はてなキーワード: 改善とは
メンタルだったら劇的な改善は見込めないのでその性格とこれからずっと付き合っていかなければならないと思う
なので早めに、続けていくべきか否かの判断をしたほうがいいよ
鹿児島県警本部の生活安全部長、本部長の隠蔽に対して声をあげられるなんて偉いよ
警察官として正しい心を持っていたということだ
しかも60歳で、ある程度のポジションにいながら、その精神性を忘れていないのは尊敬すべきことだ
企業や個人がPAC(政治行動委員会)を通じて献金できる。スーパーPACってやつが特にヤバい。
金持ちや企業が政治家を自分たちの操り人形にできる仕組みが整ってる。お金をたくさん出せば出すほど、政治家がその意向に沿って動くようになる。アメリカの政治がオークションにかけられてるみたいなもん。
「献金は表現の自由の一部だ」と言う奴もいるだろうけど、それって本当に自由なのか?
金持ちだけが発言力を持てる社会ってのは、ただの不平等だろう。普通の市民の声なんて、金持ちの喧嘩の背景音に過ぎないんだよ。
企業や団体が直接政治家に献金するのは基本的に禁止されてるが、企業が設立した政治団体を通じての献金はOK。
さらに、個人献金には上限があるけど、実際にはそれを超える額が献金されるケースがある。しかも、政治資金規正法の規定が緩くて、罰則も軽い。
形式上は厳しく見えるけど、実際にはザル法で、簡単に抜け道が見つかるようになっている。
日本では「企業献金は禁止されてる」とか「透明性が高い」とか言われるけど、実際には形を変えた賄賂が横行してる。政治家が企業の利益のために動くってのは、日本もアメリカも変わらない。ただ、手法が少し違うだけで、結果は同じ。国民の声が無視され、金持ちや企業の利益が優先される。
じゃあ、どうすればいいのか?
完全に政治献金を禁止するのが理想だろうけど、そんなことが現実的に可能かどうかは疑わしい。
企業や金持ちが政治に影響を及ぼそうとするのは、ある意味で自然の摂理とも言える。
でも、少なくとも透明性をもっと高めるべきだろう。献金の流れを完全に公開し、誰がどれだけの金を出しているのかを明確にする。それによって、少しでも不正を防ぐことができるはず。
私は以前、AGIへの短期的なタイムラインには懐疑的だった。その理由のひとつは、この10年を優遇し、AGI確率の質量を集中させるのは不合理に思えたからである(「我々は特別だ」と考えるのは古典的な誤謬のように思えた)。私は、AGIを手に入れるために何が必要なのかについて不確実であるべきであり、その結果、AGIを手に入れる可能性のある時期について、もっと「しみじみとした」確率分布になるはずだと考えた。
しかし、私は考えを変えました。決定的に重要なのは、AGIを得るために何が必要かという不確実性は、年単位ではなく、OOM(有効計算量)単位であるべきだということです。
私たちはこの10年でOOMsを駆け抜けようとしている。かつての全盛期でさえ、ムーアの法則は1~1.5OOM/10年に過ぎなかった。私の予想では、4年で~5OOM、10年で~10OOMを超えるだろう。
https://situational-awareness.ai/wp-content/uploads/2024/06/this_decade_or_bust-1200x925.png
要するに、私たちはこの10年で1回限りの利益を得るための大規模なスケールアップの真っ只中にいるのであり、OOMsを通過する進歩はその後何倍も遅くなるだろう。もしこのスケールアップが今後5~10年でAGIに到達できなければ、AGIはまだまだ先の話になるかもしれない。
つまり、今後10年間で、その後数十年間よりも多くのOOMを経験することになる。それで十分かもしれないし、すぐにAGIが実現するかもしれない。AGIを達成するのがどれほど難しいかによって、AGI達成までの時間の中央値について、あなたと私の意見が食い違うのは当然です。しかし、私たちが今どのようにOOMを駆け抜けているかを考えると、あなたのAGI達成のモーダル・イヤーは、この10年かそこらの後半になるはずです。
マシュー・バーネット(Matthew Barnett)氏は、計算機と生物学的境界だけを考慮した、これに関連する素晴らしい視覚化を行っている。
最後に、定量化するのが最も難しいが、それに劣らず重要な改善のカテゴリーを紹介しよう。
難しい数学の問題を解くように言われたとき、頭に浮かんだことを即座に答えなければならないとしたらどうだろう。最も単純な問題を除いて、苦労するのは明らかだろう。しかしつい最近まで、LLMにはそうやって数学の問題を解かせていた。その代わり、私たちのほとんどはスクラッチパッドで段階的に問題を解いていき、その方法ではるかに難しい問題を解くことができる。「思考の連鎖」プロンプトは、LLMのそれを解き放った。生の能力は優れているにもかかわらず、明らかな足かせがあるため、LLMは数学が苦手なのだ。
私たちはここ数年で、モデルの「足かせを外す」ことに大きな進歩を遂げました。これは単に優れたベースモデルをトレーニングするだけでなく、アルゴリズムの改良によってモデルの能力を引き出すものです:
足場作り。CoT++について考えてみよう:ただ問題を解くようモデルに求めるのではなく、あるモデルに攻撃計画を立てさせ、別のモデルに可能性のある解決策をたくさん提案させ、別のモデルにそれを批評させる、といった具合だ。例えば、HumanEval(コーディング問題)では、単純な足場作りによってGPT-3.5が足場なしのGPT-4を上回った。SWE-Bench(実世界のソフトウェアエンジニアリングのタスクを解くベンチマーク)では、GPT-4は~2%しか正しく解くことができませんが、Devinのエージェントの足場があれば14-23%に跳ね上がります。(後ほど詳しく説明するが、エージェントのアンロックはまだ初期段階に過ぎない。)
ツール:もし人間が電卓やコンピュータを使うことを許されなかったらと想像してみてほしい。まだ始まったばかりだが、ChatGPTはウェブブラウザを使ったり、コードを実行したりできるようになった。
エポックAIによる研究によると足場作りやツールの使用など、これらのテクニックのいくつかを調査したところ、このようなテクニックは多くのベンチマークで通常5~30倍の効果的な計算量の向上をもたらすことがわかった。METR(モデルを評価する組織)も同様に、同じGPT-4ベースモデルからのアンホブリングによって、エージェントタスクのセットで非常に大きなパフォーマンスの向上を発見しました。
https://situational-awareness.ai/wp-content/uploads/2024/06/metr_gains_over_time-1024x597.png
これらをコンピュートとアルゴリズムの効率で統一した実効的なコンピュート規模に当てはめることは困難ですが、少なくともコンピュート規模の拡大やアルゴリズムの効率とほぼ同規模の大きな進歩であることは明らかです。(また、アルゴリズムの進歩が中心的な役割を担っていることも浮き彫りになっています。0.5OOM/年の計算効率は、すでに重要なものではありますが、ストーリーの一部に過ぎません。)
「アンホブリング」こそが、実際にこれらのモデルが有用になることを可能にしたのであり、今日多くの商業アプリケーションの足かせとなっているものの多くは、この種のさらなる「アンホブリング」の必要性であると私は主張したい。実際、今日のモデルはまだ信じられないほど足かせが多い!例えば
ここでの可能性は非常に大きく、私たちはここで急速に低空飛行の果実を摘んでいる。これは非常に重要です。"GPT-6 ChatGPT "を想像するだけでは完全に間違っています。 GPT-6+RLHFと比べれば、進歩は段違いだ。2027年までには、チャットボットというより、エージェントのような、同僚のようなものが登場するだろう。
続き I.GPT-4からAGIへ:OOMを数える(8) https://anond.hatelabo.jp/20240605210232
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
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
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。
https://www.bengo4.com/c_18/n_17626/
日本のテレビを腐らせてきた有象無象の一人による必死の弁明、にしか見えない。
自分の仕事に責任感もプライドもない、向上心も他者への敬意もないからこういう記事が書ける。
① コンテンツ制作の舵取り役が現場によって違うことを言い訳のように既成事実化している
映画なら監督が現場を仕切らないでどうする、で終わりの話。しかも映画の方が関わる人数はずっと多い。演出家が力を持っているから何だ。それを抑えるのがお前の仕事だろ。
誰も責任を取りたくないという腐った体制が透けて見える。これではいいコンテンツが作れるわけが無い。
>「限られた時間と予算の中で、放送事故にならないようになんとか番組を完成させた」と必死だったことしか頭に浮かんでこない。
と書いてあるぐらいだから出来上がったものに対する反省も改善も振り返ることなく、ましてや視聴者の受け取り方と向き合うことなんか無かったのだろう。
テレビは「誰の思い通りにもならない世界」なんて書いているが、自分の職責と向き合わないための言い訳のように感じる。コンテンツの品質を担保する、現場で出た問題を解決するという当然の役割を遂行できず、テレビは「丸めこむ世界」だなんて嘯いてくっだらない作品が自分の手で作り出されたという現実から目を背ける。
世界を見れば尖ったテーマのテレビドラマなんていくらでもある。自分の作品が尖っていないことをテレビ業界全体のせいにするな。と言いたい。
自分の会社は、たまにWeb上で「ブラック会社」として名指しされていることがある。
会社的にもそれが認識されていて、改善のプロジェクトが何年も動き続けているようだ。
自分のいる部署とチームでは、あまりブラック感がない。よく言われるような「個人商店」感が強く、担当している業務によって見えている世界が違うんだろう。
ブラックなチームにいた人の話を聞くと、叱責され続けたとか、毎日のように虐められた、相当時間の残業が必要だった、残業時間を無理やり誤魔化されたみたいな話もあった。たしかにブラックだ。
まして会社も業界も、住んでいる地域や性別が違えばもっと、見えている世界は違うのだろう。
違いを前提とした理解が求められる、という話だ。
ここ1年で初めてはてなブックマーク日毎の総合人気エントリ入りしたドメインからのホットエントリ、ブクマ数順トップ30
ブクマ数 | タイトル | ドメイン |
---|---|---|
1884 | わずか40秒の運動で身体に起こる劇的変化 – 早稲田大学 研究活動 | www.waseda.jp |
1789 | 仕事の進め方がグダグダの会社はどうすればいいのか、「プロジェクトマネジメントの基本が全部わかる本」の著者に聞いてみた | agend.jp |
1662 | 取調べを受けることになったら ー取調べを受ける心がまえについてー - しんゆう法律事務所 | shin-yu-lawoffice.com |
1514 | 1on1ミーティングガイド (1on1ガイド) | guide.1on1guide.org |
1191 | 知れば写真が上手くなる!基本・応用の構図15選と構図を使いこなすコツ | Adobe | www.adobe.com |
1153 | プロダクトマネジメントクライテリア | productmanagement-criteria.com |
1090 | 自宅で美味しいコーヒーを飲むためにどういう順序でお金を使うべきか | hachibeechan.hateblo.jp |
1043 | 最近ローカルLLMがアツいらしい | soysoftware.sakura.ne.jp |
974 | 表記揺れ検出ツール「テキストゆれないくん」 - inzkyk.xyz | inzkyk.xyz |
958 | 地政学リスクの全体像の整理 | 三菱UFJリサーチ&コンサルティング | www.murc.jp |
711 | 自炊するな。ガチでやめろ。人生終わる。 | not-miso-inside.net |
706 | デジタル庁デザインシステムβ版 | design.digital.go.jp |
681 | 和歌山市役所の現実 | wakayamajisatu.jimdofree.com |
613 | ひとり会社の起業について学んだ10のこと - GoTheDistance | gothedistance.hatenadiary.jp |
593 | 重要な局面を迎える中国のアニメ調スマホゲーム。大衆化の過程でぶつかった壁。「『有男不玩』運動」とは | kultur.jp |
583 | ガチめのインターネット老人会クイズ | tters.jp |
548 | Magic UI | magicui.design |
530 | 会議改善に関するガイドラインを策定しました|柏崎市公式ホームページ | www.city.kashiwazaki.lg.jp |
494 | 押井守版『攻殻機動隊』について原作者(士郎正宗)はどう思っているのか? - ひたすら映画を観まくるブログ | type-r.hatenablog.com |
490 | 下戸がノンアルコールビールを飲んで「おつまみ」の概念を理解した話 - ココロ社 | kokorosha.hatenablog.com |
487 | 「ごめんなさい」などと言わずに「おわびします」だけできちんと謝ったことになるのでしょうか - ことばの疑問 - ことば研究館 | kotobaken.jp |
476 | Xユーザーの株式会社アミューズ 法務部さん: 「滝沢ガレソ氏によるXでの投稿に関連して、アミューズ所属の星野源の名前を挙げての憶測が拡散され当社にも多くのお問合せが寄せられています。 星野源において当該投稿にある事実は一切なく、また当社が記事をもみ消した事実も一切ありません。 虚偽の情報の拡散、発信には法的措置を検討いたします。 https://t.co/qyUQpeg0xj」 / Twitter | x.com |
464 | 中国で売られるスマホには「消しゴムマジックで消せない場所」があるって本当?実際に試してみた - はやぽんログ! | www.hayaponlog.site |
453 | 灰仭巫覡 - 大暮維人 / 【一番】 | マガポケ | pocket.shonenmagazine.com |
452 | ウェブサイト制作では、游ゴシックはおすすめしない理由 | community.creators-synergy-cafe.com |
449 | エンジニア3年目までに読んで良かった書籍 - Yuki Watanabe's Blog | yuki0920.hatenablog.jp |
441 | はてな古参度チェッククイズ | tters.jp |
437 | NHKはアニメのクレジットに下請け会社の名前を出す事が出来ない - Fushihara’s blog | fushihara.hatenadiary.jp |
437 | 地磁気の大きな乱れが観測されています | 気象庁 | www.jma.go.jp |
435 | 2023年、AIの影響で『絵に求められる事』が激変してきている話。|さいとう なおき|pixivFANBOX | naoki.fanbox.cc |
「こういんや?」
今日は小学生の参観日である。授業では国語辞典の使い方を教えており、子どもたちは楽しそうに大きな辞書をめくっている。
「「光」の文字を使う単語を探してみよう」というテーマで辞書をめくる子どもたち。早速「光陰矢の如し」をみつけたらしい生徒が、なぜか「こういんや!」とだけ答えたため、先生が意味を理解できなかったらしい。
生徒が開いたページを覗きこみ、漢字を確かめた先生は、もういちど「こういんや?」と首をかしげ、黒板に「光陰矢」と書いた。「ごとし」はどこにいったのだろう。もしかして「光陰矢の如し」をご存知ない??まさかね。きっと「光陰矢」という単語もあるのだろう。
次の生徒が手を挙げる。
「こうそく!」
にこっと笑って先生が却下する。多分生徒は「高速」でもなく「校則」でもなく、「光速」と答えたのでは?なぜ確認せずに却下する?
先生のさわやかな笑顔を眺めながら、ふと大学時代の友人達を思い出した。
私達は氷河期世代だ。田舎の国立大を出たくらいでは就職は困難を極めたし、教育学部の友人で、先生になれた子はただのひとりもいなかった。そもそも採用すらほとんどなかった。「先生になりたかった」って泣いてた子、何年も試験をチャレンジして講師を続けていた子、本当に先生になるのは狭き門で難しかった。
しかし、現在はうってかわっての教員不足。うちの小学校でも例に漏れず教員は全く足りていない。クラスに応じた教員が確保できず、先生がかけもちで対応していた時期まであった。きっとこれは罰なのだろう、教員の待遇を改善してこなかった罰。その罰は、我々でなく小学生の我が子達が現在進行形で背負っている。
「これ、せんせいこれ!これも!」
また「光」の付く単語をみつけたらしい男の子が辞書をひらいて単語を指差す。
「よし!それも「光」がつくな!」
問題があったから、これならそれを改善していこうっていうフェーズなんじゃないのか今は
そこに来て、原作者にも非があるみたいな論調の人間がまだ存在していることに驚く。お前ももう、いい大人なんだろ?ガキみてぇな根拠のない逆張りやめろよ。みっともないよ。
強盗騒ぎの時に、強盗に入られた家に問題があるって責め立ててるようなもので、どう考えても強盗側が悪いのにそっちを貶めてどうする。強盗が悪いから、強盗が発生しないような制度を整備していきましょうって段階じゃん今は。
だいぶ前に書いた文章に、何件か反応いただいてた。
別に誰かに見せるために書いたんじゃ無いけど、反応あるって嬉しいね、
ありがとね。
育てられ方なのか、周囲がそうあれと望んだからか知らんけども
異臭がしたり脂ギッシュだったりフケまみれだったり
そんな女なんか町歩いててもほぼいなくない?
ツイッターで言われてんのは誇張じゃない。
ほんとに臭いし汚い。
私が親ならこれで外出られたら泣くね!ってのが普通に存在した。
普通に電車乗ってても、ぱっと見普通の野郎のワイシャツの袖の内側真っ黒だったりする。
多分襟の内側も真っ黒なんだろうな。
あと学生時代に飲食で働いてたとき、トイレが圧倒的に汚ねえのも男子トイレ。
もう座ってしろとは言わねえがせめてマトを外すな。
お前何年その愛銃と連れ添ってんだ?いい加減にしろ。
まあこの辺はね、私がうっすら全ての男が嫌いみたいなのもある。
あと小汚ねえ女が出没するスポットに私が行かないってのもあるかも。
てか子汚え女が出没するスポットってどこ??
過去に見た目だけでうっすら嫌いになった女もいたし。
肌が汚くて、ひどい癖っ毛なのにちゃんと結ばないからボサボサで、野暮ったい女だったよ。
なんとなく清潔感がないの。
体型は…… 普通だったと思うけど制服姿しか見たことないから知らない。
まあ学生時代なんかみんな多かれ少なかれ肌荒れするんだけどな。
あのコメントくれた人、
そんな不潔さとかで底辺も底辺にいるようなのと比べられてもな、って思うんだろうな。
ああいうコメントくれる人は、同じような階級の、ちょっと上〜かなり上までを見てるんだろうよ。
だってSNS開いたら(加工してるけど)自分より可愛い子なんかわんさかいる。
そんなんと同じ土俵に立とうって思えるその心がある意味すげーよ。
私は背の高い気の強そうな顔の女の子大好きだけど、
シュッとした輪郭の目の大きい蛇とか狐みたいな顔の女大好きだけど、
私は丸顔で鼻も丸くて好きな顔とは程遠い。
だけどさ〜、なんでも別枠ってあるじゃん。
これはこれでかわいいんじゃね〜?っていう。
大体さ、体型気にしてダイエットチャレンジして成功するような人は
少なくとも私はかわいいと思うよ。
ってやつは気にしないし、
って人はいつまでも気にするのってなんでだろうね。
だいぶ前に書いた文章に、何件か反応いただいてた。
別に誰かに見せるために書いたんじゃ無いけど、反応あるって嬉しいね、
ありがとね。
育てられ方なのか、周囲がそうあれと望んだからか知らんけども
異臭がしたり脂ギッシュだったりフケまみれだったり
そんな女なんか町歩いててもほぼいなくない?
ツイッターで言われてんのは誇張じゃない。
ほんとに臭いし汚い。
私が親ならこれで外出られたら泣くね!ってのが普通に存在した。
普通に電車乗ってても、ぱっと見普通の野郎のワイシャツの袖の内側真っ黒だったりする。
多分襟の内側も真っ黒なんだろうな。
あと学生時代に飲食で働いてたとき、トイレが圧倒的に汚ねえのも男子トイレ。
もう座ってしろとは言わねえがせめてマトを外すな。
お前何年その愛銃と連れ添ってんだ?いい加減にしろ。
まあこの辺はね、私がうっすら全ての男が嫌いみたいなのもある。
あと小汚ねえ女が出没するスポットに私が行かないってのもあるかも。
てか子汚え女が出没するスポットってどこ??
過去に見た目だけでうっすら嫌いになった女もいたし。
肌が汚くて、ひどい癖っ毛なのにちゃんと結ばないからボサボサで、野暮ったい女だったよ。
なんとなく清潔感がないの。
体型は…… 普通だったと思うけど制服姿しか見たことないから知らない。
まあ学生時代なんかみんな多かれ少なかれ肌荒れするんだけどな。
あのコメントくれた人、
そんな不潔さとかで底辺も底辺にいるようなのと比べられてもな、って思うんだろうな。
ああいうコメントくれる人は、同じような階級の、ちょっと上〜かなり上までを見てるんだろうよ。
だってSNS開いたら(加工してるけど)自分より可愛い子なんかわんさかいる。
そんなんと同じ土俵に立とうって思えるその心がある意味すげーよ。
私は背の高い気の強そうな顔の女の子大好きだけど、
シュッとした輪郭の目の大きい蛇とか狐みたいな顔の女大好きだけど、
私は丸顔で鼻も丸くて好きな顔とは程遠い。
だけどさ〜、なんでも別枠ってあるじゃん。
これはこれでかわいいんじゃね〜?っていう。
大体さ、体型気にしてダイエットチャレンジして成功するような人は
少なくとも私はかわいいと思うよ。
ってやつは気にしないし、
って人はいつまでも気にするのってなんでだろうね。
・誰も手伝ってくれない
とか思ってる人、多いと思うんだよね。
自分もそうだったんだ。
ゴミが落ちてるのにどうして誰も拾わないのとか、あんたのために食事を作ったのにすぐテレビつけて感想もないとか、疲れている時に洗濯物を畳んでいるけど家族がだれも手伝ってくれないとか、一回一回はそうでもないけど、ずっとそれが続くと、つらいよね。やるせないよね。
その結果、イライラがつのったり、孤独感が大きくなったり、なんのために頑張っているんだろうとよくわからなくなったりして、苦しいんだよね。
一部の人にしか参考にならないかもだけど、こんな風にしたら改善しつつあるよって個人的な体験を、ダラダラ書いてみるよ。
これまでにただの一度も手伝わなかった家族ってあんまりいないと思うんですよ。子どもやパートナーが手伝ってくれた時に、きちんと感謝を伝えるのをテキトーにしていると、だんだんと手伝う気を削いでいくね。言葉で「ありがとう」って言うときに、スマホ見てない?相手を見てる?「感謝の言葉テンプレート」に沿った機械的な感謝になっている場合は、意味が無いどころか逆効果だよ。あと、手伝ってくれた人に対して「いつもこんな風にやってくれるなら助かるのにね」とか「こんなのやってくれて当たり前だから」なんて感謝と真逆の嫌味を言ったことはない?該当するものがあったら、そりゃあ誰も手伝いたくなくなるよ。
思い通りにならないときに、わざと物音を大きくたてるとか、大きなため息をつくとか、独り言に見せかけた愚痴を垂れ流すとか、そういうことをする人からは他の人は離れていくよ。当たり前だよね、近寄りたくないんだもの。ニコニコ笑ってろとは言わないよ。けど、あからさまに「こんなに態度に出しているんだから気付いて何かしなさいよ」っていう意図で不機嫌な雰囲気を利用していないか、振り返ってみようね。みんな気付いてるよ。気付いているけど言葉になっていないから、何をしていいかわからないんだ。
前の項目と近いんだけど、相手にこうしてほしいなと思うことがあったら、まず最低限言葉で伝えよう。「それくらい察してよ」は絶対NG。だって考えてもごらんよ。何をしてほしいかわからないけど不機嫌な相手にさ「もしかしてこれかな?」と仮説を立てて実行したら「全然違う!」ってもっと不機嫌になったり、罵倒されるようなことがあったら、本当にこうしてほしいと思うことにたどり着くのに、相手はどれくらい頭を使って精神を疲弊させることになるだろう?想像できる?察してほしいが通用するのは乳幼児までだよ。
まるで勝ち負けを決めるかのように強い言葉を使うことってあるよね。それ絶対やめた方がいい。強い言葉って大体の場合は怒りと共に発していると思うんだけど、そもそも怒りってのは自分が自分のストレスを発散させるためのものだから。依頼や、ネガティブなことを伝える、指摘や叱りってのは、むしろ冷静に行うべきものだよ。もちろん、そんなことを言ったって怒ることもあると思うんだけど、だけどそれって自分自身のためだけに、自分が選択している行動だってことは思い出そうね。怒る人は怒ることを自分で選択しているんだよ。怒る人は発散して少しクールダウンするかもしれない。だけど、怒られた方の人は、意味が分からないことも多いはずだよ。「どうしてそこまで言われないといけないんだろう」って。たまには怒りをぶつけることが良い関係に繋がることもあるかもしれない。だけど、もし日常的に怒ってるような人はね、相手や家族に対して、あなたの想像する数十倍ものストレスをかけているってこと、忘れないでね。ちなみに、子どもに対してこれを続けると取り返しのつかないことになるよ。
「それしないと死んじゃう!」っていうくらい重大なものって世の中にはあるよね。だけど、そうじゃないものだってさらにたくさん世の中にはあるよ。「まあ、これくらいは、いいか!」って割り切っちゃえば消えるストレスもあるよ。
これ10割、100%嘘なんだ。そう思って他人と接している人は自分のためにこの言い訳を使っているだけだよ。「この人のために出来ることはなんだろう?どんな選択肢があるだろう?どんな方法があるだろう?」ってまず最初に考える人はね、あなたのために怒ってる、なんて言葉は使わないんだよ。8割とか9割かもしれないって思うでしょう。だけどね、この考え方にとらわれている人たちはね、自分は残りの1割とか2割の方だって、すぐに逃げちゃうんだよ。だから言い切ったよ。10割嘘だよこんな言葉。
本当にダラダラ書いちゃったよね。傾向としてはさ、冒頭に書いたことで苦しんでいる人は、実は自分の振る舞いで人を遠ざけていることがあるんだよってこと。
きっと、そうじゃない理由の人もたくさんいると思う。これはチラシの裏の落書きだからさ、そこは勘弁してね。
ただね、他人を自分の思うように変えることはできないからさ、できることって自分の表情や言葉、振る舞いや考え方を変えることくらいしかできないから。
掃除・お茶汲み・来客対応押し付けは男尊女卑だとキレる新卒一般事務ちゃん!
それを管理するのは男女の管理職比率改善の為だけに抜擢された10年間ずっと一般事務をやってたお局様だ!
今日も新卒技術君の分の仕事も消化しながら、受電して新卒営業君に取次し、
一般事務ちゃんがやらない掃除・お茶汲み・来客対応をしながら、お局様にごまをするぜ!
子供本人が教室の備品を壊したとヘラヘラ笑いながら寄ってきた。
本当に壊したのか?共犯者は?と本人含めて同時間にいた他の子にも聞くと、その自白した子の言う通りと。
うん、周りの子がグルになってハメた可能性もあるよね。でもさ、あなた毎回サボって遅刻するし今までも現行犯で備品を損壊してる現場を先生に押さえられて注意されてるよね?トイレ行くって抜け出して、周りに人が居ないからと他の教室でさ?そこをわざわざ人手割いて待機して現行犯。人件費掛かってるんです。
1回じゃなくて何度も。
だからまた同じ事や似たような損壊が起きたらそりゃ疑われるし、荒らした現場は特定の時間に利用者チェックしてるから容疑者は限られるんだわ。勿論憶測で注意するのは悪いから、利用者全員にあなたたち疑われていると話をしたよ。
その上で、普段から信頼されない行動を取っていれば疑われてしまうから、普段からの行いはちゃんとしなさいって。
なにより今まで損壊してきても弁償だとか、そもそも親にも勧告はしなかった。小学生だからって。
で、今回中学生となり親にいい加減話をしたら、残念ながら親も親だった。
本人が自白してきた、目撃者もいると話をすれば、でも先生が見た訳じゃないし憶測で犯人あつかいで気分悪くした!と。別件では現行犯で3度は現場押さえてますが?と話をすれば習い事辞めろって事ですか!?と。
そういった事が積み重なって本人への信頼が残念になってると暗に言えば、うちの子にはもう教えたくないって事ですか?!だって。
(あなたのお子さん、前回毎回遅刻してくるって話したんだけれども。しかも授業半分経過してから。教える以前に子供の方が教わりたくないんでは?と突っ込んでいいですかね。)
犯人扱いされて気分が悪い!偉い人へ電話します!って切られたけど、どうぞ電話して下さい。こっちは憶測ではなくガチで過去備品壊されたりしてるんですが。
あと、これは言わなかったんですが、他の子の授業妨害するんですわ。こちらは全体見えるから把握してるし、何人かが別個に言ってきたりで。自分自身サボるのは勝手(それでも親の金使ってるのに)だが他人の邪魔はやめなさいと何度注意してもやめない悪質さ。
ま、キレてお辞めになるそうだからありがたいけど、上司から「子がヤバけりゃ親もヤバいんだし、前回でせっかく辞めるってなったんだからほっときゃいいのに(偉い人に問い合わせ行ったらどんなに相手が糞だろうと改善書という名の反省文書かなきゃいけないので)」とヤレヤレされたが、上司も辞めてくれて◯なので改善書書けって言われたらそん時また考えるわとさっくり終わらせてくれたのでヨシ!
いやさ問題の子、親が全然怒らないみたいで、憶測で語るwけど、怒られる事でしか他者に構ってもらえない/大人を怒らせられる行為がカッケーみたいな状態っぽい。親が親だからエスカレートするだけだろうな。
何かしら周囲の反応から親や自身について考えられる賢い子なら気が付けるかもしれないし、もう少し成長したら変わっていけるかもしれないけど、そうではないからどうなるんだろうね?
そこまで責任は持たない仕事だからまだ学校の先生よりは楽とも言えるが、それでも年1以上はモンペビンゴ当たるから勘弁してほしい。何よりこんな人間にぶち当たってもクレームとして来たなら改善反省しなきゃいけないのも勘弁して欲しい。
憶測で実質犯人扱いしたのは反省しますが、何度注意しても他人に迷惑掛けたり施設を荒らし、疑わしいとされてしまうような子供はどう扱えばいいんですかね?こちらに反省促す前に社会常識を子に植え付けられてない親が悪い【完】でいいと思いますが。
言いたいことが両者違ったり言った言わないのところもあるが大筋としてみたときの話をする。
何度も止めるチャンスはあったと思う。初手から間違っているのはそうなのだが、ミスは起こり得るものとして、最悪を引き起こさない最終チャンスはどこか考えると、脚本家がSNSに書くと言ったときだったのではないか。
どちらも見ると、この状況で脚本家がなにもSNSで言わないなんてことはないだろうと思う。脚本家はこの時点でメンタルに支障をきたしているようだが、健康でも、この脚本家でなくても、声を上げる人は多いだろう。
確かにSNSの投稿内容は考察の余地があるかもしれないが、ここでプロデューサーが脚本家のところに土下座謝罪しにいって「なにも伝えていませんでした」と言っていれば、SNSの内容は日テレ批判になっていただろう。そして日テレ側はこの問題を【もみ潰せたかもしれない】。
脚本家も原作者も何故そうなったのか分からない状態で、相手から批判を食らう状況になってしまっている。
これでなにか実際に悪いことをしていたら、批判も受け入れる余地があるのかもしれない。
脚本家からしたら、途中からはとくに具体的な指摘もせず悪口ばっか言ってきてついには降ろそうとしてきた原作者。
最悪な図式ができあがってしまっている。
日テレが正直にごめんなさいすべきだった。経験が浅く仕事ができない、ドラマ仕事に向いてない、またはノイローゼだったのはあるのかもしれないが、謝れない社会人はどうしようもない。
これ以降の対処にも改善点はある。あるのだが、それを全部改善したところでどうしても「もう遅い」感が否めない。
バッドエンドルートはここで確定をしていて、最悪に進むしかなくなっているように思う。
もみ潰せたかも、と書いたが今回表面化したことで対策を取れるようにはなった。死を無駄にするなという言葉は嫌いだが、対策をするしかないのだ。日テレはドラマを作りたいなら逃げるなよ。