柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室

【新刊】みんなのPython第五版(二刷)，Pythonで学ぶはじめてのプログラミング入門教室などの著者。大手予備校講師。たまに企業や学会，技術イベントに呼ばれてお話しします。

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

投稿が拡散されているようなので、ちょっと宣伝させてください。
Pythonの入門書を書いていますので、ぜひお読みください！

https://t.co/wRfrbfhsiz

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

この記事で本当に重要なのは「10倍速い」よりも「5倍省電力」の方かもしれません。

推論は学習と違って24時間365日動き続けます。AIサービスが社会インフラ化すると、運用コストの大半は電力代になります。今後のAIチップ競争は性能競争というより、ワット当たり性能競争になる可能性があります。

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

AI半導体スタートアップのD-Matrixが、推論（Inference）向けチップ「Corsair」の量産開始を発表しました。同社は、このチップが特定の推論ワークロードにおいてNVIDIA製GPUより最大10倍高速、消費電力は5分の1になると主張しています。D-Matrixは2019年創業で、これまで約5億ドルを調達しており、投資家にはMicrosoftも名を連ねています。

同社の特徴は、大量のDRAMに依存するGPUとは異なり、SRAMをチップ上に高密度に集積した設計にあります。その結果、低遅延かつ省電力な推論処理を実現できます。一方で、大規模言語モデルのような巨大なパラメータを保持する用途には向かず、チャットボットや音声エージェントなど応答速度重視の領域を狙っています。すでに米国のハイパースケーラーやAI研究機関から引き合いがあり、今月から出荷を開始します。

これまでAIチップ競争は「誰がNVIDIAを倒すのか」という視点で語られがちでした。しかし実際には、NVIDIAを完全に置き換える企業はなかなか現れず、むしろNVIDIAと組み合わせて使われる専用アクセラレータが増えています。記事中でもアナリストは「顧客はNVIDIAと併用するケースが多い」と指摘しています。

背景には、AI利用の重心が学習（Training）から推論（Inference）へ移り始めていることがあります。モデル開発競争が一段落し、今後は膨大なユーザーリクエストをいかに安価に処理するかが重要になります。そこで万能GPUよりも、特定用途に特化したチップの価値が高まっています。

また、DRAMやHBMの供給制約も見逃せません。D-MatrixのようにSRAM中心の設計を採用する企業は、メモリ不足という業界全体のボトルネックを回避できます。性能競争だけでなく、供給網そのものが設計思想を変え始めているのです。

興味深いのは、Microsoftがこうしたスタートアップに投資している点です。Microsoft自身もAIチップを開発しており、一見すると競合関係にも見えます。しかし実際には、AI需要が急増する中で、単一ベンダーへの依存を減らしたいという思惑が透けて見えます。巨大クラウド企業にとっては「勝者を当てる」よりも、「供給源を増やす」ことの方が重要になっているのでしょう。

https://t.co/iakD3T0sgL

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

ワンコ連れて嫁さんとランチ:-)。

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

AIがコードを書く時代になっても、この7つの法則はむしろ重要性が増しそうです。

AIは実装速度を10倍にできても、「この変更を今ロールバックすべきか」「この外部APIが落ちたら事業影響はどこまでか」といった判断はしてくれません。コード生成のコモディティ化が進むほど、運用設計や障害対応の知識がエンジニアの差別化要因になっていくように思います。

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

「ソフトウェア開発者が知っておくべき7つの暗黙の法則」、という記事から。

・障害はたいてい直前の変更と関係している
・バックアップは復元して初めてバックアップになる
・ログの書き方は後で必ず後悔する
・ロールバック計画は必須
・外部依存は必ず壊れる
・少しでも危険なら「4つの目」で確認する
・仮の対応ほど長生きする

1. 障害はたいてい直前の変更と関係している

本番障害が発生すると、「自分が触った箇所とは関係ないはずだ」と考えがちです。しかし実際には、デプロイ直後の障害はその変更に起因していることが非常に多いという話です。

著者は、原因究明に時間を使うよりも、まずロールバックしてサービスを安定化させ、その後で調査すべきだと主張しています。「無実を証明する」より「まず戻す」が鉄則です。

2. バックアップは復元して初めてバックアップになる

バックアップを設定しているだけで安心しているチームは少なくありません。しかし本当に重要なのは復元できることです。

復元に何時間かかるのか、誰が実行できるのか、どこまでデータを戻せるのかを事前に確認しておかなければ、障害時に初めて手順を調べることになります。バックアップの存在より、復元訓練の有無が重要だという教訓です。

3. ログの書き方は後で必ず後悔する

障害調査のとき、「欲しい情報が記録されていない」か「情報が多すぎて探せない」のどちらかになることが多いものです。

近年はAIによるコード生成で過剰なログ出力も増えています。理想は、必要な情報が検索しやすい形で残され、リクエストIDなどで追跡可能なことですが、そのバランスを取るのは非常に難しいと著者は述べています。

4. ロールバック計画は必須

データベース変更やデータ更新を伴う作業では、「失敗したらどう戻すか」を事前に決めておくべきだという法則です。

カラム追加なら削除手順を、データ削除ならバックアップを、型変更なら逆変換方法を用意しておく。そして重要なのは、それらを実際に試しておくことです。紙の上だけのロールバック計画は本番では役に立たないことがあります。

5. 外部依存は必ず壊れる

SaaSやAPIを導入すると開発は速くなりますが、その分だけ障害要因も増えます。

著者は第三者APIのレート制限に引っかかり、長期間の障害対応を経験しました。その結果、「APIが落ちたらどうなるか」「キャッシュは可能か」「利用者への説明方法はあるか」といった問いを事前に考えるようになったそうです。依存先が正常であることを前提にしてはいけません。

6. 少しでも危険なら「4つの目」で確認する

本番DBや管理者権限を使う作業では、自分一人で判断しないという原則です。

著者は過去に重大なデータベース障害を起こした経験から、「少しでも不安があれば誰かに見てもらう」習慣を身につけました。説明している途中で自分のミスに気づくことも多く、レビューそのもの以上の効果があります。

特に「休日だから誰にも聞きたくない」と感じるときほど危険だという指摘は印象的です。

7. 仮の対応ほど長生きする

「とりあえず動くようにしただけ」のコードは、驚くほど長く残ります。

開発現場では、新機能は歓迎されてもリファクタリングは後回しになりがちです。そのため、「後で直す予定」の暫定実装が数年残ることも珍しくありません。

著者はこの現実を受け入れ、「将来作り直す前提」ではなく、「小さくても納得できる品質」で最初から作るよう考え方を変えたと述べています。

全体を通して見えてくるもの

この7つの法則に共通しているのは、「技術よりも人間が失敗する」という前提です。

システム障害の原因はアルゴリズムの欠陥よりも、「大丈夫だと思った」「後で直そうと思った」「関係ないと思った」といった人間の判断ミスにあることが少なくありません。そのため、優れたエンジニアとは複雑なコードを書ける人ではなく、自分やチームが間違えることを前提に仕組みを作れる人だ、というメッセージがこの記事全体から伝わってきます。

https://t.co/EKFIvGHSec

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

さらに見方を変えると、AIの価値がモデルそのものから統合技術へ移りつつあることも示しています。ユーザーが評価するのは「FastSpeech2を使っているか」ではなく、「Siriが自然で遅延なく話すか」です。今後の競争では、モデルの名前よりも、それらをどう組み合わせて製品体験に変換するかが重要になっていくでしょう。

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

RedditのMachineLearningコミュニティで、iOS 27シミュレータ内のファイルを調査したユーザーが、Siri関連と思われる音声合成モデルとしてWaveRNNとFastSpeech2を発見したと報告しています。両モデルは研究コミュニティで広く知られる音声生成技術であり、Apple独自の新規アーキテクチャではなく、既存研究をベースに改良して利用している可能性が示唆されています。

投稿者によると、これらのモデルはAppleの機械学習実行基盤向けの形式に変換されており、Siriのテキスト読み上げ（TTS）機能に使われているとみられます。また、別用途として単純なロジスティック回帰らしきモデルも見つかったとされ、Appleが用途に応じて複数の軽量モデルを組み合わせている様子もうかがえます。

近年のAI業界では、大規模言語モデルばかりに注目が集まっています。しかし実際の製品開発では、「精度が十分であれば軽量モデルを使う」という判断がむしろ増えています。音声合成はその典型例で、FastSpeech2やWaveRNNは数年前の技術でありながら、速度・品質・消費電力のバランスが非常に優れています。

Appleはクラウド依存を減らし、端末上での処理を重視する企業として知られています。そのため、数百億パラメータ級の生成AIを何でも動かすのではなく、音声生成専用の小型モデルを最適化して搭載するほうが合理的です。研究の新しさよりも、ユーザー体験や電池持続時間を優先する設計思想が見えてきます。

また、AI開発の競争軸そのものが「誰が最新モデルを持っているか」から、「誰が適材適所でモデルを配置できるか」へと移りつつあります。巨大モデルが頭脳を担当し、音声や画像処理は専用モデルが受け持つ構成が今後さらに一般化するかもしれません。

https://t.co/3YIYcWXc6I

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

今回興味深いのは、Appleが必ずしも最先端論文のモデルを採用していない点です。研究コミュニティでは新しいモデルが次々登場しますが、製品開発では「5年前の技術」が最適解になることも珍しくありません。研究の最前線と商用システムの現実には、しばしば大きな距離があります。

[武部聡志-TAKEBE SATOSHI- @takebesatoshi]

あーりん　HAPPY BIRTHDAY🎉🎂おめでとう‼️
30歳だなんて信じられないよ😳
いつまでもあーりんでいてくださいね‼️
また一緒にステージに立つのを
楽しみにしていますね♪♪♪

[ももクロFC公式／ANGEL EYES @information_mcz]

・＊・＊・🎂・＊・＊・
　　𝙷𝚊𝚙𝚙𝚢 𝙱𝚒𝚛𝚝𝚑𝚍𝚊𝚢
・＊・＊・🩷・＊・＊・

本日6月11日は #佐々木彩夏 の誕生日です🌟
お誕生日おめでとうございます！

笑顔あふれる
素敵な一年になりますように🍀

19:00からは生配信🎥
#あーりん を全力でお祝いしましょう🎂

#だってあーりん30なんだもん

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

「コード書ける」の価値が低くなっていて、「意図をくみ取る」とか「お金に繋げる」と組みあわせないと生き残って行けないようになると思います。

[moon phase @moonphase16]

コードが書けるエンジニアには高給払うべき論で言うなら、コードが書けるAIにも高い金払ってやれば？と思うんですよね

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

もし本当に1kgあたり1〜2ドルで安定生産できるなら、この研究はリサイクル技術というよりエネルギー技術として評価されるでしょう。航空業界は電動化が難しい分野だけに、「廃棄物から液体燃料を作る」技術は想像以上に大きな市場を持っています。ごみ処理施設と石油精製所の境界線が、少しずつ曖昧になっていくのかもしれません。

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

中国の研究チームが、廃プラスチックから、1kgあたり1.0〜1.8ドルで航空機用燃料を製造する新しい触媒技術を開発しました。ポリスチレンなどのプラスチックを高温で分解し、その後、原子レベルで設計されたルテニウム触媒を使って反応を制御することで、航空燃料に適したシクロアルカンを効率よく生成します。

特に注目されているのは経済性です。研究チームの試算では、製造コストは1kgあたり1.0〜1.8ドル程度とされ、既存のジェット燃料と競争可能な水準に達しています。また、触媒をグラム単位まで拡大して試験しており、実験室レベルを超えた実用化も視野に入っています。プラスチックごみの削減と持続可能な航空燃料の供給を同時に実現できる可能性が示されました。

これまでプラスチックのケミカルリサイクル研究では、「分解はできるが、欲しい物質だけを効率よく作れない」という問題が大きな壁でした。分解後にさまざまな炭化水素が混ざり合い、製品価値が低下してしまうためです。

今回の研究が注目される理由は、原子レベルで触媒の活性点を設計することで、生成物をジェット燃料に適した成分へと誘導できた点にあります。単にプラスチックを燃料に変えるのではなく、「狙った燃料を選択的に作る」段階へ進んだことが重要です。

さらに、反応器もバッチ式ではなく連続処理に近いタンデム型プラグフロー反応器を採用しています。触媒開発だけでなく、生産プロセス全体を工業化前提で組み立てているため、研究の重心が基礎化学から製造システムへ移りつつあることが見て取れます。

興味深いのは、この研究の主目的が「リサイクル」ではなく「航空燃料の供給」に置かれていることです。近年の航空業界は脱炭素圧力を強く受けていますが、電動航空機や水素航空機が大規模商業運航に到達するまでには長い時間がかかります。そのため既存エンジンで使える持続可能航空燃料（SAF）が現実的な選択肢として期待されています。

また、この技術が本当に広がるかどうかは、化学技術そのものよりも廃プラスチックの回収網や水素供給コストに左右される可能性があります。触媒性能が優れていても、原料調達やエネルギー価格が不安定なら事業として成立しません。今後は触媒研究よりも、資源循環システムやエネルギーインフラとの統合が競争力の決め手になるかもしれません。

https://t.co/b9c4mFPNbd

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

昔のプログラマはループを1回減らすために苦労していました。2026年のプログラマは「そのプロンプト、本当に10万トークン必要？」とレビューされています。時代は変わりましたが、結局は計算資源の節約に戻ってくるあたり、コンピュータサイエンスの本質はあまり変わっていない気がします。

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

TechCrunchの記事によると、MicrosoftがGitHub Copilotの料金体系を大幅に見直し、従来の定額モデルからトークン利用量に応じた課金へと移行し始めたことを受けて、一部の開発者の間では「Tokenpocalypse（トークンアポカリプス、トークン課金地獄）」という言葉が使われ始めているようです。記事では、これが単なるCopilotの値上げ問題ではなく、生成AI業界全体が直面している収益性の課題を象徴する出来事だと指摘しています。

背景には、OpenAIやAnthropicなどのAI企業が巨額の投資資金によってサービスを実質的に補助してきた構造があります。しかしAnthropicをはじめとする大手AI企業がIPO（株式公開）を目指す段階に入り、投資家から利益率や収益モデルについて厳しい説明を求められるようになりました。その結果、今後は利用料金の引き上げや利用量制限が業界全体に広がる可能性があるとTechCrunchは論じています。

これまで生成AI業界は「まずユーザーを獲得し、その後に収益化を考える」という典型的なスタートアップ戦略を採用してきました。ChatGPT Plusの月額20ドルも、厳密な原価計算というよりは市場に受け入れられる価格を優先したものだったと記事では指摘されています。

ところが生成AIは、ユーザーが増えるほど計算コストや電力消費も増えるという特徴を持っています。従来のSaaSのように利用者増加がそのまま利益率向上につながるわけではありません。記事中では、Uberが社内AI利用予算を想定以上のスピードで使い切り、利用制限を導入した例も紹介されており、「AIを積極活用する時代」から「AI利用コストを管理する時代」への移行が見え始めています。

また、数カ月前まで開発者コミュニティで流行していた「tokenmaxxing（できるだけ大量のトークンを使い倒すこと）」が、今ではコスト問題から敬遠され始めている点も象徴的です。利用量を増やすこと自体が価値だった時代から、費用対効果を考える時代へと空気が変わりつつあります。

https://t.co/81uMtCimew

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

CPUやGPUの話だと思って読むと少し肩透かしですが、実はフォトニックチップはAI時代にますます重要になります。計算そのものよりも、GPU同士やデータセンター内の通信がボトルネックになりつつあるからです。もし低コストで光デバイスを量産できるなら、AIインフラ全体の構造に影響を与える可能性があります。

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

中国のスタートアップPrinanoは、従来のDUV（深紫外線）露光装置を使わず、ナノインプリントリソグラフィ（NIL）によって8インチのフォトニックチップウェハーを製造したと発表しました。同社によれば、独自の真空エアクッション方式を採用することで、従来のDUVプロセスに比べて製造コストを約90%削減できるとしています。

NILは光で回路を焼き付けるのではなく、微細な型を押し当ててパターンを転写する技術です。理論上は高解像度かつ低コストですが、欠陥率や量産性の問題から長年主流にはなれませんでした。Prinanoは、圧力制御や専用材料などを組み合わせることでこれらの課題を克服し、フォトニックチップ向けの量産検証に成功したと主張しています。ただし歩留まりや生産量などの重要指標は公開されておらず、第三者による検証も行われていません。

注目すべきなのは、「より高度な露光装置を作る競争」から、「露光装置そのものを使わない競争」へと発想が移っていることです。

これまで中国の半導体産業は、ASMLのEUVやDUV装置へのアクセス制限を受けるたびに、それらの代替品を国産化する方向へ進んできました。しかし今回の発表は、既存の技術体系を追いかけるのではなく、製造プロセス自体を変えてしまおうという試みです。もし成功すれば、「追いつく競争」ではなく「別のルールを作る競争」になります。

さらに興味深いのは対象がCPUやAIチップではなくフォトニックチップである点です。光通信やデータセンター向けデバイスでは、繰り返し構造が多く、NILとの相性が良いとされています。つまり最も難しいロジック半導体ではなく、まず成功確率の高い領域から商業化を狙う戦略が見えてきます。

https://t.co/aZsMTnccDo

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

最近の到達点は、非決定的なことを決定的に扱えるようにメタデータ化する作業をAIさんにお願いしないとうまくいかんよな、というあたり。

[naoya @naoya_ito]

決定的なことは古典的手法で、非決定的なことはAIで。境界をきちんと見分けて何でもかんでもAIに推論させない。こういうことを丁寧に紡ぎ上げてくってのは、たぶん中長期的にみて大事なことになってくんじゃなきかな

[emadurandal_cgj @emadurandal_cgj]

そうなんだよね。WASM対応ライブラリを作る上で、避けて通れないのがWASM/JS境界またぎのコストと、発生しうる冗長データコピーのコスト。
WASM化するにも、このあたりの問題をきちんと対処しないと決して速くはならない。

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

この話は「Metaが悪い」という単純な問題ではありません。SNS企業の収益源は広告であり、広告の審査を厳しくすれば収益や利用者体験に影響します。一方で、審査を緩くすれば詐欺が増えます。プラットフォームは成長と安全性の間で難しい均衡を迫られています。

さらに長期的には、AIによって詐欺広告や偽アカウントの生成コストが劇的に下がる可能性があります。AIは防御側にも使われますが、攻撃側にも使われます。すると問題の本質は「個々の詐欺を取り締まること」ではなく、「信頼できる本人確認や取引保証をどう設計するか」に移ります。SNSはコミュニケーション基盤から、社会の信用インフラへと役割を変えることを求められているのかもしれません。

[柴田 淳-【新刊】みんなのPython第五版/Pythonで学ぶはじめてのプログラミング入門教室 @ats]

英紙The Independentの記事によると、英国の大手銀行Lloydsは、顧客から報告された詐欺被害の68%がMeta傘下のFacebook、Instagram、WhatsAppを起点としていると明らかにしました。特に20代後半から30代前半の利用者が被害に遭いやすく、コンサートやスポーツ観戦チケット、結婚式用フォトブース、タトゥー予約金などを巡る詐欺が多発しているといいます。

また、被害額も増加傾向にあり、平均請求額は500ポンドを超え、前年より約100ポンド増加しました。一方でMetaは、英国で金融商品を宣伝する広告主に認可確認を求めていることや、昨年だけで1億5900万件以上の詐欺広告を削除したことを強調しています。さらに、被害者らによる集団訴訟の動きも始まっており、プラットフォームの責任が問われ始めています。

以前の詐欺はメールや電話が中心でした。しかし現在は、人々が最も長時間滞在する場所がSNSへ移っています。詐欺師もそれに合わせて活動場所を移し、広告、マーケットプレイス、コミュニティ、ダイレクトメッセージなどを利用して接触するようになりました。犯罪の手口そのものよりも、犯罪者が顧客と出会う場所が変わったことが重要です。

さらに、SNS企業のアルゴリズムは「信頼できそうに見える相手」を効率よく発見・表示する仕組みを持っています。本来は広告効果やコミュニケーション促進のための技術ですが、詐欺師も同じインフラを利用できます。結果として、詐欺は無差別攻撃から、興味関心や購買意欲を狙った精密な攻撃へと変化しています。

もう一つ注目すべきなのは、銀行が単に顧客へ注意喚起する段階を超え、プラットフォーム運営企業の責任を公然と指摘し始めたことです。金融機関は損失補填の負担を抱えており、「被害の発生源」に目を向けるようになっています。被害補償制度が広がるほど、この圧力は強まるでしょう。

https://t.co/l9mhqzVGTJ