もちろん、これは総理がその場で思いついたことではなく、6月16日に閣議決定された「経済財政運営と改革の基本方針2023（いわゆる骨太2023」と「物流革新に向けた政策パッケージ」（6月２日・我が国の物流の革新に関する関係閣僚会議決定）の２つに含まれるコンテンツをベースにしつつ、その後の官民の議論を踏まえた論点を盛り込んだものとして打ち出されてくる、ということになるかと思います。それらの多くは、来年1月から始まる通常国会を踏まえて次年度の本予算でカバーされる予定であったものを、今回の補正予算に盛り込み、「経済対策パッケージ」として取りまとめら、文字通り前倒しで推進されるものになります。商慣行の見直しも含まれますが、これまでのやり方をDXで変革し、自動運転やドローン、AIに力を発揮させるための環境整備、物流（モノ）旅客運送（ヒト）の境目をなくして空間の利用価値を引き上げるという考え方が含まれている点に私は注目しています。 ご関心のある方のために、以下をご参考に ・骨太2023 主に21ページ以降に記載があります。 https://www5.cao.go.jp/keizai-shimon/kaigi/cabinet/honebuto/2023/2023_basicpolicies_ja.pdf ・物流革新パッケージ https://www.cas.go.jp/jp/seisaku/buturyu_kakushin/pdf/seisaku_package.pdf ・首都圏整備プラン（広域地方計画）有識者会議中間報告（2023年8月） 6ページに、関連記載 一つの施策で複数の問題を解決  交通ネットワーク多重化を契機に、地域産業集積等「新しい価値」の創出を進 める  道の駅等の施設を災害対応や生活支援の拠点として活用する。 https://www.ktr.mlit.go.jp/ktr_content/content/000838875.pdf

世界の大学ランキングは日本国内の偏差値ランキングとは異なり、大学の研究の質や国際性、生徒や先生の評価、（ランキング指標によっては）口コミ、卒業生の進路、年収などが反映されるので、学生が進学先を選択するのには良い指標になると思います。 ランキングに頼るのではなく、ランキングを一つの切り口にそこから大学のリサーチを進めるのが良いですね。

ゲームビジネスはコンシューマーゲームからソシャゲへ裾野を広げ、そして次はFortnite、Roblox、Minecraft、ZEPETOなど、個人やコミュニティがゲームIPを作るUGCの時代へ。・・・という言及がきっとあるはず！

病棟医長をしている時に、病棟で働く部下全員と1 on 1をやっていましたが、驚くほどの効果でした。医療現場では、しっかりと自分の悩みを相談できる場が用意されておらず、みんなが医療を学んで成長したい事が前提で話が進められてしまうため、ついていけない医師や、戸惑う医師も少なからずいました。 私の場合は、1 on 1では仕事にどう活かすかに留めるのではなく、その人のライフプランをどうしていくのかを中心に考えていました。 今、仕事に集中できない理由があったり、そもそも仕事に興味が持てない人もいました。 対話の中で色々な可能性を探り、今の仕事量や学びをどの水準にするのかを調整する事で、理解が得られていった様に思います。 1 on 1は、メンター側のスタンスで大きく価値が変わるものだと思うので、やり方と、何故やるのかを考えておくことは非常に重要だと思います。

フィラデルフィアでアップルストアが100人に襲われたのがニュースになりましたが、類似の集団犯罪は、むしろカリフォルニアで多いです。 　理由としてよくいわれるのは、カリフォルニア州の法律改正で、950ドル以下の窃盗は軽犯罪に該当するようになり、罰金刑で済むようになった、ということです。 被害額950ドルまでの窃盗は「軽犯罪」扱い…“万引き天国”サンフランシスコに広がるディストピアの闇 https://news.yahoo.co.jp/articles/df0761473853364b4c1a2391e119cc024c33663d?page=2 特徴としては、 ・ソーシャルメディアで呼びかけられる ・「キャラバン」「フラッシュモブ」と呼ばれる形態で、100人以上が一斉に押し寄せて、根こそぎ略奪して去っていく というやり方です。

日本独自のLLM開発に何の意味があるのか？勝てるのか？という意見が散見されます。大きな理由は2つあります（他にもありますが）。 一つ目は日英の差が埋まらないこと。LLMの英語での性能と、日本語での性能では、大きな差があります。事前学習のデータ量が桁違いが最大の理由です。加えて、人手がかかる対話やアラインメント等の追加学習で日本語が少ないのだろうと見ています。米国大手ITがいずれ日本語にもしっかり対応すると期待しても良いのですが、しばらくは差が縮まらないだろうと思います。まずは英語性能を上げることが第一でしょうから。だから、早期に実用レベルのLLMを得ようとするなら、日本語で独自に学習するしかありません。 もう一つの理由は、軽量化技術です。LLMの大規模化で性能向上するのは確かです。一方でパラメータ数を1桁落としても同等性能が得られる学習技術が開発されつつあります。これは膨大な資金力が無くとも実用的なLLMが開発できることを意味します。正直、昨年までは多くのAI開発者が諦めかけていたでしょう。しかし、日本語に限れば追いつける可能性が出てきました。だから、各社がこぞって独自LLM開発に乗り出したとみています。 もっとも、GPT-4は別格です。このサイズはまだ手が出ません。日本語性能もかなりのものです。しかしそれでも、実業務での活用のために、社内DBと連携して、ほぼ間違いが無い答えや文書を生成するには、かなりのチューニングが不可欠です。GPT-4ではそれが難しい。だから、業務用途ではチューニング自由な独自日本語LLMに一定の需要はあるでしょう（というより切に欲しいです）。 もちろんGPT-4やPaLM 2が日本語に力を入れて、日本市場を席捲するリスクはありますが。