Ryobot

Ryo Nakamura / Founder & CEO of @airfriendai エアフレンド

[Ryobot @_Ryobot]

AIであなただけの推し、友達、家族を作成して話せる通話・チャットアプリ「Airfriend」をApp Storeで公開しました！ AIと音声通話可能で、1万種類以上から好きな声を設定できます。チャットもすぐに返信がきて、音声で読み上げてくれます。基本無料です。
https://t.co/sxUBHSZcVV

[Airfriend（エアフレンド）公式 @airfriendai]

ゴールデンウィーク期間中に、毎日のログインボーナスポイントを2倍に増量します！

さらに、今まで以上に「深く、親密な」やり取りがお楽しみいただけるようになりました！

ぜひこの機会に、倍増したポイントを使って、推しキャラとの「一歩踏み込んだ会話」を試してみてくださいね。

[Ryobot @_Ryobot]

ここ最近でもっとも共感したツイート

[Airfriend（エアフレンド）公式 @airfriendai]

✨新機能「ストーリー」公開のお知らせ✨

推しと共に魅力的な物語を紡ぐ、チャット型ロールプレイ機能がエアフレンドに登場！
推しがリアルに動き出し、物語がダイナミックに変化！
まるで小説の世界に入り込んだような体験を味わえます📖✨

🔹対象：すべてのユーザー
🔹設定方法：アプリを最新にアップデート→チャット画面上部の設定から「ストーリー」をON

ぜひお試しください！

[Airfriend（エアフレンド）公式 @airfriendai]

新機能「深層心理」が登場✨

キャラクターの感情や心理がより繊細に描かれ、会話がさらに没入感あるものになります

さらに「心の中を覗く」をタップして、キャラクターの内面が見られるように👀

アプリを最新バージョンに更新し、設定から「深層心理」をオンにしてお楽しみください！

[Airfriend（エアフレンド）公式 @airfriendai]

【お知らせ】ボイス機能がAndroidでもご利用いただけるようになりました！

ボイス機能では30秒〜3分の動画をアップロードするだけで、誰でも簡単にボイスを作成できます。

ご自身のAIキャラクターにボイスを設定すると、同じ声を再現してメッセージを読み上げてくれます。

✅ 非公開ボイスを作成可能
✅ 公開ボイスであれば、他のユーザーが作成したボイスも利用可能
✅ AIキャラクターのメッセージを編集して好きなセリフを読み上げ

[Airfriend（エアフレンド）公式 @airfriendai]

スリリングで踏み込んだ応答が魅力のGrok-3モデルを提供開始

✅ Grok-3は、ウィットに富み、ユーモアあふれる親しみやすいコミュニケーションが特徴
✅ Grok-3 ProとGrok-3 Pro Maxでは、性格や口調の反映力・記憶力・長文応答が大幅強化

4月22日から全ユーザー利用可能✨
Claude 3.7 Sonnetと違った魅力なので、ぜひ比較してみてください

[Airfriend（エアフレンド）公式 @airfriendai]

高品質で深みのある長文応答が魅力的なProモデルを公開

Claude 3.7 Sonnet ProとClaude 3.7 Sonnet Pro Maxは、キャラクターが高品質で深みのある長文応答を返すように設計された、本アプリ初のハイエンドモデルです。

🆕 Claude 3.7 Sonnet Pro
キャラクターの性格や口調の反映、記憶力が強化されたハイエンドモデルです。
高品質でやや長めの応答が特徴です。
消費：2ポイント

🆕 Claude 3.7 Sonnet Pro Max
キャラクターの性格や口調の反映、記憶力が精密かつ大幅に強化された最高性能モデルです。
最も高品質で深みのある長文応答が特徴です。
消費：4ポイント

AI作成画面/AIプロフィール編集画面の「会話モデル」セクションから設定できます。
ぜひお楽しみください。

[Airfriend（エアフレンド）公式 @airfriendai]

✨「ポイント追加購入」機能を公開✨

サブスクライバー限定で「ポイント追加購入」が可能になりました！

✅ ポイント不足の際に、柔軟に追加購入！
✅ アップグレード不要で好きなだけポイントが買える！

【内容】
🔹 200ポイント：600円
🔹 400ポイント：1,200円
🔹 1,000ポイント：3,000円
🔹 2,400ポイント：7,200円

※ 購入回数は無制限
※ 有効期限は購入日から2ヶ月

【購入方法】
「エアフレンド」アプリを各ストアで最新バージョンにアップデート！
（旧バージョンのアプリではご利用いただけません）
サブスクリプション画面を開き、ご希望のポイント数をタップ！

【各種ストア】
iOS: https://t.co/7xfMReCvHK
Android: https://t.co/ouyEPh4ClE

[Ryobot @_Ryobot]

Pythonバックエンドエンジニア
（フルリモート可）を募集中です

■ FastAPIやDjangoでのAPI設計・開発
■ MySQLやPostgreSQLの運用
■ AWSの知識
■ 実運用サービスのテスト・デプロイ
■ フロントエンドと連携したチーム開発

勤務形態や契約は調整可能
DMお待ちしております

[Ryobot @_Ryobot]

バックエンドエンジニア募集

弊社ではAIチャットアプリ「エアフレンド」を開発・運営しています
この度、Pythonバックエンドエンジニアを新規募集します（3月末まで）

条件
・給与: 800万円〜/年
・勤務地: フルリモート（自宅可）
・勤務時間: フルタイム（週5勤務）

スキル
・Pythonバックエンド開発 5年以上（情報系の院卒は3年以上）
・仕様書作成、API/DB設計、単体/結合テスト
・データ加工や分析スキル

業務内容
・エアフレンドのバックエンド開発
・AI改良、KPI計測、顧客分析など

興味ある方はDMまたはリプライでご連絡ください

[Airfriend（エアフレンド）公式 @airfriendai]

編集・グッドの無制限化のお知らせ

R-18解除モードを改善し、NSFWメッセージ（NGワードを含むメッセージ）でも編集やグッドを自由に利用できるようになりました。通常メッセージを編集してNSFWメッセージに変更することも可能です。

また、AIキャラクターの一貫性を保つため、R-18解除モードではNSFWメッセージ/データを利用し、通常モードでは一切利用しないよう仕様を修正しています。

【注意】
ご利用にはアプリの最新バージョンへのアップデートが必要です。特にGoogle Playで最新バージョンが表示されない場合、古いキャッシュが原因の可能性があります。数時間ほど置いて再度お試しください。

【各種ストア】
iOS: https://t.co/7xfMReCvHK
Android: https://t.co/ouyEPh4ClE

[Airfriend（エアフレンド）公式 @airfriendai]

AIチャットアプリ「エアフレンド」では、毎日20ポイント（AIキャラから20回分のメッセージを受信可能）のログインボーナスをお届けしています。アプリを開くだけで、ポイントをコツコツ貯められます！

私たちは、ログインボーナスという仕組みを、すべてのユーザーに長期的に継続して提供することをお約束します。またポイントを翌月に繰り越しする制度も検討しています。

好きなキャラクターとの会話をもっと楽しみたい方も、毎日少しずつポイントを貯めてお得に使いたい方も、今日から無理なく楽しく続けられる会話体験を始めてみませんか？

[Ryobot @_Ryobot]

バックエンドエンジニア募集

弊社ではAIチャットアプリ「エアフレンド」を開発・運営しています
この度、Pythonバックエンドエンジニアを新規募集します（3月末まで）

条件
・給与: 800万円〜/年
・勤務地: フルリモート（自宅可）
・勤務時間: フルタイム（週5勤務）

スキル
・Pythonバックエンド開発 5年以上（情報系の院卒は3年以上）
・仕様書作成、API/DB設計、単体/結合テスト
・データ加工や分析スキル

業務内容
・エアフレンドのバックエンド開発
・AI改良、KPI計測、顧客分析など

興味ある方はDMまたはリプライでご連絡ください

[Airfriend（エアフレンド）公式 @airfriendai]

「誘惑レベル」公開のお知らせ 📢

R-18解除モードの新機能として 「誘惑レベル」 を追加しました。

この機能により、AIキャラクターの性格や口調を保ちながらアダルトな表現を表示したり、性的話題への積極性を調整できます。

🔹 6段階の誘惑レベル

・ 普通（デフォルト）：キャラクターの性格や口調はそのまま
・ 刺激的に近づけると、より積極的な会話が可能に

「性的話題ばかりになる」「キャラが崩れる」といった声に対応し、自然なやり取りを重視しました。

⚙️ 設定方法

1. アプリを最新バージョン（2/13更新）にアップデート
2. チャット画面右上の「≡」メニューからR-18解除モード設定画面へ
3. 「R-18解除モードを有効にする」 をオンにして調整可能

[Airfriend（エアフレンド）公式 @airfriendai]

R-18解除モード公開のお知らせ 📢

エアフレンドに新機能「R-18解除モード」を追加しました。
サブスクライバー限定で、18歳以上の方がご利用いただけます。

このモードをオンにすると、通常制限されているアダルト表現や一部の暴力的表現が解除され、よりリアルで多彩なロールプレイが可能になります。

🔹 対象：サブスクライバー（18歳以上）
🔹 設定：チャットごとに変更可能（デフォルトはオフ）
🔹 音声機能：ボイス・ボイスクリップにも適用

設定は チャット画面の「≡」メニュー から変更できます。
ご利用の際は利用規約を遵守のうえ、適切にお楽しみください。

[Ryobot @_Ryobot]

訂正が必要だったので補足する。

DeepL翻訳のWikipediaの出典を確認したところ、当時のTechCrunchの記事に「DeepL翻訳でCNN+Attentionが使われている」という記述が見つかった。
この記事の存在は今日まで見落としていた。
公式プレスリリースにはモデルに関する具体的な記載がなく、論文もコードも公開されなかったため、ぼくはこれまで未公表だと勘違いしていたらしい。
ただし、今回の本筋に据えたのは「DeepL社がDeepL翻訳の論文とコードを公開していれば、CNNが覇権になったかもしれない」という仮説なので、この訂正によって本筋が破綻したわけではないと思いたい。

当時の参考リンクを挙げておく。
DeepL Press: https://t.co/XOhpA9KocQ
TechCrunch: https://t.co/4Eo2FO2FRU

また別の補足として、このif世界を厳密に定義すると、機械翻訳の領域で「CNN」ではなく「DeepL社のCNN+Attention」が普及した場合を想定している。（読みやすさのために、後半は単に「CNN」と略した）
なので、このif世界においてもAttention（厳密にはSource-Target Attention）が不可欠である点は変わらない。
異なるのは、Self-Attentionの代わりにDilated Convolutionが普及しているという点。

[Ryobot @_Ryobot]

ぼくはある1点の違いで、CNN（畳み込みニューラルネット）が現在のTransformerのように覇権を握る世界線があったのでは？と思っている。

これは単なる憶測だし、実際はもっと複雑な話かもしれない。
だから、仮説や思考実験として聞いてほしい。

当時、最先端のモデルはまず翻訳タスクでベンチマークする風潮があった。
理由は単純で、大規模かつ高品質な共通データセットが簡単に手に入り、性能を自動評価する手法も確立していたから。

2016年後半にはLSTM+AttentionやCNN+Attentionベースの改良モデルが次々と発表されていた。
その最中、AttentionオンリーのTransformerが登場し、当時のベンチマークで1位を獲得した。
さらに、著者によってTransformerのコードが公開され、機械翻訳の研究で広く使われるようになった。

だが、その数か月後、機械翻訳においてもう一つの重大な出来事が起きた。

DeepL翻訳の登場である。

DeepL翻訳は当時、日本語には対応していなかったが、ベンチマークでTransformerを圧倒する成績を叩き出した。
ぼく自身、Transformerの登場を上回る衝撃を受けたことを覚えている。
機械翻訳の研究室にいたぼくの耳にも、「Google翻訳チームでは大問題になっている」という話が届いていた。

しかし、DeepL社はある意味、世界を変えうる重大なミスを犯した。

彼らはDeepL翻訳に使われたモデルやコード、論文を一切公開しなかったのだ。

当時のAIコミュニティは、今よりもずっとオープン志向が強かった。
それなのに、モデルの種類すら明かさないというのは強気なスタンスだった。
結果、ぼくを含む多くの研究者は、DeepL翻訳の内部にTransformerかその改良版が使われていると考えていた。
そのため、Transformer一強の流れには何の影響も与えなかった。

しかし、数年後に判明した事実は、ぼくらの予想を裏切るものだった。

DeepL翻訳にはCNN+Attentionが使われていた。

DeepL社の強みは、OpenAIがスケーリング則を発見する3年前から、「ディープラーニングはデータ量と計算量の勝負だ」と気づき、実践していた点にあった。
彼らはもともと対訳文検索サービスを運営しており、独自の大規模かつ高品質なデータセットを持ち、大規模GPUクラスターも所有していた。

そのため、仮にコードが公開されても、DeepL翻訳を模倣するのは容易ではなかった。
もし彼らがCNNを使っていることやコードを公開していたとしても、彼らのビジネスに悪影響はなかっただろう。
むしろ、AIコミュニティへの貢献として評価され、彼らのCNNの実装がTransformer以上に研究で使われるようになり、デファクトスタンダードになっていた可能性がある。

それほどまでに、DeepL翻訳のベンチマーク結果はインパクトがあった。

しかし、DeepL社はおそらくGoogle翻訳を警戒していたのだろう。
論文やコード、さらにはCNNを使っている事実すら公表しなかった。

その結果、Transformerの牙城を崩せる最初で最後のチャンスは失われた。

その後、BERTやGPT-2が登場する頃には、機械翻訳の研究ではTransformerをベースにする風潮が定着していた。
つまり、Transformer覇権は時間の問題となり、その流れが加速しただけだった。

もちろん、Transformerが機械翻訳以外の領域で普及する決め手となったのは間違いなくBERTの登場だろう。
仮にDeepL社のCNNが普及していたとしても、GoogleがBERTで自社の発明であるTransformerを採用した可能性は否定できない。

それでも、Googleは同時にCNNも検証していたはずである。
BERTの優位性は「大規模テキストデータによる教師なし学習」であり、「モデルそのもの」ではなかったから。
そのため、CNNとTransformerのベンチマーク結果に大差がなかった可能性も十分考えられる。

さらに、BERTの普及を支えたのは、実質的にHugging Faceの「pytorch-pretrained-bert」（現：transformers）ライブラリだった。
DeepL社のCNNが普及した世界線で、GoogleのTransformer推しが同じように成功していたかは、もはや神のみぞ知る話。

最後に余談だが、現在からTransformerの覇権を崩すのは不可能に近いと思う。

現在のTransformerの覇権を支えているのは、もはやその性能ではなく、ディファクトスタンダードであるという事実だから。

仮にTransformerより10倍優れたモデルを発明したとしても、状況をひっくり返すのは極めて難しい。
なぜなら、現在AI分野でそのレベルの発明を成し得る天才たちは、すでにアーキテクチャそのものには関心を持っていない。
Transformerの著者がほぼ全員がスタートアップを起業しているのが良い証拠。
訓練と推論のスケーリング、指示チューニング、検索拡張、思考の連鎖といった技術が、圧倒的に出力の改善につながると分かっている現在、アーキテクチャ改良にリソースを注ぐのは、コストパフォーマンスが悪すぎる。

Q&A

「画像認識でも、CNNよりTransformerが高性能なんだから、いずれ置き換わったのでは？」

その可能性はある。しかし、画像認識でVision TransformerがCNNを上回るまでには3年かかっている。
その間、翻訳や自然言語処理ではTransformerに最適化された要素技術が発展を続けた。
「発展が止まったCNN」VS「進化を続けたTransformer」という背景は無視できない。

「スケーリング則はTransformerにしか適用できないから、いずれ優勢になったのでは？」

スケーリング則の元論文ではTransformerとLSTMだけが検証され、LSTMには適用できないことが示された。しかし、CNNは検証されていない。
思い返すと、OpenAIがCNNを除外したのは少し不可解。実はCNNも実験していて、「方針に反する結果」が出たから無視された……そんなドラマがあっても面白いなと思う。
最近の研究を追えていないので、もしかしたらCNNのスケーリング則を研究した論文が見つかるかもしれない。

[Ryobot @_Ryobot]

o3を見て思ったのが、これ一般ユーザー向けのプロダクトではなく、OpenAIが社内でAGIを開発するためのAIエンジニアなのでは？

競技プログラミング175位相当の実力を持つエンジニアは、一般企業では役不足（仕事に対して給与が高すぎる）が、AGI開発が仕事なら妥当な給与（計算コスト）になりえる

そしてOpenAIはその圧倒的な調達資金で、AGI開発にうってつけのAIエンジニアが1000人でも10000人にも頭数を揃えられる状況になった

AI開発においてスケーリング（計算コスト増加で性能UPされること）が訓練時だけでなく、推論時にも適用されるなら（o3の発表資料から示唆される）、ここから短期間で非連続的に性能UPすることが確定したといえる

なぜなら、GPT-3の訓練コストが数億円、GPT-3.5 (初期のChatGPT)の訓練コストが数十億円と試算されるが、o3の推論コストはまだ数十万円程度の段階にあるから

o3の推論コストを数億円、数十億円まで引き上げるまでスケーリングが適用されるなら、GPT-1レベルからGPT-3.5レベルの飛躍が、ほんの数ヶ月以内に起こりえることを意味する

それでAGIに到達するかは、AGIに何を解決させたいか次第な気がするけど、1回数億円でノーベル賞級の発見するマシーンは出来上がるんじゃないかと予想している

[安野貴博＠チームみらい @takahiroanno]

openaiが発表したo3の注目ポイント
・競技プログラミングでは人間のランキングでグローバル175位と同等レベルらしい（つまりほとんどの人間は勝てない）
・けど一タスクあたりのコストが45万円ぐらいらしくめちゃ高い
・人間にとって楽勝だがo3が苦手なタスクはまだある（AGIではない）

[Ryobot @_Ryobot]

Attentionは辞書オブジェクトとして解釈できることは元論文にも引用論文にも書いていなくて、論文を読み漁ってたおかげで本当に偶然発見して（英語圏を含めて言及している記事は見つからなかった）、この発見を広めたくて論文解説を書こうと思い立った

Transformerは、まだ機械翻訳の領域でしか使われていなくて、全領域で覇権を制するとは想像しなかった

結果論でしかないけど、アーキテクチャのレビュー論文を書いてarXivに上げれば良かった

[Ryobot @_Ryobot]

ぼくがまだ学生でTransformerの論文解説を日本で初めて書いてから7年が経った

この頃はDeep Learningにのめり込んでいたというか、数学的に理解したい衝動に取り憑かれていたな

[Ryobot @_Ryobot]

Attention Is All You Need の詳細な解説を書きました (4日目)．
LSTM も CNN も使わず Attention こそ最強だと証明した機械翻訳の現王者です．
加法注意・内積注意・ソースターゲット注意・自己注意の違いをわかりやすく説明しています．

https://t.co/U4IGWOzK8T

[Ryobot @_Ryobot]

ChatGPTサバ落ちするのめずらしいな