  |
はてなキーワード: piとは
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。
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。
S[ω] = -∫Ω p(x) log p(x) dx
S[O(ω)] ≤ S[ω] + log(det(AA^T))
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。
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。
ψ(x) = √(p(x)) exp(iθ(x))
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。
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
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。
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()
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。
気まぐれにchat gptに「円周率を計算するプログラムを書け」と指示した。
級数の和nを入力するとそこで計算を打ち切って近似値を計算するプログラムということらしい。
なるほど、いかにもありそうな感じだ。
試しにいくつかのnでchat gptに計算させてみるとたしかに近似してるっぽい数値になっている。
そこで、chat gptの主張する公式（「レーマンの公式」とか言っていた）をググってみると、
ははーん、なるほどこれはいつものchat gpt君の虚言癖だなと、
手元のphython環境でそのコードを実行してみると、案の定、chat gptと計算と違う結果になった。
これだからaiは信頼できないと、chat gptに嘘つきとチャットする。
どうせデタラメだろうとphython環境でそのコードを実行してみると、今度はピタリと一致した。
nを増やして繰り返してみると、確かに真の円周率(3.141592653589793..)に収束しているように見える。
存在しない名前の、既知の公式に一致しない数式から書かれたプログラムが、
なんかこわい。
補遺1.
このプログラムでは、レーマンの公式を使用して円周率（π）の近似値を計算しています。レーマンの公式は、以下の無限級数を用いて円周率を近似します。
補遺2.
n=4000での円周率の近似値は 3.141568780556039 なので収束率はかなりわるい。
補遺3.
訂正
数式自体は正しいようだ。
全然関係ない話で申し訳ないんだけど、PI（Principle Investigator）で思い出したことがあったので。
自分は氷結無糖を一時期不買しようと思ってた人間ではあるのだけど、某イェール大学の Assistant Professor の人を「助教と呼ぶべきだ」という意見には疑問がある。
アメリカでは「アシスタント・プロフェッサー」のように職位に「プロフェッサー」とついているとPIになれる。 つまり日本の助教とは異なる。
日本には Assistant Professor に相当する職位が無いのである。
そこで、苦しまぎれに准教授（Associate Professor）の昔の呼び方である「助教授」という日本語をひっぱり出してくる慣習が研究者界隈にある（あった？）らしい。
それを「助教の癖に准教授を騙っている！ 詐称だ！」と言われることがあるのだとか。まぁ、たしかにそう言いたくなる気持ちは分からなくもない。
もうそれなら最初から「肩書はアシスタント・プロフェッサーです。日本にはアシスタント・プロフェッサーに相当する職位はありません」と言ってしまうほうが誤解がないと思うのだが……。
ある研究室が博士課程入学希望者の受け入れに年齢制限をかけていることがX(旧Twitter)上で話題になっている。賛否両論あるが、ここではタイトルの通り「研究室が博士進学希望者と適切にマッチングするにはどうすればよいか」について考察する。
PIになるためには他のPI候補者に勝る業績が必要である(注1)。業績とは、具体的には論文であり、論文の数と質が共に重要で、それらが多く、また高いほど競争で有利になる。
当然のことながら、論文を発表するには研究をする必要があり、研究をするには資源(ヒト・モノ・カネ・情報)が必要である。ひとたび論文を発表できれば、その論文を元本にさらなる研究費を調達でき、研究に必要なヒト・モノを揃えることができる。また他の研究機関との共同研究を通じて情報を得、さらに質の高い研究を行いやすくもなる。すなわち過去の業績は複利的に作用し、今後の業績にも影響を与える。
これは資本主義の挙動に似ており、業績を複利的に増やしたい場合は投資期間を長くできた方が有利である。すなわち、若年のうちからアカデミア業界に身を置いて、早期に論文を発表できたほうがPIになるには有利である。
年齢制限を設ける理由について、その研究室のWebサイト上に詳しく記載されているが、まとめると以下4点に集約される。
1.過去の経験で、高齢の志望者に本気でPIを目指そうとする気概が感じられなかったから
4.最短で博士号を取得できる年齢(27-8才)から遠ざかるほど、今後のPIとしてのキャリア形成に不利だから
1.についてはあくまで経験論であり、一般化には議論の余地がある(注2)。
しかし2-4については第一章で述べたことも含めて、若年の方が有利であることは一般論としてある程度許容できる。こうしたアカデミア業界の背景から、研究室が受け入れ学生の年齢制限を設けることには一定の合理性が認められる。
大企業であれば、仮に採用者が企業側の求める能力とミスマッチしていることが入社後に判明しても、採用者の配置を転換したり、自社の研修プログラムを通じて長期的に教育を施すことはできる。一方で規模の小さい中小企業やベンチャー企業はそうした余力が大企業ほどはない。研究室の所属人数も多くて数十人程度の小規模組織であり、かつ毎年のように研究費の調達や論文発表が求められる。そのため教育やマネジメントにはあまり余力がなく、学生の受け入れに関しては受け入れ時点でいかにミスマッチを防ぐかがポイントとなる。
しかし非研究職の就職をしてから博士課程に進学を志望する者と研究室のマッチングは難しい。彼・彼女らは研究歴がないため、アカデミア業界の文化や、PIになるためのキャリアパスへの知識が乏しい。そのため行き当たりばったりな研究室選択になるリスクが、ストレートに博士課程に進学した者よりも高い(注3)。また研究室側も、研究歴のない候補者の受け入れはそもそもリスクが高いし、候補者は全国各地の、様々なバックグラウンドの人であるため自分の研究室を広告するにもターゲットが絞りにくい。またアカデミア業界内の知人を介した採用も難しい(注4)。そこでマッチングの成功率を上げるためにも、年齢制限を設けることは有効なように思えてしまう。
PIになるには博士号を所持していることがほぼ必須条件であることから、アカデミア業界では博士号を研究者になるための免許ととらえる文脈がある。かつ博士号は基本的に大学院でのみ取得できることから、大学院がPI養成所としての役割を一部担っている構造もある。そうであれば、大学院がPIの素養の高い候補者を選抜することは自然なことのように思われる。
しかしながら、大学院は本来学問を行う場であり、学問は自由に開かれるべきである。仮に若年であることがPIの素養の高さに繋がるとしても、それを理由に年齢制限を設けることには議論の余地がある(注5)。
タイトルに戻る。第一章・第二章では研究室側の都合を、第三章では博士課程進学希望者の置かれている環境と、マッチングすることの難しさを述べた。この現状でマッチングするには、研究室が年齢制限という方法を、Webサイト上で告知せざるを得ないことはある程度理解できる。そこで議論すべき点は第四章で指摘した。
ではどうすればよいのか。残念ながら明確な答えは導出できなかったが、いくつかの考えを列挙する。研究室側はもう少しマイルドな表現を心がける(注6)。候補者の面談から受け入れまでのプロセスを最適化させる(注7)。候補者を研究員として採用し、雇用契約を結んだうえで給与を支払う(注8)。候補者側は、なるべく事前にアカデミア業界に触れておく(注9)。また両者のマッチングを支援する第三者機関の設立も望まれる(注10)。これらの解決策は、少なくとも部分的には、研究室と博士課程進学希望者のマッチングに貢献するかもしれない。
研究室と博士課程進学希望者のミスマッチ問題は根深く、今回インターネットやSNSによって表面化したものと思われる。同様の経験をもつ者としては、この問題の解決を願ってやまない。
(注1)
業績以外にも本人の将来性や同業者からの評判も採用に影響するが、ここでは割愛する。将来性や同業者からの評判についても若年の方が有利であることはほぼ自明である。
(注2)
例えば高齢の方が職歴があるため、「本気で(ここでの本気というのは長時間研究するだけでなく、他のキャリアの選択肢を捨てた状態も指すと思われる)」研究に取り組まず、研究が失敗すれば前職に復帰するという選択を取れることがネガティブな印象を与えている可能性はある。
一方で博士課程にストレートで進学する学生の数は減ってきている。彼・彼女ら若年者は、博士課程進学と、就職を天秤にかけて就職した可能性もあり、必ずしも高齢であることだけが本気でPIを目指さなくなる原因ではない。また、そもそも博士課程はPIを養成することだけが目的なのかについても議論が必要である。
(注3)
Podcast「いんよう！」でも指摘されている通り、医者はそれ以外の理系学生に比べて、研究に関する知識が乏しいまま研究室や研究内容を選ぶ傾向が強い。それ以外の理系学生は、学部の卒業研究や修士を通じて研究業界のノウハウやキャリアパスを学ぶようであるが、医者は卒業研究もなければ修士もないため学ぶ機会に乏しい。
(注4)
例えば同じ大学の学部生や修士であれば、あらかじめ彼・彼女らを卒業研究や修士で受け入れて、研究活動を共に行うことで博士受け入れ前の摺り合わせが可能である。また候補者も卒業研究や修士で活動していれば、自分に合った研究室の情報が周囲から入ってきやすい。医者(あるいは非研究職)として働いている限りは、そうした情報は入ってこない。
またポスドクや助教以上の採用であれば前所属の教授から推薦書や意見をもらえるが、医者(あるいは非研究職)は業界が異なるため前所属からの推薦書や意見は少なくとも同業者のものよりは効用が乏しい。
(注5)
同様の問題は、医学部入試の女性・浪人生差別が記憶に新しい。医学部は医者を養成する場である一方で、医学を修める場でもある。当時は若年男性の方が医者としての素養が高いと考えられていたため、女性や浪人生の点数を不当に下げていた。秘密裡に点数を操作していたことに加え、学問の自由という観点でも批判が集まった。
(注6)
研究者の研究以外の発言が話題になることは、国内外でしばしば観測される。
(注7)
組織における採用については、Podcast「経営中毒~だれにも言えない社長の孤独~」に詳しい。
(注8)
給与を支払う一般企業やポスドク以上の採用においては、採用にあたって年齢制限を設けることは比較的受け入れられている。また大学においても、特殊事例ではあるが防衛医大は大学でありながら学生に給与を支払うシステムであり、応募資格に年齢制限を設けている。
(注9)
医学部には卒業研究がないが、自主的に研究室に通うことは可能である。またいくつかの医学部は学生を研究室に一定期間配属する実習をカリキュラムに組み込んでいる。
(注10)
一般企業であれば転職支援サイトやリクルーターが仲介してくれて、候補者と採用側のミスマッチのリスクを下げることができる。大学院進学において同様のサービスは存在しない。
https://www.youtube.com/watch?v=ckZBkz_XC6E
Peter Eötvös : Concerto pour harpe
以下概要欄
Cette oeuvre (création mondiale) est une commande de Radio France - Rundfunkorchester und Chöre GmbH Berlin - Orchestre de la Suisse Romande - Musikverein de Vienne - Casa da Música de Porto - Orchestre Symphonique de la NHK de Tokyo, dédiée au harpiste Xavier de Maistre.
Seven, premier concerto pour violon, rendait hommage aux cosmonautes de la navette Columbia ; DoReMi, le deuxième, était un retour à l’enfance et aux premiers apprentissages musicaux ; Alhambra, le troisième, une promenade architecturale en compagnie de ses interprètes : chaque concerto de Peter Eötvös possède son monde propre. Certains titres annoncent une réinvention du dialogue entre le soliste et l’orchestre : Replica pour alto, le bartokien CAP-KO, acronyme de Concerto for Acoustic Piano, Keyboard and Orchestra, Focus pour saxophone suggérant l’usage d’une caméra sonore et une mise au point entre différents plans. De fait, le genre est approprié aux plus folles explorations dans le théâtre instrumental. C’est ainsi que la pièce de jeunesse Kosmos a 9 offert à un cymbalum très hongrois de jouer un nouveau rôle en compagnie de l’orchestre dans Psychokosmos. En 2023, le compositeur renoue avec l’essence même du genre en proposant à Xavier de Maistre un simple Concerto pour harpe.
En trois mouvements vif-lent-vif, ce concerto s’inscrirait dans le schéma le plus classique, si seulement la harpe bénéficiait d’un répertoire symphonique aussi riche que les autres instruments solistes. Si Haendel lui a offert quelques pages, Mozart a senti le besoin de lui adjoindre la flûte pour l’associer à l’orchestre. Et les efforts des Krumpholz, Boieldieu, Pierné et Glière n’y ont rien changé : les concertos pour harpe ont le privilège de la rareté. « Allegro e felice », indique Péter Eötvös en tête du premier mouvement. Seraitce là une joie inspirée par son interprète Xavier de Maistre ? « Xavier est sportif et sait danser, voilà un aspect du portrait que j’ai fait de lui », confie Péter Eötvös, avant de préciser : « Je trouve la plupart des concertos existants très bien écrits pour harpe, mais ils ne s’aventurent guère dans les modernités des dernières décennies. C’est pourquoi j’ai essayé de nourrir l’écriture de harpe d’éléments plus actuels, et de l’associer à un petit orchestre. » Sur plusieurs cordes, les glissandos de harpe influencent ainsi l’écriture orchestrale.
Jeu près de la table, frappe sur le bois, arrachés et harmoniques dressent un inventaire quasi illimité des possibilités techniques et timbres de l’instrument. De l’usage de la scordatura sur une partie du registre naissent des couleurs inédites : abaissées d’un quart de ton, certaines cordes produisent de délicieux frottements lorsqu’elles sonnent en mouvements parallèles avec les cordes à « hauteur normale ». Au centre de la pièce, un « hommage à Ravel » rappelle que le compositeur français a magnifié l’écriture de la harpe. Non seulement avec son Introduction et Allegro, qui a inspiré Péter Eötvös, mais aussi avec la féerie de Ma mère l’Oye ou encore le premier mouvement du Concerto en sol et son extraordinaire solo d’harmoniques et de glissandos. Peut-être Péter Eötvös, dans sa propre pensée concertante, se souvient-il aussi comment Ravel distribuait les soli au sein de son orchestre, capable d’offrir un magnifique contrepoint de bois à la partie du piano.
Au côté d’un instrument comme la harpe, l’orchestre doit se réinventer. Il n’en demeure pas moins que le soliste joue encore le premier rôle. Dès l’introduction, Péter Eötvös l’invite à se livrer au cours d’une grande cadence dont les courbes de plus en plus amples se transformeront dans l’Allegro en lignes tournoyantes. Il lui offrira une autre cadence à l’issue du troisième mouvement, requérant l’improvisation sans vraiment suivre les vieux préceptes du genre. En effet, l’interprète ne devra y recourir à aucune mélodie, aucun accord ni motif antérieur. Le va-et-vient plus ou moins vif et large des mains sur les cordes dessinera des formes fascinantes. Des mouvements browniens imprévisibles et pourtant mystérieusement ordonnés, comparables au ballet des oiseaux se resserrant et se dispersant dans les nuées d’étourneaux.
Pensez à vous abonner pour découvrir d’autres vidéos France Musique !
Onestamente, è meglio che gestire una campagna elettorale tutto il giorno per fare pubblicità.
È una pubblicità molto più efficace darsi fuoco mentre si grida il nome di un candidato o di un partito politico al centro commerciale di domenica.
日曜日のショッピングモールで候補者か政党の名前を叫びながら自分の身体に火点ける方がよっぽど宣伝効果あるよ
Se sei pazzo, fai del male e basta
Devo impazzire. Come tagliarsi un dito per ogni proposta di legge approvata.
狂わなきゃ。法案が成立する度に指を1本ずつ切り落とすとかさ
"I politici dovrebbero fare politica per i bambini del futuro", come per dire: "Adoro i bambini".
Mi chiedo se potrei dire la stessa cosa se la mia casa fosse stata data alle fiamme dagli studenti delle scuole elementari e fossi l'unico a sopravvivere.
「政治家は未来の子供たちのために政策を立てるべきだ」まるで「私は子供が大好きだ」と言わんばかり。
もし自分の家が小学生に放火されて自分だけが生き残ったら同じことを言うだろうか。
Ho sempre odiato gli studenti delle scuole elementari da quando la mia famiglia è stata calunniata davanti a me quando ero alle elementari.
人々に崇められてるびんずる尊者が本当は人心を惑わして不幸をもたらしてきた悪神で
善神に導かれてびんずるを埋めて封印しようとした物狂いのおじさんのほうが実は正義だった、なんて妄想をしてしまう
びんずるはらだって自らが得意とする神通力をむやみに使ったことで釈迦に自らの救済を奪われる罰を受けた人だから
闇落ちしてその強大な力を邪悪なことに使うようになっていても不思議じゃない気がする
もとは立派な人であったのになまじ大きな力を持っていたせいでそれに振り回されて闇に落ちる、そういう話ってよくあるでしょう
賓頭盧頗羅堕 《(梵)Piṇḍola-bhāradvājaの音写から。不動の意》十六羅漢の第一。白頭・長眉の相を備える阿羅漢。神通に達したが、みだりに用いて仏陀 (ぶっだ) にしかられ、仏陀滅後の衆生の教化を命じられた。中国では像を食堂 (じきどう) に安置して祭った。日本ではこの像をなでると病気が治るとされ、なで仏の風習が広がった。おびんずる。
2009年11月のいわいる事業仕分けから、もう13年も経った。「2位じゃダメなんですか？」の質問の発言で非常に曰く付きとなったアレだ。
ところが最近、13年も経ってまだなおナゼ「2位」という言葉が出てきたかが理解できてない人がかなりいる事を知った。それどころか、スーパーコンピュータの京は、事業仕分け時点で世界一になることが明白だったなどという認識まで飛び出す始末である。
ただ、資料もなしにどこが変だと言っても仕方あるまい。何がどうして「2位」なのか、少し語ろうじゃないか。
初期の次世代スーパーコンピュータ (この時点では名前が付いていなかったが、以下わかりやすく京と呼ぶ) 計画 は、補助金を投入してのHPC産業育成に目を向けられていた[1]。世界一の性能を出していた海洋研究開発機構の地球シミュレータが、NECのSXシリーズをベースにしたベクトル型であり、ベクトル型のスーパーコンピュータは日本のお家芸とみなされていた。これを育成することが一つの目標。そして、立ち遅れていた当時の世界のスーパーコンピュータの潮流、スカラ型の開発に追いつくこと。これがもう一つの目標となった。結果、世界でも類を見ないベクトル型とスカラ型のハイブリットなどという中途半端な方式になる。実に日本的な玉虫色の決定と言えるだろう。しかし、補助金の注ぎ込みが不足し、事業者持ち出しの負担が大きくなってしまった。結果、事業費負担が高額になることを嫌い、NECと日立の撤退する[2]。これにより、世界の潮流通りのスカラ型とならざるをえなくなった。
CPUはというと、世界のスーパーコンピュータの潮流では当時から既に汎用のx86アーキテクチャのCPUが既に多くなってきていた中、富士通はSPARC64VIIIfxを採用した。よく国産CPUと表現されているが、SPARCの名で分かる通り、当然命令セットは米国Sun Microsystems (現 Oracle) のセカンドソースであり、端から端まで国産というわけではない。更に、業務用UNIXをささえるマシンとして一世を風靡したSPARCではあるが、当時ですらもう下火となっていた。京の事業費の約半分、実に600億円が、この専用CPUに注ぎ込まれることになった。なぜその選択をしたのか。富士通のサイトには省電力と安定性が理由として書かれている[3]。しかし、その省電力という目標も、後述するように微妙な結果となってしまった。また、ソフトウェアの使いまわしも微妙となった。
計画は2005年に始まる。世界でも類を見ないベクトル型とスカラ型のハイブリットという構成もあり、概念設計にはしっかり時間を費やした。2007年9月には性能目標は10P FLOPSと示した[4]。稼働開始は2010年、2012年に完成という工程も同時に示されている。直前の2007年6月のTOP500を見ると[5]、1位のIBM BlueGene/Lが370TFLOPS。5年後に30倍という性能を目指したことになる。当時の発表としては、世界一が取れるような計画だったが、しかし日進月歩の分野で5年は結果的に長かった。
さて、前述のように、ベクトル陣営は2009年5月に撤退を決めた。10P FLOPSの性能と決定した時には、ベクトル側も居たのに、そこがぽっかり空いた状態。10P FLOPSのあてはいつついたのだろうか？ 2009年7月の報告書[6]では、スカラ単体で10P FLOPSを達成できること、ベクトル部は存在していても接続まわりの性能が不足していて問題があったことが表明されている。結果的に、なくなってよかったというトホホな内容だ。さて、同報告書では、稼働開始前の2011年6月に、ベンチマークだけでも10P FLOPSを達成してTOP500の1位を目指すと書いてある。どうしてこうなったのだろうか。
遡ること半年の2009年2月3日、米国国家核安全保障局(NNSA)はIBMと新しいスーパーコンピュータ Sequoiaを展開すると発表した[7]。性能は20P FLOPS、京の予定性能の実に2倍を達成するという発表だ。しかも、提供開始は2011年～2012年。京の1年も前になる可能性があるという。
そう、双方が計画通りなら、京は2012年、提供を開始する時には既に2位になっているという話題が出ていたのだ。なるほど、あせって2011年にベンチマークだけでも「トップを取った」という実績を残したいわけである。
さて、その後のSequoiaはというと？
ある意味計画通りだろう、2012年に提供が開始され、2012年6月のTOP500[8]では予定通り20P FLOPSを叩き出し、1位になる。しかし、2012年11月のTOP500[9]では、Crayとオークリッジ国立研究所が作ったTitanが叩き出した27P FLOPSという数字ににあっさりと抜き去られ、2位になる。まるで幽遊白書のラストのような展開だ。しかも、SequoiaはIBMのPower系アーキテクチャで構築されたA2プロセッサだったのに対して、TitanはAMD OpteronとNVIDIA K20Xの組み合わせ。汎用性でも差を開けられている。これはお手上げというものだろう。
さて、話は京に戻す。京が有名になったのは2009年11月13日の行政刷新会議、いわいる事業仕分けである（ここは参考文献は要るまい）。このときまで、そんな計画があることを知らなかった人の方が多かったのではないだろうか。どういうニュアンスで言ったかわからない、まるで日本を貶めているかのように聞こえる「2位じゃダメなんですか？」という言葉が非常にインパクトを与えたことだろう。
さて、じゃぁ何が2位なのか。だ。前述の通り、この時点ではIBMのSequoiaに追い抜かされることが見えていた。TitanはGPUの調達など細かい話が決まってきたのは2010年なので、この時点ではほとんど影がなかったはず。ということで、3位じゃなくて2位としたのは、Sequoiaを意識してのことだろう。つまり、「2位じゃダメなんですか？」というのは、1位を諦めて2位の性能で我慢するべきということではなく、客観的に見れば「2位になるのが見えているのだけど、何で1位と言ってるの？」という話になってくるのが見て取れる。蓮舫氏がそこを意識してたか知らんけど。
共同事業者が撤退し、一応強気に「大丈夫」と言ってはいるが、本当に達成できるかは周りからは疑問符が付くグダグダなプロジェクト状況、ほぼ専用設計で量産時にどういう問題が出るかわからないCPU、ソフトウェアも新規制作。税金の投入は中途半端で、産業を育成したいのか企業負担を増やしたいのかよくわからない（だから撤退する事業者が出る）。そもそもここで出来たスーパーコンピュータ、CPU抜きにしても売れるのか分からない。そりゃ、金田康正教授でなくても、京にはため息が出るというものだ。
さて、京は何を達成したのだろうか？ 京は完成前ではあるもののベンチマークを実施し、見事11P FLOPSを叩き出し、2011年6月[10]と2011年11月[11]のTOP500でトップに躍り出る。この分野に日本ありと示した…かどうかはわからないが、一つの実績として言えるのは間違いない。いや、経緯のグダグダ感からして、見事なプロジェクト進行だったと称賛できる。しかし、前述の通り供用を開始した2012年9月[12]にはTOP500ではSequoiaに追い越されており、直後のTOP500ではTitanにも追い越されて3位となっていた。1位は、ベンチマークだけの存在だったと言える。
では目標の産業育成としてはどうだっただろうか。京をベースにしたスーパーコンピュータ PRIMEHPC FX10[13]やFX100は、東大[14]、名大[15]、キヤノン[16]、九大[17]、信大[18]、JAXA[19]、核融合科学研究所[20]、気象庁気象研究所と、調べるだけでも国内実績は多くある。国外実績は、台湾中央気象局[21]、シンガポールナショナルスパコンセンター、豪州 NCI、英国 HPC Walesと、それなりにある。ただどうだろう。産業としてうまくいったのだろうか。有価証券報告書を見ても、その他のセグメントに入ってしまっているため状況がつかめない[22]。謎ではある。とはいえもし、産業としてそれなりに育ったのならば、有価証券報告書で報告する事業セグメントとして独立したものを与えられてしかるべきだったのではなかろうか。少なくとも1000億も出したのだ。そのくらいではあってほしかった。更に言うなれば、特に競争の激しい国外市場をうまく取り込めたかというと、産業育成という視点では頑張ったとは思うものの心もとない結果だったように、少なくとも私には見える。
消費電力の面はどうだろうか。上述の通り、SPARCを使う理由には省電力が上げられていた。これをライバルのSequoia、Titanと比較してみよう。2012年11月のTOP500[9]で見ると、京は12.6MW消費するとある。Sequoiaは7.8MW、Titanは8.2MWだ。実はこの時の報告のあるスーパーコンピュータの中で、最大の電力消費量を誇っている。高いほうがいいのではなく、消費電力は低いほうがいいので、これはかなり問題がある。
費用面はどうだろうか。これもライバルと比較してみよう。京は日本円にして1120億円かかっている。対してSequoiaは2億5000万ドル[23]、Titanは9700万米ドル[24]だ。2012年11月で見るとドル円相場は82円なので、Sequoiaは約205億円、Titanは80億円となるだろうか。京のプロセッサ開発費を除いたとしても、数字が違いすぎるのだ。
纏めてみよう。京は、一時期でベンチマーク上だとしても、TOP500で1位を取った。これは「夢を与え」(平尾公彦氏)た結果だったろう。しかし、それは砂上の楼閣でもあった。しかしそれを実現するための費用は米国の5～10倍で、性能は実は半分、消費電力は1.5倍という結果になり、産業育成も盛り上がったかどうかは判然としない。こんなところだろうか。
近年のスーパーコンピュータを含めたHPC分野はどうなっているだろうか。近年のクラウドコンピューティングの流れを当然HPC分野も受けており、主要プレイヤーとしてAWSの名前が挙がっている[25]。またレポートでは挙がっていないものの、Google Cloudも猛追しており、円周率の計算では1位を叩き出している[26]。必要な時に、必要な規模で構築できるクラウドコンピューティングの波は、さてHPC分野でどこまで浸透していくのだろうか。産業育成の方向が、2009年時点では確かにハードウェア開発だったろう。しかし、事業仕分けへの反発により、日本は方向性を間違ってしまったのではないか。私は、そんな気がしてならない。
[1] ttps://www8.cao.go.jp/cstp/tyousakai/hyouka/kentou/super/haihu01/siryo2-3.pdf
[2] ttp://www.nec.co.jp/press/ja/0905/1402.html
[3] ttps://www.fujitsu.com/jp/about/businesspolicy/tech/k/whatis/processor/
[4] ttp://web.archive.org/web/20130207162431/https://www.riken.jp/r-world/info/release/press/2007/070914/index.html
[5] ttps://www.top500.org/lists/top500/2007/06/
[6] ttp://www.jaist.ac.jp/cmsf/meeting/14-3.pdf
[7] ttps://www.llnl.gov/news/nnsa-awards-ibm-contract-build-next-generation-supercomputer
[8] ttps://www.top500.org/lists/top500/2012/06/
[9] ttps://www.top500.org/lists/top500/2012/11/
[10] ttps://www.top500.org/lists/top500/2011/06/
[11] ttps://www.top500.org/lists/top500/2011/11/
[12] ttps://www.riken.jp/pr/news/2012/20120927/
[13] ttps://jp.reuters.com/article/idJPJAPAN-24020620111107
[14] ttps://pr.fujitsu.com/jp/news/2011/11/14.html
[15] ttps://pr.fujitsu.com/jp/news/2013/05/15.html
[16] ttps://pr.fujitsu.com/jp/news/2013/08/6.html
[17] ttps://pr.fujitsu.com/jp/news/2013/08/22.html
[18] ttps://pr.fujitsu.com/jp/news/2014/02/13.html
[19] ttps://pr.fujitsu.com/jp/news/2014/04/7.html
[20] ttps://nsrp.nifs.ac.jp/news/PS-next.html
[21] ttps://pr.fujitsu.com/jp/news/2012/06/25.html
[22] ttps://pr.fujitsu.com/jp/ir/secreports/2015/pdf/03.pdf
[23] ttps://arstechnica.com/information-technology/2012/06/with-16-petaflops-and-1-6m-cores-doe-supercomputer-is-worlds-fastest/
[24] ttps://web.archive.org/web/20120727053123/http://www.hpcwire.com/hpcwire/2011-10-11/gpus_will_morph_ornl_s_jaguar_into_20-petaflop_titan.html
[25] ttps://www.sdki.jp/reports/high-performance-computing-market/109365
[26] ttps://cloud.google.com/blog/ja/products/compute/calculating-100-trillion-digits-of-pi-on-google-cloud
数学程ではないが高度な識者同士の議論になると言語学でも何言ってるのか分からんもんなんだな
テレビでありがちなことわざや語源系の蘊蓄のイメージで言語学全体があんなんだったら程度が低い学問だろって馬鹿にしてたんだわな
71鳩摩羅童子（くまら どうじ）2022/10/15(土) 14:33:31.920
68へ
> キミの言う「山ほどある」という対応例を、2、3、ここで提示してほしい
まず、確認しておくが (b-a) という表記は、発音「b」が発音「a」に化けた、ということを表す。before-after の順番の並び。
例えば (b-p) の音通例。--- web 内 page 検索 (Ctrl+F) で 「b-p」と入れれば、在れば、引っ掛かる。
ex0. http://www5d.biglobe.ne.jp/~the_imai/etymology/AA_Indo.html
ex1. http://www5d.biglobe.ne.jp/~the_imai/etymology/Grimm's_Law_in_J_20.html
結果
[ﾊﾁ137] ◆へっぞ◆へっそめ◆へっちょめ◆へっつをめ （トンボ。）
【ﾁﾍﾞ】bu bla ma ni (= dragonfly [IW]) へっそめ (b-p, l-s)
ex2. http://www5d.biglobe.ne.jp/~the_imai/etymology/Grimm's_Law_in_J_17.html
結果
18
↑ jepi₁ 窓枠 不明 oNpi₁ c. window, frame, sash 全てイマイチ。しかし、これ以外の候補は考えられない。 → やはり、有った。
【趣】ab (= : window; opening; niche 隙間, nook 〔部屋の〕片隅、引っ込んだ場所 (cf., aba) [AB archaic frequency; 384; concatenates 2 sign variants (sign also used for èš and aba - for this reading and meaning in Fara period, see Krebernik, Beschworungen]. ) あぶ／あば、おんぴ (+ん, b-pi), いぇぴ (a-ye)
32
↑ pu 火 武藏 pi, po₂ cf. スワデシュ・リスト 207 個の単語の検証（鑑定）167 番の fire
【趣】bul(4); bu(5) (=: to blow; to ignite 点火する, kindle; to sprout (onomatopoeic). ) ぶ、ひ (b-p)
2
↑ isajo₁p(i₁|u) 躊躇う 不明 isajup
【賛】dvaMdvIbhU (= to become joined in couples BhP. ; to engage in single combat MBh. ; to hesitate or be doubtful (cf. %{-dva-bhUta}).) いさよふ (d 無音, d-s)、いざよひ (d 無音, d-s, b-p)
ex3. http://www5d.biglobe.ne.jp/~the_imai/etymology/Grimm's_Law_in_J_20_19.html
結果 --- b-p は、ナシ。
----
同一語族であることが証明されているインド・ヨーロッパ語族においてすら、s:s, r:rが常に対応しているとは限らない
74名無し象は鼻がウナギだ！2022/10/15(土) 17:46:55.180
71へ
2）規則にブレ（例外）があるなら、例外が起きる条件や機序を述べるべし
上の例で言うと、「s : s」が本来の対応規則なら、それから逸脱する、「bla : そ」、「d: s」、さらにキミが先だって書いた「ch : t/s」の例外がなぜ発生するのか、その条件と機序を述べよ
3）キミが先に書いた規則(s-s), (b-p), (b-p-m)と、新たに書いた(ch-t/s) (m 無音) (r-r) (p-p)のどちらが正しいのか？
もしも、どちらも成立するというなら、それは音韻対応規則とは呼べない
4）語義が、日本語、シュメール語、サンスクリット語、アッカド語の各言語でバラバラである点の説明もなされていない
5）最も重要な点だが、日本祖語、シュメール語、サンスクリット語、アッカド語の共通祖語について言及がないのだが、どうなっているのだろうか？
……というと、「結局はそういうジャンルにいるから多く見えるだけで絶対値としてはそうでもない」という答えが返って来そうだが、そのあたりは一旦置いておいて。長文のため先に要約を置いておく。
【要約】
交流企画に腐女子が大集合すると、男同士の恋愛ネタが蔓延りすぎてそれ以外の話題を扱うと除け者気味になる傾向があるので、楽しみ方が限定されてしまい、本来の自由度が損なわれているような気がして居心地が悪い。嗜好による選択の結果であると認識しているため、仕方がないと思いつつモヤモヤしているという話。
はじめに自己紹介だが、一次創作を趣味にしている筆者は、自身も小説を書いたり、絵を描いたりする。主な活動拠点はTwitterである。BL・GLともに嫌いというほどではないが、進んで手に取ることはない。
Twitter上には様々な「交流企画」なるものが存在しているが、どこを覗いても思うことがある。
腐女子が多すぎるのだ。
ここでいう交流企画というのは、ある設定が共有されたシェアードワールドの枠組み内でキャラクターを創作し、時には企画制作者が提供するイベントに沿って世界観に没入しながら、キャラクター同士の交流や作品群を楽しむ、というものを指す。学園モノであれば我々は教師や生徒を作り、異世界モノであれば魔法使いや剣士を作り……といった具合にそのシステムは様々であり、言うなれば一種のTRPGのようなものである。Tabletalkではないので、ＴはTwitterのＴだ。
「交流」と名を冠するからには参加者が互いの趣味嗜好を尊重する必要があり、相性のよい相手と関係を深める（キャラクターも作者も）という在り方が推奨されるが、そのために自己紹介シートのようなものが設けられていることがある。その中にしばしば「GL・NL・BL」と書かれた項目があり、地雷にバツ印を付ける、あるいは平気なものにマルを付けることで、自身の嗜好を示せるようになっている。（こうしたシートが無い企画も当然ある）
企画の世界観に興味を持った筆者は、前述の通りBL・GL・NLともに平気であること、全部にマル（なんなら花丸）つけてる人が大多数を占めていることなどを理由として、そういった「腐女子」達と交流を持つことになるわけである。
ここで問題になるのが、「マル」というのが何を指しているか、という点。企画主が明示していない限り、「平気ですよ」のマルもあれば、恐らく「それはもうメチャメチャ大好きです寝る間も惜しんでPi〇ivを渉猟し三度の飯よりバクバクムシャムシャペロリズム」みたいなマルもあるだろう。筆者は前者の消極的なマルなので、当然後者の積極的な参加者たちとは熱量に差が出てくる。
そして後者の場合、往々にして彼ら彼女らが求めるものを提供できない人間に人権はない。
極端な言い方をしたが、見ても忌避感を覚えず恋愛モノの一様態として楽しめるというだけでそうしたコンテンツを提供しない筆者は、どうも「つまらないヤツ」と判断されてしまうようなのだ。セロリ嫌いじゃないけど好きでもないから進んで食卓に並べはしない人間が、セロリ大好き主食集団の中に紛れ込んだとき異端になるのは自明であるが、つまり、セロリ食え！セロリ出せ！セロリを愛さぬ者に用はない！というわけだ。それならばセロリを愛する者同士、色がどうの食感がどうの味がどうのと推しポイントを共有できる相手と関わった方が精神的にコスパが良い。その道理はよくわかる。
ところがこちらとしては男同士（GLのパターンもあるだろうがBL遭遇率が体感異様に高いのでBLということにする）がイチャコラしているのが見たいわけでも、そこに割って入りたいわけでもなく、あくまで企画の世界観に惹かれているのである。交流を成り立たせるための関係は必ずしも恋人に限らず、先輩後輩、同級生、親友、そこまで親しくはないけども同じ部署にいる顔見知り、敵対……etc.、様々な在り方があってしかるべきだ。が、その実態といえば、先輩後輩（ホモカプ）、同級生（ホモカプ）、親友（だがホモカプ）、ただの顔見知り（だが寝たことがある）、敵対（しているがやはりちょっと気になる///）といった具合で、ファミレスでメニューを見たら全部にセロリ入ってたような状況なのだ。ライスにも刻みセロリが入っている。
与えられたシステムの中で仲良くワイワイしたいだけなのだが、「平気ですよ」のマルを付けたばかりに、友達だと思っていた相手から突然「酔っぱらってそういう雰囲気になるかもねｗ」「受け攻めどっちぽい？」というコメントが飛んでくる。拍子抜けする。勢力図がどうとか、この世界ではどんな生き物がいるのかとか、能力の応用とか、そういうものは基本的に話題に上がらず、TLを流れていくのは専らうちよそのデート描写、お互いをどう思っているか、お互いの好きなところは、という風に恋愛色が強い。その企画でなくてもできたのではないかという、企画の世界観や設定が全くといっていいほど絡まない恋愛ネタ。そして見渡す限りの同性カップル。戦闘や駆け引き、探索をしながら絆を深めるとか、そういうものを想定していたら合コン会場に迷い込んでしまった。
ここまで書いて、同性カップルに理解の無い差別主義者と疑われていそうなので、弁明しておく。筆者にとって、恋愛は性別がどうだろうと恋愛なので、閲覧に際してはNLもGLもBLも特別区別はしていない。この文で「同性」を強調しているのは、それ以外の恋愛形態が尊重されないほど腐女子たちによるBL推しが激しいためである。そしてBLネタを求める彼女らは自動的に男性キャラクターを作成するため、片割れを探す作者同士が意気投合すればカップル、もしくはちょっとつつけば即座にカップル成立しそうな距離感の過沸騰ペアが増えていく。女性キャラクターとして受け入れられていた独身キャラクターが、実は男でしたとネタ晴らしされた瞬間伴侶を得るこの世界で、女性キャラクターの婚活は氷河期にある。
腐女子であることが豊かな交流の前提になっている空間は、本来許されていたはずの自由な創作・自由な交流に制限をかける。男女、女女、男男、３種類あるはずの恋人関係が１種類しか快く受け入れられないとあってはそこで楽しむのも難しくなってくる。それが分かれば最初から参加していないのだが、企画ができたてであればあるほど、なまじゾーニングを重視する彼女らの生態を初対面で汲み取るのは難しい。数段前に自己紹介シートの話をしたが、シートがあれどもすれ違うのに、無ければなおさら困難極まってくる。筆者が極まりたいのは困難ではなく感なのに、だ。
平気ならお前もBLカップル作ればいいじゃん。その通り。だが環境に強制されて作る関係を心地よいものとは思えず、結局幾度も身を引くことにした。したくてするのと、そうしないと弊害があるからと妥協してするのでは大違いだろう。
「腐女子が多すぎる」というのはこういうことだ。ある空間に占める腐女子が多ければ多いほど、彼女らの常識がその場の常識にすり替わっていく。これは筆者の体験から腐女子を取り上げているだけで、同じことはそれ以外にも言える。自然愛好グループの中に野生動物に餌を与えることを生きがいとする集団が増えて、動物たちが事故に遭うリスクを懸念する人々が押し負けてしまうであるとか、例を挙げればキリがない。感情・思想を共有する集団は強固ゆえに存在自体がある程度の強制力を持ち得るというわけである。
腐女子は日陰者であるべきとは言わない。しかし意識的にせよ無意識にせよ、ホモカプが描写できないならお役御免とばかりの傲慢さを感じざるをえず、それゆえ不信の念を抱かずにはいられない。なぜこうも交流企画には内輪を形成する腐女子が集うのだろう。
