Takashi Minoda

IT業界で働き中。毎日が刺激に満ちています。

[Fumihiko Kimura @Fumihiko__K]

【Dataiku共同創業者のFlorianのインタビュー】
CIOインタビューによると74%の方が目に見える利益の創出がないと職を失うリスクがあると回答
・人（People）：IT部門だけでAIを構築するのではなく、自社の課題を最もよく知る現場の担当者を巻き込む
・オーケストレーション（Orchestration）:複数のLLMの台頭やデータの分散に対応するための連携性や複数の選択肢が重要
・ガバナンス（Governance）：「未承認ツールを使うよりも、会社が公式に用意した安全なAIを使う方が簡単」だと思える環境を整備
→私も色んなサービスを使いたくなるのですが、その熱意を止めずに尚且つガバナンスが効く形で社内提供する事が大事ですね
#Dataiku #AI

[Takashi Minoda @aad34210]

これすごい。
あと、自分の手元のPCで動かしたいので、Codexを起動して先生になって貰う予定。

[江藤@AIで1日を240時間にする男｜Radineer @RadineerE10]

これあれば、AI機能のサーバー代もう要らなくないか。。。　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

Googleが7月9日に出した「LiteRT.js」がガチでヤバいです。
AIモデルをユーザーのブラウザの中で直接動かすJavaScriptランタイム。
推論がぜんぶ端末内で完結するので、サーバーにデータを送らない＝通信遅延なし・サーバー運用費なし・個人情報の外部送信なし、が同時に成立します。

無料のnpmパッケージとして公開済みで、中身はこう👇
・既存のONNX Runtime比で最大約3倍の実行性能（M4搭載MacBook Proでの測定）
・WebGPUを使うとCPU実行比で5〜60倍高速
・PyTorch・JAX・TensorFlowで作ったモデルをそのまま変換でき、量子化で軽量化も可能
・既存のTensorFlow.jsアプリは前後処理を残して推論部分だけ差し替えられる。全面作り直し不要
・ブラウザ内ベクトル検索、物体検出、画像を4倍に高解像度化するデモも公開中

誠実に補足すると、性能数値はGoogleの自社測定で環境により変わります。
NPU向けのWebNN対応はまだ実験段階です。

それでも本質はここで、AI導入のコスト構造が「使うほどAPI課金」から「配るだけ」に変わり始めています。
顧客データを1バイトも外部に出さずにAI機能を提供できるので、個人情報がネックで稟議が止まっていた案件こそ刺さる。

自社サイトやWebアプリにAI機能を検討している人は、判断材料としてブクマしておいて損ないです。

[Takashi Minoda @aad34210]

https://t.co/R2qc3EsKBB
端末入力の未来かもしれません。
少なくても音声入力の精度は格段にあがっている。キーボードを叩く必要はなくなるかも。

[Reuters @Reuters]

Nvidia CEO Jensen Huang met former Sega CEO Shoichiro Irimajiri and game designer Yu Suzuki in Tokyo to thank them for a $5 million investment in 1995 that saved Nvidia from bankruptcy after the company failed to deliver a chip Sega had ordered

[Kazunori Sato @kazunori_279]

これ面白かった。元DeepMindの人が設立した嗅覚AIスタートアップ。対象物質の分子構造をグラフで表現、人力でアノテーションした500万件の嗅覚データセットでGNNを学習して300次元の埋め込みを生成。現在はフレグランス業界が顧客で、今後は医療や食品に応用。
https://t.co/NH7XX1sZcW

[Takanori Suzuki @takanorisuzuki]

Palantir Foundryについて、とても良い記事。特に「リバースドメインモデリング」という表現はFoundryが既に存在する企業システムとデータから、後から業務モデルを再構成していくアプローチなのがわかりやすい。触ってみないとわかりにくいものなので、エンジニアとして最良のアプローチで体感して整理してくれてる。

ナレッジグラフおじさんとしてきになるポイントは、オントロジーはKGそのものというよりスキーマ(概念)。

ObjectはDDDのEntityよりもBusiness Objectとして捉える方が実態に近い

Foundryの最大の特徴はActionをモデルに組み込んでいること

「Operational Ontology」という考え方は本質的でとても良い表現。

一方で、「Knowledge Graphとの違い」は少し整理したい。

KGは本来Read Onlyではなく更新可能。Foundryとの本質的な違いはグラフが更新できるかどうかではなく意味（Semantic）に加えて、業務操作（Action）、権限、ビジネスルールまでモデル化しOperational Layerとして提供していること。

Foundryはナレッジグラフ製品というより、KGを意味基盤として内包したOperational Platform。

[Takashi Minoda @aad34210]

資料作成するのほんとに楽になった。では、次に何で戦うのか？

[Shinichi Takaŷanagi @_stakaya]

音声入力AIについて、BCG Blogに書きました！
私は基本は @kenn さんに教わったSuperwhisperを主力としつつ、各AI（Codex/Claude Code/Devin等）にくっついてる音声入力機能を活用しています。

第16回　「独り言」が最強の仕事術に ——音声入力AIが変える働き方
https://t.co/5MYDXjujng

[しんゆう/ データ分析とインテリジェンス @data_analyst_]

前からデータの民主化なるものには反対の立場。とはいえどうにもならなそうなので、だったらどう向き合っていくかが大事。ささやかな抵抗であってもやっていくしかないよね

@data_analyst_ https://t.co/CmthR47IEp

[Takashi Minoda @aad34210]

これはめちゃ嬉しい

[JUNJUN @JUNGKONGTA]

【とんでもないビッグニュースきたーーー‼️‼️😭✨】

​陸マイラー、JAL修行僧、マリオット修行僧の全員が大歓喜するレベルの「歴史的な超巨大提携」が本日電撃発表されました！プレミアム旅客とホテル修行僧の常識が今日、すべて覆ります🤯💥
​
なんと、JAL（日本航空）✈️ と Marriott Bonvoy（マリオット）🏨 が初の本格的な「戦略的パートナーシップ」を締結！航空会社×ホテルグループの連携として、間違いなく過去最強のインパクトです。🔥

​アカウントを連携するだけで、相互のステイタスマッチや、通常ではあり得ない大盤振る舞い特典が手に入るチャンスが到来しました。🎁
​私のような「マリオットチタンエリート」にとっても、そしてすべての旅行好きにとってもメリットしかありません！この超神アプデの詳細と“真のヤバさ”を、画像付きでどこよりも分かりやすく徹底解説します！👇
​─── ─── ───
​1️⃣ JAL会員（JMB）の衝撃メリット ✈️✨
​JALのステイタスを持つユーザーは、Marriott Bonvoyの上級会員資格の自動付与や、超短期のイージー修行でステイタスが手に入ります！
​🔴 サファイア会員
➔ シルバーエリートが自動付与 ＆【6か月以内に10泊】でゴールドエリートへスピード昇格！
🔴 JGCプレミア / ダイヤ / ダイヤメタル
➔ ゴールドエリートが自動付与！
🔴 ダイヤモンド / ダイヤメタル
➔ 【初年度のみ・6か月以内に10泊】で一気に「プラチナエリート（朝食無料やラウンジ特典）」へ爆速昇格！
​🌟 さらに！宿泊ポイントボーナス 🌟
6か月以内に16泊することで、JGCプレミアは10,000ポイント、ダイヤ・ダイヤメタルは15,000ポイントのマリオット・ボンヴォイポイントを追加で獲得できます！
​─── ─── ───
​2️⃣ マリオット会員の衝撃メリット 🏨✨
​驚くべきことに、マリオット会員は「アカウントを連携するだけ」で、JALの「FLY ONポイント（FOP）」が毎年自動で降ってきます！
​🟢 一般会員：年間 2,000 FOP
🟢 シルバー：年間 5,000 FOP
🟢 ゴールド：年間 10,000 FOP
🟢 プラチナ：年間 20,000 FOP
🟢 チタン：年間 30,000 FOP
🟢 アンバサダー：年間 40,000 FOP
​飛行機に乗らずとも、ステイタスに応じてまとまったFOPが加算される仕組みは、JAL修行（JGC修行）をしている人から見たらまさに前代未聞の大革命です。お茶を飲んでいるだけでFOPが降ってくる時代が来ました……！🍵💸
​─── ─── ───
​3️⃣ チタンエリート（私）から見て、ここが一番ヤバい！ 👑⚡️
​私は現在「マリオットチタンエリート」を保有していますが、チタン以上の特典内容を見てリアルに驚きました。
​なぜなら、チタンおよびアンバサダー会員には、
【すでに持っているFLY ONポイント数に応じて、JALクリスタル以上のステイタスが自動的に付与される】という強力なステイタスマッチ特典があるからです！
​アカウント連携だけで毎年もらえる30,000 FOPをベースにしながら、自力のフライト実績（累積FOP）と組み合わせることで、JALの上級会員（クリスタル以上）を驚くほどイージーに狙えるルートが爆誕したことになります。JGC修行の難易度がバグり散らかしています……！😱
​─── ─── ───
​🧐 ANAさん……これ、どうするんですかね？👀💙
​ここでどうしても気になってしまうのが、ライバルである「青組（ANA）」の動向です。
​IHGとの提携はあるものの、ここまでダイレクトにプレミアムポイント（PP）相当が毎年ドカンと自動付与されるような超弩級の提携をJALにやられてしまうと、ANA派やSFC修行僧の皆さんも黙っていられないのでは……！？
​これを契機に、ANA側からのカウンターパンチ（他ホテルグループとの強力な新提携など）があるのか、今後の動向からも目が離せません！🥊💨
​─── ─── ───
​💡 今回の神アプデのまとめ🌈
​マリオット修行僧 ➔ FOPが自動付与され、JALステイタスへの道が劇的に近づく！🙌
​JALユーザー ➔ 世界10,000軒以上のマリオット系列で優遇され、爆速でプラチナ昇格も狙える！🏨🌟
​旅行業界の歴史を塗り替えるレベルの最強タッグ、ついに始動です。

[Takashi Minoda @aad34210]

ChatGPT Work 使ってるけど、めっちゃ便利だな。仕事の仕方が全く変わってくるね、これ。

[熊谷正寿【GMO】 @m_kumagai]

GMO熊谷氏、「コーディングはAIの仕事」を前提に「組織や業務を見直す」と表明(CNET Japan)
#Yahooニュース
https://t.co/U7SXVNB5iz

[akuwano @kuwa_tw]

Databricks、もちろんAIだけではございません、機械学習も大得意！ということでFeature Viewsをリリース！
機械学習の特徴量定義を実験から本番推論まで一度で使い回せるようにするフレームワークです

従来リアルタイム処理用と履歴学習用でロジックを二重実装し、訓練時と提供時で結果ズレたり、特徴量を見つけて使い回す難しさが課題でした
Feature Viewsは1つの定義からストリーミングとバッチの両方に対応し、内部はSpark Real-time Mode / Lakebase / Model Serving / MLflow / Unity Catalogを組み合わせて実現しています、ストリーミング特徴量のE2Eレイテンシはp99で200ミリ秒！

RollingWindowという仕組みで、"直近10分間のトランザクション合計"のような集約をミリ秒精度で常に最新に保ち続けたり、
Genie Codeとの統合で自然言語から特徴定義コードを生成できる点、"materialize_features"という同一のAPI呼び出しでオンライン / オフライン両方のストアへの書き込みパイプラインを自動生成してくれる点もいい感じです！

Skyscannerさんのシニアデータディレクターが「特徴量コードを大幅に削減できた」とコメントいただいております！

機械学習にもDatabricks！是非おためしくださいー！
https://t.co/tIlrFebYXR

[Takashi Minoda @aad34210]

な、なるほど🧐

[Brandon K. Hill | CEO of btrax 🇺🇸x🇯🇵/2 @BrandonKHill]

LinkedInが今、恋活アプリになりつつある。調査によると回答者の48%が「LinkedInの情報はマッチングアプリより信頼できる」と答え、約5人に1人が「初デートの前後に相手のLinkedInを調べた」と認めてる。面白いのは惹かれるポイント。1位は「About（自己紹介）」欄、次に共通のつながり、キャリアの推移、学歴、職位、スキルの推薦。ルックスじゃなくて、実績と経歴で判断される。

マッチングアプリ疲れの裏返しなのかも。TinderもHingeも、ゴースティング、なりすまし、ドタキャンだらけ。そこで「経歴が検証されてる」LinkedInの信頼性が魅力になる。 フェイクとAI生成が溢れる時代に、人が求めるのは「検証可能な本物」。マッチングアプリのプロフィールは盛れるけど、LinkedInの職歴は嘘をつきにくいからね。

[Takashi Minoda @aad34210]

Yes

[NHKニュース @nhk_news]

上地結衣 日本女子初の生涯ゴールデンスラム 車いすテニス
https://t.co/fNTTTWyUlZ #nhk_news

[たいしょー @N_Taisho]

Sierraが会社全体でAI使いまくって得た教訓。

最初は営業、サポート、分析、開発ごとに専用AIを作ったが、社員はどれを使えばいいか迷い、部門をまたぐ仕事にも弱かった、と。ここまではあるあるだ

そこで、すべてを「Pinecone」という1つのエージェントに統合。Slack、GitHub、Salesforce、Linearなど37のシステムを横断し、社員ごとの権限を引き継ぎながら、顧客調査、会議準備、障害分析、契約書レビュー、PR作成まで進める。

導入を通じて分かったのは、今のボトルネックはAIの賢さではなく、会社固有のコンテキストへのアクセスだということ。
誰が何を決め、顧客に何が起き、過去にどんな議論があったのか。そこへ安全につながって初めて、AIは質問に答えるだけのチャットから、仕事を完了する存在になれる、という。

[音楽ナタリー @natalie_mu]

「攻殻機動隊 S.A.C.」シリーズ
サウンドトラック5作をYouTubeで公開
https://t.co/RelUWGxb5W

#攻殻機動隊SAC

[すたーまん@メガベンチャーAIエンジニア @fujitech_ai]

【Googleが発表した「TabFM」が面白い】

企業のデータ分析で一番使われているのは画像や文章ではなく「表形式（テーブル）データ」。顧客の離反予測や不正検知などです。これまではXGBoostなどの木構造モデルが定番でしたが、新しいデータごとにハイパーパラメータ調整や特徴量エンジニアリングが必要で、LLMのような「事前学習済みでそのまま使えるモデル」はありませんでした。

登場したTabFMは、LLMの文脈内学習（in-context learning）を表形式データに応用したもの。行（サンプル）と列（特徴量）に交互にアテンションをかけて特徴量間の関係を捉え、各行を1つのベクトルに圧縮してからTransformerで処理することで、計算コストを大幅削減。学習には実データではなく、構造的因果モデル（SCM）で作った合成データだけを使用しています。

性能は分類38種・回帰啇13種を含むTabArenaベンチマークで検証され、チューニング済みの既存手法を上回る結果。さらにGoogle BigQueryにも統合予定で、`AI.PREDICT`というSQLコマンドを打つだけで予測分析ができるようになる予定です。機械学習の専門知識がなくても、SQLが書ければ高度な予測ができる時代が来るかもしれません。

モデルはHugging FaceとGitHubで公開中。

https://t.co/MpSe92igyO

[AIDB @ai_database]

研究者らによると、人間とAIの混合チームは「人間チームとAIチームの平均」にはならず、どちらとも違う独自のふるまいをする、とのことです。

人間とAIが混ざった集団は、人間が新規性を発揮し、AIが継続性を保つため、結果として「多様性」を維持できるそうです。
一方で、AIだけの集団は放っておくとアイデアがどんどん均質化し、人間だけの集団もゆっくり同調していきます。

ただし、混成チームのボトルネックは人間とAIをつなぐ部分。
AI同士の通信は高速でほぼ無損失なのに対し、人間とAIの間は翻訳やハルシネーションでノイズが多いです。

また、集団の「中心に座る」のが人間かAIかで集団の運命が変わる、という指摘もあります。

さらに、チーム内のAIの割合も重要で、少数のAIは人間集団の協調を改善する一方、人間が少数派になると信頼と共通理解が崩れて性能が落ちると考えられています。

AIエージェントが組織に入り込む今後、「誰をどこに配置するか」「人間とAIの接点をどう設計するか」が集団の知性を左右する設計変数になる、と研究者らは論じています。