国内AIニュース
スマートフォン普及の歴史になぞらえ、近い将来に全員が自分専用のAIエージェントを所有する社会の到来を予見する。日常の雑務をすべてAIに代行してもらう「専属秘書」のような未来が当たり前になる背景を論じる。
完全初心者がゼロからローカルAIを自作するプロジェクトの第2回。PyTorchを活用し、シェイクスピアのテキストデータをAIが学習可能なテンソル形式へ変換し、モデルに流し込むまでのプロセスをGeminiが解説。
AIの仕組みを学ぶため、プログラミング初心者がLLMをゼロから自作するプロジェクトの第1回。AIが専属メンターとなり、環境構築からテキストデータを数値配列へ変換する辞書作成までのプロセスを紹介する記録。
個人ゲーム開発中に発生する「本来の目的外の作業（パラメータ調整等）」を抑制するため、「画面を見ない」という制約をAIに守らせる実験的試み。集中力を維持するためのプロセスの強制と、その効果についての報告。
AIが普及した現代において「勉強は不要か」という問いに対し、AIを使いこなすためにこそ深い知識が必要であると説く。AIの能力を前提とし、学習の目的が「暗記」から「AI活用のための判断力」へシフトすべきだと主張する。
AIエージェントがセッションを跨いで記憶を保持できない不満を解消するため、人間の記憶構造を模したファイルベースの記憶管理の実装記録。会話ログに頼らず長期的なコンテキストを維持する運用手法を解説する。
Support Vector Machine（SVM）は教師あり学習の分類モデルです。データ間のマージンを最大化する超平面を配置し、データを分類します。汎化性能を高めるSoft Marginや、非線形データに対応するKernel Trickなどの手法が特徴です。最適化を通じて、プラスとマイナスのデータを境界線で二値分類する仕組みを解説しています。
生成AIを活用したWebメディアの改修効率化とリスク管理について解説します。WordPressのテンプレート修正が大規模な影響を及ぼす事例として「ダンスル」を挙げ、トップページや各エリアページを改修した際の設計思想と注意点をまとめました。速度だけでなく、既存メディアのSEOや予約導線への波及リスクを抑える運用の知恵を共有します。
7年目のフリーランスインフラエンジニアによる、AIエージェント導入の備忘録。CodexやClaude Codeを用いた開発からDify、RAG、ローカルLLMまで、AI技術をインフラ業務へどう取り込むか、自身の取り組みと技術的知見を紹介する。
クラウドAIの不安定さやローカルLLMの速度課題を受け、AI環境の分散化を目的としたSakana Fuguの導入レポート。22ドル分を試した使用感と、日々の開発・執筆補助ツールとしての適性を評価する。
生成AIによる「バーチャルステージング」で、不動産画像が見栄えよく加工される事例が増加。内見時に実際の部屋と大きな差異があるなど、虚偽の設備描写や欠点の隠蔽が問題視されています。賃貸利用者の負担増につながる現状を報告。
Google Antigravityのレート制限を機に、LiteLLM Proxyを活用したローカルLLM中心のコーディング環境を構築。複数拠点間をNetBirdで接続し、用途に応じてモデルを切り替える構成の技術的詳細を解説。
コーディングエージェント「Sakana Fugu」と既存の「Claude Code」「Codex」を実測比較。品質は横並びだが、Fuguはコストと速度面で現状の利用用途では乗り換えるメリットがないとの結論。
Googleが公開した拡散ベースのテキスト生成LLM「DiffusionGemma」を解説。従来の自己回帰型とは異なり、ノイズから文章を彫り出すプロセスを可視化し、OCRタスクでの検証結果を紹介する。
金属加工業を舞台に、非専門家がAIを活用して実務上の見積り業務等の困りごとを解決する連載企画。実在しない架空の会社を通じ、AIで「属人化」を解消する手法をシミュレーションする。
Praxia DesktopによるローカルAI環境でのPowerPoint生成パイプライン設計と失敗談。Markdown、HTML、画像などLLMによるスライド生成の4パターンを整理し、編集可能なプレゼン資料を自動生成する課題を詳述する。
コーディングエージェントの自律実行における安全と速度のトレードオフ問題を解説。Anthropicの「Claude Code」2.1.183版による、破壊的コマンドの自動ブロック機能の意義を考察。
キャンプ目線で天候リスクを判定するWebツールを開発。雨・風・気温・湿度から撤収判断や装備検討をサポートする。地図から地点を選んでリスクを可視化できる。
ローカルLLMとクラウドLLMを組み合わせたテスト自動化環境の構築記録。AIが書いたテストの品質を担保するため、外部での機械的チェックによる利益相反の回避策を提案。
AIに不要なルールを伝えても、memoryやルールファイルが更新されず整合したまま残る構造的問題を指摘。AIが古い情報を疑わなくなる「確証バイアス」的挙動について解説。