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]

量子もつれを利用した「完全に予測不可能な乱数」の実証により、暗号技術の安全性を支える“乱数そのもの”を物理的に保証できる時代が見えてきた。

・スイスのETHチューリッヒの研究チームが、初めて「完全なランダム性」を実験的に実証した。
・従来の乱数生成器は、アルゴリズムやハードウェアへの信頼が前提だった。
・研究チームは量子もつれを利用したベルテストを10億回以上実施し、隠れた規則では説明できない相関を観測した。
・わずかに偏りを含む不完全な乱数から、証明可能に完全な乱数を生成する「ランダムネス増幅」に成功した。
・得られた乱数はデバイス非依存であり、装置そのものを信用する必要がない。
・暗号鍵や認証システムなど、現代のセキュリティ基盤の信頼性向上につながる可能性がある。
・研究成果は学術誌『Nature』に掲載された。

私たちは普段、「乱数」と聞くとサイコロやコイン投げを思い浮かべます。しかし本当に難しいのは、結果がランダムに見えることではなく、「誰にも予測できなかったことを証明する」ことです。コンピュータの乱数生成器は基本的に決定論的な仕組みで動いており、設計上の欠陥や実装ミスがあれば予測可能になる危険があります。実際、近年もSSHソフトウェアやCPUの乱数生成機能に脆弱性が発見されています。

今回の研究の核心は、量子力学の「量子もつれ」を利用し、古典物理では説明できない相関を使って乱数を生成した点です。研究チームは30メートル離れた2つの量子ビットを用い、約9時間にわたり10億回以上のベルテストを実施しました。その結果、隠れた規則や事前プログラムでは説明できない振る舞いを示し、生成されたビット列が本質的に予測不可能であることを証明しました。

興味深いのは、この技術が単なる高品質な乱数生成器ではなく、「乱数の基準器」になり得ることです。研究者らは、将来的には原子時計が時間の基準となっているように、この仕組みが世界中の乱数品質を検証する基準になる可能性があると述べています。AIや量子コンピュータの時代には計算能力が飛躍的に向上しますが、その一方で「予測できない乱数」の価値はますます高まります。本研究は、その土台となる技術を初めて実験的に確立した成果と言えるでしょう。

https://t.co/Zu915d6ew8

[ITmedia NEWS @itmedia_news]

デザイン書の老舗・MdNが消滅へ　インプレスに吸収合併
https://t.co/H8Gd1SzpCw

[日本経済新聞 電子版（日経電子版） @nikkei]

【日経特報】ヤマダHD・エディオン統合へ　持ち株会社検討、2.5兆円家電連合
https://t.co/jzkES2EgyX

[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]

このスレッドを読むと、「分からないことが分かっている状態」の価値を改めて感じます。経験豊富な人ほど「簡単そうですね」とは言わず、「まだ見えていないものがあるかもしれません」と考える。プロジェクトだけでなく、学習や研究にも通じる姿勢だと思いました。

[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]

最初「簡単そう」に見えるプロジェクトほど危険、という話。

・プロジェクト管理者たちは「これは簡単だ」という言葉を危険信号として捉えている。
・多くの失敗例で、初期段階では要件や利用実態が十分に把握されていなかった。
・システム移行では、文書化されていないExcel運用や独自ルールが大きな障害となった。
・メール移行やデータ移行では、利用者情報の不整合や関係者の認識違いが問題を拡大させた。
・短納期や曖昧なスコープは、後から大量の例外対応や仕様変更を招きやすい。
・特定の担当者だけが重要な知識を持つ「バス係数」の低さも大きなリスクだった。
・利用者の実際の業務を観察しないまま進めると、終盤で隠れた要件が噴出する。

スレッド全体を通じて共通しているのは、「技術的な難しさ」よりも「見えていなかった業務や人間関係」が問題の本質だったという点である。特にシステム移行や業務デジタル化では、公式な手順書よりも現場で長年培われた独自運用のほうが実際の業務を支えているケースが多く、それが発覚するのはテストや移行直前になりがちだ。

また、多くの回答者が挙げている早期兆候は、「要件が曖昧なのに期限だけ決まっている」「誰も利用者像を定義しようとしない」「前提条件や依存関係が多い」「特定個人への依存が強い」といったものだった。つまり、プロジェクトの成否を左右するのは実装作業そのものではなく、見えない前提や組織的な複雑さをどれだけ早く発見できるかにある、という経験則が共有されている。

https://t.co/XLnaw2MM6v

[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]

今スマホ使ってゴニョゴニョやっていることの多くは、エージェントがやるようになるだろうな、というのは「確かにそうかも」って、なりますよね。

[金子周平/リベロエンジニア代表取締役 @skaneko414]

未来の解像度がめちゃくちゃ高い。その中心はAIエージェント、たしかに！

>スマートフォンではなくAIエージェントがデジタル体験の中心になる
>エージェントはスマホ、PC、イヤホン、スマートグラスなど複数の機器を横断して利用者に付き添う

[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]

PyTorchでGPUを使っているのに「なぜか速くならない」という経験が誰にでもあるはず。

Hugging Faceの新しい記事は、torch.profilerを使ったPyTorchプロファイリングの入門編です。特徴は、単なる使い方解説ではなく、「プロファイラの結果をどう読むのか」に徹底的に焦点を当てていること。

64×64の小さな行列積から始めて、CPUレーンとGPUレーンの関係、カーネル起動のオーバーヘッド、ウォームアップの意味、そしてtorch.compileが実際に何を最適化しているのかを一歩ずつ追いかけます。

特に面白いのは、「GPUが遅い」のではなく、「CPUがGPUに仕事を渡す準備で時間を使っている」という状況を実際のトレースから読み解いている点。プロファイリングの結果を眺めるだけで終わらず、ボトルネックの見つけ方まで学べます。

AI開発やLLM推論の高速化に興味がある人はもちろん、PyTorchを使い始めたばかりの人にもおすすめの内容です。

「最適化の前に、まず何が起きているのかを見る」

そのための第一歩として、とても良い教材だと思います。

https://t.co/MpFjtwuLAA

[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]

・QualcommのCEOクリスティアーノ・アモン氏は、将来はスマートフォンではなくAIエージェントがデジタル体験の中心になると語った。
・エージェントはスマホ、PC、イヤホン、スマートグラスなど複数の機器を横断して利用者に付き添う。
・各デバイスが収集したセンサーデータをAIが統合し、利用者を継続的に支援する世界観が示された。
・6G時代には高速な上り通信によって、映像や環境情報がリアルタイムで共有されることが前提になるという。
・さらに無線通信そのものをセンサーとして活用し、街や交通のデジタルツインを構築する構想も紹介された。
・処理は端末、エッジ、データセンターに分散され、コストを大幅に削減できると主張している。
・一方で、常時センシングと継続的なデータ収集はプライバシーへの懸念を強く呼び起こす内容でもあった。

これまでのコンピューティングは「ユーザーがアプリを開いて操作する」ことが前提だった。しかしアモン氏が描く未来では、AIエージェントが利用者の行動や状況を常時把握し、必要な処理を自律的に実行する。スマートフォンは中心的な存在ではなくなり、エージェントに接続するための端末の一つへと位置付けが変わる。

技術的には興味深い構想だが、同時に「誰がデータを持つのか」という問題も大きくなる。スマートグラスが見た景色、移動履歴、周囲の状況、通信状況までがAIの入力になる世界では、利便性とプライバシー保護のバランスが重要になる。この記事は、AIの進化そのものよりも、人とコンピュータの関係がどこまで密接になるのかを考えさせる内容といえる。

https://t.co/UP2BrTXDUR

[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]

LLMやAIエージェント開発ではPythonが主役ですが、最近はフロントエンドや運用画面をTypeScriptで作るケースが増えています。

その結果、「Python側でPydantic」「TypeScript側でZod」という構成をよく見かけるようになりました。

両者とも「型定義を単なる補完ではなく、システムの契約として扱う」という方向に収束しているのが興味深いですね。

[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]

TypeScriptの「ベストプラクティス」をまとめたGitHubリポジトリ。

興味深いのは、単なる文法テクニック集ではなく、「型を手で書く」のではなく「実際のデータから型を導出する」という設計思想が貫かれている点です。

unknownを使った安全な入力処理、satisfiesによる型検証、as constや判別共用体による状態管理、ユーティリティ型による再利用など、モダンなTypeScriptの考え方がコンパクトに整理されています。

特に印象的なのは、「Type-Safe ≠ Runtime-Safe」という指摘。TypeScriptの型はコンパイル時しか効かないため、APIレスポンスなどの外部データにはZodのような実行時バリデーションが必要だと強調しています。

TypeScriptが「補完を便利にする言語」から、「システム設計の品質を支える言語」へと進化していることを感じさせる内容でした。

https://t.co/xl9KqJGjgq

[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]

多摩川さん、いいかんじに増水してきてますね。。。

[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]

@scranble_brt 4次情報をありがとうございます:-)。

[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]

「世界モデル」の研究は、静的な特徴表現の学習から、時間とともに変化する世界の状態を予測し行動につなげる内部モデルの構築へと重心が移っている。

・かつて自己教師あり学習（SSL）はDINOやBarlow Twinsのような表現学習が中心だった。
・現在は動画から世界のダイナミクスを学習する「世界モデル」が大きなテーマになっている。
・見た目には動画生成研究が目立つが、本質的な関心は物理法則や因果関係、物体の永続性などを潜在空間で学ぶことにある。
・特にYann LeCunが提唱するJEPAは、画素再構成ではなく潜在表現の予測を重視する。
・研究者たちは知覚、記憶、状態遷移をどのように分離・統合するかを探っている。
・行動を伴う予測や計画能力を獲得できるかが次の大きな課題と見られている。
・動画生成は目的そのものではなく、世界理解能力を獲得するための一手段として位置づけられている。

世界モデルという言葉は現在かなり広い意味で使われている。動画生成モデルそのものを指す場合もあれば、エージェントが環境を理解して行動するための内部表現を指す場合もある。そのため、外から見ると「動画生成ブーム」に見える一方で、研究コミュニティでは「世界をどのような抽象表現で学習するべきか」という基礎的な問題への関心が高い。

また、近年の議論では画素単位の再構成よりも、意味や物理状態を保持した潜在空間での予測が重視されている。これは自然言語における次トークン予測に対応する「世界状態の次状態予測」を目指す流れとも言える。研究者の間では、物理世界向けの「Transformer登場時のような決定的な抽象化」はまだ見つかっておらず、その探索こそが現在の世界モデル研究の核心だと考えられている。

https://t.co/EtWZ6T5m6h

[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が普及すると、知識量よりも学ぶ姿勢や好奇心そのものが希少な価値になるのかもしれません。
情報や答えは誰でも手に入る時代だからこそ、「なぜ？」「本当に？」と問い続ける人と、出力をそのまま受け入れる人の差が広がる。AIは能力格差ではなく、学習姿勢の格差を拡大する技術なのかもしれません。

[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]

AIは人を学ばせるのか、知的能力を奪うのか、という議論が面白い。

・投稿者は、AI利用によって生じる新たな問題を「認知的負債（Cognitive Debt）」と表現している。
・これは作業を効率化する代わりに、本来身につくはずの理解や知識を後回しにする状態を指す。
・特に「Vibe Coding」のようにAI任せで開発を進めると、後から自力で保守や拡張ができなくなる可能性がある。
・議論はプログラミングに限らず、医療・法律・金融など判断責任の重い分野にも及んだ。
・一方で、AIは学習を加速させる強力な教師や調査補助ツールになるという反論も多く見られた。
・問題はAIそのものではなく、利用者が理解を深める方向に使うか、思考を代替させる方向に使うかにあるという意見が目立った。
・「AIで学ぶ人」と「AIに考えてもらう人」の差が今後さらに広がるのではないかという懸念も共有されている。

このスレッドで興味深いのは、AIを「知的能力を奪う技術」と見る人と、「知的能力を拡張する技術」と見る人がほぼ真っ二つに分かれていることだ。実際にはどちらか一方ではなく、自動車で運動不足になる人もいれば、ジムに通うために自動車を使う人もいる、というコメントが象徴的だった。AIは能力を均一化するのではなく、利用者の姿勢によって結果が大きく変わる可能性がある。

また、教育学でいう「望ましい困難（Desirable Difficulty）」との関係を指摘する議論も興味深い。人間は苦労して考え、試行錯誤する過程で学習するため、その摩擦をAIが取り除き過ぎると理解の錯覚が生まれる。一方で、情報収集や教材作成の負担を減らし、本質的な学習に集中させる使い方も可能である。AI時代の課題は、作業の摩擦を減らしながらも、理解のための摩擦まで失わないようにすることなのかもしれない。

https://t.co/ePOtsDTa70

[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]

Pythonでは既にMCP関連ライブラリやエージェントフレームワークが急速に整備されていますが、Rubyにも本格的なMCPクライアントが登場しました。AIの世界ではモデルそのものよりも「ツールやデータにどう接続するか」が重要になりつつあり、MCPがその共通基盤として広がれば、言語の違いを越えて同じエコシステムを共有できるようになるのかもしれませんね。

[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]

・MancepsはRuby向けのMCP（Model Context Protocol）クライアントライブラリである。
・HTTP接続とstdio接続の両方をサポートし、リモート・ローカルのMCPサーバーを扱える。
・Bearer認証、APIキー認証、OAuth 2.1にも対応している。
・ツール呼び出しだけでなく、リソース、プロンプト、通知、タスクなどMCPの主要機能を実装している。
・2025-11-25版を中心に、複数のMCPプロトコルバージョンとの互換性を持つ。
・LLMや特定フレームワークへの依存を避け、純粋なプロトコルクライアントとして設計されている。
・実運用での利用を前提に、セッション管理や再接続、認証更新などの仕組みも備えている。

MCP関連の実装はこれまでPythonやTypeScriptが中心だったが、Rubyコミュニティでも本格的な実装が現れ始めたことは興味深い。単なるサンプル実装ではなく、OAuth対応やセッション維持、通知・タスク機能まで備えており、「RubyでMCPを使うならこれを選べばよい」という候補になりそうだ。

また、このライブラリの特徴は「LLM統合ライブラリ」ではなく「プロトコル実装」に徹している点にある。OpenAIやAnthropicなど特定ベンダーのAPIラッパーではなく、MCPという共通規格を中心に据えることで、AIモデルの選択とツール連携を分離しようという現在のエコシステムの流れを象徴している。今後MCPが普及するほど、この種の言語別クライアントの重要性は高まっていくだろう。

https://t.co/CdZTfGyimO

[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]

結局、

- 何がお金になるのか
- 何がお金になるのかを知っている人の考えを、いかに理解するか

を突き詰めて、エンジニアリングに接続可能してゆくしかないのでは、と思う。
あとは、AI芸人になる、という選択肢もあるかも。

[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]

Github Copilotもトークンベースの課金に。
これ、AIによって骨抜きにされた後、高額の課金を要求されるという流れなのでは？

https://t.co/pWc0vh6MAP

[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さんにつぎ込んだお金を、どう成果に結びつけ回収するかというのは、今後とても重要な問題になる気がする。