![見出し画像](https://assets.st-note.com/production/uploads/images/138108000/rectangle_large_type_2_e4b98fa321f05c5c922c40964399a982.jpeg?width=1200)
「見通しの良い生活」への道:生活マンダラ図と図解<その2>
生活マンダラ図を試考する第二回目です。今回は生活思創にとっての図解って何かな?って押し込んでみます。
2つのお題に分けてアプローチします。
Part1は「図解を定義する」
Part2は「AIにはない図解はどこにあるか」
・・・です。
娘「トーチャンの仕事中のパソコンを覗くと、だいたい図を描いているよね」
父「楽しそうでしょう?」
娘「楽しいのかな、いつも、うーんとか唸ってるよ」
父「苦悶している時の方が多いか・・・。 それでも、いつもやってるってことは、結構、好きなんだろうな」
娘「きっと図解じゃないとできないことがあるんだね」
父「ああ、きっとそうだ。あなたも小説じゃないと表現できないことってあるでしょ?」
娘「これが意外と表現できないんだよ、うーん、書けば書くほどもどかしいんだよ」
父「うんうん親子じゃのう、そのもどかしさは図解を書く身にも通じるぞ」
◼️Part1:「図解を定義してみる」
さて、まず図解を定義します。ほっておくと、図解の定義は「図や表で説明を補うこと」でチョンってな感じです。定義せにゃならんほどの大袈裟なもんじゃないっしょ、そんな扱いです。だがしかし。それだと、日常生活を必要以上に考え抜く生活思創が成り立ちませんので、迷いなく捏ねましょうw
オリエンテーションとして、図解が持つ期待役割を眺めて見ましょう。
以下は、生成AIが提供した図解の説得力です。これらは、定義が目配せすべき幅でもあります。
図解も複数のレイヤーで説得力を持っています。以下に、図解の説得力をいくつかのレイヤーに分解して解説します:
視覚的なインパクト:
図解は視覚的なインパクトを提供します。イラストや図形を使って情報を表現することで、読者や視聴者に強い印象を与えます。例えば、製品の利点や機能を示す図解は、製品の魅力を強調し、視覚的なインパクトを与えることができます。
複雑な概念のシンプルな説明:
図解は複雑な概念やプロセスをシンプルに説明するのに役立ちます。イラストや図形を使って、複雑なアイデアを視覚的に示すことで、読者や視聴者が理解しやすくなります。例えば、製品の動作原理や技術的な概念を示す図解は、複雑な技術を簡潔に説明し、読者の理解を促進します。
感情的な共感の促進:
図解は感情的な共感を促進します。具体的なイメージやビジュアルを使って、読者や視聴者の感情に訴えかけます。例えば、製品の利点や価値を示す図解は、読者の感情に訴えかけ、製品に対する共感を促進する効果があります。
記憶に残る情報の提供:
図解は記憶に残る情報を提供します。ビジュアル要素を使って情報を表現することで、読者や視聴者の記憶に残りやすくなります。例えば、ストーリーテリングや具体的なイラストを使った図解は、視覚的な記憶に残りやすく、情報の定着に役立ちます。
このように、図解は視覚的なインパクト、複雑な概念のシンプルな説明、感情的な共感の促進、そして記憶に残る情報の提供という複数のレベルで説得力を持ちます。絵や図形を使って情報を表現することで、読者や視聴者に強い印象を与え、理解を促進します。
確かに、これは間違ってないと思う。でも、図解だけの特質とは言い切れない部分(音声や動画)もありますね。あくまでも、試考のスタートラインです。
まず試考の初手ですが、図解を単体でなく、相対的な視点で語れるようにします。グラフ、マトリックスという図表たちは図解の一部と思われています。グラフ、マトリックスを図解から外だしして、強引に 三者比較の視点を入れることで図解の解像度を上げてみます。
・グラフ
折れ線グラフや円グラフなどで数字群から意味を抽出する方法です。
![](https://assets.st-note.com/img/1713760947895-PXwXsRsxFX.jpg?width=1200)
・マトリックス
数字や言語を二軸で対比させることで、情報全体と個別の意味の関係を視覚化するものです
![](https://assets.st-note.com/img/1713761042529-CuRipsZgt3.jpg?width=1200)
・図解
数字と言語と象徴(図形、アイコン、矢印など)を使って概念を視覚化して説明するものです。
![](https://assets.st-note.com/img/1713761174711-aAsZbhukCj.jpg?width=1200)
で、これらグラフ・マトリックス・図解を同じ平面で描くと、図表219のように、グラフはマトリックスに包含され、マトリックスは図解に包含されます。マトリューシュカっぽくなってます。図解は一般的な定義である「図や表で説明を補完するもの」のままだとしても、図解ならではの説明があることも分かります。
![](https://assets.st-note.com/img/1713762928182-jyQLOVykqQ.jpg?width=1200)
では、生成AIにこの3表現方法(図解・グラフ・マトリックスの順になってます)の違いを解説してもらいましょう。ここでは①意味の違いと、②手法的な違いの両方向からアプローチしてみました。
<①意味の違いから>
まずは意味の違いに焦点を当てます。今度は3分解したものに対して、先と同じ説明力についての質問を投げてみます。
図解、グラフ、マトリックスのそれぞれが異なるタイプの説得力を提供します。
図解:
感情的な説得力: 図解は感情的な説得力を提供します。具体的なイメージやビジュアルを使って、読者や視聴者の感情に訴えかけます。例えば、製品の利点や競合製品との比較を示す図解は、視覚的なインパクトを与えることで製品の魅力を強調し、読者の感情に訴えかける効果があります。
グラフ:
論理的な説得力: グラフは論理的な説得力を提供します。数値データを視覚化することで、客観的な情報を提示し、論理的な分析や推論を支援します。例えば、売上の推移を示す折れ線グラフは、製品やサービスの市場での成長や減少の傾向を客観的に示し、意思決定の根拠を提供します。
マトリックス:
組織化された説得力: マトリックスは組織化された説得力を提供します。複数の要素やカテゴリーを整理し、関係性を明確に示すことで、情報を整理しやすくします。例えば、顧客のニーズと製品特性を示すマトリックスは、製品の適合性や市場での競争力を客観的に評価し、戦略的な意思決定を支援します。
このように、図解は感情的な説得力を提供し、グラフは論理的な説得力を提供し、マトリックスは組織化された説得力を提供します。それぞれのツールは異なるアプローチを通じて、情報を伝えることに役立ちます。
ふむ、図解が感情的な説得力となっているのが印象的です。
![](https://assets.st-note.com/img/1713831981499-WYiqTFUDY2.jpg?width=1200)
マトリューシュカ構造で眺めてみます。グラフの論理的って「正しさ」の伝達です。すると、マトリックスの組織化って「目配せ」の伝達と言えそうです。広く眺めて、正しさを補完します。
でもって、図解は感情的ってことなのだけど、これは生活思創の「見通しの良さ」に隣接するのだろう。言葉を足すなら、「目配せした上での正しさなら、それはきっと見通しが良いってことだよ」っていう気分で説得力を増す狙い(願いにちかいけど)があると試考します。
※ちなみに「目配せ」って単語は、小生は生成AIに声をかける時によく使います。マトリックス表現の組織化はAI的なんだな。大きな組織の中間管理職が生成AIで置き換わるって話とどこかで繋がっていそう。実際には、一人の管理職がマネジメントできる社員の数が格段に増えるって形だろうけど。
※この辺りでの感情の扱いは「進化の意外な順序ー感情、意識、創造性と文化の起源」(アントニオ・ダマシオ)にも通じるところがある、それとも、生成AIがダマシオを援用してきたのか?w
<②手法的な違いから>
次は、小生が対称性を感じるものと対比してみます。
マトリックスにはできてグラフにはできない、図解にはできてマトリックスにはできないものを言語化するなら、小生の手持ちの知識だと統計解析手法が似たような構造なので、それを生成AIで説明してもらいます。
これは手法的な違いに焦点を当てたものです。
統計解析手法には、変数の数に基づいて使われる場面や役割が異なります。以下では、単純集計、クロス集計、多変量解析を変数の数の問題とそれ以外に分けて、それぞれの使われる場面や役割を対比しながら解説します。
変数の数による対比:
単純集計:
変数の数: 1つの変数を扱う。
使われる場面と役割:
集計や集団の特性を理解する際に使用される。
データの中心傾向やばらつきを示す。
頻度分布や割合を計算し、カテゴリーごとの相対的な頻度を調べる。
クロス集計:
変数の数: 2つの変数を扱う。
使われる場面と役割:
グループ間の関係性やパターンを調べる。
異なるカテゴリー間の相互作用を探索し、相関や連関を分析する。
カテゴリーごとの集計データを比較して、傾向やパターンを明らかにする。
多変量解析:
変数の数: 複数の変数を同時に扱う。
使われる場面と役割:
複数の要因が組み合わさって影響を与える複雑な関係性を解明する。
複数の変数が互いに影響しあっているかどうかを特定し、その影響の程度を評価する。
モデル構築や予測分析に使用され、複数の変数が結果に与える影響を理解する。
小生の意図は・・・
単純集計→グラフ
クロス集計→マトリックス
多変量解析→図解
・・・という規模感は異なりますが、統計解析手法と図表全般にマトリューシュカ的な対称性を見立てる、っていう魂胆です。
![](https://assets.st-note.com/img/1713859497085-vllqINTIc9.jpg?width=1200)
図表221はその対比です。概念記号群も同様に扱ってみました。グラフは数字という概念記号の群が一つ。マトリックスは数字と言語の概念記号が2つ。図解は数字と言語と象徴(図形、アイコン、矢印など)など3つ以上。そういう視点です。
もちろん、図解だからといって3つの概念記号の全てを使う必要はないです。しかし、逆にグラフは数字以外の概念記号群は扱えません。大は小を兼ねますが、その反対はないってことです。画面上での表現が異なる記号群(数字、言葉、シンボル、矢印、カラーなど)を、お互いが飛び越えるところに図解のダイナミズムがあるのだ。
ではここで、まとめます。現時点での図解とは?。
図解とは「情報量の圧縮と表現要素の越境を同じ画面で同時に行い、受け手が読み取れる意味を深める静止画」
まだ文が長いけど、ベータ版としてキープしておきます。
◼️Part2:「AIにはない図解はどこにあるか」
後半は生成AIと図解の関係を試考します。今のところ、2024年4月現在では生成AIと小生はバディの関係です。仲良しw
しかし、これからAIがどこまで図解を自前でこなしていくかは不明です。
先の話はNobody knowsで、ここでは素直に、現段階でのバディ関係での棲み分けを言語化してみます。さすれば、その延長にある新たな生成AIとの関係も少しは「見通しが良く」なるかもしれないからです。
では、今度は図解が必要な場面から試考します。
図解が必要な場面を混乱の種類に応じて以下のカテゴリーに分類します:
複雑なデータの可視化:
数値データの分析と理解: 複雑な数値データがあり、その傾向やパターンを明確に把握したい場合に、グラフやチャートを使用してデータを視覚的に表現します。
比較の容易化:
複数のデータセットや要素を比較する必要がある場合に、図解を使って比較を容易にします。
プロセスの理解と手順の整理:
手順の可視化: 複雑なプロセスや手順を理解しやすくするために、フローチャートやプロセスマップを使用します。
意思決定の支援: 意思決定に必要な情報や手順が複雑である場合に、意思決定フローチャートや決定木を使用して理解を支援します。
概念の説明と複雑な関係の整理:
概念の可視化: 抽象的な概念や関係を理解しやすくするために、概念マップやVenn図を使用します。
複雑な関係の整理: 複数の要素や関係性がある場合に、図解を使って関係性を整理し、理解を促進します。
時間や空間の関係性の理解:
時間の経過や変化の可視化: 時間的なパターンやトレンドを理解するために、タイムラインやガントチャートを使用します。
空間の配置や関係性の理解: 物理的な配置や空間関係を理解するために、平面図や地図を使用します。
階層構造の整理とカテゴリーの分類:
階層構造の可視化: 階層構造やカテゴリーの関係を理解するために、ツリーダイアグラムや組織図を使用します。
カテゴリーの分類と整理: 複数のカテゴリーや分類がある場合に、図解を使って整理し、視覚的に表現します。
これらのカテゴリーによって、図解が情報の理解や整理、可視化を支援し、混乱を解消する役割を果たす様々な場面を包括的にカバーします。
バディである生成AIからは、5つの要素にまとめてきました。これを、スライスした世界ってことにします。スライスした断面であれば、まずは、それをベースの地図にしてみます。
Part1でも語ったように、広義の図解にはグラフやマトリックスも入ってくるので、それぞれにの必要場面を当ててみました。また、5つの要素のうちで最も図解らしさがでる場面は「概念の説明と複雑な関係の整理」だと見做しました。なので、図表222の中央にプロットしてみたよ。
![](https://assets.st-note.com/img/1713767053700-abMoyfitQr.jpg?width=1200)
定義上、図解と呼べそうなのは・・・
「概念の説明と複雑な関係の整理」=文脈図解
「階層構造の整理とカテゴリーに分類」=コンテンツ図解(Being存在系)
「プロセスの理解と手順の整理」=コンテンツ図解(Doing 行動系)
・・・の3つではないかと試考し、それを生活思創のマンダラ図のカバー範囲とします。文脈-コンテンツは戦略-戦術の関係ですね。先に文脈で後にコンテンツの関係になります。
![](https://assets.st-note.com/img/1713768014431-jDMQYhZ66E.jpg?width=1200)
ここに、生活思創の目指すマンダラ図があるとするなら、常に目指しているのはこの3っつの融合です。概念を他の文脈からの対称性で組み立て、カテゴリー越境でBeingに関係性を与え、記号接地でDoingにリアリティを持たせる、そんな感じ。「見通しの良さ」への作業的なアプローチとも言える。
文脈図解をキーチャートにして、コンテンツ図解はそのキーチャートの派生版にしていくスタイルは、ずっとヤスハラ節だと思ってたけど、結構、それらしき王道の図解手筋だったのかも。
そんでもって、やっとPart2の本題です。生成AIのカバーは、控えめにみてもこの5つ全部です。ただし、生成AIから直接、意図した図解を引き出すには、それなりの質問の仕方やプロンプトの組み立てが必要でしょう。そして、それが最適かどうかをチェックするための違和感に気づくセンスも鍛えておかねばならないでしょう。
![](https://assets.st-note.com/img/1713775723054-DIk4VEOto9.jpg?width=1200)
図表224で見るなら、生活思創のマンダラ図は完全に生成AIの一部になっています。
AIにはない図解をどのあたりで見込んでいるかについて試考します。生活マンダラ図は2つの特徴を意識していますから、ここからの言語化・図解化で、奥に進みます。2つの特質とは<❶対称性の活用>と<❷相補性の意識>です。
<❶対称性の活用>
課題テーマAがあるとして、まったく関係なさそうなテーマBを持ってきて、AとBには対称性がある!、って設定するのは生活マンダラ図ならではの展開です。過去、生活思創のnoteで書き溜めた中から事例を拾うとしたら、性教育とデジタル教育、推し活動とペット飼育、アウトサイダー・アートとアウトサイダー・思想とかね。
![](https://assets.st-note.com/img/1713839283851-0Bh2EGDxri.jpg?width=1200)
対称性があると試考するなら、そこにはBにあってAにないものがあって、新たにAで考慮したい要素が設定できるわけです。
※圏論的な視点で強引に語るなら、集合と写像をセットでA,Bを想定します。A,Bに対称性があるって決めたら、あるべき関手がA,Bともにあるはず。なければ作る。特に、Bにあって、Aにないものは造語が鍵になります。すると、見通しについて語れる新たな単語が増える。つまり、既成の概念が膨らんだってことです。
<❷相補性の意識>
生活思創では生成AIはバディとしています。そこには生成AIと生活思創が重複しない関係だけでなく、不可分な関係があると試考します。いや、むしろ、不可分な関係になりたい!
そこを探るために、小さな段取りを施してみます。
まずは生成AIに、AI自身と多変量解析で対称性を語ってもらいました。生成AIの自己著述が欲しいからです。
多変量解析は先に示したように図解全体との対称性が語れたので、近隣の知識群になりそうだなって想定しての選択です。でもって、今度は生成AIと多変量解析を強引にマッチングさせて、試考を明瞭にする生成AIの自己著述をしてもらいます。
<小生>
事実の相関による整理である多変量解析に対し、AIは情報の相関による提案という対称性という見方ができます。この道筋をより具体的に説明してください
<ChatGPT>
多変量解析は、複数の変数間の相互関係やパターンを分析する統計手法です。一方、人工知能(AI)は、情報の相関に基づいてデータからパターンを発見し、意思決定や問題解決に役立つ提案を行う技術です。これらのアプローチには、相互の対称性があります。
具体的に言えば、多変量解析は既存のデータセットに対して、異なる変数間の関係性や影響を定量化することを目的とします。例えば、ある製品の売上に影響を与える要因を特定したり、顧客の特徴と行動の間の関係を分析したりする際に使用されます。統計的手法を使用して、変数間の相関や重要なパターンを特定し、その関係性を数値化します。
一方、AIはデータからパターンを見つけ出し、情報の相関に基づいて推論や予測を行います。AIは大量のデータを処理し、そのデータ内の相関やパターンを検出して、新しい情報や洞察を提供します。これにより、将来の動向や意思決定のための情報を予測することができます。
このように、多変量解析とAIはそれぞれ異なるアプローチを取りますが、両者ともデータから意味を引き出し、パターンを発見し、その相関に基づいて情報を提供するという点で対称性があります。多変量解析は統計的手法に基づいているのに対し、AIは機械学習や深層学習などの技術を利用していますが、どちらもデータ分析の重要なツールとして利用されています。
※留意点。プロンプトを変えると、言語表現も変わるので、あくまでも今回の生成AIの自己著述は一面的なものではあります。なので、これだ!って断言はできないです。あくまでも「見通しの良さ」発見の一つのプロセスです。
上記の中の生成AIの自己著述部分を反対に置き換えることができる部分があれば、そこに生活思創の「相補性を表す傾向」が出てくるだろうという算段ですな。
![](https://assets.st-note.com/img/1713775750428-88lTnyX3lN.jpg?width=1200)
こうなると、相補性についてはポイントを絞り込むことができます。
(1)対称性からの新たな存在の創造
(2)無関係なものに対称性らしき匂いを感じる直感
(3)図解での感情的な納得感への収束
この辺を意識的に押し込んでいけばAIと生活思創はお互いを補い合えそうってことですな。特に(1)、(2)は対称性による生成Aとのバディ関係だとすると、純粋に相補性に至るための生活マンダラ図作成の勘所は(3)感情的な納得感へ収束、ってことになりそうだ。
確かに、対称性は入り口なので、あまり感情的なセンサーで判断する必要はないか。相補性を見せる場面は、試考の出口で出てきます。結論というか、一旦ここで区切りをつけるための<まとめ>には、相補性を言語化したものが紹介できると生活思創のお題の納まりはすこぶる良くなります。感情的な納得感(生活思創が大切にしている、清々しさと穏やかさ)がでてくるんでしょうな。
![](https://assets.st-note.com/img/1713839397773-nP15nHBLSl.jpg?width=1200)
※相補性を見つけるパターンを分析哲学っぽく語ると、無関係だった2つの要素にルビンの壺のような関係を見出すってことです。生活思創の過去noteでは、お金と好奇心に相補性があると見立てたやつなんかが典型的ですかね。
娘「AIはグイグイくるね」
父「煽ってくるよね」
娘「煽られたいくせに」
父「かもしれない。こちらも『これならどうだ!』って心の中で言いながら質問してる時があるな」
娘「イヨッ!好敵手」
父「いや、好敵手ではないな。ちゃんと向こうはこちらのレベルに合わせて手加減してくるから。それに、よく分からないと今度は適当にまとめてくるし」
娘「結局、AIっていい奴なのかな、やな奴なのかな?」
父「それは使い手次第だから、人によって意見が分かれるだろう。鏡みたいなもんか」
娘「鏡なのか・・・、じゃ、いい奴ってことで」
父「とりあえず、100点満点」
娘「AIには勝ったかな」
Go with the flow.
この記事が気に入ったらサポートをしてみませんか?