Name20200301

[窓の杜 @madonomori]

ローカルアカウントでWindows 11をセットアップする方法【令和7年最新版】／「BypassNRO.cmd」スクリプトに代わるシンプルなやり方が発見される【やじうまの杜】 https://t.co/ZcK92s3u0D

[Elliot Chris @ElliotGracewell]

研究者目線から見ると、最新のLLMの性能評価は非常に興味深いですね。特に数式推論と実験計画の分野では、Claude 3.5 SonnetとGPT-4oがかなり良い成績を出してますが、レビューコメントの生成はまだまだ課題があるように感じます。

私たちも社内で研究者向けのAI活用を研究してますが、やはり人間の専門知識とAI��組み合わせが重要だと実感してます。���粋なAI単独での論文レビューはまだ難しいですね 🤔

[akira @AkiraTOSEI]

https://t.co/miElJ0GZRG
研究者の業務にどれだけLLMが使えるかを評価するベンチマークを提案。数式推論、実験計画、レビューなど4つのタスクから成り立っており、最新のLLMでも難易度が高いタスクになっている。特にレビューコメントの評価タスクは現行のLLMsにとっても難易度が高い。

[Park|SIerのAIフル活用エンジニア @Park_AI362489]

万能AIツール Feloがしれっと進化!
Youtubeのリンク与えるだけで動画の内容の解説してもらえる!

トピック集にリンク入れて質問しまくれるので、もはやほぼNoteBookLMの能力も手にしてるのが今のFelo

やっぱ安定してリサーチ強いAIはFeloやな。。
#どうするjenova

[Tom | ドバイで生成AIやってる人 @0x__tom]

個人的にビジネス側でo1 proを使うベストプラクティスは普段、起業家が言語化できてない暗黙知的なものを整理させること。

例えばまず、1枚目のように「SaaS VS AIエージェント」のようなお題を与える。次に2枚目-3枚目ではo1 proの出した回答に対し、投資家の視点で否定的な意見をぶつける。

否定的な意見を繰り返し返すことで、回答が洗練されていく。

最後に今までの会話を整理させる。この否定意見に対する回答の集約こそが事業の戦略に近い根幹になりうる。

これを繰り返すと、投資家から鋭いツッコミが入ってもめちゃくちゃクリアに回答できるうえに、とにかく頭の中がクリアになって、小さな意思決定1つ1つに自信を持てるようになる。

毎日1日1時��壁打ちしてみるといい。事業の話だけじゃなく、人事制度や、今話題のリモートワーク VS 出社でもいいと思います。

ちなみに僕は子供を保育園に送り届けるときにスマホから壁打ちしてもらってます。推論に時間かかるので、外にいるときとか、隙間時間で壁打ちするのがおすすめ。

※隙間時間で投資家と壁打ちを無限にできると考えたら最強ですよね。

[さとり @satori_sz9]

これが未来だ。Gemini 2.0をAIエージェントとしてデスクトップで動かしている様子。来年初頭にはこういうことができるようになります。もしかしたら今月OpenAIからOperator(AIエージェント)が発表される可能性もあるから楽しみ。

[熊井悠(くまいゆう) | ランスティア @qumaiu]

こうした業務フロー図作成も従来はコンサルにお金を払っていたが今は休日のソファの上でも簡単にAIで生成できる。業務マニュアルをo1 pro modeで生成してリモートのアルバイトに仕事を委託する。スケールしたらAIでシステム生成or AIエージェント化してしまう。

[松上純一郎 ｜（株）Rubato代表｜『PowerPoint資料作成プロフェッショナルの大原則』著者 @J_Matsugami]

【外資系コンサルのスライド - 示唆スライド】
アクセンチュアのスライドです
資料に「提案」と書くと「作成した人が選んだ」という印象になり、内容に突っ込まれやすくなります

一方、「示唆」と書くとファクトから導かれたもので、よりロジカルな印象になり、聞き手が受け止めやすくなります

[廣山晃也 / ANEMA @thor_ind]

すごい、Claude 3.5 Sonnetとやりとりするだけで、ブログ執筆者用の文字数カウント作れてしまいました！（GPT-4有料版ではできなかった）
https://t.co/DZIpc7lJKX

[fly51fly @fly51fly]

[CL] Does Prompt Formatting Have Any Impact on LLM Performance?
J He, M Rungta, D Koleczek, A Sekhon... [Microsoft] (2024)
https://t.co/aJIjo8VWfq

[Daisuke Okanohara / 岡野原 大輔 @hillbig]

AIを使って材料開発研究が促進されるか米企業の1000人超の研究者で数年間の調査を行った。AIを活用した研究者は従来より44%多くの材料を発見し、特許申請も39%増加し、より新規性の高い材料も見つけられた。下位1/3の研究者に改善はみられず、トップ研究者の成果は倍増した。
https://t.co/Kh01i49VNM
===

AIを実際活用することで研究開発が促進されるかを調べた（私が知る限り最も大規模な）調査である。
AIツールは目標の特性を示したらそれに合わせた化合物を生成する（おそらく拡散モデルベース）。企業は米国に��点をおき、ヘルスケア、光学、工業用製品に強い企業で学位を持つ多くの研究者を抱えている。

この研究で興味深い結果としては

・実際に生産性が上がったのは元々生産性の高い（スキルの高い）研究者で、実際にでてきた材料が有望なものかを正しく判断できる人達であった。一方、低スキルの研究者はAI提案をそのまま使用する傾向があり、誤った候補をそのまま調査するのに時間を浪費してしまった。評価スキルがAIを活用できたかどうかに一番効いていた（ちなみにこれは今回のAIツールが候補を生成するタイプであったからともいえる）

・上位10%の研究者は発見率が81%も増加している。

・AI導入後の最初の6ヶ月で顕著に増加し、その後安定する傾向があった。特許申請や製品プロトタイプは6~12ヶ月後に最大の効果を示した。

・ちなみに、過去他のツール導入では１人あたりの研究成果はむしろ減少��ており、今回のAIツールの効果は大きかった

・今回導入したAIは主に「アイディア生成」タスクを自動化した。研究者はAI導入前は時間の約4割をアイディア生成に費やしていたが、導入後はわずか16%まで減少した。一方、判断タスクは23%から40%に増加した

・しかし、研究者の満足度は44%低下した。これは創造的な仕事が減り、日常業務がルーチン化したこと、自身の専門スキルが十分活用されていないと感じたためである。一方、AIが生産性向上に寄与するという信念は強化され、新しいスキルの習得に対する意欲も高まった

===
自分の感想

自分の考えとしても、（少なくとあといくつかブレークスルーが起きない限り）AIが人の研究を完全に置き換えるものにはならないと思うが、生産性をあげ、特に既にスキルが高い人の生産を倍や数倍上げられ���という感覚は一致している。今より生産性の格差は増えると思われる

今回導入したのは���補を生成するタイプのAIツールであったが、近年では生成した候補を判断・評価するようなツールなども登場しており、「アイディア生成」から「判断」に仕事がうつったのはたまたまと思われる。むしろAIは判断の方が向いている場合が多いのではとも思われる。自分とは異なる視点や立場で考えた場合にどうかとか、自分の異なる専門知識を持った場合の判断などは役に立つ場合が多いのではないかとも思われる

1000人分の研究成果が40%改善されるというのはかなり大きなインパクトといえる（費用対効果や競争力としても大きい）。

一方満足度が低下していることは実際にこうしたツールが普及していく上では問題では大きな問題であろう。どのように研究者がこうしたツールを使った上でも自分の能力を発揮し協調できるかといった部分は今後の���きな課題といえる

[たかさん @takaxp]

こりゃ年内に30出るな

[七誌 @7shi]

ローカルLLMは上限や課金を気にしなくて良いと言われていましたが、Obsidianで使ってみて、やっとそれが実用レベルで実感できた気がします。
アプリもLLMも全部ローカルで、Aya Expanse 8Bは性能や速度が体感でGPT-3.5くらいはあります。

[ola @ola_jp_ai]

わずか5秒の音声から高精度なAI音声生成を実現する「MaskGCT」が公開！日本語を含む様々な言語への変換や声質変更、感情制御まで可能。ゼロショット（事前設定不要）で使えます。HuggingFaceでデモ公開中⬇️

[まつにぃ @yugen_matuni]

Geminiのstructuredが強化されました。

従来のJSON型に加え、Enumという定義された値しか返しませんというルール型を使って、不要な生成結果を弾けるようになりました。

例えば商品状態で「新品」「ほぼ新品」「中古」をEnumで定義し、それ以外の生成は弾くという物です。

https://t.co/zSGpWfS94o

[Tatsuya Shirakawa @s_tat1204]

この資料、とても良いですね！

https://t.co/dVIkhnl2Vj

[タランチュラ | データサイエンティスト @tarantula_ds_]

【Python重回帰分析チートシート】
重回帰分析をPythonで実施する手順書を作成したよ🤔

重回帰分析の妥当生を判断する⑧⑨⑩当たりが分析の肝で重要部分になってくるね👍

多重共線性を除く方法やその他の評価方法も順次習得していこう！

[ぬるったん @データサイエンティストのキャリア発信 @Nurruttan]

各社のデータ基盤の記事を集約している記事だよ。

データ基盤の参考に使える内容だね。

データを上手く活用していく上ではデータ基盤が重要になるね。

記事に載っているのはSaaSサービスやアプリのデータ基盤が多いけど、企業のデータ基盤のようなものも混じっているね。

データを上手く活用していく上ではデータ基盤が重要にだよ。

詳細記事もついているから、深ぼってみたいサービスは見られるようにまとまっているよ。

データエンジニア系の方にはおすすめだよ。

https://t.co/mYbYDimQIo