「Rand」を含む日記

■

ゲームの専門学校で、ゲームを作りましょうって授業があった

C言語の授業だったと思う

その頃のWindows98が一般家庭にはそこそこ普及してて、学校のPCはほとんど95だった

ゲームを作る学科とはいえ、まだ入学したてでプログラムなんてすらすら組める生徒はほとんどいなかった

というか、卒業までにそこそこプログラムを書けるようになる人なんて数人だった

じゃあゲーム作るなんて無理だろうって話なのだが、ここでいうゲームは、

printfとgetc？を駆使して、さらには可能であればrand（rands？）も使用し、

あらゆる演算（四則演算とさらには%）を組み合わせた高度なアルゴリズムが必要な

ハローワールドの向こう側（一歩先）

だいたいじゃんけんゲームか、数当てゲームに落ち着くやつで、

中には、ゲームブックを具現化したような、分岐数が二桁を超える圧倒的ボリュームのマルチエンディングアドベンチャーを作ったやつも居たし、

タイマーかなんかでゴリゴリ回してだったかターン制だったかの、インベーダーゲームを作ったやつもいた

たしか２コマぶち抜きだったか、日を分けて２～３コマだったか忘れたけど、そこまでやるやつは家では他の事するので

授業内で全部組んでた

自分はドラクエ作ろうとした

MS-DOSかなんかなので、もちろんグラフィックはない

「大」が自キャラで、剣を装備したら「犬」になる　とかで　王様との挨拶をすっ飛ばして

「山」やら「森」やらある「草」フィールドを歩いてたら敵にエンカウントして、ドラクエ１みたいな戦闘できるやつ

AAで敵のグラフィック作ろうとしてあまりにも時間がかかることでスライムだけ作ったぐらいで終わった

今思えばシレンを作れば良かったと思う

先月ぐらいに、今更そういやローグってどんなゲームだ？　って気になって調べたら、AAとか要らんみたいだったから

でも当時は好きなゲームで一番シンプルで作りやすそうなのは、ドラクエだった

というのを他の増田でマリオを作るという記述見て思い出しただけの増田

なんか色々考えさせられることは多いなと思って書き始めたのだけど、前述の圧倒的ボリュームのマルチエンディングアドベンチャーは

だいたい選択肢を間違えたら一歩先で💩まみれになって死ぬだったなあ　って記憶がよみがえって来てどうでもよくなってしまった

実際は、穴に落ちたり、犬に嚙まれたり、色んなパターンあったし、エンディングは画面切り替えもあってそれなりに感動する仕上がりになってたから、💩まみれって評価は正しくはない

Permalink | 記事への反応(0) | 12:57

ツイートシェア

■平均場ゲーム理論をシミュレーションするって要するにこういうこと？

import numpy as np
import matplotlib.pyplot as plt

# パラメータ設定
num_agents = 100  # エージェント数
time_steps = 100  # シミュレーションの時間ステップ
alpha = 0.1  # 情報共有の効果
beta = 0.05  # 情報拡散の効果

# エージェントの初期状態をランダムに設定
states = np.random.rand(num_agents)

# 平均場の初期化
mean_field = np.mean(states)

# 状態の履歴を保存
state_history = np.zeros((time_steps, num_agents))
mean_field_history = np.zeros(time_steps)

# シミュレーション開始
for t in range(time_steps):
    # 各エージェントの行動を決定（情報を共有するかどうか）
    actions = np.random.rand(num_agents) < alpha
    
    # 状態の更新
    states += beta * (mean_field - states) * actions
    
    # 平均場の更新
    mean_field = np.mean(states)
    
    # 履歴の保存
    state_history[t] = states
    mean_field_history[t] = mean_field

# 結果のプロット
plt.figure(figsize=(12, 6))
plt.plot(mean_field_history, label='Mean Field')
plt.xlabel('Time Step')
plt.ylabel('Mean Field Value')
plt.title('Mean Field Dynamics in Social Media Model')
plt.legend()
plt.show()

Permalink | 記事への反応(0) | 15:10

ツイートシェア

■意識の数理モデルの具体化

1. 抽象状態空間

Ωを仮に100次元の実ベクトル空間R^100とする。各次元は特定の神経活動パターンに対応する。

Ω = {ω ∈ R^100 | ||ω||₂ ≤ 1}

ここで||・||₂はユークリッドノルムである。τは標準的なユークリッド位相とする。

2. 一般化観測作用素

観測Oを100×100の実行列として定義する。

O : Ω → Ω

O(ω) = Aω / ||Aω||₂

ここでAは100×100の実行列で、||Aω||₂ ≠ 0とする。

3. 一般化エントロピー汎関数

シャノンエントロピーの連続版を使用して定義する：

S[ω] = -∫Ω p(x) log p(x) dx

ここでp(x)はωに対応する確率密度関数である。

4. 観測によるエントロピー減少の公理

任意の観測Oに対して以下が成立する：

S[O(ω)] ≤ S[ω] + log(det(AA^T))

5. 抽象力学系

非線形常微分方程式系として定式化する：

dω/dt = F(ω) + G(ω, O)

F(ω) = -αω + β tanh(Wω)

G(ω, O) = γ(O(ω) - ω)

ここでα, β, γは正の定数、Wは100×100の重み行列、tanhは要素ごとの双曲線正接関数である。

6. 一般化情報幾何

フィッシャー情報行列を導入する：

g_ij(ω) = E[(∂log p(x|ω)/∂ω_i)(∂log p(x|ω)/∂ω_j)]

ここでE[・]は期待値、p(x|ω)は状態ωでの条件付き確率密度関数である。

7. 抽象量子化

状態ωに対応する波動関数ψ(x)を定義する：

ψ(x) = √(p(x)) exp(iθ(x))

ここでθ(x)は位相関数である。

8. 一般化統合情報理論

統合情報量Φを以下のように定義する：

Φ[ω] = min_π (I(X;Y) - I(X_π;Y_π))

ここでI(X;Y)は相互情報量、πは可能な分割、X_πとY_πは分割後の変数である。

9. 普遍的学習則

勾配降下法を用いて定式化する：

ω_new = ω_old - η ∇L(ω_old, O)

L(ω, O) = ||O(ω) - ω_target||₂²

ここでηは学習率、ω_targetは目標状態である。

10. 抽象的因果構造

有向非巡回グラフ（DAG）として表現する：

G = (V, E)

V = {v_1, ..., v_100}

E ⊆ V × V

各頂点v_iはω_iに対応し、辺(v_i, v_j)はω_iからω_jへの因果関係を表す。

実装例：

このモデルはPythonとNumPyを用いて以下のように実装できる：

import numpy as np
from scipy.stats import entropy
from scipy.integrate import odeint
import matplotlib.pyplot as plt

class ConsciousnessModel:
    def __init__(self, dim=100):
        self.dim = dim
        self.omega = np.random.rand(dim)
        self.omega /= np.linalg.norm(self.omega)
        self.A = np.random.rand(dim, dim)
        self.W = np.random.rand(dim, dim)
        self.alpha = 0.1
        self.beta = 1.0
        self.gamma = 0.5
        self.eta = 0.01

    def observe(self, omega):
        result = self.A @ omega
        return result / np.linalg.norm(result)

    def entropy(self, omega):
        p = np.abs(omega) / np.sum(np.abs(omega))
        return entropy(p)

    def dynamics(self, omega, t):
        F = -self.alpha * omega + self.beta * np.tanh(self.W @ omega)
        G = self.gamma * (self.observe(omega) - omega)
        return F + G

    def update(self, target):
        def loss(o):
            return np.linalg.norm(self.observe(o) - target)**2
        
        grad = np.zeros_like(self.omega)
        epsilon = 1e-8
        for i in range(self.dim):
            e = np.zeros(self.dim)
            e[i] = epsilon
            grad[i] = (loss(self.omega + e) - loss(self.omega - e)) / (2 * epsilon)
        
        self.omega -= self.eta * grad
        self.omega /= np.linalg.norm(self.omega)

    def integrated_information(self, omega):
        def mutual_info(x, y):
            p_x = np.abs(x) / np.sum(np.abs(x))
            p_y = np.abs(y) / np.sum(np.abs(y))
            p_xy = np.abs(np.concatenate([x, y])) / np.sum(np.abs(np.concatenate([x, y])))
            return entropy(p_x) + entropy(p_y) - entropy(p_xy)
        
        total_info = mutual_info(omega[:self.dim//2], omega[self.dim//2:])
        min_info = float('inf')
        for i in range(1, self.dim):
            partition_info = mutual_info(omega[:i], omega[i:])
            min_info = min(min_info, partition_info)
        
        return total_info - min_info

    def causal_structure(self):
        threshold = 0.1
        return (np.abs(self.W) > threshold).astype(int)

    def run_simulation(self, steps=1000, dt=0.01):
        t = np.linspace(0, steps*dt, steps)
        solution = odeint(self.dynamics, self.omega, t)
        self.omega = solution[-1]
        self.omega /= np.linalg.norm(self.omega)
        return solution

    def quantum_state(self):
        phase = np.random.rand(self.dim) * 2 * np.pi
        return np.sqrt(np.abs(self.omega)) * np.exp(1j * phase)

# モデルの使用例
model = ConsciousnessModel(dim=100)

# シミュレーション実行
trajectory = model.run_simulation(steps=10000, dt=0.01)

# 最終状態の表示
print("Final state:", model.omega)

# エントロピーの計算
print("Entropy:", model.entropy(model.omega))

# 統合情報量の計算
phi = model.integrated_information(model.omega)
print("Integrated Information:", phi)

# 因果構造の取得
causal_matrix = model.causal_structure()
print("Causal Structure:")
print(causal_matrix)

# 観測の実行
observed_state = model.observe(model.omega)
print("Observed state:", observed_state)

# 学習の実行
target_state = np.random.rand(model.dim)
target_state /= np.linalg.norm(target_state)
model.update(target_state)
print("Updated state:", model.omega)

# 量子状態の生成
quantum_state = model.quantum_state()
print("Quantum state:", quantum_state)

# 時間発展の可視化
plt.figure(figsize=(12, 6))
plt.plot(trajectory[:, :5])  # 最初の5次元のみプロット
plt.title("Time Evolution of Consciousness State")
plt.xlabel("Time Step")
plt.ylabel("State Value")
plt.legend([f"Dim {i+1}" for i in range(5)])
plt.show()

anond:20240804172334

Permalink | 記事への反応(0) | 02:26

ツイートシェア

■anond:20240706210213

INT(RAND()*55)+1

Permalink | 記事への反応(0) | 21:05

ツイートシェア

■久々に妊娠したけど父親が誰かわからない

時期的に連絡とってた相手から=rand()で決めるか……

Permalink | 記事への反応(0) | 09:41

ツイートシェア

■anond:20230727144956

int(rand()*700)

はい選べました

Permalink | 記事への反応(0) | 14:52

ツイートシェア

■anond:20230209202339

// 配列をシャッフルする関数

const shuffle = (array) => {

for (let i = array.length - 1; i >= 0; i--) {

const rand = Math.floor(Math.random() * (i + 1)); // 0〜iのランダムな数値を取得

[array[i], array[rand]] = [array[rand], array[i]]; // 要素の入れ替え

}

return array;

}

shuffle(['ラーメン', 'ピザ', 'カレー', 'ハンバーグ', 'チキン', 'オムライス', 'カツ丼', 'パスタ', 'フォーク', 'チャーハン', 'パン', 'パンケーキ', 'ライス', 'サラダ', 'チーズ', 'サンドイッチ'])[0]

'フォーク'

Permalink | 記事への反応(1) | 20:27

ツイートシェア

■英語のほうが難しくて、日本語のほうが簡単に言い表してる言葉ってある？

たとえば英語だと曾祖母という単語がgreat grand motherで、小学生でも知ってる単語で構成されていて日本語より簡単に表現できてると思う。いやいや、日本語でも「ひいおばあちゃん」は子供が知ってる単語で構成されてるあるじゃないか、と言われそうだが、ひいおばあちゃんは公的な場で使うにはちょっと躊躇する単語だ。忌引を申請するのに曾祖母とみんな言うだろう。てなわけで祖父母の母親、を意味する言葉は日本語のほうが難しいかな、と思う。

そこで思ったのは、逆に日本語のほうが英語より簡単に（シンプルに）表現されてる言葉ってなんかあるのかなということ

英語を学んでいると英語ってシンプルで学びやすいなと思うことがまあまあある。たとえば円安円高のような言葉は、strongとweakを使うとか。なんか気づいてないだけで絶対あるんだろうけどな

Permalink | 記事への反応(3) | 16:16

ツイートシェア

■anond:20221012104112

コンピューター「rand()」

Permalink | 記事への反応(0) | 10:42

ツイートシェア

■Rust from new

use rand::distributions::{Distribution, Uniform, Normal};

どうして

Uniform::from

なのに

Normal::New

なの

Permalink | 記事への反応(0) | 00:15

ツイートシェア

■anond:20210914162216

おーい増田！プログラミングしようぜ！

ProgateでもマイクラでもScratchでもSwitchはじめてゲームプログラミングでもいいぜ！

randでサイコロ作るだけでも楽しいぜ！

パソコンにサイコロ1万回振らせるの、奴隷がいるみたいで楽しいぜ！

ガチャ再現も楽しいぜ！無限に回せるぜ！

お前が神になれるぜ！　駆け出すのだけはだめだぜ！

Permalink | 記事への反応(0) | 22:16

ツイートシェア

■ダン・アリエリーではなく保険会社の不正説を私は推します

https://honeshabri.hatenablog.com/entry/The_Honest_Truth_About_Dishonesty

この件ですが。

ダン・アリエリーが主犯だとすると、捏造があまりにも杜撰すぎませんか。

そもそも論文を書くにあたって偽のデータをこしらえなきゃいけないモチベーション、インセンティブは何なのかというところから考えると、

①どうしても論文の結論に合うようなデータにしたい

②そもそもデータが手に入らないがどうしても論文を仕上げたい

のどちらかだと思うんです。

上記記事のブコメでは①の推測も散見されましたが、これは明らかにおかしいでしょう。

①がモチベーションになるためには、そもそも不正の無い状態で生の実験をやって、その結果が思っている結論と合わない、じゃあ捏造しようというプロセスを踏むはずです。そうであれば今回のデータの捏造方法はおかしくないですか？

去年のデータは半分だけ使って、そのコピーを乱数で揺らして二倍に。今年のデータは去年プラス乱数。謎ですよね。結論に合わない実験データが既にあるのであればそれを結論に合わせて弄っていくだけのはずです。余計な手間をかけて杜撰にしていると思いませんか？

②のデータが手に入らなかったについては不正を行うに至る状況としては理解できます。しかしそうであれば保険会社に協力を仰いだ意味はなんなのか？協力したという保険会社自体が存在しなかった？いやいやそれなら、去年の半分のデータはどこから来たのかということになります。

結局不正を行うモチベーションがいまいち掴めないんですよね。おまけに杜撰でもある。隠し通すつもりならふつう一様乱数なんて使わないでしょう。

わざわざ杜撰なやり方でデータを捏造し、そのデータを自分で公開する。案の定そこから不正がバレる。そんなに彼は無能の極みみたいな人なんですか？ちょっとそうとは思えません。

それに比べれば本しゃぶり氏の提示した「保険会社の作業者面倒くさがった説」の方が遥かに結果に対する説明力が高い。一様乱数というのが特にこの説の補強になっています。Excelでrandと入力して吐き出されるのは、一様乱数ですので。

ところでこの説に対しては「ダン・アリエリー本人は何故一目でそんな杜撰なデータを見抜けなかったのか。見抜けたはずだ」という反論が多く見られますね。

ただこれってそこまで簡単に見抜けるというほどでもないと思うんですよ。

出てきたデータ自体が一様乱数と言うなら並べた時にわかって当然だとは思います。

ただ、今回疑いの根拠となった一様分布だという話は「年間走行距離」、すなわち「今年ー去年」の値なんですよね。直接収集したデータは去年の累計値と今年の累計値なんです。

まあ今年の値が去年の値に一様乱数を加算して作られているのだから、そりゃ差分が一様分布になりますよね。

ここで理解してほしいのは、実験自体にはこの「差分」の値は登場していないということです。

去年のデータは実データをダブルにして作られているのだからまともな分布になっている可能性が高い。今年のデータはそのまともな分布に一様分布を足し合わせている。去年のデータが十分大きい場合、これもあまり変な分布に見えなかったとしても仕方がないことではないでしょうか？

結局これが変なデータだと気づくためには、実験本体には何ら関係ない「個人ごとに差分をとる」という計算操作を実施しなければいけないわけです。

それをするっていうのはどういう時でしょうか？そう、「初めからデータを疑っている時」です。

公開されたデータを見た検証者たちは当然疑いの目をもってそれをチェックします（それが検証ですから）。データの不備も考えるし、著者の捏造も視野に入れます。だから差分でも何でもとって分布をチェックするでしょう。

一方でダン・アリエリーはどうだったのでしょう。協力パートナーである保険会社から出てきたデータをわざわざ「今年のデータは去年のデータに乱数を足しているかもしれない」などと考えて引き算をしてみるのでしょうか。まあ研究者ならするべきだったのでしょうが、しなかったとしても責められはしないだろうと思います。

Permalink | 記事への反応(0) | 20:15

ツイートシェア

■ポリコレマークアップランゲージ

男女←男が先なのは不適切

<policore>

<rand>男<rand/>

<rand>女<rand/>

</policore>

これでランダムに女男になったり男女になる記法

未来のWebはこんな感じになるのでは

Permalink | 記事への反応(1) | 22:54

ツイートシェア

■anond:20210416135635

奇跡で偶然、曲が作れるなら、聞いててみたいものだ

randで音符並べたら、偶然曲になるっていう発想だろ

人生をかけて作ったけど１曲しか作れなかった。でも、１０年２０年努力したんだ１曲のために　珠玉の１曲ではなく

馬鹿が適当に作ったら、偶然ヒットした１曲というものがあるなら、俺も聞いてみたい

Permalink | 記事への反応(2) | 14:11

ツイートシェア

■anond:20210408210621

I think so too. rand().

Permalink | 記事への反応(0) | 21:12

ツイートシェア

■anond:20210114130722

普段あんまり褒める関係じゃないなら、ご飯作ってくれた時に今日の〇〇すごい美味しいって一言いうだけでも嬉しいと思うよ！

嬉しいとそればっかり作るようになるかもだけど…増田を喜ばせようとしてくれてるって思ったら可愛く思えるかも

2人で料理するってなるとネットスーパーも確認のプロセスがあるんだね！それはそれで大変そうだ

自分は献立考えるのすら苦痛なタイプだから、エクセルに自分のレパートリー打ち込んどいて、1週間分の献立ランダムで出すもの作って、それの通りぽちぽちしてる(randとvlookup使って作ってて、気に入らなかったらリロード

ちょっとでも参考になれたならよかった

増田は頑張り屋さんっぽいから根を詰めすぎないでね〜

Permalink | 記事への反応(0) | 14:07

ツイートシェア

■ボディペインティングとドラえもんことわざ辞典のCFNMとPETA

くどいけれども、ドラえもんとCFNM

幼いころ、何かのイベントでフェイスペインティングをやる機会があったのだけれども、当時の僕は顔に何かが付着するのが不快に思われて、断った記憶がある。

それ以来、身体に何かを塗ったことはない。皮膚科の薬くらいか。女性の場合、ファウンデーションを使うので、フェイスペインティングは男性よりも抵抗が少ないと思われるのだがどうだろう？

それはともかく、同様の理屈でボディペインティングはやったことがない。とはいえ、ドラえもんの学習漫画で、水着を忘れたのび太が絵の具を塗ってごまかそうとするが、前だけを塗って尻を塗り忘れて恥をかく場面があり、それが自分の野外露出・CFNM願望とマッチしていたのを思い出す。気づいたしずちゃんが顔を覆って赤面しているのも高ポイント。

実際に水着やショートパンツを描いて野外を全裸で徘徊する女性の動画は、各種動画サイトで閲覧可能だ。

身体に色彩をまとう歴史

人々が顔や身体を様々な色彩で飾ってきた歴史は長く、世界中で見られる。ブラックベリーやサフラン、粘土や木炭などで様々な色合いが用いられてきた。つまり、赤、黄色、青、黒、茶色などが利用できたわけである。

用いられてきた場は様々だが、代表的なものは次の通り。

• 結婚式
• 葬儀
• 戦争
• 思春期の通過儀礼
• 狩猟のカモフラージュ
• ステータスシンボル

現代の欧米における大まかな歴史

欧米では、顔や腕を塗ることが多かったし、今でも大道芸人やピエロなどもそうだ。全身をカンバスとして用いるのがメインストリームの芸術やファッションに導入されたのは、1933年のシカゴの万国博覧会でだった。Max Factorがバーレスクの大女優Sally Randを映画のためのモデルにしたが、裸を公衆の面前に出すのは同時としては当然挑発的に過ぎたし、社会的通念からは外れていた。そして、全裸のアートは人気にならなかった。

これが60年代から70年代のヒッピー文化の時代になってくるともう少し人気が出てくる。花やピースサイン、その他サイケデリックな模様を、大義を信奉していることを表現するために描いた。今でも海外のヌーディストたちがワークショップか何かで全身にそうした絵を塗っているのを確認できる。くすぐったそうである。この時代もまだ、カウンターカルチャー的なもので、主流ではない。

革新的であったのが1992年、Vanity Fair誌をDemi Mooreが飾った時だ。彼女は全くの裸であり、芸術的でかつタイトなスーツを着ているようにみえるペイントをしていたのである。今までこうしたものがメインストリームの前面に現れたことはなかった。

一応、乳首が見えているので、直接のリンクは張らない。Demi’s Birthday Suitで検索してほしい。

現在の欧米における用途・実践

芸術

身体に名画を直接描いたり、人体の形を活かして生き物の姿を描いたりする。全裸も多いのでリンクが晴れなくて申し訳ない。中には会田誠の作品のように、セクシーさというよりはシュールさで有名なものがある。漫画のすごい顔の絵を描いていて、おっぱいに目がある。たぶん現代美術好きな人だったら見たことあると思うのだけれど、ものによっては普通に割れ目までも見ているのでリンクしない。女性器は猥褻だとは思わないが、残念ながら規約違反になってしまうおそれがあり、ブルマーの記事まで削除されてはたまらない。

商業

例えば「アバター」なんかの映画で用いられるメイクアップで用いられる。他にも、Playboy誌が時折ボディペイントを使うことがある。2005 年のカレンダーでは皆がビキニを着る中で、Karen McDougalやHiromi Oshimaはボディペイントだった。そのほか様々な広告でも用いられる。

祝祭

フットボールの試合、レイヴパーティー、その他の祭りなのでボディペインティングが行われる。また、国際的なボディペインティングのフェスティバルもあるようだ。World Bodypainting Festival（1997年より開催、50か国以上より3万人が参加）など。

Fantasy Festなるフロリダのストリートパーティでも用いられるようだ。おそらく、全裸・半裸になりたいけれどもファッションは楽しみたい、という需要にボディペインティングは応えている。

抗議活動

PETA（動物の倫理的扱いを求める人々の会）が動物の模様を身にまとって抗議することがある。また、全身を様々な色で塗っている写真も英語版のウィキペディアで確認できた。

いい機会なのでPETAについての記事を斜め読みしたのだが、増田ではよく叩かれているとはいえ、捨てられたペットの保護や、ヒツジの臀部から皮を剥ぎ取るミュールシングの代替手段の模索に向けての活動については知らなかった。もっとも、セクシーな抗議がフェミニストの怒りを買っていたり、殺人・虐殺の犠牲者と屠畜された動物を同列に並べて猛反発を受けていたりしてもいるようだ。

軍事

迷彩用。ご想像の通りの用途である。

用いられる画材

水性

一番安全。すぐに落ちてしまう恐れがあるが毒性がなく、アレルギーもほとんど引き起こさない。加えて、石鹸と水ですぐに落とすことができる。手入れが必要で長続きしないが、皮膚の敏感なひとや妊娠中の女性に適している。

アルコール系

汗や水に強いのが特徴なので、夏の音楽フェスやパフォーマンスに適している。落とすときには専用のリムーバーを使うか、アルコールで拭く必要がある。ただし、少し時間がかかる。

ラテックス系

ラテックスや油性の画材は全身を塗るのに適しており、目を引く視覚的効果を上げられるし、芸術的な目的にも使われる。取扱説明書を事前にしっかり読む必要があり、塗る前に全身の毛をとり除くひつようがある。毛が残っていると脱毛ワックス的になって痛いためだ。

クリーム系

多くの化粧品に含まれているのと同じもので、前衛的な外観を作りやすく、長続きするが、割れたり摩耗したりしやすい。利点としてはアルコール系と同じように汗や水に強いことが挙げられる。しかし、完全に乾燥することがないので、仕上げのスプレーやパウダーで駄目になるのを防がないといけない。

ヘンナ系

アジアやアフリカの熱帯地域の植物から採れる色素で染める。髪を染めたり、ボディペインティングの材料にしたりするだけでなく、繊維を染めるのにも用いられる。落とせるタトゥーとしても使われる。

Brown hennaは基本的には天然素材で毒性はないが、black hennaは金属が含まれており、長期にわたって使われると皮膚を害する恐れがある。

実際、素っ裸になる必要ある？

多くの人がボディペインティングのときに実際に何を着ていくか迷うらしい。特に野外で行うときには最低限、皮膚の色に近い紐パンや、ペイスティース（乳首の前貼り）だけを身にまとうことがある。トイレに行くときにはローブが必要であり、加えてペインティングスタジオは寒いことがあるとのこと。

WNBR（ワールド・ネイキッド・バイク・ライド）なんかだと普通に全裸に人もいるし、そういうイベントでだったら全裸も普通にOKだろう。

まとめ

• 人間は原始よりずっと身体に色を塗ってきた
• 近現代の欧米では1933年に公共の場での全裸ボディペインティングが公開
• 60年代から70年代のヒッピー文化にも表れる
• 現代ほど受け入れられるようになったのは1992年より
• 芸術目的だけでなく、商業、抗議、軍事目的で使われる
• ボディペインティングの専門の祭りがある
• 全裸とファッションを両立する手段にもなっている？
• 今回は乳首・割れ目がどうしても露出するのでリンクはできなかった

今後の展望

今回は、野外露出目的ではないボディペインティングについて調査した。今後は、ヘナタトゥーなどについてももう少し情報を得たい。

また、ヌーディズムそのものの歴史、ストリーキング、ムーニング（尻を見せる行為）などについて調査予定である。すなわち、身体が自然と触れ合う喜び、抗議・無防備さの象徴としての全裸、宗教的な全裸、それから、祝祭としての全裸についても調査したい。

参考資料

Significance and Origin of Body Painting - Lynn Schockmel Body Art

History of Body Painting - Facts and Types of Body Painting

History of Body Painting - Ancient Body Paint Art

How Body Painting Works | HowStuffWorks

Body painting - Wikipedia

Permalink | 記事への反応(4) | 07:57

ツイートシェア

■[海外サイトはてブ数][専門サイト]2020年3月3日火曜日の増減

Permalink | 記事への反応(0) | 00:15

ツイートシェア

■[海外サイトはてブ数][専門サイト]2019年12月31日火曜日の増減

Permalink | 記事への反応(0) | 00:15

ツイートシェア

■[海外サイトはてブ数][専門サイト]2019年12月24日火曜日の増減

Permalink | 記事への反応(1) | 00:15

ツイートシェア

■[海外サイトはてブ数][専門サイト]2019年12月17日火曜日の増減

Permalink | 記事への反応(0) | 00:15

ツイートシェア

■[海外サイトはてブ数][専門サイト]2019年12月10日火曜日の増減

Permalink | 記事への反応(0) | 00:15

ツイートシェア

■Rustが天下を取るには

Rustは過去の情報が残っててコピペでコンパイルが通らなくなっているので速やかに古い情報を焼却する必要があるが

そもそも現在進行形で基本的なモジュール（randとか）が仕様を変更するので正直まだ盛り上がらないでほしい

・・・なんて言ってて鳴かず飛ばずなのがD言語なんだろうかと思ったからそれは流れに任せるか・・・

AtCoderはさっさとバージョンを上げるべき

これはガチ

Permalink | 記事への反応(0) | 13:20

ツイートシェア

■[海外サイトはてブ数][専門サイト]2019年12月3日火曜日の増減