陳胤辰中原商設
ホーム
概要
講師紹介開講情報
講座
計算思考とプログラミング自然科学と人工知能プログラミング言語入門
インタラクティブ
アイテム交換モンティ・ホール問題ベッティングシミュレーター数字スライディングハノイの塔
プログラミング
JS基礎チュートリアルJavaScriptP5.js (授業用)
応用
人体システム占術システム建築システム

言語

繁体中国語簡体中国語English日本語

陳胤辰

中原大学商業設計学科
資宸テクノロジー

クイックリンク

  • 講師紹介
  • 開講情報
  • インタラクティブゲーム
  • JavaScript

お問い合わせ & ソーシャルメディア

© 2026 陳胤辰。著作権所有。

Built with Next.js & Tailwind CSS

🌌 システム概論🔮 命盤エンジン📊 データ構造⚡ 四化状態機🤖 ルールエンジン

応用 · 占術システム

紫微斗数は
古代のビッグデータ

唐末に誕生し、千年の最適化を経た占術システム。現代アルゴリズムの視点から見ると、多次元特徴に基づいた分類モデルに、時系列再帰動的予測エンジンを備えています。

AI講座へ 講師について

システム解構

命盤のデータ構造

『神秘性』を取り除き、紫微斗数の核心機制を現代コンピュータサイエンスの基本概念に対応させることができます。

🗺️

命盤 → 2次元行列

十二宮位 × 各種星曜 = 疎行列(Sparse Matrix)。各宮位はノード、星曜は特徴値(Feature)、宮位間の三方四正は辺(Edge) — 本質的には有向グラフ(Directed Graph)です。

📅

天干地支 → 係数化計算

天干(10)× 地支(12)= 60干支、コンピュータの剰余演算(Modular Arithmetic)と同構。年 % 60 = 納音位。これは2000年前に発明された『ハッシュ関数(Hash Function)』です。

✨

宮位飛化 → 関数マッピング

四化(祿、権、科、忌)は星曜の異なる宮位での『状態変換関数』を代表し、現代ニューラルネットワークの活性化関数(Activation Function)に類比できる — 同じ星でも、宮位によって異なる質的な変化が出力されます。

⏱️

大限流年 → 時系列再帰

大限は10年ごとに宮位の重みを更新し、流年は毎年一層追加します。これは時系列再帰システム(Temporal Recurrence)で、LSTMのゲート付きメモリ機制と驚くほど構造的に似ています。

概念対照

古代占術 vs 現代AI用語対照

伝統占術
現代AI/コンピュータサイエンス
命盤(出生時刻の初期状態)
訓練データセットの初期特徴ベクトル
十二宮位(人生領域分類)
マルチラベル分類(Multi-label Classification)
星曜組み合わせ(格局)
特徴交差(Feature Interaction / 組み合わせ特徴)
四化飛星(動的変化)
注意メカニズム(Attention)の動的重み
三方四正(遠距離影響)
グラフニューラルネットワーク(GNN)のマルチホップ近傍集約
命宮主星(核心特質)
エンコーダーの潜在空間(Latent Space)ベクトル

排盤流程

アルゴリズムフロー図

1
入力 — 出生年月日時(陰暦)+ 性別 → 4つのグローバル変数を初期化
2
宮位定位 — 『寅』宮を起点に、命主の五行に基づいて命宮位置を決定、12宮に順序配置
3
主星配置 — 紫微星系(14顆)+ 天府星系(14顆)は出生年干に基づいて対応宮位に落置
4
補助星計算 — 六吉六煞、雑曜合わせて40+顆の星は、出生月日時に基づいてそれぞれ宮位を計算
5
四化飛入 — 出生年干に基づいて飛化表を検索、4顆の星(祿権科忌)がそれぞれ特殊属性を取得
6
格局判定 — 全盤走査、『廟旺利陷』行列 + 格局ルールベース(ルールエンジンのような)とマッチさせ
7
大限流年叠加 — 10年をユニットに宮位を叠加、流年は再度飛化 → 現在の予測ベクトルを出力

学術的観点

なぜそれほど科学的に検討する価値があるのか?

紫微斗数の正確性については議論が絶えませんが、ここで議論したい重点ではありません。

より興味深い問題は:1100年前に設計されたシステムは、なぜそれほど複雑なルール体系を持ちながら、コンピュータのない時代に伝達・修正・最適化され続けたのでしょうか?

思考する価値のある問題

  • ルール数 > 1000条 → これは『過学習(Overfitting)』の古代版ですか?
  • 口伝で引き継がれた訓練データ → バイアスはどのように伝播・強化されているか?
  • 個別解釈の差異 → これはモデルの柔軟性か、『事後合理化(Post-hoc Rationalization)』か?
  • もしすべての命盤データをデジタル化してMLモデルを訓練すれば、どんな相関関係が見つかるか?

答えは重要ではありません。提問の方式こそが、AI講座が教えたい核心的能力です。

科学的方法で古い知恵を認識する

『自然科学と人工知能』講座は類似の思考フレームワークで各種複雑システムを分析します。

講座ページへ

排盤流程

演算法流程圖

1
輸入 — 出生年月日時(農曆)+ 性別 → 初始化四個全域變數
2
宮位定位 — 以「寅」宮為起點,依命主五行確定命宮位置,順佈十二宮
3
主星安置 — 紫微星系(14 顆)+ 天府星系(14 顆)依年干落入對應宮位
4
輔助星計算 — 六吉六煞、雜曜共 40+ 顆,依出生月日時分別計算宮位
5
四化飛入 — 依年干查飛化表,四顆星(祿權科忌)各取得特殊屬性
6
格局判定 — 掃描全盤,匹配「廟旺利陷」矩陣 + 格局規則庫(類似規則引擎)
7
大限流年疊加 — 以 10 年為單位疊加宮位,流年再次飛化 → 輸出當前預測向量

學術觀點

它為什麼值得被科學認真對待?

紫微斗數的準確率爭議永遠不會停止,但這不是這裡想討論的重點。

更有意思的問題是:一套在 1100 年前設計的系統,為什麼擁有如此複雜的規則體系,卻能在沒有電腦的時代被流傳、被修正、被優化?

值得思考的問題

  • 規則數量 > 1000 條 → 這是「過擬合(Overfitting)」的古代版嗎?
  • 口耳相傳的訓練資料 → bias 如何傳播並被強化?
  • 個體解讀差異 → 這是模型的彈性,還是「後驗合理化」?
  • 若把所有命盤資料數位化並訓練 ML 模型,會發現什麼相關性?

答案不重要。提問的方式才是 AI 課程想教的核心能力。

用科學方法認識古老智慧

「自然科學與人工智慧」課程用類似的思維框架分析各種複雜系統。

前往課程頁面