知的生産性向上のためのツールの開発コードネーム
ユーザ向けの解説: 頭を整理するツール
このタグは仕様などに関するもの
個別のタスクなどさらに細かいものはpRegroup2020
TODO
「執筆は一次元化」という考え方が意外と自分のScrapboxの中でまとまってないことに気づいたので振り返る
2018-08-01
人生100年時代の社会保障とPoliTech#5b615ca7aff09e0000551962
グラフィックレコーディングは「議事録は一次元的時間軸に沿って取るもの」という既成概念を捨てて自由に配置できるようにしたもの
2018-08-11 Scrapbox情報整理術#5b6e52afaff09e0000846956
koh_izuremo: Scrapboxは頭に浮かんだ考え事をどんどん放り込む場所として確立しつつあるけど、ボクの場合は拡散しまくっていて、収束しようという意識があまりない。故にたまに長文書きたくなって、ネタはここにいっぱいあるぜーと思っても、頭を抱えそうな気がする。いや、
rashita2: 無理して収束しなくてもよいというか、発散でも収束でもない態度というのがあると思うのですが、長くなるのでまたどこかで。
聞き出しチャットシステム Keichoでチャットボットが質問を繰り返すことで言語化を促す
整理されてない対話ログから自然言語処理でキーフレーズを抜き出し頭を整理するツール Regroupの付箋にする
Regroup上で付箋の移動・拡大・グループ化を使って整理する
ブリッジ部分について
聞き出しチャットログの付箋化
2021
予定通り
聞き出しチャットKeicho作った
聞き出しチャットからRegroupへの接続をやった
灘校土曜講義の資料作りなどに使ってみた
Regroupとはなんだったのか 2021/6/23振り返り
KJ法的な整理の支援をコンピュータ上で行う時、現状では作業領域が狭すぎるのが問題
iPadを前提とし二本指ジェスチャーで直感的に拡大縮小できるようにすれば良いのでは(仮説)
ついでにApple Pencilで手書き加筆できると良いのでは(仮説)
結果
頭を整理するツール(Regroup)に関するプロジェクトメモ
要求要望のネットワークを作る必要があった
Scrapboxでタスクの状態管理をするよりそれが優先されるべきだった
Regroupリリースノート2021/5/11
Undoをテストでカバー
Regroupに関する断片的なタスクなどにつけるタグ(pieces for Regroup project)
2021/01/04にpRegroupからpRegroup2020にリネームした
文脈: プロジェクトのタスク管理をScrapboxでやる
戻ってきたときのための現状メモ
オフラインでも新規マップの作成が出来る
断片を塊にすることができて、塊の単位で一覧でき、塊の単位での移動が容易、と。
https://twitter.com/nishio/status/1285765521133064192?s=21
こざね
Regroupのグループ化で実現したいことの説明に良さそう
KJ法みたいに束ねると、塊の単位での移動は容易だが、中身の一覧性が失われる
2020-06-05
長文の付箋への分割支援を実装した
これが聞き出しチャットシステムにも有益な気がしたので聞いてみた
気づき
チャットシステムが質問をし、人間がそれに答えて、回答を付箋に分割してホワイトボードRegroupに表示し、人間はそれを動かして整理できる、チャットシステムは注目してるキーワードをハイライト
自作電子的KJ法ツール改善プロジェクト
5年くらい前に作って放置していた自作電子的KJ法ツールgrouping
iPad Pro + Apple Pencilを前提としたら割と良いのではないかと思ったので再始動(2018-09-19)
開発コードネーム Regroup
iPadでの開発
Regroup
複数行テキストを1行1付箋でインポートする機能
Scrapboxもインポートできる
外部リンク付箋からそのリンク先へジャンプできる機能
Scrapboxのリンク表記を外部リンク付箋にする機能があるので、Scrapboxの各ページにジャンプできる
2018/1~
使っているものについて人に紹介するときに毎回リンクを調べるのは面倒なので、今後が楽なようにまとめておくページ
かばん
オルトリーブ24L
オルトリーブ30L
自分が詳しいことをGPT4に説明させてみる実験
川喜田二郎のKJ法について箇条書きで解説して
川喜田二郎のKJ法は、問題解決やアイデア出しの手法として知られています。以下にその特徴や手順を箇条書きで説明します。
概要: KJ法は、情報の整理と分析を目的としたグループ活動の手法です。個々のアイデアや情報を可視化し、共有することで、新たな視点や解決策を見つけ出します。
BMOT第4回の文字起こしをClaude 3 Opusにまとめさせる
はい、大変興味深い講義の文字起こしをありがとうございます。主なポイントをまとめると以下のようになります。
授業はレールを用意せず、連想の広がりに任せて進めることで面白い話題が次々と生まれてくる。これは散歩やハイキングに例えられる。
アナロジー(類推)を使うことで、異なる領域からのアイデアを引き出せる。タイムマシンのアナロジーから未来のバックアップシステムのアイデアが生まれた。
文房具はみなさんが気に入ったものを使うのが一番良いです。しかし、具体例を聞きたい人も多いと思うので、私の例を紹介します。
私は50mm ×38mmのふせんを好んで使っています。ペンは0.7mmのゲルインキボールペンです。
大きいふせんに1mm2mmの太いフェルトペン(サインペン・マーカー)を使うことを好む人もいるでしょう。私も、ホワイトボードに貼って複数人で見る場合には、大きいふせんと太いペンの組み合わせを使います。0.7mmのペンで書くと、離れたときに見づらいからです。
具体的詳細な情報が全部デジタル的に検索可能な場所に入っていれば、それに言及する最小限の「ハンドル」さえ付箋に書いてあれば十分なので、低コストにKJ法ができる。
20191122思考の結節点
KJ法で並べた付箋を再利用したいけど、紙だと書き写すしかなくて不便
付箋を物理的に再利用する(=剥がして別の目的に使う)とオリジナルの配置を破壊してしまう、
オリジナルの配置は今は写真を撮って保管するしかない
デジタル化してオリジナルを壊さずに再利用したい
Scrapboxについての本をScrapboxで書きました | シゴタノ!
「Scrapboxで本を書く」にいろいろな人がチャレンジしていて面白い。
ちなみに「エンジニアの知的生産術」は、
1: 付箋で書き出し法
2: KJ法で目次案作成
nemonic
https://plusstyle.jp/shopping/item?id=242
カートリッジ1個で200枚の印刷ができます。
カートリッジ3個入り3000円なので1枚5円
特殊感熱紙を採用して印刷内容は5年間保存ができます。
KJ法の準備段階で小さい付箋に書き出し法をしている時に「付箋小さすぎて書けない」という問題
「自分の中の探検」によって得られた情報は自分の中に保管済みだから付箋にはハンドルを置けば良い
それに対して、「自分の外の探検」(ユーザインタビューや読書など)で得られた情報は自分の中に保存されていない
ハンドルをつけただけでは思い出せない
そこで記憶の代替として、思い出せる詳細度で「メモをしよう」という気持ちが起きる
壁に情報(付箋)を貼るメタファー
情報をならべて一覧性を高めることは有用
これはKJ法の基本コンセプトラベル並べ
しかし情報を貼りつけた物理的な壁は持ち歩くことができない
使える壁のスペースに限りがある
カンバン用付箋
× 1つの付箋に複数のタスクを書く
× 小さい字で書く
付箋の使い方
付箋で書きだし法
サイズが限られていることによる長文書かせない圧力
Twitterなどの「自由に書ける場」
字数が限られていることによる長文書かせない圧力
英語と比べて日本語では同じ字数でも情報量が多かった
フラクタル要約に関する議論から:
要約は一通りではない
要約は価値の低い情報を捨てることなので、どう要約するのが良いかはユーザの主観的な価値観によって異なる
フラクタル要約の高レイヤー要約を見て一部だけ掘り下げるのは、ユーザが情報の価値に対する表明をしてるとみなせる
要約ではなく液状化
ビジュアル・シンカーの脳を紹介するYouTubeの動画を見ての反応
nishio 視覚思考の実例 CAST DUET
nishio 「思考」と「伝達」を区別してない人が多い。「思考」するだけなら他人に伝達する必要はないのだから言語化する必要もない。例えばパズルを解くとか、壺を作るとか、金属加工をするとか、「自分の解きたい課題」を効率よく解ける方法が「良い思考」だ。言語はそれを他人に伝達する
from 日記2022-07-07
本をちゃんと読むこと
本をちゃんと読むことは、本から集めたデータを、自分の思い込みではなく、そのデータ自体が語る言葉に耳を傾けること
実際に耳を傾けてみたらグループ編成には発想の転換が必要以前に、そもそもグループ編成は必須の要素ではなかった
2枚のペアから始める方法を書いたが、探検ネットでは2枚の間の関係線の集まりとして空間配置が先に行われる
枠を埋める系のフレームワークは問いかけを伴っている。しかし、問いかけに答えて枠を埋めることによって「どの質問に対する答えか」を基準とする空間配置が既にされてしまう。これが諸悪の根源なのではという気がしてきた。
問いかけに答えることで言語化されてなかったものが言語化されるところまでは良い。だけど「出てきたもの」はトップダウンで分類するのではなく、全体を眺めて関連するものがないか探すべきなのに、フレームワークを埋めることで「一見綺麗に整理されたもの」が得られるせいでそれを壊すことを妨げてしまう。
KJ法の空間配置は短文と2次元のベクトルを関連づけるインターフェイス
人間が直接的に分散表現の教師データを作ることができる(2次元だけだけど)
表札作りは、表札の短文と構成要素の短文を関連づける
2021-06-26
tkgshn: うーんなんか機械学習がデフォルトになってきて、(生産力という概念がソフトウェア化するのはデフォルトだとして)企業の競争力が知識労働者とかの話ではなく、また資本のレイヤーに揺れ返してる説ある?
生産力がソフトウェア化する
tkgshn: これは「ポスト資本主義社会」で言及されてるような構造になってなくね?もはや追い越した?っていう意味のツイートです。
2018-04-16
人間(例えば僕)がScrapbox上で知識を構造化していくプロセス
これは将来的にはプログラムによって機械化されるべき
知識を編むプログラム
そのためにはそのプロセスが言語化されなければならない
@kazunori_279: このブランディングは尊敬する。 "アップルは正確であることを好んでいて、パーソナライズされた音量やスマートスタックといった機能を、曖昧な「AI」ではなく、「機械学習」(7度も言及された)とラベリングする方がより正確だと考えてい
流行語を取り入れるのに慎重なのではなくて、本当に世界に新しいものを作り出している自負があるから、他人の作った「新そうなバズワード」に乗っかる必要がないんだよ
話してて噛み合わないところがあるな?と掘り下げて行ったら「コンピュータもなんとなくの判断できる」というところが共通認識になってなかった。
昔はコンピュータに判断をさせる場合、明示的にルールを記述しなければならなかった。だから判断基準が明確でない(=人間が判断基準を明確に言語化できない)シチュエーションで「コンピュータに判断させることはできないね」となってた。
しかし、機械学習の進歩によって「人間が判断基準を記述するより、データ集めて学習させた方がいい判断になる」という事例がたくさんできた。
Tensorflow
ちょっとしたプロトタイプを作りたい
機械学習
付箋のフォントサイズを改行込みで推定
手法を言語化しなければそれを自動化することはできない
それが知的生産の手法を言語化していく理由
と思ってたけど機械学習によって、手法を人間が言語化しなくても機械が自動的に獲得しうる
どちらのラインが正解なのはかまだよくわかってない
目的
ナイーブベイズについて簡単に説明する
GaussianNBとBernoulliNBの違いを説明する
スパムフィルタで説明する
やりたいこと:
http://explained.ai/decision-tree-viz/index.html
決定木の可視化 #機械学習
詰め込み学習のメタファー
問題と答えが与えられてそれを詰め込む
テストは別途与えられる
今の多くの教師あり学習がこれ
間隔反復法のメタファー
正規化とかスケーリングとか標準化とかよく似た言葉があって混乱するという話があったので整理。
正規化とは、データをある基準に沿って変換し、尺度を統一すること。
例えば「変数によって値の変動する範囲が違っていて扱いづらいから、全部[0, 1]
の範囲に変換しよう」
スケーリングと呼んでもよい
どういう基準を用いるのかは「正規化」という言葉には定義されていない
Googleによる機械学習による駐車難易度の判定機能
Research Blog: Using Machine Learning to Predict Parking Difficulty
流行りのDeep Learningではなくロジスティック回帰を使った
sklearn.metrics.classification_reportの結果の読み方を簡単に解説する
第1引数y_true(正解)が[0, 0, 0, 1, 1, 1]
, 第2引数y_pred(予測値)が[0, 0, 1, 1, 1, 1]
の場合
色々な相談に乗った時にメモしておく場所
シンプル
モデルはなるべく小さくしたい
モデルが大きいと実験時間がかかり、単位時間でできる実験の回数が減る
モデルが大きいとまともな学習結果になるために必要なデータ量が増える
「ロジスティック回帰は回帰だ」「いや、回帰ではない、分類だ」みたいな議論がある
「PythonやRubyの変数は関数に値渡しされるのか参照渡しされるのか」みたいな議論に似ている。
誤った二者択一 の事例。この場合は参照が値渡しされてる
ロジスティック回帰は、確率値を回帰で求めて分類問題を解く。
以前回帰と分類でも書いたものを再掲
Q: 機械学習で最低限必要な数学知識とは何か
A: ライブラリを単に使うだけの人に数学知識は必要ないんじゃないか?
Q: そういわずに…
というわけでライブラリを使うだけの人に必要な知識は何かをブレストする
大事そうなものを上に上げる