はてなキーワード: つのとは
昇進できないならいろんな職ちょっとずつ齧っていくのもアリだよなあ
技術高めるの趣味だから、いろんな技術職人生かけて数年ずつマスターしていくのもありだよなあとか思ってる
昇進したら現場から離れるわけだし現場で手使いたかったらどっちかというならそっちルートの方が人生楽しいよな
これから書くことはいわゆるネットスラングで言う「アルミホイルを巻く話」、つまり妄想だということです。
なので事実の摘示もしていませんので勘違いしないようにしてください。
子猫の小話
https://youtu.be/kaLkD3KBDTg?si=chkj7KDLeOO6Xo-M&t=217
石丸伸二について調べてみました
暇空茜
https://www.youtube.com/watch?v=GDFY6hB-BFM
石丸伸二がバズり始めたのは2023年8月上旬からということは複数の方が確認している。
2023/07/01 2023/08/31
堀口がおおむね圧倒的に上にあるが、8月に入り小林の怒りがトレンドに入り、そして低下するのと入れ替わるように石丸伸二が上がってくる。
この状況を整理すると、石丸伸二と堀口英利は互いに示し合わせて行動しているわけではないが、結果として石丸伸二の仕掛けを隠ぺいするために堀口英利がサポートする形になっていたようにみえる。
具体的には、堀口英利が小林の怒りに対してできるだけド派手な攻撃を行い、石丸伸二をプッシュしていることを暇空茜に気取らせないようにしていた。
もちろん、堀口英利がその事実を知っていたとは思えないが、意図せずとも互いの行動が結果としてWin-Winの関係 になっていたようだ。
伊久間の訴状を見れば、700万円の請求も神原、伊久間あたりが考えていた内容を堀口が実行したともいえる。
そうだとすると、石丸伸二を隠すように堀口に吹き込むタイミングが調整されていたのかもしれない。
堀口英利がネット上で話題を混乱させることで、石丸伸二のプッシュが目立たなくなり、計画がスムーズに進めた可能性がある、
自分だけだとバイアスがかかるかもしれないので、ChatGPTにも見せてみる。
ChatGPTが読み取れることを以下にまとめます。
7月初旬から8月中旬にかけて、人気度が一貫して高く推移しています。(編注:トレンドだからこういう表現になる)
特に7月中旬と8月初旬に大きなピークが見られます。これは何か特定のイベントやニュースが影響している可能性があります。
あるトピックやキーワードが7月から8月にかけて一貫して注目を集めています。特定のイベントや連続したニュースが関連している可能性が高いです。
7月初旬はほとんど変動がありませんが、8月に入ってから何度か急上昇しています。
これらの急上昇は、特定の短期間に集中していることから、一時的な注目を集めた出来事があったことを示唆しています。
他の二つのラインに比べて、頻度が低く、また人気度もあまり高くありません。
いくつかの時点で急激な増加が見られますが、それ以外はほとんどゼロに近い状態です。
@shinji_ishimaru
こちらの #キッチンカー の募集は明後日8/10(木)が〆切です!
すでにかなり多種多様なお申し込みがあり、県内でも稀なイベントとなりそうな感じがしています😃
盛り沢山な #フェス を共に楽しみましょう。(珍しい飲食が提供できる方は特に)皆さんの参加をお待ちしています!!
ttps://x.com/shinji_ishimaru/status/1688876338785267712
ここでサクラが出現している。
@Silvertigerone
安芸高田市長「恥を知れ」発言 #安芸高田市 #恥を知れ #石丸伸二 ttps://youtube.com/shorts/fnFbdyqsxDA?feature=share
ttps://x.com/Silvertigerone/status/1688946721718710272
@shinji_ishimaru
ここ数日、フォロワー数が急増しているので不思議に思っていました…再生数が6日で230万回はなかなかの伸びですね。
ttps://youtu.be/dTu2Fk_LpdI
#中国新聞 に限らず地方紙には似た傾向があるのではないかと懸念しています。発言に責任を持たない #メディア は有害です。
@ChugokuShimbun
youtube.com
【逆ギレ】マスゴミが中途半端に石丸市長を挑発し、逆にコテンパンにされ涙目で逆ギレ議論すり替えを行ってしまう
余計な一言と、下手な追求は効かない人には絶対に効かないですね…記者も感情的にならず、もうちょっと理論的に話をしてほしいです。引用元安芸高田市定例記者会見(2023年7月) 前編ttps://www.youtube.com/watch?v=QfNRDlQbzy4チャンネル登録はこちらをクリック!ttp://ww...
208.9万 件の表示
ttps://x.com/shinji_ishimaru/status/1691432918701494272
これはおそらく3つの中で最も簡単な方法だ。現在のChatGPTは、基本的に、テキストを入力できる孤立した箱の中に座っている人間のようなものだ。初期のアンホブリング改良では、個々の孤立したツールの使い方をモデルに教えていましたが、マルチモーダルモデルでは、近いうちにこれを一挙にできるようになると期待しています。
つまり、Zoomでの通話に参加したり、オンラインで調べ物をしたり、メッセージや電子メールを送ったり、共有されたドキュメントを読んだり、アプリや開発ツールを使ったりといったことだ。(もちろん、より長いホライゾン・ループでモデルがこれを最大限に活用するためには、テスト時間のコンピューティングをアンロックする必要がある。)
最終的には、ドロップイン・リモートワーカーのようなものができると期待している。エージェントは、あなたの会社に入社し、新しい人間の雇用のようにオンボードされ、Slackであなたや同僚にメッセージを送り、あなたのソフトウェアを使用し、プルリクエストを行い、大きなプロジェクトがあれば、人間が独立してプロジェクトを完了するために数週間留守にするのと同等のことができる。これを実現するためには、GPT-4よりもいくらか優れたベースモデルが必要だろうが、おそらくそれほどでもないだろう。
https://situational-awareness.ai/wp-content/uploads/2024/06/devin.gif
Devinは、完全に自動化されたソフトウェア・エンジニアを作るために、モデル上の「エージェンシー・オーバーハング」/「テストタイム・コンピューティング・オーバハング」を解除する初期のプロトタイプだ。Devinが実際にどの程度機能するかはわからないし、このデモは、適切なチャットボット→エージェントのアンホブリングがもたらすものに比べれば、まだ非常に限定的なものだが、近々登場するもののティーザーとしては役に立つだろう。
ところで、私は、アンホブリングの中心性が、商業的応用という点で、少々興味深い「ソニックブーム」効果につながると期待している。現在とドロップイン・リモートワーカーの中間モデルは、ワークフローを変更し、統合して経済的価値を引き出すためのインフラを構築するために、膨大な手間を必要とする。ドロップイン・リモートワーカーは、統合が劇的に簡単になる。つまり、リモートでできるすべての仕事を自動化するために、ドロップインするだけでいいのだ。つまり、ドロップイン・リモートワーカーが多くの仕事を自動化できるようになる頃には、中間モデルはまだ完全に活用され統合されていないため、生み出される経済価値のジャンプはやや不連続になる可能性がある。
https://situational-awareness.ai/wp-content/uploads/2024/06/overview_ooms_gpt2togpt4.png
https://situational-awareness.ai/wp-content/uploads/2024/06/overview_ooms_2023to2027.png
数字をまとめると、GPT-4に続く4年間で、2027年末までにGPT-2からGPT-4規模のジャンプが再び起こると(おおよそ)予想される。
GPT-4のトレーニングに3ヶ月かかったとしよう。2027年には、一流のAIラボはGPT-4レベルのモデルを1分で訓練できるようになるだろう。OOMの効果的なコンピュート・スケールアップは劇的なものになるだろう。
それは我々をどこへ連れて行くのだろうか?
https://situational-awareness.ai/wp-content/uploads/2024/06/overview_counting_the_ooms.png
GPT-2からGPT-4までで、私たちは~未就学児から~賢い高校生になった。とんでもないジャンプだ。もしこれが、私たちが今一度カバーする知能の差だとしたら、それは私たちをどこに連れて行くのだろうか?私たちは、それが私たちをとてもとても遠くに連れていっても驚かないはずだ。おそらく、ある分野の博士や最高の専門家を凌駕するようなモデルまで到達するだろう。
(このことを考える1つの良い方法は、現在のAIの進歩の傾向は、子供の成長のおよそ3倍のペースで進んでいるということだ。あなたの3倍速の子どもは高校を卒業したばかりだが、いつの間にかあなたの仕事を奪っていくだろう!)
続き I.GPT-4からAGIへ:OOMを数える(10) https://anond.hatelabo.jp/20240605211837
今後数年間の野心的なアンホブリングはどのようなものになるのでしょうか?私が考えるに、3つの重要な要素がある:
GPT-4は、多くの人の仕事の大部分をこなせるだけの生の賢さを持っているが、それは5分前に現れたばかりの賢い新入社員のようなものだ:関連するコンテキストを持っておらず、会社のドキュメントやSlackの履歴を読んだり、チームのメンバーと会話したり、会社内部のコードベースを理解するのに時間を費やしたりしていない。賢い新入社員は、着任して5分後にはそれほど役に立たないが、1ヶ月後にはかなり役に立つ!例えば、非常に長いコンテクストを通じて、新しい人間の同僚を雇うようにモデルを「オンボード」することは可能なはずだ。これだけでも、大きなアンロックになるだろう。
2.テスト時間の計算オーバーハング(より長いホライズンの問題に対する推論/エラー訂正/システムII)
今のところ、モデルは基本的に短いタスクしかこなせない。しかし、これでは非常に限界がある。5分どころか、数時間、数日、数週間、数ヶ月かかるのだ。
難しい問題について5分間しか考えることができない科学者は、科学的なブレークスルーを起こすことはできない。ソフトウェア・エンジニアは、より大きな仕事を与えられ、計画を立て、コードベースや技術ツールの関連部分を理解し、さまざまなモジュールを書いて段階的にテストし、エラーをデバッグし、可能性のある解決策を検索し、最終的には数週間の仕事の集大成である大規模なプル・リクエストを提出する。などなど。
要するに、テスト時間の計算オーバーハングが大きいのだ。GPT-4の各トークンは、問題を考えるときの内部モノローグの言葉だと考えてください。各GPT-4トークンは非常に賢いのですが、現在のところ、思考の連鎖のために~数百トークンのオーダーしか効果的に使うことができません(あたかも問題やプロジェクトに数分しか内部独白/思考を費やせないかのように)。
もし数百万トークンを使って、本当に難しい問題や大きなプロジェクトについて考え、取り組むことができるとしたらどうだろう?
トークンの数 | 私が何かに取り組むのに相当する時間... | |
100s | 数分 | ChatGPT (私たちはここにいる) |
1000s | 30分 | +1 OOMsテスト時間計算 |
10,000 回 | 半日 | +2 OOMs |
100,000ドル | 1週間 | +3 OOMs |
数百万回 | 複数月 | +4 OOMs |
人間が〜100トークン/分で考え、40時間/週働くと仮定して、「モデルが考える時間」をトークンで換算すると、与えられた問題/プロジェクトにおける人間の時間になる。
仮に「トークンあたり」の知能が同じだったとしても、頭のいい人が問題に費やす時間が数分なのか数ヶ月なのかの違いになる。あなたのことは知らないが、私が数ヶ月でできることと数分でできることは、はるかに、はるかに、はるかに多い。もしモデルに「数分ではなく、数カ月に相当する時間、何かを考え、取り組むことができる」という能力を与えることができれば、その能力は飛躍的に向上するだろう。ここには膨大なオーバーハングがある。
今のところ、モデルにはまだこれができない。最近のロング・コンテキストの進歩をもってしても、このロング・コンテキストのほとんどはトークンの消費にしか機能せず、トークンの生産には機能しない。しばらくすると、このモデルはレールから外れたり、行き詰まったりする。しばらくの間、離れて単独で問題やプロジェクトに取り組むことはまだできない。
しかし、テスト時間の計算を解除することは、単に比較的小さな「ホブリングしない」アルゴリズムの勝利の問題かもしれない。おそらく、少量のRLは、モデルがエラー訂正(「うーん、これは正しくないようだ、再確認してみよう」)を学習したり、計画を立てたり、可能性のある解を探索したりするのに役立つだろう。ある意味、モデルはすでに生の能力のほとんどを持っており、それをまとめるために、さらにいくつかのスキルを学習する必要があるだけなのだ。
要するに、私たちはモデルに、困難で見通しの長いプロジェクトを推論させるシステムIIのアウターループのようなものを教えればいいのだ。
この外側のループを教えることに成功すれば、2、3段落の短いチャットボットの答えの代わりに、モデルが問題を考え、ツールを使い、異なるアプローチを試し、研究を行い、仕事を修正し、他の人と調整し、大きなプロジェクトを一人で完成させるような、何百万もの言葉のストリーム(あなたが読むよりも早く入ってくる)を想像してみてほしい。
続き I.GPT-4からAGIへ:OOMを数える(9) https://anond.hatelabo.jp/20240605210357
どうしてこうなった?ディープラーニングの魔法は、それがただ機能するということであり、あらゆる場面で否定的な意見にもかかわらず、その傾向線は驚くほど一貫している。
https://situational-awareness.ai/wp-content/uploads/2024/06/sora_scaling-1024x383.png
効果的な計算のOOMが増えるごとに、モデルは予測通り、確実に良くなっていく。OOMを数えることができれば、能力の向上を(大まかに、定性的に)推定することができる。そうやって、先見の明のある数人がGPT-4の到来を予見したのだ。
GPT-2からGPT-4までの4年間の進歩を、スケールアップの3つのカテゴリーに分解することができる:
1. コンピュート:計算:これらのモデルを訓練するために、より大きなコンピューターを使うようになった。
2.アルゴリズムの効率化:アルゴリズムの進歩には継続的な傾向がある。これらの多くは「コンピュート・マルチプライヤ」として機能し、有効なコンピュート量の増加という統一された尺度に乗せることができます。
3.「趣味のない」利益:デフォルトでは、モデルは多くの素晴らしい生の能力を学習しますが、あらゆる種類の間抜けな方法で足かせとなり、実用的な価値が制限されます。人間のフィードバックからの強化学習(RLHF)、思考の連鎖(CoT)、ツール、足場などの単純なアルゴリズムの改善により、潜在的な能力を大きく引き出すことができる。
これらの軸に沿って、改善の「OOMを数える」ことができる。つまり、有効計算量の単位でそれぞれのスケールアップをトレースするのだ。3倍は0.5OOM、10倍は1OOM、30倍は1.5OOM、100倍は2OOMといった具合だ。2023年から2027年まで、GPT-4の上に何を期待すべきかを見ることもできる。
ひとつひとつ見ていくが、OOMの数を急速に増やしていることは明らかだ。データの壁には逆風が吹いている可能性があり、それについては後述するが、全体的には、2027年までにGPT-4の上に、GPT-2からGPT-4規模のジャンプがもう1回起こると予想される。
まず、最近の進歩の原動力として最もよく議論されている、モデルへの(大量の)コンピュート投入について説明します。
多くの人は、これは単にムーアの法則によるものだと考えている。しかし、ムーアの法則が全盛期を迎えていた昔でさえ、その進歩は比較的緩やかなものでした。しかし、ムーアの法則が全盛期だった昔でさえ、10年で1~1.5OOMと、比較的ゆっくりとしたスピードだった。(かつては1つのモデルに100万ドルを費やすことさえ、誰も考えもしないことだった。)
モデル | 推定コンピュート | 成長率 |
---|---|---|
GPT-2 (2019) | ~4e21 FLOP | |
GPT-3 (2020) | ~3e23 FLOP + | ~2 OOMs |
GPT-4 (2023) | 8e24~4e25 FLOP + | ~1.5~2 OOMs |
エポックAI(AIトレンドの優れた分析で広く尊敬されている情報源)の公開推定値を使用して、2019年から2023年までのコンピュートスケールアップを追跡することができます。GPT-2からGPT-3へのスケールアップは迅速で、小規模な実験から大規模な言語モデルを訓練するためにデータセンター全体を使用するまでにスケールアップし、コンピュートのオーバーハングが大きくなりました。GPT-3からGPT-4へのスケールアップでは、次のモデルのためにまったく新しい(はるかに大きな)クラスタを構築しなければならないという、最新の体制に移行しました。それでも劇的な成長は続いています。エポックAIの試算によると、GPT-4のトレーニングでは、GPT-2の3,000倍から10,000倍の計算量を使用しています。
大雑把に言えば、これは長期的なトレンドの継続に過ぎない。過去10年半の間、主に投資(およびGPUやTPUの形でAIワークロードに特化したチップ)の幅広いスケールアップのため、フロンティアAIシステムに使用されるトレーニング計算量は、およそ〜0.5OOM/年で成長してきた。
https://situational-awareness.ai/wp-content/uploads/2024/06/compute_long_run_trend-1024x968.png
GPT-2からGPT-3への1年間のスケールアップは異例のオーバーハングであったが、長期的なトレンドが続くことは間違いない。SF-rumor-millは、巨額のGPU受注の劇的な話で一杯だ。その投資は並大抵のものではないが、動き始めている。
この分析によれば、2027年末までにさらに2OOMsのコンピュート(数十億ドル規模のクラスター)が実現する可能性は非常に高いと思われる。さらに+3OOMsのコンピュート(1,000億ドル規模以上)に近いクラスターも可能性がありそうだ(マイクロソフト/OpenAIで計画中と噂されている)。
https://situational-awareness.ai/wp-content/uploads/2024/06/stacked_compute-1024x866.png
続き I.GPT-4からAGIへ:OOMを数える(5) https://anond.hatelabo.jp/20240605205449
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
たとえばオスが縄張りを獲得するために必死で戦う生き物ってたくさん思いつくでしょ?
雄にとって縄張りとはすなわち衣食住の確保つまり生存資源の確保であり、
これがなきゃ生殖に進めないのよ
そのうえ社会的地位が低い個体の子どもは繁殖成功率が低いからね
(※人類の頂点でなくてもいい、とりあえずお山の大将であればいいので俺はお山作る!タイプもいれば、
頂点とか目指さないで他人のオスの成果物掠め取り戦略狙うのもいる。
ぶっちゃけ、中卒ヤンキーで子だくさんパターンもいるはいるけど、
じゃあ低学歴低年収のほうが婚姻率が高いか出生率が高いかって言われたら違うのは知ってるだろう?
(男は高収入ほど婚姻率が高いし、今は高年収夫婦のほうが出生率が高い、「子どもはぜいたく品」と言われるようになったゆえん)
生物学に話を戻して、自分の子どもを次世代の繁殖競争に勝たせようって思ったら
労働者として社会で勝ち抜ける「強い」子に育てなければならないというプレッシャーが親にかかってる
大学卒どころか高卒ですら一部の選ばれしエリートだった100年前とはけた違いに子ども一人に必要なコストが跳ね上がってる
目が覚めると、男が横にいた。あ、そういやこいつと結婚することに昨日なったんだった。俺男なのに。男かぁ、俺は女が好きなのに。もう一生女と交われないってこと?そんなのやだなぁ。でもこいつのことも好きなんだよなぁ。どうしよう。
というところで目が覚めた。
俺、バイじゃないはずなのにこんな夢見るなんて。もしかしてバイなのか?
いや、男の体は絶対に受け付けない。
前に男2女1で3Pしようとした時、相手の男の裸が嫌でたまらなかったんだよなぁ
でも夢でも見るってことはワンチャンあるのか?
やだなぁ、バイなのかなぁ
東京には一定数ああいう要素を持ってる男がいる(全部の項目があれを満たすかは別として)
描いた人間は自分の周りにいる男の中から好きな項目を抽出してあのイラストにしたんだろう
でもあれがぴんとこない人は身近にああいう要素もつ男がいないからピンとこないんじゃないか
別に東京都がマッチングアプリを作っても良いけど、少子化の原因と対策は複合的だから、別の面にも目を向けないと意味がないだろう。
未婚率の上昇は意識の変化が関係しているだろうし、経済的な不安も未来を悲観させる。仕事と家庭の両立の難しさはどんどん明らかになっているし、特に都会では住宅問題もある。将来的な育児や教育費の増大も、子どもを産むことを躊躇わせる。
そうすると、マッチングアプリがカバーし得るのは、未婚率へのわずかな効果の部分。ないよりはマシだと思うけど、他に「経済支援の強化」「労働環境の改善」「住環境の整備」「教育費の削減」「結婚や出産に対する社会的に支援」「育児休暇等の充実」みたいな対策も考えられる。
これらを複合的にみたうえで、「少子化対策7つの柱」みたいなキャッチーさで理解を促進して、その一環としてマッチングアプリが出てくれば、世の中の反応も違ったものになるだろう。
2000代くらいのインターネット、年末にあった天下一無職会が好きだった
就職率も当時に比べたら良いだろうし
2023年はやってたのかなと思って調べたら転職サービスとひろゆきが天下一無職会を冠したイベントやってて一つの文化が終焉を迎えたと感じた
一連の話を読んで、あんまり誰も触れてないなって思ったので書いてみようかと。
単刀直入に書くと、「どれだけのモテを駆使しても、意中の相手を振り向かせることは不可能です」という真実が全て。
例えばあなたに好きな人がいたとして、その相手にどれだけモテのテクニックを駆使してもその相手があなたに振り返ることはないです。
誤解してほしくないのは「モテのテクニックを駆使しても」という部分で、絶対に振り返ることがないという話ではなくて、仮に振り返ることがあったとしたらそれはモテのテクニックとは無関係だよという意味。
モテのテクニックというのは、そもそも不特定多数の人間に網をかけていって、その条件に一致した人間を絞り込んでいくというもの。
自らが持っている武器の量が大事で、武器が多ければ多いほど多くの相手が引っかかる。イケメンがモテるのはそういうこと。
逆に武器が少なくても、自らの武器の鋭い点を理解して、広く網をかけていけば必ず誰かは引っかかる。
つまり、モテの誤解というのは、特定の誰かを振り向かせるためのものではなく、数多くの中から効率よく自分に合う相手を見つける方法だとよいうこと。
イケメンが両思いになりやすいのは、単純に確率論。イケメンだからって全ての相手と恋愛が成立するわけではない。
で、それはみんなわかってる。言うまでもない。
ところが、それをわかっているにも関わらず、多くの人はこういう。
「そうじゃない。自分は不特定多数にモテたいわけじゃなくて、一人の相手から好かれれば十分なんだ」と。
ところが、それがこそが無理。
だって、そっちのほうが難しいから。フィクションに騙されすぎ。
なので、大変残念なお知らせにはなってしまうのですが、あなたが特定の誰かから好かれたいと死ぬほど心を焦がしていたとしても、それはどうにもならないんです。
せいぜいできても「嫌われない努力」程度。
結果的にうまくいくことだってあるので、チャレンジそのものが無駄だとは言わないのだけど、そこにモテのテクニックをいくら持ち込んでも事態は変化しません。
仮にそれで振り返ったとしてもそれは「たまたま」。たまたまそのテクニックがその人に響いただけで、全ての恋愛における必勝法にはなりません。
でも、たまたま上手くいった人がそれをテクニックのおかげとか言うから誤解が広がる。
だから、あなたが上手く行かなかったときにモテのテクニックをいくら恨んでも無意味です。モテのテクニックが悪いんじゃなくて、そんなものに頼ろうとした自分が悪いだけ。
で、これがどういうことを意味しているかというと、「あなたが好きになった相手と結ばれるより、数多くの相手の中から自分を好きになってくれる人を探すほうが早い」という残酷な現実がそこにあるだけということを意味しています。
つまり、あなたが相手を好きになるかどうかは、その恋愛の成功に無関係であるということ。
むしろ失敗したときに苦しむだけなので、好きという気持ちと恋愛したいという気持ちは常に分けておけよということ。
これは何も意中の相手に限らず、ランダムにチョイスした誰か一人に対しても同じです。
それがマッチングの確率論であって、どれだけ相手が魅力的であろうとも、マッチングがハズレなら恋愛は成立しません。
それなのにマッチングサービスは、「相手を探しましょう。」という。
違うだろ。そこは「相手に見つけてもらいましょう。」なのよ。
見つけてもらった中から、選んだほうが絶対に効率的なのはわかりきってること。
好きになるのはそれからでも遅くはない。
このあたり、誤解したままだとあなたの恋愛はいつまで経ってもうまくいきません。
モテの誤解とは、「特定の誰かを振り向かせるためのものではなく、数多くの中から効率よく自分に合う相手を見つける方法」である。
恋愛の真実とは、「その恋愛の成功確率において、自分が相手をどれだけ好きかどうかは一切関係がない」ということ。
これを組み合わせると、「どれだけのモテを駆使しても、意中の相手を振り向かせることは不可能」ということで、つまり、「あなたと特定の誰かとの恋愛が成功するかどうかは、あなたの努力に関係なく最初から決まっている」というのが、残酷ながらも現実です。
で、別にこれが希望がない話だというわけではなくて、だからこそできることがあるよという話。
それが、「特定の誰かを追い続けるより、広くいろいろな異性とコミュニケーションを取るほうが恋愛はうまくいく」ということ。
言い換えれば、「誰かを好きになればなるほど上手くいかなくなるのが恋愛」ということになる。
残酷だね。
でも、自分が一方的に好きになった相手と一緒にいるより、自分のことを好きになってくれた相手と一緒にいたほうが、多分心は平和です。
このときにはじめて役に立つのがモテのテクニック。言い換えれば人間的な魅力を高めて選ばれる確率を上げましょうというもの。
中身が伴わなければ詐欺だし、それで成立してしまえばカルマを抱えるのは自分なので、その点は誤解のなきよう。
これは恋愛に限らず、全ての人間関係において言い換えることができる。
例え家族でも捨てる覚悟が必要なときもあるし、職場環境だって変えたほうがいいこともある。
世の中はそれだけ多くの選択肢があり、どれ一つをとってもそれ自体が不幸だとは限らない。
そう考えれば、全てに希望があるような気持ちになってくるでしょ?
それでいいんです。自分が好きになった人と上手く行かなくても、自分を好きになってくれた相手と一緒にいて幸せだと感じられれば。
最近流行っているオルカンというやつの組み入れ銘柄を調べてみたら、持ち株比率の上位5社はマイクロソフト、アップル、エヌビディア、アマゾン、グーグルだそうだ。
全世界株式とは名ばかりで、米ITに全振りしたポジションの取り方はもはやビットコインに近い。
時価総額の高い株で構成するS&P500がそうなるのはいいが、全世界を謳うならアラムコやタタを多めに取るぐらいしなければ道理に合わない。
もちろん、そうしないのは提供する側からすれば明白だ。知名度の低い会社を入れると商品価値が落ちるということだ。
シナリオは二つある。一つは、アップルやテスラの掲げる理想が欺瞞だと思われて信用収縮が起こること。
これに対し「ガチくんやときどといったストリーマーとコーチングごっこせずに純粋に力をつけた選手が勝つのは当然」という感想がけっこう出てきてたんだけど、メルボルン大会2位でフルセットまでときどを追い込んだのがコーチングごっこ再先鋒で誰よりも素人にコーチングしているプロ立川だということには誰も触れないのであった。
もう20年も前からアニメ作品は資金稼ぎのためにパチンコパチスロ化するのが普通になってて、
20年も機種が出続けてたら、オタクのパチカスなんてめずらしくもなくなったよ
今日の東京ダービーで地方馬買う奴はマジでセンスないから競馬やめてウマ娘に専念するのを勧める
残念ながら中央との力の差は歴然です。それが分からないのはあなたが素人だからです。中央(JRA)を舐めるなよbyルドルフ会長