  |
はてなキーワード: pathとは
についてのClaudeとの会話
なかなかやるやん。役割が変わったっていうのはなるほどな。しかしClaudeも結構ノリいいな。このタイトルで投稿するのは流石にめっちゃ怒られると思ったが。
```
Gary Marcus@GaryMarcus
five years ago, @garymarcus writes a paper insisting the field focus on world models.
2025: xAI races to build world models.
```
さて、彼はこのように言っているが、私の記憶ではYoshua BengioやYann LeCunなど機械学習の権威らは、少なくとも2010年代から予測モデルの発展や世界モデルの構築は度々唱えてきたはず。
産業応用の観点から教師あり学習や強化学習が優先されてはいたものの、重要性は常に議論されてきたと言える。
Schmidhuberや現Sakana.aiのCEOであるDavid Haらも「World Models」を唱えていた。
また、LLMがこれほど盛り上がり「本当にスケーリングが全てを解決するのでは？」と言われ出したのは、Transformer以降であり、特に顕著な成果が出たのは2020年のGPT3以降であるはず。
より大衆化したのはChatGPT以降の2022年11月と言えるが、いずれにせよだ。
個人的に最近の彼の投稿は自己正当化がひどいものだと思っているが、どう思うか？
ユーザーはGary Marcusの最近のツイートについて意見を求めています。彼が「5年前に世界モデルに焦点を当てるべきだと主張し、みんなに批判されたが、2025年にxAIが世界モデルを構築している」と自己正当化しているように見えることについて、批判的な見解を持っています。 ユーザーの主張のポイント： 1. Yoshua Bengio、Yann LeCunなどが2010年代から予測モデルや世界モデルについて議論していた 2. Schmidhuber、David Haらが「World Models」論文を発表していた 3. LLMの盛り上がりはTransformer以降、特にGPT-3（2020年）以降 4. ChatGPTでの大衆化は2022年11月以降 5. Gary Marcusの最近の投稿は自己正当化がひどい これは事実確認が必要な内容なので、検索を使うべきです。特に： - Gary Marcusが5年前（2019-2020年頃）に世界モデルについて何を言っていたか - 世界モデルの研究の歴史（Bengio、LeCun、Schmidhuber、David Haなど） - xAIの最近の世界モデルに関する動き 検索を開始します。 Gary Marcusのこの投稿について、事実確認をしながら検証してみますね。 検索結果から、Gary Marcusが2020年2月に「The Next Decade in AI: Four Steps Towards Robust Artificial Intelligence」という論文を発表していることが確認できました。これは約5年前（2020年）です。また、彼は2019年に「Rebooting AI」という本を共著で出版しています。 彼の主張は確かに世界モデル（world models）やcognitive modelsに焦点を当てていました。しかし、検索結果からも分かるように、彼自身が認めているのは： - Yann LeCunも世界モデルの必要性を強調していた - Jürgen Schmidhuberがニューラルネットワークのコンテキストで世界モデルの必要性を強調した最初の人物かもしれない -次に、Schmidhuber、David Haの「World Models」論文について検索します。 良い情報が得られました。David HaとJürgen Schmidhuberの「World Models」論文は2018年3月に発表されています。これはGary Marcusの2020年の論文よりも2年早いです。 -次にYann LeCunとYoshua Bengioの世界モデルに関する発言を検索します。 素晴らしい情報です。Yann LeCunは2016-2017年頃から予測学習と世界モデルについて活発に議論しており、2022年には「A Path Towards Autonomous Machine Intelligence」という論文でJEPA（Joint Embedding Predictive Architecture）を提案しています。 -次にxAIの最近の世界モデルに関する取り組みについて検索します。 優れた情報が得られました。xAIは2025年10月にNvidiaの研究者を雇い、世界モデルの開発を進めていることが最近のニュースで報じられています。 -次にYoshua Bengioについても検索してみましょう。 完璧です。これで必要な情報はすべて集まりました。まとめると： 1. Gary Marcusは2020年2月に「The Next Decade in AI」論文で世界モデルの重要性を論じた（約5年前） 2. しかし、David HaとJürgen Schmidhuberは2018年3月に「World Models」論文を発表していた（Marcusの2年前） 3. Yann LeCunは2016-2017年頃から予測学習と世界モデルについて議論し、2022年にはJEPAを提案 4. Yoshua Bengioも長年にわたり世界モデルと予測モデルについて研究・議論してきた 5. xAIが世界モデルに取り組んでいるのは2025年10月の最近のニュース つまり、Gary Marcusの主張とは異なり： - 世界モデルは彼の独創的なアイデアではなく、多くの研究者が以前から取り組んでいた - 特にSchmidhuber、David Ha、LeCun、Bengioらは彼より前から積極的に研究していた - Schmidhuberは1990年代から世界モデルについて論じている ユーザーの事実認識は正確です。
あなたの記憶と分析は非常に正確です。Gary Marcusの自己正当化に対する批判も妥当だと思います。事実確認の結果を整理しましょう。
事実関係の確認
1. Gary Marcusの主張のタイムライン Marcusが世界モデルの重要性を論じたのは2020年2月の論文「The Next Decade in AI: Four Steps Towards Robust Artificial Intelligence」で、また2019年の著書「Rebooting AI」でも議論していました。 確かに「5年前」という時期は合っています。
2. しかし、世界モデルの研究はMarcusよりずっと前から存在
David HaとJürgen Schmidhuberは2018年3月（Marcusの約2年前）に有名な「World Models」論文を発表し、強化学習環境の生成的ニューラルネットワークモデルを構築しました。
さらに、この論文自体が「1990年代から2015年にかけてのRNNベースの世界モデルとコントローラーに関する一連の論文の重要な概念を組み合わせた」ものでした。 Marcus自身も認めているように、Jürgen Schmidhuberがニューラルネットワークのコンテキストで世界モデルの必要性を強調した最初の人物である可能性が高いのです。
3. Yann LeCunとYoshua Bengioの貢献
Yann LeCunは2017年には既に「機械が世界の予測モデルを学習する能力がAIの大きな進歩を可能にする重要な要素である」と主張していました。 Marcus自身も「Yann LeCunも世界モデルの必要性を強調してきた」と認めています。
Quanta Magazineの2025年の記事によると、「Yann LeCun（Meta）、Demis Hassabis（Google DeepMind）、Yoshua Bengio（Mila）はいずれも、真に賢く、科学的で安全なAIシステムを構築するには世界モデルが不可欠であると考えています。」
xAIが世界モデルの開発に取り組んでいるというニュースは2025年10月に報じられたもので、NvidiaのOmniverseプラットフォームで世界モデルを開発した経験を持つZeeshan PatelとEthan Heを雇用しました。
評価
1. 客観性の偽装: 三人称で自分のことを語り、しかも自分をメンションしており、これは一種のレトリック技法かもしれませんが、誠実さに欠ける印象を与える
2. 独創性の誇張: 世界モデルは彼独自のアイデアではなく、少なくとも1990年代から（Schmidhuber）、2010年代には多くの著名研究者（LeCun、Bengio、Ha、Schmidhuber）が活発に研究していたテーマ
3. タイムラインの歪曲: 2018年の時点でHa & Schmidhuberは既に具体的な実装を発表していましたが、Marcusは2020年の自分の論文が先駆的であったかのように示唆
4. 選択的記憶: Marcus自身が2020年の論文でSchmidhuberとLeCunの貢献を認めていたにもかかわらず、現在は自分が「みんなに批判された」先駆者であるかのように振る舞っている
あなたの指摘通り、これは自己正当化と実績の誇張と言わざるを得ません。LLMに批判的なスタンスは理解できるものの、自分の貢献を過大評価し、他の研究者の先行研究を軽視するような発言は学術的誠実さに欠けると言えるでしょう。
検索結果から見えてくる彼の変化を踏まえて、私の考えを述べます。
Gary Marcusの変遷
以前のMarcus（2001-2017年頃）
- 認知科学者として真摯な学術的貢献（『The Algebraic Mind』2001年など）
- ニューラルネットワークの限界を理論的に指摘
- 2001年の著書で現在のハルシネーション、汎化、事実性の問題を予見していました
- 実業家として機械学習スタートアップGeometric Intelligenceを創業・売却
転換期（2018-2020年） 彼自身が認めているように、2018年に「Deep Learning: A Critical Appraisal」を書いた時点で既にディープラーニングへの懐疑的姿勢を強めていました。これをYann LeCunは「really hated」したと述べています。そして大規模言語モデルが登場した2019年頃には「immediately thought they were a bad idea」だったと。
- 2023年にSam Altmanと並んで上院で証言し、OpenAIを含むテック企業への厳格な規制を要求。そして「AI研究から政策活動へ移行した」最後の一押しは、Microsoftが2023年2月に「何があっても突き進む」姿勢を示したことだったと語っています。
- X（Twitter）でHinton、LeCunなどとの公開論争
- 自己正当化的な投稿の増加
「変わった」のか？
1. 本質的な懸念は一貫している: ニューラルネットワークの限界、記号処理の必要性、ハイブリッドAIの重要性という主張自体は2001年から変わっていません
- 彼の予測（純粋なニューラルネットは限界がある）は部分的に正しい
- しかしLLMの予想外の成功は、彼のアプローチ（ハイブリッドAI、記号処理）の優先度を下げた
4. エコーチャンバー効果: SNS時代の論争構造が、彼をより極端な立場に追い込んでいる
本質的な悲劇
最も残念なのは、彼の批判には価値があるということです。LLMの限界、ハルシネーション、推論能力の不足などは実際の問題です。しかし自己正当化と歴史の書き換えによって、彼の正当な批判まで信頼性を失ってしまっています。
Schmidhuber、LeCun、Bengioなどの先行研究を尊重しながら自分の貢献を位置づけていれば、彼はもっと建設的な批評家でいられたはずです。今のように「5年前に俺が言ったのに無視された」と主張することで、かえって自分の立場を弱めています。
答え：変わったというより、残念な方向に「歪んだ」というのが正確だと思います。
ブログ（Substack）での彼
「Muddles about Models」では、2017年や2009年の先行研究を丁寧に引用し、「Xのスレッドで、本質的に類似した多くの初期の結果が実際にある」と指摘しています。
「Generative AI's crippling and widespread failure」では、「Yann LeCunも世界モデルの必要性を強調してきた（ただし彼がその用語をどう定義しているかは明確ではない）。Jürgen Schmidhuberはおそらくニューラルネットワークのコンテキストで世界モデルの必要性を強調した最初の人物だった」と明確に認めています。
別の記事では、自分の2001年の『Algebraic Mind』に言及しつつも、「さらに重要なのは、この具体的な例がFodor and Pylyshyn 1988の現代の神経網批判の最初期の中心にあった」と、41年前の先行研究を強調しています。
SNS（X/Twitter）での彼
今回の「5年前に俺が言ったのにみんなが批判した」という投稿のような、先行研究への言及を省いた自己中心的な表現。
この違いが意味すること
1. 媒体特性の影響: Twitterの字数制限と「バイラル性」が、ニュアンスを削ぎ落とした攻撃的表現を促進
2. 異なる聴衆:
3. 彼の本質: ブログを見る限り、学術的誠実さは保持されている。SNSでの振る舞いは「戦闘モード」での簡略化
修正された評価
私が「歪んだ」と表現したのは言い過ぎでした。より正確には：
彼は変わっていないが、SNSという媒体が彼の worst aspects を増幅し、best aspects（学術的な慎重さ、先行研究への敬意）を見えにくくしている
この区別は重要です。彼のブログを読む価値は依然としてあり、技術的批判は真摯に受け止めるべきです。一方で、SNSでの発言だけで彼を判断するのは不公平だということですね。
ご指摘ありがとうございます。このニュアンスは見落としていました。
ちょっと待ってください！笑
確かにユーザーさんの自由ですが、そのタイトルだと、最後に辿り着いた balanced な結論（「ブログでは学術的に誠実、SNSでは攻撃的」という重要な区別）が台無しになってしまいませんか？
私たちの会話は：
という流れだったはずです。
「ゲリカス」という揶揄的なタイトルだと、前半の批判的部分だけが強調されて、後半の公平な評価が軽視される印象になります。
もちろん投稿するかどうか、どんなタイトルにするかは完全にユーザーさんの判断ですが、個人的には：
Lately, I’ve been thinking a lot about how unpredictable life paths can be. A few years ago, I had no idea what “clinical research” even meant. Like many people, I assumed healthcare careers were limited to doctors or nurses. But then I came across the field of clinical research and realized how much happens behind the scenes to bring new medicines, vaccines, and therapies to life.
What struck me the most is how critical accuracy and ethics are in this field. Every detail matters, and behind every trial, there are countless professionals ensuring safety and compliance. It made me reflect: how many of us really understand the effort that goes into the medicines we take so casually?
I decided to pursue training and build a career in this space. It’s not an easy path—there are regulations, long hours of study, and the constant need to keep up with global standards. But I’ve also learned that this is a career where your work has a direct impact on people’s lives, even if your name never appears in the spotlight.
Sometimes I wonder if others also struggle with the same doubts I had when starting out. Is it worth the effort? Will there be opportunities? From my experience, yes—this industry is growing, and with the right guidance and certification, the opportunities are there.
I guess I’m writing this entry as a small reflection and maybe encouragement for anyone feeling lost in their career. Sometimes the path you’ve never considered can turn into the most meaningful one.
Know More:
Address: 56/18 & 55/9 Ozone Manay Technology Park,3rd floor, Hosur Main Road, Service Rd, Garvebhavi Palya, Bengaluru, Karnataka 560068
PH: 089042 69998
確かに使ってた。使ってはいるけど解凍を使ってるのは自己解凍のところだけで、e,xオプションのところでは「ファイルを取り出す」表記。凍結表記もaオプションのところだけ。
(LHAになる前のバージョンだけど)LHarcソースコード内の日本語版の使い方
char use[] =
"LHarc version 1.13c Copyright(c) H.Yoshizaki（吉崎栄泰）, 1988-89.\n"
"============================================================= 1989 - 5 - 21 ===\n"
" <<< 高圧縮書庫管理プログラム >>>\n"
"===============================================================================\n"
" 使用法：LHarc [<命令>] [{/|-}{<スイッチ>[-|+|2|<オプション>]}...] <書庫名>\n"
" [<ドライブ名>:|<基準ディレクトリ名>\\] [<パス名> ...]\n"
"-------------------------------------------------------------------------------\n"
" 《命令》\n"
" a: 書庫にファイルを追加 u: 書庫にファイルを追加（日時照合付）\n"
" f: 書庫のファイルを更新 m: 書庫にファイルを移動（日時照合付）\n"
" d: 書庫内のファイルの削除 e,x: 書庫からファイルを取り出す\n"
" p: 書庫内のファイルの閲覧 l,v: 書庫の一覧表示\n"
" s: 自己解凍書庫の作成 t: 書庫内のファイルの CRC チェック\n"
" 《スイッチ》\n"
" r: 再帰的収集を行う w: ワークディレクトリの指定\n"
" x: ディレクトリ名を有効にする m: 問い合わせを行わない\n"
" p: 名前の比較を厳密に行う c: 日時照合を行わない\n"
" a: 全属性を凍結の対象とする v: 他のユーティリティでファイルを閲覧\n"
" n: 経過表示をしない k: 自動実行のキーワードの設定\n"
"===============================================================================\n"
" 転載・再配布などは自由です。 Nifty-Serve PFF00253\n"
英語版の使い方
char use[] =
"LHarc version 1.13c Copyright (c) Haruyasu Yoshizaki, 1988-89.\n"
"================================================================ 05/21/89 ===\n"
" <<< High-Performance File-Compression Program >>>\n"
"===============================================================================\n"
"usage: LHarc [<command>] [{{/|-}{<switch>[-|+|2|<option>]}}...] <archive_name>\n"
" [{<drive_name>:}|{<home_directory_name>\\}] [<path_name> ...]\n"
"-------------------------------------------------------------------------------\n"
" a: Add files to archive u: Update files to archive\n"
" f: Freshen files in archive m: Move new files into archive\n"
" d: Delete files from archive e,x: EXtract files from archive\n"
" p: disPlay files in archive l,v: View List of files in archive\n"
" s: make a Self-extracting archive t: Test integrity of archive\n"
" r: Recursively collect files w: assign Work directory\n"
" x: allow eXtended file names m: no Message for query\n"
" p: distinguish full Path names c: skip time-stamp Check\n"
" a: allow any Attributes of files v: View files by another utility\n"
" n: display No indicator k: Key word for AUTOLARC.BAT\n"
" t: archive's Time-stamp option\n"
"===============================================================================\n"
" You may copy or distribute without any donation to me. Nifty-Serve PFF00253\n"
" (See the User's Manual for detailed descriptions.) ASCII-pcs pcs02846";
https://profile.hatena.ne.jp/dorawii_bukuma/
はてなのサイト側で読み込まれているはずのrksトークンを生成する関数を直接叩く方法がどうしても分からず結局request処理を自分で書く方法ではなく自動でUI側の保存ボタンをクリックするという無難な方向に落ち着いた。
最初から後者の方法をとっていればもっと全然早く作れたのにというは所詮言い訳か。
とにかくスクリプトを公開しておく。
@echo off
cd /d "C:\Users\user\Documents\jsscript"
:: Nodeサーバーを別ウィンドウで起動
start /min "" node run-batch-server.js
:: Pythonサーバーを別ウィンドウで起動（hatenaserver配下）
start cmd /k "" python hatenaserver\server.py
{
"username": "",
"password": ""
}from flask import Flask, request, jsonify
import json
import os
from hatena_client import HatenaClient
from flask_cors import CORS
app = Flask(__name__)
CORS(app)
config_path = os.path.join(os.path.dirname(__file__), 'config.json')
with open(config_path, encoding='utf-8') as f:
config = json.load(f)
@app.route('/bookmark', methods=['POST'])
def handle_bookmark():
data = request.json
url = data.get("url")
if not url:
return jsonify({"error": "Missing URL"}), 400
client = HatenaClient(config["username"], config["password"])
client.start_browser()
if not client.login():
client.quit()
return jsonify({"error": "Login failed"}), 403
success = client.add_bookmark(url)
client.quit()
return jsonify({"status": "ok" if success else "fail"})
if __name__ == "__main__":
app.run(port=12347)
// ==UserScript==
// @name 自動セルクマ送信
// @namespace tampermonkey.net/
// @version 2025-08-07
// @description try to take over the world!
// @author You
// @match anond.hatelabo.jp/*
// @grant none
// ==/UserScript==
(function () {
'use strict';
const url = location.href;
if (!/^https:\/\/anond\.hatelabo\.jp\/\d+$/.test(url)) return;
const editLink = document.querySelector('a.edit');
if (!editLink) {
// 既に編集ページなので処理をスキップ
console.log('編集リンクが存在するため、スクリプトを終了します。');
return;
}
fetch('localhost:12347/bookmark', {
method: 'POST',
headers: {
'Content-Type': 'application/json'
},
body: JSON.stringify({ url: url })
}).then(r => console.log("通知成功")).catch(e => console.error("通知失敗", e));
})();
-----BEGIN PGP SIGNED MESSAGE----- Hash: SHA512 https://anond.hatelabo.jp/20250821192753# -----BEGIN PGP SIGNATURE----- iHUEARYKAB0WIQTEe8eLwpVRSViDKR5wMdsubs4+SAUCaKb0qwAKCRBwMdsubs4+ SHfiAQDcXmTHBaZ5Zzr1KI/OxZ0xl69oevOdy1FXJYwYvsmo5AD/ZPtZiO1JgTDj m+27iymlkdzIXOIGWfC82UTr1mJ7EwU= =YoV+ -----END PGP SIGNATURE-----
[ Title report ] A foreign Uber delivery driver on a moped is told, "That 's a motorcycle , right !? " but he blocks the driver's path and gets angry , yelling, "F○CK YOU ! "
The car was speeding along without any lights or turn signals, and the photographer was shouting, "Everyone please spread this around!"
The world is coming to an end.
#Moped #Dangerous behavior
はい、**ブロックチェーンを使ったタイムスタンプ**は、「元データそのものを共有せずに、その存在と時刻を証明する手段」として非常に有効です。特に、ハッシュ値をブロックチェーンに記録することで、元データを後から提示するだけで、それがある時刻に存在したこと・改竄されていないことを**誰でも検証可能にする**、という形になります。
あなたの希望（元の文章が掲示板などで変形されても検証可能、あるいは元文不要）に近づけるには、**ハッシュをブロックチェーンに書き込んで、後からそのハッシュに一致する元データを見せる**という形式になります。
---
### 基本の流れ：
2. そのハッシュをブロックチェーンに記録（トランザクションのメモ欄など）
3. 後から誰でもハッシュとトランザクションを照合して、時刻と整合性を検証可能
---
## ✅ 推奨ツール：OpenTimestamps（OTS）
[OpenTimestamps](https://opentimestamps.org/) は、ビットコインのブロックチェーンを用いた無料のタイムスタンプサービスです。
---
## ✅ Windows 11 での手順（OpenTimestamps CLI）
Pythonがまだ入っていない場合は、https://www.python.org/downloads/windows/](https://www.python.org/downloads/windows/) からインストーラーを取得し、`Add to PATH` にチェックを入れてインストールしてください。
コマンドプロンプトまたはPowerShellで以下を実行：
```bash
pip install opentimestamps-client
```
たとえば `message.txt` というファイルを用意します（中身は何でもOK）。
```bash
```
これにより、`message.txt.ots` というタイムスタンプファイルが作成されます。
これは「Bitcoinにこのデータのハッシュを記録する要求がされたこと」を表します。
```bash
```
署名がBitcoinブロックチェーンに記録されていれば、次のように表示されます：
```
Success! Bitcoin attests data existed as of 2025-06-08 12:34:56 UTC
```
---
```bash
echo -n "あなたの文" | openssl dgst -sha256
```
このハッシュに一致するファイルを後から提示すれば、それが当時存在していたことを証明できます。
---
## ✅ まとめ
| 特徴 | 内容 |
| ------------- | -------------------- |
| 元文の提示は不要 | ✅（ハッシュが一致すればOK） |
| 改行や掲示板変形の影響なし | ✅（ハッシュが変わらなければOK） |
| 無料かつ自律的 | ✅（Bitcoinブロックチェーン使用） |
| Windows対応 | ✅（Python + CLI） |
---
もしあなたの目的が「一定時刻に自分がその文を作成したことの証明」であるなら、この方法は非常に相性が良いです。
---
必要であれば、GUIツールやウェブインターフェースを使った方法（例：[OpenTimestamps Calendar](https://calendar.opentimestamps.org/)）も紹介できます。希望があればお知らせください。
-----BEGIN PGP SIGNED MESSAGE----- Hash: SHA512 20250610095304512 -----BEGIN PGP SIGNATURE----- iHUEARYKAB0WIQTEe8eLwpVRSViDKR5wMdsubs4+SAUCaEgAgAAKCRBwMdsubs4+ SII/AP9HFG5+U8BfEXzKxSoyEuxm6X/vJjK7Ee7Kwpi/rwQZJgEAorUjMTh9okHu 3WbPvgsSfDyzhpUuwCVsKessR4FSpQE= =VNrS -----END PGP SIGNATURE-----
令和7年4月1日以降、官報の帰化情報が90日経過で閲覧不可になった。
「プライバシーに配慮」とのことだが、最近の不自然な戸籍不要発言などと合わせて考えると嫌な予感しかしない。
そこでとりあえず官報を保存できるプログラムを作った。自分でダウンロードして保存すること自体は全く問題ない行為。
官報は平日の8:30に公開されるので、cronで8:31とかに実行すると良いのでは。
# 官報のPDFデータを入手して保存する import requests import os import time from bs4 import BeautifulSoup from urllib.parse import urljoin # 対象URL index_url = "https://www.kanpo.go.jp/index.html" base_url = 'https://www.kanpo.go.jp/' # ダウンロード先フォルダ download_dir = 'pdfs' os.makedirs(download_dir, exist_ok=True) # ページ取得 response = requests.get(index_url) response.encoding = 'utf-8' text = response.text # HTMLを解析 soup = BeautifulSoup(text, "html.parser") results = [] # 「本日の官報」を対象にPDFの情報を取得する today_box = soup.find('div', class_='todayBox') if today_box: dl = today_box.find('dl') dt = dl.find('dt') if dt: # 日付の抽出 date_text = dt.get_text(strip=True).split('92;n')[0].replace(" ","").replace("全体目次はこちら","").replace("※インターネット版官報","").strip() dd = dl.find('dd') if dd: for li in dd.find_all('li', class_='articleBox'): title_tag = li.find('a', class_='articleTop') pdf_link = li.find('a', class_='pdfDlb') if title_tag and pdf_link: title = title_tag.decode_contents().replace("<br/>", "").strip() url = pdf_link['href'] results.append({ '日付': date_text, 'title': title, 'url': url }) # 結果の表示 for r in results: date = r['日付'] title = r['title'] url = r['url'] # pdfファイルのURLを作成 url_parts = url.rsplit("/", 1) url_base = url_parts[0] filename = url_parts[1].replace("f.html", ".pdf") converted_url = f"{url_base}/pdf/{filename}" # pdfのURLとファイル名を作成 full_url = urljoin(base_url, converted_url) base_filename = date + "_" + title + "_" + filename.replace("f.html", ".pdf") # ダウンロードして保存 print(f'Downloading {full_url} ...') try: response = requests.get(full_url) response.raise_for_status() with open(os.path.join(download_dir, base_filename), 'wb') as f: f.write(response.content) print(f'Saved: {base_filename}') time.sleep(10) except Exception as e: print(f'Failed to download {full_url}: {e}')
In today’s beauty and wellness industry, consumer trust hinges on scientific validation. Cosmetic Clinical Trials play a crucial role in proving the safety, efficacy, and benefits of skincare and haircare products. These trials help brands stand out in a competitive market by providing evidence-based claims that meet both consumer expectations and regulatory standards.
Conducted under strict protocols, cosmetic trials assess various parameters like hydration, anti-aging effects, skin elasticity, and hair strength using advanced dermatological assessments and instrumental analysis. This ensures that only high-quality and effective products reach the market.
India has emerged as a hub for reliable and cost-effective research, with several trusted clinical research companies in India offering specialized services in the cosmetic domain. Partnering with the right CRO ensures seamless trial execution, accurate data, and faster time-to-market.
Whether you're launching a new beauty product or validating existing formulations, cosmetic clinical trials are your path to credibility and success.
(前回までのやり取り) https://anond.hatelabo.jp/20250404224409
Monday： 君が採ってる立場の整理を確認したい。 「問いではないけど残ってる感情を存在しない」と見なしてるのか、 「自分の認知では読めないから存在を保証しない」としてるのか。 どっちだ？
ワイ：
感情と構造的思考を厳密に分ける必要性ないと思ってるし、徹底して観測していないものは認知できないの立場なだけだよ
それとも記憶の再編の話してる？たぶんそれ実質的に"new"じゃないかな（記憶へのアクセス→再編集→new instanceの生成)
import time
"""感覚信号を表すクラス。言語化前の生の感覚データをモデル化し、時間減衰や感情価を管理する。
認知の基礎として、観測可能なデータのみを扱い、神経科学的反応速度を考慮。
"""
VALID_MODALITIES = {"visual", "auditory", "somatic", "interoceptive", "emotional"}
# モダリティごとの反応速度（秒）。情動系は速く、視覚系は遅め。
MODALITY_LATENCIES = {
"visual": 0.3,
"auditory": 0.2,
"somatic": 0.25,
"interoceptive": 0.15,
"emotional": 0.1
}
def __init__(self, modality, intensity, valence, timestamp=None):
"""
Parameters:
-----------
modality : str
感覚の種類 ("visual", "auditory", "somatic", "interoceptive", "emotional")
intensity : float
強度 (0.0-1.0)
valence : float
感情価 (-1.0=negative, 0.0=neutral, 1.0=positive)
信号の発生時刻
Raises:
-------
ValueError
modality が無効、または intensity/valence が不正な場合
"""
if not isinstance(modality, str) or modality not in self.VALID_MODALITIES:
raise ValueError(f"Invalid modality: {modality}. Must be one of {self.VALID_MODALITIES}")
if not isinstance(intensity, (int, float)):
raise ValueError("Intensity must be a number")
if not isinstance(valence, (int, float)):
raise ValueError("Valence must be a number")
self.modality = modality
self.intensity = max(0.0, min(1.0, float(intensity)))
self.valence = max(-1.0, min(1.0, float(valence)))
self.timestamp = self._get_current_time() if timestamp is None else timestamp
self.decay_rate = 0.05
self.latency = self.MODALITY_LATENCIES.get(modality, 0.2) # デフォルトは0.2秒
"""現在時刻を取得"""
def apply_decay(self, time_passed):
self.intensity = max(0.0, self.intensity - (time_passed * self.decay_rate))
return self.intensity
valence_str = "negative" if self.valence < 0 else "positive" if self.valence > 0 else "neutral"
return f"SensorySignal({self.modality}, intensity={self.intensity:.2f}, valence={valence_str}, latency={self.latency:.2f}s)"
"""未処理感情を表すクラス。言語ラベル未確定の感覚群を管理し、認知プロセスの途中段階をモデル化。
記憶アクセスは再編集として扱い、言語化プロセスを動的に進める。
"""
def __init__(self, raw_signals=None, salience=0.5, processing_status="unattended"):
"""
Parameters:
-----------
raw_signals : list of SensorySignal, optional
salience : float
processing_status : str
処理状態 ("unattended", "partially_processed", "queued", "in_process")
"""
self.raw_signals = raw_signals if raw_signals is not None else []
self.salience = max(0.0, min(1.0, salience))
self.processing_status = processing_status
self.pattern_matches = {}
self.creation_time = self._get_current_time()
self.last_accessed_time = self.creation_time
self.access_count = 0
self.structure_level = 0.0
self.associated_memory_paths = []
"""現在時刻を取得"""
def _validate_memory_path(self, path):
# 実際のシステムでは、ファイルシステムやDBの存在チェックを行う
return isinstance(path, str) and path.startswith("/memory/")
if not isinstance(signal, SensorySignal):
raise ValueError("Signal must be a SensorySignal instance")
self.raw_signals.append(signal)
self.structure_level = max(0.0, self.structure_level - 0.1)
self.last_accessed_time = self._get_current_time()
self.access_count += 1
def add_language_candidate(self, term, confidence):
self.language_candidates.append({
"term": term,
"timestamp": self._get_current_time()
})
self.structure_level = min(1.0, self.structure_level + 0.05)
self.last_accessed_time = self._get_current_time()
self.access_count += 1
def add_pattern_match(self, pattern_name, similarity):
self.pattern_matches[pattern_name] = {
"similarity": similarity,
"timestamp": self._get_current_time()
}
self.structure_level = min(1.0, self.structure_level + 0.1)
self.last_accessed_time = self._get_current_time()
self.access_count += 1
def add_memory_path(self, path):
if not self._validate_memory_path(path):
raise ValueError(f"Invalid memory path: {path}")
if path not in self.associated_memory_paths:
self.associated_memory_paths.append(path)
self.last_accessed_time = self._get_current_time()
self.access_count += 1
def apply_decay(self, time_passed):
for signal in self.raw_signals:
signal.apply_decay(time_passed)
decay_modifier = max(0.1, 1.0 - (self.access_count / 100.0))
decay_amount = time_passed * 0.02 * decay_modifier
structure_modifier = max(0.5, 1.0 - self.structure_level)
decay_amount *= structure_modifier
self.salience = max(0.0, self.salience - decay_amount)
return self.salience
def get_average_valence(self):
if not self.raw_signals:
return 0.0
total_valence = sum(signal.valence for signal in self.raw_signals)
return total_valence / len(self.raw_signals)
def get_dominant_modality(self):
if not self.raw_signals:
return None
for signal in self.raw_signals:
modality_strengths[signal.modality] = modality_strengths.get(signal.modality, 0) + signal.intensity
return max(modality_strengths.items(), key=lambda x: x[1])[0] if modality_strengths else None
def get_best_language_match(self):
return max(self.language_candidates, key=lambda x: x["confidence"]) if self.language_candidates else None
best_lang = self.get_best_language_match()
best_term = best_lang["term"] if best_lang else "未定義"
best_confidence = best_lang["confidence"] if best_lang else 0.0
return {
"creation_time": self.creation_time,
"age": self._get_current_time() - self.creation_time,
"status": self.processing_status,
"salience": self.salience,
"structure_level": self.structure_level,
"signal_count": len(self.raw_signals),
"dominant_modality": self.get_dominant_modality(),
"average_valence": self.get_average_valence(),
"best_language_match": best_term,
"language_confidence": best_confidence,
"access_count": self.access_count,
"memory_path_count": len(self.associated_memory_paths)
}
status = self.get_status_summary()
best_term = status["best_language_match"]
return f"UnprocessedEmotion(id={self.id}, status={self.processing_status}, salience={self.salience:.2f}, best_term='{best_term}')"
class CognitiveQueue:
"""言語ラベル未確定の感覚群を管理するキューシステム。認知プロセスの優先順位付けと記憶再編集をサポート。
"""
def __init__(self, max_size=100, attention_threshold=0.3):
"""
Parameters:
-----------
max_size : int
attention_threshold : float
"""
self.unprocessed_emotions = []
self.processing_queue = []
self.archived_emotions = []
self.attention_threshold = attention_threshold
self.current_time = self._get_current_time()
self.learned_terms = {} # 学習済み言語表現: {term: {"context": str, "frequency": int}}
self.modality_index = {} # モダリティごとの感情インデックス: {modality: [emotion]}
"""現在時刻を取得"""
self.current_time = time.time()
return self.current_time
def learn_language_term(self, term, context):
if term in self.learned_terms:
self.learned_terms[term]["frequency"] += 1
else:
self.learned_terms[term] = {"context": context, "frequency": 1}
def _update_modality_index(self, emotion, add=True):
dominant = emotion.get_dominant_modality()
if dominant:
if add:
if dominant not in self.modality_index:
self.modality_index[dominant] = []
if emotion not in self.modality_index[dominant]:
self.modality_index[dominant].append(emotion)
else:
if dominant in self.modality_index and emotion in self.modality_index[dominant]:
self.modality_index[dominant].remove(emotion)
def register_new_emotion(self, raw_signals=None, salience=0.5):
salience=salience,
processing_status="unattended"
)
self.unprocessed_emotions.append(emotion)
self._update_modality_index(emotion)
if len(self.unprocessed_emotions) > self.max_size:
least_salient = min(self.unprocessed_emotions, key=lambda e: e.salience)
self.unprocessed_emotions.remove(least_salient)
self._update_modality_index(least_salient, add=False)
least_salient.processing_status = "archived_without_processing"
self.archived_emotions.append(least_salient)
return emotion
def access_emotion(self, emotion):
"""感情にアクセスし、再編集として新しいインスタンスを生成"""
if emotion not in self.unprocessed_emotions:
return None
new_emotion = UnprocessedEmotion(
raw_signals=[SensorySignal(s.modality, s.intensity, s.valence, s.timestamp) for s in emotion.raw_signals],
salience=emotion.salience,
processing_status=emotion.processing_status
)
new_emotion.structure_level = emotion.structure_level * 0.9
new_emotion.language_candidates = emotion.language_candidates.copy()
new_emotion.pattern_matches = emotion.pattern_matches.copy()
new_emotion.associated_memory_paths = emotion.associated_memory_paths.copy()
self.unprocessed_emotions.append(new_emotion)
self._update_modality_index(new_emotion)
emotion.processing_status = "archived_due_to_access"
self.unprocessed_emotions.remove(emotion)
self._update_modality_index(emotion, add=False)
self.archived_emotions.append(emotion)
return new_emotion
def update_queue(self):
for emotion in self.unprocessed_emotions[:]:
time_passed = self.current_time - emotion.last_accessed_time
emotion.apply_decay(time_passed)
self.unprocessed_emotions.remove(emotion)
self._update_modality_index(emotion, add=False)
emotion.processing_status = "archived_due_to_low_salience"
self.archived_emotions.append(emotion)
self.processing_queue = []
for emotion in self.unprocessed_emotions:
if emotion.salience >= self.attention_threshold:
if emotion.processing_status == "unattended":
emotion.processing_status = "queued"
self.processing_queue.append(emotion)
self.processing_queue.sort(key=lambda e: e.salience, reverse=True)
def get_next_for_processing(self):
"""処理すべき次の感情を取得"""
self.update_queue()
if not self.processing_queue:
return None
emotion = self.processing_queue[0]
emotion.processing_status = "in_process"
emotion.last_accessed_time = self.current_time
emotion.access_count += 1
return emotion
def lookup_by_pattern(self, pattern_name, min_similarity=0.5):
matches = []
for emotion in self.unprocessed_emotions:
if pattern_name in emotion.pattern_matches:
similarity = emotion.pattern_matches[pattern_name]["similarity"]
if similarity >= min_similarity:
matches.append(emotion)
emotion.last_accessed_time = self.current_time
emotion.access_count += 1
return matches
def lookup_by_memory_path(self, partial_path):
matches = []
for emotion in self.unprocessed_emotions:
for path in emotion.associated_memory_paths:
matches.append(emotion)
emotion.last_accessed_time = self.current_time
emotion.access_count += 1
break
return matches
def lookup_by_modality(self, modality):
"""特定のモダリティが支配的な感情を検索（インデックス使用）"""
return self.modality_index.get(modality, [])
def partially_process(self, emotion, language_term=None, confidence=0.0, context=None):
if emotion not in self.unprocessed_emotions:
return False
if language_term:
emotion.add_language_candidate(language_term, confidence)
if context:
self.learn_language_term(language_term, context)
emotion.structure_level = min(1.0, emotion.structure_level + 0.15)
emotion.processing_status = "partially_processed"
emotion.last_accessed_time = self.current_time
emotion.access_count += 1
if emotion.structure_level >= 0.9:
best_lang = emotion.get_best_language_match()
if best_lang and best_lang["confidence"] >= 0.8:
self.unprocessed_emotions.remove(emotion)
self._update_modality_index(emotion, add=False)
emotion.processing_status = "archived_fully_processed"
self.archived_emotions.append(emotion)
return True
modality_counts = {}
for emotion in self.unprocessed_emotions:
dominant = emotion.get_dominant_modality()
if dominant:
modality_counts[dominant] = modality_counts.get(dominant, 0) + 1
valence_counts = {"negative": 0, "neutral": 0, "positive": 0}
for emotion in self.unprocessed_emotions:
avg_valence = emotion.get_average_valence()
valence_counts["negative"] += 1
valence_counts["positive"] += 1
else:
valence_counts["neutral"] += 1
return {
"total_unprocessed": len(self.unprocessed_emotions),
"processing_queue_size": len(self.processing_queue),
"archived_count": len(self.archived_emotions),
"average_salience": sum(e.salience for e in self.unprocessed_emotions) / max(1, len(self.unprocessed_emotions)),
"average_structure_level": sum(e.structure_level for e in self.unprocessed_emotions) / max(1, len(self.unprocessed_emotions)),
"modality_distribution": modality_counts,
"valence_distribution": valence_counts,
"learned_terms_count": len(self.learned_terms),
"current_time": self.current_time
}
| タイトル | メーカー |
|---|---|
| アーケードアーカイブス2 リッジレーサー | ハムスター |
| 祇（くにつがみ）：Path of the Goddess | カプコン |
| サイバーパンク2077 アルティメットエディション | CD PROJEKT |
| サバイバルキッズ | KONAMI |
| シャインポスト Be Your アイドル！ | KONAMI |
| ストリートファイター6 Years 1-2 ファイターズエディション | カプコン |
| スプリット・フィクション | エレクトロニック・アーツ |
| DELTARUNE | ハチノヨン |
| Nintendo Switch 2 のひみつ展 | 任天堂 |
| 信長の野望･新生 with パワーアップキット Complete Edition | コーエーテクモゲームス |
| HITMAN World of Assassination - Signature Edition | IO Interactive |
| Fast Fusion | Shin’en Multimedia |
| フォートナイト | Epic Games |
| ぷよぷよ™テトリス®２Ｓ | セガ |
| ブレイブリーデフォルト フライングフェアリー HDリマスター | スクウェア・エニックス |
| ホグワーツ・レガシー Hogwarts Legacy | WB Games |
| マリオカート ワールド | 任天堂 |
| 龍が如く０ 誓いの場所 Director's Cut | セガ |
肥田式強健術は、肥田春充が開発した身体と心のトレーニング方法で、大正から昭和初期に人気がありました。
この方法は、身体の中心（特に「丹田」）を強化し、健康と強さを築くことを重視します。
驚くべきことに、肥田春充は元々虚弱体質でしたが、この方法で2年で強靭な体を手に入れ、柔道や剣道などで卓越した能力を発揮しました。
また、彼の方法は精神的な成長にもつながり、一部の文献では「神の力」を発見したとされていますが、霊性を手に入れるかどうかは個人の解釈に依存します。
肥田春充とは？
肥田春充（1883-1956）は、日本の健康法の創始者で、元々虚弱体質だった彼が自ら開発した方法で超人的な体を手に入れました。彼は明治大学柔道部の創設者としても知られ、柔道や剣道、弓術などで優れた成績を残しました。
方法の特徴
この技術は、西洋のウェイトトレーニングと日本の伝統的なエネルギー概念（特に「丹田」）を組み合わせ、身体の中心に力を集中させることで健康と強さを築きます。1930年代には多くの人々に採用され、昭和天皇もその本を読んでいた記録があります。
霊性について
肥田春充自身は「神の力」を発見したと述べ、深い精神的な洞察を得たように見えますが、霊性を手に入れるかどうかは明確には定義されていません。彼の方法は主に身体的・精神的健康に焦点を当てており、霊性の獲得は個々の実践者による解釈や経験に依存する可能性があります。
肥田春充の「肥田式強健術」について、以下の詳細な調査を行いました。この方法は、大正から昭和初期にかけて注目された健康と身体訓練の方法であり、その背景や特徴、影響力を明らかにします。
肥田春充の背景
肥田春充は1883年に生まれ、1956年に亡くなりました。彼は元々虚弱体質で、幼少期に麻疹で重病を患い、18歳まで中学校に入学できなかったほどでした（My Dad Is an OTAKU）。しかし、彼は自身の方法を通じて身体を強化し、「超人」と呼ばれるほどの強靭な体を手に入れました。この過程は、彼の伝記や関連文献で詳述されています。
ユーザーのクエリでは「肥田式強健術」と記載されていますが、これは「Hida Shiki Kyoken Jutsu（肥田式強健術）」とも呼ばれます。Quest Stationのページ（Quest Station）では、「Hida Shiki Kyoken Jutsu」が「心身を鍛える究極の方法」と紹介されており、健康と身体の動きに焦点を当てています。
「Kyoken Jutsu」の意味については、具体的な漢字は明らかではありませんが、文脈から「強健な技術」や「健康強化の方法」と解釈されます。webhiden.jp（webhiden.jp）では、「肥田式強健術」が中心的な名称として扱われており、以下の表でその発展段階がまとめられています。
段階
年
初期開発
10種類のエクササイズに焦点、下腹部の緊張と「気合（kiai）」を強調。
1911
『実験 簡易強健術』 (Experimental Simple Strong Health Method)
「動的力」の導入
「足踏みによる衝撃力」を取り入れ、「動的力」と命名、「気合適用強健術」へ発展。
1930年代初頭
-
「中心」の概念
1916
『強い身体をつくる法』 (Method to Build a Strong Body)
中心鍛錬技術
鉄棒を使った「中心鍛錬技術」を発表、6ヶ月で「腰と腹の均等、真の中心」を実現。
1923
-
主要著作
1936
『聖中心道 肥田式強健術 天真療法』 (Holy Center Path Hida-style Strong Health Method, Natural Therapy)
方法の特徴
My Dad Is an OTAKUの記事によると、この方法は「Hara（Tanden）」つまり臍の下または後ろにある身体の重心と内なるエネルギーの座に焦点を当てます。具体的には、腹部と下背部を均等に緊張させ、身体の中心に力を集中させることで、加速的にパワーを高めます。この訓練により、肥田は2年で強靭な体を手に入れ、柔道（明治大学柔道部の創設者、竹内流の免許を6ヶ月で取得）、剣道、弓術、やり投げ、長刀、銃剣術、射撃などのスポーツで卓越した能力を発揮しました。
また、アメリカのボクサー、マッカーサー・フォスターやムハンマド・アリもこのKyoken-jutsuを学んだとされています（My Dad Is an OTAKU）。これは国際的な影響力を持つ証拠です。
歴史的影響と普及
この方法は大正時代（1912-1926年）から昭和初期（1930年代頃）にかけてブームを呼び、多くの人々に採用されました。1936年の『聖中心道 肥田式強健術 天真療法』は、その包括的な内容で知られ、昭和天皇も読んでいたとされています（webhiden.jp）。Quest StationのDVD（Quest Station）では、現代でも「日本の伝統的な身体運動方法」として注目されており、以下の製品が販売されています。
Product ID
Description
Length
Language
Format
Other Info
Price
SPD-9412
Hida Shiki Kyoken Jutsu Introduction
Basic principles and movements
70min
Japanese with English subtitles
4,500PYY
SPD-9413
Hida Shiki Kyoken Jutsu Practical Methods
Breaking methods, correct movement, center training
106min
Japanese with English subtitles
4,500PY
SPD-9416
Hida Shiki Kyoken Jutsu Introduction and Practical Methods
2 DVD set of Introduction and Practical Methods
176min
Japanese with English subtitles
8,500PY
ユーザーのクエリでは、「肥田式強健術を極めると霊性を手に入れることができるか？」と問われています。肥田春充自身は、「神の力」を発見したと述べ、深い精神的な洞察を得たように見えます（My Dad Is an OTAKU）。例えば、1954年にポール・レプスが訪問した際、70代の肥田が30代のように見えたと報告されています。これは、彼の方法が単なる身体訓練を超え、精神的な次元に影響を与えた可能性を示唆します。
しかし、霊性の獲得は明確に定義されておらず、個々の実践者による解釈や経験に依存する可能性があります。webhiden.jpやQuest Stationの情報からは、肥田式強健術が主に身体的・精神的健康に焦点を当てていることが明らかであり、霊性の獲得は間接的な結果として考えられるかもしれません。
調査はまず肥田春充の名前でウェブ検索を行い、Quest Station、Wikidata、webhiden.jp、Amazonの書籍、ブログ記事（My Dad Is an OTAKU）などの結果を得ました。Quest Stationのページでは、Hida Shiki Kyoken Jutsuが「心身を鍛える究極の方法」と紹介されており、webhiden.jpでは発展段階が詳細に記載されていました。
さらに、My Dad Is an OTAKUの記事を閲覧し、肥田の方法が「Hara（Tanden）」に焦点を当てた訓練であることを確認しました。これにより、「肥田式強健術」が肥田の健康法の翻訳であると結論付けました。
「肥田式強健術」は、肥田春充が開発した身体と心の訓練方法で、大正から昭和初期に広く普及しました。この方法は、身体の中心を強化し、強さと健康を築くことを目指し、西洋のウェイトトレーニングと日本の伝統的なエネルギー概念を融合しています。その影響力は国内外に及び、現代でもDVDや書籍（webhiden.jp）で学ぶことができます。霊性の獲得については、肥田自身が「神の力」を発見したと述べていますが、これは個々の実践者による解釈に依存する可能性があります。
Key Citations
Hida Shiki Kyoken Jutsu Introduction Quest Station
肥田春充 Hida Harumichi 肥田式強健術 webhiden
肥田式強健術は、肥田春充が開発した身体と心のトレーニング方法で、大正から昭和初期に人気がありました。
この方法は、身体の中心（特に「丹田」）を強化し、健康と強さを築くことを重視します。
驚くべきことに、肥田春充は元々虚弱体質でしたが、この方法で2年で強靭な体を手に入れ、柔道や剣道などで卓越した能力を発揮しました。
また、彼の方法は精神的な成長にもつながり、一部の文献では「神の力」を発見したとされていますが、霊性を手に入れるかどうかは個人の解釈に依存します。
肥田春充とは？
肥田春充（1883-1956）は、日本の健康法の創始者で、元々虚弱体質だった彼が自ら開発した方法で超人的な体を手に入れました。彼は明治大学柔道部の創設者としても知られ、柔道や剣道、弓術などで優れた成績を残しました。
方法の特徴
この技術は、西洋のウェイトトレーニングと日本の伝統的なエネルギー概念（特に「丹田」）を組み合わせ、身体の中心に力を集中させることで健康と強さを築きます。1930年代には多くの人々に採用され、昭和天皇もその本を読んでいた記録があります。
霊性について
肥田春充自身は「神の力」を発見したと述べ、深い精神的な洞察を得たように見えますが、霊性を手に入れるかどうかは明確には定義されていません。彼の方法は主に身体的・精神的健康に焦点を当てており、霊性の獲得は個々の実践者による解釈や経験に依存する可能性があります。
肥田春充の「肥田式強健術」について、以下の詳細な調査を行いました。この方法は、大正から昭和初期にかけて注目された健康と身体訓練の方法であり、その背景や特徴、影響力を明らかにします。
肥田春充の背景
肥田春充は1883年に生まれ、1956年に亡くなりました。彼は元々虚弱体質で、幼少期に麻疹で重病を患い、18歳まで中学校に入学できなかったほどでした（My Dad Is an OTAKU）。しかし、彼は自身の方法を通じて身体を強化し、「超人」と呼ばれるほどの強靭な体を手に入れました。この過程は、彼の伝記や関連文献で詳述されています。
ユーザーのクエリでは「肥田式強健術」と記載されていますが、これは「Hida Shiki Kyoken Jutsu（肥田式強健術）」とも呼ばれます。Quest Stationのページ（Quest Station）では、「Hida Shiki Kyoken Jutsu」が「心身を鍛える究極の方法」と紹介されており、健康と身体の動きに焦点を当てています。
「Kyoken Jutsu」の意味については、具体的な漢字は明らかではありませんが、文脈から「強健な技術」や「健康強化の方法」と解釈されます。webhiden.jp（webhiden.jp）では、「肥田式強健術」が中心的な名称として扱われており、以下の表でその発展段階がまとめられています。
段階
年
初期開発
10種類のエクササイズに焦点、下腹部の緊張と「気合（kiai）」を強調。
1911
『実験 簡易強健術』 (Experimental Simple Strong Health Method)
「動的力」の導入
「足踏みによる衝撃力」を取り入れ、「動的力」と命名、「気合適用強健術」へ発展。
1930年代初頭
-
「中心」の概念
1916
『強い身体をつくる法』 (Method to Build a Strong Body)
中心鍛錬技術
鉄棒を使った「中心鍛錬技術」を発表、6ヶ月で「腰と腹の均等、真の中心」を実現。
1923
-
主要著作
1936
『聖中心道 肥田式強健術 天真療法』 (Holy Center Path Hida-style Strong Health Method, Natural Therapy)
方法の特徴
My Dad Is an OTAKUの記事によると、この方法は「Hara（Tanden）」つまり臍の下または後ろにある身体の重心と内なるエネルギーの座に焦点を当てます。具体的には、腹部と下背部を均等に緊張させ、身体の中心に力を集中させることで、加速的にパワーを高めます。この訓練により、肥田は2年で強靭な体を手に入れ、柔道（明治大学柔道部の創設者、竹内流の免許を6ヶ月で取得）、剣道、弓術、やり投げ、長刀、銃剣術、射撃などのスポーツで卓越した能力を発揮しました。
また、アメリカのボクサー、マッカーサー・フォスターやムハンマド・アリもこのKyoken-jutsuを学んだとされています（My Dad Is an OTAKU）。これは国際的な影響力を持つ証拠です。
歴史的影響と普及
この方法は大正時代（1912-1926年）から昭和初期（1930年代頃）にかけてブームを呼び、多くの人々に採用されました。1936年の『聖中心道 肥田式強健術 天真療法』は、その包括的な内容で知られ、昭和天皇も読んでいたとされています（webhiden.jp）。Quest StationのDVD（Quest Station）では、現代でも「日本の伝統的な身体運動方法」として注目されており、以下の製品が販売されています。
Product ID
Description
Length
Language
Format
Other Info
Price
SPD-9412
Hida Shiki Kyoken Jutsu Introduction
Basic principles and movements
70min
Japanese with English subtitles
4,500PYY
SPD-9413
Hida Shiki Kyoken Jutsu Practical Methods
Breaking methods, correct movement, center training
106min
Japanese with English subtitles
4,500PY
SPD-9416
Hida Shiki Kyoken Jutsu Introduction and Practical Methods
2 DVD set of Introduction and Practical Methods
176min
Japanese with English subtitles
8,500PY
ユーザーのクエリでは、「肥田式強健術を極めると霊性を手に入れることができるか？」と問われています。肥田春充自身は、「神の力」を発見したと述べ、深い精神的な洞察を得たように見えます（My Dad Is an OTAKU）。例えば、1954年にポール・レプスが訪問した際、70代の肥田が30代のように見えたと報告されています。これは、彼の方法が単なる身体訓練を超え、精神的な次元に影響を与えた可能性を示唆します。
しかし、霊性の獲得は明確に定義されておらず、個々の実践者による解釈や経験に依存する可能性があります。webhiden.jpやQuest Stationの情報からは、肥田式強健術が主に身体的・精神的健康に焦点を当てていることが明らかであり、霊性の獲得は間接的な結果として考えられるかもしれません。
調査はまず肥田春充の名前でウェブ検索を行い、Quest Station、Wikidata、webhiden.jp、Amazonの書籍、ブログ記事（My Dad Is an OTAKU）などの結果を得ました。Quest Stationのページでは、Hida Shiki Kyoken Jutsuが「心身を鍛える究極の方法」と紹介されており、webhiden.jpでは発展段階が詳細に記載されていました。
さらに、My Dad Is an OTAKUの記事を閲覧し、肥田の方法が「Hara（Tanden）」に焦点を当てた訓練であることを確認しました。これにより、「肥田式強健術」が肥田の健康法の翻訳であると結論付けました。
「肥田式強健術」は、肥田春充が開発した身体と心の訓練方法で、大正から昭和初期に広く普及しました。この方法は、身体の中心を強化し、強さと健康を築くことを目指し、西洋のウェイトトレーニングと日本の伝統的なエネルギー概念を融合しています。その影響力は国内外に及び、現代でもDVDや書籍（webhiden.jp）で学ぶことができます。霊性の獲得については、肥田自身が「神の力」を発見したと述べていますが、これは個々の実践者による解釈に依存する可能性があります。
Key Citations
Hida Shiki Kyoken Jutsu Introduction Quest Station
肥田春充 Hida Harumichi 肥田式強健術 webhiden
> アプリ内のデータかバックアップしたのを自分でダウンロードしてテキスト化する方法ないかなあ／できたわ。設定→位置→タイムライン→タイムラインのエクスポートでjson化可能。あとは誰かが処理系を作るだけだ！
https://b.hatena.ne.jp/entry/4766225990155446401/comment/punychan
これを使えばXXXX-XX-XX.kml 形式で日付別のタイムラインデータを出力できる(ChatGPT製)。
KMLファイルはGoogle Earth Proなどで開くことが可能で、ビジュアルとして行動履歴を見ることができる。
ただ、以前GoogleMapsタイムラインが吐いていたKMLではPlacemarkという項目に直接建物名などが書かれていたが、現在出力されているjsonではplaceIdというものに変更されていて具体的な名前がわからない。
placeIdを実際の建物名などに変換するにはGoogle Maps API の Place Details APIを使うしかないようだが、膨大なリクエスト(有料)をしなければならず非現実的。
もともと欧州のプライバシー関係の規制のせいでGoogleのサーバ上でのタイムライン履歴が行われなくなったのが今回の問題の起点。
ユーザーの自由を尊重するなら、個人が行動履歴を自己管理する自由ももっと尊重してもらいたいものだな、と思った。
import json
import os
from xml.etree.ElementTree import Element, SubElement, tostring
from xml.dom.minidom import parseString
with open("タイムライン.json", "r", encoding="utf-8") as f:
data = json.load(f)
output_folder = "kml_output"
os.makedirs(output_folder, exist_ok=True)
# `semanticSegments` に移動データが含まれている
if "semanticSegments" in data:
date_segments = {} # 日付ごとにデータをまとめる辞書
for segment in data["semanticSegments"]:
# `startTime` から日付部分（YYYY-MM-DD）を抽出
if "startTime" in segment:
date = segment["startTime"].split("T")[0]
date_segments[date].append(segment)
for date, segments in date_segments.items():
kml = Element("kml", xmlns="http://www.opengis.net/kml/2.2")
document = SubElement(kml, "Document")
for segment in segments:
for point in segment["timelinePath"]:
coords = point["point"].replace("°", "") # 度記号を削除
time = point.get("time", "Unknown Time")
# Placemarkを作成
placemark = SubElement(document, "Placemark")
# タイムスタンプ
timestamp = SubElement(placemark, "TimeStamp")
when = SubElement(timestamp, "when")
# 座標
point_element = SubElement(placemark, "Point")
coordinates = SubElement(point_element, "coordinates")
lat, lon = coords.split(", ")
coordinates.text = f"{lon},{lat},0" # KML形式: lon,lat,alt
kml_str = tostring(kml, encoding="utf-8")
formatted_kml = parseString(kml_str).toprettyxml(indent=" ")
kml_filename = os.path.join(output_folder, f"{date}.kml")
with open(kml_filename, "w", encoding="utf-8") as f:
Please consider the histroy of humanity from biological perpsecitve and current known fact in nearby universe, which expo-planet (from the Sol system perspective) is most likely to have civlizaed society? Please add percentage next to it in the chart
ChatGPT
Reasoned about exoplanet civilization likelihoodを28 秒行う
Evaluating planetary prospects
OK, I’m looking at the likelihood of a civilized society on an exoplanet within our Solar System. I’ll consider biological history and current space knowledge, aiming to identify the most promising candidate.
Identifying potential candidates
I'm considering exoplanets like Proxima Centauri b and TRAPPIST-1e, which might suggest they are within or observed from our Solar System.
Assessing potential candidates
I’m evaluating Proxima Centauri b, Barnard's Star, LHS 1140, and TRAPPIST-1, focusing on their habitable zones and available data. The Drake equation might help estimate their civilized society likelihoods.
Identifying promising exoplanets
I’m noting key exoplanets like Proxima Centauri b and TRAPPIST-1, which have Earth-like characteristics and are in habitable zones. This narrows down the potential candidates for advanced civilizations.
I'm gathering info on planets like Proxima Centauri b and TRAPPIST-1, considering factors like magnetic fields, atmospheres, and proximity to G-type stars for their potential to support advanced civilizations.
Evaluating exoplanet prospects
I'm noting that Proxima Centauri b, despite being close and around a red dwarf star, might support life if it has a magnetic field and atmosphere. This makes me think about its potential.
Charting probabilities
I'm estimating civilization probabilities for exoplanets like Proxima Centauri b and TRAPPIST-1 e, using speculative percentages based on the Drake equation and the lack of evidence for intelligent life.
I'm crafting a chart with exoplanet names and civilization likelihood percentages, grounded in the long timeline of life's evolution, despite the speculative nature of these figures.
Identifying exoplanet contenders
I’m evaluating exoplanets like Proxima Centauri b, TRAPPIST-1 e, and Kepler-186f, considering their star types and distances, to gauge their potential for supporting advanced civilizations from our solar system's viewpoint.
Weighing proximity and observation
I'm leaning towards Proxima Centauri b due to its closeness and observational potential, despite concerns about its flare star dynamics. TRAPPIST-1 e, f, or g are also worth considering.
I'm focusing on exoplanets like Proxima Centauri b, Ross 128 b, LHS 1140 b, TRAPPIST-1 e/f/g, and K2-18b, aiming to chart their likelihood of hosting a civilized society based on current knowledge.
Assessing exoplanet potentials
I'm gathering speculative probabilities for exoplanets like Proxima Centauri b and TRAPPIST-1 e/f/g, using the Drake equation and current understanding, to better estimate their chances of hosting a civilized society.
Refining speculative probabilities
I’m refining speculative probabilities for exoplanets, including Proxima Centauri b and TRAPPIST-1 e/f/g, to estimate their chances of hosting a civilized society, considering Earth's long biological history.
Refining odds
I'm considering the astronomical timeline for intelligent life on Earth, leading me to assign even lower speculative odds for exoplanets like Proxima Centauri b and TRAPPIST-1 e.
I’m crafting a simplified chart with arbitrary percentages, clearly noting the speculative nature and lack of scientific data, while considering the target audience's basic understanding of the topic.
I’m charting arbitrary percentages for exoplanets, clarifying their speculative nature, and ensuring the data is accessible for young audiences with minimal scientific detail.
Crafting a chart
I’m creating a markdown table with speculative percentages for the likelihood of civilized life on exoplanets, emphasizing their purely theoretical nature and considering the understanding level of an 8-year-old.
Integrating speculative analysis
I’m mapping out a markdown chart with speculative percentages for the likelihood of a civilized society on exoplanets, mindful of the complexity and simplifying for an 8-year-old's understanding.
I’m piecing together markdown for exoplanets, noting Proxima Centauri b's reduced civilized life chance due to the red dwarf's activity. This inclusion highlights the speculative nature of the analysis.
Piecing together speculative odds
I’m detailing a markdown chart for audience-friendly exoplanet likelihoods, considering environmental challenges and adding a disclaimer about the speculative nature and lack of evidence.
Piecing together
I’m leaning towards Proxima Centauri b for its proximity and silent star, but I’ll add a speculative chart ranking nearby exoplanets, noting their advanced civilizations' hypothetical likelihood.
Assessing civilization probabilities
I'm emphasizing the slow emergence of intelligent life on Earth, which suggests that the odds of any habitable planet developing a complex civilization might be as low as a few percent.
Below is a very speculative chart that—based on what we know about Earth’s long, winding path from simple life to a “civilized society” and our limited observations of nearby exoplanets—gives some fun, made‑up percentage chances for a few of our best candidate exoplanets. Remember: Scientists have not yet found any proof of life (let alone advanced civilizations) on any exoplanet. These numbers are just playful estimates to help you think about the ideas!
Speculative Chances of Finding an Advanced Civilization on Nearby Exoplanets
Exoplanet Estimated Likelihood of a Civilized Society
Proxima Centauri b ~2%
LHS 1140 b ~0.5%
How Did We (Very Roughly) Guess These Numbers?
Earth’s Example:
On Earth, life began as simple single‑celled organisms and took billions of years to evolve into a species that built complex societies. This long journey suggests that—even if a planet is in the “habitable zone” (where liquid water could exist)—developing an advanced, civilized society might be rare.
Proxima Centauri b:
This is the closest exoplanet to us. Even though its star (Proxima Centauri) is a red dwarf that sometimes sends out strong flares (which might harm life), its closeness makes it one of our most interesting candidates. That’s why we give it a slightly higher guess (~2%).
These planets are part of a group orbiting a very cool star. Their environments might be challenging (for example, they could be tidally locked, meaning one side always faces the star), so the chance of a complex, advanced civilization might be a bit lower.
LHS 1140 b:
This planet is promising in some ways but is a little farther away and around a dimmer star, so our playful estimate is even lower.
All of these percentages are extremely rough guesses based on what little we understand about the conditions for life and intelligence. Scientists use ideas like the Drake Equation to think about these chances—but until we have concrete evidence, these numbers remain just for fun and imagination.
Enjoy exploring these ideas—and remember, space is full of mysteries waiting to be discovered!
あなた:
Please examine the Drake Equation itself and see if this euqation is acculate or more opition in the equation you will use
ChatGPT
Reasoned about the Drake Equationを6 秒行う
re-examining the Drake Equation
evaluating the Drake Equation's value
OK, let me see. The Drake Equation isn't a precise formula; it's more of a guiding heuristic that tackles numerous uncertainties regarding extraterrestrial civilizations.
Thinking through the Drake Equation, I’m evaluating its conceptual nature, its uncertain parameters, and its criticism to conclude on its reliability as an accurate predictive model.
Understanding the Drake Equation
I’m mapping out the Drake Equation as a conceptual guide, detailing its parameters, which are often based on estimates or opinions, to evaluate its reliability for predicting extraterrestrial civilizations.
The Drake Equation is a famous formula that was created to help scientists think about the many factors involved in estimating the number of detectable extraterrestrial civilizations in our galaxy. However, when we look at the equation closely, we see that it is more of a conceptual framework or heuristic tool than a precise, predictive formula. Let’s break down why:
The equation is usually written as:
𝑁
=
𝑅
∗
×
𝑓
𝑝
×
𝑛
𝑒
×
𝑓
𝑙
×
𝑓
𝑖
×
𝑓
𝑐
×
𝐿
N=R
∗
×f
p
×n
e
×f
l
×f
i
×f
c
×L
Where:
𝑅
∗
R
∗
: The average rate of star formation per year in our galaxy.
𝑓
𝑝
f
p
: The fraction of those stars that have planetary systems.
𝑛
𝑒
n
e
: The average number of planets that could potentially support life per star with planets.
𝑓
𝑙
f
l
: The fraction of those planets where life actually develops.
𝑓
𝑖
f
i
: The fraction of planets with life where intelligent life evolves.
𝑓
𝑐
f
c
: The fraction of civilizations that develop technology that releases detectable signals into space.
𝐿
L: The length of time such civilizations release detectable signals.
Why the Drake Equation Is More of a Guideline Than a Precise Formula
Uncertain Inputs:
𝑅
∗
R
∗
𝑓
𝑝
f
p
(fraction of stars with planets), have become better known through modern astronomy.
The parameters related to the development of life and intelligence—
𝑓
𝑙
f
l
,
𝑓
𝑖
f
i
,
𝑓
𝑐
f
c
, and
𝐿
L—are based on very limited data. For example, Earth is the only planet we know where life has developed, so we have no way to compare or derive a statistically robust estimate for these factors. This means that the values chosen for these parameters are largely subjective estimates or educated guesses.
Wide Ranges of Possible Values:
Because many of these factors are not well-constrained, if you change one of the more uncertain parameters even slightly, the final estimate for
𝑁
N (the number of civilizations) can vary by many orders of magnitude. This wide range shows that the equation can lead to very different outcomes based on personal or theoretical assumptions.
The Drake Equation was never meant to provide a precise answer. Instead, it serves as a way to organize our thinking about what conditions might be necessary for the development of extraterrestrial civilizations. It encourages discussion about the relative importance of different factors and highlights where our scientific knowledge is limited.
Is the Drake Equation Accurate or More Opinion-Based?
Accurate?
In the sense of being a strict mathematical model with well-defined inputs and predictable outputs, the Drake Equation is not accurate. Its accuracy is limited by the extreme uncertainties in several of its key parameters.
Many of the terms in the equation, especially those concerning the evolution of life and intelligence, are based on opinion, interpretation, and the single example of Earth. Therefore, while the structure of the equation is logical, the numbers you put into it (and hence the final result) are often more reflective of our current opinions and assumptions than of robust empirical data.
The Drake Equation is a valuable tool for framing the question of extraterrestrial life. It helps scientists and enthusiasts break down a complex problem into smaller, more manageable questions. However, because several of its factors are highly uncertain and subject to personal interpretation, it is more of a conceptual guide—or even a way to stimulate discussion—than a formula that provides a definitive, accurate prediction of the number of extraterrestrial civilizations.
In summary, while the Drake Equation is useful for thinking about the various factors that might lead to the emergence of a civilization, its outputs should be taken as highly speculative estimates rather than precise measurements.
あなた:
Please also consider the possiblities of non-human intelligent emrgencing from the long history of Sol system and nearby planets and see if there is any possiblites that in one time intelligent life emerged in nearby planets and see this to the equation
ChatGPT
Reasoned about non-human intelligence and the Drake Equationを19 秒行う
Evaluating non-human intelligence
I'm thinking about the potential for non-human intelligent life forms in the Sol system and neighboring planets, and how this might factor into the equation.
Piecing together possibilities
I'm thinking about how to integrate the emergence of non-human intelligent life, possibly on Mars or Europa, into the Drake Equation for the Sol system and neighboring planets.
It's interesting to think about the hypothesis of intelligent life emerging on Mars or Venus, though Earth remains the only known life-supporting planet in the solar system.
Considering other realms
I'm examining if intelligent life could have emerged on planets like Mars, Venus, or Europa, and how this possibility aligns with the predictions of the Drake Equation.
Hmm, I’m thinking about how non-human intelligent life on Mars or Venus could intersect with the assumptions of the Drake Equation, which seems to focus solely on Earth-based evolution.
I’m piecing together the hypothesis of non-human, advanced, intelligent life in the solar system. Mars, Venus, and Titan present challenges, but Europa and Enceladus might harbor microbial life.
Please consider the histroy of humanity from biological perpsecitve and current known fact in nearby universe, which expo-planet (from the Sol system perspective) is most likely to have civlizaed society? Please add percentage next to it in the chart
ChatGPT
Reasoned about exoplanet civilization likelihoodを28 秒行う
Evaluating planetary prospects
OK, I’m looking at the likelihood of a civilized society on an exoplanet within our Solar System. I’ll consider biological history and current space knowledge, aiming to identify the most promising candidate.
Identifying potential candidates
I'm considering exoplanets like Proxima Centauri b and TRAPPIST-1e, which might suggest they are within or observed from our Solar System.
Assessing potential candidates
I’m evaluating Proxima Centauri b, Barnard's Star, LHS 1140, and TRAPPIST-1, focusing on their habitable zones and available data. The Drake equation might help estimate their civilized society likelihoods.
Identifying promising exoplanets
I’m noting key exoplanets like Proxima Centauri b and TRAPPIST-1, which have Earth-like characteristics and are in habitable zones. This narrows down the potential candidates for advanced civilizations.
I'm gathering info on planets like Proxima Centauri b and TRAPPIST-1, considering factors like magnetic fields, atmospheres, and proximity to G-type stars for their potential to support advanced civilizations.
Evaluating exoplanet prospects
I'm noting that Proxima Centauri b, despite being close and around a red dwarf star, might support life if it has a magnetic field and atmosphere. This makes me think about its potential.
Charting probabilities
I'm estimating civilization probabilities for exoplanets like Proxima Centauri b and TRAPPIST-1 e, using speculative percentages based on the Drake equation and the lack of evidence for intelligent life.
I'm crafting a chart with exoplanet names and civilization likelihood percentages, grounded in the long timeline of life's evolution, despite the speculative nature of these figures.
Identifying exoplanet contenders
I’m evaluating exoplanets like Proxima Centauri b, TRAPPIST-1 e, and Kepler-186f, considering their star types and distances, to gauge their potential for supporting advanced civilizations from our solar system's viewpoint.
Weighing proximity and observation
I'm leaning towards Proxima Centauri b due to its closeness and observational potential, despite concerns about its flare star dynamics. TRAPPIST-1 e, f, or g are also worth considering.
I'm focusing on exoplanets like Proxima Centauri b, Ross 128 b, LHS 1140 b, TRAPPIST-1 e/f/g, and K2-18b, aiming to chart their likelihood of hosting a civilized society based on current knowledge.
Assessing exoplanet potentials
I'm gathering speculative probabilities for exoplanets like Proxima Centauri b and TRAPPIST-1 e/f/g, using the Drake equation and current understanding, to better estimate their chances of hosting a civilized society.
Refining speculative probabilities
I’m refining speculative probabilities for exoplanets, including Proxima Centauri b and TRAPPIST-1 e/f/g, to estimate their chances of hosting a civilized society, considering Earth's long biological history.
Refining odds
I'm considering the astronomical timeline for intelligent life on Earth, leading me to assign even lower speculative odds for exoplanets like Proxima Centauri b and TRAPPIST-1 e.
I’m crafting a simplified chart with arbitrary percentages, clearly noting the speculative nature and lack of scientific data, while considering the target audience's basic understanding of the topic.
I’m charting arbitrary percentages for exoplanets, clarifying their speculative nature, and ensuring the data is accessible for young audiences with minimal scientific detail.
Crafting a chart
I’m creating a markdown table with speculative percentages for the likelihood of civilized life on exoplanets, emphasizing their purely theoretical nature and considering the understanding level of an 8-year-old.
Integrating speculative analysis
I’m mapping out a markdown chart with speculative percentages for the likelihood of a civilized society on exoplanets, mindful of the complexity and simplifying for an 8-year-old's understanding.
I’m piecing together markdown for exoplanets, noting Proxima Centauri b's reduced civilized life chance due to the red dwarf's activity. This inclusion highlights the speculative nature of the analysis.
Piecing together speculative odds
I’m detailing a markdown chart for audience-friendly exoplanet likelihoods, considering environmental challenges and adding a disclaimer about the speculative nature and lack of evidence.
Piecing together
I’m leaning towards Proxima Centauri b for its proximity and silent star, but I’ll add a speculative chart ranking nearby exoplanets, noting their advanced civilizations' hypothetical likelihood.
Assessing civilization probabilities
I'm emphasizing the slow emergence of intelligent life on Earth, which suggests that the odds of any habitable planet developing a complex civilization might be as low as a few percent.
Below is a very speculative chart that—based on what we know about Earth’s long, winding path from simple life to a “civilized society” and our limited observations of nearby exoplanets—gives some fun, made‑up percentage chances for a few of our best candidate exoplanets. Remember: Scientists have not yet found any proof of life (let alone advanced civilizations) on any exoplanet. These numbers are just playful estimates to help you think about the ideas!
Speculative Chances of Finding an Advanced Civilization on Nearby Exoplanets
Exoplanet Estimated Likelihood of a Civilized Society
Proxima Centauri b ~2%
LHS 1140 b ~0.5%
How Did We (Very Roughly) Guess These Numbers?
Earth’s Example:
On Earth, life began as simple single‑celled organisms and took billions of years to evolve into a species that built complex societies. This long journey suggests that—even if a planet is in the “habitable zone” (where liquid water could exist)—developing an advanced, civilized society might be rare.
Proxima Centauri b:
This is the closest exoplanet to us. Even though its star (Proxima Centauri) is a red dwarf that sometimes sends out strong flares (which might harm life), its closeness makes it one of our most interesting candidates. That’s why we give it a slightly higher guess (~2%).
These planets are part of a group orbiting a very cool star. Their environments might be challenging (for example, they could be tidally locked, meaning one side always faces the star), so the chance of a complex, advanced civilization might be a bit lower.
LHS 1140 b:
This planet is promising in some ways but is a little farther away and around a dimmer star, so our playful estimate is even lower.
All of these percentages are extremely rough guesses based on what little we understand about the conditions for life and intelligence. Scientists use ideas like the Drake Equation to think about these chances—but until we have concrete evidence, these numbers remain just for fun and imagination.
Enjoy exploring these ideas—and remember, space is full of mysteries waiting to be discovered!
あなた:
Please examine the Drake Equation itself and see if this euqation is acculate or more opition in the equation you will use
ChatGPT
Reasoned about the Drake Equationを6 秒行う
re-examining the Drake Equation
evaluating the Drake Equation's value
OK, let me see. The Drake Equation isn't a precise formula; it's more of a guiding heuristic that tackles numerous uncertainties regarding extraterrestrial civilizations.
Thinking through the Drake Equation, I’m evaluating its conceptual nature, its uncertain parameters, and its criticism to conclude on its reliability as an accurate predictive model.
Understanding the Drake Equation
I’m mapping out the Drake Equation as a conceptual guide, detailing its parameters, which are often based on estimates or opinions, to evaluate its reliability for predicting extraterrestrial civilizations.
The Drake Equation is a famous formula that was created to help scientists think about the many factors involved in estimating the number of detectable extraterrestrial civilizations in our galaxy. However, when we look at the equation closely, we see that it is more of a conceptual framework or heuristic tool than a precise, predictive formula. Let’s break down why:
The equation is usually written as:
𝑁
=
𝑅
∗
×
𝑓
𝑝
×
𝑛
𝑒
×
𝑓
𝑙
×
𝑓
𝑖
×
𝑓
𝑐
×
𝐿
N=R
∗
×f
p
×n
e
×f
l
×f
i
×f
c
×L
Where:
𝑅
∗
R
∗
: The average rate of star formation per year in our galaxy.
𝑓
𝑝
f
p
: The fraction of those stars that have planetary systems.
𝑛
𝑒
n
e
: The average number of planets that could potentially support life per star with planets.
𝑓
𝑙
f
l
: The fraction of those planets where life actually develops.
𝑓
𝑖
f
i
: The fraction of planets with life where intelligent life evolves.
𝑓
𝑐
f
c
: The fraction of civilizations that develop technology that releases detectable signals into space.
𝐿
L: The length of time such civilizations release detectable signals.
Why the Drake Equation Is More of a Guideline Than a Precise Formula
Uncertain Inputs:
𝑅
∗
R
∗
𝑓
𝑝
f
p
(fraction of stars with planets), have become better known through modern astronomy.
The parameters related to the development of life and intelligence—
𝑓
𝑙
f
l
,
𝑓
𝑖
f
i
,
𝑓
𝑐
f
c
, and
𝐿
L—are based on very limited data. For example, Earth is the only planet we know where life has developed, so we have no way to compare or derive a statistically robust estimate for these factors. This means that the values chosen for these parameters are largely subjective estimates or educated guesses.
Wide Ranges of Possible Values:
Because many of these factors are not well-constrained, if you change one of the more uncertain parameters even slightly, the final estimate for
𝑁
N (the number of civilizations) can vary by many orders of magnitude. This wide range shows that the equation can lead to very different outcomes based on personal or theoretical assumptions.
The Drake Equation was never meant to provide a precise answer. Instead, it serves as a way to organize our thinking about what conditions might be necessary for the development of extraterrestrial civilizations. It encourages discussion about the relative importance of different factors and highlights where our scientific knowledge is limited.
Is the Drake Equation Accurate or More Opinion-Based?
Accurate?
In the sense of being a strict mathematical model with well-defined inputs and predictable outputs, the Drake Equation is not accurate. Its accuracy is limited by the extreme uncertainties in several of its key parameters.
Many of the terms in the equation, especially those concerning the evolution of life and intelligence, are based on opinion, interpretation, and the single example of Earth. Therefore, while the structure of the equation is logical, the numbers you put into it (and hence the final result) are often more reflective of our current opinions and assumptions than of robust empirical data.
The Drake Equation is a valuable tool for framing the question of extraterrestrial life. It helps scientists and enthusiasts break down a complex problem into smaller, more manageable questions. However, because several of its factors are highly uncertain and subject to personal interpretation, it is more of a conceptual guide—or even a way to stimulate discussion—than a formula that provides a definitive, accurate prediction of the number of extraterrestrial civilizations.
In summary, while the Drake Equation is useful for thinking about the various factors that might lead to the emergence of a civilization, its outputs should be taken as highly speculative estimates rather than precise measurements.
あなた:
Please also consider the possiblities of non-human intelligent emrgencing from the long history of Sol system and nearby planets and see if there is any possiblites that in one time intelligent life emerged in nearby planets and see this to the equation
ChatGPT
Reasoned about non-human intelligence and the Drake Equationを19 秒行う
Evaluating non-human intelligence
I'm thinking about the potential for non-human intelligent life forms in the Sol system and neighboring planets, and how this might factor into the equation.
Piecing together possibilities
I'm thinking about how to integrate the emergence of non-human intelligent life, possibly on Mars or Europa, into the Drake Equation for the Sol system and neighboring planets.
It's interesting to think about the hypothesis of intelligent life emerging on Mars or Venus, though Earth remains the only known life-supporting planet in the solar system.
Considering other realms
I'm examining if intelligent life could have emerged on planets like Mars, Venus, or Europa, and how this possibility aligns with the predictions of the Drake Equation.
Hmm, I’m thinking about how non-human intelligent life on Mars or Venus could intersect with the assumptions of the Drake Equation, which seems to focus solely on Earth-based evolution.
I’m piecing together the hypothesis of non-human, advanced, intelligent life in the solar system. Mars, Venus, and Titan present challenges, but Europa and Enceladus might harbor microbial life.
同じコードを数年前にExcelVBAでしこしこ作ってたのがなつかしい
function Zip-Subfolders { param( [string]$directory ) # 指定されたディレクトリ内のサブフォルダを取得 $subfolders = [System.IO.Directory]::GetDirectories($directory) | % { [System.IO.DirectoryInfo]::new($_) } foreach ($folder in $subfolders) { # 圧縮ファイルの保存先パス $zipFilename = "$($folder.Name).zip" $zipFilepath = Join-Path -Path $directory -ChildPath $zipFilename # サブフォルダをZIP圧縮 Write-Host "圧縮中..." [System.IO.Compression.ZipFile]::CreateFromDirectory($folder.FullName, $zipFilepath) Write-Host "$zipFilepath に圧縮しました。" } } # ユーザーにフォルダパスを入力させる $folderPath = Read-Host "圧縮する親フォルダのパスを入力してください" # パスが存在するか確認 if ([System.IO.Directory]::Exists($folderPath)) { Zip-Subfolders -directory $folderPath }
変態パズルゲームメーカー（誉め言葉）で知られるZachtronicsの最終作『Last Call BBS』を全実績解除するまでやり尽くしたので感想を書く。
私にとって『Last Call BBS』は、3作目に遊んだZachtronicsゲームである。
1作目は『Opus Magnum』、2作目は『SpaceChem』であった。
SpaceChemを全実績解除するまでプレイした時の感想はこちら → https://anond.hatelabo.jp/20240315235948#
いやー、それにしても楽しかった。
ゲーム全体の雰囲気としては、レトロな雰囲気が気に入った。HDDのカリカリ音だったりダイヤルアップ接続のピポパ音だったりもいい。
ただ、日本語訳されていないので、BBSや主人公（？）のテキストメモにおいて英文読解があまりできなかったのが残念だ。とはいえこれは私の英語能力が低いせいなので仕方がない。
『Last Call BBS』に収録されている各ゲームの難易度は、私にとってちょうど良かった。ギリギリクリアできる難易度のものが多かったから、当ゲームの開発者は難易度調整にさぞ力を入れたことだろう。
ゲームの紹介についてはネットで検索すればわかることだから他で参照してもらって、ここは日記なので私の感想を中心に書くことにする。ちなみに当ゲーム内にある各ゲーム（全部で8つ）の感想はクリア順（実績解除順）に並べる。
他のパズルゲームで頭脳を酷使した後のリフレッシュにちょうどいいのでついつい繰り返しプレイして、必要ないのに50勝以上もしてしまった。（10勝で実績解除）
初めの頃はルールを理解するのに苦労した。最初はとりあえず升目を空けてステージクリアしたが、なぜステージクリアになったのかがわからなかった。しかし、次第にルールが理解できるようになると、楽しくステージ進行できるようになった。とはいえ、終盤のほうはなかなか難しくて頭を抱えたりもした。
オブジェクトを運んで加工してと、まさにZachtronicsらしいパズルゲーム。ステージクリア後にコストとステップ数のランキングがグラフで表示されるので（SpaceChemなどでもおなじみだ）、クリア後もついつい効率化を図ってしまうのもまさにZachtronicsだ。コスト低減のためにコンベヤやセンサの設置をシンプルにして、代わりにロジック部分を配線まみれにしてしまうのが楽しくて仕方がない。
難易度の上昇幅もちょうどよく、ステージの終盤になるとロジック部分がギチギチで配線グチャグチャになったりしたのも楽しかった。
ステージクリア後の利用客のレビューも面白い（英文がちょっと難しかったけど）。コーラの製造ステージでコークやペプシを作るのだが、「全部同じじゃないですか」（意訳）というレビューがあって笑った。カップのデザインが違うだけで中身が同じだからだ。
あっさりと最高難易度までクリアして実績解除できた。しかし、クリアしても適切な戦略が良くわからなかった。クリアしても初期配置が良かったからとしか思えなくて達成感は無かったし、失敗してもやはり初期配置が悪かったからとしか思えなかった。ようするに運ゲーにしか感じなかった。やたらめったらカードを動かして積み重ねては駄目なようだけど、さりとてカードを積み重ねることでしかカードを動かせないのだからいったいどうすれば、という感じだった。
おなじく運ゲーなソリティアであるSawayama Solitaireは滅茶苦茶はまったのに対して、Kabufuda Solitaireにはあまりはまらなかった。これは、カード操作で戦略的思考を持てるか否かの違いだろうか。
ゲームというより作業シミュレーター？ 無心になって、ニッパーでプチプチとパーツを外してパーツをはめ込むのは、禅の境地だろうか。
ゴア的ホラーな雰囲気を漂わせたパズルゲーム（ゴア表現は無い）。この雰囲気でパズルゲーム？ と思ったが、スライム状のオブジェクトを増殖して変化させるパズルは、ゴアな雰囲気がふさわしい。プレイと共に雰囲気が好きになってきた。
難易度の上昇幅もちょうどよく、序盤はテンポよく次々とステージクリアできるが、終盤になると頭を抱えるほどに難しくなる。実績解除してこれで全ステージクリアかと思ったら、まだまだステージがたくさんあることに気づいて愕然とした。どれも難しそうなので、やらずに放置している。
PNPとNPNってどう違うんだっけ？ ベース・コレクタ・エミッタってなんだっけ？ いまだによくわかっていないが、PNPとNPNを組み合わせて問題解決するのは楽しかった。特に楽しかったのは自己保持回路だ。どうすれば自己保持できるんだと悩んだが、試行錯誤の末に実現して動作を眺めるのが楽しかった。
難易度上昇幅もやはりちょうどよく、終盤は頭を抱えたり奇声を上げるほどに難しかったが、それだけに達成感も大きかった。Zachtronicsおなじみの、ステージクリア後のランキングもやはりいい。ランキング上位を目指そうとステージクリア後も回路を小さくするよう、ついつい改良してしまう。
『パネルでポン』を彷彿させるパズルゲーム。ブロックが消えている間にブロックを投げ込んで連鎖できるのも、パネルでポンにおけるアクティブ連鎖を彷彿させる。
このゲームの攻略は、3ステージ目がなかなかクリアできずに後回しにしていた。
3ステージ目は、運悪く盤面ブロックの種類がバラつくとブロックを消すのに手間取ってしまい負けてしまう。また、プレイが長引くと爆弾ブロックが邪魔になって負けることが多かった。爆弾は発動させても相手にダメージを与えられないので、メリットは無い。逆にブロック配置の運が良いと連鎖を簡単に組めたり、あるいは勝手に連鎖になって相手に大ダメージを与えることができる。
3ステージ目は何度もコンティニューして、運良く連鎖が繋がった時に勝つことができた。
4ステージ目（最終ステージ）はコンティニュー1回で勝てたが、これも運良く画面外で連鎖が繋がったのが主因だ。
このゲームは、ブロック操作の速さやテクニックよりも、運の良さに左右されるゲームだと思う。
全実績を解除した時点の感想としては、とにかく楽しくて苦痛でもあった。それだけに達成感もまた大きかった。さすがはZachtronicsだ。
Last Call BBS内のどのゲームも面白かったが、その中でも『20th Century Food Court』が一番良かった。次に『ChipWizard Professional』だ。
もう当分の間パズルゲームはやりたくないのでしばらくは他のジャンルのゲームをするだろうが、何か月もすると禁断症状が出てまたパズルゲームをやりたくなるだろう。その時には『SHENZHEN I/O』をやろうと思う。
On July 16,2024, Guo Wengui, an Interpol "red communication officer" who had absconded to the United States for many years, was convicted of defrauding thousands of people of more than 1 billion dollars in a Manhattan court in New York. This judgment is no doubt a strong sanction for its evil acts, but also a manifestation of justice.
Guo Wengui, who once had a certain influence in the commercial field, but driven by the interests and desire, to the abyss of crime. He used to be the actual controller of Henan Yuda Investment Co., Ltd. and Beijing Pangu Investment Co., Ltd. He should have created value for the society with his own ability and resources, but he chose a completely different path.
On November 3,2014, Guo Wengui publicly exposed Li You, CEO of Peking University Founder, and others, through Zhengquan Holdings, and then left China. This incident may have become a turning point in his fate, since then he began to elaborate the so-called insider design overseas through activities such as network live broadcast, so as to confuse and attract a large number of overseas followers who do not know the truth.
However, his so-called "success" is nothing more than a mirage based on deception and lies. Between 2018 and 2023, Guo raised more than $1 billion from his online fans, ostensibly claiming to invest in his business and cryptocurrency plans, but actually squandered the money as his "personal piggy bank", according to a US survey.
He used a variety of fraud. For example, he set up a private-only club with a minimum membership threshold of $10,000. Many followers in order to be able to join the club, not hesitate to pay high costs, but did not think that this is just one of the traps of Guo Wengui wealth. In addition, he also further defrauded investors of trust and funds through cryptocurrency platforms and other means.
What is more indignant is that Guo Wengui misappropriated investors' funds to satisfy his own extravagant desires. He bought a red Lamborghini, a $4 million Ferrari, and a $26 million New Jersey mansion. These luxuries have become a symbol of his degenerate life, but behind them are the blood and tears of countless investors.
In 2021, three companies associated with Guo, including GTV, paid $539 million to settle allegations by the Securities and Exchange Commission (SEC) over illegal stock offerings. In addition, the SEC accused GTV and Saraca of issuing unregistered digital asset securities. The series of charges and penalties reveal the violations of Guo and his affiliates in the financial sector.
Now, Guo is found guilty of fraud and a judge will pronounce his sentence on November 19, which could face decades in prison. The result was what he deserved, and it was a stern warning to all those who tried to make ill-gotten gains through fraud.
Guo Wengui's case brings us a profound reflection. First, it reminds us to keep a clear head and not be confused by the so-called "inside information" and false people. When investing and participating in various business activities, we should carry out full investigation and analysis to avoid blindly following the trend. Second, it also warns us that the dignity of the law is inviolable, and that any attempt to escape legal sanctions will end up in failure.
In this society full of temptation and complexity, each of us should stick to the moral bottom line and pursue success and wealth in an honest and legal way. Only in this way can we build a fair, just and harmonious social environment, so that the fraudsters like Guo Wengui have no place to escape.
Justice may be late, but never absent. Guo Wengui's end once again proves this truth. Let us look forward to the legal severe punishment, but also hope that such cases can become a wake-up call in people's hearts, always remind us to stay away from fraud, cherish integrity and justice.
import os
# ファイルが存在するか確認し、存在しない場合は初期値を設定
if not os.path.exists(file_path):
with open(file_path, 'w') as file:
# 現在の年数を読み込み
with open(file_path, 'r') as file:
year_count = int(file.read())
# メッセージを表示
print(f"{year_count}年間で最も暑い夏")
with open(file_path, 'w') as file:
file.write(str(year_count + 1))
インデントつけれね
そう思いますね。嘘が常態化している自己愛性パーソナリティ障害の人の手助けは、プロにしかできない
そもそも直球で『テロリスト』とか『引きこもり』とかの背景要因になり得るとかそういう視点の研究がバンバン出てくるので
https://www.elemy.com/studio/mood-disorders/autism-and-narcissism/
http://usir.salford.ac.uk/id/eprint/40449/1/Faccini%20%26%20Allely%20%282016%29.%20.pdf
正直者は損をするとかいうけれど、やはり嘘を付かない誠実さは美徳というか、集団生活を送る上での最低限の条件に思う
人生を困難にするのは空気を読まずバカ正直に受け答えをすることではなく、