  |
はてなキーワード: 適用範囲とは
経済理論の妥当性を議論する際、多くの場合、特定の理論が想定する前提条件が、ある国の経済状況に適合するかどうかという問題に帰着する。
例えば、新古典派経済学の説明力は、特定の条件下でのみ発揮される。
この認識は、経済理論に関する投稿への反論を検証する過程で、教科書や学術論文、記事を精査することで得られる。
経済学には、リフレ派やMMT派のような一部の「間違った」モデルの例外を除き、多様な「正しい」モデルが存在する。
これらのモデルは、それぞれ異なる経済状況や前提条件に基づいて構築されており、特定の状況下での経済現象を説明するのに適している。
この事実に直面することで、経済理論の複雑さと自身の知識の限界を認識できる。
「デフレ・インフレの良し悪し論」も同様の文脈で理解する必要がある。
デフレが有利になる経済主体がいる一方で、インフレから利益を得る主体も存在する。
このような状況下では、個別の立場から「自分に有利だからこうすべき」と主張しても、単なる多数決の論理に陥ってしまう。
したがって、このような問題に対しては、日本全体の利益という観点から分析を行うことが不可欠だ。
マクロ経済的な視点を持つことで、個別の利害を超えた、より包括的な政策判断が可能になる。
できるよ！！
公開範囲を限定するのそれなりに効果はあるけれど100％ではないよ。
…例えば物理Onlyでかつ有償でのみ閲覧可にしてもネタ画像と称して漫画のコマを切り抜きしてtweetする人がいるように
Glaze も学習妨害の効果はあるけれど100％ではないよ。
…Glazeの仕組みは他人の画風と混ぜ混ぜして学習をだます仕組みだけれど、Glazeは、学習に使用するモデルと妨害したい画像データ、欺瞞用データで計算するため 計算に使用したモデルに対してのみにしか妨害効果がないから、適用範囲が限られてるよ。そのうえ、GlazeはSD1.5で動作するように設計されてるけれど、現時点でSD1.5を使用している人はほとんどいないよ。さらに、SD1.5の時代においても、ユーザーは各自のニーズに合わせてファインチューニングされたモデルを使っていて、素のSD1.5そのままを利用している人はほぼいないよ。加えて、素のSD1.5に対しても、効果のある元データと欺瞞データの組み合わせの幅が狭く、常に効果があるわけではないよ。…論文は正しいしアプリもそれなりに動くけれど前提が現実に合っていないの
Nightshadeも学習妨害の効果はあるけれど100％ではないよ。
…Nightshadeの仕組みは大規模モデルではトークンと画像の特徴の結びつきが弱いから簡単に乗っ取れるよなの。スタバなうでラーメンが出る現象みたいなやつ。論文では画像をWEBで公開する時は画像と関係ないテキストをつけろと言ってるけれど、そんなことしたら意味不明なツイートになったり、画像投稿サイトにUPしても見つけてもらえなくなるから誰も実践してないの。Nightshadeのアプリは画像から画像の説明を生成するアプリを騙す処理を施すのであって学習を妨害する機能は無いよ。しかも実際は全然騙せていないのん。それに、学習する側はNightshadeとは関係なしに説明文の生成で誤検出等があるのが前提で手動で画像の説明文を修正するのが当たり前だから…論文で言ってることは正しいけれど誰も実践できてないの
…「この画像はウォーターマークのついている画像です」の説明文とともにウォーターマークごと学習して、ウォーターマークの画像の特徴はウォーターマークのトークンに関連付けられて学習されるの。ウォーターマーク以外の部分はその他のトークンに学習されるの。ウォーターマーク付きのデータが増えると、より正確にウォーターマークの概念を学習できるの。
ウォーターマークは学習妨害ではなく当該著作物の2次利用の防止のためにつけるものなの。例えば、勝手にグッズにされたとか
ウォーターマークがついていない本商品を売るためにサンプルとしての参考画像にウォーターマークをつけるの。本商品にまでウォーターマークつけるとウォーターマークついた状態で2次利用されてしまうの。
…ウォーターマークと同様にサインのトークンに吸収されて学習されるの。
サインは盗作防止のためにつけるの。例えば、第３者がこの絵は俺が描いたとか。
「勝ち馬に乗る」のを技術選定呼ばわりしてる人間の多さよ。そら流行った側について人にマウント取るのは楽しいだろうね。それで先見の明があるとかで称賛すらされるんだから彼らにとっちゃやめる理由はない。
俺が言いたいのは技術の勝ち負け、言い換えればネットの表層から見える使用人口、なんて観点の一つでしかねーよって話。（観点ではないとまでは言わない。優しいので）
そもそも技術を正しく突き詰めた先は、解決したい問題と諦めた問題の取捨選択だろ？ すべてを解決する最強の技術があるって言いふらすのは小学生までにしとけな。
適用範囲にとって最適な技術が違うんだから一個だけが優勝するなんてことはねーの。あ、これ「ビジネスの問題だから真に技術力を持った技術者には関係ない」とか言っちゃいます？？？
まず、「定義的におかしくなる」という指摘は、クィアという概念の範囲とその含意についての議論に基づいています。この議論は、クィアという用語が本来指す範囲が広義であること、つまり「正常」とされない性的指向を包括するため、ペドフィリア、ズーフィリア、ネクロフィリアなども含むべきであるという論点に関わるものです。ここで焦点となるのは、社会的に「正常」とされるか否かであり、性的同意の問題とは異なる概念です。
性的同意の有無は重要な倫理的かつ法的な要素ですが、この文脈において議論されているのは、性的同意とは無関係に「クィア」という言葉の適用範囲がどこまで広がるべきかという問題です。「定義的におかしくなる」という主張は、性的同意の有無ではなく、クィアという概念が本来持つ意味の一貫性や範囲についての議論であり、これに対して反論するためには、その意味論的な広がりとその正当性についての理解が重要です。
したがって、この文脈では「性的同意があるかどうか」という要素は、本来の議論の焦点ではなく、クィアという概念の定義やその社会的・文化的な適用範囲を巡る議論が主題となっているため、性的同意の話に持ち込むこと自体が議論をすり替えるものであると言えるでしょう。
決定木は、質問を使って答えを見つけるゲームのようなものです。木の形をした図を使って、質問と答えを整理します。例えば、「今日は外で遊べるかな？」という大きな質問から始めます。
まず「雨が降っていますか？」と聞きます。「はい」なら「家で遊ぼう」、「いいえ」なら次の質問に進みます。次に「宿題は終わっていますか？」と聞きます。「はい」なら「外で遊ぼう」、「いいえ」なら「宿題をしてから遊ぼう」となります。
このように、質問を重ねていくことで、最終的な答えにたどり着きます。決定木は、こうした「もし〜なら」という考え方を使って、物事を順序立てて考えるのに役立ちます。
決定木は、機械学習における重要な分類・回帰アルゴリズムの一つです。データを特定の特徴に基づいて分割し、ツリー構造を形成することで、新しいデータの分類や予測を行います。
4. 枝：各ノードを結ぶ線、条件を表す
2. その特徴に基づいてデータを分割
3. 各サブセットに対して1と2を再帰的に繰り返す
4. 停止条件（深さ制限や最小サンプル数など）に達したら終了
決定木の利点は、解釈が容易で直感的であること、非線形の関係性も捉えられること、特徴量の重要度を評価できることなどです。一方で、過学習しやすい傾向があり、小さなデータの変化に敏感に反応する欠点もあります。
決定木は、分類および回帰問題に適用可能な非パラメトリックな監督学習アルゴリズムです。特徴空間を再帰的に分割し、各分割点で最適な特徴と閾値を選択することで、データを階層的に構造化します。
決定木の構築プロセスは、以下の数学的基準に基づいて行われます：
ここで、H(S)はエントロピー、Svは分割後のサブセット、piはクラスiの確率、yiは実際の値、ŷiは予測値を表します。
1. 事前剪定（Pre-pruning）：成長の早期停止
2. 事後剪定（Post-pruning）：完全に成長した木を後から刈り込む
決定木の性能向上のために、アンサンブル学習手法（ランダムフォレスト、勾配ブースティング木など）と組み合わせることが一般的です。
決定木は、特徴空間の再帰的分割に基づく非パラメトリックな監督学習アルゴリズムであり、分類および回帰タスクに適用可能です。その理論的基盤は、情報理論と統計学に深く根ざしています。
決定木の構築アルゴリズムとして最も一般的なのは、CART（Classification and Regression Trees）です。CARTは以下の手順で実装されます：
決定木の拡張：
これらの高度な手法により、決定木の表現力と汎化性能が向上し、より複雑なパターンの学習が可能となります。
決定木は、特徴空間Xの再帰的分割に基づく非パラメトリックな監督学習アルゴリズムであり、その理論的基盤は統計的学習理論、情報理論、および計算学習理論に深く根ざしています。
決定木の数学的定式化：
Let D = {(x₁, y₁), ..., (xₙ, yₙ)} be the training set, where xᵢ ∈ X and yᵢ ∈ Y. The decision tree T: X → Y is defined as a hierarchical set of decision rules.
For classification: P(y|x) = Σᵢ P(y|leaf_i) * I(x ∈ leaf_i)
For regression: f(x) = Σᵢ μᵢ * I(x ∈ leaf_i) where I(·) is the indicator function, leaf_i represents the i-th leaf node.
決定木の最適化問題： min_T Σᵢ L(yᵢ, T(xᵢ)) + λ * Complexity(T) where L is the loss function, λ is the regularization parameter, and Complexity(T) is a measure of tree complexity (e.g., number of leaves).
H(Y|X) = -Σᵧ Σₓ p(x,y) log(p(y|x))
I(X;Y) = H(Y) - H(Y|X)
2. ジニ不純度：
Gini(t) = 1 - Σᵢ p(i|t)²
MSE(t) = (1/|t|) * Σᵢ (yᵢ - ȳ_t)²
1. 一致性と収束速度： 決定木の一致性は、Breiman et al. (1984)によって証明されました。収束速度はO(n^(-1/(d+2)))であり、dは特徴空間の次元です。
2. バイアス-バリアンストレードオフ：深い木は低バイアス・高バリアンス、浅い木は高バイアス・低バリアンスとなります。最適な深さは、バイアスとバリアンスのトレードオフによって決定されます。
3. 決定木の表現力：任意のブール関数は、十分に深い決定木で表現可能です。これは、決定木がユニバーサル近似器であることを意味します。
4. 計算複雑性理論：最適な決定木の構築はNP完全問題であることが知られています（Hyafil & Rivest, 1976）。そのため、実用的なアルゴリズムは貪欲な近似アプローチを採用しています。
5. 正則化と構造リスク最小化：L0正則化（葉ノード数のペナルティ）やL2正則化（葉ノードの予測値に対するペナルティ）を用いて、構造リスク最小化原理に基づいたモデル選択を行います。
6. 情報幾何学的解釈： 決定木の学習過程は、特徴空間上の確率分布の漸進的な分割と見なすことができ、情報幾何学の観点から解析可能です。
7. カーネル決定木：非線形カーネル関数を用いて特徴空間を暗黙的に高次元化し、より複雑な決定境界を学習する手法です。
8. 量子決定木：量子コンピューティングの原理を応用し、古典的な決定木を量子系に拡張した手法です。量子重ね合わせを利用して、指数関数的に多くの分岐を同時に評価できる可能性があります。
これらの高度な理論と技術を組み合わせることで、決定木アルゴリズムの性能と適用範囲を大幅に拡張し、より複雑な学習タスクに対応することが可能となります。
Q.
日本国憲法では、勤労の義務が規定されています。 一方、 「又、犯罪に因る処罰の場合を除いては、その意に反する苦役に服させられない。」 とも規定されています。 これは矛盾ではないですか？
A.
この質問は、日本国憲法における勤労の義務と強制労働の禁止に関する興味深い点を指摘しています。一見矛盾しているように見えますが、実際にはそうではありません。 以下にその理由を説明します： 勤労の義務（第27条）: 日本国憲法第27条は「すべて国民は、勤労の権利を有し、義務を負ふ。」と規定しています。これは、国民に労働の機会を与える国の責任と、社会の一員として貢献する国民の道徳的責任を示しています。 強制労働の禁止（第18条）: あなたが引用された文は、憲法第18条の一部です。この条文は奴隷制度や強制労働を禁止しています。 これらの規定は以下の理由で矛盾しません： 性質の違い： 勤労の義務は道徳的・倫理的な義務であり、法的強制力を持ちません。一方、強制労働の禁止は法的強制力を持つ規定です。 目的の違い： 勤労の義務は社会の発展と個人の自己実現を目的としています。強制労働の禁止は個人の自由と尊厳を守ることを目的としています。 適用範囲の違い： 勤労の義務は一般的な社会規範を示すものです。強制労働の禁止は具体的な行為の禁止を定めています。 自由意思の尊重： 勤労の義務は個人の自由意思による職業選択を前提としています。強制労働の禁止はまさにその自由意思を保護するものです。 つまり、この二つの規定は矛盾するのではなく、むしろ補完し合う関係にあると言えます。勤労の義務は社会への貢献を促す一方で、強制労働の禁止はその貢献が強制されないことを保証しているのです。 この解釈は、日本の憲法学者や裁判所でも広く受け入れられています。
とりあえず議論の前提となっていると思われる部分に同意できないんだが、それぞれ例を示してくれませんか。
あ、「私のタイムラインの中」とか「私の友人」みたいなエコーチャンバーの話はいらないです。
ある程度権威付けされたきちんとしたものか、権威付けはされていないけれども、客観的に絶対数で多くの人がそのように考えていると見ることのできる方法でお願いします。
性別違和は、性同一性障害の名で知られていたが、最近は「病気」として扱うべきでないという流れ。近年は性不一致と呼ぶべきという人もいる。
生活に著しい困難を生じる程度の性別違和があるとき、ホルモン治療や外科的処置をとることがある。ホルモン治療は保険適用外なので、ホルモン治療を行ってしまうと、他の治療も全額自費負担になってしまうそうだ(混合医療の禁止)。
理屈だけ言うと、性別違和が病気であるならば、全額保険適用範囲にならないとおかしい。逆に、性は自己の意思で選択可能なのであれば、自由診療なのもやむなしと思う。
性別違和は、脳や遺伝子といった器質的な影響が強いことが最近の知見でわかってきた。私見では、いっそ病気として扱い、保険負担でホルモン治療が受けられる方がよいと感じる。
“車椅子でイオンシネマを利用するには、事前に電話確認するか、ぶっつけ本番で(ほとんど自動券売機とネット発券に置換されて窓口数が激減したために週末は大混雑の)窓口に並んで係員に確認するかのどちらかになるわけ。で、ぶっつけ本番で行くと、……出禁になる。”
“鑑賞券ガチャのために電話代を払うばからしさや、苦労して取った車椅子席が最前列左右端とかになるアホらしさが痛いほど理解できるはずですよね”
“問い合わせ対応から誘導方法まで、車椅子対応のいっさいをシアター従業員に丸投げしてんじゃないの？マニュアルもガイドラインもなにも用意してないんじゃないの？”
“「普通の市民」がナチスのサイドに完全に堕ちているようなことを平然と口にし、それに大量の共感が集まっている様子が可視化されてしまう今は、私が生きてきた中で最も怖い時代だと思っています。”
元増田です。
書きっぱなしで放置していたら、この話が総合に入ってきていたので返信しておきます。
安楽死にとって絶対に譲れない条件は「それが本人の同意に基づくこと」である。人間には生きる権利がある。生き続けるのが苦痛である場合にその権利を放棄したい人たちが求めているのが安楽死だ。当然、同意に拠らない安楽死はすべて否定されるべき...
まず、そもそも必ずしもすべての人間が同意を取れるわけではありません。
会話ができない、ただ痛みが苦しみがあるだけ、植物状態など、同意が取れないケースなどいくらでもあります。
こういった場合、延命治療の拒否によって実質的な安楽死が行われますが、延命治療の拒否は安楽死ではないのでしょうか？
私は制度設計として、複雑で複数の死を選ぶ制度があるよりも、安楽死に一本化した方が適用範囲拡大を防ぐためにも良いと考えているので、
延命治療の拒否の制度を廃止して、安楽死に統一すべきだと思います。
仮に重病の受刑者が安楽死を希望する場合でも、仮釈放して刑務所の外で安楽死を行う病院につなげる程度の慎重さが求められるだろう。
この話を手順にすると、次のようになりませんか？
意味が分かりません。
彼にとって必要なのは「親を殺すこと」ではない。「親を放り出す権利」である。親を放り出すことができないことに彼の不幸の根源があり、逆に言えば放り出すことができさえすれば親を殺す必要はない。
私は放り出す施設があれば良いとは全く思いません。
実際に現在、親を放り出してベッドに拘束して死ぬまで待つという施設が全国の至る所にあります。
これらは親の介護を格安で放り出す施設なわけですが、こういった施設の賛成派なんでしょうか？
不適切な身体的拘束…老人ホームに改善命令「手のかかる人を預かり仕方なかった」と釈明＝静岡・沼津市
https://newsdig.tbs.co.jp/articles/-/500960
私はこういった終末のあり方は良くないと思いますし、日取りを決めて家族皆で見送ってあげる方が健全だと思います。
発見が遅れて腐乱した親や、手足に拘束の傷のある親の死に顔を見たいとは到底思えません。
ひっそり奥の奥で活動したほうが、お互いにいいと思うんだよなぁ
だよね、とは思うものの、
彼らのことを「ひっそり奥の奥で活動」してる分には存在を許容することができるのは彼らが堂々としていられる現状に対しておぼえている気分でしかなく、実際に彼らが地下に潜って活動するようになったら、「地下に潜ってコソコソやってるのは悪い事をしてる自覚があってのことなのだから、とっとと児ポ法の適用範囲を拡大して、あんな邪悪な連中は根こそぎしょっ引いて死ぬまでムショにぶち込んじまえ」と思うようになるかもしれないよ、とも思う
児ポ法が最初に審議された当時の政府も、法案を出すときにはまさか表立って反対する奴があんなにいるとは思わなかっただろう
だから、彼らが声が大きいのは節度をわきまえてないのが大きな要因だろうけど、生存戦略にもなってるわけ
画像生成AIの登場が、単に規制議論を再燃させただけにとどまるのか、その生存戦略の変更を強いるものになるのか、それはまだわからない
資格の参考書には多分例外なく、この本の内容を信じれば合格することを保障しない旨が書いてある。これは答えや解説の妥当性を保証しないという意味もあろう。つまり解説から得られる解法プロセスを信じて試験に臨んでそのプロセスが適用範囲であるはずの明らかな類題が出たとしても、そもそもそのプロセス自体合ってる保証がなく、そのプロセスで解いた結果間違った解答を導き出して試験に落ちることもあり得るがそんなことに対して責任は負わないということだろう。
一方大学受験の参考書にはなぜかそんなことは書いてない。もちろん合格など保障してるわけがないはずなのだが、資格試験の本とこぞってわざわざ当たり前のことが明記されているのに対し、大学受験だと明記されないことに今更気づき不思議さを覚えた。
