人生を変えるアウトプット術 インプットを結果に直結させる 72 の方法

2021年9月27日作成

『人生を変えるアウトプット術 インプットを結果に直結させる 72 の方法』（千田 琢哉，徳間書店，2019年6月1日）を読了。

「プロのやることに口出しするな！」というのは，四流の発言なのだ。

一流のプロは絶対にそんなセリフを口にしない。

なぜなら一流はより上の世界を夢見ており，口出しをした相手も何らかのプロであるとリスペクトしているからだ。

常に自分のアウトプットには改善点があるという向上心こそが，一流の証なのだ。（位置 No. 220）

口出しをした相手に敬意を払い，自分のアプトプットを改善する。

人生を変えるということは，習慣を変えるということだ。

習慣を変えられれば，あなたの人生は必ず変わるからだ。（位置 No. 261）

人生を変えるためには，習慣を変えなければならない。いい習慣ができれば，人生はいい方向に向かっていく。

AI 時代は実は知識の差が拡大する時代

AI によって "用なし" と見なされる人も続出するし，より成長できる人もいるのだ。

より成長できる人は，自分の頭により多くの知識を蓄えている人である。（位置 No. 688）

AI 時代に備えて，自分の頭に知識を蓄えておこう。

これからの時代はサラリーマンでも副業が当たり前になってくるだろう。

「副業せずに何やっているの？」という時代が，もうすぐそこに到来している。

上位 20 % の稼ぐ人材が下位 80 % の稼げない人材を養ってきたこの古いシステムは，もはや限界だと若者を中心に知れ渡ってしまったからだ。（位置 No. 986）

サラリーマンでは，頑張った分が全てが戻ってくるわけではない。副業は，頑張った分だけ報われる。若者がそれを知ると，本業よりも副業が当たり前になる。

とりあえず私は，本業と副業のどちらにも，軸足を置けるようにしておく。

人生を変えるアウトプット術　インプットを結果に直結させる72の方法

人生を変えるアウトプット術 インプットを結果に直結させる72の方法 [ 千田琢哉 ]

AI vs. 教科書が読めない子どもたち

2021年9月22日作成

『AI vs. 教科書が読めない子どもたち』（新井 紀子，東洋経済新報社，2018年2月15日）を読了。

AI 楽観論者が言うように，多くの仕事が AI に代替されても，AI が代替できない新たな仕事が生まれる可能性はあります。しかし，たとえ新たな仕事が生まれたとしても，その仕事が AI で仕事を失った勤労者の新たな仕事になるとは限りません。現代の労働者の質が AI のそれと似ているということは，AI では対処できない新しい仕事は，多くの人間にとっても苦手な仕事である可能性が非常に高いということを意味するからです。（位置 No. 40）

AI にとって苦手な分野のスキルを高めることで，仕事を奪われないようにする。

チェスや将棋のルールのようにある限定された条件の下では，推論と探索はその並外れた計算力を発揮することはできても，条件が簡単には限定できない現実の問題を前にすると，推論と探索だけでは無力であることが明らかになったのです。（位置 No. 362）

現状，AI を適用できるのは，ある限定された条件の下だけ。

一を聞いて十を知る能力や応用力，柔軟性，フレームに囚われない発想力などを備えていれば，AI 恐るるに足らず，ということになります。（位置 No. 2166）

一を聞いて十を知る能力や応用力，柔軟性，フレームに囚われない発想力は，しっかりと伸ばしていきたい。

「教えたら，わかる」という手応えこそが最大のモチベーションになるのでしょう。（位置 No. 2774）

教育する側のモチベーションは，わかってもらえること。

AI と共存する社会で，多くの人々が AI にはできない仕事に従事できるような能力を身につけるための教育の喫緊の最重要課題は，中学校を卒業するまでに，中学校の教科書を読めるようにすることです。世の中には情報は溢れていますから，読解能力と意欲さえあれば，いつでもどんなことでも大抵自分で勉強できます。（位置 No. 2987）

読解能力と意欲の違いが，能力の差を生み出していく。

AI は自ら新しいものは生み出しません。単にコストを減らすのです。本来は AI にさせることによってコストを圧縮できるはずなのに，それをしなかった企業は，市場から退場することになります。（位置 No. 3318）

AI を適材適所に導入し，コストを圧縮することに挑戦しなければならない。

重要なのは柔軟になることです。人間らしく，そして生き物らしく柔軟になる。そして，AI が得意な暗記や計算に逃げずに，意味を考えることです。生活の中で，不便に感じていることや困っていることを探すのです。（位置 No. 3438）

意味を考えながら行動するということは，AI にはできない。

AI 時代の先行きに不安を感じ，起業に関心のある方は，是非，世の中の「困ったこと」を見つけてください。そして，できない理由を探す前に，どうやったらその「困ったこと」を解決できるかを考えてください。デジタルと AI が味方にいます。小さくても，需要が供給を上回るビジネスを見つけることができたら，AI 時代を生き残ることができます。そして，そのようなビジネスが増えていけば，日本も世界も，AI 大不況を迎えることなく，生き延びることができるでしょう。（位置 No. 3468）

デジタルと AI を味方にすれば，自分の体を酷使しなくても稼ぐことができるビジネスを生み出せる可能性が高い。

AI vs. 教科書が読めない子どもたち

AI vs．教科書が読めない子どもたち [ 新井 紀子 ]

超一流の雑談力

2021年9月21日作成

『超一流の雑談力』（安田 正，文響社，2015年5月25日）を読了。

三流は，出会った瞬間に悪印象を与える

二流は，記憶や印象に残らない

一流は，最初の一分で「忘れられない人」になる（位置 No. 199）

最初の一分で，相手の記憶に残るようにするには，何らかの仕掛けが必要か。

また，出会った瞬間に悪印象を与える人にはなりたくない。

三流は，雑談で相手を不快にする

二流は，何も生み出さない雑談をする

一流は，雑談で信頼を築く（位置 No. 389）

雑談で信頼を築けるように，雑談力を身につける。

研修では「さしすせそ」のあいづちといって，次のようなものを紹介しています。（位置 No. 604）

「さ＝さすがですね」

「し＝知らなかったです」

「す＝素敵ですね」

「せ＝センスがいいですね」

「そ＝それはすごいですね」

「さすが」「センスがいい」「すごい」は，あいづちとしてよく使っている。これからも，相手を気持ちよくさせるあいづちを使っていく。

質問というのは簡単なようで難しく，やり方を間違えると「とんちんかんな人」「頭の回転が悪い人」「空気が読めない人」など，悪い印象を決定づけてしまいます。（位置 No. 734）

「とんちんかんな人」「頭の回転が悪い人」という印象を抱くような質問を，しばしば発する人がいる。

「できていないことがわからない」人間は三流で終わり，

「できない」ことを知り，あきらめる人間は二流で終わるが，

できるまで，とことんやりきれる人間が超一流になれる（位置 No. 1518）

何かできるまで，とことんやりきろう。

超一流の雑談力

超一流の雑談力【電子書籍】[ 安田正 ]

ゼロから学べる！ファシリテーション超技術

2021年9月15日作成

『ゼロから学べる！ファシリテーション超技術』（園部 浩司，かんき出版，2020年10月5日）を読了。

「時間厳守」「決まる・まとまる」「参加者の納得度が高い」この 3 つをすべてクリアしなければ「良い会議」とは言えません。時間通りに終わり，決まることも大切ですが，特に重要なのは，「参加者の納得度」です。人は納得しないと行動はしません。会議終了後，現場に戻って決まったことを実行するかどうかは，この「納得度」にかかっています。（位置 No. 57）

参加者の納得度を得られるようにし，こちらの思い通りに動いてもらう。

問題解決ステップ（位置 No. 558）

問題発見

1. 現状把握
2. あるべき姿を描く
3. 問題を捉える

原因分析

4. 原因の洗い出し
5. 主原因の特定

解決策の選定

6. 解決策の洗い出し
7. 解決策の選定

計画の策定

8. 活動計画の策定

問題発見，原因分析，解決策の選定，計画の策定は，基本中の基本として身につける。

SMART というフレームワークも，「良い目標」を設定するのに役立ちます。参考にしてください。（位置 No. 753）

• Specific（具体的か）：明確で具体的である
• Measurable（測定可能か）：成果が計測可能である
• Achievable（達成可能か）：達成可能な範囲である
• Relevant（関連性がある）：会社や組織の目標に関連する内容になっている
• Time-bound（期限があるか）：期限が定められている

目標を立てたとき，その目標がよい目標であるかを SMART というフレームワークでチェックしてみる。

ゼロから学べる！ ファシリテーション超技術

ゼロから学べる！ファシリテーション超技術 [ 園部　浩司 ]

地頭力を鍛える――問題解決に活かす「フェルミ推定」

2021年9月13日作成

『地頭力を鍛える――問題解決に活かす「フェルミ推定」』（細谷 功，東洋経済新報社，2007年12月20日）を読了。

「考える力」の有無による新たな二極化の時代がやってきた。本書ではこれを「ジアタマデバイド」と呼ぶ。（位置 No. 493）

考える力を持てるように，考え続けたい。

フェルミ推定は別名「バック・オブ・エンベロープ」（Back of Envelope : 封筒の裏）の計算とも呼ばれる。ちょっとした身近な概数計算をまさに身近にある「封筒の裏で」簡単に算出してみるといったニュアンスで用いられている。（位置 No. 618）

ちょっとした概数計算を身につけておけば，物事を正しく捉えやすくなる。

コミュニケーションで一番重要なこと，それは「自分が何を伝えたか」でなくて「相手に何を伝わったか」である。（位置 No. 1202）

「相手に何が伝わったか」を確認して，自分のコミュニケーション力を高めたい。

フレームワーク思考力の全体プロセスは，(1) 全体俯瞰，(2) 「切り口」の選択，(3) 分類，(4) 因数分解，(5) 全体再俯瞰とボトルネックの発見である。（位置 No. 1902）

全体俯瞰から「切り口」の選択をうまく行うことで，思考の精度を高める。

「モデル化」「枝葉の切り捨て」「アナロジー」のビジネスや日常生活への適用範囲はきわめて広い。モデル化・一般化して考えることの苦手な人は自分の経験のみに依存するあまり「自分の会社（業界）は特別だ」という意識が強く，他社や他業界，あるいは別の世界でやっていることをアナロジーとして自分の業務に取り入れるという発想ができない。そのために現状の延長でのみものごとを考えてしまい，斬新な発想をすることが苦手である。また「枝葉を切り捨てる」ことができない人はついつい最終結果への影響度を度外視して例外事項に固執して完璧主義に陥り，何をするにも時間がかかってしまう。（位置 No. 1930）

モデル化・一般化して考えることが苦手な人が多い。モデル化・一般化することの意義からしっかりと理解してもらう。

「近頃の若い社員は……」「最近の学生は……」が口癖の人は二つの点で要注意である。一点目は「他者の過度の一般化」，二点目は「自己の特殊化」（「自分の世代だけはもっとまともだった……」）である。ある意味で思考停止の一例といえるだろう。（位置 No. 2224）

印象で語らず，しっかり定量的に分析して語るようにする。

地頭力を鍛える

地頭力を鍛える 問題解決に活かす「フェルミ推定」 [ 細谷　功 ]

新横綱・照ノ富士，万全の相撲で初日白星

2021年9月12日作成，2021年9月13日修正

2021年9月12日，大相撲秋場所は初日を迎えた。

照ノ富士は，新横綱として初日に臨み，小結・逸ノ城*1を万全の相撲で下し，白星スタートを飾った。

照ノ富士は，立ち合いから力強く前に出て，逸ノ城をそのまま寄り切った。逸ノ城は，8月末に新型コロナウイルス感染しており，十分な稽古ができなかったこともあり，力強さは感じられなかった。

新横綱の初日というのは，横綱になった者にしかわからないことではあるが，相当なプレッシャーがあると考えられる。しかし，照ノ富士は心技体が充実し，気負いなく相撲がとれているように感じられた。

二日目の相手は，前頭筆頭・豊昇龍。第 68 代横綱・朝青龍を叔父に持つ有望株で，初日，大関・正代を下している。二日目，照ノ富士と豊昇龍の一番に注目したい。

平成以降の横綱の新横綱場所

新横綱・照ノ富士の初日白星を受け，平成以降に横綱昇進した力士の，新横綱初日の結果を調べてみることにした。

平成以降に横綱に昇進した第 63 代横綱・旭富士から第 72 代横綱・稀勢の里のうち，新横綱で初日を白星で飾れなかったのは，第65代横綱・貴乃花だけであった。

新横綱のプレッシャーで，初日に固くなり，黒星を喫する力士も多いかと思ったが，そうではなかった。

さらに，平成以降，横綱に昇進した力士の，新横綱の場所成績も調べてみた。

表　新横綱の場所成績

横綱	場所	成績	優勝
旭富士	1990年秋	13勝2敗
曙	1993年春	10勝5敗
貴乃花	1995年初	13勝2敗	優勝
若乃花	1998年名	10勝5敗
武蔵丸	1999年名	12勝3敗
朝青龍	2003年春	10勝5敗
白鵬	2007年名	11勝4敗
日馬富士	2012年九	9勝6敗
鶴竜	2014年夏	9勝6敗
稀勢の里	2017年春	13勝2敗	優勝
照ノ富士	2021年秋	？

新横綱の場所成績を見ると，優勝を果たしているのは，第65代横綱・貴乃花と第72代横綱・稀勢の里だけである。貴乃花は，新横綱初日は黒星であったが，その後，盛り返し，優勝を遂げている。

1 場所 15 日制が定着した 1949 年夏場所以降に限ると，新横綱が賜杯を抱いたのは，前述の貴乃花，稀勢の里のほか，大鵬，隆の里の 4 名だけである。

新横綱初日に白星を飾れたとしても，新横綱での優勝というのは，なかなかにハードルが高いようだ。昭和の大横綱である北の湖，千代の富士，平成の大横綱である朝青龍，白鵬も成し遂げていないことが，それを物語る。

照ノ富士は，新横綱で優勝できるか

今場所，もう一人の横綱・白鵬は，所属する宮城野部屋の新十両・北青鵬が新型コロナウイルスに感染したため，休場となった。

また，大関である正代，貴景勝は，秋場所初日黒星。

正代は直近 3 場所で 2 桁の白星がない。貴景勝は休場明けで，初日の相撲を見る限り，本調子ではないと思われる。

初日の大関陣の相撲と至近の状況を踏まえると，照ノ富士の対抗馬となれそうもない。

関脇以下の力士で，照ノ富士の対抗馬となれそうな力士はいるか。

残念ながら，私には思い浮かばない。

新横綱の場所，照ノ富士は優勝する可能性は，非常に高いと予想する。

masassiah.web.fc2.com

令和3年度 大相撲力士名鑑【改訂版】 (相撲 2021年9月号増刊)

大相撲力士名鑑　令和三年版 明治から令和までの歴代幕内全力士収録 [ 亰須利敏 ]

*1:照ノ富士と逸ノ城は，同じ飛行機で来日し，鳥取城北高校の相撲部に所属した。

誤解だらけの人工知能 ディープラーニングの限界と可能性

2021年9月6日作成

『誤解だらけの人工知能　ディープラーニングの限界と可能性』（田中 潤，松本 健太郎，光文社，2018年2月20日）を読了。

「マシンパワー」と「完全な記憶」という 2 つのメリットを使って，人間に勝つ方法があるはずだという発想に立って人工知能を開発している研究者がほとんどでしょう。（位置 No. 452）

コンピュータが得意なことを活かせれば，人間に勝つことができる。

ディープラーニングのメリットとして「学習のさせ方が楽」「高次元の学習が可能」「過学習をしなくなった」「柔軟性に優れている」の 4 つを挙げました。

次に，デメリットとして指摘したいのは，数字や言葉などデータとして表現できないものを人間のように読み取る力が全くない点です。（位置 No. 684）

ディープラーニングの活かし方を考える。将棋や囲碁のソフトウェアは，ディープラーニングを活かすには，もってこいだ。

情報学科のある大学でも，ディープラーニングが次に来るというのは，2012 年くらいまでほとんど予想されていませんでした。ですから，ディープラーニングをしっかり学習した大学生，院生，研究者は想像以上に少ないのです。社会人になって，自分で勉強して習得しようとしている人材の方がむしろ多いのでしょう。（位置 No. 1129）

私が大学生，大学院生だったころ，機械学習の存在は知っていたが，ディープラーニングの存在は知らなかった。

ディープラーニングの存在とその可能性に，いち早く気づいていれば・・・。気づいたとしても，価値を生み出せたか，と言われれば，その可能性は低いだろう。

データを貯める，なるべくディープラーニングで活用しやすいよう，デジタルな環境に自然と蓄積できるようにする，これは経営者が号令をかけるしかないです。今までと違う業務を新たに始めてください，って話ですから。

結局，質の高いデータの準備も，組織を説得するのも，ディープラーニングを分かった人材がいないと速度が出ないというのが今のところの結論です。人材が最大の制約事項です。圧倒的に人材不足です。人材不足が日本におけるディープラーニングの浸透を阻害しています。（位置 No. 1226）

ディープラーニングを分かった人材になり，データが貯まっていく仕組みを作っていく。

つまり大量のデータを集めて，それをもとにモデルを作成できて，なおかつオープンソースで公開できる企業は，この先めちゃくちゃ強いでしょうね。それができるパワーと，時間と，人が集まっているわけですからね。（位置 No. 1858）

GAFA は，パワー（お金？）と人が集まっているので，大量のデータを集めて，色々なものを提供してくれる。

結局のところ，人工知能はテクノロジーに過ぎません。労働の代替になったとしても，人間の代替にはなり得ないのです。自分の人生をどのように生きるかという生き方までは人工知能に奪われません。

人工知能について考えるのは，実際のところ，未来にどのような生き方をしていくのかを考えるのと一緒です。（位置 No. 2315）

10 年後，20 年後，自分はどんな価値を社会に対して提供できるか，ということを自問する。

誤解だらけの人工知能 ディープラーニングの限界と可能性 (光文社新書)

誤解だらけの人工知能 ディープラーニングの限界と可能性 [ 田中潤 ]