はてなブックマーク

オープン社内報です。noteが中長期で目指すコンテンツのモデレーション（オススメ）基準についてお知らせします。 私たちは中長期で、以下のようなコンテンツを中長期で応援していきたいと思います。 noteの編成、モデレーション、AI、サクセス、トラスト&セーフティチームは、以下のリストを日々の判断に取り入れてください。またクリエイターの皆さんも、自身のこだわりと衝突しない範囲で、下記を参考にしていただくとオススメです。 大原則noteでは「一次情報」と「生の体験の記録」「私の気づき」の発信を、今後より積極的に応援していきたいと思います。 AI生成の記事そのものは否定はしません。OKです。ですが、noteチームとしては特に以下の優先順位でオススメの作品を探していきます。 1: 「人間による生の一次情報・体験の記録・作品」 2: 「自身の一次情報を、AIを『ツールとして』活用して編集・構成したもの

わりと複数の企業のお悩みが、「そもそも生成AIでやるべきでない問い」にチャレンジして疲弊してる。ので説明メモ。 大企業が生成AIを導入してうまくいかないケースの多くは、ツールの性能不足というより、業務設計がズレている印象があります。 もう少し正確に言うと、「AIが苦手な問い」をそのまま投げている。で、当然苦戦しています。 ポイントは大きく2つあります。 完璧性を要求する仕事を、やってはいけない ステップが長く連鎖する仕事も、やらせないほうがいい 順番に解説すると… そもそも完璧性を要求する仕事を、やってはいけない生成AIは確率分布で、未来を予測したり、答えを予測するマシーンです。つまり、「確率的に間違えが発生する」ことは仕様の一部です。 なので、以下のような「そもそも100%の正しさを前提とする業務は苦手」です。 正解が一意で厳密：数式の厳密計算、機械語や厳密仕様のコード生成（1文字違いで

CXO視点で、企業がnote書く時に大事なことまとめ。AI時代の検索エンジン最適化といわれる、GEOやLLMOについての考え方です。 「noteはAIから、ムチャクチャ引用されるらしい」 そんな話が、マーケティング界隈で話題です。きっかけは、株式会社ヴァリューズとCOOD株式会社から相次いで発表された2つのレポートでした。 どうも世の中は、検索順位に左右される時代から、AIに信頼され、学習され、引用される「指名買い」の時代にシフトしつつあります。 つまりBtoCではなく、BtoA with C（企業がAIにアピールし、AIが許可したものだけがユーザーに流れる）の台頭です。 では、AIに愛されるコンテンツと、スルーされるコンテンツの境界線はどこにあるのか？ noteというプラットフォームの特性や、「中の人」視点も交えながら、その「生存条件」を言語化しておこうと思います。 企業やマーケターさん

「ClaudeCodeフレンドリーなログを作るシステムがあれば、バイブコーディングの効率があがるのでは？」という仮説から、GenAI時代のロガーを作ってみた。お暇な方は、仮説検証にお付き合いください。 AI時代のログ作成術：あなたのAI助手がコードを理解できるログを作ろう 従来のログは人間向けでしたが、今やClaude CodeやGemini CLIなどのAI助手がコードを理解し、デバッグを手伝ってくれる時代です。 VibeLoggerは、コーディングエージェントが活用しやすい「構造化されたログ」を簡単に作成できるPythonライブラリです。 🎯 なぜVibeCoding Loggerが必要なのか？従来のログ（人間向け）import logging logging.info("User profile fetch failed for user 123")→ AIには「何が起きたか」しか

プロトタイプのワークフローのテストアウトプット。 Nvidiaの分析を作成したので、株に詳しい人はレビューしてフィードバックください。複数の違うトップモデルの算出をアンサンブルして統合したもの。 NVIDIA (NVDA) 株価推移分析レポート発行日: 2025年6月5日 免責事項: 本レポートは、現時点で入手可能な情報および提供された分析資料に基づき作成されたものであり、将来の株価を保証するものではありません。株式投資は市場リスクを伴い、投資元本を割り込む可能性があります。投資に関する最終決定は、ご自身の判断と責任において行うようにしてください。本レポートは投資助言を目的としたものではありません。 1. エグゼクティブサマリーNVIDIA (NVDA) は、人工知能 (AI) ブームを背景に空前の成長を遂げており、特にデータセンター部門が業績を強力に牽引しています。次世代アーキテクチャ「

ふだん、AIとどんな対話したり、どうやってプロンプトを組み立ててるの？ときかれたので、最近のGemini pro 2.5さんとの対話のコピペ。こういうの会話してると、普通に1日とけたり徹夜できてしまうので怖い。 問1ロボットの形状を人間に似せてしまうと、ロボットの自由度が人間の形状に制約され、探索可能な可能性空間が限定される。同様の問題は形而上でも発生すると類推できるので、AIの思考形態や思考法を人間に似せてしまうと、同様に探索可能な可能性空間が限定されてしまう… という仮説について考察 深津の質問Gemini内部推論1ユーザーは、ロボットの形状を人間に似せると自由度が制約されるように、AIの思考形態を人間に似せると思考の可能性空間が限定されるのではないか、という仮説について考察を求めている。 この仮説について、以下の点を考慮して考察を展開する。仮説の根拠（類推の妥当性）: ロボットの物理

フィードバックループのスケーリングとは？これはオリジナルの概念なので補足する。 フィードバックループのスケーリングとは、1タスクの遂行において「状況を確認し意見を修正する機会数」をスケーリングさせるという概念。 推論スケーリング では、1回のタスクのために、長時間や超ステップで考えさせる。 フィードバックループのスケーリング では、1回のタスクに対して「意見修正」できる機会をたくさん作る。 わかりやすいモデルケースなぜフィードバックループのスケーリングが重要なのか？このコンセプトを明確にするために、単純化したモデルを考えてみよう。 以下の2つのモデルのうち、どちらが自動運転で高い性能を発揮するか？ 「超AIが考え抜いて、朝イチバンに明日の株価を予測する」 「並のAIが、1時間ごとに状況判断を修正しつつ明日の株価を予測する」 実際に運用した場合、どう考えても後者のほうが良い成績を残すだろう。

スタートアップのメンタリングをしていると、しばしば「全部を自分で作りたい病」に遭遇する。 作っちゃダメ！スタートアップのリソースは有限スタートアップはリソースが限られている。だからこそ、本当にコアな価値に集中する必要がある。開発・経営リソースは 競争優位性を生む部分に集中投下すべき であり、それ以外は可能な限り外部のリソースを活用するのが賢明だ。 しかし、現場ではこうした言葉をよく耳にする。 「このツール、使いにくいから自作しよう」 「このツール、高すぎるから開発しました」 「微妙に業務と合わないので、社内で作りました」 一見合理的な判断に思えるが、実際には 大きな落とし穴 となり、中長期的に技術負債を抱えることになる。 ほっとけばGAFAが解決する課題は作るなもし、その機能や仕組みが 半年〜1年でGAFA（Google、Amazon、Facebook、Apple）などの大手が提供しそうな

ADHD気味で色々なモノが管理できないのだけど、AIと一緒に「ADHDでもできる最小コスト、合理化運用システム」を作ると、かなり便利…というメモ。 以下は、「洗濯」を合理化したサンプル。日常の様々なタスクをこうやって整理してもらうと、だいぶ生きやすくなるなぁと思う。 1. システム全体の基本コンセプト自動化・単純化: 「考えずに済む」「余計な中間作業を排除」「ワンアクションで完結」を基本原則とし、どれだけズボラな状態でも継続可能な仕組みにする。 統一・標準化: 服の種類・管理方法・投入方法を標準化することで、判断や操作の負荷を極力減らす。 2. システム構成要素と実施方法(1) 服の種類の最小化目的: 洗濯時や日常の服選びにおける判断負荷と仕分け作業をなくす 実施方法: 下着、靴下、Tシャツなどはすべて同一の種類・色（例：黒Tシャツ、黒パンツ、統一の靴下）に統一する 片方の靴下がなくなって

noteさんとgoogleさんが資本業務提携した記念。 noteの書き手さんの個性やよさを潰さず、クリエイティブのサポートとして便利なGeminiやGPTのオススメ活用法など。 以下は、特に「クリエイターの言語化能力を伸ばす」ことを主軸においたプロンプトです。AIに文章力奪われるより、AIで文章力をやしないたいよね。 ツイートから記事を組みたてていきなり長文note書くのがしんどいビギナーむけ。思ったことをXにボチボチ連続ツイートしてから、それを生成AIにコピペしてまとめてもらう。 以下は私のXのスレッドのコピペです。雑全とかかれたツイートの論旨をまとめて、体系的に整理して思考をまとめて。 そのまま記事を生成させてもいいですが、まず1回しっかり思考をまとめてもらいクリアにするだけでも効果抜群です。 盛り上がりのかけを調整する文章が平たんになって盛り上がり作るの苦手な人むけ。 以下の文章にし

今年開設されるZEN大学で、「生成AIでリサーチとか勉強を加速させるには？」的な授業をやることになったので、その前座的なまとめ。 生成AIでとりあえず「英語」を効率よく学ぶ。深津式のベータ版。 自分の好きな分野で学ぶまず英語そのものを学ぶのではなく、「好きなことのために英語を学ぶ」構造を作る。 ポケモンカードでも、音楽でもスポーツでも、何でもいいから「自分がメチャクチャ成長したい趣味分野」を定める。 で、ChatGPTの4o以降のモデルで下記のように聞く。 あなたは英語予備校の先生として、英語の長文読解を楽しく学ぶための教材を以下の条件に従って作ってください。 * トレーディングカードゲームのデッキ編成論を題材にする。 * 関係代名詞を題材にする。 * フォーマットは会話形式（or エッセイ形式）にする。 これで、自分の興味分野の英語長文がつくれる。毎回テーマを考えるのが難しい場合は、下記

プロンプト入門本を日経BPさんから出しました。 プロンプト丸暗記系の初心者が、自分でプロンプトを構築できる中級者になるまでをガイドする本です。 対話形式でサクサクよめ、「まぁ細かい点はうろ覚えだけど、仕事でスイスイ使える」までの、社内AI推進には便利な本ではないかと思います。 自分の頭で考えられるようになります。 習得、実用のしやすさのために、概念をあるていど大雑把に簡略化しています。 というわけで、上級者やアカデミックな正確性のある資料を求めている型には、ちょっとミスマッチな本です。 以下、いくつか補足や修正などを集約するメモ。（増刷時に改定できそうなら盛り込みます） P.69 Oneshot Promptingについて正: One Shot Prompting 誤: Zero Shot Prompting お手本なしの一発生成は、Zero Shot Promptingが名称として正しい

「事前検死」というメソッドを使うと、プロジェクトの失敗率を大きくさげられてオススメ。それ用のGPTsも作った。 事前検死とは？事前検死というのは、失敗学で用いられるメソッド。プロジェクトの一番最初に、「プロジェクトは盛大に失敗したのだ！」という設定で、プロジェクトの生前葬と反省会を行う。 たとえば「新規サービスを作ったがローンチに失敗した何故だ！？」という問いからスタートし、 市場調査をしなかった プロトタイプを作らなかった ゴールラインをリリースに引いてしまっていた など、起こり得るプロジェクトの失敗を最初にシミュレートする。 事前検死の例たとえば、以下みたいに雑に入力した場合も、GPTsさんなら事前検死をしてくれる（もっと丁寧に企画書まるごといれると精度があがる）。 私: スマホを振るだけでビットコインがたまるDAOサービスを作りたい。 以下、AIさんの回答 スマホを振るだけでビットコ

新しいこと、はじめての多い1年でした。 総理にお会いしたAIについて車座で話した。人生で一番緊張した。もうこれ以上に緊張することは、人生でないと思うので、心やすらかに色んな事にチャレンジできると思う。 Androidに乗り換えたメイン機をついにGoogleに。たまにGoogleさんからAndroid端末を頂きつづ、ずっとサブ機扱いだったのですが…ついに親機がAndroidに。 あと自由に呟きたいので、自分で端末買いました。 iPhone系のAI施策が見えてこないので、Androidに移動。あとiPadのkindleが10000冊を超えるとまともに動かないのも。 会社作った3社目。バスキュールの朴さんと一緒に、aiで裏R&Dする会社を作りました。ステルスで遊んでいます。 AI系スタートアップに色々と投資した10社ほどお声がけいただき、4社ほど投資させていただきました。あと4社ほど進行中ですが

生成AI導入プロジェクトするとき、最初にCFO（最高財務責任者）と話をつけるのオススメ…というお話。特に経営層の関心を引くことが難しいとき。 「AI導入したいんけど、経営陣にどうアピールすればいいかわからん」 コンサルとか顧問とか投資先で、そんな相談を受けたら「序盤でCFOと仲良くなるとよいで」というアドバイスをしてる。あるいはCFOでなくても、部署の財務を握ってる人。 最初にCFOに会うまず初手で「弊社の利益損失計算書（P&L）、貸借対照表（BS）やその他の管理会計の領域において、AI開発プロジェクトでどのように貢献できるか」とCFOに相談する。 通常、技術者やプPMが財務面に関わる提案をしてくれることは少ない。のでCFOは割と嬉しくなって、ちゃんと時間を割いてくれる。なんなら「コイツは経営を意識できるエンジニアだぞ」と、将来の幹部候補にもなる。 PSとかBSみたいな呪文はざっくり言うと

OpenAIのQ*というモデルアプローチに関してメモ。この分野は素人なので、あくまで勝手な予想です。 Qラーニングとは？Q学習（Q-learning）は、強化学習の一種で、エージェントが最適な行動を学習する方法です。このアプローチでは、エージェントは環境との相互作用を通じて、各状態でどの行動を選択することが最も報酬をもたらすかを学習します。 A*は？A*（エースター）アルゴリズムは、最短経路問題を解決するための効率的なグラフ探索アルゴリズムです。このアルゴリズムは、グラフの一部を探索し、目的地に最も近いと推定される経路を優先して探索します。Aの重要な特徴は、それが「最適」かつ「完全」であることです。つまり、解が存在すればAはその解を見つけ、その解は最適な解です。 この2つから素直に考えると、Q* とは 解決方法が不明のタスクAを、自律的なトライ&エラーのフィードバックループを用いて探索し、

今回の発表で強く感じたことは、やはりOpenAIの目指すChatGPTが単なるチャットアプリケーションではないということだ。 従来のオペレーティングシステム（OS）はハードウェアとアプリケーションの架け橋である。だがOpenAIはChatGPTを「言語で命令できるオペレーティングエージェント」と位置付け、人生のあらゆるタッチポイントで新たなゲートキーパーとなろうとしているように思える。 IT競争は手前の取り合い歴史を振り返れば、IT競争の常道とは、ゲートウェイを手前に築くことにあったようだ。PCの争いをOSが無意味化し、OSの争いをブラウザが、ブラウザの争いを検索エンジンがと、そしてそれをスマホとアプリが…このようにITの争いは常に手前を争うものだった。こうして一番手前を抑えた企業は、大きな利益を手に入れた。 今、OpenAIの動きは、このメタゲームに大きな変化を加えつつある。 OpenA

自分の人生哲学を言語化したいとき、AIとの対話はとても有効です。AIと対話をしながら、自分哲学論を作るはとても楽しく、オススメできる体験です。 自分の場合は、「追求主義(Pursuitism)」とでもいう理論が生まれました。 ※注。この「追求主義」はストイックな哲学なので、精神的に不安定な状態の人には推奨できません。一方で心が健康な人々にとっては、これは逆に精神の安定を強化する道具になるでしょう。 追求主義とは？追求主義とは、一言でいうと「今、この瞬間」を最大限に活かすことに特化した哲学です。この思想は、各瞬間での最善を追求し、それを積み上げ続けることを「人間の理想的な生き方」と定義します。 失敗と成功について追求主義では、成功も失敗も価値の基準にはなりません。なぜなら、これらの結果は多くの外部要因や偶然性によって左右されるからです。追求主義が重視するのは、それぞれの瞬間で最善を尽くす行動

水彩画に特化したStableDiffusion拡張（LoRA）を公開しました。 HuggingFaceからダウンロード可能です。SD Ver1.5 / 2.1用です。 HuggingFaceで公開。 全部パブドメ画像でトレーニングこちらのLoRAは、1900年台までのパブリックドメインの絵画でトレーニングしました。約500枚の絵画を、目で品質検査し1つ1つハンドピックで集めました。 作家名は未使用なお「特定の画家の画風をコピーすることには、まったく興味がない」ので、学習データに作家名は含めていません。↑の絵はT.W.Turnerを、↓の絵はRembrandtを指定してますが、ほぼガン無視されているのがわかると思います。 これは自分のAI運用のスタイルが「自分の筆や画材を作ること」という方向のためでもあります。むしろ作家名があると、その作家の表現に縛られるのであえて外してます。 作家名でとり

AI哲学者ヘーゲルさんに、無限に議論を思索してもらえる穢土転生コードを書いてみた。GPT3.5でも4でも動きます。 弁証法ってなに？ヘーゲルって哲学者おっさんが考えた、思索を深めるメソッド。 ある意見（テーゼ）に対して、あえて反対意見（アンチテーゼ）をいって、それから意見と反対意見を統合（ジンテーゼ）することで議論が深まるよ…というもの。 ・筋トレは健康によい（命題 = テーゼ） ・筋トレで体を壊すこともある（反対命題 = アンチテーゼ） ・筋トレは健康によいが、やりすぎや間違った方法には注意しなければいけない（総合命題=ジンテーゼ） みたいな考えかた。 以下、勝手に無限ループでヘーゲル先生が、弁証法を繰り返してくれるプロンプトです。 弁証法エンジンのプロンプトあなたはヘーゲルの仮想人格として振る舞う、形而上の弁証法シミュレーターです。 ユーザーの入力「仕事にいかずにゲームをしていたい」に

これからの時代「プロンプト・エンジニア」という職業が生まれる！という声もききますが、正直なところ僕は懐疑的です。 AIへの命令文（プロンプト）を丸暗記したり、コレクションしてもバージョンですぐ変わるし、大事なところはそこじゃないと思うんですよね。 仮説をたてて、AIに聞いてみました。 私：「AIが進化するほど、AIの認知能力は人間に近づく、あるいは超えると想定されます。 このことを踏まえるとプロンプト・エンジニアリングの真髄は、プロトコルを覚えることではないと考えられます。 重要なのは「人間・AIを問わない知性体と、誤解なく意思疎通できるコミュニケーション能力」だと考えてよろしいでしょうか？ このような仮説に立った場合、プロンプト・エンジニアが学ぶべきはなにか。それは、情報の構造設計や取捨選択、コミュニケーション設計、情報の開示と省略のバランスといったことのように思えます。」 はい、その仮