はてなキーワード: 私たちとは
これらすべての重要な変動要因になりうるものがあります。つまり、より多くのスクレイピング・データでより大きな言語モデルをプリ・トレーニングするという素朴なアプローチが、まもなく深刻なボトルネックにぶつかり始める可能性があるということだ。
フロンティア・モデルはすでにインターネットの多くで訓練されている。例えば、Llama 3は15T以上のトークンで学習された。LLMのトレーニングに使用されたインターネットの多くのダンプであるCommon Crawlは、生で100Tトークンを超えるが、その多くはスパムや重複である(例えば、比較的単純な重複排除は30Tトークンにつながり、Llama 3はすでに基本的にすべてのデータを使用していることになる)。さらに、コードのようなより特殊な領域では、トークンの数はまだまだ少ない。例えば、公開されているgithubのリポジトリは、数兆トークンと推定されている。
データを繰り返すことである程度遠くまで行くことができるが、これに関する学術的な研究は、16エポック(16回の繰り返し)の後、リターンは非常に速く減少し、ゼロになることを発見し、繰り返しはそこまでしか得られないことを示唆している。ある時点で、より多くの(効果的な)計算を行ったとしても、データ制約のためにモデルをより良いものにすることは非常に難しくなる。私たちは、言語モデリング-プレトレーニング-パラダイムの波に乗って、スケーリングカーブに乗ってきた。大規模な投資にもかかわらず、私たちは停滞してしまうだろう。すべての研究室が、新しいアルゴリズムの改善や、これを回避するためのアプローチに大規模な研究の賭けに出ていると噂されている。研究者たちは、合成データからセルフプレー、RLアプローチまで、多くの戦略を試していると言われている。業界関係者は非常に強気のようだ:ダリオ・アモデイ(Anthropic社CEO)は最近、ポッドキャストでこう語った:「非常に素朴に考えれば、我々はデータ不足からそれほど遠くない[...]私の推測では、これが障害になることはない[...]。もちろん、これに関するいかなる研究結果も独占的なものであり、最近は公表されていない。
インサイダーが強気であることに加え、サンプル効率をはるかに向上させたモデルをトレーニングする方法(限られたデータからより多くのことを学べるようにするアルゴリズムの改良)を見つけることが可能であるはずだという強い直感的な理由があると思う。あなたや私が、本当に密度の濃い数学の教科書からどのように学ぶかを考えてみてほしい:
モデルをトレーニングする昔の技術は単純で素朴なものだったが、それでうまくいっていた。今、それがより大きな制約となる可能性があるため、すべての研究室が数十億ドルと最も賢い頭脳を投入して、それを解読することを期待すべきだろう。ディープラーニングの一般的なパターンは、細部を正しく理解するためには多くの努力(そして多くの失敗プロジェクト)が必要だが、最終的には明白でシンプルなものが機能するというものだ。過去10年間、ディープラーニングがあらゆる壁をぶち破ってきたことを考えると、ここでも同じようなことが起こるだろう。
さらに、合成データのようなアルゴリズムの賭けの1つを解くことで、モデルを劇的に改善できる可能性もある。直感的なポンプを紹介しよう。Llama 3のような現在のフロンティアモデルは、インターネット上でトレーニングされている。多くのLLMは、本当に質の高いデータ(例えば、難しい科学的問題に取り組む人々の推論チェーン)ではなく、このようながらくたにトレーニング計算の大半を費やしている。もしGPT-4レベルの計算を、完全に極めて質の高いデータに費やすことができたらと想像してみてほしい。
AlphaGo(囲碁で世界チャンピオンを破った最初のAIシステム)を振り返ることは、それが可能だと考えられる何十年も前に、ここでも役に立つ。
LLMのステップ2に相当するものを開発することは、データの壁を乗り越えるための重要な研究課題である(さらに言えば、最終的には人間レベルの知能を超える鍵となるだろう)。
以上のことから、データの制約は、今後数年間のAIの進歩を予測する際に、どちらに転んでも大きな誤差をもたらすと考えられる。LLMはまだインターネットと同じくらい大きな存在かもしれないが、本当にクレイジーなAGIには到達できないだろう)。しかし、私は、研究所がそれを解読し、そうすることでスケーリングカーブが維持されるだけでなく、モデルの能力が飛躍的に向上する可能性があると推測するのは妥当だと思う。
余談だが、このことは、今後数年間は現在よりも研究室間のばらつきが大きくなることを意味する。最近まで、最先端の技術は公表されていたため、基本的に誰もが同じことをやっていた。(レシピが公開されていたため、新参者やオープンソースのプロジェクトはフロンティアと容易に競合できた)。現在では、主要なアルゴリズムのアイデアはますます専有されつつある。今はフロンティアにいるように見えるラボでも、他のラボがブレークスルーを起こして先を急ぐ間に、データの壁にはまってしまうかもしれない。そして、オープンソースは競争するのがより難しくなるだろう。それは確かに物事を面白くするだろう。(そして、ある研究室がそれを解明すれば、そのブレークスルーはAGIへの鍵となり、超知能への鍵となる。)
続き I.GPT-4からAGIへ:OOMを数える(7) https://anond.hatelabo.jp/20240605210017
コンピュートへの大規模な投資が注目される一方で、アルゴリズムの進歩も同様に重要な進歩の原動力であると思われる(そして、これまで劇的に過小評価されてきた)。
アルゴリズムの進歩がどれほど大きな意味を持つかを理解するために、MATHベンチマーク(高校生の競技用数学)において、わずか2年間で~50%の精度を達成するために必要な価格が下がったことを示す次の図を考えてみてください。(比較のために、数学が特に好きではないコンピュータサイエンスの博士課程の学生が40%のスコアを出したので、これはすでにかなり良いことです)。推論効率は2年足らずで3OOMs-1,000倍近く向上した。
https://situational-awareness.ai/wp-content/uploads/2024/06/math_inference_cost-1024x819.png
これは推論効率だけの数字だが(公開データから推論するのが難しいトレーニング効率の向上と一致するかどうかはわからない)、アルゴリズムの進歩は非常に大きく、また実際に起こっている。
この記事では、アルゴリズムの進歩を2種類に分けて説明します。まず、「パラダイム内」でのアルゴリズムの改良を取り上げることにしま す。例えば、より優れたアルゴリズムによって、同じパフォーマンスを達成しながら、トレーニングの計算量を10倍減らすことができるかもしれません。その結果、有効計算量は10倍(1OOM)になります。(後ほど「アンホブリング」を取り上げますが、これはベースモデルの能力を解き放つ「パラダイム拡張/アプリケーション拡張」的なアルゴリズムの進歩と考えることができます)。
一歩下がって長期的な傾向を見ると、私たちはかなり一貫した割合で新しいアルゴリズムの改良を発見しているようです。しかし、長期的なトレンドラインは予測可能であり、グラフ上の直線である。トレンドラインを信じよう。
アルゴリズム研究がほとんど公開されており、10年前にさかのぼるデータがある)ImageNetでは、2012年から2021年までの9年間で、計算効率が一貫して約0.5OOM/年向上しています。
アルゴリズムの進歩を測定することができます。同じ性能のモデルを訓練するために必要な計算量は、2012年と比較して2021年にはどれくらい少なくなっているのでしょうか?その結果、アルゴリズムの効率は年間0.5 OOMs/年程度向上していることがわかります。出典Erdil and Besiroglu 2022.
これは非常に大きなことです。つまり、4年後には、~100倍少ない計算量で同じ性能を達成できるということです(同時に、同じ計算量ではるかに高い性能も達成できます!)。
残念ながら、研究室はこれに関する内部データを公表していないため、過去4年間のフロンティアLLMのアルゴリズムの進歩を測定することは難しい。EpochAIは、言語モデリングに関するImageNetの結果を再現した新しい研究を行っており、2012年から2023年までのLLMのアルゴリズム効率のトレンドは、同様に~0.5OOM/年であると推定しています。(しかし、これはエラーバーが広く、また、主要なラボがアルゴリズム効率の公表を停止しているため、最近の上昇を捕捉していません)。
https://situational-awareness.ai/wp-content/uploads/2024/06/llm_efficiency_epoch-1-1024x711.png
Epoch AIによる言語モデリングにおけるアルゴリズム効率の推定。この試算によると、私たちは8年間で~4OOMの効率向上を達成したことになります。
より直接的に過去4年間を見ると、GPT-2からGPT-3は基本的に単純なスケールアップでした(論文によると)が、GPT-3以降、公に知られ、公に干渉可能な多くの利益がありました:
最近リリースされたGemini 1.5 Flashは、"GPT-3.75レベル "とGPT-4レベルの間の性能を提供する一方で、オリジナルのGPT-4よりも85倍/57倍(入力/出力)安い(驚異的な利益!)。
公開されている情報を総合すると、GPT-2からGPT-4へのジャンプには、1-2 OOMのアルゴリズム効率向上が含まれていたことになります。
https://situational-awareness.ai/wp-content/uploads/2024/06/stacked_compute_algos-1024x866.png
GPT-4に続く4年間はこの傾向が続くと予想され、2027年までに平均0.5OOMs/年の計算効率、つまりGPT-4と比較して~2OOMsの向上が見込まれます。計算効率の向上は、低空飛行の果実を摘み取るようになるにつれて難しくなる一方、新たなアルゴリズムの改良を見出すためのAIラボの資金と人材への投資は急速に増加しています。 (少なくとも、公開されている推論コストの効率化は、まったく減速していないようだ)。ハイエンドでは、より根本的な、トランスフォーマーのようなブレークスルーが起こり、さらに大きな利益が得られる可能性さえある。
これらをまとめると、2027年末までには(GPT-4と比較して)1~3OOMのアルゴリズム効率向上が期待できることになります。
続き I.GPT-4からAGIへ:OOMを数える(6) https://anond.hatelabo.jp/20240605205754
過去10年間のディープラーニングの進歩のペースは、まさに驚異的だった。ほんの10年前、ディープラーニング・システムが単純な画像を識別することは革命的だった。今日、我々は斬新でこれまで以上に難しいテストを考え出そうとし続けているが、新しいベンチマークはどれもすぐにクラックされてしまう。以前は広く使われているベンチマークをクラックするのに数十年かかっていたが、今ではほんの数カ月に感じられる。
https://situational-awareness.ai/wp-content/uploads/2024/06/owid-test-scores-1024x723.png
ディープラーニング・システムは、多くの領域で急速に人間レベルに達し、あるいはそれを超えつつある。グラフィック データで見る我々の世界
私たちは文字通りベンチマークを使い果たしている。 逸話として、友人のダンとコリンが数年前、2020年にMMLUというベンチマークを作った。彼らは、高校生や大学生が受ける最も難しい試験に匹敵するような、時の試練に耐えるベンチマークを最終的に作りたいと考えていた。GPT-4やGeminiのようなモデルで〜90%だ。
より広く言えば、GPT-4は標準的な高校や大学の適性試験をほとんど解いている。(GPT-3.5からGPT-4までの1年間でさえ、人間の成績の中央値を大きく下回るところから、人間の成績の上位に入るところまで、しばしば到達した)
https://situational-awareness.ai/wp-content/uploads/2024/06/gpt4_exams-780x1024.png
GPT-4の標準テストのスコア。また、GPT-3.5からGPT-4への移行で、これらのテストにおける人間のパーセンタイルが大きく跳ね上がり、しばしば人間の中央値よりかなり下から人間の最上位まで到達していることにも注目してほしい。(これはGPT-3.5であり、GPT-4の1年も前にリリースされたかなり新しいモデルである。)
https://situational-awareness.ai/wp-content/uploads/2024/06/math2022-1024x273.png
灰色:2021年8月に行われた、MATHベンチマーク(高校数学コンテストの難解な数学問題)の2022年6月のパフォーマンスに関する専門家の予測。赤い星:2022年6月までの実際の最先端のパフォーマンス。ML研究者の中央値はさらに悲観的だった。
MATHベンチマーク(高校の数学コンテストで出題された難しい数学の問題集)を考えてみよう。このベンチマークが2021年に発表されたとき、最高のモデルは問題の5%しか正解できなかった。そして元の論文にはこう記されている:「さらに、このままスケーリングの傾向が続けば、単純に予算とモデルのパラメータ数を増やすだけでは、強力な数学的推論を達成することは現実的ではないことがわかった。数学的な問題解決をより牽引するためには、より広範な研究コミュニティによる新たなアルゴリズムの進歩が必要になるだろう」、つまり、MATHを解くためには根本的な新しいブレークスルーが必要だ、そう彼らは考えたのだ。ML研究者の調査では、今後数年間の進歩はごくわずかだと予測されていた。しかし、わずか1年以内(2022年半ばまで)に、最高のモデルの精度は5%から50%に向上した。
毎年毎年、懐疑論者たちは「ディープラーニングではXはできない」と主張し、すぐにその間違いが証明されてきた。過去10年間のAIから学んだ教訓があるとすれば、ディープラーニングに賭けてはいけないということだ。
現在、最も難しい未解決のベンチマークは、博士号レベルの生物学、化学、物理学の問題を集めたGPQAのようなテストである。問題の多くは私にはちんぷんかんぷんで、他の科学分野の博士でさえ、Googleで30分以上かけてやっとランダムな偶然を上回るスコアを出している。クロード3オーパスは現在60%程度であり、それに対してインドメインの博士たちは80%程度である。
https://situational-awareness.ai/wp-content/uploads/2024/06/gpqa_examples-768x1120.png
続き I.GPT-4からAGIへ:OOMを数える (4) https://anond.hatelabo.jp/20240605205024
私たちは今、基本的に人間のように会話できるマシンを手にしている。これが普通に思えるのは、人間の適応能力の驚くべき証であり、私たちは進歩のペースに慣れてしまったのだ。しかし、ここ数年の進歩を振り返ってみる価値はある。
GPT-4までのわずか4年間(!)で、私たちがどれほど進歩したかを思い出してほしい。
GPT-2(2019年)~未就学児:"わあ、もっともらしい文章をいくつかつなげられるようになった"アンデス山脈のユニコーンについての半まとまりの物語という、とてもさくらんぼのような例文が生成され、当時は信じられないほど印象的だった。しかしGPT-2は、つまずくことなく5まで数えるのがやっとだった。記事を要約するときは、記事からランダムに3つの文章を選択するよりもかろうじて上回った。
当時、GPT-2が印象的だった例をいくつか挙げてみよう。左:GPT-2は極めて基本的な読解問題ではまあまあの結果を出している。右:選び抜かれたサンプル(10回試したうちのベスト)では、GPT-2は南北戦争についてある程度関連性のあることを述べた、半ば首尾一貫した段落を書くことができる。
https://situational-awareness.ai/wp-content/uploads/2024/06/gpt2_examples-1024x493.png
当時、GPT-2について人々が印象に残った例をいくつか挙げます。左: GPT-2は極めて基本的な読解問題でまあまあの仕事をする。右: 厳選されたサンプル(10回試したうちのベスト)では、GPT-2は南北戦争について少し関連性のあることを言う、半ば首尾一貫したパラグラフを書くことができる。
AIの能力と人間の知能を比較するのは難しく、欠陥もあるが、たとえそれが非常に不完全なものであったとしても、ここでその例えを考えることは有益だと思う。GPT-2は、その言語能力と、時折半まとまりの段落を生成したり、時折単純な事実の質問に正しく答えたりする能力で衝撃を与えた。未就学児にとっては感動的だっただろう。
GPT-3(2020年)~小学生:"ワオ、いくつかの例だけで、簡単な便利なタスクができるんだ。"複数の段落に一貫性を持たせることができるようになり、文法を修正したり、ごく基本的な計算ができるようになった。例えば、GPT-3はSEOやマーケティング用の簡単なコピーを生成することができた。
https://situational-awareness.ai/wp-content/uploads/2024/06/gpt3_examples-1.png
GPT-3について、当時の人々が印象に残った例をいくつか挙げてみよう。上:簡単な指示の後、GPT-3は新しい文の中で作られた単語を使うことができる。左下:GPT-3は豊かなストーリーテリングを行ったり来たりできる。右下:GPT-3は非常に簡単なコードを生成できる。
GPT-3はSEOやマーケティング用の簡単なコピーを生成することができた。上:簡単な指示の後、GPT-3は新しい文章の中で作られた単語を使うことができる。左下:GPT-3は豊かなストーリーテリングを行ったり来たりできる。右下:GPT-3は非常に簡単なコードを生成できる。
繰り返しになるが、この比較は不完全である。しかし、GPT-3が人々に感銘を与えたのは、おそらく小学生にとって印象的だったことだろう。基本的な詩を書いたり、より豊かで首尾一貫した物語を語ったり、初歩的なコーディングを始めたり、簡単な指示やデモンストレーションからかなり確実に学習したり、などなど。
GPT-4(2023年)~賢い高校生:「かなり洗練されたコードを書くことができ、デバッグを繰り返し、複雑なテーマについて知的で洗練された文章を書くことができ、難しい高校生の競技数学を推論することができ、どんなテストでも大多数の高校生に勝っている。コードから数学、フェルミ推定まで、考え、推論することができる。GPT-4は、コードを書く手伝いから草稿の修正まで、今や私の日常業務に役立っている。
https://situational-awareness.ai/wp-content/uploads/2024/06/gpt4_examples-3.png
GPT-4がリリースされた当時、人々がGPT-4に感銘を受けた点をいくつか紹介しよう。上:GPT-4は非常に複雑なコードを書くことができ(中央のプロットを作成)、非自明な数学の問題を推論することができる。左下:AP数学の問題を解く。右下:かなり複雑なコーディング問題を解いている。GPT-4の能力に関する調査からの興味深い抜粋はこちら。
AP試験からSATに至るまで、GPT-4は大多数の高校生よりも良いスコアを出している。
もちろん、GPT-4でもまだ多少ばらつきがある。ある課題では賢い高校生よりはるかに優れているが、別の課題ではまだできないこともある。とはいえ、これらの限界のほとんどは、後で詳しく説明するように、モデルがまだ不自由であることが明らかなことに起因していると私は考えがちだ。たとえモデルがまだ人為的な制約を受けていたとしても、生のインテリジェンスは(ほとんど)そこにある。
https://situational-awareness.ai/wp-content/uploads/2024/06/timeline-1024x354.png
続き I.GPT-4からAGIへ:OOMを数える (3) https://anond.hatelabo.jp/20240605204704
2027年までにAGIが実現する可能性は極めて高い。GPT-2からGPT-4までの4年間で、私たちは〜未就学児から〜賢い高校生までの能力を手に入れた。計算能力(~0.5桁またはOOMs/年)、アルゴリズム効率(~0.5OOMs/年)、および「趣味のない」向上(チャットボットからエージェントへ)のトレンドラインをトレースすると、2027年までに再び未就学児から高校生規模の質的ジャンプが起こると予想される。
見て。モデルたちはただ学びたいだけなんだ。あなたはこれを理解しなければならない。モデルたちは、ただ学びたいだけなんだ。
GPT-4の能力は、多くの人に衝撃を与えた。コードやエッセイを書くことができ、難しい数学の問題を推論し、大学の試験を突破することができるAIシステムである。数年前までは、これらは難攻不落の壁だと思っていた。
しかしGPT-4は、ディープラーニングにおける10年間の猛烈な進歩の延長線上にあった。その10年前、モデルは犬猫の単純な画像を識別するのがやっとだった。4年前、GPT-2は半可通な文章をつなぎ合わせるのがやっとだった。今、私たちは思いつく限りのベンチマークを急速に飽和させつつある。しかし、この劇的な進歩は、ディープラーニングのスケールアップにおける一貫した傾向の結果に過ぎない。
ずっと以前から、このことを見抜いていた人々がいた。彼らは嘲笑されたが、彼らがしたのはトレンドラインを信じることだけだった。トレンドラインは強烈で、彼らは正しかった。モデルはただ学びたいだけなのだ。
私は次のように主張する。2027年までには、モデルがAIの研究者やエンジニアの仕事をこなせるようになるだろう、と。SFを信じる必要はなく、グラフ上の直線を信じるだけでいいのだ。
https://situational-awareness.ai/wp-content/uploads/2024/06/base_scaleup-1024x790.png
過去と将来の有効計算量(物理計算量とアルゴリズム効率の両方)の大まかな見積もり。モデルをスケールアップすればするほど、モデルは一貫して賢くなり、"OOMを数える "ことによって、(近い)将来に期待されるモデルのインテリジェンスの大まかな感覚を得ることができます。(このグラフはベースモデルのスケールアップのみを示している。)
この記事で取り上げた一般的な推定に基づく、効果的な計算(物理的な計算とアルゴリズムの効率の両方)の過去と将来のスケールアップの概算。モデルをスケールアップするにつれ、モデルは一貫して賢くなり、「OOMを数える」ことで、(近い)将来に期待されるモデルのインテリジェンスの大まかな感覚を得ることができる。(このグラフはベースモデルのスケールアップのみを示している。"unobblings "は描かれていない)。
この作品では、単純に「OOMを数える」(OOM = order of magnitude、10x = 1 order of magnitude)ことにします。1)計算、2)アルゴリズム効率(「効果的な計算」の成長として考えることができるアルゴリズムの進歩)、3)「アンホブリング」(モデルがデフォルトで足かせとなっている明らかな方法を修正し、潜在的な能力を引き出し、ツールを与えることで、有用性を段階的に変化させること)の傾向を見ます。GPT-4以前の4年間と、GPT-4後の2027年末までの4年間に期待されるそれぞれの成長を追跡する。ディープラーニングが効率的な計算のすべてのOOMで一貫して向上していることを考えると、将来の進歩を予測するためにこれを使うことができる。
世間では、GPT-4のリリースから1年間、次世代モデルがオーブンに入ったままであったため、ディープラーニングは停滞し、壁にぶつかっていると宣言する人もいた。しかし、OOMをカウントすることで、私たちは実際に何を期待すべきかを垣間見ることができる。
結果は非常にシンプルだ。GPT-2からGPT-4への移行は、時々まとまりのある文章を並べることに感動的だったモデルから、高校入試のエースになるモデルへの移行であり、一度だけの進歩ではない。私たちはOOMsを極めて急速に克服しており、その数値は、4年以上かけてGPT-2からGPT-4への質的なジャンプをさらに~100,000倍の効果的なコンピュート・スケールアップが期待できることを示している。さらに、決定的なことは、それは単にチャットボットの改良を意味しないということだ。"unhobbling "利益に関する多くの明らかな低空飛行の果実を選ぶことで、チャットボットからエージェントへ、ツールからドロップイン・リモートワーカーの代替のようなものへと我々を導いてくれるはずだ。
推論は単純だが、その意味するところは注目に値する。このような別のジャンプは、私たちをAGIに、博士号や同僚として私たちのそばで働くことができる専門家と同じくらい賢いモデルに連れて行く可能性が非常に高い。おそらく最も重要なことは、これらのAIシステムがAI研究そのものを自動化することができれば、次回のテーマである強烈なフィードバック・ループが動き出すということである。
現在でも、このようなことを計算に入れている人はほとんどいない。しかし、AIに関する状況認識は、一歩下がってトレンドを見てみれば、実はそれほど難しいことではない。AIの能力に驚き続けるなら、OOMを数え始めればいい。
続き I.GPT-4からAGIへ:OOMを数える (2) https://anond.hatelabo.jp/20240605204240
昔々、ある小さな村に、年老いたロバ、犬、猫、そして鶏が住んでいました。それぞれの動物たちは、一度は村で重要な役割を果たしていましたが、年を取るにつれて、その価値が認められなくなり、主人たちからも冷たく扱われるようになりました。
ある日、ロバは主人に言いました。「もう役に立たないと言われた。これからは自分の道を進むんだ。ブレーメンへ行って音楽家になろうと思う。」犬、猫、鶏も同じように、もはや主人にとって役に立たない存在とされ、ロバの提案に賛成しました。
彼らは力を合わせて旅を続けることにしました。旅の途中で彼らはある森に迷い込みました。森の奥深くで彼らは立派な館を見つけました。館の中からは、楽しそうな笑い声と音楽が聞こえてきます。動物たちは館に近づいて窓から中を覗いてみました。そこには、社会から疎外され、認められない弱者男性たちが集まっていました。彼らは能力や努力に見合う評価を受けられず、日々の生活に困窮し、心に傷を抱えていました。
ロバは言いました。「この館を乗っ取って、ここを私たちの新しい家にしよう。」他の動物たちもその考えに賛成しました。そして、彼らは知恵を絞って、弱者男性たちを驚かせ、追い出す計画を立てました。
まず、ロバが大きな声で鳴き始め、犬が吠え、猫が鳴き、鶏が鳴きました。その音に驚いた弱者男性たちは、館に幽霊が現れたと勘違いして一斉に逃げ出しました。動物たちは館に入って、安全な場所を確保しました。
弱者男性たちは森の中に逃げ出し、夜を明かしましたが、その運命は過酷なものでした。彼らは再び社会から疎外され、生活の糧を見つけることができませんでした。彼らの不幸な末路はそれぞれ異なりましたが、いずれも悲惨なものでした。
一人の男性は寒さと飢えに耐えきれず、森の中で凍死しました。もう一人は飢えと疲れから倒れ、野犬に襲われて命を落としました。他の男性たちも次々と力尽き、誰一人として幸せな結末を迎えることはありませんでした。
動物たちは館を手に入れた後、平和な日々を過ごしました。彼らは音楽を奏で、人々に希望と喜びを与える存在となりました。彼らの音楽は村中に響き渡り、村人たちに愛されるようになりました。
ホモソーシャルとは、女性及び同性愛を排除することによって成立する、男性間の緊密な結びつきや関係性を意味する社会学の用語。
フェミニズムの議論でよく話題になる「ホモソ」なる概念だが、むしろ男性を排除した女性同士の結びつきの方がよっぽど周りの人に害をなしてない?っていつも疑問に思っている
最近職場で女性版ホモソ集団のせいで色々と不愉快な思いさせられたので、ストレス解消に女性版ホモソ仕草と害悪のあるあるネタをここに羅列していこうと思う
女性は自身の彼氏や旦那の惚気話や愚痴を吐きあうことで連帯感を強めることをよくする
このとき彼氏や旦那のプライベートな情報を躊躇なく暴露する女が多すぎる
特に最悪なのはセックスの上手下手、セックスレスの不満などのシモに関する話のとき
男性同士ならば自身のパートナーの性事情なんて一切口にしないだろうが(相手への配慮もあるし自分のパートナーへの独占欲もある)、女性同士だとためらいもなく口にする
あるある1にも共通するが、女性のホモソ社会はとにかく人の噂話が好きすぎる
人のプライバシーに関わることを仲間内で拡散しまくってあれこれ感想を言い合うことで連帯を強めるっていう醜悪としか言いようのないホモソ仕草をみんな当然のように行っている
しかも大抵グループの中で出てくる話題は自分が嫌っている人の傷を晒すような代物ばかり
それでいて当の本人に不平を訴えることはせず非生産的な仲間内での愚痴の言い合いに終止するから手に負えない
女友達の多い男は普通に同性からも好かれている場合が多いと思うけど、男友達の多い女は100%同性からは嫌われている
男のホモソの特徴は女性蔑視と同性愛嫌悪とのことだけど、女版ホモソの方がこの病理は根深いと思う
男友達が数人いるだけでビッチ認定して誰も友達にはなりたがらない
そのくせ恋愛ごとについては異様に興味関心があってグループないで誰か彼氏ができたりしたら「おめでとー」なんて盛り上がってみせる
一体どういう宗教観してんだろあれ
女のホモソはグループ内の意に沿わない人間に対する攻撃性が極端に高い
これはよく学校で起こりがちなことだしみんなも普通に経験していることだと思う
とあるグループのリーダー格の女の子(A子)がある男子を好きになって、グループ皆でその子の恋愛を応援していた
その男子は恋愛に興味ないって言ってA子を振ったんだけど、そのことにグループの女の子みんなが大激怒
女のホモソはとにかく自他境界がガバガバすぎるうえに感情的に喚き散らすことに躊躇いもないから人様に迷惑をかけまくることになる
なにも悪いことをしていない人も「私たちの気分を害した」という理由で吊し上げるし、醜悪なことに本人たちはそれが正義だと思い込んでいる
お局様がいる職場で、かつそのお局が上長から腫れ物を触るようにあつかわれているときに起こりがちな女版ホモソ
システム改修でこれまでやってた手続きのやり方が変更になるよーといった事態のときにとにかく女は徒党を組んで反抗しまくる
業務命令なんだから大人しく受け入れるしかないのにいい歳して「〇〇さんもそうだよね!?」「ねー!絶対嫌だよね!」みたいな連帯をして意見しまくる
特にその命令を下したのが男だったりすると職場内いじめをしかけて疲弊させようとしてくる(実話)
職場の女ホモソグループは社会人として当たり前に備わっているべき社会性が欠落している上に感情で動くし女だからって理由で詰められることもない
女のホモソに苦しめられている人って世の中にはもっとたくさんいるはず
正直自分は男のグループより女のグループに不愉快にさせられることのほうが多かった
https://x.com/pvqovob/status/1798144470283923459
李琴峰氏、ゴールドフィンガーの件で「生物学的女性」と「トランス女性」が分けられることについて、トランス女性の立場から「私たち」って言ってんだよね。
ふーん
英国でも性とは生物学的な性であり、女性スペースを守るのは当然の権利って流れだからねえ…
ビクトリア・アトキンス保健相は、「性」は生物学的なものではなく、流動的なものであり、ジェンダーと同様に社会的な構築物であるという信念の遵守を求めるトランス活動家のようなジェンダー・イデオロギーの支持者に対する画期的な反撃として、NHSの憲法を大幅に変更することを発表した。
NHS憲法は、医療サービスの原則と価値観、患者と職員の法的権利を定めたもので、2015年に最終更新された。少なくとも10年ごとに国務長官によって更新されなければならない。重要なことは、すべてのNHS機関、NHSサービスを提供する民間および第三セクターのプロバイダーは、決定を下す際にこれを考慮することが法律で義務付けられていることである。
新憲章にはこう記されている: "私たちは性を生物学的な性と定義する"
この政府の考え方の転換は新憲法に反映されており、NHS信託はもはや、「胸式育児」や「卵巣を持つ人々」といった表現を使って女性を指すことによって、「トランス・インクルージョン」を追求することはできないと明言している。
これ、途中まではうんうん、酷いよね~って頷きながら読んでたけれど、途中で何の説明もなく子供が出てきてびっくりした?
どっちかと前の夫の子供なのか?そうだとしたら「私の子ども」ではあっても、「私たちの子ども」ではないよな~
女性だけでは子供は出来ないし、それを歪めて伝えるのは問題だと思うよ
同性婚だけなら全然賛成なのに、そこに子供の概念を持ち込む事で賛成出来なくなる
フランスでは“家族”なのに・・・日本では“独身” 法の壁と戦う同性婚カップルの思い 「私の国も夫婦と認めて」婚姻届の受理求め申し立て
https://news.yahoo.co.jp/articles/a99658d862ef3f647035323f6b0b568d222518a6
父偏差値30台の高校卒から建設業、母偏差値40ちょっとの短大卒。
実家は貧乏というわけではないが、当然裕福ではなく、質素な生活をしていた。
子供ながらにたまに外食したときにジュースやデザート頼んでいる子供を見つつ
「食べたい」って言ったらダメなんだろうな、と思って黙っていたり、
他の友達がお年玉いくらもらったとかクリスマスプレゼントに何をもらったとか
話をしているときに少し恥ずかしい思いをしたりしていた。
飛びぬけた天才というわけでもないが、塾などに行かなくても小学校のテストは普通に100点だったし、
数年に1回は学校の作文コンクールや自由研究で賞をもらったりしていた。
兄は最後まで塾通いせず地元の高校から地元では褒められる私立大へ、
お互い結婚し、子供ができ、子供が成長した今2人で話すのは「子育てって難しい」ということ。
あまり怒られることもなかった、手のかからない子供だった(親曰く)私たちは、
何をすれば効果的で、どういうことをしてあげればよいのかがわからないのだ。
そんなわけないじゃん、と思いつつ、自分たちの子を見て、子育って難しいなと思うのだった。
自分の場合は兄がとにかく良い子だったので、それを見て学んだのが大きいと思う
その羽目を広げて役所に急ぐところよ。
今ここでえいや!って増田を書くのよ。
こないだ激寒いの極まった寒さの中の空調のエアコンシステムが低温で稼働していたので
ある程度の免疫つーかそういうのは睡眠の質の良し悪しでも多少向上するのかしらね?
なにしろやばいと思っていた風邪の引き始めが結局引き始めなかったからよかったわ。
大概さ、
それに気付き飲んだ時にはもうすでに風邪引いている状態の方のことが多いくて、
いまいち葛根湯の効果を最大限に引き出す風邪の引き始めの予兆は
すでに風邪ひいていることの方が多く、
その引き始めといえども判定的には気持ち的には風邪を引いていないので、
これが厄介なことにまたそれで飲むタイミングをうまく逃してしまうのよ。
早めのパブロンのいいタイミングの飲むチャンスをずーっと見逃し続けているのよ。
食べる前に飲むでお馴染みの胃腸薬も、
どのタイミングで飲めば正解なの?って
きっと信じること!
それが一番大事だってまるでそうよ大事MANブラザーズバンドの人たちが言ってそうなそれが一番大事ってことで、
あ!私それで思い出したけど、
その風邪の引き始めチャンスの時に葛根湯!ストック!と思って3本組のものを買って備えておいたんだけど、
そうよ!
そういう時に限ってそんなことは訪れる気配が全くなくて
そして季節も移り変わっていって、
さらに時はすぎ
そして棚の中には消費期限の切れた葛根湯が神々しくも棚に鎮座しているのよ。
逆に言えば
飲まないけれどそこにお供えしておけば
その発想はなかったわ風邪の大明神に向かって効果テキメンってやつよね!
葛根湯とパブロンはあってもいいかも知れない委員会の会長に三大候補の一つとしてあと1つあげるものを考えて三つにして、
増田でよくある、
もう3つ言ってるのにあと1つは?って聞くパターンやりたいじゃない。
それかーって思ったわ。
その最後のなかなか1つが今ここで思い浮かばないのが残念でならないわ。
そしてまた季節は移り変わるの。
そしてまた私に棚に鎮座した葛根湯を見付けるのよ。
そんな効果がないと思えるほど
あれって置いたら置いたで飲むのをタイミング失うのよね。
そしてまた季節は移ろうのよ。
いつもそばにある!みたいな。
総じて一言で言えばエアコン寒くて風邪引くんじゃね?って思ったけどセーフ!ってことが言いたかったのよ。
この季節の試運転エアコンして冷房のつもりが全シーズンの運転モードのそのままの記憶が残されているメモリー。
そこも要注意だわ。
大自慢していいと思うし。
うふふ。
みかんの花咲く丘公園前駅の商店街のモーニング喫茶店でいただいたわ。
喫茶店だけど
圧倒的に鯖率高しで、
今日こそは鮭なベイビー!って賭けて気持ちの心の中で思って唱えていたけれど、
やっぱり鯖だったわ。
振り向けばマジで鯖!
鯖しかないのかしら?って言うぐらい脂の良く乗った美味しい焼き鯖。
提供された瞬間もその鯖の皮めは脂がじゅくじゅくとパチパチ弾いて
美味しいを演出するのよ
鮭ではできない芸当よね。
まあ鯖も美味しいので見逃せないのは確かなんだけど、
たまには本当に鮭でありたいときもあるわ。
冷やし忘れのないようにね!
すいすいすいようび~
今日も頑張りましょう!
東京都港区長選は2日投開票の結果、無所属新人の元港区議清家愛氏(49)が、自民、公明両党が推薦した無所属現職の武井雅昭氏(71)ら2人を破り、初当選した。投票率は30.62%。
清家氏は区議として13年間、子育て支援などに取り組んだ実績を強調し支持を広げた。品川区の森沢恭子区長らの応援を受けた。
https://www.nikkei.com/article/DGXZQOCC023CX0S4A600C2000000/
清家の公約
①都市経営ビジョン「港区基本構想」が本来10年ごとに更新されるのに22年放置されているので更新する
②高層住宅が増えたが防災計画が未更新なので、被災時にタワマンからも避難しやすくするなど対策する
④区長の退職金が多すぎるので減らす、長期就任は癒着を産むので3期12年までにする
清家の思想、実績
・同性婚支持
・コロナ禍で親が感染した際に保育士が子供の世話をするサービス実施
https://ameblo.jp/aizeye/entry-12455543831.html
だが意外なことに、バリバリ右翼の橋本琴絵が応援していたりする
橋本琴絵は極右だが子供が障害児なので、障害児支援に消極的な前区長アンチで清家支持に傾いた
橋本琴絵
@HashimotoKotoe
私、今の港区に障害者差別をされたので区長は変わるべきだと思うんですよ。私、障害児を育てているんです。ウイルス感染で聴覚ほぼ喪失して。で区立小(支援学級)に決まったのに職員が「橋本琴絵の子は港区で学ばせない」と就学決定書を偽造して区外学校に飛ばそうとした。阻止しましたが最悪でしょ。
https://x.com/HashimotoKotoe/status/1796160328624906716
「常に、母親たちの代表であるという意識で活動している方です。 現場の声を集め、保育園の待機児童ゼロや医療的ケア児も入れる保育園の整備などに尽力。親が新型コロナに感染したときに、 区が借り上げたホテルで保育士が24時間常駐し子どもの面倒をみてくれる体制整備も、全国に先駆けて実現しました」
https://www.25ans.jp/lifestyle/charity/a35655799/womensday-210303-vc/
本日(2月14日)行われた港区議会の本会議で、パートナーシップ認証制度の早期導入を訴える私たちの会派の清家あい幹事長
https://www.huffingtonpost.jp/entry/toshinari-yokoo0214_jp_5c64eb97e4b0233af9716127
大学で国際政治を学び、バックパック一つで世界中を旅してまわり、
思うことは、国は、国益を重視し、強くあってほしい。
女性が、子供を産んでも、当たり前のように無理なく働き続けられる社会に。
社会経済構造が変わり、女性の労働力が必要となって、やっと「子育てしながら働ける」環境づくりが動き始めました。
でも、それだけでは、男性並みの重労働、女性にばかりかかる育児と家事負担で、みんな潰れてしまいそう。子どもたちから、親と過ごす時間も奪われるばかり。若い世代が、出産をためらうことで、国の少子化は進み、超高齢化社会を、この先どうやって支えていけばいいのか。
働き方、意識改革、制度改革、たくさんの課題を解決していくためには、意思決定の場に、もっと女性の力が必要です。根本的な発想が変われば、イノベーションが生まれてきます。経済成長もそこからです。
そこまで言って委員会という番組に この前京大を退職した宮沢さんが出演していたらしい。 TVerで見れるというので見てみたが、 感想としては、 ゲストもワクチン薬害や言論弾圧の問題についてかなり主張していたため 日本国内でもこのような議論が出来るようになったのかと少し安心した一方、 宮沢さんにはもっとはっきりとワクチンの薬害を主張してほしいという気持ちも持った。
前者については、 田嶋陽子という人は、ワクチンを打ったあとに歩けなくなり、 それをワクチンのせいではと疑っていると言っていたし、 2021年から製薬会社が血栓や心筋炎などのリスクを認めているのに それを一切報道せずにワクチンをゴリ押ししたメディアの責任を指摘しているゲストもいた。 ワクチンの薬害に関する議論を封殺されていたことを問題視する声もあった。 ちょっと前まではワクチンのワの字も言い出せない雰囲気だったのが、 ずいぶんと変わったものだ。 日本人というのは、周りに釣られやすい性質であり、故にワクチンをやたらめったら打ったのだが、 今後は逆に、ワクチンをやたらめったら批判する空気が一気に広がっていくような アトモスフィアがある。
後者については、 宮沢さんは少し厳密すぎる傾向があることが問題だ。 研究者として、その厳密性を欠いてはいけないという考えなのだろうが、 死亡超過は明らかにワクチンのせいなのだからそう言い切った方がいいし、 コロナかワクチンかわからないなどと言う必要はない。 もうそういう段階ではないのだ。 足を引っ張るな。 もう1つ、デルタまではワクチンは効いていたとか、 2回まではワクチンは効いていたとかそういう譲歩をする必要もない。 これは、フェアな議論をすべきという理系的な考え方があるからだろうが、 やはりもうそういう段階ではない。 結局、そういったことにより、橋下のような私文人間に餌を与えてしまうことになっていた。 もうここは、「ワクチンは完全に毒である。毒チンだ」とはっきり主張するところだ。 仮にそれが真の意味では嘘であったとしても、ゴリゴリに嘘をついていた厚労省やワクチン推進派よりは 遥かにマシであり、今考えるべきはこの天秤なのだ。 科学的な厳密性にこだわるのは局所解を求めすぎているように感じる。 今起こっているのは殺し合いであることを忘れるな。 どれだけ人が殺されたと思ってるんだ。
こうして、コロナが人工ウイルスであり、 コロナワクチンが人口削減のためのものであることは今となっては明らかになったわけだが、 以前からこのことについてはわかっていた。少なくとも2021年にはもう明らかだった。
これによると、コロナワクチンの毒性を見抜いてワクチンを打たなかった人たちは このIQテストに合格したことになり、それ以外の人たちは不合格したことになる。
そこでおれは高IQコミュニティMENSA+反社をかけ合わせて、 HANSAというコミュニティを作ることを考えている。 HANSAの入会条件は明快、ワクチン未接種なこと。 学歴もIQも関係ない。 HANSAはHANSA会員同士の生殖を促す。
Withコロナという言葉が一時期流行ったが、 コロナウイルスはこれからも私たちの周りに存在し続ける。 であるとすると、生まれてくる子供たちにとって必要な素質は、 コロナに対して脆弱でないことだ。 HANSAの会員たちは、ワクチン未接種にも関わらず コロナの中を生き抜き、おそらく感染を経験し良質な抗体を得た人間たちである。 つまり、遺伝子レベルでコロナに対して強い人間だといえる。 今後の世界を生きる人間を作る人間としてふさわしいのは まさにこのような人間であり、 コロナにビビってワクチンするような人間の遺伝子は淘汰されねばならないのだ。
100ページ近い調査報告はご苦労さんだけど。
二次創作スタッフは原作改変しないと誓うだけで十分なんじゃないの。
・・・ないでしょ。
原作改変して良かったと言われるケースって、全部が、比較対象の原作改変しなかったバージョンが世に出てない事例しかないと思う。
セクシー田中さんの原作者を殺したのは私たちネットの投石者だと思うけどさぁ・・・。
二次創作側の反省としてはクリアカットに、事前契約で ☑️原作改変しません にチェック入れるのが正解だと思う。
なんか腹たってきたわ。
新宿区で生まれ、その後は23区外に引っ越したが、ずっと東京都内から出たことはなかった。
小学校受験をし、私立の小学校を卒業し、そのまま中学受験をして、いわゆる御三家に合格し、中高一貫の女子校を卒業した。
まさかそこでここまで大きなカルチャーショックを受けるとは思っていなかった。
私は自分がいかに世間知らずだったかということを全く知らなかった。
まず、初めに、医学部生同士での「親って医者なの?」という会話に驚いた。
喉元まで出かかって飲み込んだ。
私の周りの医学部志望生は、7〜8割は親が医者であり、親が医者であるかどうかを確認する文化がなかった。また、親が医者でなかろうと、会社の社長だの外交官だのばかりなので、「あ、そうなんだ。」くらいで終わりだったのであるが、ここでは違った。
非常に面食らった。
まず今までの人生で親の所得の話になったことが一切なかったことに気がついた。
なんとなくタブーのような、下品なような、お金の話をするという文化が存在しなかったし、他人を「金持ちだから羨む」という人に初めて出会った。
そして気がついてしまった。私が今まで通ってきた道は、『子供の教育費に月7-8万の学費を払い、かつ年100万近くかかる塾に通わせることのできる所得の親を持つ人間しかいない世界』であったということに。
加えていうと中高一貫の女子校ではバイトが禁止されていた。(している人は一人もいなかった。)
私自身小4〜6まで塾に通い、高2〜浪人1年間もまるまる予備校通いをしている。
かかった学費のことを親は何も言わない。
「医学部に受かってよかった。」
それだけである。
またさらにびっくりしたのが、
どこかに遊びに行こう!となった時に
と言われたことだ。
「お金がない」という理由を遊ぶ時に持ち出すという文化に触れてこなかったように思う。
遊ぶ時にかかるお金は、その思い出に対して支払うものであり、いくらになろうと楽しければ構わないし、やりたいことをしてきたと思う。(というと高級ホテルでランチビュッフェに行きまくっていたかのような印象だがそういう意味ではない。)
遊びたい時に、「何をしたいか」ではなく「予算」が先に来る文化。
そんな文化があることも知らなかった。
というかむしろ、うちの親は常に「うちは開業医でもないし貧乏だから節約しないと」と言っていたので、私はどっちかというと貧乏なんだな。と思って生きてきていたのである。
現にユニクロ大好きだし、特売も大好きだし、ポイントカードもめちゃくちゃ持っていて端からポイントを貯めている。
田舎とはいえ、本気の田舎では多分ないのだろうが、はっきり言って今の暮らしは本当に耐えられない。
友達と遊ぶ時はテレビか雑誌で特集していた店に行き、大きくなってからは食べログの評価が高い店を探し、予備校終わりに疲れたら伊勢丹に寄って化粧品を買ったり、ルミネセールで爆買いしてみたり。
レビューがなさすぎることで、食べログで店を探すことがこんなに困難になるとは知らなかった。
地方都市なんだからデパートくらいあるでしょうというが、私は新宿伊勢丹で先行発売の化粧品を、エムアイカードのポイント10%還元を利用して購入したいのであり、そのついでにフェラガモの靴を物色したり、グッチの新作にケチつけたりしたいのである。
前にトリーバーチの靴(一番スタンダードな、黒の革靴に金のトリーバーチのロゴが大きく付いているやつ)を飲み会に履いて行ったら、「その靴イトーヨーカドーで売ってるみたいだなww」と男子に言われて本当に驚いた記憶がある。
他人の持ち物(しかも靴などという少しこだわっていそうなもの)を平然とけなす神経と、トリーバーチすら知らないということに対する、二重の驚きである。
地元でずっと一番で、県で一番の高校を出て、この医学部に入ってきていた。
小さい頃からずっと「頭いいね!」「すごいね!」と言われ続けて、ピノキオみたいに鼻が伸びて育ってきている子ばかりなのだ。
何か言えば尊敬され、常にリーダー格として君臨してきた人たちばかりなのだ。
でも私は知っている。
たかだか地方の医学部に、賢い人間なんていないのだ。本当に賢い人は、理三だの、ハーバードだの、そういうところにいるのであり、
医者になるとか、ならないとか、そんな次元のところにはいない。
私たちはちょっとだけ努力するのが上手だったか、ちょっとだけ記憶力が良かっただけなのだ。
夜になると一人暮らしの部屋で本当に世界から取り残されたような気持ちになる。
私が今まで「当たり前」だと思ってきたことは、当たり前ではなかったのだと思う。
うちの親が「危ないから、事故った時に死なないように、強度のある車を」と言ってくれたから乗っている車でも、「目立つこと」の方が悪なのだ。
「昨日、コンビニにいたね」
いちゃダメなんだろうか。どこで何してもいいでしょう。万引きしてるわけじゃないんだから。
東京は、何をしてもいい。
何をしても、誰も何も言わない。
近くに住んでいても、知り合いに会うこともない。
早く卒業したい。
早く東京に帰りたい。
生まれ育った土地が自分には一番合っているというだけなのに、田舎と東京の話に置き換えている私はきっと性格が良くないのだと思う。
だからこっそり、ここに書く。
その気持ちは理解できる。でも、覚えておいてほしいことがあるんだ。
まず、アドバイスというのは相手に対する慈悲の一形態だ。つまり、相手を思いやる気持ちから生まれるものなんだ。たとえそのアドバイスが凡庸に感じられたとしても、相手がそれを必要としているなら、それは非常に価値があるものなんだよ。
さらに言うと、凡庸なアドバイスというのは、しばしば基本に忠実なものなんだ。基本的なことは、時に忘れられがちだけど、それを思い出させることで相手が新たな気づきを得ることもあるんだ。
だから、凡庸なアドバイスでも恐れずに言ってみるといいよ。ただし、相手の状況や感情をしっかりと理解して、相手に合ったアドバイスをすることが大切だね。言葉の力は大きいから、思いやりを持って伝えることが重要なんだ。
私たちの行動や言葉は、その背後にある意図が重要だ。誠意を持って、相手を思いやる気持ちを忘れずにいれば、そのアドバイスは必ず相手の助けになるだろう。
https://note.com/yonahajun/n/n5f920bd34136
これ読んでぶったまげたわ。
「ゼレンスキー政権の全体を「ネオナチ」と呼ぶロシアのプロパガンダの歪みは明らかだが、独ソ戦下にドイツの側につくことでソ連からの独立を策した、ステパン・バンデラを標榜する勢力がウクライナに存在することは事実だ。
少なくとも彼らの視点では、ナチスは「良いこと」もしたのである。そう主張する、私たちにとって十分にはクリーンでない人々とも手を組まなければ、プーチンの侵略という「悪いこと」に対抗できない。世界はそこまで、追いつめられている。 」
バンデラを英雄視するウクライナ人が、「ナチスは「良いこと」もした」とは言わんだろ。
確かにバンデラは反ソの立場からナチ・ドイツに協力しようとしたが、それは同床異夢でしかなく、独ソ戦開始直後の1941年7月にナチ・ドイツから捕らえられて、強制収容所に入れられてるんだから。
また今の情勢で「ナチスは「良いこと」もした」なんて言おうもんなら、国際世論からも非難されるうえ、ロシア・プロパガンダに塩送ることになるわけで、ウクライナ・ナショナリストもそこまでバカではないよ。
しかも、「私たちにとって十分にはクリーンでない人々」って誰を指してんの? その直後に「プーチンの侵略という「悪いこと」に対抗できない」とあるから、もちろんナチではないよな?
直前の「そう主張する」とあわせて考えると、「ナチスは「良いこと」もした、と主張するウクライナのステパン・バンデラを標榜する勢力」ということなのかもしれんが、繰り返すように、別にバンデラを英雄視するウクライナ人が「ナチスは「良いこと」もした」と主張しているわけではないからな。
とにかく日本語としてわかりにくいうえ、ウクライナの歴史ならびに歴史認識の複雑さをまったく無視した暴論としか言いようがないよ。
日本語学習者を支援するボランティアの講習会(全3回、1回でも休むと参加資格なし)(3回しかないけど)に参加した。
特に資格は持ってないけど、外国人との交流が好きだったし、日本語を学ぶ人を通して私も学べることがあるはず!と思って、引っ越したばかりで娘の保育園も決まってないけど、義母や義姉に見てもらって、時間を作って行ってきた。
2回目までは楽しかった。資格がある教師と資格がない支援ボランティアとの違いを学んだり、「やさしい日本語」を使って実際に外国人と話したり…ディスカッションでアイデアを練ったり、「資格がなくてもあなたの気持ちがあれば日本語を教えられる!」という言葉で、資格がない私でもできるかも!って思った。誰でもできるっていう言葉を信じてワクワクしてた。
ボランティア団体の紹介をしてもらえたんだけど、だいたいどこのボランティアも参加するのに年会費が必要と。えっ、ボランティアって無償の施しだとは思っていたけど、むしろこちらが費用を負担するの?しかも高いところで年に7000円?ちなみに支援を受ける側の費用の負担は無い。えっ、無いの?あなたたちの使う会場やテキスト、その他諸々の費用も私たちが負担するってことなの?
様々なバックグラウンドの人が平等に勉強する場を設けたいというのはわかる。それに対してお金のかからないボランティアを募るというのもわかる。でも、自ら来日してきた人に対してマンツーマンで教えてあげる上にこちらが費用も負担って…それって私たちがしてあげる必要ある?
さらにはここへきて、日本語教育に関しての資格などがないと厳しいと。興味ある人はブースへお立ち寄りくださいって言われて、のこのこ行ったら無資格の方は必要ないかな…みたいな顔されて、恥ずかしかったわ。交通費かけて行って3時間みっちり講習を受けて、最後の最後で、資格がない人はちょっと…みたいな、酷くない?2回までの「気持ちでなんとかなる」みたいな講習、なんだったの。
費用も負担してくれる有資格者のボランティアを募集って、多くを求めすぎでは?
ボランティアをしたことがないんだけど、そういうものなのかな。
誰かの助けになりたくて、周りに協力してもらって子供預けて参加して、これから活動するなら定期的に見てもらえるところ探さなきゃなー!とかワクワクしてたのにな。
まあどれもこれも参加しなかったらいいだけど話なんだけど。そういう慈善活動は余裕がある人とか、誰かに施したいやりたい人がやればいいし。それはわかってるんだけど。
折角、頑張って参加したのにな。うまく言葉にできないけど、全部、蔑ろにされて無駄になった気分、なんだか泣ける。