●インターネット使い方
インターネット始めたのが１９９５年ごろは、電話線にモデム接続で、NetScape Navigatorでインターネットに触れてました。1980年代のPCの利用方法は、アプリを購入して使うか自分でアプリを作る以外になかったのですが、インターネットの世界は、アプリは無料でダウンロードできるのが、魅力的でした。
コンピューターの利用方法のイノベーションを実感しました。
２０００年からADSL２００３年から光ファイバーになりました。
定年退職してから、１日中家で電子工作しているので、１５時間以上PCをみてます。長野市の実家に信州MAKERS拠点を移してからは、テレビがないので、NHK PLUSでNHKを見ているので１日中見ているので１時間０．７～１GB使ってます。寝るのが７～８時間なので１５～１６時間で１３～１６GBｙて消費してます。
●ISPはサクラとリトルサーバー
月に何回か信州MAKERSのブログのバックアップをおこないますが、サイトが８GByteあるのでダウンロードも時間がかかりますが、プロバイダーがハッキングされた場合を考えてicloudと自宅SSDにサイトのバックアップを置いてあります。２０１８年までお名前COMを使ってましたが、大規模ハッキングにあってからお名前COMのセキュリティー管理が金儲け主義で劣悪な内容が判ったため、サポートのモラルが高いISPとしてサクラインターネットに乗り換えました。それ以降７年間１回だけ１日サーバーが止まったことがあるだけで、サイトは安全に運営できてます。ブログとHPも５個くらい運営していますが、２０００年からやっているスキーのHPはリトルサーバーという格安ISPに引っ越しました。田舎にあるこじんまりとしてISPさんですが、サポートが丁寧で、大企業にはない親切さが有難いです。
●時間の過ごし方
アクセス管理などしていると、電子工作にかける時間が以外と少なくて一日５時間くらい電子工作です。集中力がいるので、体の衰えとともに、減ってきているので７５歳以降は、活動が相当減るだろうと予想してますので、７５歳までにやりたい工作はやっておこうと思ってます。
●スキー
長野市だとスキー場まで３０分でいけます。ですので、STAの開発に都合がいいのですが、毎年開発が遅れて３月ギリギリに完成して、実験するころはスキー場が閉まってしまうということで、１時間くらい離れたスキー場で５月中旬までスキー測定実験をしてます。おかげで、スキーを滑る機会が減ってしまって、体力も落ちて、へたくそになってきていて、何のためにスキーモニターシステムを開発しているのか見えなくなってきてます。早く開発を完成させて、本来の目的である自分のスキーテクニックの向上に使いたいと思ってます。
昨年までは、NEO－F9Pという、ダウングレードしたチップを発表していたので、UBLOXが撤退するのかと思っていたのですが、なんとアップグレードされたチップを発表してきました。
https://tinyurl.com/2465874q
ここ３年、Septentrio Mosaic X-5シリーズ とかUnicore UM98シリーズ にスペックで負けていたので、ubloxの反撃がどうなるのか期待していたので、良かったです。
未だ、詳細な仕様書が発表されてないのですが、広告では
①Allバンド対応
②２５Hzレート
がメインのアップグレードですが、Ardusimple社が予約販売してます。
２５０ドル台ですので、F9Pが１９０ドルなので、性能に比べあまり値上がりしてません。
他社のチップは、Septentrioが6５0ドル Unicoreが４００ドルなので安いです。
信州MAKERSでは、スキー板のHeading測定でMovingBaseを使ってますので、MovingBaseが２５Hzっとなれば、スキーターンで使える分解能の限界速度が時速６０ｋｍ程度まで伸びるので、スラローム競技での精密測定にも使えます。アンテナの小型化が課題となりますが、スキー計測分野では。GNSS RTKチップの技術革新が期待されます。
STA25は、３月に完成予定で、現在基板をスキー板の防水ケースへ収納して、動作確認、デバッグ中です。STA25は、アンテナ３本 IMU２個 曲げセンサ２個をスキー板前後にセットしてます。
TOPとTAILでのスキーの軌跡とHeading角ばかりでなく、スキー板のたわみとねじれも測定してますので、ライダーの踏み込むタイミング、前後の踏み込み強さがわかります。
３月末までには、スキー場で滑走実験をしてデータを取得します。今回は、私のへたくそターンではなく、プロライダーに乗ってもらいますので、良いターンのデータと私の下手くそターンのデータを比較できるので、スキーターンの評価方法が開発できると思います。
STA25で５年間続けたSTA開発シリーズの集大成となります。
●行政・政治をみているとAIでやったほうがマシだと感じるほど劣化している現象が多々あります。
そこで、chatGPTに民主主義は要らないと聞いてみました。
ーーーーー以下回答ーーーーーーーーーーーーーーーーーーーーー
「AI時代に民主主義はいらない」という意見は、現代社会における民主主義の限界や、AI技術の発展による新たなガバナンスの可能性を考える議論の一つです。ただし、この主張には賛否が大きく分かれます。それぞれの視点を整理してみましょう。
✅ 民主主義が不要だと考える理由（AI時代の課題）
非効率な意思決定
民主主義は議論や選挙を通じて決定を行うため、意思決定に時間がかかります。AIは膨大なデータを瞬時に分析できるため、より迅速で合理的な判断が可能と考える人もいます。
感情や偏見に左右される政治
民主主義では、ポピュリズム（大衆迎合主義）や感情的な判断が政策決定に影響を与えることがあります。一方、AIは感情に左右されず、データに基づいた判断を下せます。
専門性の欠如
選挙で選ばれた政治家が必ずしも専門知識を持っているわけではなく、複雑な問題への対応が不十分な場合があります。AIなら、医学、経済学、環境学などの専門データを統合して判断できる可能性があります。
大規模なデータ活用
現代社会は膨大なデータで動いており、AIはこれを解析して最適な政策を提案できるとされています。人間では処理しきれない複雑なシステムをAIは効率的に管理できると期待されています。
⚖️ 民主主義を維持すべき理由（AIの限界）
倫理と価値観の問題
AIは「効率」を重視する傾向がありますが、社会の意思決定には倫理や人間の感情、文化的背景が不可欠です。AIが下す「最適な解」が必ずしも「人間にとって良い解」とは限りません。
アルゴリズムの透明性
AIの意思決定プロセスは「ブラックボックス化」しやすく、市民がその判断基準を理解できない場合があります。この透明性の欠如は、権力の集中や操作のリスクを高めます。
バイアスの問題
AIは学習データに依存しているため、データに偏りがあると差別的な判断を下す可能性があります。過去にも、AIによる採用システムや顔認識で差別が問題となった例があります。
民主主義の本質は「人間の意思」
民主主義は単に「正しい答え」を出すシステムではなく、人々が社会の未来について自ら考え、選択する権利を保障するものです。この「自己決定権」をAIに委ねることは、人間性の放棄とも言えます。
🤖 AIと民主主義は共存できるのか？
実際には、「AIか民主主義か」の二択ではなく、共存の道を模索するべきという意見が主流です。
🔄 可能な共存モデル
AIを補助的に使う
政策決定の参考としてAIの分析結果を利用しつつ、最終判断は人間が行う。
市民参加型AIシステム
市民の意見や価値観をAIに学習させ、多様な視点を反映させる。
透明性と説明責任の強化
AIのアルゴリズムを公開し、社会全体で監視する仕組みを作る。
💡 結論：民主主義は「いらない」のではなく「進化」すべき
AIは合理性や効率性を社会に提供できますが、人間固有の価値観や倫理観はAIには再現できません。AI時代には、民主主義を単純に廃止するのではなく、AIを活用してより成熟した民主主義へ進化させることが求められています。
「人間の意思決定」と「AIの分析力」をどう融合させるかが、これからの社会の大きな課題と言えるでしょう。
ソフトエンジニアのフォーラムサイトであるQIITAは、質の高い記事でプログラミング学習で随分使わせていただいてますが、最新の記事で生成AIとプログラミング所作について述べてます。
https://qiita.com/hrfmjp/items/fca96068692ceec895d0
ーーーーーーーーーーー抜粋ーーーーーーーーーーーーーーーーーーーー
ここ数年、生成 AI の活用が話題になっています。生成 AI についても、上手く使える人と苦労する人が出てきます。その違いもやはり、「プログラミング的所作」を身に付けられているかどうかではないかと思っています。生成 AI の活用も、実はプログラミングの作業と似ています。生成 AI に対して何か指示を与え、生成 AI がそれに対して結果を返してきます。私たちはその結果を見て、意図と異なるところがあれば指示を変えてもう一度生成 AI に問いかけます。これを繰り返すことによって、生成 AI を活用するための良い指示を作っていくのです。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
●結局、AIを上手に使うには、プログラミングが出来る人ということです。ですので、AIがプログラミングをやってくれるからといって、自身がプログラミング所作（プログラムの基本思考）ができないと生成AIが上手く使えないだろうという主張です。私も当然だと思います。
●私もプログラムのサンプルプログラムをchatGPTに聞きますが、聞き方によって、全く異なる結果がでてきます。所望の結果を得るには、chatGPTの回答を真にうけずに、どの部分が怪しいのか推理する必要があります。生成AIは、WEB上の情報を拾って回答しますので、WEBで調べて、検索に乗ってこないこととか、WEB上で間違った内容のものは、そのまま回答されてしまいますので、聞き方をいろいろ変えて回答させてから、どのサンプルプログラムが良いか決めます。IOT回りだと言語とCPUとデバイスとライブラリーとIFの組み合わせが無数にあるので自分の目的に合致してまともに走るサンプルプログラムが少ないので、まだまだプログラムを自動的に作れるAIはできないようです。
技術者がコト作りやるのは、専門分野ではないので、なかなか出来ないものです。
私も４０歳くらいまで、コト作りの存在すら知らないで、仕事をしてました。
しかし、コト作り無しに新規開発製品を作ってしまって、全く売れないという酷い目にあって
初めてコト作り（お客様の立場になって何が本当に実現したいコトか）を意識せざるを得なくなりました。
私の場合、印刷業者向けのデジタル印刷機の開発でしたので、印刷業者様の価値感、仕事の仕方など
なかなか理解できるものではありませんでした。
やったことスタートから製品化まで１０年がかりでした。
①業界内で、私の開発に賛同して協力してくれるパートナー企業を探す。
②パートナー企業の経営者で、クレバーな人と懇意になる。
＝＞クレバーな経営者でないと、新しいコト作りを想定して、業界の未来を語ることはできません。
＝＞そのようなクレバーな経営者は滅多にいませんが、業界新聞や業界組合をあたって、有名な社長さんはどこの業界にも数人居られますので、その方たちにアプローチするのが重要です。
③開発の方向性を複数社のクレバーな経営者さんと徹底的に話しあう。
＝＞クレバーな社長さんでも自分の会社のおかれた環境でのニーズに偏る傾向があるので、業界内で
企業規模が異なる複数企業でのニーズを探る必要があります。私の場合は、従業員数人の企業と数十人の企業と数百人の企業と数千人のトップ企業の４セグメントで経営トップと相談しながらコト作りしました。
④機密保持契約して、アナログ印刷原価計算を教えてもらって、デジタル化のシミュレーションをする
＝＞現在のアナログ印刷のコストに対するデジタル化でのコストメリットをその企業にあてはめるために
当該企業の原価計算を教えてもらって、デジタル化でのコストシミュレーションを作って、それを見せながら開発目標を検討しました。
＝＞お金の計算は、コト作りの基本ですので、まずは、お金の計算で納得してもらえるようにしないと
製品開発の目標が定まりません。当初はなかなかコストメリットが見つからずに、出口が見つからないのですが、技術開発を進めることで、コストメリットを稼いていく活動を行いました。その活動で１０年近くかかりました。
●コト作りの検討を初めて、５年くらい毎月のように全国の印刷会社様に出張して、お話しをうかがう活動をしておかげで、自分でも印刷会社の懐具合と皮残用ができるようになって、ようやく、コト作りができるようになってきました。
●コト作りは、自分ではなかなかできないので、社外のパートナーをみつけられるかがキーポイントになります。 社内だと会社のバリューチェーン（忖度、会社の体質、部門の都合）がはいってしまって、客観的なコト作りができないので、社外と接触することが成功のポイントとなります。
