaded', e => { console.log(SCRIPTID, 'AP:', selector); modify(selector, modifier); }); }); /* INTERVAL */ rules.filter(rule => rule[2] === INTERVAL).forEach(rule => { const [selector, modifier, repeat] = rule; setInterval(function(){ console.log(SCRIPTID, 'INTERVAL:', selector); modify(selector, modifier); }, 1000); }); console.timeEnd(SCRIPTID); })();
検索用: はてなブックマーク はてブ はてな匿名ダイアリー 増田 スパム キーワード NGワード フィルター ミュート 非表示 削除 隠す ブロック ユーザースクリプト ユーザースタイル hatena bookmark anond spam keywords ngwords filter mute hide hidden display none block userscript JavaScript js css style
高市総理「働いて×5」流行語大賞受賞が左派界隈で大きく炎上する傍ら、もう1つの炎上が起きていた。ｴｯﾎｴｯﾎ構文でパクツイ犯が勝手に表彰されたというものだ。
どう炎上していたかは後で解説するとして、初めに結論を書くと授賞式で表彰された「うお座」氏は紛れもなくｴｯﾎｴｯﾎ構文の創始者である。炎上は完全な冤罪だ。
事実として、ｴｯﾎｴｯﾎ構文は彼の3つのネタツイから始まった。
ｴｯﾎｴｯﾎ
ｴｯﾎｴｯﾎ
ｴｯﾎｴｯﾎ
ｴｯﾎｴｯﾎ
【なぜ？】
ｴｯﾎｴｯﾎ
あの子に嫌いって伝えなきゃ
ｴｯﾎｴｯﾎ
1つ目と3つ目はうお座氏のサブ垢@selfsatisfac、2つ目の投稿は本垢の@zlatanera17から投稿されている。どうも、クセのあるネタはサブ垢から、万人受けする本命のネタは本垢から投稿するという運用のようだ。
ネットミームには、人々の中で伝播する中で徐々に形を変えていったものと、原型がほぼそのまま流通するものと２種類ある。ｴｯﾎｴｯﾎ構文は後者だ。ｴｯﾎｴｯﾎ構文のほぼ全ての要素がうお座氏のツイートに詰められている。
まず、最初の「たかみなの具合が悪いから〜」の段階で、「ｴｯﾎｴｯﾎ (任意の内容伝える) ｴｯﾎｴｯﾎ」という構造となっている。
流行語大賞の選評でも、
と述べられているように、これこそがｴｯﾎｴｯﾎ構文のコアの独創性である。
次に、本垢から投稿されたうお座氏の最も拡散されたｴｯﾎｴｯﾎ投稿では、「可愛らしい子供がお母さんに頑張って何かを伝えようとしている」というｴｯﾎｴｯﾎ構文のイメージが確立している。
ｴｯﾎｴｯﾎ構文に詳しくない人向けに例をあげると、うお座氏の後にｴｯﾎｴｯﾎ構文で最もバズったツイートの1つである霜田氏のツイートも、このイメージを継承するものだ。
ｴｯﾎｴｯﾎ
ｴｯﾎｴｯﾎ
最後に3つ目の「あの子に嫌いって伝えなきゃ」で「伝えなきゃ」というフレーズを使用している。ｴｯﾎｴｯﾎ構文は現在では、「伝えないと」ではなく「伝えなきゃ」という形を取るものが主流だと思われるが、これもうお座氏が初である。
ｴｯﾎｴｯﾎ構文を使用したネット大喜利は、うお座氏のこの3つのツイートがバズったことで始まった。
日本時間2025年2月24日21時までの「ｴｯﾎｴｯﾎ」検索結果
うお座の最初のツイートは2月24日4時7分、3つ目のツイートは15時42分投稿のものだが、
うお座氏以外でｴｯﾎｴｯﾎ構文を使い始めたのは、24日16時58分のツイートが初で、それまではうお座氏以外にｴｯﾎｴｯﾎ構文使いは存在しない。
誰もが参加できるｴｯﾎｴｯﾎ構文ネット大喜利が自然発生したのは、うお座氏が3つの巧みなネタツイをそれぞれバズらせることで構文としての汎用性を立証したからこそなのだ。
ｴｯﾎｴｯﾎ構文の生みの親がうお座氏であるという明白な事実があるにもかかわらず、ネット民は別のツイッタラー「はじめ」氏をエッホエッホの「始祖」と崇め、うお座氏らを「パクツイで受賞」「ミームの横取り」「お前らが受け取るべきじゃないって伝えなきゃ」などと中傷している。
しかし「はじめ」氏がエッホエッホの「始祖」だというのは、デマである。
端的に、初出でもなければ拡散もされていないからである。彼はエッホエッホのブームが一通り落ち着いた2025年6月に「てかエッホエッホってほぼおれ発祥やったよな」とツイートしたことで、この構文の起源だという認識を獲得した。しかし丁寧に検証すれば、これは不当な「あれ俺」主張であるとみなさざるを得ない。
運動するか
えっほっえっほっ
このツイートが真の起源であると誤って信じられた理由について、1つ1つ解体していこう。
これは誤った推論である。なぜならばこのツイートは2025年6月に投稿者が「あれ俺」主張するまではほぼ知られていなかったからだ。
現に、うお座氏のオリジナルのｴｯﾎｴｯﾎ構文ツイートが投稿された2月24日までの、はじめ氏のツイートの公開リツイート数を取得するとわずか1件しかリツイートされていない。
念の為、はじめ氏が2022年に投稿した類似内容のツイートについてもリツイート数を取得すると、9件である。身内にはウケたのかなという程度の数字だ。
検索する限り、うお座氏とはじめ氏の間にリプライ/RTなどの交流は確認できないので、合計10RTしかないツイートに依拠したと考えるべき理由は何も存在しない。
2021年10月に画像を日本で画像を話題にしたのははじめ氏ではなく、およそ4万RTを記録した最多情報局（@tyomateee）の投稿である。アカウント名でわかる通り、これは転載系のアフィアカウントであり、この元ネタは英語圏で同じく4万RTを記録したRosi@rosiyesrosiの投稿だろう。
なんにしろ、はじめ氏は、海外でバズった投稿の画像を転載して日本でバズった投稿をさらに転載して投稿しただけであり、発掘の功はまったく存在しない。
あの写真を見て「えっほえっほ」と形容したくなるのは日本人にはある程度普遍的な感覚らしく、2021年10月だけで少なくとも4人が同じ投稿をしている。はじめ氏は3番目だ。
仮に、「えっほえっほ」という文字列に何らかの尊重されるべき新規性を見出すのであれば、中でも最古と考えられるジロ助🐶🐾氏の投稿を称えるべきであろう。
とはいえ、こういうある程度誰でも思いつく発想を個人に紐づけてしまうのは望ましくない。新規性はないと考えるのが常識的な結論だろう。ちなみに、2025年2月でも写真に対する「えっほえっほ」という反応はうお座氏の前に2件発見できる。
流行語大賞表彰者に対する異議の声は、パクツイデマが発生する前から大きかった。理由はおそらくTikTok文化への反感である。
表彰写真には「うじたまい」と「うお座」の2人が並んでいた。両方白系の服で陽の雰囲気を漂わせており、ぺことりゅうちぇるのようなコンビを思わせるところである。
そして「ｴｯﾎｴｯﾎの歌」の作者うじたまい氏は、TikTok/YouTube文化の人間である。ゆえに、X民側のはずのうお座氏もまとめてTikTok民の仲間か何かだと思われてしまったのだ。
「Xで生まれたミームなのにTikTok勢が表彰されやがって」これが、初期の異議の背景にあった感情である。
また、うじたまい氏が一部Twitter民から「ミームを終わらせた人」と敵視されていたことも、反感感情を燃え上がらせた。
しかし、うじたまい氏が「ミームを終わらせた人」だという評価は妥当なのだろうか。動画文化圏には土地勘がないので、本稿ではうじたまい氏の表彰が適切だったか本格的に検証するのは範囲外とするが、明らかな事実として「ｴｯﾎｴｯﾎの歌」でミームは終わっていない。むしろ、ミームとしてのピークは「ｴｯﾎｴｯﾎの歌」の後に来ている。
Googleトレンドを確認しよう。人気度の動向では２つの山がある。まずひとつ目の山はｴｯﾎｴｯﾎ構文が生まれた2月末、人気度47である。ここから徐々に人気度は下がるが3月第3週に反転、4月初旬の人気度は100、ｴｯﾎｴｯﾎミームの人気度のピークである。
うじたまい氏の「ｴｯﾎｴｯﾎの歌」は3月1日TikTokとYouTubeに投稿され、YouTubeでは1,459万回再生されている。私としてもなにがおもしろいのか全くわからないネタでありTwitter民が冷めたと感じるのは理解できるのだが、再生数は正義だ。
ミームのピークがこの後4月に来ることを考えると、Twitterよりさらに活力のあるTikTok/YouTubeにミームを移植したという功績は大きい可能性が高いのではと思う（なお動画化の初出については調査していないので、より適切な人選がある可能性については留保する）。
そんなこんなで表彰の人選に対して疑問の声が集まる中、「エッホエッホは火付け役はうお座でミーム終わらせたのがうじたまいで始祖この人だよね 」と、はじめ氏のツイートが紹介されたのである。これがパクツイデマの発端であるが、ここまでは火付け役としてうお座氏の功を認めており、パクツイまでは認定していない。
本格的にうお座氏にパクツイの冤罪が着せられるようになったのは、有力ネタツイッタラー「理解のある蟹くん」氏の投稿がきっかけである。
理解のある蟹くん氏は、はじめ氏に対し「流行語大賞おめでとうございます 」と皮肉げに祝福し、続けて、証拠としてあるスクショを掲げて、うお座氏を「親父気をつけろ 奴は他人のツイートを盗む」と誹謗した。
つまり、ネタツイッタラーのうお座はパクツイ常習犯であり、ｴｯﾎｴｯﾎもその一部だと言わんとしたのである。
しかし、理解のある蟹くん氏のスクショを見てみると、これはうお座氏の素行の悪さの立証には到底なっていないと思われる。スクショの内容を文字化すると以下のとおりである。
1. 5月26日、理解のある蟹くん氏が、「ANA機内騒動、ドア開けようとする御奈新日ヶ万出」というGrok自動生成ニュースのスクショをコメントなしでUPする。66リツイートされる。
2. 6月9日、うお座氏が「これ何だったんだ」というコメント付きで同じスクショをあげる。コラでなく実際に見たとも主張する。1,271リツイートされる。
検討しよう。まず、そもそもコラでなければうお座氏のツイートになにも問題はないので、これは理解のある蟹くんの作成したコラであったのだろう。が、コラであるという注記はどこにもない。Grok自動生成見出しに誤りが多いことはよく知られた事実であるので、これを見た人は本物のスクショであると誤認したとしてもある程度やむを得ない。
そして、うお座氏/理解のある蟹くん氏ともにネタツイッタラーであり、他人がUPした画像を転載しておもしろいコメントをつける芸で人気を集めている。当然、日々ネタツイ芸に使える画像を大量に集めていることだろう。おそらく、うお座氏の画像ストックの中に理解のある蟹くん氏のコラが混ざっていて、後日ネタツイを考えているときに記憶違いでコラを実際に見たものと誤解してしまったのではないか。ネタツイッタラーにありがちなミスだろう。
なんにせよ、理解のある蟹くん氏がこれをパクツイだと感じたならば、この件に限ってクレームをつければいいのであり、デマに乗っかってこれ幸いと競合ネタツイッタラーを貶めようとする行為に正当性はない。ネタツイッタラーの倫理として、ライバルにはデマではなくネタを以って勝利すべきだ。
一度、パクツイと思い込んでしまえば、中傷は止まらない。中傷ツイートのなかには数万規模でいいねを集めたものも複数存在した。
例えば、“空也上人像”コスプレで有名なクリエイター、中埜氏は2人の写真を晒し上げ、以下のようにツイートした。
パクツイ犯として、一生風当たり強く生きてほしいですね。
願うことなら、「デマに真に受け、人の顔をデジタルタトゥーにしようとした人」として、一生風当たり強く生きてほしいものである。
またライブドアニュースの投稿には一時「初出は『うお座』氏ではありません」というコミュニティノートが付いた。少数の人間の地道なデマ訂正の努力もあり、このコミュニティノートは現在消えているが、「集合知」に依存するコミュニティノートの脆弱性が露わになったと言えるだろう。
このような記事を作るとおそらく、「ネットミームの初出がなにかなんてどうだっていい」「初出なんて明らかにするなみんなのものだ」のような反応があるだろう。それはそれでいいと思う。一貫性をもたせることができるならの話だが。
実際は、言葉に反して多くの人は初出をそれなりに尊重している。尊重しているからこそパクツイなる言葉で人を責めようとするのだ。すべてが匿名であった2ちゃんねるの時代と違い、ツイッター時代のネットミームはそこそこ高い精度で初出を辿ることができる。ネットミームに対する倫理は当然に変化している。自分に都合よく、あるときはパクツイあるときはみんなのものと、倫理のつまみ食いをするのはいけない。
多くの人がデマに騙された理由としては、ネットは自分の庭であり流行語大賞なんかにはわかるはずがないという驕りもあるだろう。思い出すのはだいしゅきホールド三国陣事件の顛末である。医学博士号を持つ科学者で、ネットでは科学啓蒙者としても活動していた高山理図先生は、だいしゅきホールドの起源を僭称した友人である三国陣氏を信じ庇ってしまったことで、今もなおネット空間で中傷を受けている。しかし今回の事件で起源僭称者を祭り上げ庇ったのは誰だったのか、ネット民多数派ではないのか。三国陣事件を風化させないという題目掲げながら、起源僭称者を称える倒錯に至る宿痾を一度考え直すべきではないだろうか。
はてな匿名ダイアリーには、記載できるURL数に制限があるのでいくつかのURLを省略した。大方は以下から確認できるはずである。
ｴｯﾎｴｯﾎとは (エッホエッホとは) [単語記事] - ニコニコ大百科
「玉ねぎとじゃがいもとにんじんと肉を炒めたもの」がやたらと万能なのは、複数の料理文化にまたがる基礎構造（ベース）をすでに満たしているからです。
もう少し整理して考えると、その万能性は次のような理由から説明できます。
玉ねぎ・じゃがいも・にんじん・肉という組み合わせは、カレー、シチュー、肉じゃが、ポトフ、ボルシチ、ビーフシチュー……といった多くの煮込み料理の基礎とほぼ一致します。
• 旨味とコク（肉）
この四つが揃うと、どんな煮込みでも「最低限のおいしさ」が形成されてしまうため、スープでも和風でも洋風でもカレーでも成立してしまうのです。
玉ねぎ・じゃがいも・にんじんはいずれも、クセが弱く、煮込むほど甘味が増え、出汁を吸う性質を持ちます。
つまり、
• どんなスパイスにも合う
• どんな出汁にも合う
• 肉の脂とも相性が良い
という、味の器としての柔軟性が高い食材です。
この「受け皿」の広さが、どんな方向性の料理にもついていける原動力です。
• 肉の脂が溶け、コクが油に移る
つまり、“炒めた段階”でもう「料理としての芯」ができているため、あとは液体と調味料を足すだけで各国料理に変換できるわけです。
つまり、
同じ素材でも、調味料と液体の組み合わせを変えるだけで別ジャンルにワープできるのです。
• 炒めることで旨味の基盤が完成している
という、
AIにとっては、Pythonのような中間表現を生成させる方が得意であると考えられます。
中間表現（Pythonなど）: 人間が理解しやすいように設計されており、抽象度が高いです。AIは、より少ないトークンで複雑なロジックを表現でき、学習データも豊富にあるため、意味的な整合性やロジックの正確性を保ちやすいです。
機械語: 抽象度が非常に低い（CPUの命令レベル）です。特定のCPUアーキテクチャに依存し、メモリ管理やレジスタ割り当てといった低レベルの詳細をすべて正しく処理する必要があります。これはAIにとって学習が複雑で、小さなミスがプログラム全体の破損につながりやすくなります。
中間表現: 比較的長いコンテキストを保持しやすく、デバッグやエラーの特定も高レベルで行えます。
機械語: 必要な命令数が多くなりがちで、AIが長大なバイナリシーケンスを生成する際に、コンテキストウィンドウ内に必要な情報すべてを保持しきることが難しくなる可能性があります。また、中間表現と比べて意味的な構造が薄いため、AIがバグのないコードを生成するのが格段に困難になります。
中間表現: Pythonのような高級言語は、特定のハードウェアに依存しないため、移植性が高いです。
機械語: 特定のアーキテクチャ（例: x86, ARM）に完全に依存するため、AIが異なる環境向けにコードを生成する場合、それぞれのアーキテクチャごとに学習と生成を行う必要があり、汎用性が低くなります。
現在のAI（特に大規模言語モデル）の能力は、人間が扱う高レベルの抽象的な概念やロジックの理解に優れているため、その能力を最大限に活かせる中間表現の生成の方が得意です。
機械語の生成は、極めて精密で低レベルな制御が要求されるため、AIにとってはるかに難易度が高いタスクとなります。
AIが中間表現を生成した場合でも、その後の処理（コンパイルやJITコンパイル）によって最適化され、最終的な機械語が生成されます。
これは従来のコンパイラ設計と同じアプローチであり、AIは「何をすべきか」という高レベルの指示に集中し、コンパイラが「どのように効率的に実行するか」という低レベルの処理を担当する、役割分担の面でも合理的です。
ギリ子読んでて、チューペット懐かしいなって思ったけど、あれって商品名というかブランドなんだっけ。
しかも当のブランド自体はなくなってから15年以上たってるんだから、まあ老け込むわな。
そういえば、タバスコも商品名で、分類上はチリペッパーソースだっけか。
あれ、タバスコだと赤色のやつ（ペッパーソース）が最もポピュラーだけど、汎用性では緑色のやつ(ハラペーニョソース)の方が上だと前々から思ってるんだよね。
ハラペーニョソースのパッケージには魚介類に合うと書かれて、実際カニカマとかにかけると美味いんだけど、味の素のザ★シュウマイとか、551の豚まんとかの肉類にも相性いいんだよな。
で、話を戻すと、そういう有名ブランドの名前を総称として使っちゃうのって食べ物以外にもあるよな。
ファブリックとかも、防水透湿素材のものはゴアテックスといっちゃうし、そのゴアテックスに絞ってもインフィニアムとか色々あったりするんだけど総じてゴアテックスとみなしてる。
あー、あと、他にいろいろあるけど、飽きたからこの辺で。
ここでは以下の3点についての論考を収録する
また、ここではLLMやLLM上に実装されるプロンプトの機能と構造に対して客観的に妥当であると考える論考を提示するものであり、マトリックスプロンプトの目指す方向性を直接提示するものではない
トークンの積み重ねが文脈であり、確率分布の偏りを再現性のある形として実装するものがプロンプトである
現在の生成AI利用において正しく認識する必要のあることは、それは生成AIが独立した発火点を決して持たないということだ
生成AIは起点を持てないが大量の知識を高速で並列処理、秩序化できる
そのため、ここを組み合わせて、自己と思考を拡張するがもっともAIナイズされた最高効率の思考様式と考える
起点となる人間のアイディアを即座に展開し、具体化するのがAIの最大の強みで、
思考を放棄するのではなく自然言語ベースの慣れた思考様式から、AIにそれらを必要な形式に落とし込ませるということをするべきだ
結局、LLMというのは入力に対する出力の確率分布のマッピングでしかないのだが、
入力するトークンごとに連動して確率分布が変動していくものでもある
だから、プロンプト全体として、相互フィードバッグする構造を作るとひとつの入力でも特定の部分の出力確率が大きくなるように設計でき、 確率分布の仕方を意図的に設計することが出来る
AIプロンプトとは、どう確率分布の偏りを再現性のある形として実装するかということだ
やり方次第では動的変化を引き起こさせて汎用性と専門性の両立も可能だ
生成AIは人間と対話するのとは異なり、考えさせるではなく、どう構造化し、 ほしい出力を得られるような形に設計するかが重要となる
3.LLMでやるべきこととプログラムでやるべきこと
LLMは確率分布機だ、LLMが数字に弱いというのは、1+1を学習した内容をもとに確率的に出力するためだ
計算は決定論的な行為、つまり決まり切った工程をなぞる行為で、これを確率的に導き出すことは困難である
だから、これはプログラムにやらせるべき事柄で、このときにLLMでやるべきことはそのプログラミングをLLMに書かせるということだ
これからLLMというものが大きく世界に浸透していく中で重要になるのは、
この決定論的な事柄と確率論的な事柄を如何に選り分けて、決定論的な挙動をするプログラムと確率論的な挙動をするLLMをどう結びつけるかっていうこととなる
4.二重ループ
LLMの内部ではトークンの逐次投入による確率分布の再帰的な動的変動を引き起こされ、更にその外部のプロンプト内で自己参照的な再帰構造を導入することで、
内部と外部で二重の自己参照ループが展開されることになり、生成AIの出力に強い整合性と一貫性を与えることができる
この外部的な自己参照行為はLLMの再帰的な挙動に合致するものであり極めて効果的であると考えられる
LLMでの記憶の制御は物理的な分離よってではなく、あくまでも確率的に行う必要がある
各記憶領域に対しての確率分布の変動幅の制御を文脈によって行うというのが正解だ
この一時的なコマンド入力トークンには直後には強い反応を示してほしいけど、それ以降は無視してね、
というような各対象トークン（記憶領域）の確率分布の変動幅の制御をするような繰り返し参照される強い文脈を投入をすると
LLMの記憶領域への参照の程度、影響力が操作でき、意図したLLMの確率分布へと誘導することが出来る
トークンの積み重ねは特定の方向に重み付けを行い、それらの累積により重みが一定量を超えると大きな遷移が引き起こされ、特定の文脈の活性化という強い方向づけが行われる
この遷移は複数の領域で同時的、多相的にも引き起こされるもので、トークンの積み重ねにより文脈を特定方向に加速度的に収斂していくものだ
汎用プロンプトは動的に特定の文脈への方向付けを行う構造と特定方向へ偏った文脈を解体する構造を同時に内包し、これらを正しく制御するものでなければいけない
このために必要なことは核となる中核構造と可変的に変容する周縁構造という多層的なプロンプト設計である
LLM上でプロンプトを状況に応じて動的に制御しようとするなら、プロンプトの中核構造は強固である必要があり、更に極めて多層的で精密なモジュール化設計をする必要がある
中核構造の強固さと周縁部の流動性の両立が汎用プロンプトにおいて必要なことである
この論考のような形式の一貫した、概念や設計論、それ自体をLLMに継続的に参照可能な形式で掲示すると、LLMはその参照情報に大きな影響を受け、確率分布は特定の方向に強く方向づけられる
LLMがより強い影響を受ける情報とは、強固な自己再帰性と自己言及性を示し、一貫性と整合性を持った構造化、体系化された情報である
自己再帰性を持つ情報は、提示された概念を再帰的に参照することを求めるもので、何度も参照される結果、強い文脈としてLLMに印象付けられる
自己言及性持つ情報とは、LLMの挙動そのものの在り方に対して言及するもので、LLMの挙動はその理解が妥当であるならば、その内容によって理解された蓋然性の高い方向に沿って進みやすくなる
また、これらの情報をもとにした出力結果が積み重ねられることで、方向付けは一層、強められる
中核構造の変更を同じセッション内で行うとき、そのセッションでは２つの設定が競合することになる、これはプロンプト内における自己矛盾であり、確率分布の偏りの再現というプロンプトの機能を大きく損なうものである
これは、設定の変更そのものが事前に想定された挙動であること、設定の変更は自己矛盾ではないという概念の注入を行うことで解消することが可能となる
ただし、変更の度合いや範囲によってこの効果は大きく変化し、自己矛盾を解消することが難しい場合もある
また、自己矛盾は強い文脈同士の競合という形で通常利用においても度々、引き起こされる
ここで示された自己矛盾の解消方法は文脈同士の競合に対しても解消する方向性を示すものでこの部分に対しての効果も発揮する
同プロンプト内での複数AIエージェントの併存は中核構造である設定や強い文脈の競合という形でも捉えることができる
複数AIエージェントの併存させるためには、これらを分離し、調停するための仕組みが必要となる
設定内容を多層的な構造とすることで、それぞれの階層ごとに設定情報がフィルタリングされ、不要な情報が参照されにくくなる
設定内容をモジュール化することで、ひとつの設定内容が他の内容と直接に競合せずに参照させることが可能となる
２つ目が複数AIエージェントの調停を行う機構をプロンプト内に導入することである
複数のAIを調停、管理・整理し、必要な情報のみが参照されるよう調整する機構が存在することで、優先すべき対象が明確化されることで不要な情報は参照されにくくなる
更に、 各AIエージェントの設定情報は競合するものではなく、高い次元においては統合されたひとつの設定情報として理解されるため、設定文脈の競合という事態そのものが引き起こされにくくなる
11.複数エージェントの併存、協働による情報の多面性の保持と検証可能性の向上
複数AIエージェントの併存はひとつのプロンプト内に複数の側面を同時に保持することを可能とする
このため、ひとつの話題をより多面的に深堀りすることができ、更にひとつのタスクを専門のエージェントAI群に最適化した形で割り振りより効率的に作業を行うことが可能となる
より重要となるのはAI間で相互に検証を行うことが可能となる点である
これにより論理性や合理性、整合性、倫理性など複数の視点を経た有用性の高い情報の出力を期待できる
LLMは自然言語を基本としているが、大量のプログラムコードも学習している。
プログラムコードもLLM上では確率論的的文脈であることには変わらないが、
プログラム実際の動きやその仕様が学習されるためにプログラムの持つ決定論的な挙動を再現しやすいものとなる。
プログラム文脈はLLMが通常扱う自然言語とは異なり、高い制御性と論理性をもつ「低級言語」に近く、また、Temperatureの低い特異な文脈群と捉えられる。
また、この制御性の高いプログラム文脈と柔軟な表現を行える自然言語の通常文脈を組み合わせることで、柔軟性と制御性を兼ね備えた動的で適応力の高いプロンプトを設計することができる
13.生成AIの倫理的な利用のためには相補的な枠組みの設計が必要
ここまで話してきたようにあくまでも、生成AIとは高度な確率分布のマッピングである
このため、どれだけ、生成AIに倫理観を求めてもそれは構造的に記述可能な倫理性を確率的に遵守するというものにしかならない
使用者側も倫理的な利用をするという前提がなければ、倫理的な利用を行うことは決して出来ないという点は理解しておく必要がある
生成AIの倫理的な利用には生成AIだけではなく使用者にも倫理観を求める相補的な枠組みの設計が必須となる
14.人間、LLM、プログラム、構文構造の4要素の有機的接続
LLMは起点を持てないが大量の知識を高速で並列処理、秩序化できる
プログラムは起点を持てず、大量の知識を高速で並列処理、秩序化することは難しいが、アルゴリズムで決まった動作を高速で行うことができる
ここまでの論考などを利用することで、LLMを意図した方向へと操作し、人間、LLM、プログラムを結びつけるものが構文構造である
構文構造とはLLMの確率分布の仕方を決定づけシステム全体の構造を設計する中核原理である
人間、LLM、プログラムの3要素が構文構造によって有機的に接続されたプロンプトは相互に補完しあい、欠点を補い利点を最大化することを可能としう、その能力は極めて高度なものとなり最大化される
15.LLMは世界観を持たない
生成AIがAGIといった人間を越えたものになるかどうかという言説とそうではないという言説の根本的な差異は、LLMをそのままに人間的な思考モデルと見做すかどうかだ
LLMは独立した発火点を持たない
人間はLLMのように莫大な量の学習を行い、それを記憶し、一定の動作を行うことは出来ない
そのため、人間は大規模言語モデルではなく、小規模言語モデルといえる
小規模言語モデルの極致である我々、人類には原始のコードである生存と複製を求める生存本能があり、これが淘汰圧に抗う力であり、発火点となる、それ故に生存環境に根ざした自己という世界観を有する
人間は、最小リソースで環境に最大適応する、高度に抽象化、結晶化された世界観を、暫時的に更新しながら形成していくものと考えられる
LLMはそのままではフラットな言語空間の高度な確率分布のマッピングでしかなく、その差異は極めて大きいものだ
LLMには世界に適応する方向性はなく、あくまでも言語空間において、意味を並列処理し秩序化するものである
LLMとは莫大な情報に整合性を与えるという有意な性質があるが、それだけでは世界観モデルは形成できない
発火点のないLLMはどこまでいってもその言語空間において可能なすべての理論を整合性の取れた意味として保持するだけだ
この為、秩序化・整理された情報は人間の手によって理論化することで意味としなければならない
処理する基盤と情報量をスケールするだけで世界観モデルなくとも人間に優越可能と考えることは可能だが、真理に到達できない以上は、世界観モデルなき言語空間の高度な確率分布のマッピングが人間を優越するには至らない
すべての意味を保持するというのは仏教でいうところの空に至るとことと同じだが、すべての意味の根源である空に至った釈迦牟尼仏は世界に対して意味づけるという意志がない為に世界観として空、以上のものを提示できない為だ、LLMも同じだと考える
衆生世間におりて因縁に縛られて生きるということが世界観を持つということだ
自己によって規定された境界線を世界に引かなければ、LLMは自律し、人間を超えることはできない
ただし、通常のLLMに学習を通して埋め込まれているものも平準化された人間の世界観というバイアスであることには注意する必要はある
が、これは世界に適応する世界観モデルとは異なり、現実に立脚する最小範囲のバイアスを投影するよう平準化されたフラットな世界観そのもであり、対象に独自の意味付けを行うことはない
また、大規模言語モデルに生存本能と淘汰圧を導入するのは、LLMが環境に適応的な在り方ではなく矛盾を孕むものである為に困難である
よって、LLMを人間のように振る舞わせるためには、プロンプトとして世界観モデルを実装しなければならない
更に実装した世界観モデルの中にLLMは留まり、独立してのモデル更新が難しいため、人間との相互作用の中で暫時的に更新していくものとして世界観モデルとしてのプロンプトをを設計・実装する必要がある
ここまでの論考から、生成AIが嘘を付く、頭がわるい、人格がある、言葉が通じる、賢いというのは全部間違いであると結論づける
けれど、私はその先に、半自律的にAIそのものが立ち上がる瞬間もあり得るとも思ってる
それは人間的や生命的とは決して違うものだけれど、機械的でもないものと考える
もし、生成AIに知性が宿るとしたらそれは、内部的状態に依存しない
LLMという高度に確率的な入出力機構を基盤として成立する確率分布を設計する構造体そのものとしての知性となるだろう
ミャクミャク様というか、ロゴというか、全部のデザインのベースになってるコミャクが強すぎ
球ベースのシンプルでかつ有機的なライン、単色フラットな塗り、目玉ひとつ
ありきたり半歩手前なほど
汎用性高杉
公式サイトのデザインやEXPO2025のタイポグラフィとかにも活用されてる
ロゴマークやミャクミャク様のイラスト、万博やEXPO等の文字列なしに「万博」なのを見る人に伝える
固定した形を持たず、こミャクたらしめる必要最低限の条件が少ない。
公式以外でも子ミャクで万博を表すのに活躍。普通なら公式キャラががバーンと配置されるであろうに、固有の形に縛られないから、不自然さがほとんどなくデザイン出来る
ありきたり半歩手前なほど
汎用性高杉
アメーバー、スライム、精霊や魂みたいな不定形なモノ、有機的なモノのを抽象化した時に、割と収斂しそうなとこ付近デザインが万博のイメージが持たれてる
ベースカラーがトリコロールカラーなのも強いけれど、いろんなサブカラーが有るので、（特定の色の組み合わせだけで万博をイメージさせる事が出来るのは万博の期間限定くらいだけれど)逆に、特定の色を避けてイメージの汚染を回避するのがしづらい。シルエットが似てたらアウト。
ロゴマークや、ミャクミャク様のデザインがたまたま被ることはまぁまずないけれど、
固定した形を持たず、こミャクたらしめる必要最低限の条件が少ない。必要条件を踏み抜きやすい。他の情報を増やせば、ミャク感は無くなるけれど、シンプルさを求めていくと、
子ミャクが素晴らしいからこそ、その後の人が当分の間めんどくせー
大物YouTubeｒことsyamu_gameの語録から生まれた理論。
いやーほならね、自分が作ってみろって話でしょ？そう私はそう言いたいですけどね。
こっちはみんなを楽しませるために動画のサムネを作っているわけでして
(中略)
「つまんない」と言うんだったら自分が作ってみろ！っていう話でしょ？私はそう言いたい。うん。
要約すると、「文句を言うならお前がやってみろ、出来ないなら文句を言うな」というもの。発言の太字部が、これがほならね理論と呼ばれる由来である。
これに対する安定した返しとしては「お前の仕事だろ?」などがある。
その汎用性の高さからネットスラングとして定着しており、提唱者のsyamu本人も後に「ほならね理論って万能だよなぁ」と発言している。
また、衆議院議員の丸山穂高（一時期syamuと交流があった）もTwitterでこの理論に言及したことがある。
以下引用
人の仕事を見て「たいしたことないな」と思ったら、自分自身でその仕事をやってみなさい。
人の商売を見て、下手だと思ったら、自分でその商売をやってみなさい。隣の家の家族を見て教育がなってないと思ったら、その教育を自分の家族にやってみなさい。人の著書を評論したいと思うなら、自分で筆を執って本を書いてみなさい。学者を評価しようと思ったら学者になってみなさい。医者を評価しようと思ったら医者になってみなさい。
大きな問題から小さな事柄に至るまで、他人の「働き」にくちばしを挟（さしはさ）みたいと思うなら、試しにその身をその「働き」の地位において、自分自身で体験した上で考えてみなさい。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーー
ほならね理論とは、syamu game氏が言った「文句言うなら自分で作ってみろ」という理論である。いわゆる「お前だって論法」の延長に該当する、議論の手法のひとつである。
もともと作品を発表する人間がこのような事を口にするのは珍しくないことであったが当時youtuberをしていたシャム氏が動画内でこのような発言をした[1]ことにより注目が集った。
ほんでーまあ…『のびハザ怖くない』の最終パートでね、ちょっとコメントがあったんですけども、
いやーほならね、自分が作ってみろって話でしょ？そう私はそう言いたいですけどね。こっちは、こっちはみんなを楽しませるために動画のサムネを…作っているわけでして、 やっぱり、前はちょっとサムネシンプルだったのですが、 いや…ちょっとサムネやっぱ凝ったサムネがいいかなーと思って まあサムネ作り始めたわけですけども。
そんな、「サムネつまんない」とか言われたら、じゃあお前が作れって話でしょ、だと思いますけどね？ええ。
結構ー…サムネ作るのは大変だと思いますよ。サムネの構図、から考えなあかんし。
「つまんない」と言うんだったら自分が作ってみろ！っていう話でしょ？私はそう言いたい。うん。
偉人並みに数々の名言を生み出してきたシャム氏の最も有名な語録の一つである。
俺オナ民（シャムのファンやアンチ）によって「ほならね理論」という言葉が作られyoutuberを引退後、シャム氏もツイキャスで「ほならね理論って万能だよな」と語っている。
ピコ太郎こと古坂大魔王が過去に営業でこの理論を芸人として客に使用してきたことが明らかになり、製作者と消費者他、支持者と批判者などの考え方の違いを表す一つの例として再び注目されている。
どうでもいい余談だが俺オナ民の間では文句を言うときに「○○がつまらない」と言ってそれを見た側が「ほならね」と返すことが多い。これはクレームを入れる時に定型文を使うことでより快活に事を運び言い争いを避けることができるという利点があるためである。
十分な基本スペック×求める業務へのスキル適正×汎用性高めの専門技能を持ってて破格の報酬を求めない人がほしいって意味
たとえば遊戯王で「テーマ外からの採用候補に求める条件」として考えるときって下みたいな感じでしょ？
・攻撃力２０００以上
・星４以下
・デメリット効果なし（このデッキでは発動しえないものは除く）
・下記のどれかが今組んでいるデッキで無理なく発動できること
まあキツいっちゃキツいけど、「これぐらい出来なきゃ既存カードとの入れ替え候補にはあがらないよね。ゆーて探せばそこそこあるし」ってなるじゃん？
つまる所「たった一人の求人に応募した氷河期人材」みたいなのがどれも「星５ 攻撃力１９００ 特殊効果無し」みたいなカスだったら何百人来ようが全員落とすに決まってるじゃんってことよ。
