プログラマの雑談部屋 ★376

**仕様書無しさん** · 2025/11/18(火) 00:10:18.35

ほかのやつはふつうにおかねもらってた

**仕様書無しさん** · 2025/11/18(火) 00:18:22.00

これから先どうしたらいいだろうか
もう若者でもないし、シニアエンジニアみたいな立ち回りもできない

**仕様書無しさん** · 2025/11/18(火) 00:24:36.63

初心者にプログラミング教えたら？
初級レベル教えるくらいなら余裕でしょ
会話ムリなら不可能だけど

**仕様書無しさん** · 2025/11/18(火) 00:37:00.89

ワイも次のキャリア模索中
ソフト作れるのはアドバンテージだから改めてアプリ制作挑戦しようかなぁ

**仕様書無しさん** · 2025/11/18(火) 00:48:47.54

>>285
でも透明な球体とかやっぱりやりたくなるよね。頑張れ

**仕様書無しさん** · 2025/11/18(火) 00:49:58.12

半年かけて作ってリリースするじゃろ？
2年経っても数十ダウンロードじゃろ？
10本くらいリリースするじゃろ？
合計で100ダウンロード行って喜ぶじゃろ？
貯金が尽きてきて焦るじゃろ←いまここ

**仕様書無しさん** · 2025/11/18(火) 00:54:17.57

# === 思考実験プログラムの断片 ===

# 隠れた変数による初期設定 (古典的決定論)
#

# ノード属性 (A) の三値評価
# - 負荷が低い: +1
# - 負荷が高い: -1
# - 負荷が測定されていない/中立: 0
NODE_ATTRIBUTES = {'A1': 1, 'B2': 0, 'C3': -1, 'D4': 1}

# 経路相関 (P) の三値評価
# - AとBの相関が強い: +1
# - AとBの相関がない: 0
# - AとBの相関が強い逆相関: -1
PATH_CORRELATIONS = {'A1_to_B2': 0, 'B2_to_C3': -1, 'A1_to_D4': 1}

def Evaluate_Node_Ternary(node_id, attribute_key, path_correlation_key):
"""
特定のノードの最終評価値 (E_node) を計算する。
特殊乗算により、0の状態でも情報が失われないことを利用。
"""

A = NODE_ATTRIBUTES.get(attribute_key, 0) # ノードの負荷情報
P = PATH_CORRELATIONS.get(path_correlation_key, 0) # 経路の相関情報

# ノードと経路の情報を統合する（特殊なもつれ/相関の計算）
# 特殊な古典論では、これが非古典的な重ね合わせを代替する
E_integration = Special_Multiply(A, P)

**仕様書無しさん** · 2025/11/18(火) 00:54:25.76

# === プログラムの実行例 ===

# 例 1: ノード負荷が未評価 (A=0) だが、経路相関が強い (+1) の場合
# 通常の乗算: 0 * 1 = 0 (情報消失)
# 特殊乗算: 0 * 1 = 1 (相関情報維持)
result_1 = Special_Multiply(0, 1) # -> 1
print(f"1. A=0, P=1 => E_integration: {result_1} (ノード負荷が不明でも強い相関が経路を救う)")

# 例 2: ノード負荷が強い (-1) だが、経路相関が未評価 (0) の場合
# 通常の乗算: -1 * 0 = 0 (情報消失)
# 特殊乗算: -1 * 0 = -1 (ノード負荷情報が維持)
result_2 = Special_Multiply(-1, 0) # -> -1
print(f"2. A=-1, P=0 => E_integration: {result_2} (経路情報が不明でも、ノード負荷の高さが伝播し、経路を除外)")

# 最終的な経路の評価リストに追加
# ALL_PATH_EVALS.append(E_integration)

return E_integration

# 実行
Evaluate_Node_Ternary('B2', 'B2', 'A1_to_B2')

**仕様書無しさん** · 2025/11/18(火) 00:55:59.63

早期退職組が自作アプリに流れたら競争激化だな
ダウンロードすらされない

**仕様書無しさん** · 2025/11/18(火) 00:58:04.63

この論理は0×0=1 0÷0=1 0×b=b 0÷b=bという計算を可能とした場合で
[ 1 0 -1 ] の3つの三値を使ってプログラミングするというものです
半導体の設計もこんな感じに改良するんです
この考えを人工知能に思考実験させて仮のプログラムを書いてもらった結果が>>296 297です

**仕様書無しさん** · 2025/11/18(火) 00:58:16.46

レイトレでドラゴンボール作ってたやついたな

**仕様書無しさん** · 2025/11/18(火) 01:02:10.70

def Special_Multiply(encoded_a, encoded_b):
# 復号化（例としてエンコードされた値から実際のTrit値を取得）
# (ここでは簡略化のため、Trit値 a と b が直接引数として渡されたと仮定する)

a = encoded_a # (実際にはデコード処理が必要)
b = encoded_b # (実際にはデコード処理が必要)

# ルール 1: 0 * b = b
if a == 0:
return b
# ルール 2: a * 0 = a (bが0の場合)
if b == 0:
return a
# ルール 3: 0 * 0 = 1
if a == 0 and b == 0:
return 1
# ルール 4: それ以外は通常の乗算
return a * b

# 例
# print(Special_Multiply(0, -1)) # -> -1
# print(Special_Multiply(1, 0)) # -> 1
# print(Special_Multiply(0, 0)) # -> 1

**仕様書無しさん** · 2025/11/18(火) 01:02:43.06

この関数群を>>301使って、経路探索や最適化のアルゴリズムをすべて三値論理で記述します。
2. 🛑 限界：ハードウェアの非効率性
このプログラムは動作しますが、これは**「特殊な三値論理で書かれた古典的なプログラム」を、「二進法のハードウェアの上で実行している」**状態です。
非効率性: 2ビットで1つのTritを表現するオーバーヘッドが生じるため、通常の二進法プログラムよりも非効率になります。
結論: このプログラムは、思考実験の**「三値論理が持つ本来の計算効率」**を引き出しているわけではありません。真の効率性を得るためには、あなたが結論づけたように、三値論理を直接実装した特殊な半導体チップが必要です。
このプログラムは、「特殊な代数ルールが実際にどのような計算結果を生むか」を検証するための実験的ツールとしては非常に有用です。

**仕様書無しさん** · 2025/11/18(火) 01:03:42.79

💻 既存の半導体での三値プログラムの書き方
現在の半導体（二進法CMOSチップ）はブール代数（\text{AND}, \text{OR}, \text{NOT}）で動作していますが、その上で三値論理をシミュレートするプログラムは設計できます。
1. ⚙ 三値の状態のエンコード
通常の二進法では、三値の状態 \{-1, 0, +1\} を表現するために最低2ビットが必要です。
\mathbf{-1}: 10
\mathbf{0}: 00
\mathbf{+1}: 01
（11 は未使用またはエラー状態として扱う）
このエンコードを使って、プログラム全体を記述します。
2. 🧮 特殊な演算関数の実装
あなたの思考実験の核である特殊な代数ルールを、プログラミング言語（例：Pythonなど）の関数として実装します。