正在加载视频...

视频加载失败

道路に置き去りにするとか信じられるか?すぐ引き取った男性の行動力はマジで見習いたいわ

162,379 次观看 • 4 个月前 •via X (Twitter)

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

座って作業していると、 いつの間にか足元で靴紐がほどけている。 見下ろすと、犯人はあーちゃん。 ハシボソガラスだ。 一見すると「イタズラ」に見えるこの行動。 けれど、動物行動学の視点で見ると、ここで起きているのは悪ふざけではありません。 ハシボソガラスが向けている関心は、物そのものではなく、 それによって何が起きるか。 靴を突いたら反応はどう変わるか。 靴紐を引いたら状況は変化するか。 ほどけたあと、人は何をするのか。 これは感情の発散ではなく、 因果関係を確かめるための検証行動に近い。 注目すべきはタイミングです。 立っているときではなく、 こちらが座って動きの少ない状態のときに限って近づいてくる。 逃げない。 追い払わない。 反応が急に変わらない。 そうした条件がそろった、 安全で再現性のある状況だと理解しているからです。 靴紐は、 動く。形が変わる。力加減で結果が変わる。 ハシボソガラスにとって、因果を試すには最適な“教材”。 ほどけたあと、もう一度引くのか。 少し距離を取って様子を見るのか。 そこに目的達成はありません。 あるのは、結果の違いを確かめる過程だけ。 この行動が成立していること自体が、関係性を示しています。 近づける。触れられる。試せる。 それは警戒心が消えたからではなく、 相手の反応を予測できる存在だと理解しているということ。 あーちゃんの靴紐行動は、甘えでも悪さでもない。 「この世界は、どう動くのか」 それを確かめ続ける、静かで知的な行動。 ハシボソガラスらしい、 慎重で合理的な“遊び方”です。 ※この文章は、行動を美談や感情で断定するものではありません。 観察された行動と、そこから読み取れる行動学的背景の記録です。

SCIENCE FACTORY ltd.

564,574 次观看 • 6 个月前

キャバクラ通いの男は、ほぼ100%同じ行動を繰り返す。 ヤマトリノさんとあっすんさんの対談で、その定義がはっきりしていた。 「飲み歩いてた有名な人とかキャバクラ好きの男は基本ダメ。もう100ダメだから」 ダメな男の基準は明確だ。 キャバクラのシステムが好きで、指名替えを繰り返し、飲み歩くことが習慣になっている男。 お気に入りの子のために頑張って来る男ではなく、キャバクラという場所自体に依存している男。 夜職の人事をやっていると、この「行動パターンで人を見る」感覚が染み付いてくる。 面接に来る子を見るとき、スペックより先に行動の癖を見る。 遅刻の仕方、連絡の返し方、前の店をどう辞めたか。 口で何を言うかより、習慣的に何をしてきたかの方が、その子の3ヶ月後を正確に教えてくれる。 社会心理学に「行動一貫性の原理」という概念がある。 過去の行動パターンは、未来の行動を予測する最も信頼できる指標だ。 自分で指名を選んで、頻繁に通い続ける人間は、恋愛でも同じことを繰り返す。 採用でも恋愛でも、構造は同じだ。 相手の言葉より、相手が習慣的に何をしているかを見ればいい。 あなたは今、相手の言葉と行動、どちらを信じているか。 人は、習慣の外側には出られない。

まさ|元ホスト→夜職人事|歌舞伎町

712,669 次观看 • 1 个月前

かつては「学習が終われば軽く使える」と思われていたAIが、今や推論の瞬間ごとに膨大な計算を要求するようになった。o1の登場がその現実を突きつけた瞬間だ。AIは考えれば考えるほど強くなる。だからこそGPUを握る者が次の文明の支配権を握る。 今井翔太「これもちゃんと推論時スケーリングっていう名前がついてるんですよ。昔から研究はあったんですけれども、有名になったのは去年の9月にOpenAIがoシリーズ——o1を出した時の話なんですけれども、要するに学習ではもう限界があって、みんな100の性能モデルしか作れないかもしれない。 ただその100のモデルを実際に使うときに、推論時間を増やしていくっていうことをすると、100が110になり120になり130になり……ということで、学習でもともと得られた性能よりも、使うときに考えさせると性能が上がっていくという説が発見されたんですね。 AIエージェントってその推論時スケーリングが発見されるはるか昔——といっても我々の業界で『はるか昔』は2年前とかなんですけれども——2023年とかから普通にあったんですよ。当時全然無能だったんですけれども、そのo1とかが出てきて推論するときに、推論時スケーリングでパワーアップするということが発見されたあたりから、急激にAIエージェントがどんどんパワーアップしてきたんですね。 なので『学習時に計算インフラをすごく使うが、それが終わった後は、みんなの軽いCPUとかで動くんじゃないか』と言われていたのが、結局動かすときにスケーリングが存在するんだと。そこでも莫大な計算資源が必要なんだというのが明らかになったので、これは明らかにNVIDIAに有利」

Tsubame

19,427 次观看 • 10 个月前