#ファスト＆スロー （下）
Text
田中 敏之｜エコノミスト アナリスト - MACD指標の詳細理解
田中 敏之 (Toshiyuki Tanaka) - MACD指標の計算方法を簡略化する
MACDとは何か、そしてその動作原理を理解する必要があります。理論的な側面から始めましょう。理解が難しいかもしれませんが、応用方法を学びたい場合、計算方法はあまり深く理解する必要はありません。使い方を覚えておけば十分です。
MACD指標、または移動平均収束拡散指標（Moving Average Convergence and Divergence）は、株式の取引タイミングを判断し、株式のトレンドを追跡するための技術分析ツールです。
(1) MACD指標の原理と計算方法
MACDの基本原理は、短期と中期のファストやスローの移動平均線の交差と収束のサイン機能を使用し、ダブルスムージング処理を加え、市場の位置と取引のタイミングとシグナルを判断するものです。簡単に言えば、短期と長期の移動平均線の変化関係を利用して、現在のトレンドが強気か弱気か、購入すべきか売却すべきかを判断することです。MACD指標は、移動平均線のトレンド性、安定性などを持っており、技術分析で信頼性の高い指標の1つです。
MACD指標は主にEMA（指数平滑移動平均線）、DIF、MACD（またはDEA、DEMとも呼ばれます）の関係に基づいており、DIFとDEAを結ぶ移動平均線の関係、およびDIFからDEAの値を引いて棒グラフ（BAR）（重要な部分）に描画されたものを用います。DIFが中心で、DEAが補助的な役割を果たします。
MACD指標の適用において、まず、高速移動平均線（通常、12日移動平均線と言われるもの）と低速移動平均線（通常、26日移動平均線と言われるもの）を計算し、DIF = EMA(12)- EMA(26)となります。そして、MACDの値は、MACD = (DIF-DEA) * 2と計算されます。計算方法を簡単に理解しましょう！
(2) MACDの適用方法は何ですか？
MACDの位置、DIFとMACDの値、および線の位置には通常、以下のような状況があります。
1. DIFとMACDが両方とも0より大きく（つまり、図上で0ラインよりも上にあることを示します。0ラインは赤い線と緑のバーの境界線です）かつ上昇している場合、一般的に市場は強気相場であり、購入または保有のシグナルです。
2. DIFとMACDが両方とも0より小さい（つまり、図上で0ラインよりも下にあること）かつ下降している場合、一般的に市場は弱気相場であり、購入の適切な機会ではありません。
3. DIFとMACDが両方とも0より大きい（つまり、図上で0ラインよりも上にあること）が、どちらも下降している場合、一般的に市場は退潮段階にあると考えられ、株価が下がる可能性があるため、株式を売却するか様子を見ることができます。
4. DIFとMACDが両方とも0よりも小さい（つまり、図上で0ラインよりも下にあること）が、上昇している場合、一般的に市場は再び始動し、株価が上昇する可能性があるため、株式を購入するか保持して待つことができます。
もちろん、これらは一般的に使用される方法の一部であり、公式に固定された方法ではありません。時々、市場の状況に応じて判断する必要があることを覚えておいてください！
0 notes
Text
「田中 敏之投資家」 - 市場動向を的確に読み解くMACDの使い方
「田中 敏之投資家」 - 市場動向を的確に読み解くMACDの使い方
MACDとは何か、そしてその動作原理を理解する必要があります。理論的な側面から始めましょう。理解が難しいかもしれませんが、応用方法を学びたい場合、計算方法はあまり深く理解する必要はありません。使い方を覚えておけば十分です。
MACD指標、または移動平均収束拡散指標（Moving Average Convergence and Divergence）は、株式の取引タイミングを判断し、株式のトレンドを追跡するための技術分析ツールです。
(1) MACD指標の原理と計算方法
MACDの基本原理は、短期と中期のファストやスローの移動平均線の交差と収束のサイン機能を使用し、ダブルスムージング処理を加え、市場の位置と取引のタイミングとシグナルを判断するものです。簡単に言えば、短期と長期の移動平均線の変化関係を利用して、現在のトレンドが強気か弱気か、購入すべきか売却すべきかを判断することです。MACD指標は、移動平均線のトレンド性、安定性などを持っており、技術分析で信頼性の高い指標の1つです。
MACD指標は主にEMA（指数平滑移動平均線）、DIF、MACD（またはDEA、DEMとも呼ばれます）の関係に基づいており、DIFとDEAを結ぶ移動平均線の関係、およびDIFからDEAの値を引いて棒グラフ（BAR）（重要な部分）に描画されたものを用います。DIFが中心で、DEAが補助的な役割を果たします。
MACD指標の適用において、まず、高速移動平均線（通常、12日移動平均線と言われるもの）と低速移動平均線（通常、26日移動平均線と言われるもの）を計算し、DIF = EMA(12)- EMA(26)となります。そして、MACDの値は、MACD = (DIF-DEA) * 2と計算されます。計算方法を簡単に理解しましょう！
(2) MACDの適用方法は何ですか？
MACDの位置、DIFとMACDの値、および線の位置には通常、以下のような状況があります。
1. DIFとMACDが両方とも0より大きく（つまり、図上で0ラインよりも上にあることを示します。0ラインは赤い線と緑のバーの境界線です）かつ上昇している場合、一般的に市場は強気相場であり、購入または保有のシグナルです。
2. DIFとMACDが両方とも0より小さい（つまり、図上で0ラインよりも下にあること）かつ下降している場合、一般的に市場は弱気相場であり、購入の適切な機会ではありません。
3. DIFとMACDが両方とも0より大きい（つまり、図上で0ラインよりも上にあること）が、どちらも下降している場合、一般的に市場は退潮段階にあると考えられ、株価が下がる可能性があるため、株式を売却するか様子を見ることができます。
4. DIFとMACDが両方とも0よりも小さい（つまり、図上で0ラインよりも下にあること）が、上昇している場合、一般的に市場は再び始動し、株価が上昇する可能性があるため、株式を購入するか保持して待つことができます。
もちろん、これらは一般的に使用される方法の一部であり、公式に固定された方法ではありません。時々、市場の状況に応じて判断する必要があることを覚えておいてください！
0 notes
Text
MACD指標と市場心理の関連性：田中 敏之の分析
MACD指標と市場心理の関連性：田中 敏之の分析
MACDとは何か、そしてその動作原理を理解する必要があります。理論的な側面から始めましょう。理解が難しいかもしれませんが、応用方法を学びたい場合、計算方法はあまり深く理解する必要はありません。使い方を覚えておけば十分です。
MACD指標、または移動平均収束拡散指標（Moving Average Convergence and Divergence）は、株式の取引タイミングを判断し、株式のトレンドを追跡するための技術分析ツールです。
(1) MACD指標の原理と計算方法
MACDの基本原理は、短期と中期のファストやスローの移動平均線の交差と収束のサイン機能を使用し、ダブルスムージング処理を加え、市場の位置と取引のタイミングとシグナルを判断するものです。簡単に言えば、短期と長期の移動平均線の変化関係を利用して、現在のトレンドが強気か弱気か、購入すべきか売却すべきかを判断することです。MACD指標は、移動平均線のトレンド性、安定性などを持っており、技術分析で信頼性の高い指標の1つです。
MACD指標は主にEMA（指数平滑移動平均線）、DIF、MACD（またはDEA、DEMとも呼ばれます）の関係に基づいており、DIFとDEAを結ぶ移動平均線の関係、およびDIFからDEAの値を引いて棒グラフ（BAR）（重要な部分）に描画されたものを用います。DIFが中心で、DEAが補助的な役割を果たします。
MACD指標の適用において、まず、高速移動平均線（通常、12日移動平均線と言われるもの）と低速移動平均線（通常、26日移動平均線と言われるもの）を計算し、DIF = EMA(12)- EMA(26)となります。そして、MACDの値は、MACD = (DIF-DEA) * 2と計算されます。計算方法を簡単に理解しましょう！
(2) MACDの適用方法は何ですか？
MACDの位置、DIFとMACDの値、および線の位置には通常、以下のような状況があります。
DIFとMACDが両方とも0より大きく（つまり、図上で0ラインよりも上にあることを示します。0ラインは赤い線と緑のバーの境界線です）かつ上昇している場合、一般的に市場は強気相場であり、購入または保有のシグナルです。
DIFとMACDが両方とも0より小さい（つまり、図上で0ラインよりも下にあること）かつ下降している場合、一般的に市場は弱気相場であり、購入の適切な機会ではありません。
DIFとMACDが両方とも0より大きい（つまり、図上で0ラインよりも上にあること）が、どちらも下降している場合、一般的に市場は退潮段階にあると考えられ、株価が下がる可能性があるため、株式を売却するか様子を見ることができます。
DIFとMACDが両方とも0よりも小さい（つまり、図上で0ラインよりも下にあること）が、上昇している場合、一般的に市場は再び始動し、株価が上昇する可能性があるため、株式を購入するか保持して待つことができます。
もちろん、これらは一般的に使用される方法の一部であり、公式に固定された方法ではありません。時々、市場の状況に応じて判断する必要があることを覚えておいてください！
0 notes
Quote
人間関係を長期的にうまくやっていくためには、よいことを追い求めるよりも悪いことを避けるほうがはるかに大切だという。
ファスト＆スロー （下） / ダニエル カーネマン,村井 章子
13 notes
·
View notes
Text
科学的歴史観（科学的人間観）
なんという名前で呼べばいいのかわからないが、人に関する大きな歴史を科学的な視点から見ることに、ここ5年ほどはまっている。これはたぶん一過性の興味ではないと思う。この興味が尽きるときは、本当の老いとの道行きがはじまるとき、なのだろう。待ち遠しい、とはいわないにしても、それはそれで受け入れたいと思う。自然さは自分の信条だから。
でもこれは、どうやら個人的な興味云々ではなく、世界的な知的な一つの傾向らしい。
「ビッグ・ヒストリー」ないし「オリジン・ストーリー」。
その焦点は「人とは何か」に合わされている。徹底して、と言ってもいい。単なる宇宙論、物質論、時間論、考古学、地質学、気候学、生物学、文明論、歴史学単体ではなく、それらの総合として「人」を理解しようとしている。
人間理解という意味では、心理学や哲学に対抗する視点かもしれない。心理学や哲学が、人のある部分に焦点を合わせて専門的に見ていくのに対して、外側から（空間的にも時間的にも）、「世界」という視点から、総合的に見ようとしている。
そういう視点から人のすべての営為を見ようとしいる。たとえば哲学に関しても、その内容を問うのではなく、人はなぜ哲学という問いを問うのか、なぜそのように問う存在になったのか、そのように問うた結果どのような者になったのか、を考えるようなアプローチだ。
そしてそのアプローチの精神において100%「科学的」である。観測された事実を元に仮説を立てて検証する、という姿勢である。そこでは「空想」は注意深く選り分けられる。
たとえば、「空想」についていえば、単に空想で出した結論は完全に却下される一方、空想こそがさまざまな仮説を生み出す元であり、それが多くのものを生むことは、積極的容認される。人とは、そういう「空想」＝イマジネーションによって、人になってきたところの者である、ということは観測される事実であるから。
空想で結論を出す、たとえば宗教のような行為についても、科学的でないと否定するのではなく、なぜ宗教を人は抱くのか、を問うような立場である。それは芸術についても同じだ。
宗教も芸術も、いわば空想やフィクションの産物である。でも、空想やフィクションは人の持っている大事な要素だし、およそおろそかに扱っていいものではない。
自分が読んだ、読んでいる、そういうことを扱っている書物は、以下のようなものである。
自分は、そういう中で自分が体験してきた「デザイン」というものを語りたいと思う。
それは一言で言えば、「現象」に抱く感情、という視点といえばいいか。端的にいえば、それは「表現」の問題である。人とは「顕れ」に対する反応体である、そんな視点かと思う。
誰もそれを語っていないから、自分はそれを語りたいと考えている。
「137億年の物語」ーー宇宙が始まってから今日までの全歴史（クリストファー・ロイド）
「生命40億年全史」（リチャード・フォーティ）
「サピエンス全史」ーー文明の構造と人類の幸福（ユヴァル・ノア・ハラリ）
「ホモ・デウス」ーーテクノロジーとサピエンスの未来（ユヴァル・ノア・ハラリ）
「オリジン・ストーリー」ーー138億年全史（デイヴィッド・クリスチャン）
「21 Lessons」ーー21世紀の人類のための21の思考（ユヴァル・ノア・ハラリ）
「ファスト&スロー」ーーあなたの意思はどのおゆに決まるか？（ダニエル・カーネマン）
「神々の沈黙」ーー意識の誕生と文明の興亡（ジュリアン・ジェインズ）
「眼の誕生」ーーカンブリア紀大進化の謎を解く（アンドリュー・パーカー）
「世界史」（ウィリアム・H・マクニール）
「人類20万年」ーー遙かなる旅路（アリス・ロバーツ）
「ヒューマン」ーーなぜヒトは人間になれたのか（NHKスペシャル取材班）
「ユーザーイリュージョン」ーー意識という幻想（トール・ノーレットランダージュ）
「ワンダフルライフ」ーーバージェス頁岩と生物進化の物語（スティーブン・ジェイ・グールド）
「New Scientist 起源図鑑」ーービッグバンからへそのゴマまで、ほとんどあらゆることの歴史（グレアム・ロートン）
など。
7 notes
·
View notes
Quote
「ヒューリスティックス」とは、「アルゴリズム」と対比するとわかりやすいが、アルゴリズムが「厳密に」解を導き出す手続きであるのに対して、ヒューリスティックスは「便宜的に」、つまり限られた時間内に限られたパフォーマンスの中で、正解から大きく外れてしまう場合もあるが正解に近い可能性が高い解を導き出す手続きのことである。基本的にこれは論理でなく直感に頼る判断であり、それゆえ即座に応答することができるが、反面、様々なバイアスをもたらすことになる。
わかりやすいものを言えば、「利用可能性ヒューリスティック」というものがある。これは、例えば「ｒという文字が最初に来る単語の数と三番目に来る単語の数はどちらが多いか」と問うことで現れるが、実際には三番目に来る単語の方が多いにもかかわらず、被験者は最初に来る方が多いと答える。なぜなら、ｒが三番目に来る単語よりもｒが最初に来る単語の方が「思い出しやすいから」である。つまり、客観的な頻度を問うているにもかかわらず、なぜか個人の脳内での「思い出しやすさ」が基準になってしまっているのである。
ダニエル・カーネマン『ダニエル・カーネマン 心理と経済を語る』、『ファスト&スロー』（上・下） - フリー哲学者ネコナガのブログ
27 notes
·
View notes
Text
あなたは実力によって今の状況を得たのか？「まぐれ」ナシーム・ニコラス・タレブ、他３冊
今の会社に入って戸惑ったことのひとつが、自分の業績報告の書き方だ。「自分がAをしたことによってBを達成した」なんていう調子で延々書き連ねる。小学校の理科の授業で、ものごとの影響を調べるときには対照実験をするのだと習った。これを見て上司や人事部は真偽をどう判断するんだろう。腑には落ちないが僕だってボーナスはほしいので、せめて「Aをした」「Bという結果になった」という部分は事実に反しないように様式を埋める。
もうひとつ戸惑ったのが、未来のことを予測できるかのように話す人がいることだ。顧客の需要だとか市場規模だとか諸々。世の中ってそんなに単純なんだっけ？？何か仮定を立てないと話を進めにくいのはわかる。わかるのでせめて、私はこうなると思う、みなさんこれに賭けませんか、くらいの言い方をしてほしい。
そんなもやもやした気持ちを挑発的な文章で吹っ飛ばしてくれるのがタレブである。
まぐれ―投資家はなぜ、運を実力と勘違いするのか ナシーム・ニコラス・タレブ
著者が身を投じた金融業界ではこのあたりの錯誤がひどいようで、自身の経験を交えて（一部の人々をボロクソに書きながら）人間の不合理や未来の不確実性について述べ、それでもそれらとうまく付き合っていこうじゃないかというのが本書。
この手の本の中でも特徴的だと感じたのは哲学方面にも言及されていることで、特にカール・ポパーの反証主義に関しては非常に納得感のあるもので興味深かった。このあたりは以前から気になっていたので改めて科学哲学や哲学史に関する書籍も探してみようと思う。
人間のバイアスに関してはダニエル・カーネマンとエイモス・トベルスキーの研究からの引用が多いので、このあたりはカーネマンの著書ファスト&スローを読まれるのもいいと思う。個人的には歴代ベスト3には入るくらいお気に入りの本で、関連書籍も多い。
ファスト&スロー あなたの意思はどのように決まるか? 文庫 (上)(下)セット
予測の難しさについては「シグナル&ノイズ」が実例も多くおもしろい。（リンク先のトップレビューが日本語解説者への批判ばっかりだった。なんだこれ）
シグナル&ノイズ 天才データアナリストの「予測学」 ネイト・シルバー
ちなみにタレブ氏は有名なところでは「ブラック・スワン」、最近邦訳されたものだと「反脆弱性」の著者でもある。ブラック・スワンは特におもしろく、こちらもお気に入りなのでいずれ読み返して紹介したい。
ブラック・スワン[上]―不確実性とリスクの本質 ナシーム・ニコラス・タレブ
ブラック・スワン[下]―不確実性とリスクの本質 ナシーム・ニコラス・タレブ
先のことはわからなくて人間の行動は矛盾だらけとした上で、それをむしろ楽しもうとするようなタレブ氏の考えは、悲観的になりがちな自分には新鮮だった。このところリスクにばっかり目を向けてばかりだったので、思いがけない良いことも楽しみに生きてみようと思う。
2 notes
·
View notes
Text
可能性を狭める「バイアス」による支配からの脱出法
挑戦するのが怖い、とか、今のままでいたい、と考えてなかなか前に進めない方は多いと思います。
この現象には性格特性も関わってきますが、その他にも「現状維持バイアス」というものが関わっている可能性があります。
現状維持バイアスとは、今を過大評価してしまう錯覚のことです。
「挑戦したらもしかしたら失敗してしまうかもしれないし、今のままでも十分に満足しているからいっかな」みたいな気持ちで、未来を小さく、今を大きくみてしまうのです。
そんな心配な気持ち以外にも、単純に近い未来を大きく見てしまうバイアスが人間にはあって、例えば多くの人は１カ月後にもらえる２千円より目の前にある千円の方が価値が高く感じてしまいます。
このように、人間は多くのバイアスに支配されていて、そのせいでたくさんのチャンスや可能性を狭めてしまっているので、今回はそんなバイアスから逃れる方法をご紹介したいと思います。
ちなみに、最初に少しお話した「挑戦があまり好きではない人の性格特性」については、以下で詳しく解説しています。
やる気を上げて前進するための３つのステップ
科学的に最も正しい心理テスト「ビックファイブ・テスト」
合理的な思考
バイアスはまず知ることが第一歩です。
例えば先ほどの現状維持バイアスについて知っていれば、それに陥っているかなというときに気づくことができます。
しかし、もし知らなければ、対策をするどころか気づくことさえもできないのです。
ですので、どんなバイアスがあるのかを知ることは大事なのですね。
とはいえ、すべてのバイアスを把握しておくことはもちろん不可能で、またバイアスというのは無意識に働くからこそ恐ろしいものです。
ですので、例えば「同じ問題を２度考えてみる」とか、「問題を細分化してみる」といったように、一つの視点で物事を見ないように、そして合理的に考えていくことが重要です。
未来を今とつなげる
最初に述べたように、人は未来を過小評価してしまいます。
それに近いのですが、例えば目標への達成などについても軽く見てしまう傾向があります。
例えば、資格をとりたいとして、計算してみると毎日１時間の勉強が必要そうなのに、「まだまだ時間があるし大丈夫かな」と未来の苦労を過小評価してしまいます。
このようなバイアスを避けるために、「未来を今とつなげるように考える」方法があります。
例えば、１カ月後、半年後、１年後……というように、徐々に未来を想像することで、遠い未来と今を連続的につなげて、未来を想像しやすくする方法���あります。
この方法は何かを決断するときにも有効で、詳しくは以下の投稿をご覧ください。
一時の感情に流されないための「10-10-10」
また、最悪の未来を想像することで、未来の苦労の過小評価を吹き飛ばし、状況を客観的に見ることができるようになります。
もちろん、それで何もできなくなってしまったら本末転倒なので、やりすぎ注意という感じの方法です。「ちょっと楽観的過ぎるかな？」と思ったら使ってみてください。
明確なプランを立てる
今まで紹介した内容だけで、いかに人間がバイアスに支配されているのか、その片鱗が見えてきているかと思います。
そんな日常のいたるところにあるバイアスが入りこまないように、計画を立てるのが大事です。
しかし、ここで注意しないといけないことが、あいまいな計画だと行動の間に考える隙ができてしまい、そのタイミングでバイアスに襲われてしまうことがあるということです。
ですので、「どこで」「何を」「どのように」と具体的に決めることが大事です。
また、「一日のノルマ」とざっくりと決めてしまうと、どんどん先延ばしにして計画が倒れてしまうので、何かの行動をきっかけに次の行動を起こす「if-thenプランニング」が有効です。
計画術などの投稿では毎回のようにあげてしまいますが、それくらい強力な方法であるif-thenプランニングについては以下をご覧ください。
人生を変える最強の習慣術「if-thenプランニング」
ちなみにちゃんと「休憩」をプランの中に入れることも大切です。
バイアスに負けないメンタルを作る
最後に紹介するのは、バイアスに負けないメンタルづくりの方法です。
無意識に語り掛けるバイアスに対抗するには、こちらも無意識な状態を強化しなければなりません。
そのための方法として有効なのは「他人への感謝」や「他人のため」を意識することです。
一気に胡散臭くなってきたと思った方もいるかもしれませんが、この方法に効果があることは様々な研究によって明かされています。
例えば、自分のための目標より、他人のためを意識した「自己超越目標」の方が達成率が高いことがわかっています。
���た、人に与えることの方が、人から何かをもらうよりも幸福感が高まることもわかっています。
これらについて詳しくは過去にも投稿していますが、つまり、「他人のために」は結局自分のために有効であるということです。
この感覚を無意識の中でも働かせるために、例えば毎日感謝の日記を書くのはよい方法でしょう。一日あった感謝できることを３つ書くだけでも、バイアスから逃れやすくなる効果があります
以上、バイアスからの脱出方法について書いていきましたが、その方法は参考文献のほんの一部です。
方法はたくさん知っていた方が自分にあったやりかたが見つけやすいので、ぜひ参考文献にあげた本を読んでみてください。
また、「合理的な思考」であげた、どんなバイアスがあるのか、ということを知ることは、バイアスから逃れる方法の中でもかなり強力なものです。
参考文献にあげた本にはなんと２０個ものバイアスについてわかりやすくのっているので、バイアスの教科書としてぜひご活用ください。
また、２冊目はもっと詳しくバイアスについてあげている名著になります。
様々な本の参考文献にもあげられている本なので、ご興味あればぜひ。
参考文献：無理なく限界を突破するための心理学 突破力（メンタリストDaiGo）
ファスト&スロー(上) あなたの意思はどのように決まるか?（ダニエル・カーネマン）
ｐｓ
私も現状維持バイアスにはまっていましたが、ついに転職することにしました。
今度詳しくその話をしたいと思います。
4 notes
·
View notes
Text
“人間関係を長期的にうまくやっていくためには、よいことを追い求めるよりも悪いことを避けるほうがはるかに大切だという。”
- ファスト＆スロー （下） / ダニエル カーネマン (via ebook-q)
0 notes
Quote
ノーベル経済学賞の受賞者で行動経済学の大家ダニエル・カーネマンは著書『ファスト＆スロー』のなかで、人間の脳の直感的な部分は数学や統計といったことはあまり得意ではないと書いている。カーネマンは以下のような例を用いて、このことを説明する。
野球のバットとボールがセットで1.1ドルで売られている。バットはボールより1ドル高い。さて、ボールはいくらだろう。多くの人が直観的に、10セントだと思うのではないだろうか。それは間違っている。ボールが10セントでバットはボールより1ドル高いなら、バットは1.1ドルだから、両方合わせれば価格は1.2ドルになる。正しい答えは、ボールが5セントでバットが1.05ドル。これなら合計は1.1ドルだ。
「説明できること」の先にある科学の未来：伊藤穰一｜WIRED.jp
1 note
·
View note
Link
2015年7月以来５年ぶり２度目となる、東京大学大学院工学系研究科教授で日本ディープラーニング協会理事長の松尾豊さんのインタビューをお届けする。 エンジニアtypeでは今年７月にも、AIテクノロジー企業ABEJA主催のオンラインイベント「DX2020」で行われたABEJA岡田陽介代表との対談「With/Afterコロナ時代におけるDXとAI」をレポートしている。 ＞＞【松尾豊×ABEJA岡田陽介対談】日本企業でDX、AI活用が進まない５つの理由とその処方箋 この記事では「日本企業でDXが進まない理由とその解決策」にテーマを絞るべく割愛したが、講演の中でディープラーニング研究の今を問われた松尾教授は「画像認識系の技術がだいぶ成熟して、アプリケーションもだいぶ出てきた。世の中には”出切った”雰囲気さえ出ている。ところが今（アカデミア方面では）かなり面白いことが起きている」として、最先端の研究動向を一部紹介していた。 そこで今回改めてお時間をいただき、ディープラーニングの世界で今どんな「面白いこと」が起きているのか、それは私たちの生活やエンジニアの仕事に今後どのような影響をもたらすのかを伺った。 東京大学大学院工学系研究科教授 松尾 豊さん（@ymatsuo）1997年 東京大学工学部電子情報工学科卒業。2002年 同大学院博士課程修了。博士（工学）。同年より、産業技術総合研究所研究員。05年8月よりスタンフォード大学客員研究員を経て、07年より、東京大学大学院工学系研究科総合研究機構／知の構造化センター／技術経営戦略学専攻准教授。14年より、東京大学大学院工学系研究科 技術経営戦略学専攻 グローバル消費インテリジェンス寄付講座 共同代表・特任准教授。19年より、東京大学大学院工学系研究科 人工物工学研究センター／技術経営戦略学専攻 教授。専門分野は、人工知能、深層学習、ウェブマイニング。人工知能学会からは論文賞（02年）、創立20周年記念事業賞（06年）、現場イノベーション賞（11年）、功労賞（13年）の各賞を受賞。人工知能学会では学生編集委員、編集委員を経て、10年から副編集委員長、12年から編集委員長・理事。14年から18年まで倫理委員長。17年より日本ディープラーニング協会理事長。19年よりソフトバンクグループ社外取締役 実装進む画像認識。アカデミアではディープラーニングと記号処理の融合が議論される ――前回インタビューをさせていただいた2015年からの５年間で、ディープラーニング技術の実用はどこまで進んでいますか？ 顔認証、医療の画像診断といった領域でどんどん実用例が出てきていて、最近だとコロナ禍における体温測定時の人の検知にも使われています。他にもインフラの点検、食肉加工、製造業の外観検査、店舗内の顧客の移動分析など、さまざまな領域に広がってきています。これら多くは画像認識を使ったものですが、他方、自然言語処理の関係としても、Eコマースの商品説明の下書きを書く、広告を自動生成するといった例があります。 ――実装を担うエンジニアの数もかなり増えてきていますか？ ディープラーニングを使える人の絶対数はすごく増えました。研究の場面でもごく普通に使われるようになっています。TensorFlow、Keras、Pytorchなどのフレームワークが充実してきたため、すごく使いやすくなりました。もはやディープラーニングを使うかどうかという話ではなく、何にどう使うのか、他のテクノロジーと組み合わせてどのように業務を効率化し、どんな付加価値を出していくのかというフェーズに入ってきています。 ―― 先日行われた「DX2020」の講演では、「ディープラーニングに関して出切った感が漂っているが、水面下で非常に面白いことが起きている」とおっしゃっていました。 産業面とアカデミア方面とで少し別の動きになっています。先ほども触れたように、産業面で活用されているのは主に画像認識の技術です。そこの応用がこの５年で急速に進みました。また、ハードウエアが関わる分、少し時間はかかるかもしれないですが、今後はロボット系の応用も増えてくるでしょう。そして、こうしたディープラーニングの技術をきっかけにして、業務全体、業界全体のDXをどう進めていくかということが産業上の重要なポイントになります。 一方、アカデミアでは、ディープラーニングと記号処理の融合、さらに言えば人間の思考との対比を考えるような方向でいろいろな動きが出ています。 ――詳しく伺いたいです。 一つトピックとして重要なのは、GPT-3の登場です。GPT-3は人工知能を研究する非営利組織OpenAIが公開した文章生成言語モデルの最新版です。 これまでにもBERT、GPT、GPT-2といった言語モデルがありましたが、このGPT-3は自然言語処理のさまざまなタスクを驚くほどの精度でこなしてしまいます。ブログの記事を書くことも、プログラムのコードを書くこともできます。信じられないようなことが次々できてしまうということで、英語圏で今ものすごく盛り上がっています。 ただ、すでに実用フェーズにある画像認識にしても、GPT-3にしても、技術としてはたしかにすごいのですが、人間の知能とは少し離れたものになっています。 ――どういうことですか？ 人間の知能はシステム１とシステム２の二つのシステムから構成されるという考え方があります。これは、ノーベル経済学賞を受賞した行動経済学者ダニエル・カーネマンが2011年に出版した一般向け書籍『ファスト＆スロー』でよく知られるところになりました。そして、昨年のNeurIPS2019でのYoshua Bengio先生の招待講演がまさに、”From System 1 Deep Learning to System 2 Deep Learning”です。 これまでのディープラーニングはこのうちシステム１に該当するような、非常に直感的・瞬間的・反射的な思考の形態を表現していました。これから考えないといけないのはシステム２の、より熟考型の論理的・言語的な思考の方です。このあたりの技術がディープラーニングで実現できるようになってくると、人間の思考とは何か、言語で考えるとはどういうことかといった理解が大きく進むと思います。 ――先ほどのGPT-3がシステム２に関わっているということではないのですか？ はい、システム２の動きなのですが、システム２だけなのです。一方、画像認識はシステム１だけ。人間にはその両方があり、二つのシステムが相互に影響しています。画像的なものも扱えるし、体を上手に動かすことも、言語を扱うこともできる。この両方が密接に関連しているのです。 ――つまり、二つ両方を持って初めて人間的と言えるのであって、片方だけでは人間の知能とはかけ離れているという話になってしまう？ そうです。ですが、そもそも人間の知能がどういうものなのかがまだ分かっていません。言葉を喋らなくても上手に日常生活を送っている人はいるわけで、認識をするとか行動をするということと言葉の処理とがどう関係しているのかは、脳科学でも明確には分かっていないし、人工知能の分野でも分かっていません。 この辺りはシンボルグラウンディング問題などと呼ばれて昔から難所であるとされてきました。そこが解決すると、いよいよ見えてくるものがあるかもしれないということです。 人間の知能とは何か。解明のカギを握る技術「世界モデル」 ――講演の中ではそのカギになるものとして深層生成モデル、シミュレーション、世界モデルといったキーワードを挙げていました。それぞれどう関わるのでしょうか？ 人間は世界のシミュレーターを持っています。だからボールを投げたら何が起こるか、ガラスのコップを落としたら何が起こるかといったことが、実際にやらなくても分かるのです。子どもにはそれが分からないから「そんなことをやったらコップが割れるよ」と言われてもやってしまう。 子どもには分からなかったことが大人になぜ分かるのかと言えば、過去の経験から学習し、モデルを獲得していくからです。そのモデルを使ってシミュレートできるから近い将来のことが見えるのです。今のところ、ディープラーニングに同じことはできません。ですからそれをつくろうというのが世界モデルと呼ばれる技術です。 例えば目の前にあるのがコップであれば、押せば押しただけコップは動きますよね。ですが、同じように砂を押しても砂全体が動くわけではなく、砂の一部だけが動く。水だったら押しても全然動かない。こうしたことをわれわれは当たり前に扱っていますが、それは誰かに教えられたからではなく、自らの経験を通じて学んでいるのです。 世界モデルをつくるには、それと同じことをAIやロボットにも学習させる必要があります。ひたすら押したり引いたり、それも１万回、10万回とやらなくてはなりません。シミュレーターでの試行も併せて行う必要があります。 ――深層生成モデルというのは？ 世界モデルの中で使われることが多いのが深層生成モデルと呼ばれる技術です。例えばわれわれは「紫の救急車がありました」と言われると、頭の中に一応は「紫の救急車」というものが思い浮かびます。実際には見たことがないはずなのに思い浮かぶというのは、頭の中（深層）でデータを生成しているということです。 そうしたデータの生成過程自体をモデル化したものを深層生成モデルと呼びます。画像認識分野における有名なものにはVAE（Variational Auto Encoder）、GAN（Generative Adversarial Networks）などがあります。 そうしたものを使いながらカウンターファクチュアル（反実仮想。実際にはないことを仮想していく技術）なことを想像できるようになると、人間の大人がするように上手に行動できるようになります。例えば障害物をどけて道の向こう側に行きたいと思ったときに、ダンボール箱であれば押しのけて問題ないけれども、ガラスの飾り物だったらまずいといった判断ができるようになります。ロボットが日常生活や工場の中でのさまざまなタスクを行う上では、これが極めて重要です。 ――なるほど。 また、先ほどの紫の救急車の例から分かる通り、これができると言葉の理解ができるようになります。言葉をベースに頭の中で想像ができるようになるのです。われわれが文章の意味や相手の言っていることを理解している時には、おそらく頭の中に像を描いています。そのイメージができた時にわれわれは「ああ、分かった」と言う。イメージを動かしながら相手の話を聞いているのです。 大人になると抽象的な話が多くなるので形のあるイメージではなくなっているのですが、それでもイメージらしきものは描いています。言葉の意味を理解するというのは結局、世界モデルをシミュレーターとして回し、頭の中にイメージをつくっていくことなのだと言えるでしょう。 そうすると、先ほどの「上手に行動する」ということと「言葉の意味を理解する」ということは、どちらも世界モデルという同じ技術を使っていることになります。人間の赤ちゃんも、いろいろと自分で行動ができるようになってくると一方でお母さんの言っている言葉の理解もできるようになります。世界モデルをちゃんと持っていることと、それが言葉によって適切に引き起こされることがすごく大事だということです。 先ほどのGPT-3などにはそういう機能はありません。ですから、本当の意味で人間がしているような意味理解はしていないのではと考えられるわけです。もっともGPTはGPTで、中で何���起こっているのか誰にも分からないくらい大きなモデルで学習しており、しかもtransformerの性質上、アルゴリズム的な挙動も学習できるはずですから、そちらはそちらで非常に面白いのですが。 以前ある人が「人工知能はインスタントラーメンとは違うことが分かった」とおっしゃっていて、一見、変な例えなのですが、よく聞いてみるとなるほどなと思いました。インスタントラーメンというのは、ラーメンというものをわれわれ自身がすでに知っていて、それをインスタントにしたもののことですよね。ところが人工知能の場合は、われわれが知能というものをあらかじめ分かっているわけではありません。分からないままに、それを人工でつくろうとしているのです。 ですから人工知能に関しては、つくろうとしているものが何なのかを知らないという問題と、どうつくるかという問題、この二つの難しい問題があるわけです。前者の「知能とは何か」という問題には昔から脳科学者も心理学者も哲学者もさまざまな方法でアプローチしてきました。人工知能の研究者もそれをやろうとしているという意味では同じですが、同時につくろうともしているのです。 先ほどの世界モデルの話には、知能とは何かという話と、それをどうつくるかという話の両方が混ざっています。もしも世界モデルのような仕組みにより言葉を理解するAIをつくることができたら、おそらくは人間の知能の仕組み、少なくとも言葉を理解する仕組みはこういう風にできているのではないかということが言えるようになるでしょう。 ただ、現時点では人間の知能とは何かというのが謎なので、われわれとしてもそれをいろいろな側面から説明する必要があります。岡ノ谷先生のやられている研究は、「音楽から言葉ができたのではないか」ということをおっしゃられており、私はアルゴリズム的に言っても、近い説明はできるのではと思っています。より正確に言うと、離散的な記号の予測に正解することを好むプライア（事前知識）が入ったことの副作用が、音楽を好むようになったということだと思います。先の講演ではこうした文脈で先生の研究を引用させていただきました。 AIがコードを書く時代。エンジニアに求められるのは「共感力」 ――５年ほど前にアカデミアで盛り上がっていた画像認識技術が今、実装レベルで盛り上がっているというお話でした。今後、今日伺ったような言葉の意味理解に関する研究が進むと、どんな可能性が広がりますか？ 言葉の意味理解ができると、おそらくいろいろなタスクができるようになります。事務作業は全般的に「調整しておいて」「これをやっておいて」など言葉を使って行うものなので、全て自動化できる可能性があります。こうしたインタビューや原稿の編集などもできるようになるでしょう。 また、インターフェースとしてもiPhoneのSiriやAmazonのEchoといったAIアシスタントと今以上にちゃんとした会話が成立するようになり、本当のコンシェルジュっぽくなっていきます。もちろんすごく便利になりますし、購買行動なども自分で検索するのではなくAIアシスタントに勧められたものを買うといった形に大きく変わる可能性があります。 このように言葉の意味理解ができるようになることのインパクトはものすごく大きいと考えています。スマホやインターネットの登場と同じかそれ以上に大きな変化が起こるのではないでしょうか。 ――いつごろ現実になりますか？ そこは非常に難しいです。というのも、GPT-3のようなもののタスクの精度が上がっていくことで徐々にそうなるのか、あるいはまったく違う方式である瞬間にいきなり「できました」となるのかさえ現時点では分かりませんから。 ただ、僕の予想では５〜10年後。僕はもともと「2030年ごろまでに言葉の意味理解までいく」と言ってきました。その想定から大きくは変わっていないと思っています。 ――そうなった時にエンジニアの役割はどうなりますか。人工知能がコードも書いてくれるとなると、よく言われるように仕事がなくなることにもつながりませんか？ 最近『ディープメディスン』という本の書評を書いたのですが、冒頭にもお話しした通り、医療の世界ではAIを用いた画像診断がかなり進んでおり、すでに人間の医師よりも精度が高くなってきています。 未来の医療のあり方を描いたこの本は、「自動でできることを自動でやることによる一番のメリットは、医師が患者と向き合うことに時間を使えることだ」と言っています。現状は病院へ行っても、お医者さんは電子カルテの入力作業などに忙しそうで、ほとんどこちらと向き合ってくれないじゃないですか。でも、そこをAIが担ってくれれば、医師は患者と向き合うことに専念できます。データを使うこと、ディープラーニングを使うこと、そして医師と患者とのディープな共感を生み出すことがこれからの医療なのではないかと、著者は結論付けています。 エンジニアに関しても同じことが言えるでしょう。自動でできる部分は自動化していいのです。ただ、共感するとか寄り添ってあげる、聞き出してあげるといったところは人間の得意な部分ですし、また人間にやってほしいと思う部分でもあるでしょう。ですから、同じ職業だったとしても付加価値の構造が変わってくることはあるのではないでしょうか。 ――そこが苦手だと感じるエンジニアも多いかもしれませんね。 たしかにそうですね。ですが、基本的に今のエンジニアの数が余ることはないので、そこは心配しなくてもいいのではないでしょうか。社会全体がAIとかデジタルの方向に進み続ければ、開発する人が余ることは基本的にはない。業界自体は発展し続けるはずです。 ――流れに乗って必要とされる知識を身に付けていけば、当分の間は仕事に困らないと。では、ディープラーニングなどの先端技術をキャッチアップするために、最低限ウオッチしておくといいものがあれば教えてください。 基本的にはグーグルの「Brain Team」と「DeepMind」、フェイスブックのAIリサーチ「FAIR」、UCバークレーとスタンフォードあたりを見ておけばいいと思います。学会でいうと、ICLR, NeurIPS, CVPRなど。オンラインの講義のコンテンツもたくさんあります。また、今後はディープラーニング単独というよりもいろいろな技術と組み合わせていくことがますます大事になっていくと思うので、エンジニアの方は自分がこれまで培ってきた技術とディープラーニングの組み合わせで、いろいろなビジネスの場面でどう役立つのかと考えてみるのがいいのではないでしょうか。 取材・文／鈴木陸夫
0 notes
Text
PARADISE LOST 新作情報『OBSIDIAN』
PARADISE LOST『OBSIDIAN』
イギリスのゴシック・メタル・バンド、PARADISE LOST（パラダイス・ロスト）がニューアルバム『OBSIDIAN』を海外で2020年5月15日にリリース。リリース元はNuclear Blast Records。
スタジオ・アルバムのリリースは2017年の『MEDUSA』以来であり通算16作目になります。
新作についメンバーは以下のコメントをしています。
「私たちがこれまでに作った中でも、最もエクレクティック（様々な考え方や物事から、それぞれよいところをとって、一つにまとめ上げること）なアルバムの一つです。不幸な曲、悲しい曲、スローな曲、ファストな曲がある」
-Nick Holmes(Vo)-
「新しい曲の中には、『Medusa』から続く部分をピックアップしたような曲がいくつかありますが、ほとんどはもっと多様でです。分類するのは難し…
View On WordPress
0 notes
Text
状況が手がかりを与える。この手がかりをもとに、専門家は知識に蓄積されていた情報を呼び出す。そして情報が答を与えてくれるのだ。直感とは、認識以上でもなければ以下でもない。
ーハーバード・サイモン（ファスト&スロー(上) あなたの意思はどのように決まるか?：ダニエル・カーネマン）
0 notes
Text
記憶と経験
そういえば先日、TED（テッド）のダニエル・カーネマン（Daniel Kahneman）の「記憶と経験の謎」を見ていました。
ちなみに右下あたりの「・・・」を押すと字幕ありが選べます。
ダニエル・カーネマンといえば、エイモス・トヴァスキー（Amos Tversky）と共に「行動経済学の祖」として知られており、ノーベル経済学賞受賞者でもあります。
（ノーベル経済学賞は、物理、化学、生物・生理にくらべて、だいぶ格落ちなイメージありますが）
カーネマンはその著書「ファスト＆スロー」でも知られており、そこではシステム１，システム２の概念が述べられています。これは人間の中の、直感的で素早いシステムと、よく考えると分かる意識的なシステムの２つを述べています。
一方、この動画では、実際の経験している自分と、その記憶との違いについて述べています。
実際にどうであるか、よりも「どう記憶し…
View On WordPress
0 notes
Quote
私は幸福の定義に関する考えを変えた。自分で設定する目標がその後の人生やその後の幸福感にこれほど大きな影響を与えるとなれば、経験する自己の幸福感にだけ注目するのは筋が通らない、ということである。その人が何を望んでいるかを無視して、幸福だとか幸福でないとか言うことはできない。その一方で、生活の中で実際に感じる幸福感を無視して、生活全体を評価したときにどう感じるかだけに注目することも納得しがたい。私たちは、幸福の概念を複合的に捉える必要性を認め、二つの自己それぞれの幸福を考えるべきだろう。
ファスト＆スロー （下） / ダニエル カーネマン,村井 章子
10 notes
·
View notes
Photo
なんという名前で呼べばいいのかわからないが、人に関する大きな歴史を科学的な視点から見ることに、ここ5年ほどはまっている。これはたぶん一過性の興味ではないと思う。この興味が尽きるときは、本当の老いとの道行きがはじまるとき、なのだろう。待ち遠しい、とはいわないにしても、それはそれで受け入れたいと思う。自然さは自分の信条だから。
でもこれは、どうやら個人的な興味云々ではなく、世界的な知的な一つの傾向らしい。
「ビッグ・ヒストリー」ないし「オリジン・ストーリー」。
その焦点は「人とは何か」に合わされている。徹底して、と言ってもいい。単なる宇宙論、物質論、時間論、考古学、地質学、気候学、生物学、文明論、歴史学単体ではなく、それらの総合として「人」を理解しようとしている。
人間理解という意味では、心理学や哲学に対抗する視点かもしれない。心理学や哲学が、人のある部分に焦点を合わせて専門的に見ていくのに対して、外側から（空間的にも時間的にも）、「世界」という視点から、総合的に見ようとしている。
そういう視点から人のすべての営為を見ようとしいる。たとえば哲学に関しても、その内容を問うのではなく、人はなぜ哲学という問いを問うのか、なぜそのように問う存在になったのか、そのように問うた結果どのような者になったのか、を考えるようなアプローチだ。
そしてそのアプローチの精神において100%「科学的」である。観測された事実を元に仮説を立てて検証する、という姿勢である。そこでは「空想」は注意深く選り分けられる。
たとえば、「空想」についていえば、単に空想で出した結論は完全に却下される一方、空想こそがさまざまな仮説を生み出す元であり、それが多くのものを生むことは、積極的容認される。人とは、そういう「空想」＝イマジネーションによって、人になってきたところの者である、ということは観測される事実であるから。
空想で結論を出す、たとえば宗教のような行為についても、科学的でないと否定するのではなく、なぜ宗教を人は抱くのか、を問うような立場である。それは芸術についても同じだ。
宗教も芸術も、いわば空想やフィクションの産物である。でも、空想やフィクションは人の持っている大事な要素だし、およそおろそかに扱っていいものではない。
自分が読んだ、読んでいる、そういうことを扱っている書物は、以下のようなものである。
自分は、そういう中で自分が体験してきた「デザイン」というものを語りたいと思う。
それは一言で言えば、「現象」に抱く感情、という視点といえばいいか。端的にいえば、それは「表現」の問題である。人とは「顕れ」に対する反応体である、そんな視点かと思う。
誰もそれを語っていないから、自分はそれを語りたいと考えている。
「137億年の物語」ーー宇宙が始まってから今日までの全歴史（クリストファー・ロイド）
「生命40億年全史」（リチャード・フォーティ）
「サピエンス全史」ーー文明の構造と人類の幸福（ユヴァル・ノア・ハラリ）
「ホモ・デウス」ーーテクノロジーとサピエンスの未来（ユヴァル・ノア・ハラリ）
「オリジン・ストーリー」ーー138億年全史（デイヴィッド・クリスチャン）
「21 Lessons」ーー21世紀の人類のための21の思考（ユヴァル・ノア・ハラリ）
「ファスト&スロー」ーーあなたの意思はどのおゆに決まるか？（ダニエル・カーネマン）
「神々の沈黙」ーー意識の誕生と文明の興亡（ジュリアン・ジェインズ）
「眼の誕生」ーーカンブリア紀大進化の謎を解く（アンドリュー・パーカー）
「世界史」（ウィリアム・H・マクニール）
「人類20万年」ーー遙かなる旅路（アリス・ロバーツ）
「ヒューマン」ーーなぜヒトは人間になれたのか（NHKスペシャル取材班）
「ユーザーイリュージョン」ーー意識という幻想（トール・ノーレットランダージュ）
「ワンダフルライフ」ーーバージェス頁岩と生物進化の物語（スティーブン・ジェイ・グールド）
「New Scientist 起源図鑑」ーービッグバンからへそのゴマまで、ほとんどあらゆることの歴史（グレアム・ロートン）
など。
1 note
·
View note
Last Seen Blogs
wiwidheris
Nitty-Gritties of Life
zahra-muslima-wear
Без названия
englishcoachjakarta21
Tanpa judul
quinnlovero
ARCHIVE
from-macros-to-infinity
From Macros to Infinity