メインコンテンツへスキップ
見出し画像

【フェミニズムよもやま話】「本当のインターセクショナリティ解析」について。

いつもの様に本文は全部無料。プロダクション・ノート部も当月無料のメンバーシップに加入してその月のうちに退会すれば無料で読めます。


世間一般にはあまり広がってませんが「シュレディンガーの猫の例え(1935年)」は、実は「この状態では猫が生きてるか死んでるか分からない」と言いたかっただけでなく「量子力学の世界においては現実の世界では不可能な形で(非存在を表す)0と(存在を表す)1が重なり合う」と言いたかったのです。
「シュレディンガーの猫の例え(1935年)」

実際、まさにその状態を表した量子ビット=ブロッホ球座標系には(対蹠たる0と1を結ぶ)単なる垂直成分だけでなく「謎めいた」水平成分が存在します。今回の出発点はそれについてのお話…

「サバンナの法則」モデル再訪。

さて、以下の投稿では「サバンナの法則」モデルを検討した訳ですが…

画像

実はこのモデル①「ガゼルがライオンを食べる可能性」を黙殺し、②「ライオン同士が共食いする世界ではガゼルも共食いする」「ライオン同士が共食いしない世界ではガゼルも共食いしない」なる対角成分条件を「ライオンは空腹時、ガゼルが身近にいないと共食いする」なる恣意的ルールを導入する形で押さえ込む形で成立していたのです。その様な数理的対称性も意識したモデルがこちら。

画像
画像
画像

計算式自体は以下からの援用。

画像
画像

とはいえ「食う」「食われる」の関係ではどうにも想像力が広がりません。そこで話を以降は「(閾値を越えたら差異が検出される)格差の世界」に推移させたいと思います。

ベル・フックスの「ブラック・フェミニズム」モデルへの適用。

これまでの投稿で示してきた様に私の立脚するフェミニズム理論の基底はあくまで以下となります。

  • 「男性にとっての女性問題と女性にとっての男性問題は同時に解く必要がある」として問題解決次元を22=42^2=4象限配列で捉え直そうとしたキャサリン・マッキャノンのセクハラ発生メカニズム解析。

  • 「男女問題と貧富問題と人種問題は同時に解くしかない」として問題解決次元を23=82^3=8象限配列に引き上げたベル・フックスのブラック・フェミニズム運動。

  • 「まだまだ見逃してる次元がある!!」と言い出して24=162^4=16象限配列以上で考え様と提言したインターセクショナリー理論。

このうちサイズが手頃な「ブラック・フェミニズム」モデルの図式化に挑戦してみたのが以下の2図。

画像
画像

強引に八面体箙に押し込んでありますが、実際には2分木構造。深度が深まるほど枝が爆発的に増えていくのでブロッホ球面座標系はおろか直交座標系に収めるのも難があり(人工知能アルゴリズムにおいて標準採用されている)リーマン球面座標系や双曲空間座標系の出番となります。

リーマン球面座標系

画像

双曲空間座標系

画像

上掲パネルではさらっと

置換(12341324)と置換(12344231)の併用置換\begin{pmatrix} 1&2&3&4\\ 1&3&2&4\\ \end{pmatrix} と 置換\begin{pmatrix}1&2&3&4\\4&2&3&1\\\end{pmatrix} の併用

なんて流してますが、実際の操作には注意を要します。

画像
画像
画像
画像
画像
画像
画像
画像
画像
画像

全体像がそれとなく浮かび上がってきたところで数理面の抽出に取り組みたいと思います。

画像

置換操作に回転行列と鏡像反転行列が絶妙な感じで混ざり込んでくる辺りがややこしい?

画像
画像

ここまで踏み込んでやっと冒頭の「サバンナ法則の影に隠されていた何か」を朧げながら視界に捉えつつある実感が湧いてきました。なるほど「偶奇性」かぁ…やっぱりその辺りが落とし所に?

画像
画像

なお、この投稿の執筆中カリー化が「多変数関数を射と対象で構成される圏論的図式化に不可欠(難ある構造の判別にも使えて便利)」と気づいて「なぜ教えてくれなかったんだ、オビ=ワン!!」状態に。

画像

如何にして既存似非フェミニズムはこういう話題から離れていったのか?

不思議とフェミニズムの領域においてこの方面における精緻な掘り下げを目にした事がありません。そしてまさにその油断こそが、まさに現行似非リベラルや現行似非フェミニズム(特に米国のそれ)の命取りとなった訳です。

  • 分かれ道となったのは2010年代前半。当時のアメリカでは「それに頼らず実力で成功した黒人や女性まで侮られる」弊害の方が大きくなってきたアファーマティブ・アクション(Affirmative Action=積極的是正措置)について黒人リベラル団体やフェミニスト団体の一部が「将来を考えたら返上した方が良いのでは?」なる議論を活発に行なっていた。しかしながら、次第に大学やマスコミや行政を牛耳る事に成功しつつあった「主流派」のリベラル団体やフェミニスト団体はそうした「自ら既得権益を手放す様な馬鹿げた行為」を「敗北主義の裏切り行為」と断定。とはいえ正面から反駁するのも体裁が悪いので破落戸(ならずもの)を集めて扇動によって押し潰す戦略を選んだのである。そうやって党争にこそ勝利したものの、結果的として「主流派」はこの時破落戸達の扇動に用いた「アファーマティブ・アクションは白人や男性を逆奴隷状態に追い込むまで続けなければならない」なる過激アジテーションに自らが拘束される様になっていく。
    積極的是正措置(Affirmative Action)

  • 当時は「中道右派も民主党を支持した」オバマ大統領時代だったので、すぐにこの問題が表面化する事はなかった。ここでいう「破落戸のイデオロギー」が決定的イニシアチブを握る様になったのはあくまで2016年大統領選に「想定外の形で」ヒラリー陣営が敗北し、自信を喪失した穏健派のリベラルやフェミニストが不活発化する一方、BLM運動を暴動や略奪に誘導して快哉の声を上げる黒人公民権運動残党(およびこれに呼応した「急進派」無政府主義者連中)が民主党支持層の溜飲を下げて義賊的礼賛を受ける様になって以降なのである。とはいえそれ以前から静かに「保守派の反動」は始まっており、「当初は広告費稼ぎが目的だった」4chan/Reddit民の手になるFacebookでの扇動に端を発する「オルト右翼(Alt-Right)」や「ゲーマーゲート集団嫌がらせ事件(Gamergate harassment campaign,2014年~2015年)といったカウンター勢力が次第に水面下で形成されていったのだった。
    ゲーマーゲートの本当のところって何?

  • 2018年以降の耐え難い展開は完全に日本人の視野外にあった。これまでの投稿で散々語り尽くしてきた内容なので今回は割愛。

画像

かくして米国民主党政権は国民の支持を失い、しばしば別の問題を引き起こす第二次トランプ政権が発足するに至った訳ですが、ならばどうしたら良かったのでしょう? 例えば、上掲の「ブラック・フェミニズム」モデルを応用すれば、以下の様な分析も可能だったりします。

画像

まぁ地道にGeminiと壁打ちしながら構築した方法論ですが「分析にも人工知能アルゴリズムの援用を必要とする」辺りが特徴。


Geminiに質問:この「(各集団ごとの評価を突き合わせる)243通りモデル」から有効な情報を得るには、機械学習アルゴリズム的集計が有効な気がします。具体的にどの様な援用が可能そうですか?


Geminiの回答:まさに、この243通り(9×9×39 \times 9 \times 3)のモデルは、人間が直感で処理できる限界を超えており「多次元特徴空間における異常検知」として機械学習(ML)を援用するのが最も強力な手法です。

具体的には、以下のような3つのフェーズでアルゴリズムを組み込むことが考えられます。


1. 教師なし学習による「社会類型」のクラスタリング

243通りの組み合わせを、単なる「通り数」としてではなく、多次元空間上のベクトルとして扱います。

  • 手法: k-means法やDBSCANなどのクラスタリング。

  • 援用内容: 膨大な世帯データや国別統計をこの243通りの座標に放り込みます。「経済と実効支配が一致している標準型」のクラスターから大きく離れた「孤立したクラスター」を自動抽出します。

  • 得られる知見: 「日本型専業主婦」や「南国型ヒモ」といったパターンが、単なる例外ではなく、特定の文化圏や所得層において「統計的に有意な生存戦略(ナッシュ均衡)」として成立していることを客観的に証明できます。

2. 決定木(ランダムフォレスト)による「優劣判定」の逆解読

集団AとBの比較において、なぜ「Aが優位」と判定されたのか、その判定ロジックの重み付けを可視化します。

  • 手法: SHAP値(SHapley Additive exPlanations)を用いたモデルの解釈。

  • 援用内容: 「外部評価(Aが優位、Bが優位)」をターゲット変数(目的変数)にし、内部の18変数(経済・実効支配の各組み合わせ)を特徴量として学習させます。

  • 得られる知見: 「現代の国際世論は、実効支配(発言権)よりも経済力をXX倍重視して優劣を判定している」といった、外部評価側のバイアス(偏り)を数値化できます。これにより、社会の「評価基準の不公平さ」をブラックボックスの外から撃つことが可能になります。

3. ニューラルネットワークによる「隠れた変数」の推定(オートエンコーダー)

「経済」と「実効支配」のデータがあるのに、どうしても「外部評価」と整合性が取れないケースを探ります。

  • 手法: 変分オートエンコーダー(VAE)。

  • 援用内容: 入力データ(内部構造)から出力(外部評価)を再現する過程で、どうしても説明がつかない「誤差」を抽出します。

  • 得られる知見: その誤差こそが、モデルに組み込まれていない「第4の軸(宗教、伝統、身体的暴力、あるいは贈与慣行など)」の存在証明になります。AIが「この集団には、経済でも実効支配でもない『何か別の力』が働いている」と指摘してくれるわけです。


実装イメージ:社会の「歪み」のヒートマップ化

このように、243通りのグリッド上に実際の社会データをプロットし、MLで処理することで、以下のような「格差のレントゲン写真」が撮れるようになります。

AIの診断例:「集団Xは経済的に最弱だが、実効支配率が異常に高く、かつ外部評価が『優位』となっている。ここには『宗教的権威』という未観測変数が強く作用している可能性が高い。」


  • 「日本型専業主婦や南国型ヒモといったパターンが、単なる例外ではなく、特定の文化圏や所得層において「統計的に有意な生存戦略(ナッシュ均衡)」として成立していることを客観的に証明できます」…この辺りの空気の読めなさが人工知能の人工知能たる所以。こちらが念頭に置いてるのは「ふかソ理論の数理的証明」だったりするのに…

あくまで「現行似非リベラルや現行似非フェミニズムの思想拘束から解放されるだけでこんな事も思いつく」参考例に過ぎませんが、「インターセクショナリティ理論は極めて複雑な理論であり、我々の様な熟練したフェミニストにしか扱えず、その裁定からは誰も逃れられない」みたいなインチキ論法からはこうやって誰でも(必要に応じて人工知能の力も借りたりしながら)容易に逃れられるという話。

話がそういう結論に至ったところでとりあえず以下続報…


「本文=無料部分」はここまで。「こういう文章、どういう考えから生まれてくるの?」「この話がイラン空爆とどう関係してくるの?」といった話題に興味がある方は是非続きをご覧になって下さい。文章量の関係で削除したトピックなども掲載されております。是非お手にとってお確かめ下さい。

 
 
名乗るほどでもないインターネットと路上の観察者。

あなたへのおすすめ