▼ プロプライエタリなソフトに頼るとディスコンされた時困る。 サポートできなくなったソフトはオープンソースにするとかという法律があればいいのに。
あと５年以上経ったバージョンはソースを開示とかを義務化するのもいいな。
▼ 某ブランドの広告を見る度に「ドルチェ 対 ガッパ」という怪獣映画を想像してクスクスしてしまうが、しょうもナイので誰にも言えない。
▼ 掃除業者が入れ替わったようだ。前よりきれいになるといいな。
▼ 炭素税で産油国から金を取り戻そう
産油国が儲けることは不愉快だ。何とかこの金を取り返す方法がないかと長く考えていた。 石油成金が湯水のように使う金は全て先進国の普通人が汗水たらして働いた成果だ。だって産油国はなんの付加価値の生産もしてないんだもの。
石油に価値があるとしたらそれは全て先進国の技術が生み出したものだ。 昔、石油は「燃える水」などと言ってお殿様に献上されてただ燃やして遊んだりした。つまり経済的価値などなかった。田に急に湧出して田をダメにする厄介者ですらあった。 石油の価値というのはそれを利用する技術が出来たことによって生じたものであり、つまり石油に価値を与えているのは全て先進国の技術と労働だ。
で、取り返す方法がありうることに気がついた。 全ての先進国および非産油国が入り口で一律の関税を石油に対してかければよいのだ。
石油の値段というのは要するにその利用価値で決まっている。そして利用価値は先進国の利用技術によって決まっている。だから先進国が入り口で一律課税をすれば、原油の価格は丁度その課税分だけ下がらざるを得ない。先進国内の市場価格は上がらないはず。 とりあえず最初は数ドル/バレル程度で始めれば良いのでは。
問題はこれに加入しようとしない国がどれくらいあるかだ。
先進国の利害はそんなに違わないと思う。国内価格が上がらないとすれば先進国に取っては、税収が上がる分だけどこでも得なはずだ。
しかし導入にはむしろ「温暖化防止」という美名に隠すのが得策だと思う。 先進国の利益を第三国に流失させる排出権取引が通るならこれも通るだろう。というか排出抑制という点では排出権取引と同じ効果があるけど、お金が自国に落ちる炭素税の方がずっと得だとなのでこちらにするべきだと思う。おなじ排出抑制効果でも追跡にほとんどコストがかからず実装コストが低いし。
問題は安い原油の恩恵を受けて輸出振興を計ろうとする途上国か。 しかし素材産業などは換算で課税すればよい。ポリエチレンにして輸出しても原料/燃料換算でしっかり課税とか。 すると次の問題は電気製品とかの普通の工業製品だけど、ほっといてもいいんじゃないかな。どうせ工賃の安さに比べれば石油の安さなんて大きくないだろうし。
石炭はとりあえずは別口にした方が合意を取り付けやすいと思う。先進国で石炭の出るところは結構あるから。
▼ その数学が戦略を決める（イアン・エアーズ、文藝春秋 07） についての、 おれカネさんの渾身の紹介あり。よくまとまっていると思う。
で、紹介は任せて、私の感想。
「絶対計算」という訳語はそれ自体だと日本語として意味が分からないし、実際本文中に埋め込まれても前後と噛み合わってない。 原語ではなんと言っているのか見当がつかないし。英語タイトルから推測すると、「絶対計算者」は"super cruncher", 「絶対計算」は "thinking-by-numbers"ではないかと推測するけど。 代わりはどうかな、「統計計算」「統計決定」「統計推定」とかかな。パンチがないか。
さて、この本はアメリカ人らしくポジティブさに溢れているけど、 まさにこの種の技術の失敗事例がLTCMとか サブプライムローンなわけで、この明るさがちょっと気になった。
良い面は多いから、このような考え方と技術がこれから世の中に一般化していくのは必然だと私は思うけど、 そのとき外形的要因による人の区別はどこまで許されるのかという問題がある。というかこの種の外形的要因による区別はまさに「差別」と同じなのではと思う。 この種の技術を何も考えずに使えば、「犯罪率の高いXX地区に住んでいる人はトラブルを起こす可能性が高いからエンガチョ」とか「XX人は低収入でローンを払えなくなる傾向があるからダメ」とかの事例が商業的に多発するわけだけど、これって典型的な差別の文言と同じでしょ？しかも統計的傾向としての事実の裏づけがある分だけタチが悪い。この問題について割いた章もあるのだけど、私は納得を得られなかった。
おそらくこの新しい統計的差別の悲劇をふせぐためには、なにか社会として「こういう時には使わない」というコンセンサスが形成される必要があると思う。それはこれからトラブルを起こしながら少しずつ作っていく必要があるんだろう。
さて、なんにせよこの種の統計の技術が特に経営の場面で絶対に必要になってくるのは、避けられない流れなわけだけど、 こういう事をきちんとできるには大体は博士くらいが必要ですよ経営者のみなさん、と仲間たちの宣伝をして終わる。
▼
VanRullen R, Carlson T, Cavanagh P.,
The blinking spotlight of attention.,
Proc Natl Acad Sci U S A. 2007 Dec 4;104(49):19204-9.
を30日のセミナーで紹介した。
注意と言うのは一ケ所だけで無くて複数箇所、あるいは複数個の物に同時に向けることができる。たとえば選手がごちゃごちゃ動き回るサッカーの試合で、そのうち二人の選手を同時にトラックし続けたり。 感じとして同時に２、３人はOKだ。４人当たりが同時にトラックできる限界だと感じるし、実際psychophysicsの研究でも限界は４つくらいだという話だ。
で、この複数箇所への注意のメカニズムについては昔から２説あって決着がついていない。一つはパラレルモデルで複数箇所に同時に注意ができると言う説。もう一つは複数箇所に注意しているように見えるけど実は物凄く早く(たとえば100msくらい)注意が巡回しているという説。この論文では「サンプリング戦略」と言っている。 コンピュータのマルチタスキングと凄く似ている。
この論文ではさらにサンプリングモデルを 「複数ある時だけサンプリング」モデルと 「必ずサンプリング」モデルにわけで、パラレルとあわせて３つのモデルのどれが妥当かを決めようとしている。 常識的に考えると、一つしか無い時は注意はそこに留まっていればいいので、前者の方が正しいと言うか効率がよくてよさそうに思える。というか一つしか無いのに切り替え続けるってどんな事よ？と思う。
で、決定の方法はpsychophysicsで検出の時間的特性を使うこと。被験者に複数箇所に注意してもらって、そのどれかにプローブがあらわれるのを見つけてもらう。 注意する箇所が少ない程見つけやすくなる。またプローブの提示時間が長くなればなる程見つけやすくなる。この時間的カーブは、どのモデルを取るかによって違ってくるはずある。 で、もっとも実験結果に近い結果を出すモデルがベストということ。
結果は「必ずサンプリング」モデルが一番もっともらしいという事だ（検出が難しい場合）。これはちょっと目新しい。 そして「複数ある時だけサンプリング」モデルはパラレルモデルより悪い。 これまで、パラレル 対 サンプリング論争ではサンプリングは分が悪かったのだけど、特に自覚無しに自然に思える「複数ある時だけサンプリングモデル」が選ばれていたせいかも知れない、とのこと。
これに対する私の感想：
彼らのモデルは複数注意の時は一つの時の n倍(=130n ms)に周期がのびるモデルである。それ、４つ注意したらラウンドロビンタイムが520msにのびる。これはさすがにウソだと思うな。そんなに遅かったら内省や外からの観察で分かるって。
あと、 検出確率のサイコメトリック関数は最初にだらだらと始まり後から急峻になっていく。 注意が巡回して戻ってきた時にはまた同じくこのだらだらとした始まりをくり返すとモデルしているのだけど、これが気に入らない。 これは注意の巡回のサイクルをこえて情報が蓄積されずに、最初から検出をやり直しという事を意味している。でも、蓄積はできそうだと思うし、そうでなくとも少なくともこの仮定に正当化する議論は必要だ。 また情報の蓄積ならば pの加算よりlog pの加算をしてthresholdを上回ったらassertionをする統計的検定みたいなものだと思った方が自然だと思う。
あと「必ずサンプリング」モデルのfull attention curveは直接計測できない。だから間接推定するのだけど、これはこのモデルだけ自由パラメータが多いと言うことではないのか？もっとも他のモデルでもfull attentionは直接計測できるけど、同じ数のパラメータがあると見なせるのかもしれない。ちょっと分からない。
あと、モデルに沢山の仮定があり過ぎるのが問題だ。 たとえば、次へ移るのがstochasticではなく規則的であるとか、サンプリングの順番はいつも同じだとか、暗黙の仮定が非常に多すぎる。 そのために、３つのモデルの中で一番いいのはこれと言えるのだけど、論文中で検討されていないモデルについては何も言えない。実際、エキゾティックな「必ずサンプリング」モデルが無ければサンプリングよりもパラレルモデルの方がよいと結論になったはずだ。このようにこの論文は離散的なモデルの拡張の可能性に対して極めて弱い。
あと「必ずサンプリング」に見えるのは、non-attended targetにも実は注意が配分されているからである可能性もある。あるいはトライアルごとに注意の重点が変動していないかとかも問題だ。
また、fig.5の反応時間の情報を使っていないのはもったい無い。 注意がポーリングのような物だとすると反応時間に130msのジッタが加わるはずで、まさによいサンプリングの証拠になるはずなのに。
と、まあいろいろ勿体無かったり物足りなかったりするところはあるけど、 ここでやったような解析はこれからこの問題が深められていく際にも使われる方法だと思う。 その意味でセミナーに選んで良かったとおもう。
▼ で、実は個人的には前から、 注意の機構はβ（あるいはγ）に同期して発火したニューロンのグループが一つの注意であり、これがθサイクルで一巡するという考えを持っている。（これは前に書いたbindingの機構と同一のものだ。複数の物をバインドできるのも、複数の物に注意できるのも、複数の物をワーキングメモリに入れらるのも、同じfacilityの一側面。）
私のモデルでは一つの物に注意している時でも130ms (~ 1/7Hz)ごとに注意が巡回する事になる。これは同じ。 一方、複数注意したときはシータの周期130msは変わらないのは、彼らのモデルでn倍に周期がのびるのと対照的。
ところで、私のモデルだと注意するものの数が増えた時にも検出までの反応時間は増えないはずだけど、追加実験であるfig.5だと一個ごとに40msくらい増えている。これは自分のモデルの再検討も必要だな。7Hzに30Hzを４つ詰め込むときちきちだから動的にθ周期を調節しているのかも。 （彼らのモデルでは巡回周波数がえらく長くなるのでこの40msと矛盾すると思う。あとvisual searchは40ms/itemくらいらしいけど、それと直接関係あるのだろうか？）
