はてなブックマーク

【9月27日 AFP】ドナルド・トランプ米大統領は26日、米マイクロソフトに対し、民主党政権で高官を務めたリサ・モナコ氏を同社の国際渉外担当のトップから解任するよう求めた。 再就任以来、自身の政敵とみなす人物らに対して制裁的な措置を講じている共和党のトランプ氏は、自身のSNS「トゥルース・ソーシャル」に、「私の意見では、マイクロソフトは直ちにリサ・モナコの雇用を終了すべきだ」と投稿した。 25日には、トランプ氏を批判してきた連邦捜査局（FBI）のジェームズ・コミー元長官が2件の罪で起訴されている。 解雇を求める中でトランプ氏は、モナコ氏がジョー・バイデン政権下で司法副長官を務めていたことに言及し、その時期に自身に対する刑事訴追が行われたと指摘した。 「モナコ氏がマイクロソフトの国際渉外担当のトップという非常に高位の役職に就き、極めて機密性の高い情報にアクセスできる立場にあることは衝撃的だ」

ソフトウェアエンジニアとして仕事を通じて成長するコツを書く。 前回、やや抽象的な話を書いたので、今日は実際に自分がやってきて 効いた具体的 な方法を紹介する。 soudai.hatenablog.com 若手やこれから伸びたいエンジニアに届けば嬉しい。 目の前の「知らない」と向き合う 仕事をしていれば「知らない」は日々出てくる。ミーティングで出た用語、ログに出てくるオプション、ドキュメントに書かれている概念……。 それを放置せず、すぐ軽く調べて日報やメモに残す習慣をつけるだけで、1〜2ヶ月後の地力が大きく変わる。 特に自分の職責に直接関係しそうなキーワードは深掘りしたい。 Linuxコマンドを知らなければまず man を読む。試しに打つ。挙動を確かめる。 自分が普段使っているコマンドのオプションや、ツールの公式ドキュメントを「最初から最後まで」通して読んだことはあるだろうか。もし無いなら、

９月２５日、ハイテク各社は、人工知能（ＡＩ）開発に総額数兆ドルを投資する計画を立てている。写真はＡＩの文字とマザーボードのイメージ。２０２３年６月撮影（２０２５年　ロイター/Dado Ruvic） ［ロンドン　２５日　ロイター　BREAKINGVIEWS］ - ハイテク各社は、人工知能（ＡＩ）開発に総額数兆ドルを投資する計画を立てている。投資が１ドル増えるごとに株式時価総額はますます膨らむが、投資ラッシュがプラスの資本リターンを生む可能性は低い。ただ、それは問題の本質ではない。企業と投資家はバブルの中に閉じ込められており、その多くにとってそこから逃れるすべはない。 クラウドコンピューティングの巨大企業が数百億ドルを投じるデータセンターには、壮大な名前がついている。オープンＡＩの「スターゲート」、メタ・プラットフォームズ(META.O), opens new tabの「プロメテウス」。そして

arXivには1日あたり全体では800件ほどの論文が投稿されます。Quantum Physicsカテゴリだけでも50~100件ほどです。これだけの量を自力で追うのは現実的ではないでしょう。そこで、投稿論文をLLMで要約してRAGのナレッジベースに蓄積し、全体の動向を把握しやすくするシステムを実験的に構築しました。正直前の記事と思いっきり内容が被っているのですが、1つ1つの論文を詳しく読むというよりも、全体の動向を把握することに重点を置いたシステムであるという点では違いがあります。 この記事のコードはGitHubで公開しています。 システム全体図 このシステムはDocker Compose上で動作させることを想定しています。主要なコンテナは3つ(RAGFlow, Ollama, Python worker)です。この他に補助的なコンテナ(ElasticSearchやMySQL)もいくつか動い

自律的な AI エージェントを利用したコーディングでは、生成したコードを実行した結果からフィードバックを得て、コードを改善していく反復的なプロセスが重要です。しかし、フロントエンド開発では、生成したコードはブラウザ上で実行されるため、AI エージェントが直接コードを実行したり、ブラウザのコンソールログを取得したりすることは困難です。Chrome DevTools MCP はこの課題を解決するためのツールです。 自律的な AI エージェントを利用したコーディングでは、生成したコードを実行した結果からフィードバックを得て、コードを改善していく反復的なプロセスが重要です。バックエンドや CLI ツールの開発では、生成したコードはターミナル上で実行されログが表示されるため、AI エージェントはコードの実行結果を容易に取得できます。しかし、フロントエンド開発では、生成したコードはブラウザ上で実行され

こんにちは、ログラスでCTOをしております、いとひろ（@itohiro73）です。去年までは半年に1回まわってきたTech Blog Sprintが、今回はもう前回書いた記事から10ヶ月も経つということで、チーム規模の成長ぶりに驚く毎日です。 さて、ログラスは先日「Loglass AI Agents」構想を発表しました。ログラス代表布川の動画にもあるように、私たちは今、SaaSの価値を従来の形から変容させていく必要性を感じています。これまでの定量的なデータに基づいた決定論的な従来型のSaaSシステムにとどまらず、非定型なデータや不確実性の高い情報に基づいた非決定論的なタスクをAI Agentを通じて実現し、より良い意思決定に貢献するようなビジネスモデルをいかに構築していくか。私たちは今、その激動の時代の真っ只中にいます。 AIエージェントは銀の弾丸か？ この記事を読んでいるエンジニアの皆さ

httpxはものすごく遅いから使うべきでないかもしれない…という話を書こうと思ったんですが、検証してみたら、確かにaiohttpよりは2倍以上遅いんですが、設定次第で多少はマシかもしれない、という結論です。 前提として、async modeです。いまどきのAPI serverは全部asyncかなとは思います。今回はsync modeには興味がないので検証してないですが、sync modeではまったく違う結果かもしれません。 あと文脈としては httpx を推しているブログを読んで、いや httpx はパフォーマンスに問題があるんだよな、ということを周知したかったというのもあります。 note.com ことの起こりは Python の openai library が 0.x から 1.x になったときにものすごくパフォーマンスが劣化したという問題があったことです。 github.com い

ChatGPTではできない、Grokの「すごすぎる」機能 ビジネス現場でAIを活用する際、それぞれのツールの特性を理解した使い分けが成功の鍵となる。特にGrokは、その独自機能により特定用途で圧倒的な強みを発揮する。 最も際立つのは、リアルタイム情報を扱うタスクだ。Grokの最大の武器は、XとWebから最新データを即座に取得できる点にある。xAIの公式発表によれば、Grokは自動で検索クエリを選択し、Web全体から知識を収集。複数の情報源を比較検討しながら、矛盾を解消して高品質な回答を生成できる。株価動向の追跡、競合他社の動向分析、ソーシャルメディアのトレンド把握など、刻一刻と変化する情報を扱う業務では、この機能が決定的な差となる。 Xとの深い統合も見逃せない。Grokは高度なキーワード検索とセマンティック検索ツールを駆使し、X内の投稿を詳細に分析できる。メディアの閲覧機能も備えており、画

GitHub Copilot CLIがでた なんとなくTwitter見てたらこんなツイートが 触ってみるしかないってことで、実際に触ってみて入門記事書いてみました GitHub Copilot CLIとは？ GitHub CopilotがCLIで使えるようになったものって認識 GitHubのurl 対応しているプラットフォーム Linux macOS Windows (experimental) 必要なもの Node.js v22 or higher npm v10 or higher (On Windows) PowerShell v6 or higher An active Copilot subscription. See Copilot plans. ここで注意なのが、以下のいずれかのプランじゃないと使えない GitHub Copilot Pro GitHub Copilot Pr

エヌビディアがオープンAIに15兆もの巨額投資を発表。なぜ「今」なのか？巨額マネーが動き出した今、知っておくべきテクノロジー覇権の恐ろしいシナリオを解き明かします。（百年コンサルティングチーフエコノミスト　鈴木貴博） 2つのプロジェクトで 日本の設備投資とほぼ同額 アメリカの半導体大手エヌビディアが生成AIで先行するオープンAIに1000億ドル（約15兆）の投資をします。これは実はわたしたちの未来を大きく変える事件です。それを「なぜいま？」の視点で説明します。 15兆のかなりの部分はオープンAIが構築する10GW規模の巨大なAI開発向けのデータセンターの建設に振り向けられます。これは消費電力に換算すれば一般家庭800万世帯分に相当します。東京都の世帯数は770万世帯ですから、それよりも大きい規模のプロジェクトになります。 エヌビディアのジェンスン・ファンCEOによればこのデータセンタ

米OpenAIは9月25日（現地時間）、AIモデルの性能を、幅広い業界や職種における人間の専門家と比較する新たなベンチマークテスト「GDPval」を発表した。同社は、汎用人工知能（AGI）が全人類に利益をもたらすことを確実にするというミッションの一環として、AIモデルが現実世界で人々をどのように支援できるかについての進捗状況を透明性をもって伝えるためにGDPvalを導入したとしている。 GDPvalは、モデルが経済的に価値のある現実世界のタスクでどれだけ優れたパフォーマンスを発揮するかを追跡するために設計された新しい評価手法という。AIが労働に与える影響を測定する最初の一歩であると位置づけている。 OpenAIは、GDPvalのような評価を通じて、将来のAIの改善に関する議論を推測ではなく証拠に基づかせることができるとし、AIモデルの社会的な影響を評価するためのより良いデータを得るために、

9月26日、AI作曲サービスのSunoとTuneeがそれぞれ新機能を発表しました。Sunoは待望のDAW内蔵とMIDI出力を、これまでクローズドベータだったTuneeは一般公開を始め、1つのプロンプトから3つの歌詞・音楽スタイルをそれぞれ2曲ずつ、合計6曲を同時に生成できるようになりました。 SunoはDAW機能搭載、MIDIエクスポートも対応まずSunoから解説します。Sunoは音楽制作ソフトの中でもトップレベルの分解能を持ったSTEM分離機能を持っていますが、それをマルチトラックの状態でエディットできるようになりました。予告されていたSuno Studioで、いわゆるDAW（Digital Audio Workstation）機能です。 Sunoで生成した楽曲、またはオーディオインポートした楽曲をSTEM分離し、そこからEdit in Studio開くと、マルチトラックのDAW画面に変

天文学者らは長らく、宇宙の巨大な構造をシミュレートするために、膨大な計算能力を持つスーパーコンピューターを利用してきました。ところが、新たに開発された「Effort.jl」というエミュレーションツールは、複雑な宇宙論モデルの挙動を模倣することで、標準的なノートPCを使ってわずか数分でスーパーコンピューターと同等の結果を出力できるとのことです。 Effort.jl: a fast and differentiable emulator for the Effective Field Theory of the Large Scale Structure of the Universe - IOPscience https://iopscience.iop.org/article/10.1088/1475-7516/2025/09/044 GitHub - CosmologicalEmulat

最近「高級言語 => コンパイラ => アセンブリのように、自然言語 => AI => コードもそのうちコードを見なくて済むようになる」のような話題を見かけることがある。しかしAIによるコード生成は、コンパイラじゃなく、むしろSaaSと比較するべきなのではないかと思った。 まずコンパイラとAIによるコード生成の決定的な違いは、決定論的なのか確率論的なのかという部分だ。コンパイラは入力に対して同じ出力を返すような決定論的な動きをするので、コンパイラに一定の信頼があり高級言語によるコードが正しければアセンブリの出力も必ず正しいと信頼できる。一方でAIによるコード生成は、同じ自然言語に対して毎回違うコードを出力する確率論的な動きをするため、自然言語による入力に対して出力が正しいかどうかは保証がない。 決定論的なのか確率論的なのかの違いがあるため、コンパイラのコード出力への信頼と同じ考え方ではAI

It turns out we've all been using MCP wrong. Most agents today use MCP by directly exposing the "tools" to the LLM. We tried something different: Convert the MCP tools into a TypeScript API, and then ask an LLM to write code that calls that API. The results are striking: We found agents are able to handle many more tools, and more complex tools, when those tools are presented as a TypeScript API r

Developers Summit 2025 FUKUOKA（2025.09.26）の登壇資料です。 https://event.shoeisha.jp/devsumi/20250926/

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? プロンプトエンジニアリングの最前線：Backstep PromptingとScaffolding 近年、プロンプトエンジニアリング領域を扱う論文では、Backstep PromptingとScaffoldingという単語が頻出します。 これらは、大規模言語モデル（LLM）からより正確で質の高い回答を引き出すための先進的なテクニックです。 Backstep Prompting（バックステップ・プロンプティング） Backstep Promptingは、LLMが結論に至るまでの思考プロセスを一度「後退」させ、その過程を自己評価・修正させる手

第38回 ISOC-JP Workshop での登壇資料です。 https://isoc.jp/activities/38th_isocjp_workshop/ AI関連技術の急速な発展に伴い、分散深層学習や推論処理といった要求の厳しいワークロードを支えるため、ハードウェアやソフトウェア・フレー…