はてなブックマーク

ChatGPTには回答を自分好みにカスタムする機能（カスタム指示）があります。 この機能を使って｢何を参考に回答を作成したか？｣をより具体的に表示させるようにしたらいい感じだったので紹介します。 最初に｢回答をどう変えたのか｣から紹介すると、｢どの文章のどの文を参考に回答しているのか｣──出典だけでなく、参照した文章自体（原文, original_text）を表示させるようにしました。 ユーザー：Linnaeus の発音を教えて ChatGPT：英語では Linnaeus は /lɪˈneɪ.əs/（リネイアス）と発音する。 IPA（国際音声記号）：/lɪˈneɪ.əs/ カタカナ表記：リネイアス 原典： original_text: “Linnaeus pronunciation: /lɪˈneɪ.əs/.” source: Cambridge Dictionary – Linnaeus

米国で人工知能（AI）で代替できないブルーカラーの高額収入が注目され、職業訓練校への入学者が増えている。「ブルーカラービリオネア」を目指す動きだが、若者の雇用の受け皿になり得るかは不透明だ。AI普及による労働需給の緩みへの警戒が強まり、不安と混乱が広がり始めている。若者・大卒の失業率が上昇米国の労働市場で異変が起きている。全体の失業率が4%台前半の低水準で推移するなか、若者（16〜24歳）の

NTTドコモは、グループの全従業員約5万人を対象とするテレワークのセキュリティ対策を見直した。テレワークにおける社内システムへのアクセス手段をVPN（仮想プライベートネットワーク）から、「ゼロトラスト」に基づくセキュリティ対策へと切り替えたのが、その骨子だ。ベンダーのゼットスケーラーが2025年11月11日に発表した。システム構築は、NTTドコモグループのシステムインテグレーターであるNTTドコモソリューションズ（旧NTTコムウェア）が担った。 “脱VPN”で「ゼロトラスト」を導入したNTTドコモグループ　その詳細とは VPNからの移行先としてNTTドコモグループは、ゼットスケーラーのリモートアクセスサービス「Zscaler Private Access」（ZPA）を導入。従業員がVPNを経由せずに、社内システムに安全に接続できる仕組みを構築した。ZPAは、社内システムへのアクセスをエンド

上智大の研究チームは秋田県など19地域でクマと遭遇する確率を人工知能（AI）で予測した地図「クマ遭遇AI予測マップ」をサイトで公開。人とクマの接近を防ぐのが狙いだ。 過去1～3年のクマ出没情報や森林などの環境条件、道路配置、人口分布からクマと人間が遭遇するリスクをAIで予測する手法を開発。山裾や、クマが身を潜めて移動しやすい川沿い、山間の道路、高齢化が進んだ地域でリスクが高い傾向となった。この手法を基に1キロ四方ごとの遭遇確率を0～20％の「低い」から80～100％の「非常に高い」まで、20％刻みで5段階評価に色分けした地図を10月20日に公開した。 実際にクマとの遭遇があった場所のうち、遭遇確率を60％と評価していた区域の割合は52～99％で、地域により精度にばらつきがあった。深沢佑介准教授（データサイエンス）は「今後はクマの専門家から意見を聴き、気象データやクマの分布、行動範囲といった

YomiToku を公開してから約 1 年が経過しました。ここであらためて、 なぜ YomiToku を公開したのか なぜ NC ライセンスという形を採用したのか 何が解決できているのか を整理して note にまとめます。 背景YomiToku は、日本語に特化した AI-OCR・レイアウト解析を行う文書解析エンジンです。2024 年 11 月末の公開以降、GitHub のスター数は 1,000 を超え、多くの反響をいただいています。 現在、YomiToku は無料で公開していますが、完全な OSS ではなく、NC（Non-Commercial）ライセンスで提供しています。NC ライセンスは「非商用」という大枠はあるものの、世界的に見ても厳密な定義が存在しない曖昧なライセンス体系です。 そのため、利用者が迷わないように、私は以下のような線引きで運用 しています。実際にお問い合わせをいただ

IBIS 2025 チュートリアル：https://ibisml.org/ibis2025/tutorial/

【エディタの使い方】 ＜要素を抽出＞ 問題文のうち、答案構成をするにあたって重要な部分について、ハイライトすることで要素を抽出します。この作業は、従来の法律答案の作成にあたっても、一般的に行われます。 ＜答案構成＞ ハイライトして抽出した要素を参考にしながら、法的推論のための形式言語Matchaを用いて、法的推論を記述します。 答案構成は、法的推論の訓練としてはもっとも重要な過程であるにもかかわらず、従来の法律答案の作成の過程では、学生は問題文の余白にメモとして書きつけるなど、正確に表現することが軽視されていた領域です。

個人開発は楽しいですが、ゼロからすべて作ると週末だけではなかなか終わりません。 今回は、UI生成AI「v0」と「Claude Code」などを活用し、従来なら2日では終わらなかった開発を土日だけでリリースできた工程を紹介します。 このアプリの約9割はLLM（コーディングエージェント）による実装です。 人は仕様や品質ルールを考え、実装はAIに任せる――そんな進め方で短期間リリースを実現しました。 作ったのはこちら この記事では、使ったツールのセットアップから完成までの流れをまとめます。 また、コードやプロンプトの詳細より「どう進めて短期リリースしたか」という工程に絞って紹介してます。 作りたかったもの 一言で言えば、自分だけのおすすめ商品をまとめた比較サービスです。 日頃から「それの何が良いのか、買ってどうだったのか」を人に話すことがあり、その記録を Notion に溜めていたのですが、「公

Anthropic社の「Code Execution with MCP」が示す未来 ―― ツールコール時代の終焉と、エージェント設計の次 はじめに MCP（Model Context Protocol）はすでに多くの人が触れ始めていますが、 本当に重要なのは「MCPそのもの」ではなく、Anthropicが示した “Code Execution × MCP” という新しい設計思想です。 MCPは外部ツールの標準化という基礎として重要ですが、Anthropicの最新記事が示したのは明確です。 「ツールを直接叩く時代は終わる。」 「エージェントはコードを書いて実行し、その中でツールを扱う時代になる。」 この記事では、この“設計思想の転換点”を広く浅くまとめます。 1. MCPは“軽く”おさらいだけ MCPは一言でいうと、 AIに“USBポート”のような標準化された外部接続点を生やすプロトコル。

こんにちは、まじんです。 v3の公開から約1ヶ月半。 満を持してバージョン4をリリースいたします！ v4 まじでヤバいですよ。 ぜひ最後までお読みいただきたいです。 v1～v3の軌跡まずはこれまでの道のりを振り返ってみましょう。 v1：【神回】Googleスライドが一瞬で完成する"奇跡"のプロンプト教えます v2：【必見】"改良版"まじん式プロンプト！ v3：【究極】まじん式プロンプトv3 v1～v2まではGASのコードを全文出力する仕組みでしたが、 生成に時間がかかったり、構文エラーが発生するのが欠点でした。 そこで、v3からは専用のWeb UI（アプリ）を作り、 GASテンプレートとスライドデータ（設計図）を分離。 処理スピードや安定性が大幅アップし、 より日常的に使えるシステムとなりました。 v3をリリースしたあと、 「これが集大成かな…」 「やっとゆっくりできそうだ…」 そう思って

【この記事でわかること】・AIが代替する業務の具体例は？・採用抑制が起きている職種は・「AIを使う側」になるには人間に代わって生成AI（人工知能）が働く時代が日本でも始まる。NTTは5年で業務の半分以上を代替できるとの考えを日本経済新聞に明かした。AIを使いこなせるかどうかで雇用に格差が出るのは避けられない。新たな産業の創出やリスキリング（学び直し）を通じた労働移動により、革新技術を導入する副作

Google Workspaceに、プログラミング不要で業務自動化を実現する革新的なツール「Google Workspace Flows」が登場しました。 本記事では、Gemini AIとの強力な連携を武器に持つこのツールの概要から、具体的なワークフロー作成例、そして他の自動化ツールとの違いまでを徹底的に解説します。 Google Workspace FlowsとはGoogle Workspace Flowsは、GmailやGoogle Drive、Google Meetといった日常的に使用するGoogle Workspaceの各サービスを、最新AIのGeminiと連携させ、一連の業務を自動化する「AIエージェント」をノーコードで構築できるツールです。 例えば、以下のような定型業務を自動化できます。 特定の重要顧客からメールを受信したら、即座にGoogle Chatに通知する 毎朝、前日に

自然言語で業務アプリ開発、フロー自動化　Microsoft 365 CopilotのApp Builder、Workflowsとは：Copilot StudioでAIエージェントも構築できる Microsoftは2025年10月28日（米国時間）、自然言語で要件を伝えるだけで、アプリケーションとワークフロー、AI（人工知能）エージェントを構築できる機能をAIアシスタント「Microsoft 365 Copilot」に統合した。 「Microsoft Outlook」「Microsoft Teams」「Microsoft SharePoint」「Microsoft Planner」といった「Microsoft 365」のサービスと連携し、「ServiceNow」「Atlassian Jira」といった外部システムにも接続できる。 Microsoft 365 CopilotのAIエージェントで

2025年3月末にChatGPTが無料での画像生成機能をサポートして以来、良くも悪くもChatGPTが画像生成AIにおけるベンチマークとなりました。しかし、Googleの画像生成AIである「Gemini 2.5 Flash Image(Nano Banana)」はChatGPTよりもはるかに優れているとして、その理由をデータサイエンティストのマックス・ウルフ氏が解説しています。 Nano Banana can be prompt engineered for extremely nuanced AI image generation | Max Woolf's Blog https://minimaxir.com/2025/11/nano-banana-prompts/ ChatGPTには一般的なユースケース向けのスタイルがあるとウルフ氏は指摘しています。そのひとつが、ChatGPTで生成

私たちがデータから答えを得る方法が、いま変わろうとしています。 何十年もの間、クエリとはSQLを書くこと、硬直したビジネスインテリジェンス（BI）ツールを操作すること、あるいはダッシュボードへのリクエストの回答を列に並んで待つことを意味していました。それは確かに機能していましたが、迅速さも柔軟性もなく、データチーム以外の大多数の人にとって決してアクセスしやすいものではありませんでした。 CDataは、この状況が変わろうとしていると確信しています。私たちはこれを「バイブクエリ（Vibe Querying）」と呼んでおり、ビジネスユーザーがデータと対話する方法を再定義しようとしています。 バイブクエリは企業がデータと対話する方法を変えるでしょう。そして、それは当たり前のものになるでしょう。 従来のクエリとは？ 従来のクエリは精度を重視して設計されています。データベースやAPIから欲しい情報（テ

「Tweeks」はChrome向けの拡張機能で、「YouTubeの関連動画欄を非表示にする」とか「特定のウェブサイトの文字色を変更する」といったカスタムをAIに頼むだけで簡単に実行できます。「Stylus」などの既存の拡張機能ではスクリプトを自分で書いたり探したりする必要がありましたが、Tweeksならコーディング不要で自分好みのカスタムが可能です。 tweeks https://www.tweeks.io/onboarding Tweeksを使うには、まずChromeで上記のリンクにアクセスして「Chromeに追加」をクリックします。 確認画面が表示されたら「拡張機能を追加」をクリック。 Tweeksをツールバーにピン留めするために、拡張機能ボタンをクリックしてからTweeksの右隣にあるピン留めボタンをクリック。 これで、ツールバーにTweeksのボタンが追加されます。 続いて、権限設

Fergus Hurley Director, Product Management Google Cloud, Developer & Experiences Reading existing code is the one of the biggest, most expensive bottlenecks in software development. To address this issue and improve your productivity, we're introducing Code Wiki, a platform that maintains a continuously updated, structured wiki for code repositories. A new way to understand codeAt Google, our miss

ご縁があり、講談社から共著で『Kaggle ではじめる大規模言語モデル入門　〜自然言語処理〈実践〉プログラミング〜』を出版します。 Amazon ページ や講談社の書籍ページは先日公開され、年明け 2026 年 1 月中旬に出版予定です。 書籍概要 書名の通り、Kaggle と大規模言語モデル (Large Language Models; LLM) を題材とした書籍です。 機械学習コンペティション（コンペ）での事例を通じて、LLM をはじめとした自然言語処理に関する実践的な知識やプログラミングを学ぶ内容になっています。 本書の大きな特徴は、学習済みのモデルを所与のものとして、どうモデルを活用するかに焦点を当てていることです。 一般的な LLM の解説は、肝となる Transformer などのモデル構造や事前学習の仕組みなどから丁寧に始まることが多いかと思います。 一方で本書では、これら