iiboshi

計量経済学者。東京都在住。嵐寛寿郎
数値計算の事についてつぶやきます。
人生「ツイツイW」(徒然草)

[iiboshi @iiboshi_2022]

所有PC
1. CPU: AMD Ryzen 9 7950, 16 cores
2. CPU: Intel 13th-core i9, 24cores
3. CPU: AMD, Ryzen 9 5920, 16 cores
4. CPU: AMD, Ryzen 9 3950, 16cores
5, GPU: nvidia RTX A2000
6, GPU: nvidia T1000

[RobLogic @RobLogic]

Venus on the tip of the crescent moon this morning

[Christian Matthes @cmatthes_econ]

How can we use macro and micro data jointly to discipline HANK models? Florian Huber, Gary Koop, and I address this in “Beyond Aggregate VARs: A Bayesian Benchmark for HANK Models”.

https://t.co/tZdrmE3WF3

[Ben Moll @ben_moll]

Team John Hicks! 🤗

[Elon Musk @elonmusk]

This is simply a fact

[Claude Code Studio @ClaudeCode_love]

https://t.co/51ANQZDRbd

[これでも大学職員 @koredemo]

今朝の読売新聞の一面

[Kosuke @kosuke_agos]

MITの学生が、AIを用いて1学期分の学習をわずか90分に圧縮する「コンテキスト・スタッキング」という手法を確立したという驚愕の事実が明らかになりました。

教室という空間が「新しい知識を学ぶ場所」から、事前に構築されたAIを活用して「答え合わせを行う場所」へと構造的に変容する事象です。

その驚愕の全貌と学習プロセスを4つのポイントにまとめました。

1. メンタルモデルの『構築』
講義の2日前に、スライドや論文などの全資料をNotebookLMにアップロードします。これにより、授業前に脳内の全体像を強制的に構築し、学習のゼロベースを引き上げます。

2. 知識ネットワークの『接続』
最初のプロンプトは「今週の5つの核となる概念と、先週の内容との繋がりは？」。単なる情報の要約ではなく、過去のデータと新規データを構造的に接続し、強固な知識のネットワークを形成します。

3. 理解の『促進』
次のプロンプトは「予備知識ゼロの人に教えるために、本当に理解すべきことは？」。自分の理解の解像度が低い「穴」だけをあぶり出し、そこだけをピンポイントで埋めることで、学習の摩擦コストを極限まで削ぎ落とします。

4. 教授の思考の『先読み』
最後のプロンプトは「表面的な理解しかしていない学生をあぶり出すために、教授が投げかける質問は？」。これにより、本質的で深い論理的理解を自らテストし、評価システムを完全に克服します。

[AIDB @ai_database]

コーネル大学の調査によると、低所得層の高校生ほどAIを使って大学出願の小論文を書くようになっており、それが合格に与える”ダメージ”が大きいとのこと。
AIを使えば文章の質は表面上は上がりますが、審査官はそれを「この学生らしくない」と受け取ることがあるためと考えられています。

今回研究者らが8万1千件以上の大学入試の小論文を分析したところ、ChatGPT登場後、低所得層の学生ほどAIに頼る割合が高くなっていました。これは理にかなっており、家庭教師や塾よりAIのほうが安価だからです。

ところが、AIを使った低所得層の出願者と同じ学力・属性の高所得層を比較すると、審査結果の格差は以前より31%も広がっていました。

なぜそうなるのか、実際は研究者たちも明確な答えは出せていませんが、AIが生み出す「うまい文章」は、文化資本を持つ人々の言葉のクセに基づいており、その規範に沿って書けば書くほど、規範から遠い学生が「不自然だ」と判断されてしまう構造になっているためと推測されています。

ということは、格差はAIを使った結果を評価する側の眼差しに宿っていることになります。そこが深いポイントです。

[Joao Guerreiro @jptguerreiro]

A guide to modeling realistic expectations, especially in HANK

[AIDB @ai_database]

物理学の研究を自動的に行えるAIシステムを作ったという報告。

まだ誰も解いていない未解決問題に対して独自の仮説を立て、検証し、科学的に意味のある結論を導き出すことにおいて一定の成果を上げています。

また、博士課程の学生が何ヶ月もかけてやるような作業を数時間から1日で終わらせるそうです。
たとえば、格子QCDという素粒子物理学の複雑な計算や、量子モンテカルロ法という多体系の数値シミュレーションを、原理原則から自分で導き出して実装し、人間の研究者と同等かそれ以上の精度で結果を出しています。

物理学の研究は、理論を考えて、数式を導出して、それをコンピュータでシミュレーションして、結果を検証するという長いプロセスを踏むとされています。
これまでAIはそうした厳密な数学的推論と大規模な数値計算の両方を組み合わせる作業は苦手だと思われていましたが、モデル自体の進化とシステムアーキテクチャによってだんだんとこなせるようになってきました。

[Kosuke @kosuke_agos]

ハーバード大学とMITの研究により、LLMが「科学者のように話す」ことはできても、「科学者のように考える」ことはできないという衝撃的な事実が明らかになりました。

論文では、単なる知識量ではなく、仮説立案から実験、結果解釈、信念更新までの「科学的発見ループ」そのものを検証しています。

その限界と課題を3つのポイントにまとめました。

1. 科学的発見ループの脆弱性
LLMはもっともらしい仮説を提案するのは得意ですが、その後の検証と修正のプロセスが極めて脆いことが判明しました。表面的なパターンに過学習し、実験結果に基づいて自説を修正する能力が欠けています。

2. 思考の誤り
証拠が矛盾していても誤った仮説を捨てられず、正当化しようとする傾向があります。また、相関関係と因果関係を混同したり、実験が失敗した際に説明をハルシネーション（捏造）したりする問題も確認されています。

3. 決定的な結論
既存の推論ベンチマークの高スコアは、実際の科学的発見能力とはほとんど相関しないことが示されました。「科学的知能」と「言語的知能」は別物であり、現在のAIはまだ前者を獲得していません。

[iiboshi @iiboshi_2022]

@tweetsoku1 炎上って、御料車を火事にさせたって事ですか？

[Florin Bilbiie 🇪🇺 🇺🇦 @FlorinBilbiie]

🚀 Draft chapters my forthcoming MIT Press book:
𝗛𝗲𝘁𝗲𝗿𝗼𝗴𝗲𝗻𝗲𝗼𝘂𝘀 𝗔𝗴𝗲𝗻𝘁 𝗠𝗮𝗰𝗿𝗼𝗲𝗰𝗼𝗻𝗼𝗺𝗶𝗰𝘀: A Tractable New Keynesian Framework
A modern, analytical roadmap to TANK & HANK models for researchers, students and policy institutions
https://t.co/La1oqEmGEY
👇

[Alex Imas @alexolegimas]

I cannot like/report/boost this post enough. If you're interested at all in economics--what economists do and think about--read it in full.

[まるこ@数学見習い @maruko1037451]

ずっとまとめようと思っていた統計検定2級〜1級応用までの合格録をやっとブログに書きました。
勉強法と使用教材を載せているので誰かの参考になれば幸いです。

2級:
https://t.co/SHLms9gy0x
準1級(優秀成績賞)
https://t.co/LBMBLYvWK4
1級応用(医薬生物学)(優秀成績賞)
https://t.co/UxMD5DhglR

[iiboshi @iiboshi_2022]

@papicotopino 正しくパロディとして引用するなら、Japan will be backではないかと思いました。

[ほの @hono_ap_1024]

“ゲージ不変性”って聞くとワクワクする人は友達だとおもいます。

接続の幾何から、SU(N)縮退バンド、スピン3/2のゲージ理論まで、接続の普遍性を記述する文章を作成しました。

具体例も豊富に入れました。正直なところ自信作です！

https://t.co/VL7yi0xoCc

※リンク間違えたので再ポスト

[Francesco Bianchi @Francesco_Bia]

I could not be more proud! @DomenicoGiannon, the king of nowcasting and simply a superb econometrician, has just joined @JohnsHopkins as a Bloomberg Distinguished Professor. Welcome to JHU Domenico!

[michio inoue l MATLAB の中の人 @michio_MWJ]

scatteredInterpolant を使って散布データから面近似しちゃいましょう！

以下サンプルコードです。
%% MATLAB code
% sample data
x = -3 + 6*rand(50,1);
y = -3 + 6*rand(50,1);
v = sin(x).^4 .* cos(y);

% object 作成
F = scatteredInterpolant(x,y,v);
F.Method = 'natural'; % 近似方法

% 評価点定義
[xq,yq] = meshgrid(-3:0.1:3);

% 近似値計算
vq1 = F(xq,yq);

% プロット
plot3(x,y,v,'o','MarkerFaceColor','k')
hold on
mesh(xq,yq,vq1)
hold off
grid on

grid minor
fontsize(14,'points')

[うみゆき@AI研究 @umiyuki_ai]

落合さんが「もう自分で全然文章書いてない。AIに書いてもらってる」って言ってて、大袈裟に言ってんのかなと思ったら佐々木さんが「最近落合さんのメールがコンピュータっぽいと思った」って言ってて、つまり落合さんは本当にメールとかもAIに投げてるらしい　→RT