数式との相性
今日はですね、数学、数式の回ですね。 前回、テクノリバタリアンをやって、
そこで出てきた、世界を支配する人々だけが知っている10の方程式という本を読んで、数学、数式について話し合うという回でございます。
もともと以前、教養編をやろうやろうって言ってたんだけど、そこはもう、あれ読んだけど、あんまりなんか面白そうな話ができそうな感覚にもないので。
熱がちょっと去った感じ。
うん。あれちょっと後回しにして、またね、教養について話したくなったらやろうみたいな感じでいいのかなと思っている感じです。
なので、今日は数学、数式について話すという感じですね。
僕はあんまり数学が得意ではないですと。
で、しおくんは数学は得意ですよね?
いやいやいや。そんな得意じゃないよ。
違うの?
ここに来て。
上には上がいるっていうのもあって、それで何か得意であって言えないなっていうのもある。
でもそれはどんな領域においてもそれは言えてしまうので、相対的に一般的な人と比べたら多分数学は得意な方だと思うので、得意な方ということで。
で、しおくんがね、どういう感じで世界を見ているのかっていうところに興味があるので、そこをちょっといろいろ話し聞きたいなっていうので、やりたいなと思ってます。
でもそうだね、数学が苦手だけど興味があるっていう視点、切り口すごいなって思って。
なんか苦手だから蓋をしてこうじゃないっていうのはすごい良いなって思ってるね。
本の構造と思ったこと
いやーでもこれはね、ずっと数学については本を読んだり、何とか理解しようという試みはしてるんだが、
そうなの?
やっぱりね、なんか入ってこないっていうか自分にあんまり肌が合わないっていうか、いう感じなんだよね。
で、今回の本も読んだんだけど、やっぱね読みづらいっていうかね、スッと入ってこないなっていう感じがあったんだよね。
だから普段自分が馴染みのある話題とかの本を読むと結構スッと入ってきて、いろんなところにこうなんだ概念と概念がつながってさ、こういうことかみたいなのがひらめくんだけど、
今回の本はね、やっぱりあんまりなくてそういうのが。
で、2回読んでようやくああそういうことかぐらいな感じ。
ちょっとわかったなーって感じだから。
しおくんがなんか哲学系の本とかが、もしかしたらこういう感じで感じてるのかなっていうのをちょっと感じた。
あんまり自分に馴染みがない領域だとこういうふうな感覚になるのかなーっていうような感じを受けた。
しおくんどうですか?
特に歴史とかそうかもしれない。
歴史とかね。
どうですか?読んで。
でもね、この本自体は数学云々じゃなくてちょっと読みにくいというか、たまに脱線して何の話だっけみたいになるっていう意味では読みにくさはあった気がするよ。
やっぱそうなんだ。
あと多分翻訳本っていうのもあるかもしれないよね。
癖があるというかちょっと翻訳してて、あんまり日本の本にはないようなストーリーを織り交ぜてきて、
なんかちょっと筆者の自慢というか、なんかよくわかんない話になぜか脱線し、でやっと戻ってくるんだけどなんだっけみたいな、なんかそういう流れが何回もあるから。
この10の方程式に沿って10章あると思うんだけど、本当にこれ関係あるのかなみたいな、なんかそういうのは結構あったよね。
あったあったあった。
なんかね、その10分けてその一つ一つの式について端的に深掘ってくれたらいいんだけど、その章の中でいろんな話題みたいなのが入ってくる。
いろんな話題とかいろんな例から脱線してはなんか戻ってきてって感じで、
まあどうなんだろうね、エピソードをどっちかというと語りたいのは結構あったのかなって思って。
10の方程式を淡々と説明してるわけじゃないじゃん。
そういう意味では、わりとスッと入ってきにくい構造な気もする。
数式との日常生活
なるほどね、そういうことか。
そういう話をするために無理やり10個の数式を持ってきたみたいな感じはあるかなという気がした。
多少あるよね。
その具体例もさ、ギャンブルの話とかサッカーの話とか海外のインフルエンサーの話とか、
なんかそういう具体例も俺全然馴染みがないからさ、なんかあんまピンとこないんだよね。
そうだよね、それもきついね。
まあそういう本でしたねと。
他は何か思ったことある?
あとはその、一応このネタバレみたいになっちゃうけどさ、
一応この10に関するって言って、一見成功と権力を手にするためって言ってさ、
一般的な話をしてるのかなと思ったらさ、
10章にそれまでのまとめに入りかかって、
これまでの9つは実はAIに全て絡んでますみたいな感じだったじゃん。
はいはいはい。
で、なんだか結構馴染みあるような気もしてるなーっていうセレクションで、
そういう意味では本当に、もともと成功と権力っていう観点で10個選んだのかというよりは、
AIに関して分かるようにしよう。
じゃあどういう風に分解していこうか。
で、どうやったら面白いタイトルになるかみたいな、
なんかそういう発想なのかなみたいな。
なるほどね。
やっぱこの10個、ないし9個の方程式は、
AIとかしおくんが普段仕事で絡むような世界と、
やっぱり関係が深いような数式なの?
関係深いものは多かった気がするね、比較的。
あーそうなんだ。
でもこういう切り口で見れるのかとか、
こんなにこの1つの数式に関してストーリーを混ぜて、
本にして読ませるものにするっていう能力は、
すごいなーって思った正直。
なんか同じ1を知ってて、
自分は1のまま、もしくはそれを解釈するできないっていう意味ではさ、
0.8しか理解できてなかったなーとか、
そういうレベルに落ち着いてたものが、
この筆者の人はさ、
それを3にも5にもして膨らましてさ、
いろんな人にも読めるような形に拡張してるっていうのはすごいなーと思った。
なるほどね、あーそういうことか。
その膨らまし力がすごいってことね。
とかそのコネクト力っていうのかな。
物事とかエピソードと数式という、
一般の人からするとつまんなそうな話とか、
説教臭くなる話をストーリーとして届けてるっていうのは、
やっぱ違う能力というか、なかなかできないなーって思ったね。
なるほど。
俺の最初のこの本に対する期待としては、
テクノリバタリアンにTENという秘密結社みたいな奴らがいて、
彼らは数式を使っていろんな富と権力を手に入れて、
すごい世界を牛耳っている、動かしているみたいなそんな感じで書かれていたので、
その秘密を覗けるのかみたいな感じで期待をして読んだんだが、
TENっていう人たちが普段日常生活でそういった数式を使って意思決定してるとか、
生活に役立ててるというよりは、
もうちょっと広い意味というか現代社会で、
SNSとか金融とかそういったところで、
こういった数式が使われてるんですよみたいな、
もうちょっと一般的な話っていうのかな。
そうだね。
ちょっと期待とは違ったかなみたいな感じでした。
ちなみにこういった数式を普段の日常生活で意識することってあるの?
意識ってどういうことだろう。
例えば意思決定をするときにこういう数式みたいのを頭に思い浮かべて、
それに目の前にある自信を当てはめて、意思決定のサポートに使うとか。
普段っていうのは仕事じゃなくてってこと?
仕事でもいいし、普通に生きていく上でっていうか、生活していく。
そうだね、そういう意味では、
予測をしてるものとかは何となくもしかしたら考えてるかもしれないなと思ったのね。
信頼性の章とか、
あとはベイズの定理を使ってるかというとかなり抽象的だから、
とよだくんも実は使ってるんじゃないかなって思うよ、そういう意味で。
僕が使ってるというものに関しては。
普段の意識だよね。
一応あれだな、数式が、
Amazonのページに一応この本で出てくる数式が10個書いてあるので、
もし気になる方はそれを見ていただくと、どういう数式が出てるかっていうのが見れるので、
まずそれは概要欄か何かにリンク貼っておくので、見ていただければなと思います。
そうだね、ベイズ、今言ってくれたベイズのやつは、
もともとテクノリバタリアンで、
飛行機に乗ってるときにめっちゃ揺れて、
飛行機がめっちゃ揺れて、墜落するかもしれないみたいなときに、
TENの人たちはベイズの定理を使って冷静に墜落するときの確率みたいのを計算して、
墜落する可能性は0.0000何パーセントだから全然大丈夫だみたいなことを、
頭の中で瞬時に計算をして、自分を動じないようにするみたいな書き方されてたんだけど、
テクノリバタリアンではそういう感じでロボットっぽい感じで書かれてたんだけど、
この本はどちらかというともうちょっと人間臭いというか、
著者自身も同じような事例出してたんだけど、
著者が飛行機に乗ってめっちゃ揺れたってときは、
まず墜落して、墜落した後に家族が悲しんでる姿とかを思い浮かべたり、
自分が葬式されてる場面とかを思い浮かべたりとかしたりとかするで動揺はするんだが、
一応自分を冷静にさせる心を落ち着かせるためにそのベイズの定理を持ち出して、
自分を何とか大丈夫だ大丈夫だみたいな感じで言い聞かせるみたいなことを言っていて、
こっちの人間臭い方は自分も同じようなことやってるなと思って、
だからやっぱりそのテクノリバタリアンで書かれてるTENと、
この本で書かれてるのはまたちょっと違うイメージだなと思いました。
そうそうそう。
そういう意味ではテクノリバタリアンで書かれてるTENっていう書き方と、
結局この本で言ってるTENって別組織なんじゃないかなっていうぐらい違うよね脚色が。
それをしおくんはどういうふうに感じたの?
今回のTENっていうのは結局科学者みたいな、
なんかそういう一般用語みたいな感じかなと思ったんだけど、
最近論文とかをインターネットに公開されてるものを読んで、
人工知能とか世の中のことをちょっとよくしようとか、
なんかそうやって自分で学ぶことに関して積極的な人たちみたいな、
なんかそういうことだよね結局最後の。
テクノリバタリアンの意見
最後のはそうね。
なんかテクノリバタリアンで言ってる言い方だと、
もっとこう世界をコントロールしようとしてる、
なんか悪いやつじゃないけど、
そういう悪のみたいな、
なんか書かれてないけどそういうニュアンスで書かれてるような感じがして、
なんかねそこが、結局最後の章を読むと、
筆者もTENの一部ですみたいな、
そういう感じでネタバラシしちゃってるんだけどさ、
そういう書き方をしてるから、
なんかやっぱちょっと違うよねって思ったね。
同じTENじゃないような気がする。
そういう意味で言うとさ、
なんかその自分この前前回か、
自分はテクノリバタリアンじゃないみたいなことを言ってたけど、
そういう意味でその今回の本のTENの方だったら、
自分となんか近いなみたいな感覚はあるの?
数式のモデル化
そうね、まあそうかもしれない。
まあTENの人に対してちょっと、
そんな自分がその一部になっているようなことは言えるような気がしないけど、
まあ方向性としてはこっちの方だったら別に悪くないかなって思ったけど。
なるほどね。
やっぱそういう人はさ、周りに多いな。
そのシリコンバレーの周りを見ると。
どうなんだろうね。
まあ本当にグラデーションかなって思うよね。
なんか自分とか周りにいる人たちは、
こういうことに関してアンテナを張ってたり、
まあ論文読んでとか、
ああこういうこと話しようとしたら話せるみたいな。
ああそうだよね、うんうんみたいな。
なんかそういうことは話せそうな気がする。
この10個の数式をしおくんが見て、
どう思ったのかっていうのがね、率直に気になっていて。
俺はどう思った?
どっから行くかだよね。
なんか10個それぞれ、まあ1個ずつちょっと行くっていうのもあるけど、
まあ10個だと長いから。
そうだね。
なんか気になったやつとか、
これはちょっとなんか面白そうだなみたいなやつとかあった?
気になったやつ。
気になったやつね。
どうだろう、気になった。
もうちょっと1個さ、1個ずつ10個とりあえずあげ、
もう一回名前というか、
どの式かっていうのを言おうかなと思うんだけどさ、
第一章が賭けの式って言って、
なんかその賭け確率というか、オッズとかに関する式だよね。
はい。
で、第二章が判断の式って書いてあるんだけど、
これは結局ベイズの定理。
そうだね。
新しい情報をもとに、確率が更新できるみたいな。
うん。
で、第三章は信頼の式で、
これはなんだろう、どんくらいこの事象というか物事に関して、
確度があるかみたいな、
なんかどんくらい起こるかとか、
それは偶然なのかみたいな、
そういうことを数式化しようとしてる感じ。
はい。
で、第四章がスキルの式。
これなんだっけ?これちょっと。
これはね、スポーツでサッカーの話で、
サッカーの人のスキルっていうのをどう評価すればいいのかみたいな話。
なんかサッカーとかバスケを数式化するとこまでは覚えてるんだけど、
マルコフ仮定か。
なんかどうやって数式化するかって時に、
使ってる強い仮定みたいなのがあって、
ってことだよね。
直前のものからしか今は影響を受けてませんっていうことを仮定すると、
いろんなことが数式ができますよってことで、
これとよだくんがちょっと一つ分かりにくいというか、
どうやって生かしたらいいのか分かんないって言ってたやつだよね。
そうそうそうそう。この4番あたりからちょっとなんかよく分かんなくなってくるんだよね。
1,2,3はなんか分かるんだけど、
4以降がなんかちょっとゴニャゴニャしてきたなっていう気がした。
そう。4番はね、何かこう、
予測とかを提供してくれる直接の方程式というよりは、
こういう風に仮定すると数式ができますよねみたいな。
っていう話だと思うんだよね。
だから直接は役に立ちにくいのかなと思った。
このマルコフ性の仮定っていうのがよく分かんなくて、
1個先のことを予測するときには、
直前のものしか影響を与えませんよみたいな前提なのかなと思ったんだけど、
それってそこを仮定しちゃっていいんだっけっていうのはちょっと気になったね。
それがもうね、物事によるというか見方によるんだよね。
スケールとかどのくらいの解像度とかで見てるかでよるし、
なんか多分物事を複雑にしないために、
ここでは直前のものだけって言ってるんだけど、
そのモデル化っていうのかな。
実際に起こっていることを数式に落とすときに、
直前だけじゃ流石に無理だよねって場合は、
じゃあ2個前を見ようとか3個前まで見ようとかそういう風にもできるよね。
だから仮定の仕方の大きなフレームワークみたいな感じなんだよね。
本当にモデル化するときにあまりにも複雑にしすぎないための、
影響力の式と市場の数式
単純化するための決まりというか約束ごとというか、
そういう風に考えたらいいんじゃないですかみたいな話ってことね。
もう一回他に例を挙げるとすると、
例えばとよだくんがいる場所をモデル化して座標みたいなのを書いたとして、
日本のどこどこのXYZみたいな、
データをするじゃん、座標みたいな。
サッカーのフィールドで場所を特定するみたいな感じで地球上どこにいるかと。
で、この瞬間からとよだくんが次どこに行くかって言ったら、
1秒後に多分今の場所からちょっとノイズを加えたみたいなあたりに予測するのが正しそうじゃん。
例えばそれを最終的には1日のとよだくんの行動とかを予測したいとかモデル化したいというときに、
1秒単位とかさらに細かいミリセカンドの単位でモデル化しようと思ったら、
まず前の直前どこいたかプラスアルファって考えた方が一番精度が上がりそうなんだよねみたいな、
そういう話なの。世界中の全世界の中からいちいちとよだくんどこにいたっけって計算し直すより、
今いる場所、次の場所は今からちょっとずれた場所っていう風に考えていく。
だからなんか別に特別なことじゃない気がするんだよね。
うーん、そうね。
うん、分かってしまうと。そうだよねみたいな。
じゃあまあそれはいいとしよう。5番目は?
これは影響力の式でインフルエンサーを科学しましたって話で、
これは遷移行列とか出てきたやつだよね。
そうね、これはだから、これもねちょっとよくわからなかったんだよね。
そのインフルエンサー、フォロワーが多いインフルエンサーの方が影響力が大きいよねっていうことを言ってるんだと思うんだけど、
当たり前じゃねって思っちゃって、何を言ってるんだろうなっていう感じがしたんだよな。
でも当たり前じゃねって思えたってことは、分かってるっていうことだと思うんだよね。
最後の10章でも書いてたと思うんだけど、数学はトートロジーだみたいな。
あー、はいはいはい。
あったと思うんだよね。だからAイコールBっていう式がありますって言ってて、
いや当たり前じゃんって思えたら、それは分かったってことだと思うんだけど、
AイコールAダッシュBダッシュでBだって言った時に、どっかで迷ったりするだけじゃん。
あれ、AとAダッシュって一緒なんだっけみたいな。
その過程がすごく長いと、最後AとBは一緒じゃないと思うって迷っちゃうんだけど、
でも一応そのステップを踏んでいくと、いやAはBだよねってなった状態が今のとよだくんの状態だと思うんだよね。
だから理解できてるじゃないって思うんだけど。
直感的に理解はできるけど、例えばそれをシステムとかに落とし込もうとすると、
ちゃんとこういう数式というか、モデルみたいのをちゃんと定めておかないと落とし込めないってことなのかな。
だし、モデル化の方法もいっぱいあるから、ここに書いてある方法以外にもさ、
すごいたくさん他にも大きな違いがあるやり方もあれば、ちょっと違いを加えたマイナーなアシュみたいなものもあって、
哲学とかいう観点から、こういう本を理解しようみたいなのをしてなってさ、
それも大したことないから1個知れば十分なんだけど、本当にTikTokとかこういうテック企業で、
1%でも何かの精度を上げようとか、0.1%でも上げようと思うと、じゃあどっちがいいのかなって話になってくるから、
そこの違いとかは今は深入りせず、本当にハイレベルだったらこういうことだよねって、
そういう話に収まってて、それはもうハイレベルで話が分かれば、今はこの本の目的を果たしてるんじゃないかなって思う。
6章が市場の数式。これももう1個分かりにくいって挙げてたやつだね。
そうだね。これはシグナルとノイズとフィードバックが、あのこの数式。
シグナルとフィードバックとノイズを足し合わせると、投資をしてる人々の感情の、
なんだこれ、遷移率っていうのかな、みたいのが導き出せるよって話でしょ。
感情とかも数値化できるみたいな、そういう感じだったよね。
で、これでよく分かんなかったのが、どうやってシグナルとノイズを見極めるんだっていうのがよく分かんなくって、
これはシグナルだ、これはノイズだって、主観的というか恣意的というか、
結果が出ないとそれがシグナルだったのかノイズだったのかって分かんないんじゃないかなと思ったんだけど、
それってどうこの式で落とし込んでるんだろうなっていうのはよく分かんなかったね。
そうだね、この本で書いてあったか分かんないけど、
モデル化するときにシグナルとフィードバックとノイズみたいな3つの大きな項を作ってて、
それぞれにパラメーターみたいなのを用意できてたと思うんだよね。
だからこういうモデル化、仮定をしてデータを見て当てはめてみると、
それぞれのパラメーターがだんだん求められるイメージだから、
確かにデータを見ないと分かんないのは確かだと思う。最終的には。
数学モデル化によるデータ解析と予測
だからここの中に、例えば株式投資とかするんだったら、何らかのデータを、実データを入れ込むんだと思うんだけど、
じゃあこのデータはシグナルの方に入れようとか、このデータはノイズだねとかって、
どうやって決めるんだろうなっていう。
どうだろうね、これ正しいか分かんないけど、イメージとしては、
でもそもそもモデル化したいものが簡単にデータとして手に入るかどうかも怪しいんだけどね、ここで言ってるのは。
なんか感情とかさ、数値化しにくいものをさ、主観みたいなものをモデル化しようとかできるよって言ってるから、
データ自体結構正しくないかもしれないんだけど、できるとして、
そのデータを手に入ったら、じゃあそのデータをよく説明するモデルとそのパラメーターは何だろうかなっていうのをゴリゴリちょっと最適化とかをすると、
このデータを説明するにはこういうパラメーターの組み合わせが良さそうだねみたいな。
で、じゃあそれを使ってちょっと将来を見てみようみたいなことはできるような気がする。
現実に合わせてやっぱり変えていくんだね、何を考慮するのかは。
そうそうそうそう。よくだから何をモデル化してるかっていう知識は結構大事で、
何かこのモデル化したいものは、このノイズ項がちゃんとあるよねとか、
なんかそういう知識は必要だったり、あとはそれをやっぱ試行錯誤する。
モデル化してみてよく当てはまったかな。
いやあんまり良くないね、じゃあこの部分のモデルの部分はうまく説明できてないから違うものにしようとかいうのは、
もうずっとぐるぐる回すみたいな感じ。
あーわかったわかった。
なんかねその数学って公式みたいのがあって、その公式に当てはめたら正解が導き出せるみたいな感じがあったんだけど、
なんかそうじゃなくて、自分が何をモデル化、世界の現象があってそれをモデル化したいときに必要なパラメーターというか、
どういうふうに変数を切り分けてどう組み合わせたらその世界がうまく記述できるのかっていうところなんだねポイントは。
そうだね。
それをやるためには数学の規則というか、こういう動きを表現したいときはこういう書き方をするとか、
こういう表現をするんだっていうことが分かってないと、そのモデルが数式では表せないってこともね。
そうそうそうそう。
だからそれをやるわけだ。そういうこういう数式とかを使って仕事をしてる人々は。
こういうことやるの?データサイエンティストっていうのは。
場合によってはやっぱりこういうのやるよね。信頼区間とかそのどんくらいこの、で求められたパラメーターがどんくらい確からしいかとかも見たりするよね。
であとはどんくらいの観測が必要かとかそういうのもやるね。統計的に導き出せるから、この観測回数だったら
これはちょっと偶然かもしれないとか、これは偶然とは言えないみたいな、なんかそういうことはやるよね。
なるほどね。
7番目が広告の数式。
これは相関を導き出す数式ですか?
そうそうそう。これなんかさ広告の数式って書かれると何の数式だろうなと思ったけど蓋を開けてみると相関係数を求めるものかみたいな感じだった。
相関係数とか相関の値とかってなんか聞いたことはあるよね。
これをなんかね、大学の経営学部でちょっとだけ相関係数みたいのは導き出すのは習ったね、全く覚えてないけど。
なんかその導き方は置いといて、なんか相関が例えば1あるよとか0.8あるよって言われたりするとどうかみたいなのってさ、結構直感的に理解しやすいかなと思うんだよね。
なんだそういうことかって感じじゃないこれは。
でもこれで言って、ケンブリッジアナリティカは相関、例えばトランプにトランプを当選させたいと言ったときに、
Aという属性を持ってる人間にはこういう投げかけをすれば投票してくれるだろうみたいな。
っていうので、なんかいろいろ工作をしたんだが、それは本当に相関しか見てなくて、因果、因果までは見てなかったので、
実際ケンブリッジアナリティカによってトランプが当選したみたいなこと言われているが、そんなのは全然違うよみたいなことをこの人が言ってるんだよね。
相関と因果の区別の重要性
だから相関を出すときは絶対その相関と因果を混ぜるなというか間違えるなって言って、この本でもサブセクションがあったような気がするんだけど、あったよね。
あるんだけど、まず最初に統計をやるときには速攻注意しろみたいな。そういうふうに言われるんだよね。
なんかそれってさ、ケンブリッジアナリティカでトランプが当選したのって2015年とか6年とか?
そのくらいのときに、何だろう、因果と相関を混同するなよみたいのは周知の事実だったわけではないの?最近そこは気づかれたみたいな感じなの?
いや、だいぶ前からずっと統計学では論争されてるし、あと1回その本は使ったよね、因果推論の科学。
あの本にも書いたと思ったけど、少なくともその数年前にはもうあの本出てたと思うし、因果関係に関して研究とかも進んでるはいるから。
だから知られてることだと思うよ、因果に関しては。因果と相関は別だよねってことは。
じゃあやっぱそれはケンブリッジアナリティカがトランプを当選させたんだみたいなことを言われていたのは、ちゃんと統計みたいなのがよくわかってない人たちが勘違いして持ち上げてただけみたいな感じなのかな?
そういうちゃんとデータみたいなのがわかってる人からすると、何言ってんのよみたいな感じだった。
いやでもね、ちょっとわかんないのはやっぱりこの因果って本当に結論づけるためには、特に社会レベルで起こってることって本当に結論づけるって難しいんじゃないかなとは思う。
データが取れないというか、そのABテストみたいなのがさ、なんか綺麗にできるわけじゃないとか、本当にみんながみんな同じデータ見れるわけじゃないから。
だからケンブリッジアナリティカは自分たちがやったと言いたい、もしくは他の人がそういうふうにケンブリッジアナリティカしたことにしたい人もいるだろうし、
見方によっては他の要因があったよねっていうふうにいくらでも言えなくもないと思うんだよね。
世界に何が影響してるかなんて把握しきれないから。
だからここはわからないっていう、僕の見解。
ケンブリッジアナリティカの話は、これも橘玲さんのスピリチュアルズっていう本で、結構詳しくどういう事件だったのかみたいなのが説明されていて、
そこではね、やっぱケンブリッジアナリティカはすごいみたいな、多分そういう論調で書いてたので、
多分事実とは違うんだと思うけど、どういう話なのかっていうのはそれを読むとわかるのかなと思ってて、
そこでやっぱスピリチュアルズって本では、人間っていうのは何個かの属性情報、5つかな、5つか6つぐらいの属性情報の組み合わせで、
人間の特性みたいなのが説明できるみたいな話なんだよね。
で、この人間はこういう属性を持ってるからこういう人間だみたいなステレオタイプに落とし込めるみたいなそういう話なんだけど、
この広告の数式のとこでも人をステレオタイプに落とし込む、これとここの特性とこの特性が相関している人間はこういう人間だみたいな感じステレオタイプに落とし込む話があったんだけど、
なんかこの前しおくんもさ、テクノリバタリアンなんじゃないかって言われたときにさ、ステレオタイプにはめられたくないみたいなこと言ってたじゃない?
それは俺がよくわかんないのは、なんでステレオタイプにされたくないんだろうなっていうところはね、ちょっと気になってるんだけど、
それはどうなんですか?
でもそれはとよだくんも一緒かなと思ったんだけど違うんだっけ?
俺あんまりステレオタイプになんだろう、あなたじゃあテクノリバタリアンですよね、功利主義者ですよねって言われても、別に俺あんまり嫌な気はしないんだけどね。
なんかでもその人のこだわりとかさ、なんかちょっと違うところ?
この集団としてなんかこの人はこうだってラベル付けされてもさ、いや人って違うじゃんとかさ、
個人の違いを見ようよみたいなことを言ってるような気がしたから、なんかそこは根底は一緒なのかなと思ったんだけど。
例えばピンポイントであなたはこれですよねって言われると、確かになんか違うなって気がするんだけど、
そういう属性もあるし、また別のこういう属性もあるよねみたいなこう、
なんかベン図みたいな感じで、いろんな輪っかがこう複数重なっている中の中心にいるのが私ですみたいなイメージだから、
ケンブリッジアナリティカのケース
一個の輪が重なってても別にそれはそうだよねみたいな感じがするから、あんまりそんなに嫌な感じはしないかなと思って俺は。
なるほどね、それ結構面白い視点かもしれない、ディスカバーかもしれないんだけどさ。
なんかね、僕はその〇〇ですねって言われると、なんかその文脈にもよるんだけど、その100%それですよねみたいな、
なんかそういう風に言われている文脈だと嫌なんじゃないかなと思うんだよね。
でも今のとよだくんのベン図の考え方だと、片側の〇がテクノリバタリアンですよね。
でも自分と関わっているのは真ん中のその関わっている重なっている部分だけですっていう、なんかすごいライトな受け取り方なのかなと思って、
それだったら一側面でしたら合ってますよっていうことだよね、要は。
そうそうそう、そういうことそういうこと。
それだったら合ってると思う。
それだったら別に、それだったらいいんだね。
なるほどね。
だから自分はそれに対して答えるなら、自分の一側面という意味ではそうかもしれないとか、ある一定の時、時間的に見ると、
そういう時があるかもしれないだったらそうです、そうかもしれないですって言って認められると思うんだけど、
100%どんな時をとっても、どの側面を見ても100%テクノリバタリアンですねみたいなことを言われると、
いや違いますってなる。
そうだね、それはそうだよね。
逆に100%テクノリバタリアンみたいな人間って多分いないと思うんだよね。
だからそういういろんな属性みたいなのが、いろんな輪っかが重なってるのが自分みたいな感じなのかなって、これは見てるかな。
なんかさ、関連して、僕もちょっとこれをいい機会に言いたいなと思うんだけどさ、
はいはいはい。
理系と文系のモヤモヤ
理系と文系って分けられるのもなんかちょっとモヤっとするなと思ってたわけよ。
おー、なぜなぜそれは。
だって僕が大学で4年間とか6年間とか勉強してた時の話が元に多分理系とかさ、
その7年間を勉強したものに基づいてる理系ってよく言われると思うんだよね。
何出身、理系出身ですみたいな。
はいはいはい。
やってることもそのまま続いてるから理系とか言うと思うんだけど、
でもまあそれは人生の中で一部の時の話であって、自分も哲学の本読んだりとか歴史の本読んだりしてるから、
まあそのラベルは外してくれって思う時はあるんだけど、ずっとついてくるなと思ってたんだけど、
とよだくんとしてはまあでも一部だよねっていう感覚で言ってたんだなっていうのがあったと。
だけど僕としてはなんかラベル付けされて、僕は文系のことはわからない人間と、
こうラベル付けされかねないなんかニュアンスはあんまり好きじゃないから使いたくないなっていうのはあったんだよね。
あ、そういうこと。
まあ理系、100%理系だとは思ってないけど、
まあ便利だから使いたいなっていうのはわかる。
ベースはそこにあるよねっていう感じで言ってたね。
でもなんかさ、世界で言われてるなんかこう差別とかさ、レッテルを張ってなんかこう問題を起こしてる場合もさ、
なんか掛け違いみたいなのあるかなって思ったんだよね。
あー確かに。
でそれがさ、しかも人種とかジェンダーとかに基づいて発想されてて、
あなたはこうですよねって言っちゃうと、受け取る方もそれで自分は100%ラベル付けされたとってとか、
まあそれがね、仕事の機会とかなんか別の機会を得る得ないっていうふうにパッキリこう分かれて使われたらさ、
やっぱりなんかこう、そこが解釈の、まあでも解釈の違いだけに留まってないな。
それで結果が分かれてるからやっぱりベン図のように一部の属性だよねと認識されてないんだよな。
今なんか考えながら喋ってるけど、
とよだくんの考えの方がちゃんとこう伝わってれば、
まあ、なんだろう、現実的だから人は複数の属性があるよね。
でそれがちゃんと人の決断とか、例えば採用とかね、なんかを判断するときにも、
一部だよねってちゃんとこう考慮して続けられてればいいんだけど、
場面によってはさ、なんか結構やっぱり0,100になって判断されちゃったりするのかなって今話しながら思った。
確かに確かにそういう面あるね。
なんかその考え方はね、なんかもうちょっとみんな理解というか、
属性を考慮した判断の必要性
そういう方向になったほうがいいなと思ったけどね。
あとは0,100じゃないのかもしれないけどね。
さっきテクノリバタリアンって言われて、100%その人はいないと思うんだけど、
まあ9割ぐらいそのくらいでしょうととよだくんが思っているのか、
まあ自分としては10%なんだけど9割ぐらいで思われているなって思うと、
そのギャップが結構気になるみたいな。
なるほど。
次回へ続く。
