FC2ブログ

合格した人だけ知っているだれでも国立大学医学部に合格できる裏技勉強法を全部紹介するブログ

偏差値40台をとったこともある国公立医学部医学科に合格した現役医師がお送りする大学受験勉強法ブログです。               最強の勉強法とは「二元論を使うべし」と「データベースを作るべし」

【時間管理法】復習回数を減らす戦略。聴覚と視覚記憶の最適化をやりきる。

「急がば廻れ。復習回数減らしたければ、もっと仕込め。」

二元論で理解しつくしても、メロディックイントネーションでリリックをつくっても、それらを、録音しても、マインドマップノートのミクロとマクロノート、あるいはインフォグラフィックノートによる写真記憶がないと片手落ちである(一元論的)。聴覚記憶だけでは、やはり、思い出すための強さは弱い。

写真記憶だけあって、リリックが伴わないものも、やはり、思い出しづらい。写真記憶そのものが消えてしまうから。

よって、写真による視覚記憶も、リリック速聴による聴覚記憶も必要(二元論的)なのだが、それら両方形成するのは、そこそこ労力と時間がかかる。もし、時間がないと焦っていてれば、それらが未完成のままテストを迎えることになる。

ただ、焦って反復を繰り返しても、片手落ちの一元論的記憶では、テスト本番では固まっていない記憶に頼ることになるので、正確に思い出せない。ケアレスミスも連発し、得点は伸びない。この一元論的記憶でもなんとかできちゃう(合格点が取れちゃう)タイプの人間もいる。これは才能というか良い遺伝子と良い学習環境がもたらした能力と言って良い。

合格点が取れても点数が優秀かどうかは、評価できない。そういうひと(ある種の天才)のことを見習っても、崇めても仕方ない。

凡人は、才能がないと諦めて、粛々と、視覚記憶と聴覚記憶を作り続けるしかないのだ。

例えるなら、

稀代の天才、宮崎駿のように、才能でホームラン(傑作)を数本打って終わりか vs 努力の秀才、佐藤オオキのように、汗水垂らして、努力で泥臭いシングルヒットを打ち続けて、長期間にわたって、良作を大量生産する か。

凡人が焦って、反復を無為に繰り返しても(フルスイングを繰り返しても)、大量得点する可能性は低い(ホームランを打てずに、ゴロになるほうが圧倒的に多い)。

凡人は「凡人の戦略(ぼくのおすすめする勉強法)」によって、シングルヒットを確実に打ち続けるしかない。(ドラゴン桜2でも、バカって書かれたはちまきして、掛け算ドリルをときまくってたなぁ。『凡人自覚戦略』と名付けよう。)

時間的要素は、その凡人であるがゆえに、多くの時間と努力を仕込みに使わざるを得ないが、確実に、成果は実り続ける。





医学部医学科受験性に向けて、このブログを書き続けているけど、医者の世界も、時代の流れによって大きく変わろうとしている。数年前までまったく予想しなかったDeep learningによるAI技術の発展によって、医療もITの中に飲み込まれ、医師の存在意義が変わってきている。

画像による確定診断はAIがより正確になり、泥臭いルーチンワークはどんどん減っていく。技師が正確にスキャンさえすれば、診断を下す必要がなくなる。医者は認証するだけになっていく。

問診による確定診断はAIがより正確になり、町医者、家庭医のニーズはどんどん減っていく。スマホで診断確率がでてしまうので、すぐに医療介入にたどり着いてしまう。



救急的な外科的医療以外の、つまり、AIが代替可能な医療はますますAIによって診断可能となり、医師の仕事は減っていく。医者の数は急に増やせないが、AIが高コストの医者の仕事を代替する速度は急激に加速し、Goggle、Amazon、Microsoft、その他の巨大IT企業が医療に参入し始める。高級取りのアメリカの医者が目をつけられ、医療費削減のためFDAはそれを認可する。良質な医者がいない、人権がほぼない中国では、国策として、倫理委員会をすっとばしてAIを医療に取り入れる。中国とアメリカが医療変革の先陣を切り始める。

その時代には、日本は中国とアメリカを追随しはじめ、医療費削減に取り組み始める。

医者が今の給料を維持できているとは思えない。医者の仕事の多くは、AIの承認ばっかりになっちゃうから。

救急的な外科的医療以外をやる、あるいは、AIを操れない医者は徐々にニーズがなくなり、薄給になっていく。

こうした中で、本当に20年後、受験生が働き盛りになるタイミングで、今の医療の延長上にやりたいことが残ってるかはまったくわからない(ただ、AIに代替可能になっても、病態生理や実際の臨床経験は相変わらず必要になる。承認しなくちゃいけないから。診断できなくても、診断結果を承認可能な能力は必要。)医者の社会ステータス、給料体系の維持可能性は予想できない。

だから、医者じゃなくても、お金持ちになれるんだから、常にお金を儲けるにはどうすればいいか考えて、最善の努力をし続けられれば(シングルヒットを打ち続けられれば)、どんな夢も希望も叶えられるんじゃないかと思う。

AIにできないことはなんなのか、AIを知らなければそれはわからない。AI教育は今後、義務教育になる。

AIにできないことができる、あるいは、AIを利用する側の人間になり、付加価値を生み続ける社会人になってください。



以上、平成最後の総括でした。

令和最初のデータベース紹介。新シリーズ。AI入門

【AI入門】

1.Deep learningをとりあえず使ってみる。

どんなサイエンティストもDeep learningは避けて通れない技術になっていくはず。

というわけで、とりあえず使ってみましょう。

https://dl.sony.com/ja/

Neural Network Consoleというソフトでできます。

最初にダメ出しします。

名前が長いところがだめです。NNCとでも呼べばいいのでしょうか。ソニーのこういうところがだめです。売り出す気があるとは思えない。全然、存在が知られていないし。茂木健一郎さんは何をしているんだろう。ソニーにつとめてんだろ(怒)ちゃんとテレビで宣伝しろって。

日本はAI技術者が現在、数百人しかいない。アメリカはもう1万超えちゃってる。こういうのは先手必勝だから、遅すぎる。

以上、ダメ出しでした。ソニーは心から応援してます。

いろいろGoogleが出してるアプリとかありますが、Sonyは完全に無料でプログラミングせずにできちゃうのでこれでやってみます。

インターネット黎明期にhtmlが書けないと、ホームページを作って、情報が発信できなかったかっていうと、そういうわけじゃなく、今は、ホームページを作ってくれる便利アプリはいくらでもあるわけ。

それと似たような現象で、やっぱり、道具として使うには、グラフィカルユーザインタフェース、つまり、二元論ユーザー向けになってないとだめなんですよね。

インフォグラフィックスじゃないとね。

2.Deep learningがやっているのは、微分で接線求めまくってるいるようなもの。

定性→定量→定性

統計学でもEZRっていうソフトが計算してくれちゃうから、微分積分学があまり役に立った感じはなかったけど、Deep learningにおいても、自分で手計算をして、微分をするわけではないので、やはり、役に立った感じはない。

アプリ開発しない限りは数式を使うことはない。

ただ、二元論は理解するのに使える。

要するにDeep learningは二元論でできているってことです。

Deep learningは統計ソフトであり、EZRの延長線上にあるものだってことが少しずつ分かっていました。



Toyotaの自動運転技術、Google photoの画像認識技術をざっくり二元論で理解する。

【仕込み。帰納させる。】

 【定性を定量可能にする】
定性的な写真をとる。→画像を定量化できるようにする。

 【人の手で定性を定量にした教師データを作る。大量に帰納させる。】
 【それをNNCに代入する】
 【NNCが勝手に関数を作ってくれる】
写真(定性)と対象物の名称(定量)の教師データを大量に用意する→(NNCという関数に入れる)→勝手に機械が処理アルゴリズムを作ってくれる。

この関数の質がいいかどうかが今後、AI技術者の腕の見せどころになる。

質のいい教師データを作る職業もでてくる。

たとえば、医療でいうと、医者の当面のバイトは、質のいい教師データを大量に作るってこと。

Nは多ければ多いというわけではなく、質のいい教師データをある程度集めてしまえば、ある一定のNを超えると、関数の判断能力は差が出なくなってくる。

【実行する。役に立たせる。演繹する。】

例えば、馬の写真→(関数)→この絵に写っているのは、「馬である確率は90%、キリンである確率は8%、麒麟の川島である確率は2%」

NNCがやっているのは、教師データから統計的に、2次曲線の傾きの値を求めている。統計ソフトってこと。

画像データから、対象物の名前の確率を出すアプリと言って良い。

このアプリというか、関数を使って、どんな付加価値を生むかを考えるのも、AI技術者の仕事になる。

ここでやっと社会の役に立ってくる。

一度作ってしまえば、それを使えばいくらでもお金を生んでくれる。

Sonyが作っても、Googleが作っても、教師データが違うので、著作権で縛られることはない。

ただ、すごく安いコストにして、みんなに使ってもらい、塵も積もれば山となる方式で儲けるという考え方がこの業界で浸透しているので、普及の速度が早い。

この業界のいいところは、知識、知恵をオープンアクセス、public domainにしているってこと。

やってることは正しいけど、行き過ぎも弊害で、FAANGはこのやり方をすでに軌道にのせて、儲けてまくり、調子に乗っており、逆らうものをひれ伏させすぎて、独占禁止法に引っかかり始めている。

ぼくが10年以上前から応援し続けてきた、我らがAmazonも独占禁止法に引っかかってる。

僕の本もAmazon Prime Readingに載せてやるから、といって、不当に安い対価で誘ってきたしね。

Prime readingでいくら読まれてもぼくにほとんどお金が払われないっていう仕組み。

Prime readingに僕の本が載り始めましたが、まったく売り上げが伸びてません。

どうして、読まれたページ数に応じた報酬にしないのか理解できない。

AmazonはPrime readingに関して、完全に調子に乗ってますので、そのうち、独占禁止法にひっかかり、公平取引委員会にしょっぴかれると思います。
関連記事












管理者にだけ表示

トラックバックURL↓
http://ndthikaru.blog74.fc2.com/tb.php/647-b08b93c3

Neisseria meningitidis