はてなブックマーク

はじめに みなさん、AWS 認定試験の勉強は捗っているでしょうか。 最近、「ソリューションアーキテクト – プロフェッショナル（SAP-C02）」の勉強をしていたのですが、せっかくなので AI を活用して効率的に学習できないかなと模索していました。 その結果、 Gemini の Gem を作成し、専用の「AWS 試験対策講師」を作ってみたところ、なかなか感触がよかったので共有します。 ※Gem とは Gemini 上で独自にカスタマイズした AI アシスタントを作成できる機能です。 活用した結果かはわかりませんが、無事試験には合格できました。 なぜGeminiなのか 「AI に PDF を読み込ませて学習をサポートしてもらう」という手法自体は、ChatGPT や Claude でも可能です。プロジェクトなどに前提となる試験ガイドなどを追加すれば似たようなことはできます。 しかし、今回は検討

梅農家兼梅干し屋が社内エンジニアと協力し、外注費を抑えるため2,000万円でAI選別機を自社開発。伝統の味を守りつつ技術導入や耕作放棄地再生に取り組み、塩と紫蘇だけの梅干しを提供。開発主導は「うめちゃん」。人手検証の課題や普及規模の必要性も意識している。

こんにちは。 1月21日、Devin Reviewという仕組みがDevinに実装されました。 自分は普段の業務でPRレビューを数多く行うのですが、そんな自分にとって、とてもありがたい機能だと感じ、ぜひ紹介したいと思ったので、記事を書きます。 課題 この記事を少し前に読み、自分も深く共感しました。普段プロダクト開発チームでレビュアーを担当していますが、AIによってアウトプット量が著しく増えた影響で、コードレビューにかかる時間が非常に増え、脳のリソースを使う割合が増えました。 自分は毎日最低5個程度のPRをレビューするので、まさにレビュー疲れを体験している一人です。 そしてこの課題感はCognitionも感じていたようで、以下の記事でもAIによって増えたアウトプット量によってレビューが停滞（stagnation）するということについて言及しています。 皆さんの感覚としても、生成AIが現場に浸透

はじめに Gemini 3で色々作れるようになったけど、仕事で日常使いするなら、やっぱりスプシとかスライドとかそのあたりじゃないですか。 サーバー周りとか考えないでWebアプリ作りたい時、ちゃちゃっとGoogleアカウントで解決したい時のGAS（Google Apps Script）Webアプリ開発用プロンプトを作りました。 「タスク管理アプリ作って」の一言で、v0.1としては十分なレベルのアプリが生成されます。 これは何？ 社内向けGoogle系アプリのUI/UX開発を爆速化するGemini Gem用プロンプトです。 「タスク管理アプリ作って」の一言指示で94.5点のアプリが生成 HIG（ヒューマンインターフェースガイドライン）準拠のUI/UX 20項目 GAS固有の制約（非同期処理、論理削除等）に対応 6テーマ、日本語UI、ローディング、Undo機能等が標準実装 ※ただし、生成されたコ

「Linux」の創始者リーナス・トーバルズ氏は2025年11月、Linux Foundationが開催した「Open Source Summit Korea 2025」の基調講演に登壇した。Linuxやプログラミング関連の情報を発信するYouTubeの動画チャンネル「SavvyNik」は、同講演の中から、Linuxと人工知能（AI）の展望に関する部分を抜粋した動画を公開している。本記事は、その内容からIT部門の担当者やITエンジニアが押さえておくべきポイントを紹介する。 動画のポイントを30秒で理解・ハードウェアの主役がCPUからGPUに変わる一方、Linuxカーネル（OSの中核ソフトウェア）の重要性に変化はない。 ・AIツールはまだ実験段階にあり、Linuxの開発コミュニティでの利用は限定的。 ・コード生成AIツールは、プログラミングやシステム開発初学者の新規参入に役立つ。ただし、AIが

Google DeepMindが動画をもとに3次元空間を時系列に沿って認識できるAI「D4RT」を開発しました。D4RTは既存モデルと比べて高精度かつ高速な空間認識が可能で、人間と同じように世界を認識できるAIの開発に役立つとされています。 D4RT https://d4rt-paper.github.io/ D4RT: Unified, Fast 4D Scene Reconstruction & Tracking - Google DeepMind https://deepmind.google/blog/d4rt-teaching-ai-to-see-the-world-in-four-dimensions/ 人間は視覚情報をもとに3次元空間を認識し、一瞬前と現在の状況をもとに未来の状況を推測することができます。このため、AIに人間と同様の世界認識能力を持たせるには「カメラで撮影した

GPT-5.2のThinkingモデルを使っているのに、なぜか「思考（Thinking）」プロセスが走らず、即答されてしまう現象に遭遇していませんか？この問題には2025年の年末頃から地味に悩まされていました。 Proモデルを使えばこの問題は起こらないらしいですが、現在plus版の私の環境でThinkingを使うと時々発生してしまいます。 賢くなった今のLLMに対して、変なバイアスがかかるのを避けるため、「基本的にはカスタム指示（Custom Instructions）は空欄にしておく」というのが私のスタンスでした。実際、GPT-5.1の時はそれで全く問題なく、快適に使えていました。 LLM の出力が安定しないとき、モデルの問題ではなくシステムプロンプト過多による性能低下が原因のことも 過剰な制約が推論・言語判断を阻害するリスクに プロジェクト機能では良いと思いますが汎用するモデルには必要

北海道大学などの研究チームは1月22日、AIによって7000万年前の新種となる化石を発見したと発表した。見つかった化石は、新属新種となる頭足類で「Uluciala rotundata」（ウルシアラ・ロツンダータ）と命名。現在の海洋で繁栄していながらほとんど化石記録がなかった「コウイカ」と「ダンゴイカ」からなるグループの最古の記録になる。 生命の進化を探る上で、最大の課題の一つは化石記録の不足だ。従来、化石の探査はフィールドを探索し、探索者の経験や人手に頼る方法が中心だった。このため、見つかる化石は「研究者がすでによく知っているもの」「大きくて見つけやすいもの」「硬く丈夫なもの」に偏るという問題があった。 このバイアスを取り除くため、研究チームはAIを使った手法に注目。「ゼロショット学習AI」（ルールや条件を関連付けた推論から未知のオブジェクトを検出できるAI）を使って、岩石内部から化石を自

こんにちは、むなかたです。 今回はRemotion公式が提供してくれているAgent Skillsを活用して、誰でも簡単にショート動画を作れる手順を紹介していきます！ ぼく自身は動画作成もRemotionも完全初心者です（笑）。この記事ではセットアップの手順だけ参考にしていただき、よりハイクォリティな動画作成はもっとプロの方の情報を参考にされてみたり、ご自身で模索されてみてください！ Remotion now has Agent Skills - make videos just with Claude Code! $ npx skills add remotion-dev/skills This animation was created just by prompting 👇 pic.twitter.com/hadnkHlG6E — Remotion (@Remotion) Janu

ちょうど最近このような投稿を連続して見かけたので、「コード」が何を指しているのかの自分の理解を整理しておきます。 世の中的に見ればソフトウェアエンジニアは未だに売り手市場であると言えると思うので、上記の指摘について「そんなことはないはず」と反論する人も多いと思います。 また、上のRyanさんのツイートでも That's not to say SWEs don't have work to do と書かれています。これも「ソフトウェアエンジニアはコードを書く仕事なのだから、AIが書くようになるなら仕事がなくなるだろう」と解釈されがちなところを、そうではないと念を押しているのだと思います。 では、「AIがコードを書く」とはどういうことで、その場合にソフトウェアエンジニアの仕事はどうなるのでしょうか？ ここで、我々がコードと呼んでいるものを区別することが理解に役立つと思います。 「コード」は大き

某所での研修資料です。初学者向け・3～4時間を想定しています。 出張も可能ですので、ご依頼お待ちしております。

Alibaba CloudのQwenチームが、音声合成モデル「Qwen3-TTS」ファミリーをオープンソースとして公開しました。Qwen3-TTSはテキストから自然で人間らしい音声を生成するだけでなく、説明文から新しい声を作るボイスデザインや、手元の短い音声から話者の声質を複製するボイスクローンまでを、同一系列のモデルとしてまとめて提供するのが特徴です。リポジトリはApache-2.0ライセンスで公開されています。 Qwen3-TTS Family is Now Open Sourced: Voice Design, Clone, and Generation! https://qwen.ai/blog?id=qwen3tts-0115 QwenLM/Qwen3-TTS: Qwen3-TTS is an open-source series of TTS models developed

はじめに 「Claude Codeショートハンドガイド」では、スキル、コマンド、フック、MCP、プラグインなど基本的なセットアップについて説明しました。このロングフォームガイドでは、生産的なセッションと無駄なセッションを分ける具体的なテクニックについて解説します。 まだ設定ができていない方は、先にショートハンドガイドを参照して設定を完了させてください。以下の内容は、スキル、エージェント、フック、MCPがすでに設定されていることを前提としています。 このガイドで扱うテーマは、トークンエコノミクス、メモリの永続化、検証パターン、並列化戦略などです。 ショートハンドおよびロングフォーム記事で紹介するすべての内容は、以下のGitHubで公開しています： コンテキストとメモリ管理 セッション間でのメモリ共有 セッション間でメモリを共有するには、進捗を要約・チェックするスキルやコマンドが最も効果的です

オープンソースのネットワークツール「cURL」の開発チームは、2019年からセキュリティの脆弱(ぜいじゃく)性を発見した研究者に報奨金を支払う「バグ報奨金プログラム」を実施していました。しかし、近年はAIが生成した低品質な脆弱性報告が大量に届くようになっていたため、cURLのセキュリティチームはバグ報奨金プログラムを停止することを発表しました。 curl.se/.well-known/security.txt https://curl.se/.well-known/security.txt Curl ending bug bounty program after flood of AI slop reports | SOC Defenders https://www.socdefenders.ai/item/708f48fb-c756-431f-bf85-9d4be11405cf Curl

グーグルのグローバル広告担当バイスプレジデントのダン・テイラーによると、同社が注力しているのは、AIによる概要とAIモードへの広告導入だという。Google グーグルのグローバル広告担当バイスプレジデントであるダン・テイラーによると、Geminへの広告の掲出は当面の間、予定されていないという。現時点では、AIによる概要（AI Overviews）とAIモードへの広告導入が優先されているとテイラーは話している。テイラーは、AI広告のテストを通じて同社が理解したことについて語ってくれた。AI（人工知能）チャットボットが次の主要な広告媒体になることを強く期待しているマーケターたちは、その期待をもう少しの間、抑える必要がありそうだ。 グーグル（Google）のGeminiが急激に利用者を増やしていることを受け、広告業界では「そろそろGeminiに広告が表示されるのではないか」という見方が広がってい

5秒の音声サンプルから話者の声を模倣できるオープンソース軽量モデル「Pocket TTS」はノートPCのCPUで動作フランスのAI研究機関「Kyutai」が、CPUだけでリアルタイム動作する軽量な音声合成モデル「Pocket TTS」を公開しました。 Pocket TTSはわずか1億パラメータという小さなモデルでありながら、約5秒の音声サンプルから話者の声を忠実に再現できるボイスクローニング機能を備えています。声の特徴だけでなく、感情、アクセント、話すテンポ、さらには残響やマイクの特性といった音響条件まで正確に捉えて再現。 現在のテキスト音声合成技術は大きく2つに分かれています。1つはKyutai TTS 1.6Bのような約10億パラメータ規模のLLMベースのアプローチで、あらゆる声や感情を表現できる柔軟性がある一方、GPUなしでは動作が難しいという課題があります。 もう1つはKokoro