  |
はてなキーワード: greenとは
世界的にバズったフィットネスチャレンジに「Bring Sally Up Push Up Challenge」というものがある。
これは刑事ニコラス主演の「60セカンズ」のOPで使用されたMobyのFlowerの楽曲にあわせて腕立て伏せをするというもの。
この楽曲は「Bring Sally Up and Bring Sally Down」という歌詞を３分間ほぼ延々と繰り返すため、「Bring Sally Up」で挙げる、「Bring Sally Down」で下げるを繰り返すことで腕立て伏せが楽しくできちまうんだ！というバカクソキツいトレーニングチャレンジである。途中にちょっとした歌詞や間奏が差し込まれるため、プランク的なキープ力、アイソレーション刺激が求められるうえ純粋に30回くらい歌詞が繰り返されるので普通にキツい。
で、このMobyのFlowerなんだけど歌詞がよくわからない。
よくわからないっていうのは「文学的すぎてわからない」「パリピすぎてわからない」という内容の話ではなく、サイトによって書かれている歌詞が違うのである。
例えば「Moby - Flower」で検索するとGoogle君が出してくれる歌詞では「Green Sally Up and green Sally Down」となっている。しかし他のサイトを見ると「Bring Sally Up and Bring Sally Down」と表記されていたりする。
「Green sally UP」勢のサイトのほうが若干公式臭が強いので優勢に感じられるが、Mobyの本場で流行ったはずのチャンレンジは「Bring Sally Up Push Up Challenge」となっている。本場の人間がこんな歌詞間違いするか？という話である。
なので、本場の人間に聞いてみたところ「正式にはGreen sally UP。そもそもGreen sally UPって童謡があってMobyはそれをサンプリングして曲を作ってるから間違えるわけないんだよ。じゃあなんでBring Sally Upチャレンジになったかっていうと、日本で言う空耳アワーみたいなもんで身体(sally)を持ち上げろ(Bring up)でゴロがよかったからだね。日本ではBring Sally Upが正式な歌詞だと思われてるんの？ウケるねハハッ」とのことだった。
聞いてみればなるほど納得である。
みんなどうやってるんだ？
技術の進歩は急速でコツコツとプロンプトと打ちながらやる今のやり方もそう長くはなさそうなので何となく記録しておく。
ローカル、5070Ti
メガネを光らせながらCivitaiで最新のcheckpointとLoRAをチェック。
今のbase modelの主流はIllustriousかponyで更新の9割以上はこの二つ、普及帯のGPUでも利用可能で品質も十分なのが理由か。flux以上は盛り上がってない。
あと、LoRAのトリガーワード管理がめんどくさい。そろそろメモ帳でやるのも限界。
日常生活からインスピレーション得てその日のキャラを決めるのが紳士流。
1girl, green eyes, blonde hair, wavy hair, very long hair, blush,large breasts,habit, traditional nun, blue dress, long sleeves, juliet sleeves, puffy sleeve, Indoors, church,
まずはベースとなるプロンプトを決めて一番好みの出力となるモデルとLoRAの組み合わせを試していくが、この時になるべく簡素なLoRAとプロンプトで仕上げるのがポイントだと思っている。
後々複雑な構図やポーズを作り上げる場合、この時点でプロンプトがパンパンだと追加プロンプトが十分効かなかったり(無理やり:2)強くしようとして画面が溶けたりする。
品質系プロンプトは省略しているので知りたい紳士は「Illustrious 品質プロンプト」とかでLLMに聞いてください。
そんなわけで好みのキャラと画風を仕上げたらついに叡智タイムである。
単純に好きなシチュをポンポン出すのもいいがストーリー仕立てにするのもいいだろう。
（ex.研究所に来た魔改造性癖ガールを研究員としてどんどん魔改造していく）
谷間が見たいぜ...
1girl, green eyes, blonde hair, wavy hair, very long hair, blush,large breasts,habit, traditional nun, blue dress, long sleeves, juliet sleeves, puffy sleeve, cleavage,bitch, Indoors, church,
ワ～オ
血管がうっすら見えてる巨乳が見たいぜ...
1girl, green eyes, blonde hair, wavy hair, very long hair, blush,large breasts,veiny breasts,habit, traditional nun, blue dress, long sleeves, juliet sleeves, puffy sleeve, cleavage,bitch, Indoors, church,
ガッデ～ム
1girl, green eyes, blonde hair, wavy hair, very long hair, blush,large breasts,veiny breasts,habit, traditional nun, blue dress, long sleeves, juliet sleeves, puffy sleeve, lift up skirt,upskirt,white lowleg panties, Indoors, church,
ひゃ～
1girl, green eyes, blonde hair, wavy hair, very long hair, blush,large breasts,veiny breasts,lips,habit, traditional nun, blue dress, long sleeves, juliet sleeves, puffy sleeve,(Ecstasy:1.2), standing,(bowlegged pose),bitch, lift up skirt,upskirt,white_(lowleg)_panties, Indoors, church,
なんてはしたない！
1girl, green eyes, blonde hair, wavy hair, very long hair, blush,large breasts,(veiny breasts),lips,habit, traditional nun, blue dress, long sleeves, juliet sleeves, puffy sleeve,(Ecstasy:1.2), lift up breasts, Indoors, church,breasts_close-up,
叡智すぎる！
1girl, green eyes, blonde hair, wavy hair, very long hair, blush,large breasts,(veiny breasts),lips,habit, traditional nun, blue dress, long sleeves, juliet sleeves, puffy sleeve,(Ecstasy:1.2),orgasm, lift up breasts,huge areola,(sucking:1.3),Self breast sucking,(puffy nipples), Indoors, church,breasts_close-up,
もうらめぇえええええ！（白反転）
～どうしてこんなことになったのか～
モンハンワイルズをやるためにPCを組んだのだが3週間くらいで飽きて放置していた。
そんなある日ブックマークしているpixivのイラストがbanされて消えていて大変落ち込んだのだが（数日後復活してた）
いや待てよ、あれAI生成だったな、だったら自分でできるのでは？と思って始めたのがきっかけである。
～～（反転戻り）～～
ejaculation
そんな感じで時間がかかるしめんどくさい。動画や漫画の手軽さが身に染みる。
生成の利点はとにかく自分の好みにカスタマイズした画像が出力できることだろう。いままで吸収してきたコンテンツや尖らせてきた性癖全出動の総合格闘技である。
また、画風の方向性としてはフォトリアル系やイラスト系などいろいろあるが、セミリアル系が凄い。一例としてフワフワの毛皮をまとったかわいいウサギ亜人が出力できる。
ピンク色のバッファローちゃんのもっとすごいやつみたいな感じ。正直フォトリアル系だったら生成じゃなくていいじゃんって思う。
{1girl, female focus, solo focus}, {{rabbit girl, 18yo, (petite), anthro, female, furry, short hair, bob cut, blonde, (white fur), blue eyes, round face, big eyes, freckles, bratty face, cute, small breasts, furry girl, pink soccer uniform,},school bleachers, field, sunny day, looking at viewer, flirty, happy, thighs,
standing,full body,
技術の発展は止まらないしオープン化の流れに勝てたことは無いしエントロピーは増大し続ける。
LoRA作成自体が爆速になるかi2iで画像だけでLoRA並み使えるようになるし、動画も実用レベルになるだろう。
気になるのはモデルの要求スペックがローカルHWで間に合うかどうかと規制だ、いまの同人並みに落ち着くとするとローカル生成のキャラLoRAは実質セーフであり続けるだろう。
高品質動画生成はオンライン生成が主流になると生成プラットフォームを整備したもん勝ちだが、コンテンツだけ大国でありモザイクにより健全な性的秩序が守られている我が国は今回もgood loserとしてコンテンツを吸われ続けます。南無三。
「瀬谷みどり博覧会」（2027年国際園芸博覧会、GREEN×EXPO 2027）は、現在懸念されている課題を克服し、以下の要因から成功する可能性を秘めています。
| 「自然のちから」 | 地球規模の気候変動や生物多様性の喪失が深刻化する中、「花と緑」というテーマは、人々の環境意識の高まりと合致しています。過去の万博（愛知万博の「自然の叡智」など）と同様に、開催後にテーマの意義が再評価される可能性があります。 |
| グリーンインフラの提案 | 景観だけでなく、自然の力を活用した持続可能な都市の基盤（グリーンインフラ）を世界に提案する場で、単なる園芸イベント以上の社会的なメッセージ性を持っています。 |
| 「質的成熟社会」への転換 | COVID-19後の社会で、人々が「リアルな体験」や「身近な自然」に価値を見出すようになっている傾向をとらえており、来場者の満足度を高める可能性があります。 |
会場となる旧上瀬谷通信施設跡地は約100ヘクタール（東京ディズニーランド約2つ分）にも及ぶ広大な敷地です。この規模を活かし、圧倒的なスケールで世界中の花や緑、庭園を展示でき、訪問者に強い印象を残すことができます。
横浜市内にあり、都心からのアクセスが比較的良好な立地であるため、地方の万博に比べて、首都圏の巨大な人口を動員できる可能性が高いです。
会場には農業振興地区の要素も含まれており、収益性の高い新たな都市農業モデルの展開や、農産物の収穫体験、直売など、博覧会終了後も地域経済に活力を与える具体的なレガシーを残すことを目指しています。
計画段階から、再生可能エネルギーの活用や、国産材の利用など、サステナビリティとレガシー計画を包括的に策定しており、環境面でのポジティブな評価を得るための努力がなされています。
成功のためには、現在最も大きな課題である交通渋滞・輸送能力の確保について、シャトルバスやパーク＆ライドの導入など、代替輸送手段を確実に機能させることが不可欠です。
「瀬谷みどり博覧会」は、2027年に横浜市瀬谷区で開催が予定されている「国際園芸博覧会（GREEN×EXPO 2027）」の通称です。
この博覧会が「失敗する」と懸念されている主な理由（課題や批判点）は、過去の万博と同様に、主に財政、交通インフラ、計画の持続可能性に関するものです。
当初、会場への主要なアクセス手段として計画されていた「上瀬谷ライン」という新交通システム（建設費約700億円と試算）について、採算性への疑問や、花博後の跡地利用（巨大テーマパーク誘致）の不確実性を理由に、事業化が見送られました。
その結果、来場者（目標1,000万人以上、ピーク時は1日約10万人）を輸送する代替手段（主にシャトルバスなど）の確保と、それに伴う周辺道路の渋滞対策が大きな課題となっています。特に環状4号線などの生活道路への影響が懸念されています。
運営費は、有料入場者数1,000万人のチケット販売で賄う計画ですが、チケット販売が計画通りに進まなかった場合、横浜市がその赤字を埋めることになり、市民に過大な財政負担を強いるリスクが指摘されています。
会場予定地周辺には、川の源流や、長年愛されてきた桜など豊かな自然が残っています。博覧会計画によって、水田の一部を埋め立てたり、樹木を伐採したりすることへの批判があり、自然保護の観点から地元住民や団体による反対意見が出ています。
交通量増加による周辺道路の渋滞や、騒音・振動、ゴミのポイ捨てなど、博覧会の開催が地域住民の日常生活に与える負の影響について、懸念の声が上がっています。
博覧会協会が公文書ではないという理由で事業発注書を非公開にするなど、情報公開の不十分さや、議論するための情報が市民や市議会に適切に提供されていないという批判があります。
新交通システムや巨大テーマパーク誘致など、市民の意見が十分に反映されないままに計画が進められているという不満が、一部の市民や議員から指摘されています。
Mrs. ↔ Mr.Children ↔ Destiny's Child
GREEN ↔ RED WARRIORS ↔ Red Hot Chili Peppers
APPLE ↔ ORANGE RANGE ↔ 石橋蓮司
python import random import numpy as np import matplotlib.pyplot as plt from collections import defaultdict # 飴の配布システムのシミュレーション class CandyDistributionSystem: def __init__(self): """ 設計意図: このシステムは経済における資源分配の不平等性をモデル化しています。 特に少数の特権層(Aグループ)が富を集中させ、再分配システムからも不均衡に利益を得る 構造的問題を表現しています。 """ # 各グループの人数設定 self.group_a_count = 8 self.group_b_count = 2498 self.group_c_count = 7494 self.total_participants = self.group_a_count + self.group_b_count + self.group_c_count # 飴の提出数設定 self.contribution_per_a = 624 self.contribution_per_b = 2 self.contribution_per_c = 1 # 各グループの総貢献計算 self.total_a_contribution = self.group_a_count * self.contribution_per_a self.total_b_contribution = self.group_b_count * self.contribution_per_b self.total_c_contribution = self.group_c_count * self.contribution_per_c self.total_contribution = self.total_a_contribution + self.total_b_contribution + self.total_c_contribution # 配布用と貯金用の飴の区分 self.distribution_limit = 10000 self.savings = max(0, self.total_contribution - self.distribution_limit) # 結果追跡用の辞書 self.results = { 'A': defaultdict(int), 'B': defaultdict(int), 'C': defaultdict(int) } def distribute_candies(self, method='original'): """ 設計意図: 配布方法の選択によって、特権の固定化や格差拡大がどのように進むかを 示します。'original'メソッドは意図的にAグループを優遇するよう設計されています。 Parameters: ----------- method: str 配布方法 ('original', 'lottery', 'first_come', 'new_condition', 'fair') """ # Aグループへの確定配布 a_distribution = 625 * self.group_a_count remaining = self.distribution_limit - a_distribution # 残りの参加者数 remaining_participants = self.total_participants - self.group_a_count # Aグループの結果記録 for _ in range(self.group_a_count): self.results['A'][625] += 1 # 各配布方法によって処理が異なる if method == 'original': # オリジナルの問題設定通りの配布（5000人に1個ずつ、残りは0個） lucky_count = remaining # 5000人が当選 # B+Cグループの混合リスト作成 bc_participants = [(1, 'B')] * self.group_b_count + [(2, 'C')] * self.group_c_count random.shuffle(bc_participants) # 当選者に配布 for i in range(len(bc_participants)): participant_id, group = bc_participants[i] if i < lucky_count: self.results[group][1] += 1 else: self.results[group][0] += 1 elif method == 'lottery': # 抽選方式（BとCグループから無作為に5000人選出） bc_participants = [(1, 'B')] * self.group_b_count + [(2, 'C')] * self.group_c_count winners = random.sample(bc_participants, remaining) # 当選・落選のカウント for _, group in winners: self.results[group][1] += 1 # 落選者のカウント self.results['B'][0] = self.group_b_count - self.results['B'][1] self.results['C'][0] = self.group_c_count - self.results['C'][1] elif method == 'first_come': # 先着順方式（アクセス速度による先着順を乱数でシミュレート） # 設計意図: 先着順は単なる運の要素を超えて、情報格差や技術格差も含む制度設計 bc_participants = [(1, 'B')] * self.group_b_count + [(2, 'C')] * self.group_c_count # 現実では、情報を早く得られる人や高速インターネット接続を持つ人が有利 # これをシミュレートするため、Bグループにわずかなアドバンテージを与える bc_speeds = [] for id, group in bc_participants: if group == 'B': speed = random.random() + 0.1 # Bグループに小さなアドバンテージ else: speed = random.random() bc_speeds.append((id, group, speed)) # 速度順にソート bc_speeds.sort(key=lambda x: x[2], reverse=True) # 当選者決定 for i in range(len(bc_speeds)): _, group, _ = bc_speeds[i] if i < remaining: self.results[group][1] += 1 else: self.results[group][0] += 1 elif method == 'new_condition': # 追加条件方式（恣意的な条件を設定） # 設計意図: 新たな条件の設定は往々にして既存の特権を温存するように設計される bc_participants = [(i, 'B', random.random()) for i in range(self.group_b_count)] + \ [(i, 'C', random.random()) for i in range(self.group_c_count)] # Bグループに有利な条件を設定（例: 特定の知識やスキルを持つ人のみ） # この「条件」は表面上は中立的だが、実際には特定グループに有利になるよう設計 def meets_condition(participant): _, group, rand_val = participant if group == 'B': return rand_val > 0.3 # Bグループには70%の確率で合格 else: return rand_val > 0.7 # Cグループには30%の確率で合格 # 条件に合致する人を抽出 eligible = [p for p in bc_participants if meets_condition(p)] # 条件に合致する人が多すぎる場合は抽選 if len(eligible) > remaining: winners = random.sample(eligible, remaining) else: # 条件に合致する人が足りない場合、全員に配布 winners = eligible # 当選者をカウント for _, group, _ in winners: self.results[group][1] += 1 # 落選者のカウント self.results['B'][0] = self.group_b_count - self.results['B'][1] self.results['C'][0] = self.group_c_count - self.results['C'][1] elif method == 'fair': # 公平な再分配方式（貢献度に応じた配布） # 設計意図: この方法は「貯金分」も含めた全ての飴を、各グループの貢献度に応じて分配 # これにより構造的不平等を軽減、結果としてより多くの人が少なくとも損をしない状態になる # 全飴（貯金分も含む）を使った配布 total_to_distribute = self.total_contribution # 各グループの貢献比率計算 a_ratio = self.total_a_contribution / self.total_contribution b_ratio = self.total_b_contribution / self.total_contribution c_ratio = self.total_c_contribution / self.total_contribution # 各グループへの配布数決定 a_share = int(total_to_distribute * a_ratio) b_share = int(total_to_distribute * b_ratio) c_share = int(total_to_distribute * c_ratio) # 端数調整 remainder = total_to_distribute - (a_share + b_share + c_share) if remainder > 0: # 端数は最も人数の多いCグループに c_share += remainder # Aグループの配布（均等配分） per_a = a_share // self.group_a_count self.results['A'][per_a] = self.group_a_count # Bグループの配布（均等配分） per_b = b_share // self.group_b_count b_remainder = b_share % self.group_b_count self.results['B'][per_b] = self.group_b_count - b_remainder if per_b + 1 > 0 and b_remainder > 0: self.results['B'][per_b + 1] = b_remainder # Cグループの配布（均等配分） per_c = c_share // self.group_c_count c_remainder = c_share % self.group_c_count self.results['C'][per_c] = self.group_c_count - c_remainder if per_c + 1 > 0 and c_remainder > 0: self.results['C'][per_c + 1] = c_remainder def calculate_net_gain(self): """ 設計意図: この関数は各グループの純利益/損失を計算し、資源分配の公平性を 定量的に評価できるようにします。純利益/損失は個人の観点から見た経済的公正性の 重要な指標です。 """ net_gains = {} # Aグループの純利益計算 a_contribution = self.contribution_per_a a_distribution = list(self.results['A'].keys())[0] # 全員が同じ数を受け取る前提 net_gains['A'] = a_distribution - a_contribution # BとCグループの純利益計算（加重平均） for group, contribution_per_person in [('B', self.contribution_per_b), ('C', self.contribution_per_c)]: total_gain = 0 for received, count in self.results[group].items(): total_gain += (received - contribution_per_person) * count net_gains[group] = total_gain / (self.group_b_count if group == 'B' else self.group_c_count) return net_gains def analyze_results(self): """ 設計意図: この分析関数は、各グループの分配結果を詳細に調査し、 制度設計の公平性、貢献度と報酬の関係、およびシステムの持続可能性を 評価します。政策分析においては、こうした多角的な検証が重要です。 """ # 各グループの純利益/損失 net_gains = self.calculate_net_gain() # 貢献度分析 contribution_percentage = { 'A': (self.total_a_contribution / self.total_contribution) * 100, 'B': (self.total_b_contribution / self.total_contribution) * 100, 'C': (self.total_c_contribution / self.total_contribution) * 100 } # 飴を受け取った人の割合 received_percentage = { 'A': sum(count for received, count in self.results['A'].items() if received > 0) / self.group_a_count * 100, 'B': sum(count for received, count in self.results['B'].items() if received > 0) / self.group_b_count * 100, 'C': sum(count for received, count in self.results['C'].items() if received > 0) / self.group_c_count * 100 } # 分析結果の表示 print("\n===== 飴の配布システム分析 =====") print(f"総飴数: {self.total_contribution}個 (分配用: {self.distribution_limit}個, 貯金: {self.savings}個)") print("\n--- グループごとの貢献と結果 ---") for group in ['A', 'B', 'C']: group_size = getattr(self, f"group_{group.lower()}_count") contribution_per_person = getattr(self, f"contribution_per_{group.lower()}") total_contribution = getattr(self, f"total_{group.lower()}_contribution") print(f"\n{group}グループ ({group_size}人):") print(f" 貢献: 1人あたり{contribution_per_person}個 (総計: {total_contribution}個, 全体の{contribution_percentage[group]:.1f}%)") print(f" 受け取り状況:") for received, count in sorted(self.results[group].items()): print(f" {received}個: {count}人 ({count/group_size*100:.1f}%)") print(f" 飴を受け取った割合: {received_percentage[group]:.1f}%") print(f" 純利益/損失: 1人あたり平均 {net_gains[group]:.2f}個") print("\n--- 全体的な公平性分析 ---") print(f"最も得したグループ: {max(net_gains, key=net_gains.get)}グループ (+{max(net_gains.values()):.2f}個/人)") print(f"最も損したグループ: {min(net_gains, key=net_gains.get)}グループ ({min(net_gains.values()):.2f}個/人)") # 全員に飴が配布されたかどうか all_received = all(sum(count for received, count in self.results[group].items() if received > 0) == getattr(self, f"group_{group.lower()}_count") for group in ['A', 'B', 'C']) print(f"\n前提条件「全員に配布」の充足: {'はい' if all_received else 'いいえ'}") if not all_received: total_without = sum(self.results['B'][0] + self.results['C'][0]) print(f" 飴を受け取れなかった人数: {total_without}人") return net_gains, contribution_percentage, received_percentage def visualize_results(self): """ 設計意図: データの可視化は政策の効果や不平等性を直感的に理解するために重要です。 このようなグラフィカル表現によって、各グループ間の格差や制度設計の問題点を 一目で理解できるようになります。 """ # グラフのセットアップ fig, axes = plt.subplots(2, 2, figsize=(14, 10)) # 1. 貢献度のグラフ contributions = [self.total_a_contribution, self.total_b_contribution, self.total_c_contribution] axes[0, 0].bar(['Aグループ', 'Bグループ', 'Cグループ'], contributions) axes[0, 0].set_title('グループごとの総貢献飴数') axes[0, 0].set_ylabel('飴の数') # 貢献度の割合をアノテーションとして追加 total = sum(contributions) for i, v in enumerate(contributions): percentage = v / total * 100 axes[0, 0].text(i, v + 100, f'{percentage:.1f}%', ha='center') # 2. 1人あたりの貢献度と受け取り数の比較 group_names = ['Aグループ', 'Bグループ', 'Cグループ'] contribution_per_person = [self.contribution_per_a, self.contribution_per_b, self.contribution_per_c] # 各グループの平均受け取り数を計算 received_per_person = [] for group, letter in zip(group_names, ['A', 'B', 'C']): total_received = sum(received * count for received, count in self.results[letter].items()) group_size = getattr(self, f"group_{letter.lower()}_count") received_per_person.append(total_received / group_size) x = np.arange(len(group_names)) width = 0.35 axes[0, 1].bar(x - width/2, contribution_per_person, width, label='提出') axes[0, 1].bar(x + width/2, received_per_person, width, label='受け取り') # 純利益/損失をアノテーションとして追加 for i in range(len(group_names)): net = received_per_person[i] - contribution_per_person[i] color = 'green' if net >= 0 else 'red' axes[0, 1].text(i, max(received_per_person[i], contribution_per_person[i]) + 5, f'{"+" if net >= 0 else ""}{net:.1f}', ha='center', color=color) axes[0, 1].set_title('1人あたりの提出・受け取り飴数比較') axes[0, 1].set_xticks(x) axes[0, 1].set_xticklabels(group_names) axes[0, 1].set_ylabel('飴の数') axes[0, 1].legend() # 3. 各グループの受け取り状況の分布 # 各グループの受け取り状況を積み上げ棒グラフで表現 group_sizes = [self.group_a_count, self.group_b_count, self.group_c_count] received_counts = [] not_received_counts = [] for letter, size in zip(['A', 'B', 'C'], group_sizes): received = sum(count for received, count in self.results[letter].items() if received > 0) received_counts.append(received) not_received_counts.append(size - received) axes[1, 0].bar(group_names, received_counts, label='飴を受け取った人数') axes[1, 0].bar(group_names, not_received_counts, bottom=received_counts, label='飴を受け取れなかった人数') # 割合をアノテーションとして追加 for i in range(len(group_names)): if group_sizes[i] > 0: percentage = received_counts[i] / group_sizes[i] * 100 axes[1, 0].text(i, received_counts[i] / 2, f'{percentage:.1f}%', ha='center') axes[1, 0].set_title('グループごとの飴受け取り状況') axes[1, 0].set_ylabel('人数') axes[1, 0].legend() # 4. 貢献度vs報酬の分配公平性 # 貢献度と最終的な飴の配分の比較を円グラフで表現 total_contribution = self.total_contribution contribution_shares = [self.total_a_contribution / total_contribution, self.total_b_contribution / total_contribution, self.total_c_contribution / total_contribution] # 実際の配分シェアを計算 distribution_shares = [] for letter in ['A', 'B', 'C']: total_received = sum(received * count for received, count in self.results[letter].items()) distribution_shares.append(total_received / self.distribution_limit) # 2つの円グラフを並べて表示 ax4_1 = axes[1, 1].inset_axes([0, 0, 0.45, 1]) ax4_2 = axes[1, 1].inset_axes([0.55, 0, 0.45, 1]) ax4_1.pie(contribution_shares, labels=group_names, autopct='%1.1f%%') ax4_1.set_title('飴の貢献度割合') ax4_2.pie(distribution_shares, labels=group_names, autopct='%1.1f%%') ax4_2.set_title('飴の配分割合') axes[1, 1].axis('off') plt.tight_layout() plt.show() # 飴の配布システムをシミュレート candy_system = CandyDistributionSystem() # オリジナルの配布方法を実行 print("\n===== オリジナルの配布方法 =====") candy_system.distribute_candies(method='original') original_results = candy_system.analyze_results() candy_system.visualize_results() # 公平な配布方法を実験 print("\n\n===== 公平な配布方法のシミュレーション =====") fair_system = CandyDistributionSystem() fair_system.distribute_candies(method='fair') fair_results = fair_system.analyze_results() fair_system.visualize_results() # 公平な配布と元の配布の比較 print("\n\n===== 配布方法の比較 =====") print("オリジナル方式と公平方式の純利益/損失差:") net_diff = {} for group in ['A', 'B', 'C']: original_net = original_results[0][group] fair_net = fair_results[0][group] diff = fair_net - original_net net_diff[group] = diff print(f"{group}グループ: {'+' if diff > 0 else ''}{diff:.2f}個/人") print("\n結論:") if net_diff['A'] < 0 and net_diff['B'] > 0 and net_diff['C'] > 0: print("公平な再分配により、Aグループの特権が減少し、BとCグループの状況が改善されます。") print("これは構造的不平等の緩和に効果的です。") elif net_diff['A'] > 0: print("興味深いことに、公平な再分配ではAグループさえも利益を得られます。") print("これは、現行システムが特定グループだけでなく全体の非効率性につながっていることを示唆しています。")
国民民主党の玉木代表が「1年たったら動物のえさ」と備蓄米を揶揄したことが大きな波紋を呼んでいる。
「１年たったら動物のえさ」進次郎農相アピールの「1800円備蓄米」を国民・玉木代表がチクリ
https://news.yahoo.co.jp/articles/e0f159b761a2bf8ba7fb1ae28f02cb1ab529ff9f
戦後から1980年代にかけて広く国民から「家畜の餌」「豚も食わない」「猫も避ける猫またぎ」などと揶揄された米産地があった、北海道である。
この当時の恨みつらみは北海道でJA全農を超える加盟者数を誇るホクレン農業協同組合連合会が現在でも語り継ぐほどに北海道米のイメージは非常に低かった。
https://www.hokuren.or.jp/_greenweb_/?post_type=studies&p=1564
北海道では「赤毛」や「坊主1号」が栽培され、独自品種の「ゆきひかり」が開発されるなどしたが、北海道で選択される栽培品種はとにかく寒冷に強く収量が多い品種が求められ、味は二の次とされたこともあり、いくら低価格であっても食卓の主食として多くの国民は買わず、収穫の多くは家畜飼料として用いられた。
しかし、その価格の安さは戦後から多くの貧困家庭、特に母子家庭の主食として高い支持を集めていたのも事実だった。この当時の貧困家庭は北海道米に助けられたと思っている家庭は少なくないだろう。
けれど、その「貧困家庭の米」という事実もブランドイメージ低下に拍車をかけた。貧困家庭以外に安くても売れない北海道米は飼料消費としても余ってしまった収量は破棄しているほどに一億総中流となっていく時代に北海道米は売れなかった。
1988年、そんな北海道米に新品種が生まれる。これまでの寒冷に強い、収量が多いという良さをそのままに食味が著しく大幅に改善された「きらら397」が開発されたのだ。
しかし、この「きらら397」が開発されても直ぐに販売量が伸びたわけではなく、これまでの悪いイメージを払拭する事へ非常に苦労した。貧困家庭からは美味しくなったと大絶賛されたものの中流以上の家庭からは食べもせずにどうせ不味いと考えられてしまっていたのだった。
そんなやっかいどう米に転機が訪れる。牛丼店を中心として全国の飲食チェーンが「きらら397」を採用し始めたのだ。
このエントリを読んでいる諸氏も「あの当時の吉野家で食べた牛丼」と今の吉野家の牛丼が何か違う、家庭で食べるいつもの米と吉野家で食べる何か違う米と気付いてる者も居るかも知れないが、それは広く一般家庭に売れるようになる前の「きらら397」だった。
飲食チェーンが北海道米「きらら397」を採用していることが世間にも徐々に広まっていくと「意外と北海道米も悪くない」として一般家庭でも広く食べられるようになる。
このエピソードは「牛丼を変えたコメ―北海道「きらら397」の挑戦―(足立紀尚 著)」でも触れられており、内地(北海道外を指す北海道方言)を見返してやろうと頑張った北海道米農家の皆さんの努力を垣間見ることが出来る。
「きらら397」以降、北海道米の新品種開発は急速に進み、前述した「きらら397」から更に食味を改良した1996年の「ほしのゆめ」、更に収量を改良した2001年の「ななつぼし」、更に耐冷性を改良した2003年の「ふっくりんこ」、前述の「ふっくりんこ」とは別系統の低アミロース極良食味認定を受けた2003年の「おぼろづき」、そして前述の「おぼろづき」並の極良食味でありながら「おぼろづき」以上に収量を改良した2008年の「ゆめぴりか」が登場するに至った。
「おぼろづき」および「ゆめぴりか」は驚愕すべきことに盲検試験によって日本国内では定番である特定米産地(迷惑かける影響を考慮して特定米産地は筆者の意思で隠蔽しました。ご了承ください。)のコシヒカリの食味に勝ると試験結果が出ており、北海道米が北海道外の米を超えられることを証明した品種となった。
寒冷地で栽培可能で量が取れて安くて美味い北海道米の時代が到来したのである。
国民民主党の玉木代表がなぜ米へ対して「1年たったら動物のえさ」と表現してしまったかと言えば、彼の記憶の中には確かに一部産地の美味しくない米が家畜飼料として使われていた過去、何なら余った分は廃棄していた、豚も食わない米が存在していたことを頭の片隅で覚えていたからだろう。
しかし解釈を誤ってはならない。玉木代表だからこそこういう印象を持ったのではなく北海道外にはまだまだ北海道米へ対して悪印象を持つ国民が大勢居るのだ。しっかりとした学術的なデータで食味の良さが示されようとも極々ありふれた一般の国民の多くが北海道米を忌避し続けているのが現状なのだ。
1993年の平成の米騒動の際にタイ王国から有り難くも拠出されたタイ米へ対して恥を知らぬ言動を取ったのは極々ありふれた一般の国民であったが、その性根は未だ変わっておらず、反省しておらず、その一雫がたまたま国民民主党代表玉木雄一郎であったにすぎない。未だに「猫またぎ」だと思っているのだ。
このエントリを最後まで読み、腹を立てたのであるならば2025年令和の米騒動が収束した後に北海道米を食べてみて欲しい。
第1回次に来る漫画大賞の受賞作品と、ノミネート作品はヒットしたのか。
グーグルのAIが教えてくれた部数で1000万部突破したら超来た、100万部突破してたら来た認定、不明な奴は来てない認定するよ。
誰もが認める大ヒット作の僕のヒーローアカデミアが第1回の1位なのは説得力あるし、ウェブ漫画部門1位のヲタクに恋は難しいもヒット作だ。
💮1位僕のヒーローアカデミア累計部数1億部突破
⭕3位磯部磯兵衛物語～浮世はつらいよ～150万部突破
5位火ノ丸相撲
7位GREEN WORLDZ
8位Ｈｅｌｃｋ
9位懲役３３９年
⭕16位干物妹！うまるちゃん300万部突破
💮BLUE GIANT1320万部突破
💮からかい上手の高木さん1200万部突破
⭕逃げるは恥だが役に立つ450万部突破
⭕ラーメン大好き小泉さん300万部突破
⭕デッドデッドデーモンズデデデデデストラクション270万部突破
生まれる価値のなかった自分がアンナのためにできるいくつかのこと
圏外プリンセス
パレス・メイヂ
もぐささん
2位ウッドブック
# ホテル滞在中の乾燥対策ベストプラクティス：部屋環境と個人ケアの二軸から考える
快適な睡眠を得るためには、室内の湿度と気温が重要です。一般的な基準は以下の通りです。
エアコンを使用すると湿度が大きく下がりやすいため、加湿対策が重要になります。
> 参考：[NISHIKAWA 眠りのレッスン](https://sleep-natura.jp/infomation/futon_humidity01.html?utm_source=chatgpt.com)
---
### 洗面器やコップにお湯を入れて置く
洗面器やコップに熱めのお湯を入れて室内に置くことで、蒸発による加湿効果が期待できます。効果は限定的なので他の方法と併用がおすすめ。
> 参考：[MY GREEN GROWERS](https://mygreengrowers.com/blog/throat-dryness/?utm_source=chatgpt.com)
### 濡れたタオルを干す
濡れたタオルを室内に干すことで湿度を約4％程度上げる効果があります。複数枚干すことで加湿効果アップ。
> 参考：[WAFFLE BLOG](https://waffle.or.jp/rijicho-blog/post-10894/?utm_source=chatgpt.com)
### バスタブにお湯をためる
バスタブに熱湯を張り、浴室のドアを開けておくと湯気で室内が加湿されます。ただし持続性は低め。
> 参考：[＆H](https://and-h.com/column20230121/?utm_source=chatgpt.com)
---
### マスクの着用
就寝時に保湿マスクを使用することで、口や喉の乾燥を防ぎます。エアコン使用時に特に効果的。
> 参考：[NAFIASコラム](https://www.nafias.jp/column/660/?utm_source=chatgpt.com)
### 口閉じテープ
口呼吸を防ぐために口閉じテープを使うと、喉の乾燥やいびきを防ぐことができます。
> 参考：[松沢医院SASサイト](https://www.matsuzawa-sas.com/archives/1384?utm_source=chatgpt.com)
唇の乾燥防止に就寝前のリップケアを。保湿成分入りのものを選びましょう。
---
---
## まとめ
エアコンを使いながらも湿度を保ち、快適な睡眠を確保するには「部屋」と「自分」の両方から対策するのがコツ。持ち運びやすく、手間の少ない方法を組み合わせて、乾燥知らずのホテルライフを楽しんでください。
カナダ銀行とイングランド銀行の元総裁として、カーニーは世界の金融システムに対して権力を振るった。
彼は国際決済銀行のグローバル金融システム委員会の議長を務め、世界中の中央銀行を運営した。
2019 年 12 月、カーニー氏は国連の気候変動対策および財政担当特使に就任しました。
彼は、ネットゼロ排出、炭素税、国連の持続可能な開発目標を提唱し、権力を持つ少数の人々にのみ利益をもたらすグローバリストのアジェンダを推進しました。
カーニー氏はビルダーバーグ会議（2011年、2012年、2019年）に出席し、三極タスクフォースの一員として、世界のエリート層の利益のために金融の中央集権化に取り組んできた。
彼は単なるプレーヤーではなく、糸を引く人だった。
2020年、カーニーはブルックフィールド・リニューアブルズを所有するブルックフィールド・アセット・マネジメントの副会長でした。
👉CO2税などの政策はブルックフィールドなどの企業に利益をもたらし、一般のカナダ人が費用を負担します。
💰🇨🇦 議題にカナダを売り込む？
トランプの関税に対して、カーニー氏は「貿易ではホッケーと同じようにカナダが勝つだろう」と述べた。
🌐 しかし、世界的な金融機関とのつながりは、彼がカナダの真のニーズよりもグローバリストの利益にはるかに同調していることを示している。
Sputnik India
@Sputnik_India
💰🌐GLOBALIST POWER BROKER
As the former Governor of both the Bank of Canada & the Bank of England, Carney wielded power over global financial systems.
He chaired the Global Financial System Committee at the Bank for International Settlements, running central banks worldwide.
https://x.com/Sputnik_India/status/1900565307799797943
In December 2019, Carney became UN Special Envoy for Climate Change Action & Finance.
Advocating for net-zero emissions, carbon taxes, and the UN's Sustainable Development Goals, he pushed globalist agendas that benefited only the powerful few.
Sputnik India
@Sputnik_India
🌐💼 CARNEY IN THE BILDERBERG ROOM
Carney attended Bilderberg meetings (2011, 2012, 2019) and served on the Trilateral Task Force, working towards financial centralisation in the interest of global elites.
He was not just a player, but the one pulling the strings.
Sputnik India
@Sputnik_India
🚨🇨🇦 CARNEY WINS — CANADIANS LOSE
In 2020, Carney was Vice Chair of Brookfield Asset Management, which owns Brookfield Renewables.
👉Policies like CO2 taxes benefit corporations such as Brookfield while ordinary Canadians foot the bill.
Sputnik India
@Sputnik_India
💰🇨🇦 SELLING CANADA ON THE AGENDA?
In response to Trump’s tariffs, Carney said, “In trade, as in hockey, Canada will win.”
🌐 However, his ties to global financial institutions show he’s far more aligned with globalist interests than with Canada’s true needs.
https://x.com/Sputnik_India/status/1900565302598943227
https://x.com/Sputnik_India/status/1900565307799797943
https://x.com/Sputnik_India/status/1900565323004166641