ルークス

大手メーカー｜先行技術開発・マネジメント｜生成AI・LLM・半導体・AIシステムを技術者目線で深掘り｜AIニュースの「何が重要か」を技術×産業×組織で論点整理｜二児の父｜子育て・お受験｜グラブル｜日本応援🇯🇵

[ルークス @araroux]

AIニュースを、技術者目線で「何が本質か」まで分解しています。

生成AI・LLM、半導体・AIインフラ、ロボティクス、日本企業のAI活用。

一次情報と数字を確認し、
「何が起きたか」だけでなく、
技術・産業・組織がどう変わるのかまで1枚の図に整理します。

代表的な論説を3本👇

[ルークス @araroux]

Astraで見えてきたのは、強いAIを出すか止めるかだけではありません。
防御側まで止めないために、
誰に、どの用途で、どこまで安全装置を外すのか。
OpenAIもAnthropicも、いま設計しているのは能力そのものよりも、その外し方です。

[ルークス @araroux]

@nikkei 前回は、NECがAIを作る会社から、AIに仕事を任せる会社へ進んだ話でした。今回はその続き。
17体から35体へ増えたことより、仕事に応じて必要なAI社員を組み立てるところまで来た。AI活用の焦点が、性能や人数から組織設計に移り始めています。

[ルークス @araroux]

@semi_journal_jp ここが面白いと思いました。
半導体設計Agentで重要なのは、AIが設計できること以上に、誰が正解を判定するか。
AIの外側に、製造ルールや論理検証という機械判定できる仕組みがすでにある。だから設計→検証→修正→再実行までAgentに渡せる。
なぜ半導体設計でAgent化が進むのか、整理しました。

[ルークス @araroux]

@nyapan_mohy これは普通にすごいです。
画像1枚からSVGが返ってきた。
実ファイルを見ると、4,302本のパスやVTracerの痕跡も。
直接生成したのか、道具を使ったのか、実行環境が処理したのか。同じ成果物でも、すごさの場所は変わる。
エージェント時代は何ができたかの次にどうやってできたかまで見たい。

[ルークス @araroux]

AIにとって難しいのは、世界を広く知ることだけではない。
厄介なのは、狭い、変わる、実装依存、しかも間違いに厳しい知識。
Agent HarnessやTool Callは、その右上にある。知識の難しさを2軸で整理しました。

[ルークス @araroux]

@Reuters Wistronが約14.7億ドルを増資で調達。
注目したのは、その主用途が工場建設ではなく原材料購入だという点です。
AIサーバー需要が巨大になるほど、設備だけでなく、部材を先に買って作り続けるための運転資金まで膨らむ。
AIインフラのボトルネックが、資金面にも広がってきています。

[ルークス @araroux]

@vendel_tomas 「1日で人生を直す」という記事を、なぜ毎週読み返すのか。記事がくれるのは答えではなく、問いでした。
問い→実行だけでは前回の自分が消えていく。記録して、差分を見て、次の実行につなげる。AIの価値は、答えを出すこと以上に、自分の思考の履歴を残せることにもあると思います。

[りゅうと @sns_ryuto05]

GPT6-Astraがやばすぎるwww

カフェのモバイルオーダーシステムがプロンプト1発でコレ。しかも、5分で完成する。企業や飲食店業界は外注せずに作れるから本当にAIが成長しすぎて減る仕事が多発しそう🥹 やはり発信者は強いんよな。

[ルークス @araroux]

商品選択から注文確認、受付番号までの「注文体験」を数分で作れたのはすごい。
一方で、決済、POS、厨房、在庫、監視、保守など「店舗運用」はその先にある。
AIが縮めたのは開発全部ではなく、最初に動くものを作るまでの時間。

[りゅうと @sns_ryuto05]

GPT6-Astraがやばすぎるwww

カフェのモバイルオーダーシステムがプロンプト1発でコレ。しかも、5分で完成する。企業や飲食店業界は外注せずに作れるから本当にAIが成長しすぎて減る仕事が多発しそう🥹 やはり発信者は強いんよな。

[ルークス @araroux]

@Tack719 @YoshidaTaiki まさにそうですね。矛盾に惑わされるより、なぜ自分はその言葉に引っかかったのかを考えると、読書が自分事になる。同じ本でも、持っている課題で見えるものが変わると思います。

[ルークス @araroux]

@kattenisurebaii テスラが先に見えるのは事実だと思います。
ただ、トヨタは2028年のレベル2++だけではなく、e-Paletteのレベル4やWaymoとの協業も進めている。
テスラが積んでいるのは公道での時間。
トヨタが問われるのは、それを安全に量産できる商品へ変えられるか。

[ルークス @araroux]

@polymarketjapan Cybercabで面白いのは、ゲーム機がつながること以上に、そもそも全員が乗客になることだと思います。
AFEELAも車内エンタメを強く描いていましたが、運転席が残る。
同じ大画面でも、前提が違う。
車室内エンタメの勝負は、コンテンツより先に自動運転で決まるのかもしれません。

[ルークス @araroux]

AI経由の商品検索が、1年で0.3%から2.5%へ。
John Lewisが始めたのは、店内スタジオやYouTube番組への投資でした。
AI検索では、順位を上げるだけでなく「答えの根拠に選ばれる」ことが重要になる。
変わったのは情報そのものではなく、その出口です。

[ルークス @araroux]

@nikkei NYCのAI利用停止で問われているのは、禁止か解禁かではありません。
AIがある状態の成果と、AIがなくても残る能力のどちらを教育で重く見るのか。

答えを出すAIと、考える足場になるAIも違う。
結局、教育側が決めるべきなのは、子ども本人にどの思考工程を残すのかだと思います。

[ルークス @araroux]

AIが急速に便利になる今、中学受験を見る目が少し変わりました。

合格だけではなく、自分で読み、考え、間違え、また考える。
その数年間そのものに価値があるのではないか。

答えがすぐ手に入る時代だからこそ、地道に勉強する時間は、むしろ貴重になる気がします。

[ルークス @araroux]

@ELYZA_inc この説明を受けて、実際の請求項と審査経過まで追ってみました。
ELYZAが説明した「抽象度の高い表現」が、具体的にどこで権利範囲を広く見せたのか。成立した請求項1はかなり限定されたAND条件でした。特許そのものと、社会に伝わった印象の距離を整理しています。

[ルークス @araroux]

@ELYZA_inc 発表だけを見ると、AIアプリ作成のかなり広い範囲を押さえたように見えました。
ただ、実際の請求項1まで読むと、複数の具体的な条件をすべて満たす構成です。
炎上した印象と、成立した権利範囲にはかなり距離がある。
どこで広く見えたのか、審査経過も含めて整理しました。

[ルークス @araroux]

@polymarketjapan 小学校から生成AI学習、という見出しだけだと使い方教育に見えますが、原典を読むと文科省はかなり基礎重視です。
一方で難しいのは実装。情報教育を厚くしながら、授業時間と教える側をどう確保するのか。
この点を整理しました。

[ルークス @araroux]

@MinoDriven すごく実感あります。AIで生成が速くなった分、こちらも文脈や原理を理解した上で、正しいかどうかを速く判断しないといけない。むしろAIを使うほど、基礎や周辺知識を学び続ける必要性は増している気がします。

[ルークス @araroux]

LoRAは、rankだけ見ても分からない。
1枚目は、初期化が学習の始まり方を変える話。
2枚目は、その後のoptimizerが学習の進み方を変える話です。
同じrankでも、最初にどう更新を流すか、どの特異モードがどう育つかで学習ダイナミクスは変わる。
LoRAを容量ではなく、学習過程から見直してみました。