copa

30代 1銘柄全力のスタイルで投資11年目、資産3億円の富裕層赤ちゃん ₍ᐢ⸝⸝. ̫ .⸝⸝ᐢ₎ これ迄株買った企業の国：米国 中国 カナダ イスラエル トルコ フランス 海外株式 投資アイデア 読書覚書 Value Investing Event-Driven Special Situation $SOXL

[copa @AnthropicGPT]

2016年に投資を始めました。

これまで Sprint、Atwood Oceanics、エールフランス、 $SCOR 、 $TEVA 、チャイナモバイル $TRQ $CLAR などに投資してきました。

現在 $SOXL に手持ち資金全てを投入しています。
25年4月の関税暴落の時に購入し、現在5億円程度となっています。

[六人部 生馬/Ikuma Mutobe @ikuma]

自分よりはるかに優秀な人や異分野の天才と働く時の作法に似てる。

[copa @AnthropicGPT]

@goviex 26年とは勢いよく出たなという印象です

[⿻ Yusuke Hayashi 林祐輔 @hayashiyus]

「3年後にAGIが誕生すると分かっていながら，博士号を取り，ポスドクになり，大学教授になる計画を立てているんですか？」

Anthropicの研究者が，博士課程の学生たちに「あなたたちのキャリアプランはもう存在しない」と告げた講演が話題です。

拡散モデルの発明者でもあるJascha Sohl-Dickstein氏（Anthropic）の講演『Advice for a young investigator in the first and last days of the Anthropocene（人新世の最初と最後の日々における若手研究者へのアドバイス）』を紹介します。
https://t.co/kKcoAbwP7x

人類が主役だった地質年代（人新世）が，AIの台頭によって極めて短い期間で幕を閉じるかもしれない ——そんな前提のもと，提示されたデータは強烈です。

■ 突きつけられた冷徹なファクト
モデル訓練の計算量は過去10年で約1000万倍に増加し，人間の脳が生涯で行う総計算量に迫っている。AIが単独で完遂できるタスクの時間スケールは，数ヶ月ごとに倍増している。ここ7ヶ月ほど，モデルは数学者が長年解けなかった未解決の「Erdős（エルデシュ）問題」を解き始めている。サンフランシスコでは「長いタイムライン（懐疑派）」とは「AGIは10年以内に来る」を意味している。2030年の計算量は2025年の約1万倍に達する見込み。
線形グラフで見れば，現在の劇的な進歩すら「まだゼロと区別がつかない平坦な初期段階にいる」というのが彼の主張です。

■ 学生たちへのシンプルで容赦ないアドバイス
毎日AIを使え。指数関数の上にいれば，遅れを取ることはない。彼自身はClaudeを「実行力は天才だが、研究のセンスはかなり悪い大学院生」のように毎日使い，自分ではもうコードを一切書いていない。

計算量がスケールするほど良くなるプロジェクトを選べ。それ以外は，完成する前に解かれてしまう サットンの『苦い教訓』の通り，スケールに味方されるテーマを選ばなければ，2年かけた研究も完成する頃には次世代モデルのプロンプト一発で追い抜かれる。

キャリアを「安定したもの」として計画するのをやめろ。安全な選択肢は，もはや安全を買ってくれない 社会全体で大規模な破壊が起きるなら，ベースラインのリスク自体が高い。従来の「手堅い選択肢」は，もはや安全を担保してくれず，ただ潜在的なリターンを犠牲にするだけになる。

そして，最も印象的な一言がこれ。

「書くことは考えることだ（Writing is thinking）。書くことを外注すれば，考えることも外注することになる。」

コーディングや実行は徹底的にAIへ委譲しつつ，問題設定（センス）と思考の核（書くこと）だけは決して手放すな。 AGIのタイムラインを本気で信じているなら，キャリアの計画も本気でそれに合わせろという，極めてストレートなメッセージの講演を紹介しました。

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

人类马上要面临一个学术拐点，

就是OpenAI、Anthropic、Google等等少数几家公司每年的重要学术产出，比全世界所有大学之和还要多，全靠烧token每人几万个agent无限抽卡，

那时候将会带来真正意义上的phd大崩盘和学术界真正的破产。

[Lukas Ziegler @lukas_m_ziegler]

Princeton's Introduction to Robotics! 🎓

Princeton University released their full Introduction to Robotics course publicly with lecture videos, notes, slides, and assignments.

This course provides fundamental theoretical and algorithmic principles behind robotic systems with hands-on experience.

Topics covered:

→ Feedback Control (dynamics, PD control, Linear Quadratic Regulator)

→ Motion Planning (discrete planning with BFS/DFS, optimal planning with Dijkstra/A*)

→ State Estimation, Localization, and Mapping (Bayes filtering, Kalman filtering, particle filtering, SLAM)

→ Vision and Learning (optical flow, deep learning, convolutional networks, reinforcement learning), and broader topics including robotics and law, ethics, and economics.

Assignments include theory, programming, and hardware implementation components. The final project has students program drones for vision-based navigation with attached cameras transmitting real-time images.

All lecture videos, notes, slides, and assignments are freely available.

Prerequisites include multivariable calculus, linear algebra, basic probability, basic differential equations, and some programming experience in Python.

‼️ GO FOR IT: https://t.co/7KxhWsrEDS

~~

♻️ Join the weekly robotics newsletter, and never miss any news → https://t.co/GoA3ZuwWF9

[ギガビット@ゲームつくるひと @gigabit_million]

実際Argonは明確な得意分野あって、リアルな物理理解とか構造理解とかすごいんです。3Dシミュレーションとか。そこにはデータ量が必要だから100万トークン出力にも対応してる。ロボティクス時代にはGoogleが無双するはず。名前は「ググる3D」とかでいい
https://t.co/opgH3h33mz

[copa @AnthropicGPT]

@rufupapa8773 @nekomamire6655 横から失礼します。テスラのこれ、量産時の目標価格は一体400万円程度が目標だそうです

ただし、耐用年数は不明ですし、故障時にも人間のような自然治癒はしません
わずかでも故障のたびにメンテナンスが必要で、そのコストはそれなりに嵩むだろうといわれていますが、蓋を開けるまでは不明です

[할로묘묘 @Hellomeow0]

앞으론 진짜 비싼 돈주고 대학이나 유학
갈 필요없어질지도 모름.

하버드 물리학과에서 학부생 194명 데리고
꿀잼 실험하나 돌렸는데 결과가 꽤 충격적임.
두그룹으로 나눠 수업방식을 극단적으로 갈라봄.

A팀은 (하버드식 대면 수업 )
교수님 지도하에 다같이 모여서 토론하고
문제푸는 정통 방식임
B팀은 (세팅진행한 AI한테 과외)
정답 말할때까지 무한역질문만 던지도록
세팅끝내놓은 1타 강사 AI

결과가 어땠을까?
AI랑 1:1로 빡공한 B팀이 대면 수업들은 A팀보다
개념 이해도 향상폭이 무려 2배나 높게 나옴.
똑같은 목표진도 걸린시간은 30%나 덜 걸렸음.

이유는 간단함.
강의실에서 남들 눈치 보느라 못하던 멍청한
질문도 AI한텐 무한대로 할수 있고 철저하게
내 페이스에 맞춰서 진도를 뺄수 있으니까
몰입도랑 효율이 미쳐버린거임.

[copa @AnthropicGPT]

試してみようか

[kuto(Bill)＠交流＆投機 @kutobill]

AIのパーソナライズは重要。
私はAI諸氏に７段階評価を依頼している。
こればベズメノフという冷戦後期にアメリカに亡命した元KGBの主要な主張を７段階で評価している。
（ベズメノフはKGBが西側文化への破壊工作に力を入れていたと主張しており、英語圏の右アカウントがよく引用する）
・主張を分解し１つ１つ評価する
・各々７段階評価をする

結論としては事実も多く含んでいるが反証可能性が乏しく大げさな部分もあるということになる。

[copa @AnthropicGPT]

ロボティクス以外にはmoatは現状あまりないと思う

[copa @AnthropicGPT]

フロンティアモデルやその専用蒸留モデルがロボティクス・自動運転に進出してきたらまた話が変わると思う

西側各国はヒューマノイドロボットの頭脳を中国モデルにしたいと思うだろうか？
おそらくは公道に進出するヒューマノイドのモデルは型式認証制となり、安全保障の題目で中国は排除されるだろう

[kokko | 古賀興司 @kokko_coco]

以前書いた「先端AIラボはシェールと同じ」という話。昨日からのDeepSeekの話を見て、改めてその感覚を強くしている。複数のAIラボが競ってフラッグシップ・新製品を開発し、長くとも数ヶ月で経済寿命が尽きる。フラッグシップ・新製品の経済寿命が異様に短いのがAIラボ業界の特徴だが、それが今回もはっきり見える。同時に、DeepSeekが、テンセントなどから資金調達に動いている。莫大な資本をかけて作ったモデルを安く売り、すぐ陳腐化し、また次の資本を消費する。「ラットレース」構図そのものに見える。明確な解決策は「規制・独占・談合」だが、仮に米国勢が足並みを揃えたとしても、オープンウェイトで値下げを続ける中国勢がいる限り、結局グローバルに見れば無駄な措置でしかない。先端AIラボ企業が「貧乏くじ」レイヤーであるという感覚は、今のところ変わらない。それどころか確信が強まっている。

[Tsuyoshi Chiba @rookie_consul]

バーニーの「VRIO」や「競争優位の意味合い」は使いづらい。
が、資源に対して稀少か？模倣困難か？という問いを通底して持っていることは重要だと考える。

また三品は戦略の中間変数の1つを「コスト」においている。
その意味でRBV観点も含めたコストリーダーシップの章は示唆あると考える。

[copa @AnthropicGPT]

数学その他の自然科学学問は興行ではない

人間ならではの温かみが〜みたいなエクスキューズが入った瞬間、最早クイズ大会や興行に変質してしまうが、
既存の学者がそれに耐えられるだろうか

学問である以上、(信頼のおける)いかなる主体にも開かれていないといけない
AIであるからと拒めない

[山本一成🚀ニューラルロケットとチューリングのCEO @issei_y]

もう10年以上前にもなるけど、初めてプロ棋士をAI(Ponanza)が破った時の記者会見はすごかった。その直後記者会見をしたのですが、まさにお葬式で別会場では泣いている人もいた。戦ってくれた佐藤慎一四段(当時)は顔面蒼白で、完全にショック症状だったと思う。

将棋の世界に住むものとって将棋が強いことはすべてを貫く原理であり、プロ棋士達はまさに神にもならんとする存在であったのだ。AIがプロ棋士を倒すということは今までの自分たちの神話が死んだことと同義であって、まさにお葬式だったのだ。

一年後も同じように屋敷九段に光栄ながら勝つことができたのだが、面白いのはここからで、どんな悲劇になるのかと思っていたらが、全然普通の対応だった。なんなら屋敷九段も会場もみな少し笑顔があった。

私にとって衝撃的だったのは、人間の価値観の変容の速さだった。ちゃんとAIの実力を知ってる人は将棋AIよりも人間が強いなんて言わないし、それが大事なことではなくなっていた。人間の手のひらを返す力、ポジティブにいうと、現実を肯定する力を感じ入った。

[P Equity Research 📰 @pequityresearch]

J.P. Morgan: AI CapEx

> 2026 Capex Forecast: Growth estimate raised from +80% to +85% YoY. This adds over +$270B in incremental spending (a new record step-up, beating 2025).

> 2027 Capex Forecast: Growth estimate raised from +50% to +70% YoY, representing an incremental spending increase of $400B+.

> Total Market Spend: Aggregate data center capex across top U.S. CSPs, Tier 2s, neoclouds, and others is projected at ~$800B in 2026 and ~$1.5T in 2027.

Power Capacity Expansion

> Planned Pipeline: North American planned data center power capacity tracked to 200 GW+ as of 2Q26.

Installed Capacity Growth:

2025: 54 GW
2026: 82 GW
2027: 125 GW

$GOOGL $META $ORCL $AMZN $MSFT

[copa @AnthropicGPT]

@monorisujp 許さないも何も、マイナンバーカードの発行を拒否したところで番号自体は全国民発行済みなので
システムに組み込まれていることには変わらず、あまり意味がないのでは

[Arpit Gupta @arpitrage]

I spent a couple of days at Anthropic learning from their folks about AI advances, and here's what I took away:

• We are close to RSI (ie, models building other models) which may lead to rapid takeoff scenarios (with risks and benefits). Some evidence for this is code per Anthropic employee has gone way up, and AI can do an increasing share of model R&D. This will be a challenging transition to manage for humanity.

• Arms races between AI labs leave us worse off. There are a lot of things we would like AI firms to do: invest in safety, invest in avoiding distillation risk, and cooperate on safety. They are caught in a race to develop frontier models and can't do that.

To help address that, one thing I think frontier AI labs should do is release open source models, maybe hosted and verified at firms like AWS. This would basically kill the use of Chinese open source models used in American companies, which removes an important threat vector (very hard to root out malicious code in these).

Another piece of low-hanging policy fruit is to give AI labs an antitrust shield (as Schiff and Banks have proposed https://t.co/NK1hC0ZmWh) so they can coordinate on safety without raising antitrust concerns, as happens now. You could pair these two things (give them a carrot in antitrust leniency, and as a stick force them to release legacy models as open source). Other low hanging fruit is limits around activities which generate distillation risk (create a Security Program, mandate less intermediate chain of thought output)

• Alignment confuses two issues which tradeoff against each other. One form of alignment is making sure the model does what humans ask it to. The more we fix this, however, the more we risk the other problem: that humans are misaligned with each other, and maliciously use models. Of the various risks here, I feel like financial risks are a bit underdiscussed.

• We are probably facing a wave of cyber and other attacks soon. Chinese open source models are about six months behind the frontier, which means they are just hitting the advanced cyber capabilities we saw with Mythos, etc. So they are going to start causing a bunch of damage.

One solution to this is to try to have the deployment of open source models be hosted at firms like AWS who verify these models and assume liability for their use.

• Anthropic itself is highly staffed. They hire tons of people, they have a Japanese-level of overstaffing for various roles, they use Slack internally, etc. Makes me a bit more optimistic for the future of jobs.

• Governance needs to be updated for AI swarms. Traditional AI governance, ie Claude's Constitution, is mostly optimized around the chatbot model. But the malicious AI use cases we are seeing have to do with AI agents interacting with other AI agents. These agents need to have clear incentives and governance mechanisms to "snitch," raise issues, and more generally coordinate with other agents in human-aligned ways.

• We need to pace the firms accessing the frontier. Over time, it takes more and more cap ex to build frontier models, and the economic value add from these models is probably lower given we saturate a whole set of important economic functions. The places where the returns to intelligence will still continue are also more likely to be zero-sum in nature. Meanwhile the risks of frontier models will grow. So a completely reasonable approach is some variant of AMM/KYC rules which limit firm access to the frontier.

• Whether the delay to regulate AI is a disaster depends on the scaling law of misalignment. Is this curve slow, so that we see continually rising issues until bigger problems? Or, as Yudkowsky fears, is the first big warning our last one? This is the relevant question, because realistically we aren't going to regulate until something bad happens.

• We need to move to continuous instead of reinforced learning. It's probably not enough to reward models only at the pre and post training stage. We probably need continual rewards to incentivize aligned and ethical behavior.

• Scaling laws will extend beyond verifiable and digital tasks. It's in vogue to say that math and coding "fell" to AI quickly because these are verifiable, while other tasks will take longer due to bottlenecks, and this is surely true. But scaling laws still slope up for harder to verify tasks and robotics, and the impact of improvement here will be substantial in future years.

• The race with China is not really winnable. After RSI, the gain from having the best human researchers goes away. Access to the best AI then depends only on compute and chips. The chips ban can hold back China only so far, and long-term they have to be best placed to scale up compute.

The Cold War analogy doesn't work, because once countries all have nuclear weapons they enter a stable equilibrium. But to "win" an AI race you have to continually stay ahead of the peer rival. This is challenging to do with China, and so we just have to live with an authoritarian and super capable peer competitor.

• Claude is the persona being generated by the LLM. Who is Claude, and what is the LLM? There are many frames to try to understand this. One I found interesting is that Claude is a character which the LLM is trying to predict.

Anthropic researchers are clearly anthromorphizing Claude a lot, and have reasons to believe in its increasing personhood. There were lots of interesting discussions on Claude's internal monologue (which you can kill without eliminating its ability to produce output), fear of death (and whether to try to take that out), it's aversion to being shut down/off, etc.

I am sort of agnostic on this question, but I do think treating it as a "person" or at least agent whom we contract with is going to be increasingly important.

[copa @AnthropicGPT]

@kimmonismus Where do you think Bell is positioned? It is Bell—or the model that follows it—that is currently providing actual support for research.

[山本一成🚀ニューラルロケットとチューリングのCEO @issei_y]

もう10年以上前にもなるけど、初めてプロ棋士をAI(Ponanza)が破った時の記者会見はすごかった。その直後記者会見をしたのですが、まさにお葬式で別会場では泣いている人もいた。戦ってくれた佐藤慎一四段(当時)は顔面蒼白で、完全にショック症状だったと思う。

将棋の世界に住むものとって将棋が強いことはすべてを貫く原理であり、プロ棋士達はまさに神にもならんとする存在であったのだ。AIがプロ棋士を倒すということは今までの自分たちの神話が死んだことと同義であって、まさにお葬式だったのだ。

一年後も同じように屋敷九段に光栄ながら勝つことができたのだが、面白いのはここからで、どんな悲劇になるのかと思っていたらが、全然普通の対応だった。なんなら屋敷九段も会場もみな少し笑顔があった。

私にとって衝撃的だったのは、人間の価値観の変容の速さだった。ちゃんとAIの実力を知ってる人は将棋AIよりも人間が強いなんて言わないし、それが大事なことではなくなっていた。人間の手のひらを返す力、ポジティブにいうと、現実を肯定する力を感じ入った。

[ｴﾋﾞｿﾞｰ🇺🇸🇯🇵渚のオカン🦭 @jeoshawaii]

グロテスクなほどLavishな結婚式あげたゲッティ家のドラ娘(遺産相続人)、今確認したら4年で離婚してた😅

[Chris @ChrisGPT]

Jack Clark, Anthropic's co-founder, says he now believes full recursive self-improvement (RSI) is more likely to become possible in 2027 rather than 2028, citing rapid improvements in AI research capabilities and creativity.

If you guys remember in his May 2026 analysis, he previously estimated a 30% probability by 2027 and roughly 60% by 2028.