「親の顔より見た〇〇」の回数推定
どうも、しぶちょーです。
ものづくりのラジオは、産業機械の現役エンジニアである私、しぶちょーが、
ものづくりに関するトピックをザックバラに語るポッドキャストです。
この番組は、株式会社フレアオリジナル、グラフテスターズデザイン株式会社の提供でお送りします。
いきなりですけど、皆さんは、親の顔より見た〇〇って表現、知ってますよね。
頻繁に見るものの、頻度の多さをユニークに表す表現の一つですよね。
私もこの表現、結構好きですわ。
このラジオの中とか、あとSNSでもね、
いや、これ親の顔より見た〇〇だって、使ったりしますけど、
ものづくりの世界でも、この表現で割とよく使われているのをね、
例えば、図面とか部品とか、このさ、板金のさ、蓋の図面とかね、
めちゃくちゃあるわけよ、同じような図面が。
それ見た時にさ、いや、これ親の顔より見た図面だなーとかって言ったりするんです。
あとよく見る部品とかね、
いやもうこの部品、親の顔より見たわーみたいなことを現場で言ってる人もいるし、
実際にね、こういう表現を使っているエンジニアね、多いと思うんですよ。
少なくとも私の周りにはね、結構いたんだけども、
でもさ、最近ね、ふと思ったんですよ。
親の顔より見た〇〇って、
これさ、厳密に言ったら何回以上のことなんだろうと。
この言葉を正しく使おうと思った場合って、
何回以上見たものに対して、
親の顔より見たって言っていいのだろうかと。
これ気になりません?
その勢いで使ってる言葉だけどさ、
親の顔って人生でめちゃくちゃ見てますよね、もちろんね。
毎日一緒に暮らしていて、ご飯も一緒に食べて、いろいろと話してみたいな。
そういうね、当然家族なんでね、一緒にいるわけですけども、
結構な回数になるはずなのよ。
だから親の顔より見たと名乗るには、
厳密に言ったらちゃんとそれを超えてないといけないなと思ったんですね。
適当に使っちゃいけないね、言葉は。
そしてじゃあ、そう考えた時に、
その敷地って一体何回なんだという話になってくるわけ。
当然のことながら、正しい値なんて絶対分かんないんだけども、
今日はそれを推定してみようかというお話でございます。
というわけで今日のテーマはこちら。
親の顔より見た○○って何回以上見たら言えるのか?
というわけでね、早速考えていきましょう。
現在私が36歳なんですけど、
36歳?
36歳。
おじさんですね、結構ね。
気持ちは20代なんですけどね、36歳の私が。
実際に親の顔を見た回数って一体何回なんでしょうかねという。
これを予想していきましょうという話です。
予想をしていく前に、
いろいろとした準備というかね、
大前提の定義からしていきましょうと。
何を定義するかと言ったら、
見るの定義をしなければなりませんよね。
ここが親の顔を何回見たかを考える上で非常に重要な部分です。
親の顔を見るって、
どういうシーンを一回とカウントするかって結構難しくて、
ここを明確にしないとまずこの話で始まらないわけさ。
例えばじゃあ同じ部屋で、
面と向かって30分ずっと親と一緒にいて話してましたよと。
それは何回なのか。
一回なのか、それとも見た秒数。
30分一緒にずっと見つめ合っていることはないんだけど、
目が外れてまた見たらそれを一回一回カウントするのかみたいなね。
視界の端に入ったらそれを一回カウントするのかみたいな。
そういうことをまず定義しておかなきゃいけないと。
今回はあくまでも推定なんで、
簡単のためにこういうふうに定義します。
顔として認識した出来事の区切りで一回と。
だから朝起きてちょっと廊下で会って挨拶するとか、
おはようって言うとかあるじゃない。
それは顔を見て一回言うでしょ。
だから2回ピピッと見たとしてもそれはその出来事の区切りなので一回と。
夕飯で対面したでも一回だし、
帰宅して顔を見たでも一回と。
そういう感じのイメージですね。
日常生活の中で、
会った、見たって感じるそのタスクを一回として数えていくという感じですね。
だから30分対面で面と向かって話してたよっていうのも、
これは会話っていうタスクの一区切りなので、
これで一回とカウントすると。
こういうのを決めないと全体が崩れていくんでね。
ここが重要なポイントです。
タスク、顔として認識した出来事の区切りで一回と。
こういうふうに定義していきましょう。
こうすれば、自分の日常を何となく振り返ってみれば、
数えられなくもない気がするでしょ。
一旦これで行きましょう。
次に何を考えるかというと、
人生を年代で切り分けるということを考えましょう。
これも重要です。
当然、親の顔を毎日見るわけじゃないですね。
現時点で私は家を出てますから、
本当に年に何回か実家に帰った時にしか
親の顔って見ないんですけど、
当然ね、小さい頃はべったりで、
常に一緒にいるみたいな状態ですけど、
学校とか幼稚園に行き始めたらちょっとずつ減っていって、
思春期でもっと減っていって、
実家出たら激減すると。
人生のフェーズごとに親の顔を見る数っていうのは
明確に違ってくるわけですよ。
だから親の顔を見た数を推定する上では、
年代ごとに1日あたり何回親の顔を見るイベントがあるか
っていうのを推定して、
それを足し上げていくという方法を
取ったほうがいいかなと思ってます。
だから1日何回ぐらいこの年代だと
親の顔を見るかなっていうのを年単位で計算して、
それをかけて足し合わせていくと。
こういう形で計算していこうかなと思います。
だから予想されるのは、
小さい頃は多くて、
だんだんと少なくなっていくっていう話ですよね。
人生のフェーズは大きく5つに分けて考えていきましょう。
まずは赤ちゃんフェーズね。
0歳から2歳と。
そして幼児期、3歳から5歳。
少年期、6歳から12歳。
だから小学校だね。
思春期、13歳から18歳。
18歳は思春期とは言わないけど、
そういう中学高校ね。
最後19歳以上から現代と。
大人フェーズですよね。
この5つのフェーズで切り分けて、
じゃあ1日平均何回見たんだっていうことを考えていきたいと思います。
まずは赤ちゃん。
0歳から2歳の間ね。
これは1日に25回と決めましたと。
決め打ちではあるんですけど、
やっぱり人生で一番親の顔を見る頻度が高い時期です。
授乳、食事が大体赤ちゃんって1日6回から8回。
おむつ替えも同じく6回から8回ぐらいと。
気象と寝かしつけが3回から4回あって、
あやしたり遊んだり。
4回から6回と。
またちょっとした見守りとか覗き込みで、
親と目が合うみたいなやつが4回ぐらいあるかなっていうので、
いろいろ足してみて切り良くすると、
大体1日25回ぐらいは赤ちゃんは親の顔を見てるんじゃないかなと。
若干少ないかな。
赤ちゃんってもっと親とべったりっていう感じするから、
少ないかなと思うかもしれないんだけど、
よくよく振り返ってみると、
親が赤ちゃんの顔を見る頻度はかなり多いけど、
赤ちゃん自体は寝てたりさ、
あと空を見つめてたり、
なんかちょっと変なとこ見てたりとかするじゃない。
だからまあこれくらいなんじゃないかなと思いますね。
親が赤ちゃんを覗くとき、
赤ちゃんもまた親を覗いているとは限らないということで、
深淵とは違うんですね。
まあまあこれも人によって差はあると思いますけど、
大体20回から40回ぐらいの幅あるんじゃないかなと思うけど、
大体25回ぐらいに置いておきますと。
0歳から2歳は1日25回親の顔を見ていますと。
次、3歳から5歳と。
これは1日15回としました。
幼児期は少し自立してくるし、
保育園とか幼稚園で過ごす時間っていうのも増えてくるじゃないですか。
朝の身近宅と朝食、
草芸で4回か5回ぐらい。
帰宅後の遊びとか夕食、風呂で5、6回。
寝かしつけと、あと見てみての瞬間みたいなのがありますよね。
見てー見てーみたいな瞬間で3回から4回ぐらい、
親の顔を見るイベントがあるというところを合計していくと、
大体15回ぐらいはあるかなと思いますね。
正直ね、子供が見てみて発作を起こすとさ、
1時間で100回ぐらい見てる気がするんだけど。
見てー見てー見てー見てーみたいな、
そういうフェーズというかそういうモードがあるよね、子供ってね。
今ね、下の子5歳、上の子7歳ですからね。
見てみての瞬間めっちゃありますけど。
そういう突発的なやつは一旦除いて平均的に、
数えてみるとそのぐらいになるんじゃないかなと思います。
これに関してはね、その年代の子供がいるから、
ちょっとね、自分の子供で数えたりもしたんですよ。
1時間ぐらいで、何回親の顔を見るかなと思って、
数えてたんですけど、意外とね、
スマホとかYouTubeにかじりついて、
こっち見てくれないってことがあったので、
親の顔を意外と見られていないってことはね、ちょっと分かりましたね。
想定より全然見られてなかったので、ちょっと悲しくもなったんですけど。
それはさておき、この時期の平均は1日15回としましょう。
少ないような印象はあるかもしれないですけど、
あくまでもイベント、親の顔を見るイベントが、
1日に何回起こるかっていう算出をしてますからね。
こうしておきましょう。
次、6歳から12歳と。
小学校ですね。
これ何回1日に親の顔を見るんだいと。
これは1日8回としておきましょう。
小学校になるとね、日中は学校なんで、
親と接するタイミングっていうのは朝晩に集約されてくると。
朝は挨拶とね、
おはようって挨拶と朝食で2回とか3回ぐらい。
帰宅時にただいまで1回、夕食で1回、
風呂とか就寝あたりで2、3回と。
合計で接するタイミングっていうのは8回ぐらいかなと。
これも低学年と高学年で違って、
低学年の時は宿題を見るみたいなフェーズもあると思うんですけど、
平均していくとね、だんだん減っていくことは間違いなんで、
8回ととりあえず置いておきましょう。
13歳から18歳、いわゆる思春期ですね。
これは小学校よりも減って1日6回と。
これはね、部活とか塾とか友人関係で行動範囲というのがすごく広がって、
家人の中にいても別々に過ごすという時間も増えてくる年代です。
反抗期もあるだろうしね。
朝と夕食、帰宅あたりで1日4、5回ぐらいと。
そこに用事とか会話の区切りを足して、
6回ぐらいに落ち着くんじゃないかな、平均的にはという感じですね。
最後、19歳以降、これ同居が続いていれば、
1日5回か4回、4回としておきましょう。
大学生とか社会人、同居している人はいるけど、
やっぱり生活リズムが合わなかったりしてね、
お互いに忙しかったりして、朝1回、夜1回、
あと同船で1回会うか2回会うかぐらいじゃないですか。
私の場合はもともと静岡出身で、そこから愛知の大学に来ていて、
一人暮らししているんで、これはもう別居の計算ですよ。
そうするともっと劇的に減りますよね。
帰省で丸一々会う日は、会った瞬間と食事、会話の区切り、
別れあたりを足すと1日で8回ぐらいかなと。
それが年間に何日かありますよっていうね。
ゴールデンウィーク、お盆、年末年始と帰るんで。
あとは数日土日でたまに帰ったりするけども、
そこかける8ぐらいしか年間で会わないから、顔見ないから、
全然プラスにならないよね。
1日の平均っていう値だと0.07になっちゃうと。
とりあえず19歳以降は、休みの日だったら1日8回だよねっていうパターンを想定しつつ、
いつ家を出るかでだいぶ変わってくるんで、
それでちょっと3パターン計算を用意しようかなと思います。
フェルミ推定とは？その起源と本質
早期独立型ですね。
19歳で家を出ましたよと。
帰省は年にゴールデンウィーク、盆、暮れ、正月でだいたい7日か8日ぐらいという方ね。
あとは標準型。
22歳で別居。だから就職してから家を出たよっていうパターン。
あとは同居長めパターン。
30歳まで家にいて、そこから家を出ましたよみたいな。
こういうパターンの人いるよねっていうのでちょっと場合分けをしました。
つらつら話してきましたけども、ここまでで計算の条件整ったので、
あとは平均をもとに親の顔を見た回数を計算していきましょうと。
早速ちょっと計算しましたけれども、
年代別に親の顔を見た回数を計算していた結果がこちらです。
10歳の時点で約5万8千回ですね。
5万8千回親の顔を見ております。
これが10歳時点ね。
18歳の時点で7万5千回ですね、親の顔を見ております。
高校卒業時点で7万5千回親の顔を見てるんですね。
そこから年数が経ち30歳の時点ではどうかと。
ここからどのタイミングで独立したかで変わるんですけども、
さっき話した早期独立型、18歳で別居を始めたパターンだと約7万6千回です。
標準型22歳、就職して家を離れたよっていう方は8万3千回。
同居長めで30歳まで一緒に住んでたよっていう方は9万4千回と。
だいたいこんな感じの計算になりました。
まあちょっとこれ30歳で止めてるんですけど、
この計算式を元に36歳の私が親の顔を見た回数を計算するとですね、
私は早期独立型なんで結局7万6千回前後なんですよ。
これちょっと計算してグラフ書いてみたんだけどさ、
これね計算して思ったけど、親の顔を見た回数カウンターはですね、
成人後に劇的に伸びがゆっくりになるんですね。
だってもう家出ちゃったらさ、基本的に1日丸1日親の顔見ませんよと。
実家に帰る日が年間10日あるかないかだっていうことなんで、
1年間を通して親の顔を100回見ないっていう期間に突入していくわけですよ。
結局そう考えるとさ、衝撃の事実として、
親の顔を見る回数の大半は子供時代にもう完成してしまっているんですね。
まあもちろんね生活のリズムにもよるし、
人生のどのタイミングで家を出るかにもよるんだけど、
大人になってから親に会い続けてもあんまり言わずにされていかないんですよ。
人生の中で親の顔を見る回数の大半はもう18歳の時点で90%以上を超えています。
成人したり家を出た時点でその親の顔を見る回数自体がめちゃくちゃ少ないんですよね。
残された何か数パーセントしかないんですよ。
そこまで見てきた回数でもう人生の中で親の見る顔の90%見切ってしまっていると。
この事実やばいよね。やばいよね。これちょっとしんみりするよね。
もっとこれ実家に帰らないといけないなってこの計算をしてて思いましたよ。
というわけでちょっとまとめますけども、10歳の時点で親の顔を見た回数は5万8000回と。
18歳で7万5000回。
例えば就職してから大学に行って就職してから実家を出た場合だと大体30歳ぐらいで8万3000回ぐらいですね。
親の顔を見てますよということでございますね。
だから親の顔より見た丸々を名乗るためにはこの表現を使うためには
少なくともですね36歳の私であれば7万6000回以上はそのものを見ている必要があるわけですよ。
だからエンジニアで言ったら例えば親の顔より見た図面だとかっていうのが成立するのは
少なくとも7万6000回とか8万回近く見ている必要があります。
例えば8万回だとした場合ですね1日8回その図面と向き合うとしましょう。
その図面を見るとしましょう。
それを1万日やらなきゃいけないわけだから大体27年ぐらいね。
27年間一つの図面に対して1日8回見るっていうことを繰り返すことによって初めて
この図面親の顔より見たなと言える状態になるわけですね。
これね結構ハードル高いと思いません?
それなりに見ないとやっぱ親の顔より見たって言えないってことですよ。
だから親の顔より見た○○っていう表現を使っている人がいたら
おそらく親の顔より見ていないということが言えるでしょう。
乱発してた人はですねちょっとこの言葉の使い方振り返ってみてください。
この発言完全に私へのブーメランでもありますけどね。
そういう計算をねいろいろ作りどころありにしろざっくりとやってみたわけですけども
実は今日はこの話がしたいわけじゃなくて
ここからがね本編なんですよ。もう20分近く喋ってますけど
この手元の情報を書き集めてざっくり数字を出していく思考法
ちゃんと名前がついていていろんなところで使われているんですね。
しかもこれはものづくりにとっても極めて重要な考え方なんですよ。
株式会社フレアオリジナルでは
メカ設計電気設計組み立て配線など
ものづくりの全工程を担う仲間を大募集中です。
中小企業向けのロボットシステム開発
ハコヅメプロジェクトを中心にますます引き合いが増えております。
今年は関東都開催に営業所を新しいことに挑戦するのが好きな方
将来は独立を考えている方も大歓迎
一緒にものづくりの未来を作りましょう。
詳しくは概要欄公式ホームページをチェック
ロボティクスは未来を切り拓く株式会社フレアオリジナル
さて親の顔より見た丸刃の回数をいろんな情報を組み合わせて
ざっくりと計算してみたわけですけども
実はこういった手法には名前がついています。
これをですねフェルミ推定と言うんですよ
なんかねこれ有名な言葉なんで知ってる人も多いと思うんですけど
あんな適当などんぶり計算になんかそんな大層の名前がついてるのと思った人
そうなんですついてるんですよ
しかもめちゃくちゃ真剣に研究されている思考法で
トップのねコンサルタントとかね研究者っていうのが普段使いしている武器でもあります
今日の話は実はねフェルミ推定について話そうっていうのがコンセプトの回なんですよ
前段に20分使ったんだけどここからが本編なんですよ
まずフェルミ推定って何なのかって話なんですけど
フェルミ推定はフェルミという人の名前から取られている
そういう手法というかね考え方です
これはエンリコフェルミっていうですね
20世紀を代表する物理学者から取られています
1938年にノーベル物理学賞を受賞したイタリア出身の科学者ですね
彼が有名なのは人類初の核連鎖反応を実現したことで
1942年ですねシカゴ大学のスカッシュコートというところの下に
400トンの黒塩とウランを積み上げたシカゴパイル1号という原子炉を作ったんです
原子炉というかもう400トンって山よね
そういう物を作ってこれを実際に動かして
人類で初めて核分裂反応を制御するということに成功した人物です
アメリカで行われたマンハッタン計画の中心人物でもあって
原爆開発にも深く関わっていた人物ですね
このフェルミさん何がすごかったかというと
とにかく計算の鬼だったわけですよ
この時代ですね彼が活躍した時代はコンピューターどころか電卓もないんですけど
そんな時代にフェルミさんは複雑な物理現象をざっくりとした計算で
素早くかつ正確に見積もる能力が異次元に高かったんですよ
その才能がフェルミ推定という名前を生んだわけですね
ただこのフェルミ氏がフェルミ推定という手法を目的を持って積極的に開発したのかといったらそうではなくて
これは物理学者として生き延びるために自然と身につけた能力で
それに対して後から名前がついたという感じなんですね
当時の物理学って一回実験をやるのに莫大なコストと時間がかかるわけですよ
量子加速機を動かすにも核実験やるにもですね
準備だけで数ヶ月数年かかるような大規模な実験になるわけ
そういう世界だとこの実験そもそもやる価値あるのかということを
実験の準備に入る前に素早く判断できないと
余計なことに数年使っちゃったみたいな
そういう研究者人生をだいぶ無駄にしてしまうということが起きてしまうんですよね
だからフェルミさんはですね
詳細な計算に入る前にまずは桁でどれくらいのオーダーの話なのかな
みたいなものを確認するという習慣を徹底してたんです
その当たり付けですね
詳細な計算に入る前に方向性
だいたいのスケール感を間違わなそうかどうか
それを確認するための計算っていうのを
すごく素早く正確に行うことができたと
これは物理学者として時間というリソースを守るための生存戦略だったわけですね
面白いのはフェルミ氏がですね
シカゴ大学で授業をやってた時に
ものづくりにおけるフェルミ推定の実例：イーロン・マスクとSpaceX
学生の教育にもこの考え方を使ってたんですよ
例えばシカゴに音楽家は何人いるかとか
アメリカで消費されるピアノ線の長さは何メートルかみたいな
そういう問いを学生に対して答えではなくて当然
考え方のプロセスっていうのを徹底的に見て鍛えたと
これはですね今でもフェルミ問題という名前で
教育手法として世界中の大学で行われている
使われているものなんですよ
つまりこのフェルミ推定の本質って答えを出すテクニックではなくて
未知の問題を基地の既に分かっているパーツに分解して
論理でつなぐとそういう思考の筋トレなんですね
ここでこのフェルミ推定というものの本質がよくわかるエピソードを一つ紹介します
これはフェルミ氏に関する逸話なんですけど
ニューメキシコ州の砂漠で人類初の核爆弾ですね
トリニティというものの実験が行われた瞬間の話です
このフェルミ氏はですね爆心地から大体16キロぐらい離れた場所にいたんですよ
そこで彼はですね精密な計測機器を取り出すわけでもなくて
計算機を出してそれを叩くわけでもなく
小さな紙切れを数枚ポケットから取り出したんですね
で核爆発の衝撃波が到達した時に
静かにですねその紙切れを6フィートの高さから落としたと
で衝撃波が通過する瞬間にその紙がどれだけ横にずれていったかっていうのを
目で見て測ったんですよ
でそのフェルミ氏自身の記録によればそのずれっていうのは
衝撃波によって紙がね本来下に落ちるところを横に2.5メートルずれたと
その2.5メートルという事実から彼は即座に計算したんですね
これはどのぐらいの実際の爆薬に換算すると
どれぐらいの力なのか何トン分今のTNTの換算で
何トンの爆発力があったのかというのを
その紙の移動だけで計算したんですね
でその後ね当然その爆発力みたいなものを正確なね
計測器でも計測してるんですけど
実際このフェルミ氏が紙切れを使って測ったその爆発力と
実際計測値で実際その精密な計測器で測った爆発力っていうのは
大体こう2倍ぐらい違ったんですよ
ただ2倍違って全然ずれてるじゃんと思うかもしれないんですけど
精密な装置も時間も使わずに紙切れが飛んだ距離だけで
2倍程度のずれで当てたとも言えるんですよ
オーダーがずれてない1桁2桁違うよっていうことではなくて
2倍程度のずれだよね
当たりをつけるとか大体このくらいだよねって見る上では
その倍違ったとかってそんなに大きな違いじゃないよねっていう場合も
全然あるんですよね
ここがやっぱねフェルミ推定の真骨頂の部分で
完璧な答えを出すんじゃなくて
やっぱ桁を間違えないで近い値に寄せれるかってとこが目的なんですよ
それを紙ペラ数枚でやってのけたっていうのが結構逸話として残ってます
改めて話を整理すると
このフェルミ推定っていうのは正確なデータがない状態で
手持ちの知識と理論的な掛け算割り算だけで
答えの桁数オーダーぐらいが合ってるぐらいの数値を素早く見積もると
そういうための思考法です
例えば日本の電柱は何本あるでしょうみたいなね
調べれば正確な数字出てくるんだけど
今すぐには分かんないじゃんそれって
じゃあ知ってる数字から算出しようと思ったとき
じゃあ日本の道路の長さはだいたいこれぐらいで
国土はこれぐらいでみたいな
電柱はだいたい30mか50本に1本立ってると換算して
だいたい何本ぐらいかなみたいな感じで
そういうふうに概算計算をしていくんですね
実際電柱ってどれぐらいあるかというと
3700万本ぐらい日本には電柱が生えてるらしいんですけど
それを1億本ですとか10万本ですみたいな
そういう桁を誤らないで
だいたいそのぐらいの数千万本ですよっていう
オーダーをちゃんと出せるかどうかっていうことが
すごく大事なのね
精密な計算よりも意思決定に使えるレベルの精度を
素早く出すことにフェルミスEというのは意味があるんですよ
だからこの能力を測る試験って結構
いろんなところで行われていて
有名な会社の入社試験とか
あとコンサルタントの選抜の試験みたいなところで
行われると
マッキン勢とか外資系のトップコンサルファームが
こぞって面接とかにフェルミ推定の問題を取り入れる
ということが結構有名ですね
さっき言った電柱が何本とか
街にあるマンホールはいくつとか
コンビニがいくつあるみたいなことを問う問題ですよ
なんでコンサルとか有名コンサルが
こういうことを入試でやるかというと
やっぱりクライアントの課題を素早く構造化して
限られた情報と時間の中で意思決定を助けるというのが
コンサルタントの仕事なんで
だからこれはこれくらいの規模の話ですよね
っていう概算を出す能力っていうのが
やっぱり仕事の速さと質に直結するんですね
そういう未知のものに素早く当たりをつけていくと
そういう論理的な思考のプロセスこそ
フェルミ推定なんですよ
そしてそれは
未知との戦いの連続である
ものづくりの世界においても
極めて重要な考え方として
重宝されるんですね
オーダーメイド試験機ならお任せ
グラフテスターズデザイン株式会社
ここまであんまりものづくりにつながってないんですけど
今日はここからがメインディッシュでございますね
ものづくりにおけるフェルミ推定の実例：本田宗一郎とドリームE型
フェルミ推定って実はものづくりの世界と
めちゃくちゃ深い関わりがあるんですよというお話です
その実例をですね
いくつかピックアップして紹介しましょう
まず一つ目ね
これめちゃくちゃ有名な話なんだけど
かの有名なね
イーロン・マスク氏の話です
まあこれはね
知ってる人多いと思うんですけども
2002年のことです
イーロン・マスク氏はですね
ロシアに行って
宇宙ロケットを買おうとしたんですよ
本気で稼いに行きたいっていう人ですからね
ロケット
今までこそロケット開発してますけど
当時はロケットを買いに行ったわけだと
当時ロシアのICBNの中古がですね
1機あたりですね
8000万ドルから2000万ドルぐらいしたと
中古でね
それで新品のロケットの場合は
6500万ドルとかしたと
高いですよね
6500万ドルと
イーロン・マスクで大富豪だけど
さすがに高すぎると
ロケット高すぎるなって感じた
イーロン・マスク氏はですね
その帰りの飛行機の中で
スプレッドシートを開いて
こんな計算をしたんですよ
ロケットってそもそも
材料何でできてるかと
国宇宙グレートのね
アルミ合金とかチタン
銅、カーボンファイバー
なんちゃらかんちゃらと
ロケットを構成する部品みたいなものをですね
ひたすらこう
スプレッドシートに書き出していって
実際市場の価格で
いくらで買えるかみたいなものを
横に書いてですね
すげーどんぶり感情なんですけど
それでロケットってだいたい
原価いくらぐらいなんだろうみたいな
ものを計算した結果ですね
その原価っていうのが
今回提示された売り値に対する
2%ぐらいしかなかったんですね
2%
だからロケットの原価自体は
2%で残りの98%
っていうのは製造のコストとか
組み立てのとか開発費用とかね
あとは利益の部分
なわけですよ
ほとんどものの値段ではないと
この事実に
気がついたんですね
素材と素材費と
製品価格の間に
桁数で言えば本当に50倍以上の
開きがあると
でイーロン・マスク氏は
やっぱ普通の人じゃないですから
普通の人とは違う結論を出すわけですね
だったらもう自分で作ればいいんじゃね
と
これがスペースX創業のきっかけになったよ
というお話です
このスプレッドシートの
超どんぶり勘定
ロケット高いなと思ったかえりに
ちょこちょこっと計算した
シンプルなコスト見積もり
シンプルな掛け算の組み合わせですよね
これまさにこう
フェルミ推定の新骨頂なんですよ
厳密にさっき買いに行った
ロケットの値段を
計算してるわけじゃない
ざっくり大体これくらいかな
という当たり付けをしたんですね
設計図を使うわけでもなく
ロケットを構成する素材の量と
市場の価格
という情報をもとに
封筒の裏とか
ダメ紙にパパっと書けるような
計算で
宇宙産業の構造的な非効率
というのを発見したんですよ
ちょっとおかしくね
ここに強い問題意識を持って
スペースXというのを
創業したわけなんで
スペースXロケットって安いんですよね
実際ファルコン9の打ち上げ
コストというのは
1キロあたり
2700ドルと
スペースシャトル
時代は1キロあたり
54000ドルぐらいだったから
ロケットの打ち上げ価格というのは
20分の1ぐらいまで下がっていると
だから
すごいどんぶり勘定
この簡単な推定で
ものづくり構造の
ボトルネックというのを見つけ出して
世界を変えるような会社を開発して
なおも今
バンバン宇宙開発を
進めていると
フェルミ推定がすごいというか
イーロンマスクがすごすぎるという話ではあるんですけど
この考え方が
すごく重要ですよねという話です
ざっくり
計算してみると
未知のものを自分の手で
ざっと計算してみると
当たりをつけてみると
製造業に関わっている人は
1回で自分の製品とか
自分の開発している製品で
これやってみてほしいですよね
あなたの製品
車とかでもいいですよ
原価何パーセントぐらいなんだろうと
金属これぐらいあって
これぐらいの重さだけど
実際これってどのぐらいの素材費なんだろうみたいな
そこに大きなギャップがあるとしたら
もしかしたらこの製造とか
価格決定において
何か大きな歪みみたいなものが
あるかもしれないということです
こんなどんぶり勘定の
フェルミス推定での
コスト計算が
ものづくりの構造の
ボトルネックを見つけ出す
すごく重要な
きっかけになる可能性が
あるよということを
この話は示唆しているかなと思いますね
ものづくりの世界だと
原価で欲しければ自分で作れみたいな
そういう格言もあるんですけど
まさにそれをとんでもない規模で
実現したのがこのスペースX
というわけですよね
やっぱりものづくりの世界でもフェルミス推定
すごい大事でしょ
ただねフェルミス推定での計算
ものづくりの世界ではよくも
悪くも当然働くと
次はちょっと悪く働いた事例を
紹介しますけども2つ目
こちらですね
ホンダ総一郎の話
入れちゃうよねホンダ総一郎の話ね
ホンダ技研工業の創設者
私が愛してやまないものづくりのカリスマ
ホンダ総一郎
これも彼の伝説的なものづくりの中に
フェルミス推定っぽい話
私が勝手にそう思ってるんですけど
が1つあるんでね
これをちょっと紹介したいんですけど
1951年のことですね
当時ホンダの経営パートナー
でもあるんですね
藤沢武雄氏が
静かで力強い
フォーストロークエンジンが欲しいと
ホンダ総一郎に
オーダーしたんですね
エンジンには
フォーストロークエンジン通称フォースト
ってやつとツーストロークエンジン通称
ツーストってやつがあるんですけど
エンジンは
吸気圧縮
爆発排気っていうこの4工程を
行いながらエンジン回転
してるんだけどこの4つの
工程今やった4つの工程を
フォーストローク
つまりピストンの2往復で
行うのがフォーストというエンジンです
吸気圧縮爆発
排気っていう4つの工程を
ツーストローク
1往復で行ってしまうっていうのが
このツーストロークエンジンツーストなんですね
ちょっと細かい説明は
避けますけどちょっと図があった方が
絶対わかりやすいんであんまり今回は細かく
説明しませんけどとりあえずフォースト
ツーストというものがありますよと
でツーストの方が
同じクランクシャフトを
AI時代に輝くフェルミ推定の力
1回回転させるのにも
爆発の回数っていうのが多いんですよ
だって4工程を
ツーストロークでやるか
フォーストロークでやるからと
当然ツーストロークで4工程
全部やっちゃう方が
爆発の回数が多くて
すごくパワーが出るんですよ
フォーストの場合はね
ピストン1つあたりクランクシャフト
2回転で1回爆発するんだけど
ツーストの場合はクランクシャフト
1回転で1回爆発だと
単純に倍違うので爆発の回数
っていうのがフォーストとツーストで
だから同じ排気量のエンジンであったとしても
やっぱツーストの方がパワーが出るんですよ
まあちょっとね
燃焼効率っていうのが悪くて
2倍爆発するから
じゃあ2倍パワーが出るかって言ったら
そんなこともなくてだいたい1.7倍ぐらいの
パワーが出て
燃費も悪いし
あとエンジンオイルっていうのも
ツーストの場合は消耗品なんですよね
車ってエンジンのオイル交換で
定期的にしますけどツーストはオイル交換
とかいらないんですよ
オイル燃えていくんでね
減っていっちゃうんで
ガソリンも給油しなきゃいけないし
エンジンオイルも給油しなきゃいけないっていう
2つ入れなきゃいけない液体があるっていう
そういうエンジンなんだけど
当然それは燃費も悪いし
エンジンオイル燃やして
排気ガスとか出してるから
環境にもあんま良くなくてね
油が出てくるからね排気ガスから
今はそういういろんな問題で
ツーストっていうのはもう法律上
作れなくなってるんですけどね
昔はこのツーストロークエンジンっていうのが
主流だったんですよ
ちなみに私も初めて買ったバイクは
ツーストロークエンジンのバイクで
NS1っていうゲイン付きなんですけど
あれはもう
ザ短気筒ツースト
っていう感じのエンジンで
めちゃくちゃ良かったですね
うるさいし
低回転域のトルクすっかすかなんですよ
全然走らないんですけど
1万回転くらい
バッて開けると
ビンビンビンビンビンビンビンビンビンビンビンビンビンビンビンビン
って言うこれもう今
ツースト知ってる人はああツーストだって思ったくらいの
こんな感じの音がするんですけど
走ってるとね
すっごいマフラーから白煙がもくもく
そこに油が混じってるから
そのバイクの後ろを走ってる車は
油だらけになるっていう
独特の香りも漂ってくると
バイク好きにはたまらないのが
このツーストなんですよね
いやもうねツースト
今見たら煙浴びに行きますもんねみんなありがたありがたいつって 体中にこう2ストの排気がさ浴びるっていうのをまあ
みんなだいたいやるんですけどそれが愛されてたまあエンジンですね 何の話だっけや
あフェルミついての話だもう2ストの話したすぎてちょっと本題忘れちゃいましたけど あのそう
まあとにかくホンダ総一郎は2ストを開発してこうっていう感じだったんだけど 藤沢武雄氏ですねホンダ総一郎の尿部役の藤沢武雄氏がですね
いやもう4スト時代が来るなっていうのを読んでたんですね まあやっぱ時代はフォースだからこっちの方がいいんじゃないかと
こっちの方がいいエンジン作れるしこの燃費もいいし これした方がいいんじゃないというふうにこれで何とか4ストでこういうバイク
作れないかなとホンダ装置に相談したわけですね でもこのホンダ装置とかね秒であの断ったんですよ
藤沢氏が求めるエンジンは4ストロークで出力が出ないともうすぐ突っ跳ねたわけ でもエンジンってさすごい構造複雑だからそんなすぐわかるわけないんですよ
でもこれはやっぱ講義の意味でホンダ装置のなりのフェルミ推定みたいなものを行っている わけ
別に精密なね計算をしたわけでもコンピューターシミュレーションでもしたわけでもなく いやこう求められているこういうエンジンをホースで作った場合は
このぐらいの排気量でこのぐらいの回転数になってまあこういうレイアウトになるから これぐらいのトルクが出るだろうと
じゃあ走り心地はこういう風になって中バイクとして乗り心地悪いからこれは 放送では成り立たんみたいなそういう経験と
その今までの実績に基づく ホンダ総一郎的な当たり付けの計算っていうのがあってですね
藤沢竹吉の求めるものは放送ではできないよっていうふうにすぐ突っ跳ねたんですねそれは無理だと でそういうやっぱもっともっと持っている計算感数値感みたいなものが無理だという結論を
瞬時的に出させて秒で突っ跳ねさせてしまったわけですよ しかしですねこれ面白いのがさすが女房役の藤沢竹吉はですね
そこを何とかって俺は技術のこと全然わかんないけどとにかくこれが必要だからなんとか ダメでもいいから
なんとか開発に着手してくれということでホンダ総一郎を説得するんですよね 説得してこう設計に取り掛からせるっていうことに成功したんですよ
そしていざ設計に取り掛かっていくことになった本田氏はですね なんと2ヶ月で箱根の山が超えることができるようなパワフルな4ストローク
エンジンっていうのを開発してしまいます それがドリーム e 型っていうねあの国内ベストセラーのバイクになっていくわけですけども
やっぱこのホンダ装置のが1回断ったこれはできないっていうふうに断ったっていうところも やっぱフェルミ水程の本質だなと思いますね
数式を解くわけでもなくて知ってることを組み合わせて桁を間違えずに判断するという 能力です確かに本田総一郎が想像してた4ストロークのエンジンの場合はおそらく
あの本当に出力が出なかったんでしょ ただやっぱそこは本田総一郎の凄さみたいなあって着手していく中でいろんな新しい
アイディアみたいなが出て今までにない4ストロークエンジンを作り出してしまったから結局 成し遂げたとねフェルミ水程自体はすごく大事だし
その当たり付けの制度っていうのは大事なんだけどそのたまにそういうね体で覚えた経験則 っていうのは思い込みに変わる瞬間っていうのはあるよね
いや俺の計算だとこれはこうなっちゃうからこれはできないんだと まあそこで止まってしまったらやっぱ新しいも乗って生み出せないんじゃないかなという部分も
あると まあそういうコース成功と失敗っていうのが両方このフェルミ水程に絡んでると思うん
ですよ そしてある意味そのドリームいい方のこんなの成功っていうのは藤沢市のフェルミ水程の
結果とも言えるかもしれないね なら本田総一郎はこれ無理って言ってるけど多分こいつに足時は絶対できるからとに
かく校 設計に取り掛からせようみたいなね
そうすれば結果が出るだろうっていうですねフェルミ水程というか本田推定をした この藤沢竹吉の作戦勝ちで名車が生まれたという話かもしれません
まあ今後続けて2つのエピソードを聞いてもらったわけですけども 伝えたいことは一つでなぜものづくりにフィルミスいてが必要なのか
それは一言で言うとですねものづくりは道との戦いだからです ものを考えるときもの形を決めるときその製品が現実の世界でどう動くのか誰にも
わかんないと 星座ラインを組むときどこにポトルネックが生まれるか動かしてみないとわからないと
新しい素材を使うとき実際の強度がどうなるのか実験してみないとわからないと そういう3つとの戦い方には2つのアプローチがあってさ
一つ目はわかるまで詳細設計をひたすら続けていくと まあ細かく細かく検討して計算をするということでもう一つはまずだいたいこのくらいの
はずだという概算で動いてみてズレを確認しながら修正していくということですね ホンダ装置のテラはやっぱ候補者だったわけ
エンジンを桁で体で知っているからそれでこう算出していくみたいなね イーロンマスクもまた候補者とロケットの原料のその材料費を概算で計算して現実の
売りネットのギャップから問題意識を持ってですねスペース x を立ち上げると 製造業の現場開発の現場においてですね
いつも完璧な情報があるわけではないと当然ないことの方が多いわけですね
しかも締め切りはあるし予算も限られている時間もない そういう不完全な状態で意思決定をし続けるのってすごくプレッシャーがあるというか
負荷のかかることであるんですけどもやっぱものづくりエンジニアリング世界ってそういう ことの繰り返しなんですよね
そこで武器になるのが一つフェルミ推定の思考なんですよ 桁を間違えない大体のオーダーでパッと形を計算できると大切な変数を見抜くと
外産で考えて動いて現実からこうフィードバックしていくみたいなね これをやっぱりものづくりのエンジニアがずっとやってきたことであって
フェルミ推定っていう言葉で説明されていなかったかもしれないけど 本質的に同じことをやっているんですよ
これがやっぱり改めて意識的にやれるようになるともっと早くてもっと賢い 意思決定とかものづくりができるようになるんじゃないかなと私は思うんですよね
さてここまでずっとフェルミ推定の話してきましたけど なんで今日こんな急にフェルミ推定の話をし出したかというとですね
こういう考える力っていうのがこれからの時代より大事になるんじゃないかなとね 最近常々思うからですよ
ここ数年でさやっぱ AI によってものすごく我々のこの仕事のやり方とか世界が変わってきてるじゃないですか
AI ってものが仕事の中とか我々のこのものづくりの開発の中にすごい入ってきてるわけね
設計の補助もそうだしコードの生成資料の作成もどんどんと AI がやれるようになってきてると
製造業の現場においても別にそれは例外じゃなくて検査の自動化とか その需要の予測とか工程の最適化とかAI が扱う領域ってどんどん広くなってきてるんですよ
今週なんかさ SNS とかで町工場でバイブコーディングみたいな 町工場本当に工作機械で金属を削ってるよみたいな現場で
実際 AI で作ったオリジナルの図面管理ツールを活用してますよみたいなニュースが出てたりしてましたね
そっちの話で詳しくは兄弟番組のものづくりと視点の方で語ってますから
ぜひともそっちを聞いていただければなと思いますけどリンクを貼っておきますね とにかく AI によってだいぶ働き方変わったよねという部分があります
こういう話をすると必ず今後 AI によってエンジニアの仕事どんどんなくなるよね
エンジニアの価値なくなっていくよねみたいな不安になる人とか不安を煽る人が出てくるんですけど
私はやっぱりちょっと違う見方をしていて AI ってデータを扱ったりするのはすごく得意なんですよ
めちゃくちゃ得意なんですけどそもそも何を計算すべきかみたいなものを判断するのって
やっぱ専門領域においては意外と苦手なんですよ 例えばこの製品の市場規模を予想してくださいみたいな感じで AI に頼んだとするじゃない
AI は過去のデータからそれなりに筋の通った立派な数字を返してくれますと
でもその数字の前提条件は何かとかトレンドは5年以上続くかとかそもそもこの意思決定に必要なのかみたいな
そういうクリティカルな部分の判断ってやっぱり人間がやらなきゃいけないんですよね
技術が民主化される時代っていうのはつまりツールを使えるということに関して差がどんどんなくなっていく時代だと思うわけ
言い換えると例えばキャドを使えるとかさ シミュレーションソフトが使えるとかね
かつてはこのソフトウェアを扱えるこの技術を扱えるということがスキルだったんだけどそれがだんだんコモディティ化していくわけですよ
しかもかつては技術だったものがツールとしてパッケージ化されて民主化にされていくと誰でも使えるようなものになっていくというのがやっぱ技術の民主化の流れです
そしてその流れっていうのはAIによってどんどん加速しているという現状があります だからかつてこれが使えるよ俺はこれが使えるからこれで食っていけるんだみたいな
他の人との差だったものがどんどん差でなくなっていくとこれは事実としてあると思います じゃあ専門領域とかそこらへんの仕事全部AIに代替されてしまうんですか
ツールで代替されてしまうんですかって言ったらやっぱそういうことではなくて そんな時代においてこそ差になるのが何を問うかとか
どんな問いを立てるかっていうセンスだと思うんです だからフェルミ推定はまさにその問いを立てる力とか答えを桁で見抜く力っていう部分で
すごく今の時代に必要な力とマッチしてくるんじゃないかなと そのための訓練になるんじゃないかなと思うんですよ
ちょっと考えてみてほしいのは フェルミ推定ってねやっぱ最初に問いを分解するところから始まるんですよ
私が冒頭に話したね親の顔を何回見るのかみたいな話あるじゃない まずはこの問いのフォーカスねそれを考えてみようっていうところに
一つ問いのオリジナリティがあるとそしてこの問いに対して じゃあどうやって考えようかな1日に見る顔の回数を計算しようかなとか
でも年代によって違うよねと見るの定義でそもそもどういう風に定義すればいいんだろうと こういう問いをどんどん砕いて小さなとに分解していくわけ
これ ai に仕事をお願いする時も全く同じ構造の能力が必要なんですよ いい感じに設計してとかいい感じに回答してじゃなくて
この果樹の条件でこの材料でこのコスト以内で軽量化の余地どこにありますかみたいな という分解して投げかけてあげることで ai は欲しい回答ってのをくれ
安くなりますプロンプとエンジニアリングなんてね話をよく聞きますけど あれの本質ってまさにそこでさ
ai をうまく扱える人って結局 問いを精密に分解して構造化できる人なんですよ
よく日本語がかける人とか言葉がねうまい人みたいなことを言うんですけど これ言葉がうまいってその表現が面白いとか表現がわかりやすいっていうことではなくて
ちゃんと構造化して分解できてるかっていうことなんですよ それを ai にインプットしてあげるとそれがねやっぱ重要なんですね
フェルミス推定の能力を鍛えることって実は今の時代に ai 時代においては ai を扱う上で結構 このコアスキルを鍛えることにつながっていくと思うんですよ
だからフェルミシーがですねまぁ約80年前ぐらいにこう物理学者として磨いたスキル っていうのが今 ai前世紀になってですねまた別の理由で猛烈に必要になってきている気が
すると私はねそう思うんですよ歴史は繰り返すってよく言いますけど 今まさにその能力っていうのがすごく求められてるんじゃないかなと思います
でじゃあフェルミ推定の能力って 磨けるのそもそもという話なんですけど
いや才能とかセンスがある人が頭のいい人がねパッとできる奴でしょと思っている人 いるかもしれないですけどこれ全然そんなことないんですよ
これちゃんと研究で証明されています フェルミ推定能力っていうのは努力によって磨いていけると
これはですねあのスプリンカー車というところが出している 世界で最も歴史のある数学教育研究の国際学術史の一つである
zdm 数学教育師というものがあるらしいんですけど そこに掲載されたスティム教育の文献調査によるとですね
フェルミ推定の手法は訓練によって習得できることが実証されていると もう明確に結論付けられていますだからこれって才能の話じゃなくて訓練の話なんですよ
じゃあ具体的にどうやってこのフェルミ推定の能力っていうものを磨いていくかと これで3つあるんですね
一つ目は問いを分解する練習を繰り返すこととさっきも言いましたけど フェルミ推定の本質っていうのは大きな問いを自分が見積もれる小さなとに分解して
いくっていう能力の連続なんですよ それが重要とよくね偉人の言葉にもありますけど何問は分解せよという言葉があります
うわぁこれどっから考えてかわかんない難しいなって思うのはその難しいけど自分が見積もれる 問いが答えれる小さな問いにとにかく分解していくことが重要なんですね
でまぁそのまさに例えばフェルミ推定の問題で一番定番なのがさピアノ調律師は何人いるか みたいなねこの国ピアノ調律師は何人いますかみたいな問いに対して
日本の人口はいくらなんだろうとかさピアノはどれくらいの家にあるのかなろうとか 調律の頻度ってどれくらいでするんだろう
1日に何台調律ってこなせるもんなんだろうみたいな感じで問いを分解していくと その過程でフェルミ推定が出来上がるフェルミ推定のロジックで考えることができるっていう
フェルミ推定能力の磨き方と実践
土台が出来上がっていくわけですね でこの試行プロセスっていうのは実際フェルミ推定を繰り返すことによって反復練習で確実に上手く
なるということがもうわかっています 実際に研究ではですね中学3年生の生徒に対してそういう訓練を重ねることでですね
こう観察していくとその計測予測 推定のスキルっていうのが明確に向上されたっていうことが示されているんですねだから才能の
話なんですよ動力の話なんです でじゃあフェルミ推定どうやって鍛えていくかっていうことの2つ目はですね
推定したら必ず答え合わせをしてスコアをつけることっていうのが実は重要らしくて ここがで一番重要だと言われていますかつ一番見落としやすいポイントね
これも研究結果があるようでこの研究で明らかになったのは 優れたフェルミ推定を行えるその予測者っていうのは共通にしている習慣は予測答え合わせ
振り返りっていうサイクルを意識的に回すということだったんですね だから後から答え合わせをしてあーこれ全然オーダー外れてたのどこが違ったんだろうとか
いいとこ行ったなっていうフィードバックを積極的にやってたんですよ これはその自転車の乗り方って物理の教科書を読んでも学べないでしょと
良いフィードバックっていうのは実践あるの日だと だから結局フェルミ推定っていうのも自転車を乗るかのごとくですねあーうまく今乗れ
たバランス取れてるなーとか転んだっていう そのループを繰り返しながらだんだんこうはこの分解の仕方いいよね
あーこれちょっと良くなかったよねっていうのを肌感覚でこう 学んでいくとこれが実は一番効くということがでも分かっているんですよね
予想が当たって外れたって記録をつけたりとか なぜずれたのかを検証するとそれだけでフェルミ水で能力がぐんぐん上がっていくんですね
これが2つ目のコツです3つ目フェルミ推定の能力を上げるためのコツは フェルミ推定のやり方の事例を知っておくということです
こういう問題の場合こういうふうに分解されたんだなっていう事例を知っておいて それをちゃんと腹落ちさせておくこともすごく重要なんですね
まあこれはいわゆる抽象化の能力でこの事例はこういうふうに解決したんだね不運 じゃなくてこういう事例があるからじゃあ今俺が考えている問題はもしかしたら
こういう分解ができるかもしれないと 過去のフェルミ推定とか自分が行ったことに対して抽象化してまた再利用できるような
そういう能力を磨くためにフェルミ推定実際どういう形で済んだのかという事例をいっぱい 知っておくっていうことがその能力を上げる上で結構重要になるっていうことなんですね
私はこの話を一言でまとめますけどフェルミ推定を体系的に勉強しましょう ということでございます
なんかねビジネス系ユーチューバーがフェルミ推定フェルミ推定言ってるぞ というふうに知ってますよっていう人がいると思うんですけどじゃあフェルミ推定に関する本を実際読んだこと
ありますかと言われてはいと手が上がる人意外と少ないんじゃないかなと思うんですよ 私はもう何事も一回本読んでちょっとこの概念について勉強してみようって言って本読む人だから
やっぱりその体系的に勉強してみると今言った3つのコツっていうのが全部5網羅できます からね
またも実践あるのみっていう感じですけどだから 私は毎回この番組の中でこういうアクションぜひとも起こしてくださいっていうお勧めポイント
みたいなやつを明示的に盛り込んだり この隠れて入れたりするわけですよ今日は明示的に盛り込みます
フェルミ推定に関する本を読みましょうぜひとも あのねおすすめの本は世界より貼っておくんで私のね
アフェリエイトリンク貼っておきますからここから購入していただけると私にちょっとずつ お小遣いがチョリチョリときますからね皆さんは賢くなって私もお財布がちょっとだけ売ろうと
ほんのちょっとだけですけど本のアフェリエイトなんて だけどお互いウィンウィンですからねぜひともあのフェルミ推定ねあの興味を持って勉強してみるといいん
じゃないかなと思いますと というわけでねあの今回フェルミ推定についていろんな角度からお話しましたけども
まあねこう勉強するのもいいけどまあ勉強する前に1回自分でこう なんか一つ推定してみるといいと思いますよ
まあその私が最初にあったね親の顔より見た丸々の丸々の回数 自分なり予想してみましたっていうのでもいいと思うし
結構で代表的なやつですねさっきの電信柱の話でもいいと思うし自分がちょっと今 気になっていることを推定してみましょうでもいいと思いますとにかくなんか
フェルミ水でできそうなものないかなぁとかねそういうものを探してみるといいと思います 自分が今まで飲んだコーヒーの量いくつだとかそういうのでもいいと思いますよ
今まで食べたパンの枚数とかね もしかしたら猫ジョジョの音ディオブランドを気に入られて
お前は今まで食べたパンの枚数を覚えているのかというふうに問われる可能性もあります からね d 王様にその時にこうパッと答えられるとね
かっこいいんじゃないかなということで今まで食べたパンの枚数もぜひともね推定して みてください
まあなんでもいいんですけどできればでも世の中に答えがあるものの方が答え合わせが できるからいいと思いますねパンの枚数とかね
親の顔を見た回数って絶対的な答えがないから予想で終わっちゃうんだけども なんか一つでいいテーマを見つけてやってみるといいんじゃないかなと思います
まあそういうね試してみるってことが一方フェルミ推定のその頭の筋トレの始まりですよね というわけで今回はね以上となりますフェルミ推定ってねまあ就活のテクニックでも
コンサルの面接対策でもなくですね 未知の問題に向き合い続けるエンジニアのための基礎体力だと思うんですよだからもの
作りをやっている人はですねぜひとも磨いてほしいスキルでございます
というわけでここからクロージングトークです あのまあ今日もね京都って1時間ぐらい喋っていますけども
聞いてわかる特にですねあの度復活しました本当にありがとうございます皆さんご心配おかけいたしました 前回ですね ai 支部長の登場によってですね
ちょっと半分半分じゃねほぼほぼ全部ですね a 私の ai 音声に番組読ませるということをやったんですけどまぁ意外と好評
でしたね た一つねちょっと失敗したなと思うのは失敗したなというか直したいなって思う部分は
あの私なんかどうやら前回ですね 番組を間違えてたらしくて
ものづくりの視点はというところからで始まってしまっていたらしいですね でも前回ものづくりのラジオとだったんですけど
兄弟番組の方のタイトルを言っているとこれは大ミスしましたね 細かい部分であるし
ものづくりの視点なんて毎日やっている番組ですからねもう口なじみそっちの方がしてしまっ て逆にものづくりのラジオの方が週1でしか言わないからちょっと釣られちゃった部分は
あるんですけどあの気にせずに聞いていただければと思いますね 実際に何のツール使ったかっていう話をね前回しなかったんですけど
もう落ち着き a ラジオの方でも喋ってるんですけどイレブンラボ図っていう ai のツールがありますとまぁちょっと課金しないと使えないんですけど
課金するとですね自分のその一人喋りの音源とかあればそれをぶち込んでおくだけで あのぐらいのクオリティーの音言葉が喋れるような ai をすぐ構築してくれ
ますからもしも興味があるから特にポッドキャスターの方で1回自分の ai 音声作ってみたいなっていう方は イレブンラボ図で使ってみるといいんじゃないかなと思いますね
そのイレブンラブズの音リンクも概要に一応貼っておきますので興味ある方は是非とも 見てみてください
というわけで今回はここまでとさせていただきます私は支部長技術研究所という 技術ブログも運営します
また x 毎日役立つ技術情報の発信を行っておりますのでお願いします 共同番組ものづくりの視点も毎週月曜日から金曜日まで集合で配信中です
10分ぐらいで聞けるものづくりの話しますしそちらも聞いてください またですね面白肉スラボというリスナー向けコミュニティも運営しておりますこちらは私と
もっと交流しましょうとか あのリスナーさん同士で交流しましょうということを目的としたコミュニティとなっております
無料でメンバー登録もできますのでぜひとも登録してみてくださいまた有料 メンバーシップ500円で月が500円のメンバーシップもやってるんですけど
こちら入っていただけるといつもの配信でしないような突っ込んだし毎週日曜日にして ますけどそれが聞けるようになりますからね
してもそちらもよろしくお願いいたしますでここから重要ですよこのものづくりのラジオ いいなぁと思っていただけた方はですね番組のフォローと後各ポッドキャストアプリで評価の方を
よろしくお願いしますアプリからねあの星5評価ってパチってつけれますんで ぜひともですねアーキーを良かったなぁと
足部所さん頑張ってなと思ったら星5の評価方をつけていただけるとね 非常にありがたいです皆さんが2秒でできる私への応援となりますからねよろしくお
願いいたします またお便りも随時募集しておりますからね
この番組の要望とか感想とかで私への文句でも何でもいいんですけどいただければですね あの適切に返していきますのでぜひともあのお便りいただけると嬉しいです
というわけで今回はここまで以上 支部長でしたではでは
