フジテレビCM差し止め拡大、日産など10社超に
https://www.nikkei.com/article/DGXZQOUC203310Q5A120C2000000/
『2025年1月20日 13:06 (2025年1月20日 13:22更新)
フジテレビで放映しているCMを当面の間差し止める企業が相次いでいる。トヨタ自動車や日本生命保険、NTT東日本、花王、セブン&アイ・ホールディングス、日産自動車など少なくとも10社超が20日までに差し止めた。いずれもタレントの中居正広さんと女性とのトラブルを巡り、フジテレビの社員の関与が報道されていることなどを踏まえた対応としている。
フジ・メディアHD傘下のフジテレビジョンが17日に同問題に関する記者会見を開いて以降、CMを差し止める企業が増えている。日本マクドナルドホールディングスは「一連の報道とフジテレビ側の発表を総合的に勘案して判断した」（広報担当者）と説明する。
【関連記事】
・フジHD株価、一時8%高 株主総会に向け思惑
・フジテレビ、後手に回った調査委設置 見えぬ事実関係
・フジテレビ、中居さん巡る社員関与を外部委員会で調査 』
世界乱す米大統領の自己愛 歯止めなき「人格リスク」
本社コメンテーター 西村博之
https://www.nikkei.com/article/DGXZQOGN1212O0S5A110C2000000/
『2025年1月20日 11:00 [会員限定記事]
think!
多様な観点からニュースを考える
慎泰俊さんの投稿
慎泰俊
1789年、初代米大統領ワシントンが就任演説をしたのは当時首都だったニューヨークのウォール街。人格者で知られる彼が短い演説で強調したのは道徳の大切さだ。米政策の基盤は道徳だと述べ「正直さや寛大さと国民の繁栄・幸福は分かち難い」と訴えた。
20日、再就任するトランプ大統領との落差はあまりに大きい。
共感より実利優先の「起業家型」
歴代の大統領が皆、道徳的だったわけではない。だが良識を露骨に否定する…
この記事は会員限定です。登録すると続きをお読みいただけます。
慎泰俊のアバター
慎泰俊
五常・アンド・カンパニー株式会社 代表取締役
分析・考察 あくまで個人的な感想ですが、トランプ氏はこれからの長期トレンドである米国の相対的な地位凋落の表象なのだと思います。国や組織というのは、特定のリーダーを選ぶから落ち込むのではなく、落ち込んでいく流れにあるからこそそのような指導者を選ぶと私は考えます。
今も米国はテクノロジー領域等においては圧倒的なポジションを築いていますが、それも10年20年経ったらどうなるか分からないなと個人的には思っています（特に移民政策を予定通りに続ける場合）。日本の30年間もそうでしたが、圧倒的な権勢を誇るタイミングに、すでに凋落の芽はあるものです。』
トランプ2.0 発言で読み解く
就任式直前、7つのテーマが焦点
https://www.nikkei.com/telling/DGXZTS00013840W5A110C2000000/
『ドナルド・トランプ氏が20日、米大統領に返り咲く。歯に衣（きぬ）着せぬ物言いで外交から経済、内政まで過激な公約を掲げてきた。これから4年間、異端の第47代大統領はどう動くのか。第1次政権とは何が違うのか。過去の発言から読み解く。
この記事は会員限定です。登録すると続きをお読みいただけます。』
中東・アフリカ、気候変動にAI活用 災害予防に軸足
https://www.nikkei.com/article/DGXZQOGR149IA0U5A110C2000000/
『2025年1月20日 4:00 [会員限定記事]
気候変動問題が真っ先に表面化する地域である中東・アフリカで対策や適応に人工知能（AI）を利用する機運が高まっている。多大な電力を消費するAIは「解決」ではなく「問題」の一部との観測もある。中東の産油国はテック大手の主張を取り入れ、段階的な脱石油という国家戦略と調和させようとしている。
1月14〜16日にアラブ首長国連邦（UAE）のアブダビで開いた「世界未来エネルギーサミット」で発表された報告書は…
この記事は会員限定です。登録すると続きをお読みいただけます。』
『生成AIは大量の電力を消費することで知られる。対話型AIの「Chat（チャット）GPT」は通常のグーグル検索に比べて一回あたり25倍の電力を使うとの試算がある。AIの電力消費量は2030年にはフランスの消費量の2倍に達する可能性がある。予想を上回る電力消費が、温暖化ガスの抑制に逆行するのではないかという懸念が向けられている。』
『それでもAIが気候変動対策の有力ツールとなる期待は大きい。国連のグテレス事務総長は24年の国連総会演説で、持続可能な開発目標（SDGs）の達成でAIの活用と、それを規制する国際協力の重要性を強調した。
24年に世界食糧計画（WFP）は英オックスフォード大などが東アフリカを舞台としてAIを利用した新しい気候変動予測のモデルを作成した。降雨量や干ばつについてより正確な早期警告を提供することで、気候変動の被害への対策ではなく予防に軸足を移すことが可能になる。大手テック企業の主張によればAIを利用することで温暖化ガスの排出量は10%削減されエネルギーコストを10〜20%抑制できる。』
『化石燃料の利用に急ブレーキをかけ、一足飛びのクリーンエネルギーへの移行を「非現実的」と主張してきた中東の湾岸産油国の戦略とAI利用は親和性が高い。中東の国営石油会社は欧米の民間石油企業が、株主の圧力で投資を一気に縮小したのを尻目に、AIやビッグデータなどの分野に多額の投資をおこなってきたからだ。
UAEは23年の第28回国連気候変動枠組み条約締約国会議（COP28）のホスト国だった。UAEは世界未来エネルギーサミットを気候変動へのAI利用を訴えるプラットフォームとして活用しようとしている。』
『気候変動の「元凶」ともいえる石油の輸出を国家発展の柱に据えてきた産油国の気候変動対策は広義の「グリーン・ウオッシング」（イメージ改善を目的とした見かけだけの対策）という批判もある。気候変動対策の焦点がサプライチェーン（供給網）全体の温暖化ガス排出量「スコープ3」へと移るなか、産油国もふくめたパートナーシップや対策の透明性が求められている。』
時間がかかるWebでの調べ物をAIに丸投げしよう！「browser-use」の使い方
https://pc.watch.impress.co.jp/docs/column/nishikawa/1654156.html
『西川 和久2025年1月17日 06:16
去年(2024年)年末あたりから「browser-use」の文字がXのタイムラインに流れ出し、試したところなかなか面白かったので、今回ご紹介したい。一言で言えば「LLMとWebブラウザを使ったタスク処理」だが、一体何ができるか！？について、順に解説したい。
その1 – cli版
まず、browser-useとは何か？簡単に解説しよう。去年12月に「Claude Desktop」+「MCP」の組み合わせでローカルのファイルやDB(データベース)にアクセスしたが、そのWebブラウザ版と言えば分かりやすいだろうか？
記事を要約する(AI)3行まとめ
関連記事
【西川和久の不定期コラム】「MCP」でチャットAIが外に飛び出せる！Claude DesktopでDBとファイルを操作してみた(2024/12/11)
つまり、プロンプト(Prompt)でLLMに指示、それをWebブラウザ操作的に解釈して実行。Webブラウザ上の特定文字を読み取り、LLMへ戻すといった仕掛けとなる。
説明するより実際操作した方が早いので環境構築を行ないたい。今回はLLMにbrowser-use推奨の「OpenAI / gpt-4o」を使用する。
実行には、Pyhtonとその仮想環境の「mini conda」なども必要。Pyhtonのバージョンは3.12。仮想環境は「venv」でも「uv」でもいいのだが、ここでは筆者が愛用しているmini condaを使用する。以下、適当なフォルダを作って実行(実際は%以降のコマンド)。
(base) % mkdir browser-use-cli
(base) % cd browser-use-cli
(base) % conda create -n browser-use python=3.12
(base) % conda activate browser-use
(browser-use) % pip install browser-use
(browser-use) % playwright install
これで準備完了だ。browser-use自体はpipのライブラリであるためこの1行でOK。playwrightは、筆者も初めて使ったのだが、主な用途はE2Eテスト自動化フレームワークとのこと。Microsoftが開発している。
動かすには簡単なコードが必要となる。たとえばtest.pyに以下のコードを記述。YOUR_API_KEYにはOpenAI APIキーを入力する。
from langchain_openai import ChatOpenAI
from browser_use import Agent
import asyncio
OPENAI_API_KEY=”YOUR_API_KEY”
async def main():
agent = Agent(
task=”””
あなたは記事監視エージェントです。
以下のURLから記事を監視をしてください。
対象記事: AI
下記の形式で5件見つけてください。
asyncio.run(main())
VSCode上のtest.py
実行は python test.py。
筆者2024年の記事からAI関連5件をピックアップ
結果は以下の通り(そのままでは見づらいので整形)。
1.
task=""" あなたは記事監視エージェントです。下記の形式で5件見つけてください。
その2 – WebUI版
ここまでは、エディタなどを使ってtask=””” … “””, の中身を実行する内容に応じて書き換える必要があった。簡単と言えば簡単なのだが、面倒！っと思う人用に先日WebUI版もリリースされた。インストールは以下の通り(この時、cli版のmini conda環境に加える形となる)。
(browser-use) % git clone https://github.com/browser-use/web-ui
(browser-use) % cd web-ui
(browser-use) % pip install -r requirements.txt
.env に API Keyを設定
(browser-use) % cp .env.example .env
OPENAI_API_KEY=XXXX
WebUI 起動
(browser-use) % python webui.py –ip 127.0.0.1 –port 7788
※ Webブラウザ http://127.0.0.1:7788 で起動。他とPortなどが当たる時は変更する
起動すると以下のような画面が現れる。最低限触るのはLLM Configuration。
anthropic
claude-3-5-sonnet-20240620, claude-3-opus-20240229
openai
gpt-4o, gpt-4, gpt-3.5-turbo
deepseek
deepseek-chat
gemini
gemini-2.0-flash-exp, gemini-2.0-flash-thinking-exp, gemini-1.5-flash-latest, gemini-1.5-flash-8b-latest, gemini-2.0-flash-thinking-exp-1219
ollama
qwen2.5:7b, llama2:7b
azure_openai
gpt-4o, gpt-4, gpt-3.5-turbo
これだけに対応しているので、API Keyを持っているプロバイダを選ぶ。この時、deepseek / deepseek-chatのようにVision(画像認識)非対応モデルは、Agent Settings / Use Visionのチェックを外す。
これらLLM API関連部分は、src/utils/utils.pyに入っているので、少し書き換えればローカルで動作するLM StudioのOpenAI APIを使うことも可能。ただM4 Max 128GBに収まる程度のモデルだと商用より賢くないため、動くのは動くものの正常な結果は得られなかった(Phi-4、llama-3-8b-chat、Qwen2-VL-7B-Instruct、wen2.5-7b-chat-1106、sky-t1-32b-previewで確認)。
LM StudioなどOpenAI API互換のアプリで実行するには
src/utils/utils.py
の113行辺りに
”openai”: [“gpt-4o”, “gpt-4”, “gpt-3.5-turbo”],
とあるので、このように使用するモデル名を追加
”openai”: [“wen2.5-7b-chat-1106”, “gpt-4o”, “gpt-4”, “gpt-3.5-turbo”],
Agent Settings
・非Visionモデルの場合は Use Vision のチェックを外す
LLM Configuration
・LLM Provider: openai
・Model Name: 追加したモデル名
・Base URL: http://192.168.11.49:1234/v1 endpointを追記
これで動作する。うまく動いたモデルがあったらぜひ筆者に教えてほしい。
Agent Settings。使用するモデルによってはUse Visionのチェックを外す
LLM Configuration
Browser Settings
Run Agent
前置きが長くなってしまったが、OpenAI / gpt-4oはすべてデフォルトのままでOK。まず動作確認から。Run Agentに
“go to google.com and type ‘OpenAI’ click search and give me the first url”
とあるのでそのまま実行してみる(訳:google.com にアクセスして「OpenAI」と入力し、検索をクリックして最初のURLを教えてください)。
WebUIを使って”go to google.com and type ‘OpenAI’ click search and give me the first url”を実行。これで$0.03
Results / Final Resultに“The first URL is https://openai.com.”とあるのであっている。なお、Resultsの白いブランク部分はwebm形式でWebブラウザが表示した内容を録画してあり、後から確認可能だ。
以上のように、WebUIだとコードにあるプロンプト部分を毎回書き換える必要もなく、Run Agentに入力するだけ……と手軽だ。
画面キャプチャはmacOSだが、Windows 11でもまったく同じ手順で動作することは確認している(扉の画面キャプチャ参照)。ハマる部分もなく、Python関連アプリのセットアップとしては簡単な方だろう。
実践編 – 渋谷から北海道に蟹鍋食べに行って一泊するとHow much！？
WebUIが動いたので実践編。browser-useについてネットなどを調べるとログインが必要なサイトはダメっぽい。と言って単に検索すれば分かるものは面白くないので、複数の項目で検索し、得た金額も合算したい。そこで考えたのは、
以下のかかる合計費用および、それぞれの費用を計算/表示してください
-渋谷から札幌へ
-名店で蟹鍋を食べる
-ホテルに一泊
-札幌から渋谷に戻る
としてみた(笑)。
渋谷から北海道に蟹鍋食べに行って一泊するとHow much！？指示に従って自動で調べてる様子(Resultsの録画から)。約2分30秒
結果はいかに！？
The estimated total cost for a 1-night, 2-day trip from Shibuya to Sapporo, including flights, dining at a famous restaurant, and a hotel stay, is between ¥36,871 and ¥55,871. This accounts for the following expenses:
{
“queries”: [
{ “description”: “渋谷から札幌までの航空券の価格” },
{ “description”: “蟹鍋 名店 札幌 価格” },
{ “description”: “札幌 ホテル 料金” },
{ “description”: “札幌から渋谷までの航空券の価格” },
{ “description”: “札幌で蟹鍋の価格の平均” },
{ “description”: “札幌ホテル平均料金” },
{ “description”: “名店で蟹鍋を食べる料金 札幌” },
{ “description”: “札幌におけるホテルの平均コストは？” },
{ “description”: “札幌における蟹鍋の平均コストは？” }
],
“travel_cost_estimates”: [
{
“description”: “渋谷から札幌への旅行費用の合計計算通例”,
“example_trip_cost”: {
“total_range”: “¥36,871 to ¥55,871”,
“details”: {
“flights”: “¥20,871 (往復、渋谷→札幌)”,
“dining”: “¥6,000から¥15,000 (蟹鍋、名店での食事)”,
“hotel_stay”: “¥10,000から¥20,000 (1泊)”
}
}
},
{ “description”: “やすい旅行費用計算事例 渋谷から札幌” },
{ “description”: “旅行の具体的な費用サンプル” },
{
“description”: “渋谷から札幌への1泊2日の旅行の費用計算例”,
“specific_trip_cost_example”: “1泊2日の旅行の費用例 渋谷から札幌”
}
]
}
細かいことを言えば、渋谷から空港、札幌から空港までの電車代(往復)も入れて欲しかった(笑)。おそらく空港までの電車代を明示的に指示しておけば入ったかと思われる。ある意味、筆者のミスとも言える。
余談になるが、Apple Intelligenceは、Webブラウザだけでなく、メールやメモ、画像など、ローカルにある情報を横断的に扱えるAIエージェントだ。もちろんテキストだけでなく、音声で入出力可能。browser-useよりさらに何歩も進んだAI環境となっている。MicrosoftもCopilotでこのぐらいのことをしてほしいところ。
以上のようにbrowser-use (WebUI)は、LLMとWebブラウザを使いプロンプトに従ってタスク処理するアプリケーションだ。MCPでLLMが外に出たが、これもその一種と言える。
現在正常に動作させるにはOpenAI / gpt-4oなど、商用の大規模モデルが必要となるものの、これがローカルPCで動作するPhi-4辺りで動き出すとまた違った世界が見れるようになるだろう。
既に対応LLMの中に「ollama qwen2.5:7b」,「llama2:7b」など7Bクラスが入っているので、そう遠くない日に(正常に)動き出すのではないだろうか？』
キオクシア、3D NANDフラッシュの記憶密度を2倍に高めるアーキテクチャを開発
https://pc.watch.impress.co.jp/docs/column/semicon/1655640.html
『福田 昭2025年1月20日 08:36
3D NANDフラッシュの行き過ぎた高層化による弊害
NANDフラッシュメモリ大手のキオクシアは、従来に比べて3D NANDフラッシュメモリの記憶密度を2倍に高めるアーキテクチャを開発し、メモリセルの試作結果を国際学会「IEDM」で2024年12月11日(米国時間)に発表した(講演および論文番号30-1)。キオクシアは開発したアーキテクチャを「HCF(Horizontal Channel Flash)」と呼称している。
3D NANDフラッシュメモリの記憶密度向上(あるいは記憶容量拡大)は主に、水平方向に形成したワード線(セルトランジスタのゲート電極)を垂直方向(縦方向)に積層する数(ワード線の積層数)を増やす「高層化」によって進められてきた。このアーキテクチャでは垂直方向に形成したスルーホールに多結晶シリコン(Si)を埋め込んでチャンネルを形成し、セルトランジスタを構成する。
記事を要約する(AI)3行まとめ
ただし「高層化」は積層数が増加するとともに、いくつかの課題が無視できなくなってくる。その1つが、垂直方向チャンネルが長くなることによる抵抗の増大だ。原理的には積層数を2倍にすると、チャンネルの電気抵抗値は2倍に増加する。このためチャンネル電流が低下する。
この対策として、従来は高層化とともにゲート電極層と絶縁層のペア(以降は「ペア」と表記)を薄くしてきた。ただしチャンネル抵抗の増加は抑えられるものの、ペアをあまり薄くするとワード線抵抗が大きく増加するとともに隣接するセルトランジスタ間の電気的な干渉が無視できなくなる。ペアを薄くすることはすでに、困難になりつつある。
ワード線(ゲート電極)とチャンネルのレイアウトを入れ換える
そこで過去に考案されたのが、垂直方向をゲート電極、水平方向をチャンネルとする3D NANDアーキテクチャだ。「VG(Vertical Gate)-NAND」と呼ばれる。VG-NANDフラッシュではチャンネルを積層するので、積層数を増やしてもチャンネル抵抗は変わらず、チャンネル電流も変わらない。ゲート電極の抵抗は増加するが、VG-NANDフラッシュではダブルゲートとすることで、抵抗増大の影響を緩和している。
従来アーキテクチャの3D NANDフラッシュ(左)とVG-NANDアーキテクチャ(右)の模式図とセル電流(チャンネル電流)の比較。キオクシアがIEDM 2024で発表した講演のスライドから(講演番号30-1)
VG-NANDフラッシュの弱点はまず、メモリセル面積が従来の3D NANDアーキテクチャに比べて大きくなってしまうことだ。キオクシアの講演および論文によると、VG-NANDアーキテクチャのセル面積は従来の3D NANDアーキテクチャと比べて約1.5倍に広がる。
メモリセルアレイ全体でみると、高層化の効果が従来の3D NANDアーキテクチャと比べて低いという課題もある。積層したチャンネルを引き出すためのステアケース(階段状)領域がチャンネル積層数の増加とともに拡大する。ステアケース領域の拡大によってメモリセルアレイ全体の記憶密度が押し下げられてしまう。
メモリセルの縮小とステアケース領域の削減で記憶密度を高める
キオクシアが考案したアーキテクチャは、VG-NANDアーキテクチャを改良し、3D NANDアーキテクチャよりも高い記憶密度を実現することを狙う。「HCF(Horizontal Channel Flash)」と同社は呼称している。名称の通り、水平方向にチャンネルを配列した3D NANDアーキテクチャである。垂直方向はゲート電極となる。
VG-NANDと異なるのは、セルトランジスタのゲート電極はシングルゲートであること、記憶技術にフローティングゲート(FG)を採用したこと、ゲート電極をスタガード(千鳥格子)配列したこと、メモリストリング同士とメモリブロック同士を専用配線(LBI : Local Block Interconnect)で相互接続したこと、などだ。
シングルゲートとすることでメモリセル面積を縮小し、スタガード配列によって微細加工の難度を緩和し、LBIによってステアケース領域を大幅に削減した。
3D NANDフラッシュの高層化限界とキオクシアの代替案。キオクシアがIEDM 2024で発表した講演のスライド(講演番号30-1)と研究論文(論文番号30-1)から筆者がまとめたもの
VG-NANDアーキテクチャ(左)とHCFアーキテクチャ(右)の模式図。黄色の部分がチャンネル、緑色の部分がゲート電極(ワード線)、ピンク色の部分が選択ゲート(SG)。キオクシアがIEDM 2024で発表した講演のスライドから(講演番号30-1)
単位セル面積は3D NANDフラッシュの半分
メモリセルレイアウトはVG-NANDセルがダブルゲート、電荷捕獲方式を採る。セルは直交配列である。ダブルゲートによってチャンネルの間隔が広くなるため、単位セル面積がかなり大きい。単位セル面積は6F2(F2は設計ルールの2乗)である。
HCFセルはシングルゲート、浮遊ゲート方式を採る。セルは千鳥格子配列(スタガード配列)である。千鳥格子配列とすることでチャンネルの間隔を狭くできた。単位セル面積は2F2とVG-NANDの3分の1、従来の3D NANDセルと比べても2分の1に小さくなるとする。
VG-NANDアーキテクチャ(左)のメモリセルレイアウトとHCFアーキテクチャ(右)のセルレイアウト。記憶技術はVG-NANDセルが電荷捕獲(チャージトラップ)、HDFセルが浮遊ゲート(フローティングゲート)。キオクシアがIEDM 2024で発表した講演のスライドから(講演番号30-1)
セルトランジスタを試作して動作を確認
キオクシアはHCFアーキテクチャのセルトランジスタを試作し、書き込みと読み出しの動作を確認した。ただしセルトランジスタの寸法と動作条件(バイアス電圧)は公表していない。
製造工程の流れ(プロセスフロー)は概略を公表した。二酸化シリコン膜(層間絶縁層)とシリコン窒化膜(チャンネル用犠牲層)を交互に成膜し、チャンネル分離(ブロック形成)用の溝を掘る。次に溝を二酸化シリコン膜で埋める。それからゲート用のスルーホールを開ける。続いて犠牲層を除去して多結晶シリコンで埋め、チャンネル層とする。スルーホールの側壁(チャンネル層)にトンネル絶縁膜と浮遊ゲート膜、中間絶縁膜を形成し、スルーホールを多結晶シリコン(制御ゲート電極)で埋める。
テスト用メモリセルの製造工程(左)と試作したメモリセルの電子顕微鏡観察像(右)。キオクシアがIEDM 2024で発表した講演のスライドから(講演番号30-1)
試作したテスト用メモリセルで、書き込み(プログラム)と消去、読み出しの動作を確認した(バイアス電圧は公表していない)。書き換えサイクル寿命は、1万サイクルまで劣化しないことを確認した(温度条件は公表していない)。また隣接する(千鳥配列なので厳密には対向する)セルトランジスタ間の電気的な干渉はほぼないとする。
試作したテスト用メモリセルの評価結果。左は書き込み(プログラム)と消去の特性。中央は書き換えサイクル試験の結果、右はセルトランジスタ間の電気的な干渉のテスト結果。キオクシアがIEDM 2024で発表した講演のスライドから(講演番号30-1)
キオクシアが考案したHCFアーキテクチャの3次元フラッシュには、未公表の項目が少なくない。単体セルでの評価結果は、詳細が不明なままだ。今後の続報には、メモリセルの動特性やメモリセルアレイの試作結果などが、具体的な条件を添えて開示されることを期待したい。
キオクシアがIEDM 2024で発表したHCFアーキテクチャの未公表項目と今後の続報に期待する内容 』
米次期政権、ドル高頼み鮮明 ｢プラザ合意2｣は消えたか
https://www.nikkei.com/article/DGXZQOGN17ED20X10C25A1000000/
『2025年1月18日 6:18 [会員限定記事]
【ワシントン=高見浩輔】トランプ次期米政権の「ドル高頼み」が鮮明になっている。経済閣僚の候補者らは関税の引き上げによる輸入物価の上昇圧力をドルの上昇で相殺するシナリオを描く。「プラザ合意」のような本格的なドル高是正案は次期政権内でなおくすぶるが、あるとしても検討時期は先になりそうだ。
「関税引き上げの負担は誰が払うのか。外国か、米国民か」。16日に米連邦議会の指名公聴会に出席した財務長官候補のス…
この記事は会員限定です。登録すると続きをお読みいただけます。』
お取りつぶし」も含めると消滅した江戸時代の藩は500近い⁉─藩の基礎知識と大名統制幕藩体制─
https://www.rekishijin.com/24406
『2022.12.09
江戸幕府から領地の支配を認められたのが「大名」、大名を頂点とした組織、または領域が「藩」。一般的にはこのように認識されているかもしれない。だが、実はそんな単純ではない。「藩」を存続させるのは非常に困難であり、消滅してしまう藩も多数あったという。
■幕府が判物や朱印状を発給し「藩」は領有が認められる
家光までの武断政治の時代は、外様を改易して取り上げた領地を、譜代に抜擢した大名に与えるケースが多かった。件数は減ったものの、綱吉の頃まで続いた。
大名の所領・支配組織を指す「藩」という名称は、明治維新以降に普及した。江戸時代では、大名の所領はその姓名を冠して「○○家領」「○○領分」、支配組織も「○○家中」などと呼ばれるのが通例だった。
藩は単独で成り立つものではなく、幕府から所領の支配（領有）を認定されることで、領主が大名つまり藩主として君臨できるシステムになっていた。将軍の代替りごとに、その花押が据えられた領知判物（はんもつ）、あるいは朱印が据えられた領知朱印状（しゅいんじょう）が諸大名に発給されることで、領有が認定される仕組みである。
こうして、幕府と藩が共同して日本を統治する幕藩体制が誕生したが、その画期は領有権を担保する領知判物・朱印状が１万石以上の所領を持つ領主に一斉に発給された寛文４年（１６６４）に求められる。これを寛文印知（かんぶんいんち）といい、１万石以上の所領を持つ領主が大名つまり藩であると名実ともに認定され、藩による統治システムも確立されることになる。
江戸開府前、家康からみると大名の大半は外様大名であった。家康は関東に転封された際に２５０万石の大封を与えられたため、１万石以上の所領を持つ一門や家臣の数が42名にも及んだ。この時点で、親藩・譜代大名が40名余いたが、その数が飛躍的に増えたのは関ヶ原合戦に勝利し
た後である。
徳川家康は西軍に参加した外様大名から没収した所領を元手に、東軍に参加した大名への論功行賞を行った。半分以上の４２５万石が東軍参加の外様大名への加増に当てられ、３割弱の２２０万石をもって一門や家臣への加増分に当てた。80名以上の外様大名が改易された一方で、一門や家臣で親藩あるいは譜代大名に取り立てられた者も多かったが、譜代大名の数の方が圧倒的に多い。
３代将軍・徳川家光の代までは、幕府が大名を改易する事例は多かった。主に外様大名が対象だが、１万石未満の家臣を大名つまり譜代大名に取り立てる事例も少なくなかった。外様大名は減る一方だったが、譜代大名の数は増加傾向が続き、外様大名の数をはるかに上回っていく。
かたや大名側には、１万石以上の所領を割いて分家の大名を創設する動きがみられた。跡継ぎなしとの理由で改易（かいえき）処分が下るのを防ぐための自衛策だった。
その結果、大名の数は公称３００、幕末には実数２６０名程に達するが、改易された家を含めると実質５００近くがあったと考えていい。
赤穂藩の取りつぶし
赤穂藩は改易された藩の代表例である。浅野内匠頭（長矩）が江戸城松之廊下で高家・吉良上野介に対し刃傷事件を起こし切腹。お家は断絶した。（『忠雄義臣録第三』東京都立中央図書館蔵）
監修・文／安藤優一郎
（『歴史人』2023年1月号「江戸500藩変遷事典」より）』
藩王国
https://ja.wikipedia.org/wiki/%E8%97%A9%E7%8E%8B%E5%9B%BD
『出典: フリー百科事典『ウィキペディア（Wikipedia）』
1909年当時のイギリス領インド帝国。イギリスによる直接統治下に置かれた地域はピンク、藩王国、保護国は黄色で示されている。
植民地時代のインド（英語版）
British Indian Empire
イギリス領インド帝国全図
オランダ領インド 1605年-1825年
デンマーク領インド 1620年-1869年
フランス領インド 1668年-1954年
ポルトガル領インド
（1505年-1961年）
インド商務院 1434年-1833年
ポルトガル東インド会社 1628年-1633年
ゴア併合 1961年
イギリス領インド
（1612年-1947年）
イギリス東インド会社 1612年-1757年
東インド会社統治下のインド 1757年-1858年
イギリス領インド帝国 1858年-1947年
イギリス統治下のビルマ 1824年-1948年
藩王国 1721年-1949年
インド・パキスタン分離独立 1947年
テンプレートを表示
藩王国（はんおうこく、英語: princely state, native state, Indian state）とは、イギリスが植民地統治していた時代のインド（現在のインド・パキスタン・バングラデシュ、およびミャンマーを含むインド帝国）において、イギリスの従属下で一定の支配権を認められていた藩王（prince）の領国のことである[1]。「土侯国」とも訳される。
ネパール王国とブータン王国はそれぞれグルカ戦争とブータン戦争の結果イギリスの保護国とはなったものの、藩王国としては扱われていない。
歴史
その起源は、18世紀初頭にムガル帝国の皇帝アウラングゼーブが死亡して帝国が分裂したのち、独立した州やその周囲にあった諸領邦のうちで、イギリス東インド会社と軍事保護条約を結び、同盟関係にあった諸国である。
その数は約600あり、広さはニザーム藩王国（ハイダラーバード藩王国）、ジャンムー・カシュミール藩王国のように20万平方キロメートルを超えるものから[2]、数平方キロメートル程度のものまで様々で、総面積は独立前のインド全体の約45%、人口は約24%を占めた。
藩王の称号はさまざまで、ヒンドゥー教徒の場合はマハーラージャ（大王）、ラージャ（王）、デーシュムク（郷主）、タークル（地主）など、ムスリム（イスラーム教徒）ならナワーブ（太守、知事）、ワーリー（支配者）などを称し、ハイダラーバード藩王はムガル帝国時代に由来するニザーム（統治者）を称した[3][4]。だが、イギリス政府からはいずれも「藩王｣（prince：「諸侯」の意味）と呼ばれた。
藩王国はイギリスとの軍事保護条約により、防衛・外交権を除いた自治権を認められてはいたが、しばしばイギリスが派遣した政治顧問（駐在官）の内政干渉を受けた。
また、インド総督ジェイムズ・ラムゼイ (初代ダルハウジー侯爵)による「失権の原理」（養子相続を認めない藩王国併合政策）の強行により、イギリス領に併合された藩王国も多かった[5][要ページ番号][6]。だが、インド大反乱後は分割統治に利用できる傀儡勢力として一転して保護されるようになった。
そのため当時、藩王国にインド議会の法律は適用されず、藩王たちは自由に統治した。クリシュナ・ラージャ4世やサヤージー・ラーオ・ガーイクワード3世のような名君の統治した極少数の藩王国では近代国家並みに発展したところもある。だが、大半は支配階級の贅沢に国家予算の大部分が使われる時代遅れの体制だった。
同様の支配体制は宗教・文化が異なるミャンマー（ビルマ）でも行なわれ、現在のカレン州、カチン州、シャン州など少数民族の居住地域に藩王国が建国された。
1947年8月15日、インド・パキスタン分離独立の際、数国を除いてほとんどの藩王国はどちらかの国に併合された[7]。帰属を決めかねていた藩王国に関すると、ジュナーガド藩王国の場合はインドがパキスタンの内地になることを恐れ、1947年に強制併合され、翌1948年の住民投票でインドへの帰属が決められている (Indian integration of Junagadh) 。ムスリムの大藩王国であったニザーム藩王国はパキスタン寄りの立場を示したため、ポロ作戦でインドに強制併合されている。カシュミール地方に存在したジャンムー・カシュミール藩王国の帰属問題は、インド・パキスタンの間でカシュミール紛争になり、現在も係争中である。独立に際してインド政府が多くの藩王国を強制的に併合した理由に、19世紀のインド大反乱の際にほとんどが反乱を鎮圧したイギリス側についたことへの報復の意味合いが含まれているとされる。
ミャンマー（ビルマ）の藩王国は、同国の独立後も（同国の政治的混乱もあり）一定の支配力を保ち続けたが、1962年のネ・ウィンによる軍事クーデターでビルマ式社会主義体制が樹立すると、政府軍の実力行使によって支配層から排除された。また、シャン州などの一部の藩王国は、旧ビルマ共産党などの新興の反政府勢力によって駆逐されたものもあった。
主な藩王国
現・インド
ニザーム藩王国（ハイダラーバード藩王国）
アワド藩王国
グワーリヤル藩王国
インドール藩王国
ナーグプル藩王国
ヴァドーダラー藩王国
サーターラー藩王国
コールハプール藩王国
タンジャーヴール藩王国
マイソール藩王国
ジャイプル藩王国
ウダイプル藩王国
ジョードプル藩王国
ビーカーネール藩王国
ジャイサルメール藩王国
ブーンディー藩王国
トラヴァンコール藩王国
コーチン藩王国
コダグ藩王国
バラトプル藩王国
クーチ・ビハール藩王国
カッチ藩王国
ガルワール藩王国
ジュナーガド藩王国
プドゥコーッタイ藩王国
サンバルプル藩王国
ポールバンダル藩王国
ボーパール藩王国
バーンスワーラー藩王国
ダール藩王国
デーワース藩王国
ラームプル藩王国
ジャーンシー藩王国
オールチャー藩王国
バンガナパッレ藩王国
サヴァヌール藩王国
カルヌール藩王国
ムドール藩王国
カプールタラー藩王国
パティヤーラー藩王国
アジャイガル藩王国
バスタル藩王国
パタウディー藩王国
ビルバリ藩王国
現・パキスタン
バハーワルプル藩王国
カイルプル藩王国
カラート藩王国
ラス・ベラ藩王国
マクラーン藩王国
アンブ藩王国
チトラル藩王国
ディール藩王国
スワート藩王国
フンザ藩王国
ナガル藩王国
バルーチスターン藩王国
シンド藩王国
カラン藩王国
チョーリスターン藩王国
シックゥ藩王国
現・ミャンマー（ビルマ）
カンタラワディ藩王国
カンチ藩王国
ケントゥン藩王国
北センウィー藩王国
シャン藩王国
シポー藩王国
タンペン藩王国
モゥ藩王国
モクマイ藩王国
モンカゥン藩王国
モンナイ藩王国
モンパイ藩王国
モンパウン藩王国
モンパン藩王国
モンミッ藩王国
モンヤイ（南センウィー）藩王国
モンルン藩王国
モンロン藩王国
ヤンウェ藩王国
ロックソック藩王国
その他
ジャンムー・カシュミール藩王国
脚注
^ Ramusack 2004, p. 87 Quote: “The British system of indirect rule over Indian states … provided a model for the efficient use of scarce monetary and personnel resources that could be adopted to imperial acquisitions in Malaya and Africa. (p. 87)”
^ Markovits, Claude (2004). A history of modern India, 1480–1950. Anthem Press. pp. 386–409
^ Great Britain. Indian Statutory Commission; Viscount John Allsebrook Simon Simon (1930). Report of the Indian Statutory Commission …. H.M. Stationery Office 9 June 2012閲覧。
^ All India reporter. D.V. Chitaley. (1938) 9 June 2012閲覧。
^ ガードナー 1989.
^ メトカーフ & メトカーフ 2009, p. 140.
^ Vapal Pangunni Menon (1956) The Story of the Integration of the Indian States, Macmillan Co., pp. 17–19
参考文献
ブライアン・ガードナー 著、浜本正夫 訳『イギリス東インド会社』リブロポート、1989年。
バーバラ・D・メトカーフ、トーマス・D・メトカーフ 著、河野肇 訳『ケンブリッジ版世界各国史 インドの歴史』創士社、2009年。
関連作品
ディワン・ジャルマニ・ダス 著、佐野光昭 訳『マハラジャ歓楽と陰謀の日々：インド裏面史』荒地出版社、2007年。
関連項目
藩（日本）
ナワーブ
藩王国の一覧
インド帝国、インド連邦
外部リンク
ウィキメディア・コモンズには、藩王国に関連するメディアがあります。
世界飛び地領土研究会－ハイデラバード藩王国 – ウェイバックマシン（2005年1月31日アーカイブ分）
世界飛び地領土研究会－パキスタンの藩王国 – ウェイバックマシン（2005年10月27日アーカイブ分）
Exclusively on Indian princely states and domains.
カテゴリ: インドの歴史イギリス領インドインドの王朝
最終更新 2025年1月7日 (火) 04:55 （日時は個人設定で未設定ならばUTC）。
テキストはクリエイティブ・コモンズ 表示-継承ライセンスのもとで利用できます。追加の条件が適用される場合があります。詳細については利用規約を参照してください。』
ジジイがあれこれ考えた 