竹内 隆太（Ryuta Takeuchi）

ソーシャルデザインをテーマに、秋田県にかほ市と日吉の2拠点生活中。 .AKIMATE holdings執行役員COO / 秋田マテリアル経営戦略部 / air-clue 取締役 / 秋田ノーザンハピネッツ新規事業開発担当 / Primes代表取締役社長 / 慶應SDM

[岩波書店 @Iwanamishoten]

今日は #博士の日 。
1888年、伊藤圭介、菊池大麓、山川健次郎ら25人に日本初の博士号が授与されました。
ポスト不足で博士も就職難の時代ですが、活躍の場は大学だけとは限りません。博士の未来に勇気を与えるメッセージ。

岩波書店編集部編『アカデミアを離れてみたら』☞ https://t.co/0xQ5tdFope

[Tabassum Parveen @Tabbu_ai]

Instead of watching an hour of Netflix, watch this 2 hour hour Stanford lecture will teach you more about how LLMs like ChatGPT and Claude are built than most people working at top AI companies learn in their entire careers.

[Matt Dancho (Business Science) @mdancho84]

Understanding probability is essential in data science.

In 4 minutes, I'll demolish your confusion.

Let's go!

[医療統計start-upサロン @tokei389950]

今までたくさん図表の論文を
読みましたけどこれが圧倒的なNo. 1です。

図表を作る人は全員読んで欲しいです。
絶対損しないので、騙されたと思って
読んでみてください。

あえて、詳細は省きますが
めちゃくちゃ参考になります。

https://t.co/YULfRmlYHj

[AIDB @ai_database]

LLMで論文を書く人が増えていますが、AIにいきなり全部書かせると話の流れがずれたり、図や表の説明が合わなくなったりすることがあると分かっています。
しかし、役割分担させて、共通ルールを守らせることで、まとまりのある論文にしやすいとのこと。

①まず設計役のAIが論文の骨組みを考える
②つぎに執筆役が各章を書く
③見直し役が全体のつながりを整える
④最後に仕上げ役が図や表、レイアウトを確認

エージェント全員が「この図はどこで使うか」「この章では何を説明するか」という共通の設計図を見ながら進めるのがポイントのよう。

ふつうに一気に書かせた場合より、専門家の評価がかなり高くなっています。
AIによる論文執筆を、ひとり作業からチーム作業に変えるという考え方です。

[yoschi_s @stern_bow]

明日から大学・大学院に進学される皆さん，おめでとうございます㊗️
これからは授業だけでなく，自学自習にも取り組まれるかと思いますが，データサイエンスはおすすめです。製造業の実務家から見た，数理統計・データサイエンスのおすすめ書籍ガイドをまとめました。
▼
https://t.co/U4j08scob2

[中室牧子 @makiko_nakamuro]

新しい論文でましたー！

これは全国21自治体の行政職員3,732名を対象に「コンジョイント分析」と呼ばれるサーベイ実験を行い、

「エビデンスは政策立案に影響を及ぼすか？」

を検証したものです。

自治体職員は、一体何を重視して政策を決めているのか？

分かったことの1つは「自治体職員は、隣の自治体で行われていることについて、すごく気にしてる」ということです。これは自治体で仕事をしたことがある人はかなり肌感覚あるはず。首長や議会、業界団体の反応と同じくらい、隣の自治体が何をやっているかを気にしています。

加えて、エビデンスとしては、「効果がある」という結果よりも「効果がない」という結果を重視していることもわかりました。「効果がないことをやらない」こと。これめちゃくちゃ大事ですよ。

そして、これは研究者にとっても重要な発見です。
研究の業界ではFile Drawer ProblemとかPublication Biasと言ったりするのですが、「効果がある」という論文のほうが査読に通りやすく、「効果がない」と言う結論になった論文が死蔵されやすいことによって生じる問題です。

例えば、ある教育政策の効果を検証した論文が10本あるとします。実際には効果がないというのが真実なんですが、偶然2本くらい有意な効果があるという結果が出た論文があったとします。その2本だけが公表され、残りの8本の効果なしの論文が公表されなかったら・・・。

この政策は効果があるという誤った認識が広がってしまうということです。これはヤバイですねー。

最近では事前登録（pre-registration）などでこういう問題を回避しようという動きは強まっていますが、エビデンスが政策立案に使われる世界を目指すのであれば、研究の業界も変わっていかないといけません。

論文、ぜひご覧ください。サーベイに協力してくださった自治体職員の皆さん、本当にありがとうございました！

[高橋泰城（たかはしたいき） @tweet_taiki]

「数学。

無料のゲーム理論の本。「165の解答付き演習を含むオープンアクセス教科書。」出典：https://t.co/mXaZq7fKHx」

[みきてぃ｜AI/データ分析のプロ目指して奮闘中🔥 @SkillupAi]

東大松尾研の「LLM講座2024」講義スライド全12回が無料で公開されていますので紹介します✨

LLMの原理から社会実装まで幅広く学べる内容です！

社会人の方から学生の方まで広く活用できる資料ですのでぜひ確認してみてくださいね☺️

https://t.co/4YL5oFJO1J

#プログラミング勉強中 #勉強垢

[Itaru Tomita / 冨田到 @itarutomy]

AIが書いた論文がBest Paper Awardを取った。採択率31.71%の国際会議に6本投稿して6本全部通った、という話。

「EvoScientist」というマルチエージェントシステムがKDD 2026に採択された。

既存のAI科学者システムには根本的な問題がある。タスクが終わるたびに記憶がリセットされる。「この研究方向は以前に試して失敗した」という情報も、「このデータ処理パターンが動いた」という経験も、次のタスクにはまったく引き継がれない。結果、同じ失敗を繰り返す。

EvoScientistはこの問題を「進化するメモリ」で解決した。3つの専門エージェントが協力する。

研究者エージェント（RA）がアイデアを生成する。エンジニアエージェント（EA）が実験コードを実装して動かす。進化マネージャー（EMA）が両エージェントの成功・失敗履歴から「次に使える知識」を抽出して2つのメモリに書き出す。

アイデアメモリには有望な研究方向と失敗した方向の両方を記録する。実験メモリには「動いたコードのパターン」と「デバッグの知恵」を蓄積する。次のタスクでこれらを参照することで、タスクを重ねるたびにアイデアの質もコードの信頼性も上がっていく。

7つのオープンソース・商用システムとの比較で全勝した。LLM自動評価でAI Scientist-v2との比較では新規性の勝率63.33%、実現可能性53.33%。コード実行成功率は実験戦略進化の前後で34.39%から44.56%に向上した。

エンドツーエンドの評価が面白い。6本の論文を自律生成してICAIS 2025（AI科学者専門会議、採択率31.71%）に投稿したところ、6本全部採択。1本がBest Paper Award、もう1本がAI Reviewer's Appraisal Awardを受賞した。

「AIが失敗から学んで研究をうまくなる」という構造は、人間の研究者が経験を積んで成長する話と本質的に同じだ。それがシステムとして動いている。

[裳華房 編集部 @shokabo_editors]

【近刊案内】『応援ブック　手を動かしてまなぶ　集合と位相 －「行間を埋める」ために＋詳細解答－』（藤岡敦著）

現在、好評発売中の『手を動かしてまなぶ　集合と位相』のサポート情報（PDFファイル）として無料公開している補助教材「『行間を埋める』ために」と、書籍に収録している「（節末問題の）詳細解答」を小冊子としてまとめました。

■ 書籍紹介ページはこちら ☞
https://t.co/ZZR3EONIe9

[日経電子版 ビジネス @nikkei_business]

｢人間を雇うな｣　24歳AIエージェント革命児が宣告する無人営業時代
https://t.co/i5qvyKuLgD

[千葉雅也 Masaya Chiba @masayachiba]

福尾匠『置き配的』を読み始めている。まず序文が圧倒的な明晰さ。その後、日本の批評の経緯がたどられる。置き配的とは？　置いた、またピックしたという事実だけで、様々な関係が成り立つ「かのよう」になる。届けなくなれば、誤配もまたない。それは無責任の新たな形だとも言える。

[裳華房 編集部 @shokabo_editors]

【近刊案内】『手を動かしてまなぶ　偏微分方程式』（山根英司著）

序文・目次・内容見本を公開しました📖
ぜひご覧ください。

■ 序文
https://t.co/QwmcaegexT

■ 目次
https://t.co/hU8TGX7186

■ 内容見本
https://t.co/jtrz0d4IZ1

■ 書籍紹介ページ
https://t.co/K8A9JPThzh

[日本経済新聞 電子版（日経電子版） @nikkei]

｢人間を雇うな｣　24歳AIエージェント革命児が宣告する無人営業時代
https://t.co/GYTuKplpvr

[尾崎大輔（経済セミナー編集部） @zakidai]

おっと、三菱経済の本でこんなのが出てるな……！

砂川 武貴『動学マクロ経済学入門―ソローモデルから線形期待差分方程式まで―』
https://t.co/6kBx6D5Ztf

[書泉ブックタワーコンピュータ書【営業時間11:00~20:00】 @shosen_bt_pc]

#ITエンジニア本大賞 #技術書部門大賞
『ことばの意味を計算するしくみ 計算言語学と自然言語処理の基礎』
#講談社 (9784065369845) #谷中瞳 著
ChatGPTで周知となった"ことばのテクノロジー"としての自然言語処理と哲学・数学・論理学から"ことばをサイエンスする"計算言語学との架け橋となる教科書!

[名著解説ラジオ(雪かわ) @nandatteiijyann]

『知性の限界』

kindle版だと半額でした

同じ言語が示す内容は誰にとっても同じではなく、言語理解には矛盾や限界がある。
ウィトゲンシュタイン、ナイト、ファイヤアーベントらを紹介し、知的営為の基本「言語」「予測」「思考」の限界と可能性に迫る

詳細こちらです📚
https://t.co/oF82D0OECr

[うとしん @s1ok69oo]

弊社の新卒DS1年目が執筆したブログです！ぜひジュニアDSやこれからDSになる/目指す方に読んでいただきたいです！

データサイエンティスト一年目が学ぶこと | CyberAgent Developers Blog https://t.co/AdgmZq3dgz

[ふぃりっぷ／山田裕一朗@Findy代表 @yuichiro826]

経産省の「2040年の就業構造推計」がアップデートされましたが、内容がかなり衝撃的です。

まず、事務職（ビジネスサイド）が「437万人余る」という予測。 一方で、AI・ロボット等の利活用を担う専門人材は「339万人不足」します。 1年前の調査では事務職の余剰は214万人とされていたので、わずか1年で「余剰予測が倍増」した計算です。 生成AIの急速な進化と普及を織り込んだ結果と言えるでしょう。

さらに注目すべきは産業別の動き。情報通信業では100万人単位の余剰が生まれる一方、製造業や小売業、建設業などではAIやロボティクスの専門人材が圧倒的に足りません。

これからは、IT業界で培ったテック・ナレッジを武器に、製造や小売といった実業（ドメイン）の知識を掛け合わせ、現場をAIで変革できる人材へのシフトが必須になります。

「今の仕事の延長線」に未来を描くのではなく、不足する「AI利活用×ドメイン」の領域へ自らの専門性をスライドさせていく。 2040年を見据えたキャリアの再定義が、いよいよ現実味を帯びてきました。