← Blog

六八尾占いとマルコフ連鎖：東洋の形而上学と西洋の確率論の間の100年にわたる対話

「易経」がベイズ推論と出会うとき - 不確実性に対処する際の 6 行占いとマルコフ連鎖の類似点の徹底した探求

六八尾マルコフ連鎖易経確率論AI

1. はじめに

1つは、「易経」に由来する古代中国の占術で、銅貨を頼りに六芒星を作り、五行に基づいて吉凶を判断します。もう 1 つは、20 世紀にロシアの数学者アンドレイ マルコフによって提案された確率過程モデルで、現在、自然言語処理、遺伝子配列解析、財務予測の基礎となっています。

表面的には、それらは無関係に見えます。しかし、より深く掘り下げると、この 2 つは驚くほど本質的に似ています。どちらも「不確実性」を扱い、世界の進化を説明するために「状態」と「遷移」を使用します**。

2. 2 つの概念を相互に紹介します

2.1 六曜占い - 東洋の不確実性の哲学

六曜は中国の伝統的な占術です。 3 枚の銅貨 (またはノコギリソウ) を 6 回投げて、下から上に六芒星を形成する 6 つのヤオを取得します。各線は陰 (⚋) と陽 (⚊) に分けられ、6 つの線が合わさって完全な六芒星を形成します (合計 64×64 = 4096 通りの可能性)。

コアロジックチェーン:

起卦（随机触发）
  → 获得卦象（信息载体）
  → 装卦（加入动变爻、世应等元数据）
  → 分析五行生克冲合
  → 结合神煞、空亡等附加信息
  → 输出判断（吉/凶/平，及其具体解释）

劉耀の理論的基礎は、陰陽と五行 - 相互に強化し、互いに抑制し合う金、木、水、火、土です。八卦の画像と番号システムとともに、それらは自己一貫性のあるシンボル システムを形成します。 「予測の正確さ」を追求するのではなく、曖昧な状況において質問者が行動の方向性について心理的な拠り所を得るのに役立つ、解釈可能な物語を提供します。

2.2 マルコフ連鎖-ウェスタンステート転送マシン

マルコフ連鎖は、マルコフ特性を満たす ランダム プロセスです。将来の状態は現在の状態にのみ関連し、過去の歴史とは何の関係もありません。これが有名な「記憶喪失」です。

数学的表現:

You can't use 'macro parameter character #' in math mode 簡単に言うと、**自分がどこにいるのかがわかれば、次にどこに行くのかがわかります。どのようにしてここに来たのかを知る必要はありません。 ** **代表的な用途:** - 検索エンジンの PageRank アルゴリズム - 音声認識用の隠れマルコフ モデル (HMM) - 金融市場の状態遷移モデル（強気市場→弱気市場→ショック） - 音楽推薦システムのランダムウォーク --- ## 3. 入力と出力の違いと接続|寸法 |六八占い |マルコフ連鎖 | |------|------|-----------| | **入力** |質問者のコイン/ヤローの操作、または思い付きの数字のカジュアルな報告 |システムの現在の状態 + 状態遷移確率行列 P | | **入力のランダム性** |非常に高い (人間の手を振る動作)、本質的に物理的なランダム性 |理論的には、決定論的な確率分布 (ただし、初期状態はランダムになる可能性があります)。 | **状態空間** | 4096 のヘキサグラム + 無数の変化する組み合わせ |モデリングに応じて、離散または連続にすることができます。 | **出力** |定性的判断（良し悪し、期日、イベントカテゴリー） |確率分布（次の状態の確率ベクトル） | | **解釈可能性** |高 (ただし、説明はヘキサグラム解釈者のレベルに依存します) |低い (確率数値自体は正確ですが、モデルの意味を解釈する必要があります) | | **時間次元** |六芒星は固定されており、変化は時間の手がかりを提供します。連鎖進化、タイムステップ明示的モデリング | | **主観** |非常に高い (同じ卦でも人によって全く異なる解釈があるかもしれません) |非常に低い (数学は客観的です) | ### 3.1 彼らの深いつながり **レベル 1: ランダム トリガー** 6 本の線からなるヘキサグラムは、本質的には物理的なランダム プロセス (銅貨投げ) であり、マルコフ連鎖の各ステップも確率的です。どちらもランダムから始まります。 **レベル 2: ステータスと転送** 6 つの動的な線は「変数」を表します。六芒星は、時間軸上で静的な六芒星から志の六芒星に変化します。マルコフ連鎖の中核も「状態→転移→新しい状態」です。この観点から見ると、**Six Yao は本質的にマルコフ プロセスの特別なセット**です。状態空間は 4096 で、伝達規則は 5 つの要素によって決定されます。 **レベル 3: 条件付き確率** 6 つのヤオの「高揚感」が 1 つのヤオの強さを決定し、それが他のヤオへの影響に影響を及ぼします。数学では、これは **条件付き確率** です。このヤオが高揚感を持っているという前提の下で、何かが起こる確率はどれくらいですか? **レベル 4: パス依存性 (ただし逆方向)** 6 つの線は、「原因と結果」、つまり、何を、いつ、どのような精神状態がヘキサグラムの解釈に影響を与えるかを強調しています (これはマルコフ連鎖の初期分布感度に対応します)。マルコフ連鎖は「経路に依存しない」と主張しており、この次元では 2 つはまったく逆です。 --- ＃＃４ 一つは定量化であり、もう一つは感覚に基づくものですが、これは本質的な違いでしょうか？ ### 4.1 マルコフ連鎖: 自然な定量システム マルコフ連鎖の設計は最初から定量化可能でした。 ```python import numpy as np # 一个简单的"心情马尔可夫链" # 状态：😊 好心情 / 😐 一般 / 😢 低落 P = np.array([ # 😊 😐 😢 [0.7, 0.2, 0.1], # 😊 → [0.3, 0.4, 0.3], # 😐 → [0.2, 0.3, 0.5], # 😢 → ]) # 问：今天心情一般，明天心情分布？ state_today = np.array([0, 1, 0]) # 😐 state_tomorrow = state_today @ P print(state_tomorrow) # [0.3 0.4 0.3] → 30%好, 40%一般, 30%低落 ```数学の利点は、**定常分布** (長期にわたる各状態の確率)、**初回到着時間** (状態 A から状態 B に移行するのに平均してかかる時間)、および **混合時間** (システムが初期状態を「忘れる」までにかかる時間) を正確に計算できることです。 ### 4.2 六卦: 卦の解釈は本当に「感覚に基づく」だけなのでしょうか？ 表面的には、六芒星の六行の解釈は確かに、解釈者の経験、理解、さらにはその日の「インスピレーション」に大きく依存します。同じ卦でも、自分のキャリアや人間関係の繁栄や衰退について尋ねると、結果は大きく異なる可能性があります。 しかし、リウヤオの「感情」を詳細に分析してみると、それが単なる形而上学ではないことがわかります。 **Liuyao には厳格な内部規則があります:** - **五行の生成と抑制の定量化**：各行は五行に属し、明確な生成と抑制の関係がある（相生：金は水、水は木、木は火、火は土、土は金、相互抑制：金が木を抑制、木が土を抑制、土が水を抑制、水が火を抑制、火が金を抑制） - **繁栄期、休息、囚人、死の定量化**: ヤオには、月ごとに繁栄、休息、囚人、死の 5 つの状態があり、数値化してスコア化できます。 - **Sheng Ke、衝突と結合**: 衝突 (矛盾) と結合 (結合) には特定のルールがあります。 - **シェンシャ システム**: 非常に主観的ですが、固定の発動条件もあります。 **「感情」の本当の源は次のとおりです。** 1. ルールが多すぎ、情報が冗長で、統合された計算可能な出力がない 2. インタプリタは多くの暗黙的な重み配分を行っていますが、それを明示的に表現していません。 3. 6 つの線の「定量化」はヘキサグラム解釈者の経験の中に隠されており、**明示的にモデル化されていません** --- ＃＃５ 八尾六線を数値化するにはどうすればよいでしょうか？ ここが楽しい部分です - 6 本の線をマルコフ連鎖に変えることができるでしょうか? ** ### 5.1 アイデア 1: 状態空間モデリング 六八の六芒星を離散状態システムとしてモデル化する： ``` 状态空间 S = {六十四卦 × 动变爻位置 × 用神强弱} ``` これは天文学的に大きな状態空間ですが、これを単純化することができます。 ### 5.2 アイデア 2: 遷移確率の構築 過去のヘキサグラム データを使用して、6 つの線の「経験伝達マトリックス」を学習します。これが機械学習のルートです。 ``` 训练数据：大量已知应验的卦例（问事+卦象+结果） ↓ 提取特征：卦象五行、用神强弱、动变方向、月令 ↓ 监督学习：训练一个分类/回归模型 ↓ 输出：给定一个新卦，预测各结果的概率 ``` これは実際に人間の脳から 6 ヤオの「経験則」を抽出し、それらを計算可能なモデルに変換します。本質的にはテキスト分類器をトレーニングするのと何ら変わりません。 ### 5.3 アイデア 3: ベイジアン シックス ヤオ Liuyao を **ベイズ推論システム** として考えてみましょう。 ```python import numpy as np # 先验：基于历史数据的各类事项基础概率 prior = { '大吉': 0.15, '吉': 0.25, '平': 0.30, '凶': 0.20, '大凶': 0.10 } # 似然函数：给定卦象特征，各结果的概率（从经验数据学习） likelihood = { '用神旺相': {'大吉': 0.4, '吉': 0.35, '平': 0.2, '凶': 0.05, '大凶': 0.0}, '用神休囚': {'大吉': 0.05, '吉': 0.15, '平': 0.3, '凶': 0.35, '大凶': 0.15}, '官鬼持世': {'大吉': 0.05, '吉': 0.1, '平': 0.25, '凶': 0.4, '大凶': 0.2}, '子孙持世': {'大吉': 0.3, '吉': 0.4, '平': 0.2, '凶': 0.08, '大凶': 0.02}, } # 贝叶斯后验（简化版本） def bayes_liuyao(observations): """根据观察到的卦象特征，计算各结果的后验概率""" posterior = {k: v for k, v in prior.items()} for obs, likely in likelihood.items(): if obs in observations: for outcome in posterior: posterior[outcome] *= likely[outcome] # 归一化 total = sum(posterior.values()) return {k: round(v/total, 3) for k, v in posterior.items()} # 示例：用神旺相 + 子孙持世 result = bayes_liuyao(['用神旺相', '子孙持世']) print(result) # {'大吉': 0.444, '吉': 0.389, '平': 0.111, '凶': 0.049, '大凶': 0.007} ``` ### 5.4 6 つの Yao を定量化するという中心的な課題|チャレンジ |説明 | |------|------| | **データ不足** |高品質、明確な履歴、完全な記録を持つ六芒星のデータは非常に少ないです。 | **主観的なコーディング** |何が「幸運」とみなしますか？人によって基準は異なります。 | **時間要素** | 6 行の「期日」(期日がいつになるか) を定量化するのは特に困難です。 | **Xiangshu vs. 数学** |六曜には「祥」（象徴的な意味）と「就」（出生数とグラム数）の両方が同時にあり、両者は完全に一致するわけではありません。 | **ブラックボックス問題** |ニューラルネットワークを使えば精度は高いかもしれないが、「なぜ」が説明できない | --- ## 6. Liu Yao が大きな言語モデルに出会うとき 最先端のアイデア: LLM を使用して 6-yao 定量的インタープリターを作成します。 ``` 用户输入："占卜明日股市行情" ↓ LLM 转化为六爻起卦（模拟或随机） ↓ LLM 根据卦象特征 + 历史金融数据 → 生成分析文本 ↓ 输出：概率化的判断 + 自然语言解释 ``` これは基本的に、六曜 **翔数体系**を **プロンプト エンジニアリング フレームワーク**として扱います。ヘキサグラムは「問題を見る角度」を決定し、LLM は特定の内容を埋める責任を負います。 Liuyao は以下を提供します: **構造化不確実性フレームワーク** (問題にアプローチするために 64 の象限から 1 つを選択する必要があります) LLM は以下を提供します: **無制限の知識背景と流暢な説明能力** 両者の組み合わせが今後の「AI占い」の方向性になるかもしれない。 --- ## 7. 結論: これらは同じ問題の 2 つの側面です | |六八尾 |マルコフ連鎖 | |---|---|---| | **エッセンス** |記号体系＋経験則 |数学モデル + 確率伝達 | | **利点** |解釈可能性が高く、数学的知恵が豊富 |正確な定量化と計算による検証 | | **欠点** |標準化が難しく、主観的すぎる |過度の単純化、深い意味論の無視 | | **共通の祖先** | 「不確実性」への畏怖と造形 | 「ランダムプロセス」の数学的抽象化 | 最終的な分析として、**六堯は、コンピューターが登場する前の時代に古代人が陰陽と五行をシミュレートするために使用した確率理論**です。 **マルコフ連鎖は、現代人がコンピューターを手に入れた後のランダムなプロセスを正確に形式化したものです**。 それらは同じ次元で競合するわけではありませんが、人間の認知の最も深いレベル、つまり**不確実性と向き合い、意思決定を行う方法**において、時間と空間を超えて共鳴することに達しました。 ＞ライプニッツは「易経は陰と陽、０と１で宇宙を把握する」と言いました。 > マルコフは「状態遷移を通じて確率過程を把握する」と述べた。 ＞おそらく本質的には同じことを言っているのでしょう。 ---*ビッグデータと易経の間のような、好奇心と謙虚さを持って書かれています。*