4130

Ｏ₂（KOHSHI OKUDA） 精神という名のペンで我が魂に己の名を刻む ※音楽で稼ぎはじめたらフォロー開始します。大資本や巨額な広告予算を持たない音楽クリエイターの戦略、独自経路（インフラ）の実務手順を解体。詳細は直下の固定へ↓

[4130 @rockdacypher]

現代のSNSはトランスフォーマーのベクトル演算空間

大資本や巨額な広告予算を持たない音楽クリエイターの戦略は、入力精度（SN比）を極限まで高めること

AIのルールを利用した独自経路（インフラ）の設計

フォロワー12,000人のこのアカウントで、その具体的な実務手順を解体していく

問いこそが解

[Takumi Chiva | ChivaBeatz @BeatzChiva]

厳密に言うとコンプって音量制御というよりもっと他の役割の方が適正あるなと思いますが、参考までに。

[4130 @rockdacypher]

日々の行動が遺書だと思って生きる

[野口功司🪼 CBTで全国受験者を応援！ @CBTS_noguchi]

与える人生に。運と人は巡ってくる。

人は死ぬ時、地位も名誉も持っていけない。
残るのは「自分が誰に何を与えたか」という事実だけだ。

自分の利益だけを追求する「Taker（奪う人）」の周りからは、いずれ人が去っていく。逆に、他人のために何ができるかを考え、価値を提供する「Giver（与える人）」には、驚くほど運と人が集まってくる。

ビジネスも人間関係も、本質は「ギブ」の精神だ。数字を追う前に、相手の心を震わせるような価値を与えられているか問い直せ。心から応援してくれる数人の仲間がいれば、それが最強の資産になる。

広げることより、深めること。与え続ける生き方を選べ。その瞬間に、あなたの人生の質は根本から変わり始める。

[4130 @rockdacypher]

Xでも韻踏んでほしい

[ひろぽん @coldestoryever]

ラッパーTwitterで呟くのやめた方がいいんじゃない？
言いたいことあれば曲で言えば

[4130 @rockdacypher]

個別の判断では間違ってたとしても長期で強い原則が磨かれるはずだ

[中島一明 @ベルフェイス(株) 代表取締役 / ハードシングス起業家 @k_nakajima_bell]

【採用で一番高くつくのは、不採用ではなく “ミスマッチ採用”だ】

最近面接した方を、悩んだ末にお見送りした。

するとその方は、「中島さんとベルフェイスに惚れ込んだ。もう一度チャンスがほしい。」と言ってくれた。

経営者は、こういうのに弱い。
本当に嬉しかった。
しかし、再度お断りした。

すると今度は
「業務委託でもいいので関わらせてほしい。」
と言ってくれた。

正直、迷った。
ここまで言ってくれるんだから…
と何度も何度も反芻した。

でも私は、採用で一つの『原則』を決めている。

『迷ったら、採らない。』

迷うということは、何かに引っかかったからだ。
言語化できなくても、それは “本能のシグナル” だ。

だからその提案も、断腸の思いでお断りした。
正社員の採用枠だったからだ。

ーーーーーーー

「やらない後悔より、やった後悔」
とよく言う。

でも、採用は “逆” だと思っている。

採ってから「やっぱり違った」は、本人にも、チームにも、ダメージが大き過ぎる。
その期間にチームビルディングが遅れることも致命的だ。

だから採用は、「やらない後悔」の方がいい。

もちろん、この判断が正しかったかは未来永劫わからない。
もしかしたら、私は未来のハイパフォーマーを逃したのかもしれない。

それでも私は、自分の直感を信じた。
原則に従った。

採用で一番高くつくのは、不採用ではなく、“ミスマッチ採用”だ。

[4130 @rockdacypher]

これはもう細川ばれ太、だ

[国木田さりまる｜WEIN/BACKSTAGE @pika870_wtam]

細バレ　が　仲間に　なりたそうに　こちらを　見ている！

[4130 @rockdacypher]

トランスフォーマーを個人が私的に活用できるのはXだけで、他のSNSでは不可能

アカウント座標を固定し、日々の運用で強化し、重力場をつくれる

[茂木健一郎 @kenichiromogi]

プラトンが、アートを人を本質から離脱させる行為として否定したのも、個別の表層から離れた本質をこそ重視する彼の頭の良さゆえである。大規模言語モデルという、究極の表層主義でASIへの道を疾走する人類のアニマルスピリットに、普遍はどのような残滓として寄り添っているのだろうか。

[4130 @rockdacypher]

YouTube動画やnote、記事みたいな外部リンクを貼るとXではペナルティ対象になるから減点され、インプも抑制される

なので、わかってる人はnote推奨アカウントでも減点されないプロフィールに外部リンクを貼り、通常の投稿では外部リンクを貼っていない

動画を直接、投稿に埋め込めば問題ない

[4130 @rockdacypher]

国や社会が上がり続け、黙っていても土台が勝手に上がる時代を前提にした設計が特殊すぎたのでオーソドックスな考えになりはじめているようだ

[山本康二GP社長/挑戦する若者とベンチャーを応援する @koji_gp]

やり手の社長達と話している最近の話題、一番多いのが「AIと人間について」だ。

僕は5年前に全社員に「これからは社員数は増やさない。残った社員一人当たりの生産性と給与を伸ばし続け、ビジョン実現に向けてずっと続くステークホルダーが豊かな会社を目指す」と宣言した。

今は、多くの経営者が同じ考えになりつつある。これからは転職を繰り返す腰掛けジョブホッピング組より、経営者とタッグを組んで１つの会社のアイデンティティ（軸）となる人材の方が勝ち残っていく気がする。

[伊橋成哉 事業デザイナー @naruya_ihashi]

企業さんの支援で入るとき
社員さんが頑張る意味を、ちゃんと整えたいって思ってる。

こんな時代だもの
一個人としても『意味』を見出さないと
ただ頑張れ！は難しい。

動機、文脈つくりは
これからは営業利益上げるくらい大事。

[Z @BrianZisook]

Fans tell artists to "go independent" without knowing what that actually takes. Ed Sheeran left Warner in May. Two months later he's reportedly signing with Interscope, another major. At the superstar level, you can't replace the infrastructure and funding a label provides.

[4130 @rockdacypher]

こんな41歳失うのもったいない

[溝口勇児 | 連続起業家 @mizoguchi_yuji]

今日は七夕か。
変われますように、とお願いしようかな

[苫（トマ）@透明1人バンド🧊 @TomaMusicAct]

ミックスの神・CLA大先生が語る「オートメーションは多い方が良いのか」問題への回答

個人的に特に中盤のサメの例えは楽器を弾く上でも意識しております
あまり音量をフラフラ変えると他パートとの兼ね合いに不具合が起きるので、
音量に頼らず表情をつけられるようになりたいね…

[Leiki Ueda | Producer, Mixing Engineer @LeikiUeda]

よくミックスで「コンプがわからない」「コンプが聞こえない」
という意見は、初心者中級者を主にしてよくある意見です。あの巨匠エンジニアのマイケル•ブラウアーでさえも、何年間もコンプの効果がよく分からず聞こえなかったようです。
ここに実は「正解」とヒントがあります。

[ひより @hyyyykun]

OMSBとかC.O.S.A.とか声デケェ奴らのライブってまじかっこいい。
その2人のライブは絶対生で見てほしい聴いてほしい。

[4130 @rockdacypher]

アングラの雄はitaq

[MEL EDEN @EVILBASTARRRD]

俺がアングラの枠に全く入ってないのをSNSで見ると嬉しいけどなんか複雑
曲は適度にやばいくらいにしないと
大衆の耳とは噛み合わないんだよね

[4130 @rockdacypher]

記号論社会のバックラッシュ（反動）、身体の再発見の時代に入る、Xも言葉いじりではなく、意味空間で言葉に重力を持たせる

アカウント座標の物理的配置だ

[4130 @rockdacypher]

精神的変容は認識論の構築主義のように言葉を自己完結的にいじるのではなく、存在論的な前提条件の書き換えで実現する

[How To Prompt @HowToPrompt__]

MIT published a paper arguing that every AI model on earth is secretly converging on the same "brain."

The paper is called "The Platonic Representation Hypothesis." The claim inside it is one of the strangest ideas in modern machine learning, and once you see it you cannot unsee it.

For years, everyone assumed that a model trained on images and a model trained on text were building fundamentally different things inside themselves. Different data. Different architecture.

Different world. A vision model learns what a cat looks like. A language model learns what the word "cat" sits next to. Two separate universes with no reason to line up.

The researchers checked whether that was actually true.

They took 78 vision models and a stack of large language models, and measured how each one organized concepts internally, not what they output, but the shape of the relationships between ideas in their heads. Which things they treat as close together. Which things they treat as far apart.

Then they compared the shapes across models that had never seen each other's data.

The shapes were lining up.

And here is the part that should stop you cold. The bigger and more capable the models got, the more their internal maps agreed with each other. A better vision model and a better language model don't drift apart. They converge. As if they were both climbing toward the same summit from opposite sides of a mountain.

The authors put it in a line that sounds almost like a joke, borrowed from Tolstoy: all strong models are alike, each weak model is weak in its own way.

Then they took it one step further, and this is where it stops being a curiosity and starts being unsettling.

They found that how closely a language model's internal map lined up with a vision model's internal map actually predicted how good that language model was at reasoning and at math. The models that saw the world more like the other modality did better at problems that had nothing to do with images at all.

So the question the paper asks is the obvious one. If a model that only reads text, and a model that only sees pixels, and a model trained on a completely different objective are all drifting toward the same internal representation as they get smarter, what is that representation a representation of?

Their answer is the thing that gives the paper its name.

They argue the models are all converging on a single shared statistical model of the reality that generated the data in the first place. Text is a shadow of the world. Images are a shadow of the world.

Sound, touch, everything, different shadows cast by the same underlying thing. And a big enough model, trained on enough of any one type of shadow, starts reconstructing the object casting it.

Plato said this in 375 BC. The allegory of the cave. Prisoners chained facing a wall, watching shadows, mistaking the shadows for reality, while the real forms exist outside the cave, casting everything they see.

The MIT team took his allegory literally and pointed it at neural networks. The training data is the shadows on the wall. The model, they argue, is slowly turning around toward the fire.

They even proved a version of it mathematically. Under certain conditions, a whole family of learning algorithms is provably pulled toward representing the same underlying statistical structure, the co-occurrence relationships baked into reality itself, regardless of whether they're fed words or pixels. Different sensors, same answer.

The implications the paper draws are the part that should matter to anyone building this stuff.

If it's true, then to build a better language model you should train it on images, because pictures carry information about the same reality that words are trying to describe. They cite evidence this already works. It means translation between any two modalities gets easier the smarter models get, because they're all speaking dialects of the same underlying language. And it means, their words, that hallucination might decrease with scale, because a model converging on an accurate model of reality has less room to invent things that reality doesn't contain.

Now the honest part, because the authors are honest about it and a viral thread that skips this is lying to you.

This is a hypothesis, not a verdict. On their own measurement, the alignment between vision and language models climbs clearly with scale but only reaches about 0.16 on a scale where 1.0 is perfect. They flat-out ask in their own paper whether that number means strong convergence with noise on top, or weak convergence with a mountain still left to explain. The clean math only holds in an idealized world where nothing is lost between reality and observation, which is not the world we live in.

Some things a picture can show that a sentence never will, and vice versa. And in domains like robotics, they see no convergence yet at all.

So it might not go all the way. The cave might be deeper than one paper can measure.

But sit with the shape of what they found anyway.

Systems built by different labs, on different continents, trained on different senses, for different reasons, with no coordination, are independently drifting toward the same internal picture of the world.

The smarter each one gets, the more they agree. And the thing they seem to be agreeing on is reality itself.

[𝔰𝔦𝔪𝔬𝔫 𝔧𝔞𝔭 @simon_jap]

俺にとって「懲りない」は、

何度失敗しても、何度転んでも、夢や目標を諦めずに進み続けること。

自分の弱さやダメな部分と向き合い、変えられるものは変えていく。

だから俺が言う「懲りない」は、薬物や揉め事を繰り返すことじゃない。

俺にとっての「懲りない」は、夢を諦めない生き方のこと。

[Haruki @Música Terra @lessthanpanda]

音楽コンサート市場規模 5,299億円のうち、ジャンル別だと
◦ポップス 4,816億円
◦クラシック 359億円
◦ジャズ 42億円

…ジャズはポップスの1%未満の市場規模しかない、というのは音楽家もライターも知っておくべき現実なのかも。

(『デジタルコンテンツ白書2025』より)