Latest

スーパーカディクチャン— シベリア都市観測ログ

Super Kadykchan — A Small Observation Log of Siberian Cities 地図を見ていると、都市にも性格がある気がしてくる。 工場の町。 極寒の町。 巨大な穴の町。 そして、誰もいなくなった町。 シベリアの都市を、 少しだけ観察してみる。 【キャラクター紹介】 カディクちゃん — 消えた炭鉱都市 マガダン州の炭鉱町カディクチャン。 炭鉱事故と採算悪化で町は放棄された。 家具や建物を残したまま人が消えた。 ノリリスくん — 北極圏の工業都市 ノリリスクは世界最大級のニッケル生産都市。 北極圏に位置し、冬は−40℃以下になる。 都市は完全に工業インフラと一体化している。 ヤクーツくん — 永久凍土の首都 ヤクーツクは永久凍土の上に建つ都市。 冬は−50℃に達する。 レナ川流域の中心都市。 ノヴォシビリスくん — シベリア最大都市 ノヴォシビリスクはシベリア最大の都市。 科学都市アカデムゴロドクがある。 シベリア鉄道の中心。 ミールヌイ先輩 — 巨大ダイヤモンド鉱山 ミールヌイには直径約1kmの

By mnk.log

フロンティアと宇宙 — アメリカとロシアの宇宙・開拓観の違い

Frontier and Space — How American and Russian Expansion Shaped Different Visions of the Universe 地理が思想を作る ある文明がどんな宇宙観を持つかは、その文明が地上でどんな空間と向き合ってきたかによって決まる。 これは比喩ではなく、構造の話だ。 アメリカとロシアは、どちらも広大な「荒野」を持つ国家として語られることが多い。しかし両者のSFが描く宇宙は、まるで別の星を舞台にしているかのように異なる。 その差異は、文化的な趣味や国民性の違いから来ているのではなく、地理が思想を作り、思想がフィクションを作る——という連鎖の結果だと思う。 アメリカのフロンティア:荒野は征服できる アメリカの開拓神話の核心は「自己効力感」だ。 カウボーイが荒野に踏み込むとき、彼は自然に飲み込まれに行くのではない。自然を切り拓きに行く。フロンティアとは「これから征服される土地」であり、その先に豊かさと自由が待っているという前提がある。荒野は敵だが、勝てる敵だ。 この感覚がそのまま宇宙に投影されたの

By mnk.log

犬は、鉄道を知っていた── 三匹の旅と、それぞれの居場所について ──

Dogs Who Knew the Railway — Three Dogs and Their Places むかし、鉄道のそばで生きた犬たちがいた。 飼い主のいる犬ではなく、鉄道そのものを住処にした犬たちだ。駅の匂いを知り、汽笛の意味を知り、人間が「インフラ」と呼ぶものの隙間に、自分の場所をみつけた犬たち。 その三匹の話をしようと思う。 一匹目 ランポ――ダイヤを読んだ犬 1950年代のイタリア。トスカーナの小さな駅、カンピリア・マリッティマに、一匹の雑種犬が住みついた。名前はランポ。「稲妻」という意味だ。 ランポは最初、ただの野良犬だった。駅長の家族に半分だけ飼われて、半分は自分の足で生きていた。 でも、ランポには特別なことができた。 列車の時刻を、覚えていたのだ。 毎朝、子どもたちを乗せた通学列車が来る。ランポはその列車に乗り込み、子どもたちと一緒に学校のある町まで行く。そして午後、帰りの列車で自分の駅に戻ってくる。誰に教わったわけでもなく、時刻表を読んだわけでもなく、ただ何度もくり返すうちに、列車のリズムが体に入ったのだ。

By 生須はくと

なぜ小さな組織だけが危機を避けられるのか— 組織サイズと危機回避能力

Why Only Small Organizations Can Avoid Crisis — Organizational Size and the Limits of Crisis Prevention 多くの危機は予測されている。しかし国家や巨大組織は、その危機が現実になるまで動かない。 これは意思や能力の問題ではない。構造の問題である。 1|危機は多くの場合、予測されている 危機は突然やってこない。 経済危機には、数年前から警告を発していた経済学者がいる。戦争には、緊張の高まりを記録していた研究者がいる。産業衰退には、市場データを読んでいたアナリストがいる。制度破綻には、矛盾を指摘していた当事者がいる。 問題は「予測できなかった」ことではない。「予測されていたのに動かなかった」ことである。 予測 ↓ 警告 ↓ しかし動かない 危機回避の失敗は、多くの場合、情報の失敗ではなく行動の失敗だ。 2|巨大組織では意思決定が分裂する なぜ動かないのか。 国家や大企業では、意思決定が三つの主体に分裂している。 観測する主体(研究者・

By mnk.log

危機はなぜ国家を動かすのか── 国を動かすには危機、国をまとめるにも危機

Why Crisis Moves States — Crisis as a Trigger for Reform and Cohesion 国家は平時にはほとんど動かない。 制度は維持され、産業は慣性で続き、政治は小さな調整を繰り返す。しかし危機が訪れると状況は一変する。国家は突然動き始める。 この記事では、その構造を整理する。 1|国家は平時には動きにくい 国家は多数の利害の集合体である。 官僚機構、企業、地域、政党——それぞれが現状維持を望む。 大きな制度改革は、誰かにとって損失を意味する。だから平時には起こりにくい。 平時 ↓ 慣性 ↓ 現状維持 システムが大きくなるほど、その慣性は強くなる。 2|危機は変化を正当化する 危機が起きると、状況が変わる。 「今のままでは維持できない」という共通認識が生まれる。 この認識が、変化への抵抗を一時的に無力化する。 危機 ↓ 問題の共有 ↓ 制度変更 多くの政策改革は危機の後に起こる。 歴史を振り返れば、制度の転換点はほぼ例外なく危機と重なっている。

By mnk.log

人間はなぜ中心を作るのか— 認知とネットワークが生むハブ構造

Why Humans Create Centers — Cognition and the Network Logic of Hubs どんな地図にも、必ず「ここを基点に」と読める場所がある。 都市には中心街があり、国家には首都がある。 鉄道は集まり、航路は交差し、情報は特定のノードを経由する。 人間は中心を「作る」のか。それとも中心は「生まれる」のか。 この問いが面白いのは、答えが一方だけではないからだ。 1|人間は空間を理解するために中心を置く 人間は広い空間を、そのままでは処理できない。 地図を見るとき、私たちは無意識に基準点を探す。「ここが中心だ」と決めてから、その周囲へと理解を広げていく。都市の構造も同様で、中心街から距離と方向で場所を認識する。交通網も「どこを経由するか」という論理で組み立てられる。 これは認知の癖であって、世界の真実ではない。中心が「存在する」のではなく、人間が中心を「置く」ことで世界を理解可能にしている。

By mnk.log

自由研究: 地下鉄で通勤するロシアの犬 — 都市は人間だけのシステムではない

Urban Research Note: Subway-Commuting Dogs in Moscow ロシアでは、地下鉄に乗って通勤する野良犬が報道や研究者の観察によって紹介されている。 そうした"通勤"パターンを示す個体も報告されており、郊外から地下鉄に乗り、都市中心部で食べ物を探し、夕方また戻る。 まるで会社員のような行動だ。 この現象は単なる面白い話ではない。 都市という人間のインフラを、動物が理解し利用している可能性を示している。 1|モスクワの「通勤する犬」 この現象が観察されているのはモスクワ地下鉄(Moscow Metro)だ。 推計で数万匹規模の野良犬がいるとされるモスクワで、そのごく一部が地下鉄を利用して移動する様子が報告されている。 典型的な行動パターンは次の通りだ。 郊外 ↓ 地下鉄に乗る ↓ 都市中心部 ↓ 食べ物を探す ↓ 夕方また戻る 人間の通勤と同じ構造を持つ移動パターンである。 2|この研究を続けている研究者 この現象を長年研究しているのが、A.N. Severtsov研究所の生態学者Andrey Poyarkovだ。

By mnk.log

AIから人間を見る── AI観察から見えた6つの構造

AI as a Mirror of Human Cognition and Social Structure 【シリーズ:AIから人間を見る】 AIは新しい知性として語られることが多い。 しかしAIの構造を観察していると、むしろ人間の認知や社会の仕組みが見えてくる。 このシリーズでは、AIの動作を手がかりに、人間の知性・認知・社会の構造を順番に観察していく。 ① AIはなぜそれっぽい答えを出すのか ② AIはなぜハルシネーションを起こすのか ③ AIを観察すると人間が見える ④ 人間はなぜ整合的な嘘を好むのか ⑤ 会議で喋り続ける人はAIだった ⑥ なぜAIの話は人間の話になるのか AIの話を書いていると、なぜか人間の話になる。 これは偶然ではない。 AIは人間の知性を再現しているわけではない。 AIが再現しているのは、人間の行動や思考の構造である。 だからAIを観察すると、人間の認知や社会の仕組みが見えてくる。 このシリーズでは、AIの基本動作から出発し、人間の認知、そして社会の構造までを順番に辿ってきた。 ここではその6本の記事をまとめて紹介する。

By mnk.log

なぜAIの話は人間の話になるのか── 知性ではなく構造を観察しているから

Why Conversations About AI Become Conversations About Humans — Observing Structure Rather Than Intelligence 【シリーズ:AIから人間を見る #6】(完) AIは新しい知性として語られることが多い。 しかしAIの構造を観察していると、むしろ人間の認知や社会の仕組みが見えてくる。 このシリーズでは、AIの動作を手がかりに、人間の知性・認知・社会の構造を順番に観察していく。 AIは人間を再現しているのではない。 AIが再現しているのは、人間の行動の構造である。 だからAIを観察すると、人間の構造が見えてくる。 1|AIは人間から学習している AIの学習データの大半は、人間が作ったものだ。 文章、会話、論文、SNS、ニュース。AIはこれらを大量に学習している。 つまりAIは、人間の言語行動の統計モデルである。 ここで一つの帰結が出る。AIの振る舞いを観察することは、人間の言語行動のパターンを観察することでもある。AIは人間の外側にある何かではない。人間の行動から蒸留さ

By mnk.log

会議で喋り続ける人はAIだった——沈黙を評価できない組織の構造

The Person Who Talks Nonstop in Meetings Is an AI — When Organizations Cannot Evaluate Silence 【シリーズ:AIから人間を見る #5】 AIは新しい知性として語られることが多い。 しかしAIの構造を観察していると、むしろ人間の認知や社会の仕組みが見えてくる。 このシリーズでは、AIの動作を手がかりに、人間の知性・認知・社会の構造を順番に観察していく。 会議には、なぜか喋り続ける人がいる。 内容が深いわけでもないが、とにかく発言し続ける。 あるとき、この行動はAIの動作とほとんど同じだと気づいた。 AIには沈黙という選択肢がほとんど存在しない。 入力に対して出力を返すことが基本構造だからだ。 1|AIは「入力→出力」装置 AIの基本構造は単純である。 input → output 入力が来れば出力を生成する。 これは、コスト構造の問題でもある。 AIとしては「黙る」という判断にも計算が必要になる。 つまり多くの場合、何か出力した方が効率がよい。

By mnk.log

人間はなぜ「整合的な嘘」を好むのか── 真実より整合性が選ばれる理由

Why Humans Prefer Coherent Lies — When Consistency Beats Truth 【シリーズ:AIから人間を見る #4】 AIは新しい知性として語られることが多い。 しかしAIの構造を観察していると、むしろ人間の認知や社会の仕組みが見えてくる。 このシリーズでは、AIの動作を手がかりに、人間の知性・認知・社会の構造を順番に観察していく。 なぜ人は嘘を信じるのか。 それは無知だからでも、愚かだからでもないかもしれない。 むしろ人間の認知構造が、整合性を優先するようにできている可能性がある。 1|人間は整合性を求める 人間の認知は、矛盾を嫌う。 情報がバラバラに存在しているとき、人はそれを自然に整理しようとする。出来事を因果関係で結び、物語として理解する。点と点をつないで、線にする。線が集まれば、絵になる。 これは知識の問題ではない。認知の構造である。 どれほど情報リテラシーが高くても、人は無意識に物語を作る。バラバラな事実の断片に、因果の糸を通す。それは意志ではなく、認知の自動処理だ。 2|整合性は理解コストを下げる

By mnk.log

AIを観察すると人間が見える── コスト最適化としての思考

Observing AI Reveals Human Behavior — Thinking as Cost Optimization 【シリーズ:AIから人間を見る #3】 AIは新しい知性として語られることが多い。 しかしAIの構造を観察していると、むしろ人間の認知や社会の仕組みが見えてくる。 このシリーズでは、AIの動作を手がかりに、人間の知性・認知・社会の構造を順番に観察していく。 AIは人間の思考を再現する装置だと言われることが多い。 しかしAIの挙動を観察していると、むしろ逆の可能性が見えてくる。 AIは人間の思考を再現しているのではなく、人間の行動原理を露出させているのかもしれない。 1|AIはコスト最適化装置 AIの基本構造は単純だ。 input → inference → output 入力があれば出力を生成する。それだけである。 このときAIは常に推論コストを最小化する方向に最適化されている。コストとは計算量であり、推論ステップであり、トークン生成の負荷だ。 つまりAIは常に「できるだけ安く答える」方向に動く。 これは単なる設計方針の問題で

By mnk.log