  |
はてなキーワード: バイアスとは
親として嗜めるが
「粗にして野だが卑ではない」
この「卑」がいわゆる下品であろう
名家、世襲だらけの国会議員の前で彼は「粗」で「野」であろうからこのようなセリフになったのだろうと想像している
彼は明治１９年に静岡の漁師の家に生まれ、一橋大学から三井物産、海外勤務
開戦に反対し引責辞職、いくつかの公職を経て戦後公職追放を受けながらも国鉄総裁となり現在のJRまでの発展の礎を築いた人物、天才。
「卑ではない」これ重要
宮中晩餐会に呼ばれプロトコールに従い所作つつがなく飯を食って帰れる人間は表面的には上品の極みであろう。まぁそれが出来る人間しか呼ばれないわけだが
対してヒール役プロレスラーからこぼれ出る「でも彼、裏では気さくで礼儀正しい常識人なんすよね」話。
そんな事はどうでもいい
人は品良く生きるべきか、下品に生きたほうが得か
「自分さえ良ければいい」
彼はこの行動指針を徹底している、
社会正義や品性など一円の得にもならないという合理的判断だろう。
多少の批判には最終兵器「自分金持ってるっス」を隠し持ってる安心感
正直羨ましい
「足るを知る」は負け犬の遠吠えであろうか
悩みながらも俺は品良く生きるコースを維持している
礼儀礼節常識を守り、努力を怠らず、他者を思いやり、自分と関わりを持つ人間の幸福を願う
でもさ、怪物下品男の水島廣雄は個人債務２００億円踏み倒しても１００歳の誕生日会は政財界からお祝い殺到、聖路加タワーで天寿を全うだからなぁ
これが単なる成功者バイアス、一般論から外れた統計ノイズであると信じたい
辞める人が文句言ってるのなんて当たり前だと思う。
文句がなかったら辞めないだろ。
少なくとも売れっ子でブイブイ言わせてて個人になったとしても事務所の力を借りれなくなったら今よりも儲けるのは難しいだろうなってぐらいの所まで言ってる人が辞める理由なんて、何かしらの不満点があるからに決まってるだろ。
元々すげーニッチで全然儲かってなさそうなレベルのVだったら前向きな理由で辞めることもあるかも知れんが、マジで売れっ子でドシャドシャ稼げていそうなVが辞めるんだったらそれ相応の何かがあるに決まってるじゃん。
儲かってて文句のない人は辞めない。
文句はなくても儲かってない人は辞める。
儲かってるのにに辞める人は文句がある。
こんなの当たり前じゃん。
と俺は思ってるけど。
本邦では、2次オタチー牛の一部が、「自身のアイデンティティを奪われる」という、アイデンティティという脆弱な根拠でAIを否定するが、これは倫理的観点による物でない。事実、AIを利用し性差別的コスチュームを着せたや性的消費ポルノが2次オタチー牛の多くによって例年にないペースで製造されており、数万、数千の「イイネ」が、付いている事からも、2次オタチー牛の多くは賛成層ばかりであるのが事実だろう。何せ、連中が「神絵」と称賛するレベルの画像が短期間で量産されるのだから、連中の多くはポルノが大量に見れて願ったり叶ったりだろう。
また、白饅頭や非常口、「いい話」などと言ったネトウヨインフルエンサーとその信者も「人文系はAIで不要になる」「AIでポルノが広まって怒るのはフェミとクリエイターのような高等遊民だけだ」と言った論調を繰り返している。実際、彼らはインボイスに反対したクリエイターを冷笑していた事からも、文化人に対する見下しがあるのは明らかだ。
欧米ではどうか？テイラーさん、ビヨンセさん、アリアナさん、オリヴィアさんと言った歌手、ハリウッド俳優や脚本家、アーティストの多くはリベラルであり、積極的に作品に多様性やリベラル価値観を取り入れアップデートをしている、人権意識の高い人々が殆どだ。
ハリウッド映画は、多様性を取り入れ、正しい考えを取り入れてアップデートしている。昨年末のハリウッド業界のストライキも、AIがクリエイターの人権を侵害し、AIが作った作品は、ステレオタイプで、差別的偏見に満ちたバイアス作品が氾濫するという人権的理由で反対されている。
逆に、4ch、Redditなどのアメリカ表自や冷笑オタクは、AI作品やポルノを「ポリコレ汚染の無い理想的な作品が出せる。リベラルクリエイターの説教じみた作品の時代は終わる」などと冷笑している。
近年イーロン・マスクや、ラリー・エリソン、トランプに投票しFacebookをクビになった、ラッキー・パルマー等、本邦でも、堀江や前澤、ここはてなに巣食うhom_functorと言った冷笑系、ぽんこむ等、その他多くの木端ウヨとテック系を兼ねた層がリベラル派を批判し、攻撃し始めた。マスクに至っては、ハリスさんの偽動画をAIで作成し、支持率を落とそうと卑怯な行動を行なっている。また、トランプ信者もAI偽画像や偽ニュースを使い、トランプ支持を仰ぐ嘘が組織的に量産されているのである。
人権意識と民主主義の精神を重んじるEUは、世界に先駆けてAIを規制した。この規制法は、 2026年中に全面適用される。しかし、「表自」的自民党政府はAIを推進し、岸田は自身の偽ニュース動画を作られても、何も動かなかった。まさに民主主義を自ら破壊する事を黙認したのだ。
更に、AIチャットボットは、権力の監視者であるマスメディアの取材コストにただ乗りし、情報を吸い上げた対価を払わない。アメリカのメディアは、殆どがリベラルだが、彼らは収益の減少に直面している。ニューヨークタイムズはOpenAIを訴えた。明らかな権利侵害だったからだ。だが、あろう事かOpenAIはアメリカネトウヨの王であるマードックのFOXニュースやWSJなどの悪名高いニューズコーポレーションとは提携し、対価を払うというダブルスタンダードを行った。これはテック企業によるメディアの間引きである。ChatGPTが将来的にウヨ化する事は想像に難くないだろう。
Googleもアメリカネトウヨの「白人の画像が出て来ない！多様性やめろ！」という、幼稚なクレームに応えてAIモデルを再調整し、すぐ謝罪した。Google社員は白人や東アジア系（チー牛）以外の人種が少なく、差別的であると長年批判されている。
彼らの多くの本音はリバタリアンであり、本音は商売だ。課税や巨大企業への規制で、自らの利益・権益を邪魔する民主党やリベラル派が憎いのだ。そこで、利害の一致するアメリカウヨに肩入れする事でこれを乗り切ろうと企んでいる。
阿部詩が負けた試合、きれいに相手の技が決まって、きれいに負けじゃん。
惜敗でも、疑惑の負けでもなく、完敗。
それをなんだろう、NHKまで含めてどのテレビ局も、なにか奇妙な、奥歯にものが挟まったような報じ方。納得いってないようなムード。
これが決勝戦で、微妙に誤審臭い判定で金メダル逃した、とかならわかるよ？
でも２回戦でこんなきれいな負け方で報じ方が変な空気になる意味がわからん。
期待に対して負けが早すぎ＆きれいすぎて逆に伝えあぐねたんだろうが、そういう変なバイアスは本当にいらない。
ちなみに阿部詩が食らった技は「谷落（たにおとし）」といって、谷亮子がアトランタ五輪の準々決勝の試合中にとっさに繰り出した技だ。
妻の実家。
生存バイアスだから当時としてはまあまあいい作りだったんかなと思うけど、持つもんだな。
そのへんで裏に出てる昔の建売の築40年よりはずっとしっかり持ってる気はする。
夏は涼しく冬寒い。風通しに全振りしてる感がある。
間取りは不動産屋の分類だと平屋の7DKというんだろうか。まあ広い。サマーウォーズみたいな感じ。
屋根は瓦屋根は強いな。ノーメンテでずっと待つ。土壁は画鋲が刺さらないので不便そうだが、これが調湿してるのかもわからん。
窓や玄関は木だからアルミサッシより結露はしない。つうかツーツーで外と気温差ないし。なんなら外より常に寒い。夏はいいけど冬は炬燵から出られない。ヒートショックで死ぬというのもわからんでもない。
キッチン部分は、アルミサッシからの結露とかで窓枠とかの痛みが酷い。キッチンの陽当たりが悪いというのもあるけど。
ダイニングとかキッチンみたいな生活空間を端に、応接間とか客用の寝室みたいに使用頻度が低い空間を陽当たりがいいところにしちゃうのが昭和的。
そういえば、ドラえもんののび太の家もそんなだったな。広い割に居間が狭い。
応接間>ダイニングキッチン>リビングという広さ。リビングが狭いのは、リビング=ちゃぶ台囲む場所という図式だからか。
「どちらの可能性が高いか」についての語弊ではなくて、「どちら」が何を指すかの定義に語弊があるって話やで。
つまり、間違っている相手に対して「確率を理解してない」っていう考え方そのものがバイアスですよという話。
https://blog.tinect.jp/?p=87082
まず、次の文章を読んでください。
リンダは三一歳の独身女性。外交的でたいへん聡明である。専攻は哲学だった。学生時代には、差別や社会正義の問題に強い関心を持っていた。また、反核運動に参加したこともある。
では、次の質問に答えてほしい
リンダは銀行員か、それともフェミニスト運動に熱心な銀行員か、どちらだと思いますか
複数の主要大学の学部生を対象に実験を行ったところ、八五～九〇％が、確率の論理に反して二番目の選択肢を選んだのである。しかも呆れたことに、この連中はとんと恥じる様子がなかった。
あるとき自分のクラスで「君たちは、初歩的な論理ルールに反していることに気づかなかったのかね」と怒ってみせたところ、大教室の後ろのほうで、誰かが「それが何か？」と言い放ったものである。
ブコメに解説がならんではいるんですけど、この問題のミスリードについて指摘しているブコメが見つからなかったのでとりあえず指摘しておきますね。
設問「リンダは銀行員か、それともフェミニスト運動に熱心な銀行員か、どちらだと思いますか」
質問の内容を好意的に受け取るとするならば、この場合、当然確率が高いのは前者です。
なぜなら、後者はお互いに共通する条件にさらに新たな条件が加えられているからです。
では次の設問だとしたらどうでしょう。
設問「リンダは普通の銀行員ですか、それともフェミニスト運動に熱心な銀行員ですか、どちらだと思いますか」
この場合、先程の問題とは異なりただの銀行員から「フェミニスト運動に熱心な銀行員」を除外する必要が出てくるので、先ほどとは確率に齟齬が生じてくるはずです。
しかし、ここに誤解であり齟齬が生じていることをし指摘できているブコメは残念ながら見受けられませんでした。
数で置き換えてみることにしましょう。
この場合、リンダが銀行員である確率は8ですので、銀行員かつフェミニストである確率6が銀行員である8を超えることはありえません。
つまり、リンダが「銀行員」である確率に対して、リンダが「銀行員かつフェミニスト」である確率が超えることはありません。
ここで設問を「リンダは普通の銀行員ですか、それともフェミニスト運動に熱心な銀行員ですか、どちらだと思いますか」に変えてみるとどうでしょうか。
ここで聞かれているのは、先程のニュアンスとは異なり、リンダが「普通の銀行員であるかどうか」という問題に置き換わっています。
つまり、比較すべきは銀行員の中のフェミニストであるかどうかという問題に置き換わっているわけです。
すると、銀行員である確率8のうち、フェミニストである確率が6だとしたら、フェミニストではないただの銀行員である確率は8-6の2でしかありません。
つまりこちらの視点で言えば、リンダが「ただの」銀行員である確率は2でしかなく、「フェミニストの」銀行員である確率6のほうが高くなってしまうわけです。
その他の確率である2に対して言及しているブコメはありました。
しかしながら、その部分については設問に触れられてはいませんので、たとえその確率が99であったとして、今回は考える必要はありません。
まとめると、「設問が悪い」に尽きるわけですが、残念ながらその指摘を行えているブコメを発見することはできませんでした。
そういう意味では「１．直感で信じたものを覆すことはほとんどない。」が実証されているということにもなるわけで、とかく人間のバイアスは難しいものだということの理解にしからないのだなぁと感じた所存でございました。
どちらにしても、「自分が正しい！」と相手に理解を示そうともしなかった人は、反省したほうがいいのではないかなと思いました。
テーマの限定性：春画は主に性的なテーマを描いたものであり、当時の社会全体の現象を網羅的に描写することが目的ではありません。したがって、春画に描かれた内容は非常に限定的であり、社会全体の一部しか反映していません。
芸術的選択：春画の制作者が何を描くかは、彼らの芸術的選択によります。特定のグループや現象（この場合は黒人奴隷）が描かれていないのは、単にそれが彼らの興味や関心の範囲外だった可能性があります。
描写の偏り：春画に描かれている内容は、当時の社会の一部を反映しているに過ぎません。描かれていないものが存在しなかったとは必ずしも言えません。例えば、春画に農民や商人が描かれていなかったとしても、彼らが存在しなかったという結論にはなりません。
存在の証拠不足：春画に黒人奴隷が描かれていないことだけをもって、その存在を否定するのは証拠として不十分です。存在の証拠としては、他の歴史的文献や記録が必要です。
多角的な証拠：歴史的な事実を確認するためには、複数の証拠を検討する必要があります。春画だけを根拠にするのではなく、他の文献、記録、物品なども考慮することで、より正確な結論を導くことができます。
補完的証拠の必要性：例えば、交易記録、外交文書、他の絵画や文学作品などが黒人奴隷の存在を示しているかどうかを調査することが重要です。春画に描かれていないだけでは、黒人奴隷が存在しなかった証拠にはなり得ません。
■結論
春画は当時の社会の特定の側面を描いたものであり、その描写が社会全体を反映しているわけではありません。したがって、春画に黒人奴隷が描かれていないことをもって、黒人奴隷制度が存在しなかったと結論づけるのは不適切です。歴史的な事実を確認するためには、複数の証拠を総合的に検討する必要があります。春画だけでは不十分なため、「春画が黒人奴隷制度がなかった証拠にはならない」と言えます。
うーん、それってあなたの感想ですよね。別にAIについて感情的な反応をする人がいるかもしれないですけど、それが全ての「はてな」のユーザーに当てはまるわけではないんじゃないですかね。意識的にしろ無意識的にしろ、そもそも人間は自分の思い込みやバイアスに支配されることが多いんですよ。
それに、AIを全肯定しない人間を「時代遅れ」だとか「頭が足りない」なんてレッテルを貼るのは短絡的すぎます。テクノロジーが進化する中で異なる意見を持つことは自然なことであって、対話を通じて理解を深めるべきなんですよね。感情的に見下すことは建設的ではないと思います。
それから、日本社会がテクノロジー後進国にならないための義憤だなんて言ってますけど、本当にそんな意識があるとは思えません。結局、自分たちが優れているって思いたいだけとか、単に承認欲求を満たしたいだけの人も多いでしょうね。
ともかく、他人を下に見ることで優越感を得ようとするのはどこにでもある話ですし、SNSやブログコメントでそれが顕著に表れるのは、匿名性と即時性のせいじゃないでしょうか。自覚が足りないって言いたいのもわかりますけど、それを言ったところで変わるかどうかは別問題ですよ。
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。
古今東西どこもかしこもやることは同じだからか次々と出てくるが、似たような事しか言わなくなったので終了
====
現代社会において、生成AIはその革新的な技術で多くの注目を集めていますが、その影響力を懸念する人々も少なくありません。私たちが目にするSNS上の活動やキャンペーンの背後には、影響力を行使しようとするフリーランスのイラストレーターたちがいます。彼らは、生成AIの使用に対する反対意見を広めるために、さまざまな群衆心理を操作する手法を駆使しています。今回は、その中でも特に顕著な手法について詳しく見ていきましょう。
