SlideShare a Scribd company logo
1 of 38
論理的思考で読解力を培う
株式会社レトリバ
今村祐一郎
© 2017 Retrieva, Inc.
自己紹介
• 今村祐一郎
• エンジニア
• 主にフロントエンドの設計・開発(Ruby on Rails, JavaScript, CSS)
• 読書習慣はあまりない(漫画中心)
• 東京工業大学 情報理工学研究科 計算工学専攻卒
• 主に数理論理学・プログラミングモデルを研究する研究室に所属
• 卒論修論の内容は……忘れた
© 2017 Retrieva, Inc. 2
最近(?)読んだブログ記事に…
• 『スゴ本の中の人が選んだ、1万円で“一生モノの教養”を身につ
けるための5冊』
• https://hikakujoho.com/manekai/entry/20170907
• 『論理トレーニング101題』
• 『理科系の作文技術』
• 『銃・病原菌・鉄』(上)(下)
• 『統計はこうしてウソをつく』
• 『カラマーゾフの兄弟』(上)(中)(下)
© 2017 Retrieva, Inc. 3
論理トレーニング101題
• 著者:野矢茂樹
• 東京大学大学院総合文化研究科教授
• 他に:『入門! 論理学』『大人のための国語ゼミ』など
• その名のとおり、論理学を用いて文章や議論の骨子を見出した
り批判する例題が計101題含まれている
© 2017 Retrieva, Inc. 4
ロンリのちから
• http://www.nhk.or.jp/kokokoza/tv/ronri/
• 野矢茂樹先生が監修
• NHK Eテレにて放送された番組(高校講座枠・2014年初出)
• 今は定期的な放送はないっぽいけど、アーカイブですべて観れる
• 演劇部の高校生たちが劇中劇を演じ、その中で発生した「論理
的におかしい」シナリオややり取りを論理的に紐解いていく
© 2017 Retrieva, Inc. 5
AI vs. 教科書が読めない子どもたち
• 著者:新井紀子
• 国立情報学研究所社会共有知研究センター センター長
• 人工知能「東ロボくん」研究開発プロジェクト ディレクター
• 論旨
• 近々数十年に(厳密な意味の)シンギュラリティは来ない
• だが、多くの人はAIに仕事を奪われかねない
• なぜなら、読解力の低い者ができる仕事はAIに代替されやすいから
© 2017 Retrieva, Inc. 6
読解力とは
• https://ja.wikipedia.org/wiki/読解
• 『文章に触れ、そこに内包された情報を、読者と書き手とが共有する
文章表現の規則や約束事であるコードと読者に既有の知識や情報およ
び経験を手がかりとして解読し、それを理解し、解釈するまでの、読
者の一連の行為を指す概念』
• 文書表現の規則や〜:論理
• 読者に既有の知識や〜:常識
© 2017 Retrieva, Inc. 7
論理トレーニング101題の章構成
• 議論を読む
• 接続表現に注意する
• 議論の骨格をつかまえる
• 論証する
• 論証はどのようなものか
• 演繹の正しさ・推測の適切さ
• 論証を批判的にとらえる
© 2017 Retrieva, Inc. 8
接続表現に注意する
• 接続表現の種類
• 付加
• 理由
• 例示
• 転換
• 解説
• 帰結
• 補足
© 2017 Retrieva, Inc. 9
付加? 転換? 補足?
• このレストランは美味しい。そして高い。
• このレストランは美味しい。ただし高い。
• このレストランは美味しい。しかし高い。
© 2017 Retrieva, Inc. 10
付加? 転換? 補足?
• このレストランは美味しい。そして高い。(付加)
• このレストランは美味しい。ただし高い。(補足)
• このレストランは美味しい。しかし高い。(転換)
• 主張が前にあるのが補足、後にあるのが転換
© 2017 Retrieva, Inc. 11
接続表現に注意する
• 接続表現の種類
• 付加(そして)
• 理由(なぜなら)
• 例示(たとえば)
• 転換(しかし)
• 解説(すなわち)
• 帰結(なので)
• 補足(ただし)
© 2017 Retrieva, Inc. 12
議論の骨格をつかまえる
• 先の7つの接続表現を4つにまとめる(補足は除外)
• 解説(解説+例示)
• A、すなわちB (A=B)
• 根拠(理由+帰結)
• A、だからB(A→B)
• 付加
• A、そしてB(A+B)
• 転換
• A、しかしB(A B)
© 2017 Retrieva, Inc. 13
議論ユニット
• 1つの論旨に関する議論の骨格を明らかにする手順
1. 主張提示文を見つけ、その根拠と解説とをまとめてユニットとする
2. ユニット同士を付加もしくは転換で接続する
© 2017 Retrieva, Inc. 14
例
1. バスの運転手はあまりシートベルトをしていない。
2. 道交法では「やむを得ない理由」がある場合は、シートベルトを
しなくてもいいとある。
3. 郵便配達や清掃業務(中略)等はそれにあてはまる。
4. たしかに、これらの人たちはちょっと走っては止まり(中略)と
忙しく、いちいちシートベルトなどつけていられない。
5. しかしバスの場合は、法律上ではシートベルト着用は免除されて
いない。
6. だから厳密には違反になるのである。
© 2017 Retrieva, Inc. 15
先の例を紐解く(1)
• (1)バスの運転手はあまりシートベルトをしていない
• 問題(話題)提示文、トピックの開始を示す
• (2〜4)シートベルトをしなくてもいい理由と、それを享受する
人がいる
• (2)やむを得ない理由でシートベルトはしなくていい
• (3)郵便配達や清掃業務がそれ
• (4)彼らは頻繁に車を下りるため、シートベルトの着脱は煩雑
• (2)=(3):解説、(3)←(4):根拠
© 2017 Retrieva, Inc. 16
先の例を紐解く(2)
• (5〜6)しかしバスの運転手はシートベルトしなきゃダメ
• (5)バスの運転手は法律では免除されてない
• (暗黙の前提)バスの運転手は頻繁に下車を行う仕事ではない
• (6)ゆえに(バス運転手のベルト未装着は)違反である
• (5)→(6):根拠
• 主張提示文: (2) (5)
© 2017 Retrieva, Inc. 17
論証する(1)
• 論証と導出
• 単純な論証:根拠Aから、結論Bを導出する(A→B)
• 論証の連鎖
• 主張Aから主張Bを、さらにBから主張Cを導出する(A→B→C)
A) その変なこどもが現れたとき、風がどうと吹いてきた。
B) だからそのこどもは風の又三郎なのだ。
C) だったら去って行くときもやっぱり風が強く吹くだろう。
© 2017 Retrieva, Inc. 18
論証する(2)
• 結合論証
• 主張AとBをあわせて1つの根拠とし、主張Cを導出する
A) 山椒の粉を魚のいるあたりにまくと、いつもはその毒で魚が浮いてくる。
B) だけど、その日佐太郎が山椒の粉を川にまいてよほどたっても、魚はさっぱり
浮いてこなかった。
C) ということは、そのとき魚はそこにはいなかったのだ。
© 2017 Retrieva, Inc. 19
A+B
C
論証する(3)
• 合流論証
• 主張Aから主張Cを導出できるが、主張Bからも主張Cを導出でき、両
方をまとめて根拠としている
A) 三郎はもうこの学校には戻ってこないだろう。
B) なぜって、お父さんの仕事のせいで転校していったのだから。
C) それに、やっぱり三郎は風の又三郎だったのだから。
© 2017 Retrieva, Inc. 20
B C
A
演繹と推測
• 演繹
• 根拠部をすべて真と認めたら、結論は必ず真となるような導出
• 推測
• 根拠部をすべて真と認めても、必ずしも結論が真とはならない導出
© 2017 Retrieva, Inc. 21
演繹? 推測?
• 次の文章に含まれる導出は演繹か推測か
• 酸味の素であるクエン酸はビタミンを安定に保つ効果がある。トマト
は酸味を持っている。したがってトマトに含まれるビタミンは長時間
保管しても保たれる。
© 2017 Retrieva, Inc. 22
演繹? 推測?
• 次の文章に含まれる導出は演繹か推測か
• 酸味があるとビタミンは安定に保たれる。トマトは酸味を持っている。
したがってトマトに含まれるビタミンは長時間保管しても保たれる。
© 2017 Retrieva, Inc. 23
逆は必ずしも真ならず
• 逆・裏・対偶
• 元文:「テングダケは毒キノコだ」
• 逆:「毒キノコはテングダケだ」
• 裏:「テングダケでないなら毒キノコではない」
• 対偶:「毒キノコでないならテングダケではない」
• 元文と同じ意味になるのは「対偶」のみ
© 2017 Retrieva, Inc. 24
「のみ」「だけ」の罠
• ウラシマさんは晴れた日にだけ釣りをする
• 質問:今日は晴れています。ウラシマさんは釣りをしてますか?
© 2017 Retrieva, Inc. 25
「のみ」「だけ」の罠
• ウラシマさんは晴れた日にだけ釣りをする
• 雨なら釣りは絶対しない。晴れた日は釣りをしてるかもしれない
• ウラシマさんは晴れた日には釣りをする
• 晴れなら必ず釣りをしている。雨でも釣りをしてるかもしれない
• 逆:ウラシマさんが釣りをするのは晴れた日である
• 「AのときだけB」であり「A」だから「B」、という導出は不適切
© 2017 Retrieva, Inc. 26
間違った演繹
• 浦島太郎は一瞬にして老人になってしまった。彼が龍宮城から
持ち帰ってきた玉手箱は、開けると一瞬にして老人になってし
まうという。ということは、浦島太郎は玉手箱を開けてしまっ
たのだ。
© 2017 Retrieva, Inc. 27
間違った演繹
• 他の原因もありうる
• 竜宮城のあとに別の場所にいき、別のアイテムを持ち帰って来たのか
も
• 浦島太郎を見ている側の者が知らぬ間にコールドスリープしていたの
かも
• 彼が単にそういう体質だったのかも
© 2017 Retrieva, Inc. 28
隠れた前提(1)
• 「テングダケは毒キノコだ。だから食べられない」
• 隠れた前提は何か?
© 2017 Retrieva, Inc. 29
隠れた前提(2)
• 大前提:登場人物AとBはともに地球外から来たアンドロイドで
ある
• A「花がきれいだ」
• B「僕もそう思う。我々は母星に帰る必要がありそうだ」
© 2017 Retrieva, Inc. 30
演繹? 推測?
• 一般に…
• 演繹:仮説と補助前提から、証拠を導く(説明)
• 推測:証拠と補助前提から、仮説を導く(仮説形成)
© 2017 Retrieva, Inc. 31
代替仮説の可能性
• 仮説を用いた推測では、つねに代替仮説の存在を考えるべき
• もっともらしい代替仮説があるほど、推測の説得力は減る
• アンドロイドの例では……
• 単に母星に帰る時期が来ただけかもしれない
• その花はアンドロイドに対し有害であることがわかった
© 2017 Retrieva, Inc. 32
因果関係
• 「風呂上がりに素っ裸でガチャを引いたらSSRが出た!」
• 「神田明神で拝んだ後にガチャを引いたらSSRが出た!」
• 因果関係なし
• AがBの原因
• BがAの原因
• AとBに共通する原因Cが存在する
© 2017 Retrieva, Inc. 33
立論、異論、批判
• 立論:あることを主張し、それに論証を与える
• 異論:相手の主張と対立する主張を立論する
• 批判:相手の立論の論証部に対して反論する
• 立論の主張そのものには対立していない
• 異論は対立であるが、批判は対立でない
• 批判の視点を持つことを躊躇してはいけない
• 好意的な批判意見を発することは両者のためになる
© 2017 Retrieva, Inc. 34
まとめ
• 文章を読解するためには…
• 接続表現に注意し、主張の骨格と要点を見出す
• 主張と主張の間の関係を洗い、演繹か推測かをはっきりする
• 隠れた前提や代替仮説の存在、因果関係や外因に注意する
• 論証部へのツッコミは敵対行為ではない
© 2017 Retrieva, Inc. 35
隠れた前提(3)
© 2017 Retrieva, Inc. 36
隠れた前提(4)
• 「長さ230mの列車が秒速15mで上り方向に、長さ250mの列車
が秒速17mで下り方向に進んでいます。互いの列車が出会って
から、すれ違い終わるまでに何秒かかるでしょう?」
© 2017 Retrieva, Inc. 37
© 2017 Retrieva, Inc.

More Related Content

What's hot

You Only Learn One Representation: Unified Network for Multiple Tasks
You Only Learn One Representation: Unified Network for Multiple TasksYou Only Learn One Representation: Unified Network for Multiple Tasks
You Only Learn One Representation: Unified Network for Multiple Tasksharmonylab
 
ECサイトにおける商品紹介文の作成支援システムの開発と評価に関する研究
ECサイトにおける商品紹介文の作成支援システムの開発と評価に関する研究ECサイトにおける商品紹介文の作成支援システムの開発と評価に関する研究
ECサイトにおける商品紹介文の作成支援システムの開発と評価に関する研究harmonylab
 
テスコン優勝事例におけるテスト分析公開用
テスコン優勝事例におけるテスト分析公開用テスコン優勝事例におけるテスト分析公開用
テスコン優勝事例におけるテスト分析公開用Tetsuya Kouno
 
2016年ノーベル経済学賞予想 --- 参考資料
2016年ノーベル経済学賞予想 --- 参考資料2016年ノーベル経済学賞予想 --- 参考資料
2016年ノーベル経済学賞予想 --- 参考資料Yosuke YASUDA
 
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへーDeep Learning Lab(ディープラーニング・ラボ)
 
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際Tetsutaro Watanabe
 
التعليم الهندسي خالد السلطان
التعليم الهندسي  خالد السلطانالتعليم الهندسي  خالد السلطان
التعليم الهندسي خالد السلطانalmaraee
 
広告クリエイティブ制作におけるコンピュータビジョングラフィックデザイン CA Data Engineering & Data Analysis WS #9
広告クリエイティブ制作におけるコンピュータビジョングラフィックデザイン CA Data Engineering & Data Analysis WS #9広告クリエイティブ制作におけるコンピュータビジョングラフィックデザイン CA Data Engineering & Data Analysis WS #9
広告クリエイティブ制作におけるコンピュータビジョングラフィックデザイン CA Data Engineering & Data Analysis WS #9Kazuhiro Ota
 
REBOKを社内展開する際の障壁
REBOKを社内展開する際の障壁REBOKを社内展開する際の障壁
REBOKを社内展開する際の障壁mkoszk
 
SSII2018TS: 大規模深層学習
SSII2018TS: 大規模深層学習SSII2018TS: 大規模深層学習
SSII2018TS: 大規模深層学習SSII
 
30 سؤال في الهندسة المدنية - الجزء الخامس - 2020
30 سؤال في الهندسة المدنية - الجزء الخامس - 202030 سؤال في الهندسة المدنية - الجزء الخامس - 2020
30 سؤال في الهندسة المدنية - الجزء الخامس - 2020Karim Gaber
 
機械学習とコンピュータビジョン入門
機械学習とコンピュータビジョン入門機械学習とコンピュータビジョン入門
機械学習とコンピュータビジョン入門Kinki University
 
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性西岡 賢一郎
 
人材版伊藤レポートサマリ.pptx
人材版伊藤レポートサマリ.pptx人材版伊藤レポートサマリ.pptx
人材版伊藤レポートサマリ.pptxKeisuke Tameyasu
 
セレンディピティと機械学習
セレンディピティと機械学習セレンディピティと機械学習
セレンディピティと機械学習Kei Tateno
 
Python に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろはPython に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろはDaiyu Hatakeyama
 
個人/グループサーベイ法(早稲田大学講演)
個人/グループサーベイ法(早稲田大学講演)個人/グループサーベイ法(早稲田大学講演)
個人/グループサーベイ法(早稲田大学講演)cvpaper. challenge
 
親和図法(KJ法)とは?
親和図法(KJ法)とは?親和図法(KJ法)とは?
親和図法(KJ法)とは?博行 門眞
 
機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理Takahiro Kubo
 

What's hot (20)

You Only Learn One Representation: Unified Network for Multiple Tasks
You Only Learn One Representation: Unified Network for Multiple TasksYou Only Learn One Representation: Unified Network for Multiple Tasks
You Only Learn One Representation: Unified Network for Multiple Tasks
 
ECサイトにおける商品紹介文の作成支援システムの開発と評価に関する研究
ECサイトにおける商品紹介文の作成支援システムの開発と評価に関する研究ECサイトにおける商品紹介文の作成支援システムの開発と評価に関する研究
ECサイトにおける商品紹介文の作成支援システムの開発と評価に関する研究
 
テスコン優勝事例におけるテスト分析公開用
テスコン優勝事例におけるテスト分析公開用テスコン優勝事例におけるテスト分析公開用
テスコン優勝事例におけるテスト分析公開用
 
2016年ノーベル経済学賞予想 --- 参考資料
2016年ノーベル経済学賞予想 --- 参考資料2016年ノーベル経済学賞予想 --- 参考資料
2016年ノーベル経済学賞予想 --- 参考資料
 
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
 
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
 
التعليم الهندسي خالد السلطان
التعليم الهندسي  خالد السلطانالتعليم الهندسي  خالد السلطان
التعليم الهندسي خالد السلطان
 
広告クリエイティブ制作におけるコンピュータビジョングラフィックデザイン CA Data Engineering & Data Analysis WS #9
広告クリエイティブ制作におけるコンピュータビジョングラフィックデザイン CA Data Engineering & Data Analysis WS #9広告クリエイティブ制作におけるコンピュータビジョングラフィックデザイン CA Data Engineering & Data Analysis WS #9
広告クリエイティブ制作におけるコンピュータビジョングラフィックデザイン CA Data Engineering & Data Analysis WS #9
 
REBOKを社内展開する際の障壁
REBOKを社内展開する際の障壁REBOKを社内展開する際の障壁
REBOKを社内展開する際の障壁
 
SSII2018TS: 大規模深層学習
SSII2018TS: 大規模深層学習SSII2018TS: 大規模深層学習
SSII2018TS: 大規模深層学習
 
30 سؤال في الهندسة المدنية - الجزء الخامس - 2020
30 سؤال في الهندسة المدنية - الجزء الخامس - 202030 سؤال في الهندسة المدنية - الجزء الخامس - 2020
30 سؤال في الهندسة المدنية - الجزء الخامس - 2020
 
機械学習とコンピュータビジョン入門
機械学習とコンピュータビジョン入門機械学習とコンピュータビジョン入門
機械学習とコンピュータビジョン入門
 
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
 
人材版伊藤レポートサマリ.pptx
人材版伊藤レポートサマリ.pptx人材版伊藤レポートサマリ.pptx
人材版伊藤レポートサマリ.pptx
 
セレンディピティと機械学習
セレンディピティと機械学習セレンディピティと機械学習
セレンディピティと機械学習
 
Python に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろはPython に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろは
 
個人/グループサーベイ法(早稲田大学講演)
個人/グループサーベイ法(早稲田大学講演)個人/グループサーベイ法(早稲田大学講演)
個人/グループサーベイ法(早稲田大学講演)
 
親和図法(KJ法)とは?
親和図法(KJ法)とは?親和図法(KJ法)とは?
親和図法(KJ法)とは?
 
التعليم الهندسي
التعليم الهندسيالتعليم الهندسي
التعليم الهندسي
 
機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理
 

More from Retrieva inc.

コンテナ仮想、その裏側 〜user namespaceとrootlessコンテナ〜
コンテナ仮想、その裏側 〜user namespaceとrootlessコンテナ〜コンテナ仮想、その裏側 〜user namespaceとrootlessコンテナ〜
コンテナ仮想、その裏側 〜user namespaceとrootlessコンテナ〜Retrieva inc.
 
音声認識入門(前編)
音声認識入門(前編)音声認識入門(前編)
音声認識入門(前編)Retrieva inc.
 
自然言語処理シリーズ9 構文解析 3.6-3.8節
自然言語処理シリーズ9 構文解析 3.6-3.8節自然言語処理シリーズ9 構文解析 3.6-3.8節
自然言語処理シリーズ9 構文解析 3.6-3.8節Retrieva inc.
 
Linuxカーネルを読んで改めて知るプロセスとスレッドの違い
Linuxカーネルを読んで改めて知るプロセスとスレッドの違いLinuxカーネルを読んで改めて知るプロセスとスレッドの違い
Linuxカーネルを読んで改めて知るプロセスとスレッドの違いRetrieva inc.
 
IP電話交換機ソフト Asterisk について
IP電話交換機ソフト Asterisk についてIP電話交換機ソフト Asterisk について
IP電話交換機ソフト Asterisk についてRetrieva inc.
 
キートップのノベルティを作ってみた話
キートップのノベルティを作ってみた話キートップのノベルティを作ってみた話
キートップのノベルティを作ってみた話Retrieva inc.
 
自然言語処理勉強会11章 情報抽出と知識獲得
自然言語処理勉強会11章 情報抽出と知識獲得自然言語処理勉強会11章 情報抽出と知識獲得
自然言語処理勉強会11章 情報抽出と知識獲得Retrieva inc.
 
キートップのノベルティを作った話
キートップのノベルティを作った話キートップのノベルティを作った話
キートップのノベルティを作った話Retrieva inc.
 
放送大学テキスト「自然言語処理」 6章 意味の解析(1)
放送大学テキスト「自然言語処理」 6章 意味の解析(1)放送大学テキスト「自然言語処理」 6章 意味の解析(1)
放送大学テキスト「自然言語処理」 6章 意味の解析(1)Retrieva inc.
 
キーボード自作のススメ
キーボード自作のススメキーボード自作のススメ
キーボード自作のススメRetrieva inc.
 
レトリバのキートップ説明書
レトリバのキートップ説明書レトリバのキートップ説明書
レトリバのキートップ説明書Retrieva inc.
 
ブースティング入門
ブースティング入門ブースティング入門
ブースティング入門Retrieva inc.
 
情報検索の基礎
情報検索の基礎情報検索の基礎
情報検索の基礎Retrieva inc.
 
Chainer の Trainer 解説と NStepLSTM について
Chainer の Trainer 解説と NStepLSTM についてChainer の Trainer 解説と NStepLSTM について
Chainer の Trainer 解説と NStepLSTM についてRetrieva inc.
 
ChainerでDeep Learningを試すために必要なこと
ChainerでDeep Learningを試すために必要なことChainerでDeep Learningを試すために必要なこと
ChainerでDeep Learningを試すために必要なことRetrieva inc.
 
20170221 cnet live講演資料
20170221 cnet live講演資料20170221 cnet live講演資料
20170221 cnet live講演資料Retrieva inc.
 
Making Google Cardboard and Laser Cutter
Making Google Cardboard and Laser CutterMaking Google Cardboard and Laser Cutter
Making Google Cardboard and Laser CutterRetrieva inc.
 
Chainerで学ぶdeep learning
Chainerで学ぶdeep learningChainerで学ぶdeep learning
Chainerで学ぶdeep learningRetrieva inc.
 

More from Retrieva inc. (18)

コンテナ仮想、その裏側 〜user namespaceとrootlessコンテナ〜
コンテナ仮想、その裏側 〜user namespaceとrootlessコンテナ〜コンテナ仮想、その裏側 〜user namespaceとrootlessコンテナ〜
コンテナ仮想、その裏側 〜user namespaceとrootlessコンテナ〜
 
音声認識入門(前編)
音声認識入門(前編)音声認識入門(前編)
音声認識入門(前編)
 
自然言語処理シリーズ9 構文解析 3.6-3.8節
自然言語処理シリーズ9 構文解析 3.6-3.8節自然言語処理シリーズ9 構文解析 3.6-3.8節
自然言語処理シリーズ9 構文解析 3.6-3.8節
 
Linuxカーネルを読んで改めて知るプロセスとスレッドの違い
Linuxカーネルを読んで改めて知るプロセスとスレッドの違いLinuxカーネルを読んで改めて知るプロセスとスレッドの違い
Linuxカーネルを読んで改めて知るプロセスとスレッドの違い
 
IP電話交換機ソフト Asterisk について
IP電話交換機ソフト Asterisk についてIP電話交換機ソフト Asterisk について
IP電話交換機ソフト Asterisk について
 
キートップのノベルティを作ってみた話
キートップのノベルティを作ってみた話キートップのノベルティを作ってみた話
キートップのノベルティを作ってみた話
 
自然言語処理勉強会11章 情報抽出と知識獲得
自然言語処理勉強会11章 情報抽出と知識獲得自然言語処理勉強会11章 情報抽出と知識獲得
自然言語処理勉強会11章 情報抽出と知識獲得
 
キートップのノベルティを作った話
キートップのノベルティを作った話キートップのノベルティを作った話
キートップのノベルティを作った話
 
放送大学テキスト「自然言語処理」 6章 意味の解析(1)
放送大学テキスト「自然言語処理」 6章 意味の解析(1)放送大学テキスト「自然言語処理」 6章 意味の解析(1)
放送大学テキスト「自然言語処理」 6章 意味の解析(1)
 
キーボード自作のススメ
キーボード自作のススメキーボード自作のススメ
キーボード自作のススメ
 
レトリバのキートップ説明書
レトリバのキートップ説明書レトリバのキートップ説明書
レトリバのキートップ説明書
 
ブースティング入門
ブースティング入門ブースティング入門
ブースティング入門
 
情報検索の基礎
情報検索の基礎情報検索の基礎
情報検索の基礎
 
Chainer の Trainer 解説と NStepLSTM について
Chainer の Trainer 解説と NStepLSTM についてChainer の Trainer 解説と NStepLSTM について
Chainer の Trainer 解説と NStepLSTM について
 
ChainerでDeep Learningを試すために必要なこと
ChainerでDeep Learningを試すために必要なことChainerでDeep Learningを試すために必要なこと
ChainerでDeep Learningを試すために必要なこと
 
20170221 cnet live講演資料
20170221 cnet live講演資料20170221 cnet live講演資料
20170221 cnet live講演資料
 
Making Google Cardboard and Laser Cutter
Making Google Cardboard and Laser CutterMaking Google Cardboard and Laser Cutter
Making Google Cardboard and Laser Cutter
 
Chainerで学ぶdeep learning
Chainerで学ぶdeep learningChainerで学ぶdeep learning
Chainerで学ぶdeep learning
 

論理的思考で読解力を培う

Editor's Notes

  1. 文章は「伝えたいこと」の連続であり、その連続体を繋げる接続表現が論理を担う
  2. 「毒キノコは食べてはいけない」
  3. ロンリのちからより。「アンドロイドは感情を持たない」「なのに花をきれいと思うのは感情が発露してしまった可能性がある」「そうだとしたら母星に帰って修理をうけなければならない」
  4. 1は演繹、2は「花がきれい」と発言した意図を問う推測といえる
  5. 「神田明神でガチャを引いたらSSRが出た!」との因果関係を探るとすれば、「どちらも重課金者だからSSRが出る経験も多くなる」など
  6. この写真はどのようにして撮られたのかを考えるべき。混雑した電車のなかで携帯のカメラを起動し、複数人の腰部まで映る画角を確保するのは困難であり、痴漢と同程度に怪しい行動でもある。良識と行動力ある人物ならカメラを構えるより先に痴漢を咎めるべきでもある。
  7. 「AI vs.〜」より引用。人工知能ではこの文章を「理解」することができない、ゆえに解くこともできない。上り方向とは?下り方向とは?出会うとは?すれ違い終わるとは?