＜数値目標＞
https://www.duolingo.com/learn
アメジストリーグ +10XP，19610 XP，五分钟。
https://www.youtube.com/watch?v=RBvTiSELGqs&list=PLrWxcegPNiyj-M05glrorpUrXekNDKejm&index=6
HKS3 1/3～2/3 背了五十五分钟单词。
https://www.youtube.com/watch?v=SiFMCJiLqHk
李姉妹ch 看了。八分钟。
https://www.youtube.com/watch?v=A_9TRdnTYCs
https://www.youtube.com/watch?v=EwDy8L2opb4
チャイナ娘くまちゃん，二十四分钟。一共一个小时三十二分钟。
スロースタート（汗）
运动；3km，4451步，10楼。
先日からトルコ在住のHedefさんのブログを知り、トルコについても色々調べてみる習慣がついた。曰く、トルコでは第二波どころか「津波がやってくる」とか！
https://ameblo.jp/kpgmq674/entry-12622767314.html
実際、数字に信頼性のない（＝確定診断次第）感染者数ではなく、死者数でみると確かにトルコは８月の第二週前（感染から「死」まで１～４週の時間がある）から第二波が来ているのがわかる。しかも第一波の学習からいけば、これは今後さらにこの波は大きくなる予想が簡単につく。
それは日本も同様で今月の20日、あと２週間後までに死者数は1,500～1,700人にのぼると予想している。今日(9/8)の時点で死者数は1362人なので十分ありうる範囲。
https://blue.ap.teacup.com/applet/salsa2001/6282/trackback
トルコの場合はさらにこの死者数すらも当てにならないとか！ 多分、それは「超過死者数」で予想されたものだろう。もちろん、理論は理論にすぎないが軽視すべきではない。
https://www.niid.go.jp/niid/ja/from-idsc/493-guidelines/9748-excess-mortality-20jul.html
ワクチンも特効薬もない現時点では、防疫と経済は「Trolley problem」なので＜経済を優先するか、防疫を優先するか＞国民に納得と覚悟を迫ることが必要だが、誤魔化しの習慣が長く続いた現政権では誰が次の首相になっても無理だろうね。
https://blue.ap.teacup.com/applet/salsa2001/6245/trackback
＜Amebaという会社＞
先日からAmebaの会社について調べてみた。研究開発のトップに機械学習（ML）を挙げているにしては、ちっとも学習させているようには見えない。およそ私の興味の対象からかけ離れたものしか商品紹介しない。
https://cyberagent.ai/ailab/research/
これは、AmazonやYouTubeと対象的。勿論、Amazonには私の購入履歴があるので当然として、何故YouTubeが？と思っていたらYouTubeはGoogleと繋がっていた。そしてGoogleには私の個人情報が登録されている（汗）
ではAmebaはblogを提供しているのに、それを元に機械学習させていないのか？「そんなはずはないよね？」と考え、更に調べてみたところ裏でGoogleと繋がっていた。それなのに何故？？もっと深い事情があるのではと今は考えている。
https://blue.ap.teacup.com/applet/salsa2001/6287/trackback
『脱・私有財産の世紀』22
ウォルマートは物流と価格設定を自動化して一時、世界屈指の時価総額をもつ企業になったが、アマゾンはさらにそれを進めるとともに中央計画化を進め追い越した。ウーバも同様に中央計画化が鍵であり、現代のデジタル巨人は計算力を駆使して中央計画化を進めているという。p403
これを読みながら頭に去来したのは中国のこと。中国企業のBAT（バイドウ、アリババ、テンセント）は国の強力な支援＝支配下まさに同様なことをやっているということ。国家資本主義とも言える。
機械学習について具体的に著者は説明する。曰く、ネットフリックスは、膨大なデーターベースを機械学習かけて、ある特定の個人とよく似た人を探し出す。その人と同じような映画を観て、映画の評価も同じような人を集めてモデル化し、まだその人が観ていない映画を紹介する。p405
最初は誰しも警戒心を持つかもしれないが、それに頼らず最初、好きでもない映画を無駄に沢山観るうちに「やはり紹介された方が確実だな」と思うようになるだろう。
同様なことは医療でも起こるはずだ。同じような症状を持つ、同じような人（年齢、環境、職業、性、人種など）を集めて同じ症状を持つ人からモデル化して病名を推察するのは、限られた臨床経験しかない人間の医師よりはるかに正確な診断ができるだろう。事実それは癌診断については結果が出ている。例えば、肺がんではIBMのワトソンの診断の正確率が90％に対し、専門医は50％だったとの結果が出ている。
https://blue.ap.teacup.com/applet/salsa2001/5613/trackback
こうしたことを可能にするには各個人の詳しい情報が必要だ。その人がこれまで残した様々なデーターを利用することが必要。だから、私のGoogleのアカウントはYouTubeやアメーバとリンクされる必要があり、既にそうなっている！ これらは機械学習の最も得意とするところ。
いつもの散歩路、夜暗くて分かり難いが樹木が昨夜の暴風で倒れている。写真は青竹。竹は弾力性があるので簡単には折れないはずだが？ それだけ風が強かったということだろう。