読者です 読者をやめる 読者になる 読者になる

マエカワの備忘録的な何か

思い立ったが吉日

情報通信システム 其の五 20170518

記憶のある情報源について

 これまで扱ってきたのはすべて記憶のない、独立した情報源集合.ここからは過去の状態に従属している情報源集合の扱い方について書いていく.


 m重マルコフ情報源
 任意の時点での生起確率が直前 m個の出力に依存して決まる情報源
 状態遷移図のように書くと下の図のようになる(プリントから持ってきています).

f:id:maekawa_yoshimiki_1119:20170524145351j:plain


状態分布 \vec{w_t}=(w_0^{(t)},w_1^{(t)},...,w_{N-1}^{(t)})
 時点 tにおける確率分布のこと.


遷移確率行列 P
  i\to jに遷移する確率を ij成分に持った行列.


定常分布
 初期状態によらず、十分な家庭後に落ち着く定常的な状態の確率分布.
  ⇒簡単に言うと「記憶を持ってなかったとしたらどうなるのかのシミュレーション

 導出の仕方は状態分布 \vec{w}と遷移確率行列 Pを用いて

   \displaystyle \vec{w}=\vec{w}P

  ただし \displaystyle \sum_{i=0}^{N-1}w_i=1とする

 を計算して出てきた \vec{w}と同じになっている.


 m重マルコフ情報源のエントロピー H(s)

   \displaystyle \begin{eqnarray}H(s)&=&\sum_{j=1}^{M^m}P(q_j)H(s|q_j)\\&=&-\sum_{j=1}^{M^m}P(q_j)\sum_{i=1}^{M}p(s_i|q_j)\log_rp(s_i|q_j)\end{eqnarray}

 このときの P(q_j)は状態 q_jにいる確率.つまり、定常分布と同じ値をとることがわかる.


 nエントロピー H_n(s)について
 定義は

   \displaystyle H_n(s)=\frac{H(s^n)}{n}

 となっている.
 記憶のない情報源集合だった場合、前回にも書いてある通り

   H(s^n)=nH(s)

 なので

   H_n(s)=H(s)

 になる.

 記憶のある情報源集合だった場合

   \displaystyle \lim_{n\to\infty}H_n(s)=H(s)

 になる.試行回数を増やしていくと定常分布のように、記憶のない情報源に近づくことを考えれば自然なこと.


 ここで少し問題を.資料にあるものを解いていきます.問題は以下のようなもの.


f:id:maekawa_yoshimiki_1119:20170524145414j:plain


f:id:maekawa_yoshimiki_1119:20170524214231j:plain


 記憶を持つ情報源の nエントロピーの計算は記憶を持たない情報源の時と同じようにブロック符号化してあげればいい.上で紹介した極限が何チャラっていうのはおまけ程度に思っておけばいい.

 ついでにもう一つの練習問題の回答も載せておく.


f:id:maekawa_yoshimiki_1119:20170524221547j:plain

f:id:maekawa_yoshimiki_1119:20170524221405j:plain



未知情報源の符号化
 生起確率が不明な情報源のことを未知情報源と呼ぶ.
 このような情報源の符号化にはユニバーサル符号化という処理をしていく.

  ユニバーサル符号化 Lを情報源エントロピーの近くまで下げくことができる.

 ある程度のひずみを許容する符号化もある.
  ⇒画像・音声の圧縮に使われる.この場合のひずみは人間が認識できないレベルのものとする.
  ⇒ Lを情報源エントロピーよりも下げることができる.荒くなっている分、短くできる.

 ユニバーサル符号化の例として、講義では「LZ77符号」が紹介された.
 色々資料を見てみたが、どれもアルゴリズムについての話ばかりで複雑.配られた資料の実行例を自分でなぞりながらやってみるのが一番だと思います。


 今回はこれで終了です。

情報通信システム 其の四 20170511

前回出てきた平均符号長の限界値であるエントロピー.なぜそうなるのかの証明.


命題

平均符号長は

  \displaystyle -\sum_{i=1}^Mp_i\log_rp_i

まで短くすることができる.


補助定理2.2
  \displaystyle q_1+q_2+...+q_M\le1

を満たすとき、

  \displaystyle -\sum_{i=1}^Mp_i\log_rq_i\ge-\sum_{i=1}^Mp_i\log_rp_i=H(s)

が成立.等号は

  \displaystyle q_i=p_i (i=1,2,...,M)


証明(補助定理2.2)

  \displaystyle -\sum_{i=1}^Mp_i\log_rq_i+\sum_{i=1}^Mp_i\log_rp_i=-\sum_{i=1}^Mp_i\log_r\frac{q_i}{p_i}

指数関数 \displaystyle e^xマクローリン展開から得られる \displaystyle \ln x\le x-1と低の変換公式より

  \displaystyle -\sum_{i=1}^Mp_i\log_r\frac{q_i}{p_i}\ge\sum_{i=1}^M\frac{p_i}{\ln r}\left(1-\frac{q_i}{p_i}\right)

  \displaystyle \sum_{i=1}^M\frac{p_i}{\ln r}\left(1-\frac{q_i}{p_i}\right)=\frac{1}{\ln r}\left(\sum_{i=1}^Mp_i-\sum_{i=1}^Mq_i\right)

  \displaystyle \frac{1}{\ln r}\left(\sum_{i=1}^Mp_i-\sum_{i=1}^Mq_i\right)=\frac{1}{\ln r}\left(1-\sum_{i=1}^Mq_i\right)\ge1

よって証明.


補助定理2.3(シャノン符号の平均符号長)

情報源の生起確率が \displaystyle p(s_1),p(s_2),...,p(s_M)である情報源 \displaystyle sの平均符号長は次の性質を持ち、さらに平均符号長 \displaystyle Lじは左辺よりも短くすることはできない.

  \displaystyle H(s)\le L\le H(s)+1


証明(補助定理2.3)

  \displaystyle L=\sum_{i=1}^Ml_ip(s_i)

  \displaystyle \log_r\frac{1}{p(s_i)}\le l_i\le \log_r\frac{1}{p(s_i)}+1

とおく.この不等式の左側について考えると、

  \displaystyle \frac{1}{p(s_i)}\le r^{l_i}

  \displaystyle r^{-l_i}\le p(s_i)

  \displaystyle \sum_{i=1}^Mr^{-l_i}\le\sum_{i=1}^Mp(s_i)=1

となり、この不等式はクラフトの不等式になることがわかる.本題の証明は子の不等式自体の変形.

  \displaystyle p(s_i)\log_r\frac{1}{p(s_i)}\le p(s_i)l_i \le p(s_i)\left(\log_r\frac{1}{p(s_i)}+1\right)

  \displaystyle \sum_{i=1}^Mp(s_i)\log_r\frac{1}{p(s_i)}\le \sum_{i=1}^Mp(s_i)l_i \le \sum_{i=1}^Mp(s_i)\left(\log_r\frac{1}{p(s_i)}+1\right)

  \displaystyle \sum_{i=1}^Mp(s_i)\log_r\frac{1}{p(s_i)}\le \sum_{i=1}^Mp(s_i)l_i \le \sum_{i=1}^Mp(s_i)\log_r\frac{1}{p(s_i)}+\sum_{i=1}^Mp(s_i)

  \displaystyle H(s)\le L \le H(s)+1

次に、平均符号長は左辺よりも短くできないということを示していく.

  \displaystyle \begin{eqnarray} H(s)-L&=&-\sum_{i=1}^Mp(s_i)\log_rp(s_i)-\sum_{i=1}^Ml_ip(s_i)\\&=&-\sum_{i=1}^Mp(s_i)\log_rp(s_i)+\sum_{i=1}^Mp(s_i)\log_rr^{-l_i} \end{eqnarray}
  \displaystyle \sum_{i=1}^Mr^{-l_i}\le 1
と補助定理2.2より
  \displaystyle \left|\sum_{i=1}^Mp(s_i)\log_rp(s_i)\right|\le\left|\sum_{i=1}^Mp(s_i)\log_rr^{-l_i}\right|
であることがわかるため
  \displaystyle H(s)-L\ge 0
よって証明.と一緒に、命題も証明できた.


補助定理2.4(拡大情報源のエントロピー)
  \displaystyle H(s^n)=nH(s)

  \displaystyle H(s)\le L\le H(s)+\frac{1}{n}

第1式の証明は割愛
第2式の証明

  \displaystyle H(s^n)\le L^* \le H(s^n)+1

  \displaystyle nH(s)\le nL\le nH(s)+1

  \displaystyle H(s)\le L\le H(s)+\frac{1}{n}

で証明できた.

 つまり、この第2式からいえることは n\to\inftyにすれば、 L\to H(s)になるということ.
  ⇒しかし、場合によっては nが大きくなりすぎて非効率
   ⇒比等長情報源系列の登場

比等長情報源系列

 2種類の方法があるが、実質1種類みたいなもの.
  ①タンストール符号化
  ②ランレングスハフマン符号化
 これらの方法は、系列数を一定に保ちながら平均符号長を短くする(平均系列長を長くする)方法.


 まずタンストールから
  例として p(1)=0.2,p(0)=0.8で語数4の情報源を考えていく.
   step1:符号の木を確立が大きい方をつなげていく感じで書いていく
   step2:平均系列長 \overline{n}と末端の数字についてハフマン符号化を行った際の平均符号長 \acute{L}を計算する
   step3:1情報源あたりの平均符号長を \displaystyle L=\frac{\acute{L}}{\overline{n}}より求める

f:id:maekawa_yoshimiki_1119:20170524121602j:plain


 お次はランレングスハフマンについて
  2元、長さ4までの0のランについて考えていく
  0,1の生起確率を p,(1-p)としてやると (p\ge 0.5)次のような表を書くことができる,

f:id:maekawa_yoshimiki_1119:20170524122715j:plain

  この各組み合わせについてハフマン符号化をしてやる.ランレングスの形に直してからハフマン符号化をすることから「ランレングスハフマン」.

f:id:maekawa_yoshimiki_1119:20170524122734j:plain

  この例でやってみると、 00011001 0001|1|001と分けることができ、符号化すると 111|100|110となる.


 長らくやってきましたが、ここで今回は終了.証明は覚えなくてもよさげですが

   H(s^n)=nH(s)

   L^*=nL

 くらいは覚えておいて損はなさげです.

オペレーティングシステム 其の五 20170517

システムコールについて少し

 プロセス切り替え:タイマー割り込みで切り替えを行う.
 この時の割り込みハンドラの役割は

  • 退避
  • 実行プロセスの決定
  • 復帰
の3種類.

 スケジューリングのイメージ
  これについては図で説明したほうがわかりやすい.下の図の説明としては、基本的に実行可能スタックに入っているプロセスを選出して実行しているが、I/Oデバイスの入力がいる場合はブロックスタックに貯められ、入力が入るまで待機させている.これによってI/O入力待ちのプロセスに余分な仮想CPUを割り当てないようにしている

f:id:maekawa_yoshimiki_1119:20170524013040j:plain

  PCで起こるフリーズ現象はプロセスがずっとブロック状態になっているために起きてしまう.

  この一般的な例としてはC言語ではgetchar()関数がわかりやすい
   ⇒キーボードから文字が入力されるまで処理がストップしている(ブロック状態にある)

 システムコールでもスケジューリングのブロック機能が役立っている
  ⇒int 0x80;でシステムコールした時にカーネルではブロック状態と同じことになっている.入力がなければずっと待たされるが、ブロックされたことには気づいていない.プロセスの生成・終了の欄を見た後だとわかりやすいかもしれない.

プロセス間通信

 プロセスごとに処理が独立しているとは言ったものの、プロセス同士が相互的に動きたいときもある
  ⇒それぞれの特別なインターフェースが必要.

 この特別なインターフェースを実現するための方法として3つほど挙げることができる.
  ①共有メモリ:複数プロセスがメモリを共有.通信というより、掲示板的な用法といえる.
  ②共有ファイル:二つのプロセスで一つのファイルを開く.同時に開くことは難しいので、どちらかが書く、もう一方が読むとしておけば、相互通信は実現することができる.
  ③ソケット:インターネット通信にも使われている.メリットはマシン内、ネットワーク内どちらでも動かすことができること.デメリットは別マシンと通信するように手順を踏む必要があること.

f:id:maekawa_yoshimiki_1119:20170524013117j:plain

プロセスについての話はここまで.

システムコールについてさらに

 (復習)システムコールとはring3がring0に命令を依頼するときに用いられるもの

 しかし、いちいちシステムコールするのは面倒くさい.
  ⇒ライブラリにこのシステムコールの機能を備えた関数が存在すればラク.例えばunistd.hの中にあるwrite関数.

ファイルディスクリプタ

 ファイルを開く⇒プロセス構造体に情報が入る
        ⇒情報が入ったところのインデックスがファイルディスクリプタとして記憶される.

 これによってファイルの入出力はファイルディスクリプタ経由で行うことができる.
 つまり、ファイルディスクリプタとはファイル情報が入っているインデックス(番地)のことである.

プロセスの生成・消滅

 これもシステムコールで制御する.
 重要なのはforkexec
 fork():0かほかの値を返り値として返してくれる.これによって一つのプロセスから二つに分岐することが可能になるので、親プロセスと子プロセスに分けることが可能になる.基本的に0が帰ると子プロセス、その他が帰ると親プロセスの処理に分岐する.
 exec():実行可能ファイルを実行する.親プロセスと同じプログラムではつまらないので、別のプログラムを実行してやる.

 つまり、fork()でプロセスを生成してやり、生成したプロセスの中身をexec()で実行し、最終的にexit()で親プロセスに帰ってくることでプロセスを終了する.子プロセスの実行が終わり、exit()で帰ってくるまで、親プロセスはブロック状態になっている.

f:id:maekawa_yoshimiki_1119:20170524013245j:plain

シェルについて

 システムコール的に考えると、コマンドに対応したプロセスをfork()で分岐させてexec()で実行.それが終わったら、fork()の上とつなぎループを作る.図で説明したほうがわかりやすい.

f:id:maekawa_yoshimiki_1119:20170524013212j:plain

とりあえずシステムコールの話もこれでひと段落.

OS知識とセキュリティ

 ここまでの知識でセキュリティ攻撃側についてちょっとだけ理解できる.

 攻撃方法
  ①コード実行:攻撃者が指定した命令を被害者が実行する
  ②制御奪取
 の2step

 ここではスタックオーバーフローという手法について説明する.
 被害者側のメモリに、データが格納されているスタック以上のデータをコピーさせることによってreturn処理時にシェルコードを実行してもらうという乗っ取り方.シェルコードとは、シェルを乗っ取るためのコード.もっと詳しく説明すると、「シェルをexecveシステムコールで起動させるプログラム」.
 被害者メモリ側のreturnの位置などは事前に探りを入れておき、めぼしをつける必要がある

f:id:maekawa_yoshimiki_1119:20170524013429j:plain

人間工学 其の四 20170516

末梢神経系

 中枢と体をつなげるもので、二つの分類をすることができる.
   \displaystyle \begin{cases}形態学的分類&:機能で分ける\\機能的分類&:体性と自律にわかれる\end{cases}

 性神
  ・反射弓
  ・運動神経:錐体路錐体外路、反射弓のインパルスを最終的に受け取るところ

 自律神経(遠心性)
  ・交感神経と副交感神経
   ex)心拍数や発汗作用に影響が出てくる.時に発汗作用は痛みや焦りなどといった感覚にリンクすることが多いので、うそ発見器や痛みの検証にも用いられている.さらに、これらは訓練することである程度コントロールすることができる

感覚系:感覚情報はあらかじめ処理されている高度情報

 特性
  ・適当刺激
  ・順応:物理的刺激と感覚は必ずしも一致しているとは限らない
  ・特殊感覚の法則:感覚の種類によって、通る中枢神経は異なる
  ・ウェーバー=フェフナーの法則感覚の強さは刺激の強さの対数に比例する(刺激が細かくても大きくてもしっかりと反応するためだと考えられている)

 感覚の研究は視覚聴覚が一番進んでいるが、それ以外の分野についてはあまり進んでいない.

 感覚の分類は様々で、例えば、脳神経系を通るものは「特殊感覚」、体制脊髄神経系を通るものは「体性感覚」と分けたり、受容するものが遠隔(嗅覚、視覚)なのか接触(触覚、味覚)なのかなども分類の仕方になっている.

視覚について

 錐体細胞は目の奥の中心窩に密集している(黄斑)
  ⇒つまり目は一点集中型で、それ以外のところは視力が0.3くらいになっている
 乳頭には錐体細胞がないため、その部分だけものが見えない(盲点)

 ジオプトリ D=(焦点距離) ^{-1}という考え方は目の屈折力の単位として扱われている.

 遠近調節力 A=((近点距離) ^{-1}-(遠点距離) ^{-1})で求められる.
  ⇒しかし、遠点距離は実質 \inftyなので、近点距離の数値で Aは決まってくる.
  ⇒60代になると1m離さないと、ピンとよく見ることができないらしい.普通に目が悪くなる近視もちゃんとあるため、ある一定の範囲でしかピントを合わせることができなくなる(老眼)

眼球の運動について

 ・追跡運動:視野に動くものがあった場合、それを追う.
 ・飛び越し運動:動くものがない場合の運動(Saccade)
   目はスムーズに動いているように感じるが、実はサッカード、注視を繰り返している
   サッカード中の映像は全く見えていない(サッカードサプレッション).
    ⇒目はとんでもない速さで回転するので、見えるもの全て認識していたら脳がパンクしてしまう
   サッカードは自分で調節することができないので、ある程度予測を立てて行っている
    ⇒しかし、それでもずれてしまうことは多々ある.そのずれを補正することを補正サッカード(無意識停留現象)という.これは、サッカードする距離が長いほど発生する.
 ・固視微動
   目は常に動いている.止まることはない.
   目で見えている映像は眼球と相対速度が発生しているものに限られている.相対速度がないものに関しては見えていない.
    ⇒眼球内の血管などが見えていないのはこの機能のおかげ.
 ・補償眼球運動
   視野に動くものがあった場合、それに合わせて眼球が反射的に動くこと
 ・遠近感:これは両目の軸索の収束度合いによって発生する.

眼球運動測定法

 ・眼電図法:目の表面は+に帯電していることを利用した測定法
 ・強膜反射法:強膜(白目の部分)における赤外線の反射率を測定し、目の向きを測定する.
 ・角膜反射法;角膜に反射している像の測定によって、角膜の向きを測定
   ⇒これに瞳孔中心と角膜中心の延長が視軸であることから、視線を計測する方法を瞳孔角膜反射法と呼ぶ.この方法はとても高価.
 ・画像解析:角膜の形のひずみを測定して視線を知る.

網膜の機能

 錯体桿体で光を受け取っている.
  錯体:明暗と色彩を受け取る.中心窩に密に存在する.約700万個.
  桿体:1億2000万個.明暗しか受け取らない.中心窩ではまばらに存在し.10~20度近辺に存在している.

 構造を見てみると、光を受容するのは眼球の一番奥.
  一番奥で受容したのは上に行くにつれて処理され、神経に送られる.

 暗順応は二段階で起こる.最初、錐体.その後桿体が順応する.桿体がメインになって順応している.
  ⇒暗いところで色がわからなくなるのは、桿体細胞で見ているから.

 視力は錯体の密度によって決定される
  二点を識別できる能力を測定している,
   ⇒ランドルト環
  1分の空きを識別できる⇒1.0の視力.
   ⇒この空きの角度の逆数こそが視力として定義されている,

メディア分析法 其の四 20170515

自然言語処理についてのお話

 コンピュータによる言語処理で、主に二種類のとらえ方ができる

  1. 言語理解・言語解析:言葉の意味をビット列に
  2. 言語生成:例えば、歌詞作成AIなど.適切に言語を表現


 今回は1についてのお話.
 言語理解には主に四つのスケールがある
  ①形態素解析形態素=単語.単語スケールで理解する.
  ②統語解析:単語のつながりを理解する
  ③意味解析
  ④談話解析:文章の塊で理解する.

形態素についてもうちょっと

 形態素意味のある最小単位=「語幹」+「接辞」
 この手のものは、区切りとしてスペースを使っている英語のようなものだと解析しやすい.しかし、日本語のように区切りがはっきりとわからない言語では、区切り方でいろいろな解釈ができる.例えば、「おきゃくさまようといれ」.「お客様用トイレ」なのか、「お客さまようトイレ」なのかが、字面からははっきり区別することができない.そして、このような言語は解析するのに一苦労する.

 形態素を解析することを「セグメンテーション」と呼び、セグメンテーションの基礎になるもの(辞書)には「見出し語」「読み情報」「品詞・連接情報」などを含んでいる.主な処理としては、この辞書との一致を見ていくことになる.
  cf)茶筅、JUMAN:これらは形態素解析用のプログラムで有名なもの.JUMANはあとから登録のし直しができるとかで使いやすいらしい.最も、用途に応じて区別したほうがいい.

研究について

 テーマ:TVに合ったCMの自動分析
 番組の情報をもとにそれぞれに類似したCMを自動的に挿入するために始められた(これまでは原始的な方法(すべて手作業)でCMを挿入していた).
 TVの視聴率が高いと広告料が高い.かといって、その広告がみられるかどうかはわからない(ザッピングや録画機能などによって、そもそもCMは見られないものになってきている).
 TVとCMの内容が似ていると、広告の効果は高くなる.さらに、CMの印象がTVに影響を与えるなどといったように、TVとCMは切っても切れない間柄.
  ⇒TVとCMが合わないと、商品のイメージ低下につながってしまうし、それによってTVの印象も悪くなってしまう.

 そこで、GRP(延べ視聴率)という考え方が出てくる.この考え方は、視聴率1%のTVに1本のCMを流すことを1GRPとみなしている(これが、テレビ局が視聴率を気にする原因.視聴率が低いとスポンサーがついてくれない.).CMがドラマ風だったり、タレントが起用されていたりすると、GRPは高くなる傾向にある(TVの視聴率に引っ張られているにもかかわらず、なぜCMの内容に相関があるのかはわからないが).

 TVとCMの類似性を解析するために、ベクトル空間モデルという手法をとっている.
 ベクトル空間モデル
  索引語 wコーパス(辞書) Dと質問 qを用いて行列的な方法で類似性を解析.

あとで分かりやすく追記します。

 LSA(潜在的意味解析)
  コーパスを変えることによって相関が出たりでなかったりする
   ⇒CMには文語的なコーパスではなく、もっとカジュアルなコーパスのほうが合う.このように、解析対象となるものに寄り添ってコーパスを決め、類似性を得る方法をLSAという.

  ベクトル空間モデルの次元圧縮をすることによって、解析を低コスト化.


 これを応用させて考えてみると、口語のソースを用いてAIを学習するとカジュアルに、逆に文語のソースを用いるとお堅いAIになるとのことだった.

latex形式で打ち込めるようになりました。

 ご報告がございます。

 このたび、はてなブログにてlatexのように数式が打ち込めるようになりました。

 これでやっと、formulaの意味わからないerrorに悩まされることもなくなったわけでございます。

   \displaystyle e^{-j\omega t}=\cos(\omega t)-j\sin(\omega t)

 もお茶の子さいさいで書けるようになったわけです。これでブログ更新に対するモチベーションが大幅に増加したってもんです。

 そしてこの表記法、「見たまま編集」のところでもかけることがわかり、いちいち「HTML編集」のほうに行かなくても済んでしまうらしいのです。(あとでわかりましたが、=の一で数式をそろえる際eqnarray環境を使おうとしたところ、&がamp;に変換されてしまい、うまく数式を表現することができませんでした。なので、今は「はてな記法」を編集モードとして使っています。)

 

 さらに<p></p>で生成されていたパラグラフについてちょっといじって、あまり行間が空かないように修正いたしました。(確認してみたら、スマートホンでは通常通りの設定で動いていました。)

 あとはツイートをリストアップして埋め込んだり、これまで「うえぇ…。」と言ってやってこなかったことを少しずつやっていっております。CSSjavascriptとかはやっぱり自在に使いこなしていきたいです。

 

 といったところで報告は以上になります。参考にしたサイトのリンクは下に貼ります。(この記事の後にもう一つ追加として更新されていて、結局はてな記法を用いてもtex形式として保存できるのでサイドバーにいろいろ追加しなくてもいいらしいです。)
auewe.hatenablog.com

情報と法規 其の四 20170512

これはaufhrben???

 講義前、NFCについて話すといっていたが、TISANDO musicのCMを最初に見た


TOSANDO music CM 披露宴編 full

 

 ええ話だ…。

 

 思わずジーンときてしまうようなプロモーション映像だが、今回はこの中に弁証法的な運動を見つけ出せ、というもの.

 新婦の心の変化や、カメラワーク、ストーリーなどいろいろあるが、今回は「父親の演奏がストップ」した時の前と後での新婦の心情に注目し、ここを弁証法的運動として見ていく.

 新婦側は最初「結婚式を楽しく過ごす利益」を持っていて、母親を思い出すような曲を父親に弾いてほしくないといった感情.それに対し父親側は「思い出の曲を弾く利益」「家族の共通の思いでを共有する利益」などがA.Thとして新婦に対立している.

 ちょうど、父親の演奏がストップした時、自分が母親に教わっていた時のことを思い出し、父親と幼くピアノがうまく弾けなかった自分の姿を重ねてしまう.この時から新婦の心情は「父親に完奏してほしい」といった方向にシフトしている.

 では、この現象はaufhebenなのだろうか???

  ⇒これはaufhebenというよりも。同じ事実が違う評価にシフトしていったいい例.

   ⇒このような考え方は、今話題の「痴漢問題」の一端にも応用が利くものだ.

 

 覚えておきたいのは弁証法的運動では、主語が違うとある利益はThにもA.Thにも変わりうるということ.

 

物権と債権

 物権とは、物を支配する権利

 債権とは、1対1において財産上の行為を請求することができる権利

 

紛争の調整

 現時点より前に起こったことはもう元には戻せないので、いわゆる「結果論的な考え」が横行してしまう.「あの時こうすればよかったのに」など.そして、そのようなものには「損害賠償請求権」が扱われる.

 これから起こりうることには、「建設的な考え」が重要になってくる.これ以上の損害を出さないためにも、「差し止め請求権」が認められている.しかし、これは「ゼロ縮退(A.Thをすべてなくしてしまう.そのため、独善的な考えになってしまうかもしれない.)」の危険があるため、原則として条文がないと認められないものになっている.

 このように、現時点を境に扱う権利やその仕組みも異なってくる.

 また、このような"もの"の考え方は紛争問題を考えるうえでも極めて重要.そもそも弁証法が紛争問題の解決のために使われていることを思い出すと、これまでの内容は全て紛争問題(自他の利益問題)に応用が利く.