国民生活センターは3月15日、ご飯の糖質を低減できるとうたった、いわゆる「糖質カット炊飯器」を実際にテストした結果を発表した。含まれる糖質（デンプン）の総量は「通常の炊飯の場合と大きな差はみられなかった」という。 糖質カット炊飯器の多くは、炊飯の途中で米をすすぐごとで二重底の内釜の穴から糖質が溶け出した水が出るという仕組み。しかし市販の6製品をテストしたところ、同量の米を通常のマイコン炊飯器で炊いた場合に比べて水分が1～2割多い炊き上がりになったものの、含まれる糖質の総量に大きな差はみられなかった。 水で重量が増えたぶん同じ重量あたりの糖質の割合は低くなるが、4つの製品は商品サイトなどに記載していた「糖質を最大約3分の1カット」といった文言を満たさないと考えられるという。これらは「景品表示法上、問題となるおそれがある」。 国民生活センターには2017年以降、糖質カット炊飯器に関する相談が2

〇吉見俊哉『敗者としての東京：巨大都市の隠れた地層を読む』（筑摩選書）　筑摩書房　2023.2 はじめに2020年春からのコロナ禍によって、都心の空室率の上昇、人口の転出増、商業地の地価下落など、1980年代以来、数十年間にわたって東京が歩んできた方向（＝福祉国家から新自由主義へ、効率化のための一極集中）を反転させる可能性が垣間見えることが示される。本書は、これまで明らかに近代化の「勝者」として歩んできた東京を「敗者」の眼差しから捉えなおそうとする試みである。 そのために本書は、遠景・中景・近景の三つの視点を用意する。「遠景」は地球史的な視座で、縄文時代の南関東の「多島海的風景」を想像するところから始まる。やがて朝鮮半島からの渡来人たちが東京湾岸から上陸し、土着の縄文人と遭遇してクレオール化する。古代から中世へ、東国勢力は徐々に力をつけ、大和朝廷に対する自立性を獲得していく。こういう東国の

神奈川県伊勢原市は人口10万人。東京のベッドタウンとして発展し、小田急電鉄にとって海老名、厚木、秦野、藤沢などと並ぶ、神奈川県内の沿線における主要都市の1つである。また、市の北西には小田急が箱根、江ノ島に次ぐ観光名所と位置付ける大山があり、小田急グループの神奈川中央交通が伊勢原駅と大山を結ぶ路線バスを多数走らせている。 小田急の中期経営計画では、「まちづくり」計画の「フック駅」として本厚木、海老名、藤沢といった駅名が出てくるものの、伊勢原駅の名前はない。つまり、小田急にとって伊勢原は定住人口を拡大させて通勤・通学利用客の増加を図る駅というよりも、観光客の増加を図る駅という考えだ。 そんな伊勢原市に、小田急が車両基地を造る。3月8日、伊勢原市庁舎で市と小田急が共同で発表した。 「大野総合車両所」の機能を移転 小田急はおよそ1000両の車両を保有している。主要機器の検査や動作確認を行う施設は、

2023年3月11日、東急の前身・目黒蒲田電鉄（以下、目蒲電鉄）の最初の開業区間である目黒―丸子（現・沼部）間の開業から100周年を迎えた。同社の創立は、開業前年の1922年9月2日であり、この日が東急の創立日とされている。 東急は、創立100周年に合わせ『東急100年史』を編纂した。1973年4月の『東京急行電鉄50年史』発行から半世紀を経て編纂された100年史は、当然のことながら新たな視点で執筆されている部分も多い。 『100年史』で見直した視点 100年史の編纂に当たった、東急広報グループ主査の竹内敏浩氏は、大学時代に交通地理・交通史の大家として知られた故・青木栄一東京学芸大学名誉教授のゼミで学んだ経歴を持つ。学生時代に東急50年史を読んで下記の点に違和感を覚えたといい、100年史の制作に携われるのならば、見直したいとずっと思っていたという。 「当社は成長の過程で、池上電気鉄道（現・

前回エントリの最後で、「GDP指標の各国比較の際に使われる購買力平価の動向が、実際の対ドルレートの動向と国によってかなり異同があるというのは、注意を要する」と書いたが、その購買力平価（PPP）と、WEOデータベースに収録されているCPIの各国と米国の比を比較してみたのが下図である（PPPが右軸、米国はCPIそのものと2017年時点購買力平価の一人当たりGDPをドル建て一人当たりGDPで割ったものとの比較）。 これも国によって差はあるが、CPI指数の比率というかなりラフな指標でもPPPの大まかな方向性をある程度捉えられることが分かる。 日本については右肩下がりの傾向が目立つが、良く見るとアベノミクスの期間はそれがいったん緩やかになり、コロナ禍後の米国のインフレの進展でまた元のトレンドに戻ったことが分かる。また、以前本ブログで指摘したように、アベノミクス以前の低下トレンドについても、1980年

今朝方GPT-4が発表されて、みなさん死ぬほど盛り上がってますねー。 GPT-4を使えば一発でできそうなネタではありますが、GPT-4 APIのお値段は3.5よりもお高めの設定なので、これからはどのように上手くGPTのバージョンを使い分けていくかが問われていくと思います。 というわけで今日は非構造化データを構造化データに変換する話です。 問題の背景行政が定期的に公開している統計資料をご覧になったことはありますでしょうか。ディスる訳ではないですが、以下に示すのは私が住んでいる富士吉田市の統計資料です。 統計ふじよしだ令和元年度版 - 商業 このように分かりやすい表で情報を提供してくれるのはありがたいのですが、数値データにはなっていないので分析に活用することができません。 GPTのパワーを使って、このような非構造化データを構造化データに変換できないか？というのが本日のお題になります。 コードP

アメリカでは、65歳以上の高齢者と65歳未満の障害者向けの公的医療保険プログラム「メディケア」が展開されており、その中に民間の医療保険会社を通じて在宅サービスや医療サービスの補助を受けられる「メディケア・アドバンテージ」というプランがあります。このメディケア・アドバンテージを提供している民間の医療保険会社が、AIによる予測分析を理由に医療費の支払いを打ち切ってしまうという事例が起こっていると報じられています。 How Medicare Advantage plans use AI to cut off care for seniors https://www.statnews.com/2023/03/13/medicare-advantage-plans-denial-artificial-intelligence/ メディケア・アドバンケージは保険会社にサービスの拒否や制限の自由度を与え