特にこの”他人（患者）に興味を持てない”ということをツイートするのは看護アカウントの特徴なのではないだろうか。看護師が対人援助職であることはわかりきってるだろうに、なぜ彼女/彼らは看護師を職業として選択したのだろうか。その件について「お金のため」と明言するアカウントもあるが、それはそれで「プロとして割り切れない」という技量や意識の低さが目立つ。

問題、というか看護師として予後が悪いのが「勤勉さをアピールする」タイプだ。

彼女/彼らは看護学生時代はレビューブックを分厚くすることに専念し、せっせと語呂合わせの付箋をアップロードし、さらに理想のキャリアプランや看護師像について熱く語る。

彼女/彼らは根が真面目なので、模試で良い点数をとり、面接も手堅く通過。そして試験結果を意気揚々とアップロードしたのちに志望の診療科に入って目を輝かせる。熱い目標と学びを語る。

だが、そういう人に限って夢潰えるのだ。

彼女/彼らは次第に愚痴と弱音のツイートが増えていく。自己を卑下し、次第にそれは他責へと変化する。

一番わかりやすいのが「先輩看護師」や「社会構造」への攻撃だ。先輩をお局様と称し、自己を防衛する。自身の環境を社会構造のせいにして看護協会を悪の親玉に仕立て上げる。社会人として何年経っても看護学生時代のことを「絶対悪」として語り続ける。

だが自己研鑽で現状をどうにかしようとはしないのだ。いや、自分が変わるのではない。

彼女/彼らは「環境を変える」ための努力に勤勉さを発揮するようになる。そうすれば今自分を苦しめているものは全て解決、心機一転ハッピーな看護師ライフを送れると思い込んでいるからだ。

転職先としては第二新卒、クリニック、施設、訪問看護、美容、派遣、一般企業など多岐にわたるが、共通するのは”病棟”を避ける傾向にあるということだ。

まあそれは無理もない。人間誰しも、嫌な思いをした場に戻ることには抵抗を覚えるだろう。だが、病棟を辞めて他の職場に行った人らがずっとネチネチと病棟の悪口を言っているのを見るのは滑稽だというものだ。また、そういった病棟叩きのツイートがバズりがちなのも、そうやって自己の選んだ道（病棟を辞める）という選択を肯定してもらいたい人間がTwitterに数多く存在しているということの証だろう。

だがそうやって自己を正当化する物語を探してばかりでは、永遠に病棟を去ったことを後悔するばかりだろう。それに”病棟を続けることができなかった自分”は行動なしには永遠に変わらないのだから。

それに、Twitterに入り浸る限り彼女/彼らに転機は訪れない。「傷の舐め合い」が万バズし、数多のフォロワーを得る手段となり得るTwitterでは彼女/彼らは変わることができない。ただただ指を動かし、愚痴を投稿していれば承認欲求が満たされるからだ。永遠にぬるま湯に浸ることができるからだ。それはいつしか煮え湯になっても、彼女/彼らはそこから出ることはできないだろう。

そう、看護アカウントの界隈では愚痴や泣き言が万バズしやすく、フォロワーを得やすいのが最大の欠点だ。

彼女/彼らは看護アカウントを作り、愚痴を吐くだけでフォロワー数を何百も、時には何千も得る。いいねもたくさんつく。自己を肯定するコメントも貰える。そうすると気が大きくなる。「ああ、私たちの行動は間違っていなかった」のだと。

しかし面白いことに看護師としての年数が経過し、看護学生/新人看護師ではなくなると、余程のアカウントでない限り新規にフォロワーはつかなくなる。いいね数も目に見えて減っていく。”愚痴”も称賛を得られるのは若いうちだけなのだ。

そして限界まで煮詰まったアカウントは……もう目も当てられない。

彼女/彼らは”過去の栄光”に縋る。新しくアカウントも作ることができず、そこに留まり続け、同じようなツイートを重ねていく。時たま思い出したかのように過去のバズったツイートを掘り起こすが、焼け石に水に過ぎない。結局看護アカウント界隈の「おじさん/おばさん」として生きていくしかないのだ。しかし、新規に看護アカウントに参入した若い奴らは知っている。

「こいつらはやばい人物だからここまで看護アカウントを続けているのだ」、と。

看護アカウント界隈は定期的に看護アカウントを卒業（アカウントが動かなくなる）する。それぞれの別の日常に向かって新しくツイートを始める。看護という物語に縋らないと生きていけないやつは異常者なのだから。

特に110 回生の時代が一番キモかったかもしれない、という所感。雑感。

Permalink | 記事への反応(0) | 23:18

2025-10-08

■anond:20251008083510

以前なら

「215×712はいくつですか？」って書いてから生成するとさも当然のように「9942です！」とか適当ぶっこいてたけど

最新のAIのべりすとモデルなら正答する。クオリティも日本語の小説生成としては頂点だと思う。

欠点として思考をする時に「倫理を順守します」とか言い出したら毎回書き換えなければならないのが面倒。

あと例によってあとがきで俗にいう「くぅ疲」を始めたりするから何度か生成しなおす必要がある。

Permalink | 記事への反応(1) | 08:37

2025-10-07

■昭和のノリ体育会系の欠点を羅列する

今どきの特に問題は無いけど温かみが無いような職場に飽きたので試しに体育会系肉体労働の現場で働いてみた結果、昭和のノリ体育会系の欠点が浮き彫りになったので羅列します

・ニュータイプしか認めない風潮　新人が急にできるわけないのにニュータイプを求める

・普通に教えればいいのに圧をかけながら教える　「失敗したら大変なことになる作業だから」「お前のために厳しく」いやだからこそ落ち着いて作業させれば良くないか？

・もはや機嫌が悪くてストレス発散なのか素なのかわけがわからなくなる

・普通に教えれば終わるくだらない作業なのにちゃんと教えなかったり一度しか教えなかったり小声でボソっと指示したりただのイジメ

・これスタッフ全員まともな人間なら効率よくスムーズに仕事捗るよね？余計な圧とか理不尽さ必要なくね？

・昭和体育会系のノリは　　短気　　　幼稚　　　　の一言で説明がつく。

・ようするに新人に教えるのが下手なのである　下手というより短気ですぐイライラする単細胞しかいないと言うべきか

・ニュータイプしか認めない職場にたまたま来たニュータイプが褒められてそいつが上り詰めてまたニュータイプしか認めないジャイアンが生まれて…の負の連鎖

↑自分の職業は違ったが、これらは全部　居酒屋　に当てはまると思う　だから常にタイミーで募集してる　誰も定着しないから

正直ざまーみろとしか言えない

昭和体育会系の理不尽さに耐えた人間が強くなるみたいな風潮あるけど絶対に無い　無駄

普通に大人しいチー牛系の人に仕事教わる平和な職場が一番いい

Permalink | 記事への反応(1) | 00:45

■LLMについての考察

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

人間はLLMをどう利用するべきか
確率分布機としてのLLMとはなにか
構造そのものの存在様式とはなにか

0.文脈とプロンプトとLLMについて

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

1.生成AIの活用方法

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

人間は起点を持てるが大量の知識を高速では処理できない

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

2.LLMとは確率分布のマッピング

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

汎用LLMと将棋 AIなどがそうである

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

5.LLMでの記憶の制御

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

この設定内容と言う記憶領域トークンには強い影響を受けてね、

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

6.LLMは文脈を特定方向に加速度的に収束させる

LLMは言葉の確率分布機だが、その分布は正規分布ではない

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

7.汎用プロンプトにおいて必要なこと

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

8.この論考そのものが確率を変動させる

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

9.プロンプトの中核構造の変更という自己矛盾の解消方法

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

10.同プロンプト内での複数 AI エージェントの併存

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

１つ目が設定内容の多層化とモジュール化による分離である

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

12.LLMにおけるプログラム文脈という特異な文脈の利用

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

人間は起点となり最初のアイディアを創造することができる

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

それは、人間を低次としLLMを高次とするものではない

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

16.存在様式そのものが構造の中に宿り得る

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

存在様式そのものが構造の中に宿り得るというのが私の見解だ

自己を定義し、 Permalink | 記事への反応(0) | 00:33

2025-10-05

■

日本人は排除的というより、属性全てに特別意識を持つ思想が好まれているように思う

リーダーとは！親とは！子供とは！営業マンとは！日本人とは！日本の文化とは！無謬である！みたいな

個人差無視していちいち標準モデルを定義

欠点がない社会なんてありえないよな

古い士農工商社会の遺伝子か、天皇も大統領と違って世襲だからかもしれない

日本にない文化が劣ったものであるわけでもなく、おそらく看板や金で殴りかかる文化なんて世界では少数派な

看板は公務員には便利なんだろうか

右翼ではあるが女性総理をやっとひり出した

Permalink | 記事への反応(0) | 15:06

■指輪物語の序章って

指輪物語の話題になるとこれを擦るのが鉄板になっているよね。

実際、世界の説明のようでそこまで親切でもない話が少なくない分量で続くのはなかなかつらいものがあるのは事実。

飛ばして本編へいってよし、というのは真っ当なアドバイスではあると思う。

例えば「パイプ草について」の段など読んだとしても本編の理解にはほぼ役に立たないし。

だから何だ、以上の感想はないのでは？

設定だけ見てあれこれ想像するのが好きな人は刺さると思うのだけれども。

そう考えるとこれは指輪物語という作品の大きな欠点に見える。

だがしかし。

物語を最後まで読み、この物語の構造を理解した後ではこの序章の持つ意味が全く異なってくるんですよ。

程度はあろうが、この序章はここにこの形で存在しなくてはならないと思うはず。

特に指輪の一行に感情移入した後で読むとものすごくエモいし、なんなら泣きポイントにすらなってくる。

指輪の世界に没入するゲートウェイの役割となって、その感覚を味わうために繰り返し読むことになるわけだ。

合わない人がいるのも分かるけど、この感覚を味わずに投げてしまうのはちょっともったいないと思う。

なので序章で折れた人は飛ばして本編をトライして欲しいし、一読で終わっている人は再読をお勧めしますよ。

最新版なんてあったのか。紙で欲しかった。

Permalink | 記事への反応(2) | 11:29