観測軸（Dimension）には、離散的な値（国名や人名など）が入る場合と、連続的な値（時間、温度など）が入る場合があります。
生データからLLMを使って観測軸を抽出する際に、観測軸の種類（離散値か連続値か）に応じて、観測軸を自動生成します。
連続値型の軸合は、値の範囲フィルターとして機能します。線形フィルターという部分がそれ。
これができると、時間軸での変化を追って、「ある時、突然スパイクが立った」を検出できるので、ある日から特定のニュースが増えた・減ったのようなことを観測できます。
ぱっと見て特徴を見つけられるように意味空間断面のUI（Pivot Matrix）を拡張しています。以前は、ここは青の濃淡によるヒートマップでしたが、色分けすることにしました。
これはニュースフィード約2250件ほど取り込んだ状態をPivotで見た様子です。
世界のニュースを観測する地図みたいな感じ。
これはBI寄りの使い方。
バイクの販売実績データを読み込ませたもの。
これで多次元意味空間の断面を観測する、というPivotサービスの骨格が完成しました。
人間は、
- 自転車→移動能力の拡張
- トラック→輸送能力の拡張
- 望遠鏡・顕微鏡→視力の拡張
- コンピューター→計算能力の拡張
と、文明の中で能力を拡張してきました。
そしては今では、
- AI→思考能力の拡張（っぽい）
という段階に来ています。
つまり、文明の層を重ねてきた。
このPivotサービスは、
- 情報収集能力の拡張
- 観測能力の拡張
を、思考能力拡張のための道具として置いた形です。
ZIKUUは小さいけれど、文明の層をすべて重ねた空間になりつつあります。
この後は、
- ラジオの文字起こしデータ（世間の空気やローカルニュース）
- 論文（理論）
- 塾内の活動記録
- エッセイ（思想、哲学、考え方）
- 人工衛星データ（自然）
などを順次取り込んでいって、意味空間を膨らませていくことになります。
「観測UIとして鍛える〜Pivotサービス」への1件のフィードバック