  |
はてなキーワード: 研究とは
よっしゃ、ジェンダー・セクシュアリティの専門家による超わかりやすいホモソーシャル解説記事をソースとして貼るね。しっかり読めよ。
https://gendai.media/articles/-/83547
これね、ホモソーシャルはそもそも同性間の関係性に着目した言葉なのね。
元増田は、女性同士が関係性を構築するためにパートナーの性事情を「ネタ」にする、ということを書いているのでこれに該当する。
ネタにされることは間接的に被害ではあるし問題なんだけど、そこは注目点ではなくて同性の関係性が主題。
SNSなどでは、「ホモソ」と省略して使われているのをよく目にしますよね。その使われ方を見ていると、セジウィックが分析した上記のホモソーシャルの特徴のうち、どちらかといえば、「ホモフォビア」よりも「ミソジニー」に力点を置いた使われ方をしている印象を受けます
男性から女性に対する「からかい」や、そうした揶揄を通じて形成される内輪ノリのようなものがミソジニーにつながったり、ミソジニー的な感覚を培養したりして、ホモソーシャルを強化していくといった側面はあると思います。
SNSではミソジニー的に使われてるけど、仮にミソジニーの意味が含まれるとしてもそれは「嫌悪」であって、加害そのものではない。
加害の要因になり得るというだけ。
どう？わかった？
インプレゾンビなので元ポストへのURLは貼らないけど、こんな無慈悲なコミニュティノートをはじめてみたわ。やっぱコミニュティノートをつけるような奴はサイコパスだよ。自分の信じる正義の為なら殺人もできるキチガイだよ。人の心がない。
フェルマーの定理、通称、FLTは、平成８年までは、法学界の至宝のようにいわれていた理由として、歴史的な経緯があったが、最近では、そもそも、技術を編み出そうとした形跡すらない
ほとんど嘘であることがばれてしまったことによる。FLTは、 昭和２０年代から、東京大理学部数学科の志村五郎、谷山豊、アンドレヴェイユなどが日光旅行をした際に共同研究していたとされ
るが、その概要を平成時代の者に説明する書籍も論文もどこにも存在しておらず、実質的に考えた形跡はどこにもないと言ってよい。その、実質的に考えた形跡はどこにもないことがとっくにばれてしまって
いるのが現況である。平成初年の老人は、背理法によるアプローチを思い付いたらしいが、そのようなことすら実行されている形跡がない。３０年前の数学者は、背理法を研究して、完全背理法
または、背理法帰納法を強く使うとかそのような手段を考えたとか、５０００通もの証明案が世界中から出たが、全て間違っていたことが判明したというような解説の本しかない。しかし、その
５０００通の証明案の内容すら公表していないのだから、やはり完全な嘘だろう。またそのような哲学のモデルを構築したからといって、幸福に生きていくうえで何か参考になるのかというときに、ここ
１０年の状況では何の参考にもならないから誰も考えていない。１つ参考になるのは、発達していて偉大で完全なものでないと技術的に応用できないとかいうことであるが、最近の女の子が、
発達していて偉大で完全で強力なもの自体を忌避しているのであり、なんの魅力があるのか理解できない。発達していて偉大で完全なものとして、高速計算機の、Sicamoreなどがあるが、行政
や大学がそのテクノロジーを悪事に転用していることはとうに露見しているのであり、日本列島に住む、その極めて悪質なものに関係せずに生活している者が、なぜその悪質なものの存在に気が
付かないのか理解できないという他がない。
フェルマーの最終定理は存在しないことの定理だから存在すると仮定して背理を導出する背理法の強力なものを編み出すことによって初等的に解ける可能性が高い。しかし、我が国の
理学部数学科ではそのようなアプローチを試みた論文は存在しない。これについて、行政の地区担当員から、そんなテクニックは存在しない、という囁きがあるだけで、東京都内の数学者、
地方の数学者からも、初等的な解法なるものは１つも聞かれない。Wikipediaには、無限降下法という不完全なもので極めて不完全に終わったという１０年一日のような記載があるだけで、
具体的な論文はどこにもない。それどころか、１０年前から、 FLT、FLT、と連呼されて、バクサイのSNSでも、到達不可能な定理とだけ言われるだけで何の具体性もなく、自分で考えた形跡
どころか、 n=４の場合の完全な証明は、実は赤チャートの一番最後に掲載されているが、それも理解できないといったような状況であるから、何が面白いのか理解できない。無限降下法は、
不完全なものであって不完全なものでは数学上技術にならないことはもちろんであるが、いずれにせよ、具体的に研究した形跡はどこにもないのであるから、完全な噓である。バカは到達不可能な
ものを設定し、多くの技術によって到達できると喜ぶが、現在ではもはや状況が変容し、そのような技能は必要がないと解される。数学の技術はいわば光っているものとか概念でもよいが、
数学の多くの偉大な定理は出版されたときに驚愕されると書いているだけなので、しかし、文化的な構成物で技術的に光っているものはどこにあるかといっても、最も分かりやすいのは、
バクサイSNSにいる者が何らかの人工知能を用いていることは明らかである。仮に行政が完全なものによる技術を開発し、人工知能から電波をヒトの大脳に送信しヒトの大腸を操作して排便を
促す装置を発明し作動させたとしても、事理の当然に、その人工知能がある場所にヤクザが拳銃を撃ちこんで終わりになるだけである。特定の個人がその人工知能の中にいるから自分が人工知能
の中で活躍できない結果として、刺されたり燃やされたりするのではなく、そもそも、その人工知能があることによって、自然状態として生活ができないことから、人工知能の装置自体を破壊した
方がいいように思われる。しかし、金が清掃工場に運ばれて燃やされたことが一度流行し、ただの紙屑になったという事実と、平成２５年から今更になって金が全てと言っているのは甚だしく矛盾
している。
愚論すぎてびっくりした。
女性が結婚しない・非婚化している理由として、男性側の非協力、家族に対する貶しやミソジニー発露、家事等の生活雑事についての視野と行動力の少なさ。
そういうことが出来ないことによりしわ寄せが女性側に来て、男性側がまともに生活して仕事をして、と生活が出来る中、女性側が旦那側給料依存になって金銭自由がなく実質上の奴隷化しており、関係性が非対称で、「主人」の善良さにすべての人生を預けなきゃいけないという状況が生まれているんだよ。
こんな状態で結婚するわけないじゃないか。まず必要なのはこの増田を含めた視点のかけた男性が、女性を人間視するために何が必要になるかの論点じゃないの。
常にこの問題は挙げられていて、そこの改善なしには少子化対策なんて進まないのに、女性の金銭的自立とその支援策について対等さをかける愚論。
必要なことを全く論じてなくて男性側視点の問題ばかりこの令和6年にエラソーに上げていてびっくりした。
弊社は従業員が数万人単位の企業だが数年前から全社員に副業許可が出ている
一方で副業をやっている人はそんなに多くない
なぜなら副業をできるような能力がなく、ただただ自社独自の文化に詳しい人として企業に飼われているだけだからだ
特殊な規約を知っているかどうかやExcel調書の書き方のお作法を知っていても他の企業では役に立たない
一方で雇用体系は組合との協議で決まるために高い報酬は払えず、市場価値より安い報酬で雇用している
そのため転職による流出も防ぐ方法として副業が効果的に機能している
そもそもこれらの分野の仕事は定常的な業務ではなく、期間限定で高い出力を求められることが多いので
他の期間はやることがなく、副業もしやすいし仕事を用意しなくて良いので管理職も楽なんだと思う
彼らはハイレベルな大学出身なので知人にスタートアップで起業するような人も多く
その繋がりでお手伝いをしていることが多いように見える
また起業してる人も珍しくない
ソフトウェア開発はオフショア開発が多く、ほぼほぼ個人事業主のフリーランスとして活動している
この分野が一番副業としては多い
Figmaでソフトウェアのデザインをすることもあればチラシのデザインをすることもあるが
ただ単にデザインするだけではなくビジネスプランや広告戦略あたりまで任されていることが多い
BBCラジオインタビュー：キャス博士に訊く、キャス・レビューついて。
https://www.jegma.jp/entry/CassReview-BBC
女性司会者：英国の18歳未満を対象としたジェンダー・アイデンティティ・医療サービスに関する報告書（レビュー）によると、医学的介入に関する調査不足と著しく弱いエビデンスに失望させられているといいます。小児科医ヒラリー・キャスの報告書は、こうも語っています。専門家たちは、彼女がジェンダーに関する議論の有毒性と呼ぶもののために、自分たちの意見をオープンに議論することを恐れてきた、と。
男性インタビュアー：待ちに待った、子どものジェンダー医療に関するキャスの報告書の結論は、医学界に響き渡るシンプルで手厳しい一文を含んでいます。ほとんどの若者にとって、医学的な治療法はジェンダーに関連した苦痛に対処する最良の方法ではないと、ヒラリー・キャス博士は述べているのです。
インタビュアー：思春期ブロッカーが安全に使用できるという証拠はありますか？
キャス博士：いいえ、今のところ、使用しても絶対に安全だという十分な証拠はありません。
思春期ブロッカーは、思春期が早すぎるという全く別の症状の子供や、ある種の癌を患う大人にも使われています。しかし、これは思春期を抑制するという新しい使用法です。ブロッカーが脳の発達に長期的にどのような影響を与えるかは分かっていません、というのも思春期には脳の発達が急速に進むからです。
また、ブロッカーがジェンダーや性心理の発達の軌跡を変えてしまうかどうかも分かっていないのです。
インタビュアー：医学の世界では、未知のものが一つの分野で大量に使用されるというのは標準的なことなのでしょうか？
キャス博士：研究チームは臨床試験から始めましたが、臨床試験結果が出る前に日常的な処方に移行し、さらに幅広い若年層に処方するようになった時点で、エビデンスから逸脱しました。
「ChatGPTのLLMのサービス開発に取り組みたい」
「Reactを使ったモダンな開発をやっていきたい」
みたいなキラキラしたこと言って入社してきた技術系新人、どいつもこいつもタイピングが遅い
Vim、Emacs、VSCodeとかそういう派閥争いする前にそもそもタイピングが遅い
画面共有してもらって見ながら指示してるんだけどタイピング遅すぎてめちゃくちゃ生産性低い
普段からチャットしてないからSlackとかも全然返信来なくて
書き込み中のままかなり時間経過してちょろっと文章だけ送られてくる
例えるならサッカー選手で足がクッソ遅いみたいな
どこのポジションでも無理だよ
ググってみるとそれと矛盾するような結果の統計も山ほど出てくるのがこのあたりの業界なのよ。
コンセンサスがまるで取れてないものも多くある。これは転職とか、年収とか労働関係の話でもそう。
そういうのを取り除いて、ずっとその研究をしている研究者が利用しているものだけを取り出したのが元増田なので、もうすこし丁寧に、コンセンサスがある話を基礎にしてほしい。
基礎的な話を踏まえた上で、異端の一意見として言うならアリだけど、そうじゃないんだというために探してくるようなものはやめてほしい。
志村の刑事組織犯罪対策課の佐藤がうれしそうな顔をして、もの、であるといっていたが、ものじゃねえから全然面白くないし、何言ってるのか分からなかったな。
法学は技術先にありきだろ。 品田幸男も、とにかく、ものであると言いたがるが、 法学は、 技術とものを一体として研究する学部だからな。
言いたいことをまとめると
さらに言うと
以下本文（別に読まなくて良い）
こんな増田があった。
つぶやき的な増田だけど、素朴に基礎知識を持っている人の感想というところであろう。
しかし、それに対しての反応に、未だに基礎知識がなく印象論だけで話をしている人が多く居るという事を見かたので、改めて書いてみる。
この他にも、元々東京都が婚活アプリを整備すると言う話 [注5] に対しても微妙な意見があるので整理してみる。
ちなみに前書いた増田
https://anond.hatelabo.jp/20231208002645
子育て支援のほうが合理的、そんな意見があるが、それは間違っている。何故かと言うと、少子化の主因を捉えていないから。
これは繰り返し言われてきたが、少子化の主要因は、非婚化と言われている(注1)
詳しくは注記に文献を上げておくので見てほしいが、簡単に言うと
と言う状況があるためだ。
結婚した夫婦がもうける子どもの数は微減状態にはあるが、そこに合計特殊出生率の変化のグラフと、婚姻率のグラフを重ねてみてほしい。そうすれば、夫婦が設ける子どもの数は横這いで、結果として表れる合計特殊出生率の変化のグラフとは重ならないが、婚姻率のグラフは綺麗に重なることがわかるだろう。一目瞭然で「結婚した夫婦も減ってるじゃ無いか」と言うのは枝葉であり、全くマトを得てない事が分かると思う。
少なくとも「対策の合理性」という観点から検討すると合理的とは言いがたい。
ただ、この点についても重要な視点がある為、あとで少し書いてみる。どちらにしても少子化支援で解決は難しい。
このように、結婚しない人を結婚させるより、3人目を諦める人を支援した方が良いと言う事実はない事も既に研究で明らかになっている。確かに理想の人数の子の数を諦めた理由という調査では、その理由に経済を上げる人が多いが、統計で分析すると
要するに夫婦の子どもの数を増やすには、最も合理的な手段は晩婚化対策であるだと言うことになるが、政治的にタブーでありこの路線はほぼ無理であるとも言える。ただ、やるべきではあるのだが、これは子育て支援の方面ではない。
もちろん、
ただし
子育て支援は少子化対策としては有効ではないと言うことをとにかく認識してほしい。
よく「子育て支援・少子化対策」と並べる人がいるが、この二つは似て非なるものである。少子化対策とは別に考えるべきだ。
と言うことになる。
この施策を真っ向からストレートに捉えると、出会いを作って結婚してもらうと言う事になるだろう。色々な所が取り組んでいる。それを東京都がやるのが東京都が行う管掌のマッチングアプリという事になるだろう。
ここで「合理的か」という観点から見るとき考えなければならないのが、この施策にかかるリソースだが、東京都がこの婚姻支援に入れる予算は、たったの3億円である。(注5)
福祉予算としては圧倒的に低く、はっきりと東京都レベルでは誤差の範囲の予算だ。例えば、都庁のプロジェクションマッピングの半額以下である。
予算が低いことが問題ではない。むしろ「合理性」という観点では低い予算で高い効果が上がる可能性が高いと言うことだ。3億円では都心の100人規模の保育所の運営費にも満たないと思われる。
色々な資料を読んでいると、非婚化・晩婚化による少子化は1990年代から既に言われていることで(注1) この程度の予算でできる事をなぜやってこなかったのか、とどうしても思ってしまうが、過去の事は仕方が無い。
これからでもよいのでやるべきだ。
さて、優先順位の3番目にきている「晩婚化対策」についても触れたいと思う。
晩婚化対策が何故必要かは、既に述べた理由の再掲にはなるのだが、まとめると
また、
さて、晩婚化対策とはなんだろうか？これは2つ考えられ
の二つがある。
政策的にやりやすいのは明らかに後者である。1は大事だが、これは政治的にタブーであるし、現実問題出来るのかという事がついて回る。
一方で後者はやりやすい。と言うのは、いずれの統計でも、いずれの時代にも「結婚したい」と考える独身者の率は年齢が上がるほど延びて、一定を超えると諦めて減ると言うカーブを取るからである。
ただしこれは子育て支援とは切り口が異なる。政策的には子育て支援に含められている場合も多いが「不妊治療の公的扶助の拡充」などがそれにあたる。
子育て支援と異なるのは何かと言うと、保育所の支援、学費の無料化などは「既に生んだ後」の支援である。実はこれが少子化対策には効果が薄く非合理的だと言われる。
直接的に生みたいが生めないと言う人々を支援することが有効なのだが、何故か少子化対策に対してこちらの方が手薄になっている。
少子化対策予算などいくらでも出せるのだから全部やればいいと思うのだが。
おこなわれないのは、属性の人々はあまり政治層に声を上げないし、代弁して声を上げるような社会団体が無いからだと思われる。
再掲するが、せめて
が必要だ。
政治的に
みたいなことを堂々といったら炎上するだけで難しいのはわかる。例えば、子育て支援は所得制限無し無制限が支持される一方で、自治体が頑張って結婚相談所を作っても参加補助どころか無料も無理で、実費請求されるところがほとんどだ。
今回の件も、例えば朝日新聞の報道( 注5) にも「行政がやる事か？」「結婚しろという圧力になる」と言った的外れなコメントが、有識者枠で掲載される有様だ。有識者と言いながら単なる社会活動家のポジショントークに過ぎないのだが、ほぼ例外なく誰もが当事者であるから出てきてしまうのであろう。
これは有権者の支持が得られないというところであろう。
が、もうこれを上手くオブラートに包んで実行していくほかにないのでは無いと思われる。
子育て支援をするなと行っているのでは無い。子育て支援はやるべきだ。しかし、子育て支援は少子化対策にならないのを直視して、少子化対策は別枠でちゃんとやってくれと言う事である。
少なくともこの現実を直視し、正しい基礎知識を持った上で、婚姻支援を合理的ではないなどいった誤った考えを早く正すべきだと考える。また政治活動家がロビー活動をする時も、この論法を使うことは控えてほしい。もっと他に手頃なスケープゴートがあるだろう。
冷静に考えてほしい。東京都だけで2兆円ちかい子育て関連予算に対して、3億円の施策が何だというのか？ そして誰も「子育て支援を削って非婚化対策しろ」なんて考えで施策を行ってないのである。
少子化対策は非常に重要な問題で、主要な政治家はみな積極的に取り組んでいる状態だ。子育て支援と婚姻支援がトレードオフの関係にある訳がないから、必要なら両方やれば良いのだ。
正しい知識をもって行動してほしい。
アドレス載せすぎてスパム判定されたので、h抜きにしてあります。
入らなかったので別エントリで
言いたいことをまとめると
さらに言うと
以下本文（別に読まなくて良い）
こんな増田があった。
つぶやき的な増田だけど、素朴に基礎知識を持っている人の感想というところであろう。
しかし、それに対しての反応に、未だに基礎知識がなく印象論だけで話をしている人が多く居るという事を見かたので、改めて書いてみる。
この他にも、元々東京都が婚活アプリを整備すると言う話 [注5] に対しても微妙な意見があるので整理してみる。
ちなみに前書いた増田
https://anond.hatelabo.jp/20231208002645
子育て支援のほうが合理的、そんな意見があるが、それは間違っている。何故かと言うと、少子化の主因を捉えていないから。
これは繰り返し言われてきたが、少子化の主要因は、非婚化と言われている(注1)
詳しくは注記に文献を上げておくので見てほしいが、簡単に言うと
と言う状況があるためだ。
結婚した夫婦がもうける子どもの数は微減状態にはあるが、そこに合計特殊出生率の変化のグラフと、婚姻率のグラフを重ねてみてほしい。そうすれば、夫婦が設ける子どもの数は横這いで、結果として表れる合計特殊出生率の変化のグラフとは重ならないが、婚姻率のグラフは綺麗に重なることがわかるだろう。一目瞭然で「結婚した夫婦も減ってるじゃ無いか」と言うのは枝葉であり、全くマトを得てない事が分かると思う。
少なくとも「対策の合理性」という観点から検討すると合理的とは言いがたい。
ただ、この点についても重要な視点がある為、あとで少し書いてみる。どちらにしても少子化支援で解決は難しい。
このように、結婚しない人を結婚させるより、3人目を諦める人を支援した方が良いと言う事実はない事も既に研究で明らかになっている。確かに理想の人数の子の数を諦めた理由という調査では、その理由に経済を上げる人が多いが、統計で分析すると
要するに夫婦の子どもの数を増やすには、最も合理的な手段は晩婚化対策であるだと言うことになるが、政治的にタブーでありこの路線はほぼ無理であるとも言える。ただ、やるべきではあるのだが、これは子育て支援の方面ではない。
もちろん、
ただし
子育て支援は少子化対策としては有効ではないと言うことをとにかく認識してほしい。
よく「子育て支援・少子化対策」と並べる人がいるが、この二つは似て非なるものである。少子化対策とは別に考えるべきだ。
と言うことになる。
この施策を真っ向からストレートに捉えると、出会いを作って結婚してもらうと言う事になるだろう。色々な所が取り組んでいる。それを東京都がやるのが東京都が行う管掌のマッチングアプリという事になるだろう。
ここで「合理的か」という観点から見るとき考えなければならないのが、この施策にかかるリソースだが、東京都がこの婚姻支援に入れる予算は、たったの3億円である。(注5)
福祉予算としては圧倒的に低く、はっきりと東京都レベルでは誤差の範囲の予算だ。例えば、都庁のプロジェクションマッピングの半額以下である。
予算が低いことが問題ではない。むしろ「合理性」という観点では低い予算で高い効果が上がる可能性が高いと言うことだ。3億円では都心の100人規模の保育所の運営費にも満たないと思われる。
色々な資料を読んでいると、非婚化・晩婚化による少子化は1990年代から既に言われていることで(注1) この程度の予算でできる事をなぜやってこなかったのか、とどうしても思ってしまうが、過去の事は仕方が無い。
これからでもよいのでやるべきだ。
さて、優先順位の3番目にきている「晩婚化対策」についても触れたいと思う。
晩婚化対策が何故必要かは、既に述べた理由の再掲にはなるのだが、まとめると
また、
さて、晩婚化対策とはなんだろうか？これは2つ考えられ
の二つがある。
政策的にやりやすいのは明らかに後者である。1は大事だが、これは政治的にタブーであるし、現実問題出来るのかという事がついて回る。
一方で後者はやりやすい。と言うのは、いずれの統計でも、いずれの時代にも「結婚したい」と考える独身者の率は年齢が上がるほど延びて、一定を超えると諦めて減ると言うカーブを取るからである。
ただしこれは子育て支援とは切り口が異なる。政策的には子育て支援に含められている場合も多いが「不妊治療の公的扶助の拡充」などがそれにあたる。
子育て支援と異なるのは何かと言うと、保育所の支援、学費の無料化などは「既に生んだ後」の支援である。実はこれが少子化対策には効果が薄く非合理的だと言われる。
直接的に生みたいが生めないと言う人々を支援することが有効なのだが、何故か少子化対策に対してこちらの方が手薄になっている。
少子化対策予算などいくらでも出せるのだから全部やればいいと思うのだが。
おこなわれないのは、属性の人々はあまり政治層に声を上げないし、代弁して声を上げるような社会団体が無いからだと思われる。
再掲するが、せめて
が必要だ。
政治的に
みたいなことを堂々といったら炎上するだけで難しいのはわかる。例えば、子育て支援は所得制限無し無制限が支持される一方で、自治体が頑張って結婚相談所を作っても参加補助どころか無料も無理で、実費請求されるところがほとんどだ。
今回の件も、例えば朝日新聞の報道( 注5) にも「行政がやる事か？」「結婚しろという圧力になる」と言った的外れなコメントが、有識者枠で掲載される有様だ。有識者と言いながら単なる社会活動家のポジショントークに過ぎないのだが、ほぼ例外なく誰もが当事者であるから出てきてしまうのであろう。
これは有権者の支持が得られないというところであろう。
が、もうこれを上手くオブラートに包んで実行していくほかにないのでは無いと思われる。
子育て支援をするなと行っているのでは無い。子育て支援はやるべきだ。しかし、子育て支援は少子化対策にならないのを直視して、少子化対策は別枠でちゃんとやってくれと言う事である。
少なくともこの現実を直視し、正しい基礎知識を持った上で、婚姻支援を合理的ではないなどいった誤った考えを早く正すべきだと考える。また政治活動家がロビー活動をする時も、この論法を使うことは控えてほしい。もっと他に手頃なスケープゴートがあるだろう。
冷静に考えてほしい。東京都だけで2兆円ちかい子育て関連予算に対して、3億円の施策が何だというのか？ そして誰も「子育て支援を削って非婚化対策しろ」なんて考えで施策を行ってないのである。
少子化対策は非常に重要な問題で、主要な政治家はみな積極的に取り組んでいる状態だ。子育て支援と婚姻支援がトレードオフの関係にある訳がないから、必要なら両方やれば良いのだ。
正しい知識をもって行動してほしい。
アドレス載せすぎてスパム判定されたので、h抜きにしてあります。
今までの話を読んできてもらった人には、完全に誤った議論であることはわかっていただけると思うのだけれど、どうしてもこう言う事を言う人がいる。
ただ、一点だけ「既に金がある奴を支援するべき」はその通りで、そのための施策がマッチングサービス・非婚化対策なのである。
統計で見ると、結婚しない・出来ない理由は、トップが「出会いがない」で次いで「経済的理由」である。
経済的理由と出会いが無いはほぼ同率なので、両方に手当てをする必要がある。
そして未婚男性で最も多いのは年収500万円以上なので、経済だけを協調して、マッチングサービスなど出会いを作る施策を非合理的だとする理由はない。
両方やれば良いし「合理性」で考えるならば、マッチングサービスなどの単純な婚活支援が最初に来るだろう。
参考： ttps://president.jp/articles/-/63789 婚活市場では"高望み"の部類だが…｢年収500万円以上の未婚男性｣が最も余っている皮肉な理由
引用：
涯未婚率対象年齢である45～54歳男女の未婚人口を年収別にみると、未婚男性でもっとも人口が多いのは500万円以上の年収層になります（2007～2017年の10年推移）。これは2007年も同様で、比率にしてしまうと小さくなるのですが、実数としては「婚活女性が高望みといわれてしまう年収500万円以上の未婚男性」がもっとも余っている
わずかにそう言った傾向はあるかも知れないが、基本的には誤り。根拠としては、結婚する理由に「子どもが欲しいから」と答える人が減っているという事を上げることが多いが、子どもが欲しいからと上げていた Permalink | 記事への反応(0) | 12:26
ナショジオの菌類特集読んでたら、霊芝（干からびたカタツムリみたいなキノコで、漢方になる）はマジで癌に効く可能性があるらしい。
西洋科学の分析でわかるのはいいが、昔の人間はなぜ、これが体にいいとわかったんだ。癌患者AとBの一方には霊芝を食わせて、もう一方には食わせない、を百年単位で繰り返し、別のコミュニティと共有する中で確立したのか。
それとも、薬効を謳ったもので偽物もたくさんあるわけで（水銀とか）、近代の研究で迷信が淘汰された中でたまたま残った本物が、いかにも昔からの叡智の結晶みたいに見えるだけなのか。わからん。
追記。
不思議な点をもっと書き連ねると、同じ癌患者Aと Bに霊芝を与えるのでも、Aと Bで体質も違えば癌の種類も違うだろうから、薬効はそう簡単にわからないはずだ。
A Bどころじゃない膨大なサンプルが必要だと思うが、今度は誰が、それを記録して伝承しているのだ。シャーマンとか本草学か。
また、霊芝だけに使用を限定したとも思えないので、薬草も使えば、動物の骨とか、鉱物とかも併用しただろうし、その中で、「よし、霊芝だな…」と特定され成果として残るのはマジですごく不思議。
いや、特定されきってないから変な迷信とかがまだいっぱい残ってるんだ、とか、動物の進化が奇跡的な形を生むように、膨大な時間の流れにはそれだけのトライアンドエラーを許す余地があるとか、今は人道的にNGだけど、昔は奴隷とか賎民にめちゃくちゃやれたから発達したんだ、とか、合理的な説明はつくかもしれないが、「？」というデカい疑問符は消えない。
もっとも、ナショジオでも「効く可能性がある」ぐらいに書かれているだけなので、実際にどの程度奏功するかどうかは知らない。「信じて飲んだけど効かなくて俺死んじゃったよ」と言われても、線香ぐらいは立ててもいいが責任は取れないので、付記しておく。
https://www.nikkei.com/article/DGXZQOUD226TU0S2A121C2000000/
これではいくらエッチしても妊娠できないから、少子化が進行する。
原因は、マイクロプラスチック。
すべての男性の精巣から「マイクロプラスチック」が見つかったとの研究結果、生殖能力に影響を与えている
https://gigazine.net/news/20240522-microplastics-human-testicles/
人類の衰退は避けられない。
田舎には「とりあえずの仕事」と「ホワイトカラーの仕事」がほとんど無いんだよ
「高収入な仕事」も少ないけど、立地する工場によっては専門職、研究職、技術職で高収入田舎暮らしもありうる
うちの地元にはでかい企業のでかい工場があって、研究員とかが転入してきている
小学校で飛び抜けて頭いい子がいたら、だいたい研究員のご家庭の子
幾何学でいってなんでパスカルの定理は完全無欠と言われるかと言うとまだ分からない。１つには２０００年前から研究があるという割にはろくな書物は存在しておらず
大量の研究があると言いながら、ほとんどの定理が知られていない。 方べきの定理とパスカルの定理は何が違うのか、それすら教えてもらっていない人が多いのではないか。
完全無欠な定理があれば、ゆくゆくはなんでもできる。 だから完全無欠なものは教科書でなるべく集めた方がいい。それがあれば行き詰まることはない。
とはいいながら、何をもって完全無欠であるかというと、まだ分かっていない。 超対称性の原理というのは、ただの対称性ではなくて結構、Higherな対称性でよく分かっていないので
チェスの問題に出てきた操作は超対称性ではなくてまったく間違っていて、おぺちさんという天才がいてそれはただの簡潔なテクニックで、超対称性はお前が考えるよりもっと、レベルの高い
対称性で、そういうものではないと言われ、なんでも、そういったものは界隈で完全無欠と指定され、可能性があるから、魅力があるのに決まっている。
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。
繰り返しになるが、非常に賢いChatGPTを想像するだけではいけない。趣味的な進歩ではなく、リモートワーカーや、推論や計画、エラー訂正ができ、あなたやあなたの会社のことを何でも知っていて、何週間も単独で問題に取り組めるような、非常に賢いエージェントのようなものになるはずだ。
私たちは2027年までにAGIを実現しようとしている。これらのAIシステムは、基本的にすべての認知的な仕事（リモートでできるすべての仕事を考える）を自動化できるようになるだろう。
はっきり言って、エラーバーは大きい。データの壁を突破するために必要なアルゴリズムのブレークスルーが予想以上に困難であることが判明した場合、データが足りなくなり、進歩が停滞する可能性がある。もしかしたら、ホッブリングはそこまで進まず、専門家の同僚ではなく、単なる専門家のチャットボットに留まってしまうかもしれない。もしかしたら10年来のトレンドラインが崩れるかもしれないし、スケーリング・ディープラーニングが今度こそ本当に壁にぶつかるかもしれない。(あるいは、アルゴリズムのブレークスルーが、テスト時間の計算オーバーハングを解放する単純なアンホブリングであっても、パラダイムシフトとなり、事態をさらに加速させ、AGIをさらに早期に実現させるかもしれない)。
いずれにせよ、私たちはOOMsを駆け抜けているのであり、2027年までにAGI（真のAGI）が誕生する可能性を極めて真剣に考えるのに、難解な信念は必要なく、単に直線のトレンド外挿が必要なだけである。
最近、多くの人がAGIを単に優れたチャットボットなどとして下方定義しているように思える。私が言いたいのは、私や私の友人の仕事を完全に自動化し、AI研究者やエンジニアの仕事を完全にこなせるようなAIシステムのことだ。おそらく、ロボット工学のように、デフォルトで理解するのに時間がかかる分野もあるだろう。また、医療や法律などの社会的な普及は、社会の選択や規制によって容易に遅れる可能性がある。しかし、ひとたびAI研究そのものを自動化するモデルができれば、それだけで十分であり、強烈なフィードバック・ループを始動させるのに十分であり、完全自動化に向けて残されたすべてのボトルネックを自動化されたAIエンジニア自身が解決することで、非常に迅速にさらなる進歩を遂げることができるだろう。特に、数百万人の自動化された研究者たちによって、アルゴリズムのさらなる進歩のための10年間が1年以内に圧縮される可能性は非常に高い。AGIは、まもなく実現する超知能のほんの一端に過ぎない。(詳しくは次の記事で）。
いずれにせよ、目まぐるしい進歩のペースが衰えることはないだろう。トレンドラインは無邪気に見えるが、その意味するところは強烈である。その前の世代がそうであったように、新世代のモデルが登場するたびに、ほとんどの見物人は唖然とするだろう。博士号を持っていれば何日もかかるような信じられないほど難しい科学的問題を、間もなくモデルが解決し、あなたのコンピュータのまわりを飛び回り、あなたの仕事をこなし、何百万行ものコードからなるコードベースをゼロから書き上げ、これらのモデルによって生み出される経済的価値が1年か2年ごとに10倍になるとき、彼らは信じられないだろう。SF小説は忘れて、OOMを数えよう。AGIはもはや遠い空想ではない。単純なディープラーニング技術をスケールアップすることがうまくいき、モデルは学習したがり、2027年末までにさらに100,000倍を超えようとしている。私たちよりも賢くなる日もそう遠くはないだろう。
https://situational-awareness.ai/wp-content/uploads/2024/06/gan_progress-1.jpeg
GPT-4はほんの始まりに過ぎない。GANの進歩に見られるように）ディープラーニングの進歩の速さを過小評価するような間違いを犯さないでほしい。
続き I.GPT-4からAGIへ：OOMを数える(11) https://anond.hatelabo.jp/20240605212014
X (twitter) で SITUATIONAL AWARENESS: The Decade Ahead https://situational-awareness.ai/ というのが回ってきて非常に示唆に富むものだったので、DeepL (無料版 API経由) で訳してみた。
この1年で、街の話題は100億ドルのコンピュート・クラスターから1000億ドルのクラスター、そして1兆ドルのクラスターへと移り変わってきた。半年ごとに、役員室の計画にまたゼロが追加される。その裏では、残りの10年間に利用可能なすべての電力契約と、調達可能なすべての電圧変圧器を確保しようとする熾烈な争いが繰り広げられている。アメリカの大企業は、アメリカの産業力を結集させるために、何兆ドルもの資金を注ぎ込む準備を整えている。ペンシルベニア州のシェールフィールドからネバダ州の太陽光発電所まで、何億ものGPUが稼働する。
AGI競争が始まったのだ。私たちは思考し、推論できるマシンを作りつつある。2025年から26年にかけて、これらのマシンは多くの大学卒業生を凌駕するだろう。10年後までには、これらのマシンは私やあなたよりも賢くなり、本当の意味での超知性を手に入れるだろう。その過程で、この半世紀には見られなかったような国家安全保障の力が解き放たれ、やがて「プロジェクト」が始動する。運が良ければ、中国共産党との全面的な競争になり、運が悪ければ全面戦争になる。
今、誰もがAIについて話しているが、何が自分たちを襲おうとしているのか、かすかな光明を感じている人はほとんどいない。Nvidiaのアナリストは、まだ2024年がピークに近いと考えている。主流派の評論家たちは、「次の言葉を予測するだけだ」という故意の盲目に陥っている。彼らが見ているのは誇大広告といつも通りのビジネスだけで、せいぜいインターネット規模の新たな技術革新が起こるのを楽しむ程度なのだ。
やがて世界は目を覚ますだろう。しかし、今現在、状況認識を持っているのはおそらく数百人で、そのほとんどはサンフランシスコとAI研究所にいる。運命の不思議な力によって、私はその中に身を置くことになった。数年前、このような人々はクレイジーだと揶揄されたが、彼らはトレンドラインを信頼し、過去数年間のAIの進歩を正しく予測することができた。この人たちが今後数年についても正しいかどうかはまだわからない。しかし、彼らは非常に賢い人々であり、私がこれまでに会った中で最も賢い人々である。おそらく、彼らは歴史の中で奇妙な脚注となるか、あるいはシラードやオッペンハイマー、テラーのように歴史に名を残すだろう。もし彼らが未来を正しく見ているとしたら、私たちはとんでもないことになる。
各エッセイはそれぞれ独立したものですが、シリーズ全体として読むことを強くお勧めします。全エッセイのPDF版はこちら。
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サイズの質的なジャンプが起こると予想される。
AIの進歩は人間レベルでは止まらない。何億ものAGIがAI研究を自動化し、10年に及ぶアルゴリズムの進歩（5以上のOOM）を1年以下に圧縮することができる。私たちは、人間レベルから超人的なAIシステムへと急速に進化することになる。超知能の威力と危険性は劇的なものとなるだろう。
驚異的な技術資本の加速が始まっている。AIの収益が急増するにつれ、10年末までに何兆ドルもの資金がGPU、データセンター、電力の増強に投入されるだろう。米国の電力生産を数十％増加させるなど、産業界の動員は激しくなるだろう。
米国の主要なAI研究所は、セキュリティを後回しに扱っている。現在、彼らは基本的にAGIの重要な機密を銀の皿に載せて中国共産党に渡している。AGIの秘密とウェイトを国家機関の脅威から守るには膨大な努力が必要であり、我々はその軌道に乗っていない。
我々よりもはるかに賢いAIシステムを確実に制御することは、未解決の技術的問題である。解決可能な問題ではあるが、急速な知能の爆発が起きれば、物事は簡単にレールから外れてしまう。これを管理することは非常に緊張を強いられるだろう。
スーパーインテリジェンスは、経済的にも軍事的にも決定的な優位性をもたらすだろう。中国はまだゲームから抜け出してはいない。AGIをめぐる競争では、自由世界の存亡がかかっている。我々は権威主義的な大国に対する優位性を維持できるのか？そして、その過程で自滅を避けることができるのだろうか？
AGIへの競争が激化するにつれ、国家安全保障が関与してくる。アメリカ政府は眠りから覚め、27～28年までに何らかの形で政府によるAGIプロジェクトが立ち上がるだろう。どんな新興企業も超知能を扱うことはできない。SCIFのどこかで、終盤戦が始まるだろう。
もし我々が正しかったら？
――――――――
私はかつてOpenAIで働いていたが、これはすべて一般に公開されている情報、私自身のアイデア、一般的な現場知識、あるいはSFゴシップに基づいている。
Collin Burns、Avital Balwit、Carl Shulman、Jan Leike、Ilya Sutskever、Holden Karnofsky、Sholto Douglas、James Bradbury、Dwarkesh Patel、その他多くの方々の有益な議論に感謝する。初期の草稿にフィードバックをくれた多くの友人に感謝する。グラフィックを手伝ってくれたジョー・ローナン、出版を手伝ってくれたニック・ウィテカーに感謝する。
続き I.GPT-4からAGIへ：OOMを数える(1) https://anond.hatelabo.jp/20240605203849
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
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
