Tweet

Pocket

◆数学のファンクラブ

位相数学などの抽象数学は、ビジネスの役に立たないと思われていた。おそらく、量子コンピューターが実用化されるまでの、過去の話になるだろう。量子力学はアインシュタインやファインマン（アメリカ、1918～88年）のような、世界最高峰の物理学者にとっても、直感的な理解の範囲を超えている。高度に抽象的な数学を使って、実験結果を説明する理論を構築してきた。量子コンピューターは、論理演算を高速に行う万能計算機ではなく、量子力学的な「実験」を、柔軟な設定で高速に行う実験装置だ。 記事全文>>

Tweet

Pocket

⚫無茶苦茶な記事

筆者なりの「データ論」としてまとめた「スモール・ランダムパターンズ・アー・ビューティフル」（『みんなで機械学習』第10回～第42回）以降の宿題記事は、ブレーキが利かなくなった「データ論」番外編の暴走だ。意味不明な「データ論」にお付き合いいただいた読者の皆様への感謝の気持ちとして、近未来の「データ文明」に至る、経済的な含意を模索したつもりだった。

再読すると、筆者の能力の限界を超えた、無茶苦茶（むちゃくちゃ）な記事で、気楽なフィクションかジョークとして読んでいただくしかない。その無茶苦茶な記事も、今回の核融合の話で最後にしよう。 記事全文>>

Tweet

Pocket

◆アレルギー

△政治の世界では、今世紀になってアレルギー反応が増加している。通常なら害にも敵にもならない相手に、過剰に反応してしまう。SNS（ソーシャル・ネットワーキング・サービス）で、どうでもよいようなコメントに炎上してしまうのも、似たような社会現象で、社会的なアレルギー反応かもしれない。特定の人びとにアレルギーがあると、社会が分断されるだけではなく、不必要にストレスが高まり、社会全体が「生きにくく」なる。 記事全文>>

Tweet

Pocket

◆続・データと遊ぼう

「ニュース屋台村」の読者の皆様には申し訳ないけれども、筆者は、政治や経済のような「真面目（まじめ）」な話題よりも、生活や仕事での新発見や冒険談を好んでいる。自分にとって面白そうな新発見（ほとんどが過去の勉強不足）や冒険談（哲学や文学）は、新聞記事やニュースなどで発見して、図書館の書物で感触を確かめることにしている。

熟読するときはネットの古本を探す。数学や仕事関連で興味深い新刊本は、すぐに入手困難になるので、あまり考えずに購入している。久しぶりの書店での立ち読みで、『THE UNIVERSE IN A BOX 箱の中の宇宙－あたらしい宇宙138億年の歴史』(アンドリュー・ポンチェン、ダイヤモンド社、2024年）を購入した。最新の宇宙論というよりも、実用的なシミュレーション技術に興味があった。 記事全文>>

Tweet

Pocket

◆機械学習は最後の機械文明

本論が目指していることは、近代文明の行き詰まりを生き延びながら、AI（人工知能）技術を社会変革に役立てることで、近未来の「データ文明」に至る探究路を開拓しようという試みだ。筆者の読書歴が、哲学と自然科学に偏っているので、用語や論旨が「ニュース屋台村」の読者の皆様には難解であることを申し訳なく思っている。

そこで、SF（空想科学）小説をつまみ食いしてみたら、AI話題（人類と対立するロボットなど）が、50年近く前から、宇宙話題と同じぐらいに、繰り返し文章化されていたことを知って、とても驚いた。当時は、とても恐ろしい物語だったはずなのに、技術としては、ほとんど現実のものとなっていて、「恐ろしい」と思う読者（筆者を含めて）の気持ちは、あまり変化していないのは、救いなのだろうか。人間が、集団として行動するときの残虐性は、生物としての社会性の欠如かもしれないけれども、「恐ろしい」と思う感情が失われたら、本当に恐ろしいことになる。 記事全文>>

Tweet

Pocket

◆ダ・ヴィンチ・コード

暗号解読によって事件を解決する映画「ダ・ヴィンチ・コード」を覚えているだろうか。イタリア・ルネサンス時代の天才、レオナルド・ダ・ヴィンチのように、芸術、技術、医学など、さまざまな分野で活躍する天才は、「ポリマス」（polymath;博識家）といわれ、知的冒険を楽しみ、閉塞（へいそく）した時代を変革する（※参考：『Polymath: Master Multiple Disciplines, Learn New Skills, Think Flexibly, and Become an Extraordinary Autodidact』〈Peter Hollins, 2020〉、『The Polymath: A Cultural History from Leonardo da Vinci to Susan Sontag』〈Peter Burke, 2020〉）。「マス」はマセマティクス（数学）の略語で、語源はギリシャ語の「マテーマタ」、「学ばれるべきことども」を意味するということを、初めて知った。「ポリ」は「たくさん」という意味なので、「ポリマス」は「たくさんのことを学んだ」博識家であって、文理融合のスーパースターだ。 記事全文>>

Tweet

Pocket

◆ツイン・ピークス

米国の映画監督デイヴィッド・リンチ（1948～2025年）の訃報を読んで、代表作として紹介されていた1990年からのテレビドラマ「ツイン・ピークス」を見てみた。リンチ監督の「エレファント・マン」は記憶に残る映画だった。しかし、「ツイン・ピークス」の、1950年代の＜古き良き時代のアメリカ＞を舞台とするテレビドラマ、という解説には違和感があった。

「ツイン・ピークス」は、全てがアナログな舞台設定だった。カナダ国境の田舎町における、一見善良そうな人びとの生活の裏側では、セックス・麻薬・犯罪が蔓延（まんえん）する、アメリカ社会の＜異質性＞が描かれていた。現在のトランプ大統領が出演していても、全く違和感がない＜古き良き時代のアメリカ＞だ。今日と決定的に異なるのは、スマホやインターネットなどのデジタル通信機器が全くないこと、テレビや新聞などの古典的ジャーナリズムが物語に関与しないこと、外部社会とのつながりは、連邦捜査局（FBI）と国際犯罪組織だけで、コカ・コーラなどのグローバル企業の商品や宣伝すらないこと、魔術的な暗黒社会があることぐらいだろう。 記事全文>>

Tweet

Pocket

◆代替案が無い不確実な世界で生きる

前稿第53回（https://www.newsyataimura.com/yamaguchi-134/#more-22000 ）はリベラリズムの代替案について考えてみた。筆者としては2025年に向けた直近の政治的な話題のつもりだったのだけれども、いつもの事ながら、近未来の「データ文明」を夢見る哲学的な文章になってしまった。中学3年生の時に、文部省（当時）中央教育審議会の「期待される人間像」（昭和41〈1966〉年）（https://www.mext.go.jp/b_menu/shingi/chuuou/toushin/661001.htm ）を知ってから、「リベラル嫌い」となった。個人的な「リベラル嫌い」について記載して、17世紀の合理主義哲学、スピノザにも言及したので、過去の哲学的な雑感となって、2025年の政治と経済の話題としては、ピントがずれていたのかもしれない。近代合理主義哲学には経済合理性の概念はない。近代経済学、マルクス経済学、ケインズ以降の経済学、それぞれの経済合理性を議論している。それぞれ経済理論として、もしくは経済政策には有用ではあっても、筆者には、現在までの経済学が「合理的」であると思われたことは無かった。資本主義や民主主義が「合理的」なのかどうか疑わしく思われるのと同じで、哲学的な懐疑が不足している、もしくは、哲学を無視することで科学的なふりをしているようだ。現在では、合理的な意味でのリベラリズムの代替案が無い不確実な世界で生きるしかないとあきらめて、近未来の「データ文明」について考えている。 記事全文>>

Tweet

Pocket

◆リベラリズムの代替案

前稿（ https://www.newsyataimura.com/yamaguchi-133/#more-21708 ）では、17世紀後半の近代合理主義哲学の巨人スピノザの哲学が「過去の哲学ではなく、現在の問題であって、人類の歴史が逸脱しているのではないか」というデータ論の問題意識を提起した。「ニュース屋台村」とともに7年間つきあったスピノザの哲学に、21世紀のトポロジカルデータ解析（TDA）に至る萌芽（ほうが）を感じて、現在の問題への新しい突破口が見えてきた。 記事全文>>

Tweet

Pocket

◆データを職業にする

本シリーズは文明論ということもあって、話題が散乱していて、筆者の専門は何なのか、疑わしく思われているかもしれない。筆者の職歴や学歴は、多くの方にはなじみが薄いけれども、学者ではなく、実務家だ。筆者の職業は、「データ」であって、データサイエンスや生物統計学という専門的な高等教育がない時代から、45年以上、「データ」を生業としてきた。「データ」を職業とする、世界的にも草分け的な“少数民族”だった。40年前のロンドン大学医学部病院のコンピューター室では、英語は下手でも、コンピューター言語が達者な日本人として重用（ちょうよう）された。たくさんの失敗をしながら、それなりの年齢になるまで仕事ができたのだから、仕事の仲間や上司にはとても感謝している。筆者が高校生の時代から、哲学的な意味で興味を持っていた「個体差」について考え続けていることで、「データ」への興味は尽きることは無かった。しかし、職業として取り組んだ「個体差があるデータ」の問題では、生物統計学やデータサイエンスに限界を感じていた。その限界を突破できるかもしれないと考えたのが、個体差の「表現」を機械学習するフェノラーニング®だ。フェノラーニング®を発展させて、近未来のデータ文明において、みんなが「データ」を使って仕事をすること、その仕事が現在よりも健康な仕事（経済活動）となることを期待して、本シリーズを続けている。 記事全文>>