「何事も趣味でやるのが一番！」って、本当によく言ったものですよね。音楽でも、プロの演奏より趣味で楽しんでる人の演奏の方が、心にグッとくることってありますよね。この言葉を胸に、私も初心を忘れずに、AIの情報を「現場のおじさん目線」で楽しく発信していきたいなと思っています！ ワクワクの始まり！ 純粋な情熱から広がる世界 - みんなと分かち合いたい！ 例えば、皆さんの活動が新聞やネットで取り上げられたとしましょう。最初は、自分の主張や研究の成果を100％純粋に伝えられますよね。
私はインフラベンダーとして、お客様がクラウドとオンプレミスを最適な形で活用できるよう支援することが使命だと考えています。 クラウドとオンプレミスのすみわけ AI活用において大切なのは、クラウドとオンプレミスそれぞれの強みを活かすことです。全てをクラウドに移行するのではなく、オンプレミスが適している部分はオンプレミスで運用するのがお客様にとってベストな選択です。 お客様のAI人材育成を支援 お客様がAIを効果的に活用するためには、社内にAIエバンジェリストや開発エンジニ
2023年4月から研究をしてきて1年半になります。 勉強は1500時間しました。知ってる人と説明できる人は違うと思うので勉強会・説明会も30回以上させて頂きました。 特に世の中に不足している現場でAIを動かす為のエンジン（トレーナー）となれるように動画作成とか変な回り道もせずに純粋にまっすぐやってきました。 2025年は、自分にとってその準備を開花させる年にしたい。 ただ願ってるだけでもしょうがないので、行動しようと思います。 転職すれば早いというのはよく聞くのですが、すで
すごく強引に、かなり強引に 今のお客様の業務（ITやDX）では足りないものを表現して この部分をGenAIがカバーできる、追加でケア（自動化/QCD向上）できるんですよ。 という資料をつくりました。 今までになかったものの価値は、その企業次第 1円にもならない事もあるし、100億円になる事もある。by kawada 左側の特徴（数字・Mathematics） 定量的：数値やデータに基づく明確で計測可能なもの。 厳密性・客観性：論理的で機械的、普遍的に正しいことが重視さ
日本や海外の実務担当の人と話して、AIというのは幅広すぎて、それぞれが得意なとこばっかり話すので全体像がつかめない。それでも泥臭くずっと会話していく中でようやく全体像が見えてきました。 会社としても、社会人の私個人としても「この後自動化やUIで便利化されて淘汰されていく部分に研究の時間やコスト取られたくない！」と強く思うので、1年後も生き残るとおもわれる本質の部分に今後の研究のテーマを絞っていきたいと思います。 自動調整・自律調整・ノーコードUI・開発自動化・テンプレ化な
図書館で「恐竜」について調べたいとしましょう。でも、たくさんの本の中からどうやって目的の情報を見つけますか？ここで役立つのが、Embedding（エンベディング）、Chunking（チャンク化）、Reranking（リランキング）という技術です。 1. Chunking（チャンク化）— 文章を分ける 分厚い本を最初から最後まで読むのは大変ですよね。そこで、本を「第1章：恐竜の誕生」「第2章：肉食恐竜」「第3章：草食恐竜」といったように章ごとに分けます。これが Chunki
ついにリリースされたGemini-exp-1114、もう試しましたか？Google AI Studioで使えるんですが、これが凄いと噂のo-1 Previewに似てるんです。 o-1 Previewは「すぐ答える」タイプではなく、じっくり「考えてから答える」タイプ（思考先行型/CoTと呼ばれています）。優秀なモデルとして注目されています。 これはなぜかというと、OpenAIは世界中のデータを学習させてAIを進化させてきましたが、最近はデータ収集が難しくなってきたため、既存
海外のチャットボットに関する掲示板で、興味深い議論を見つけました。 ユーザーAさんが、ファイルアップロード時に使われている埋め込みモデルと、ランキングモデルについて質問していました。ユーザーBさんは、「bge-large-en-v1-5という埋め込みモデルを使用しており、ランキングモデルはまだ使用していない」と回答していました。 このbge-large-en-v1-5は性能が良いモデルらしいのですが、問題があります。 一般的なチャットボットユーザーは、ファイルアップロード時
会社で生成AIの研究は一つではなく幅広い研究が必要だというのを伝えるときに使う例です。 生成AIパフォーマンス要素の例え（体編） 脳（LLM）： 高度な情報処理と意思決定を行う脳。 これは、複雑なタスクをこなすAIの中枢です。 小脳・脊髄（RAG、ICL）：脳を補助するように動く小さな器官 神経系（埋め込みモデル・パラメータ）： 脳からの指示を体全体に伝え、感覚情報を脳に伝える神経系。 高速で正確な情報伝達を担います。 筋肉・骨格系（インフラ）： AIが動作する基盤と
プロンプト開発にまよったら、何かサンプルから使ってみるのがいいと思います。 Anthropic・gemini・OpenAI・Felo等 この辺の情報はたくさんあります。 https://platform.openai.com/docs/examples Free AI Chat | Chat with GPT4o/Claude/Gemini Online | Felo Chat OpenAIのplaygroundでは、高性能なプロンプトジェネレーターも使えます。 （クレ
朝一ですごいと思ったのが、GPTに自己紹介文書いてってお願いしたら その一言だけで、ノーヒント、ノー指示で以下を用意してきました。 いやー、ずっと使ってるからいちいち説明しなくても私が何をしてる人か、ＡＩの側はちゃんとわかってるんだなーと少し感動しました。（過去の質問履歴などから） ～～～～～～～～～～～～～～～～～～～～～～ こんにちは、[あなたの名前]です。私は現在、[会社名]でプロジェクトマネージャーとして働いており、主にAI技術を活用したプロジェクトの運営に携わっ
生成AIの性能は、実は普通のアプリと同じように、様々な要素が絡み合って決まります。特にプロンプト（AIへの指示）が重要で、その出来栄えが結果に直結します。まるでアプリの操作方法を覚えるように、プロンプトを使いこなすスキルが求められます。 生成AIの性能を決める5つの要素 プロンプトの質: 的確で具体的な指示を出すほど、AIは期待通りの結果を出してくれます。 ハイパーパラメータ: モデルの学習設定のようなもの。既に学習済みのモデルを使う場合、調整は難しいことが多いですが、
作りまくって（＆挫折しまくって）たら、うっすら見えてきた。 私の結論としては、ハイパーパラメーターやRAGやプロンプティングで忙しいから、その裏にあるLLMはせめて最高級品を用意してほしい。という結論になった。 LLMの出来の悪さ（特に日本語）までカバーなんかしてられない。 部署ごとにこうやってGPTsを作れる人材はめっちゃ希少種なのに、さらにLLMの中身を意識して書ける人なんかほぼいなくなる。 現状、日本のほとんどの企業に1人はこの人材が必要なので、ハードルを上げすぎるの
RAGフォルダにおいたファイル（フォルダ毎にごちゃまぜでRAGーDBになるんだけど）が3時間くらいまっても反映されない。 もしかしてRAG化ってかなりGPUリソース消費するのか、1日に1回とかのバッチ処理とかだったらどうしよう。検証が全然進まないかも。 今日はエクセルの社員名簿から一言キーワードいれるだけでその情報を検索してきて表示するっていうAIエージェントの作成。 基本AIっていうのは行が多いのはなんぼでもいけるんだけど、列が増えるのが苦手な気がする。 X軸とY軸のどち
エンジニアって、プロだから、お願いするときに気を付けないといけない人もいますし、人間は機械ではないので、アサインするときに土日夜間ばっかりとか、静岡の翌日山梨にいってとか、そういうからだの疲れを考慮しないアサインは本当に嫌がられます。 では何をどの順番でどう考慮するのか？これは各アサイン担当が俗人的に頭のなかに組み立てています。考慮する事が多すぎて、可視化や引継ぎができないからです。 今回はそんなお悩みを解決する為のアイデアです。 まだ実際のデータすくないので、コンセプトだ
忙しくてみてなかったけど、自分の指定フォルダがRAGに組み込まれてた。 1個のフォルダ申請するのにすんごい大変なのに、、、これじゃ検証で何個もRAG作れない。 一応PMとしての諸々（障害とか社内プロセスとか）をいれてみて、 障害や想定外の種類を大別させてみた。 LC-LLM（＝プロンプトに資料添付するだけ）の結果 「プロジェクトでの障害の種類を大別してください」 ⇒悪くはないけど3回に1回断られる（申し訳ありません、添付資料をよめません。とか） RAG（何RAGかはしら
