Sabitlenmiş Tweet
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！
amzn.asia/d/gCfTi93
日本語
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
93.4K posts
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
【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。Pythonで作ったコンテンツで世田谷に戸建てを建てました。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。
Katılım Nisan 2007
751 Takip Edilen5.8K Takipçiler
この話、セキュリティだけじゃなくて“AI時代の仕事設計”全般に通じる気がする。
単一の超賢いエージェントを期待するより、小さい役割に分けて相互監査させる方が、結局スケールするという。
日本語
Cloudflareのリポートから見えてくる、Mythosの実力と限界。
・従来モデルと違い、単独バグ発見だけでなく、複数の小さな欠陥を“攻撃チェーン”として結びつけられる点が大きな変化だった。
・さらにPoC（実証コード）を自動生成し、コンパイル・実行・失敗時の再試行まで自律的に行う。
・ただしモデルの「拒否反応（危険行為を断る挙動）」は一貫しておらず、同じ依頼でも文脈次第で通ったり拒否されたりした。
・Cloudflareは「単一エージェントに巨大コードベースを読ませる方式」は限界があると結論づけ、多数の狭いタスクを並列実行する“ハーネス構造”を構築した。
・Recon→Hunt→Validate→Trace→Reportという多段パイプラインで、AI同士を相互監査させながら精度を上げている。
・特に「実際に外部入力から到達可能か」を追跡するTrace工程が重要で、“単なるバグ”と“実際に悪用可能な脆弱性”を区別している。
・Cloudflareは、今後は「パッチを速く当てる」だけでは不十分で、そもそも攻撃成立を難しくするアーキテクチャ設計が重要になると述べている。
興味深いのは、この記事が「AIが凄い」という話で終わっていない点です。むしろCloudflareが強調しているのは、「モデル単体では役に立たない」という現実でした。巨大なコードベース全体を一気に理解させるのではなく、攻撃クラスごとに小さな調査単位へ分解し、多数のエージェントを並列実行し、さらに別エージェントで“反証”させる。これは人間の大規模セキュリティ組織のワークフローを、そのままAI向けに再構成したような構造です。
そしてもっと本質的なのは、「AI時代には脆弱性修正速度だけでは守れない」という指摘です。AIが攻撃チェーン構築まで自動化すると、公開から悪用までの時間はさらに縮みます。その世界では、“全部すぐ直す”よりも、「1つ破られても横展開できない設計」「防御レイヤで到達不能にする構造」「全体へ一斉ロールアウトできる基盤」のほうが重要になる。これは単なるAI記事ではなく、ソフトウェアアーキテクチャそのものの時代変化を示している話だと思います。
blog.cloudflare.com/cyber-frontier…
日本語
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 retweetledi
今は機械翻訳（自動翻訳）がほぼそのまま使える形にまでなってますけど、その前は人間と機械翻訳（AI）が協力するのが一番うまく翻訳できる、みたいな時代があったんですよ。科学者とAIが協力するのが結局一番いい結果出せる時代は今後しばらくあるだろうけど、その時代は長くて30年程度かなぁ…
Sam Rodriques@SGRodriques
I have spent my entire life working on this and thinking about this for the past 4 years. I don't know what will happen in 20 years, but I can promise you that on the 5-10 year timescale, scientists are not out of their jobs. AI is going to massively accelerate the pace of science, increase productivity, let individual scientists make way more discoveries way faster, and is going to make science overall more fun. But the model is going to be collaboration between humans and AI, not replacement. The key difference here between science and e.g. software engineering is that science is not verifiable in any rapid/convenient way (unlike software), unlike programming. We still need humans for their scientific taste.
日本語
Pythonなら、まず問題設定を整理して、既存議論を調べて、必要ならPEPを書けといわれて、そこから数ヶ月間の議論に巻き込まれ、身も心も尽き果てる。
まアンジー@ma_angie
えーと、「ruby に〜という機能を実装しろ」てなメールが matz に殺到して、それぞれのアイデアはそりゃまあ実装すると便利かも知らんが、他の機能とのバランスを考えてないし、何より「実際に実装するのは俺なんだけど」という文脈(背景？)だったかな、と。 ＞ アイデアには価値がない
日本語
20世紀の中国は「安価な労働力で世界を支える工場」でしたが、21世紀後半は「AIと自動化で止まらず生産する工場」へ変わろうとしているということか。
しかもそれが軍需分野で進んでいるのが、かなり地政学的に興味深い。
日本語
中国がJ-20戦闘機向け部品の生産で、“ダークファクトリー”化を進め、生産効率を2倍以上に高めたと報じられています。
この工場ではAI制御の機械や自律搬送車が24時間近く稼働し、人間が常時監視する必要も減少。
航空機の「骨格」にあたる大型部品を、ほぼ無人で製造できるようになったとのことです。
ダークファクトリーは照明や人的運用を最小化するため、エネルギー消費や運用コスト削減にもつながります。
J-20は中国の第5世代ステルス戦闘機で、米F-22への対抗機として位置づけられてきました。
今回の話は単なる工場自動化ではなく、「軍需生産のAI化・常時稼働化」がかなり本格段階に入っていることを示しています。
特に航空機のような高精度・高品質管理が必要な製造分野で無人化が進んでいる点は象徴的です。
興味深いのは、近年のAI活用が「ソフトウェア」だけではなく、製造業の物理世界へ急速に広がっていることです。生成AIは会話や文章生成で注目されがちですが、実際にはAI＋ロボティクス＋センサー＋産業制御が組み合わさった時、国家レベルの生産能力そのものを変えてしまう。特に軍需産業では、「人件費削減」よりも、「24時間止まらない生産体制」と「供給速度」が重要になります。
また、これは単なる中国国内ニュースというより、「次世代の工業力競争」の話でもあります。20世紀の工場自動化は人間を補助するものでしたが、ダークファクトリーは“人間不在でも成立する工場”へ近づいています。もしこの流れが半導体・造船・航空宇宙・兵器製造全体へ波及すれば、国家の戦略的生産能力そのものが、AIと自動化インフラの差で決まる時代になっていくのかもしれません。
scmp.com/news/china/sci…
日本語
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 retweetledi
デビュー前の鳥山明がメカとオッサンばかり描くから、むりやり「ギャル刑事トマト」で女性キャラを描かせて読者にウケる事を体験させるのが編集者の仕事という
吉岡＠電撃マオウ@maoh_yoshioka
小説の編集者とかライターさんが「作家は教育なんてできない」派閥が多いっぽくてびっくりしてる。漫画は「新人作家さんを見つけてきて（持ち込み来て）、商業掲載レベルまで育てる」というのが当たり前だと思うんだけど･･･。もちろんビジネスパートナーだけど。だから漫画が売れるようになるまで１０年単位が必要とか言われてるのかと。クリエイティブの世界で即戦力が生えてくるなんてことなくない･･･？
日本語
面白いのは、今回のアップデート群が「派手な新文法」よりも、「日々Pythonを書いていると地味に効く改善」に集中していることです。昔のPythonは、「初心者向け」「簡単なスクリプト用」というイメージが強い言語でした。しかし、近年は特に巨大Webサービス、AI基盤、データ処理、クラウド運用など、“長期間・大規模に動かす”用途が急速に増えています。Python 3.15を見ると、「書きやすい」という特徴を維持しながらも、その方向への変化がかなりはっきり見えてきます。
日本語
2026年5月7日に、次期メジャーバージョンアップPython 3.15のβ1がリリースされ、次のPythonがどんな顔をしているのかが見えてきました。
今回の記事では、3.15の新機能のうち開発体験を改善する部分に焦点を当てて紹介した英語のブログを私個人の感想をはさみつつ紹介しながら、3.15がどんな方向を目指しているのかを紐解いて行きたいと思います。
note.com/shibats/n/n8a0…
日本語
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 retweetledi
これは分かりみ😇😁
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
1年間AIを使って本を書こうと試行錯誤した結果得た「AI使いこなし学習」の記録。これプログラミングにも通じるヤツだわ。 ・最初の数か月は、AI生成文を貼り付けるほど文章が自分らしくなくなり、品質も下がったという。 ・途中から、AIに続きを書かせるのではなく、「この場面は弱くないか」「キャラクターの動機は自然か」と問い返す用途へ変化。 ・さらに重要だったのは“コンテキスト量”で、チャット欄だけではなく、実際の原稿全体を読ませると結果が激変したと述べている。 ・コメント欄でも、「AIは勢いづけには強いが、長編の感情表現では粗が出やすい」という意見が多かった。 ・一方で、コーディングや音楽制作でも似た現象が起きており、「AIに全部任せる」から「部分最適ツールとして使う」方向へ利用者が成熟しているという議論も目立った。 ・「AIは魂を持たない」という古典的な議論から、「でも大量生産型のクリエイティブ職は確実に変わる」という現実的な議論まで、反応はかなり分かれていた。 面白いのは、この投稿が単なる「AIすごい」でも「AIはダメ」でもなく、“使い方の学習曲線”の話になっている点だ。多くの人は、最初に「小説を書いて」と命令して出てきた平板な文章を見て失望する。しかし実際には、AIの価値は「代筆」より「編集者」「壁打ち」「構造解析」に近いところにある、という感覚が共有されている。 そしてこれは、プログラミングの議論ともかなり似ている。コメント欄では、「最初は感動するが、大規模で複雑なものになると、人間が整合性管理をする仕事に変わる」という話が何度も出てくる。つまりAIは、“ゼロから創造する魔法”というより、「膨大な下準備や試行錯誤を高速化する装置」として定着し始めているのかもしれない。 reddit.com/r/artificial/c…
日本語
成功企業はどのようにAIを導入しているのか - スタンフォード大学のリポートより
note.com/shibats/n/n5a5…
日本語
昔は「AIが人間を置き換えるか」という議論だったけど、最近は「人間の仕事が“整合性管理者”に変わる」が現実味を帯びてきた感じがする。
創作でも開発でも、“全部作る”より“全体を壊さない”仕事が増えている。
日本語
1年間AIを使って本を書こうと試行錯誤した結果得た「AI使いこなし学習」の記録。これプログラミングにも通じるヤツだわ。
・最初の数か月は、AI生成文を貼り付けるほど文章が自分らしくなくなり、品質も下がったという。
・途中から、AIに続きを書かせるのではなく、「この場面は弱くないか」「キャラクターの動機は自然か」と問い返す用途へ変化。
・さらに重要だったのは“コンテキスト量”で、チャット欄だけではなく、実際の原稿全体を読ませると結果が激変したと述べている。
・コメント欄でも、「AIは勢いづけには強いが、長編の感情表現では粗が出やすい」という意見が多かった。
・一方で、コーディングや音楽制作でも似た現象が起きており、「AIに全部任せる」から「部分最適ツールとして使う」方向へ利用者が成熟しているという議論も目立った。
・「AIは魂を持たない」という古典的な議論から、「でも大量生産型のクリエイティブ職は確実に変わる」という現実的な議論まで、反応はかなり分かれていた。
面白いのは、この投稿が単なる「AIすごい」でも「AIはダメ」でもなく、“使い方の学習曲線”の話になっている点だ。多くの人は、最初に「小説を書いて」と命令して出てきた平板な文章を見て失望する。しかし実際には、AIの価値は「代筆」より「編集者」「壁打ち」「構造解析」に近いところにある、という感覚が共有されている。
そしてこれは、プログラミングの議論ともかなり似ている。コメント欄では、「最初は感動するが、大規模で複雑なものになると、人間が整合性管理をする仕事に変わる」という話が何度も出てくる。つまりAIは、“ゼロから創造する魔法”というより、「膨大な下準備や試行錯誤を高速化する装置」として定着し始めているのかもしれない。
reddit.com/r/artificial/c…
日本語
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 retweetledi
Personal update: I've joined Anthropic. I think the next few years at the frontier of LLMs will be especially formative. I am very excited to join the team here and get back to R&D. I remain deeply passionate about education and plan to resume my work on it in time.
English
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 retweetledi
画像分類もみんなでResNetを改造して遊んでたらViTというブレイクスルーによって一掃されたので、もう少しでTransformerも一掃されそうな雰囲気を感じる
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
最近のLLMの研究開発動向まとめ。 ・最近のLLMは、性能向上よりも「長文処理のコスト削減」が重要テーマになっている。 ・Gemma 4は、層をまたいでKVキャッシュを共有し、長文時のメモリ消費を大幅に削減した。 ・Laguna XS.2は、レイヤごとに注意機構の“予算配分”を変え、高価な全体注意を節約している。 ・ZAYA1-8Bは、圧縮した潜在空間で直接Attentionを行うCCAを採用し、Attention自体の計算量を減らした。 ・DeepSeek V4は、残差接続そのものを多重化するmHCや、長文を圧縮して扱うCSA/HCAを導入している。 ・どのモデルも「Transformerを捨てる」のではなく、Transformer内部を少しずつ改造している。 ・結果として、コードや実装の複雑さは急激に増しており、現代LLMは“魔改造Transformer”の時代に入っている。 以前のLLM競争は、「パラメータ数を増やす」「学習データを増やす」という力技の側面が強かった。しかし最近は、推論時のメモリ帯域やKVキャッシュサイズ、Attention FLOPsの削減といった、かなりハードウェア寄りの最適化が前面に出てきている。特にReasoningモデルやAgent系では、長時間・長文脈を保持する必要があるため、単純に高性能GPUを積むだけでは限界が見え始めている。 興味深いのは、これらの改良が「Transformerの置き換え」ではなく、「Transformer内部の局所改造」で進んでいる点だ。Attention共有、圧縮Attention、残差経路の多重化など、個々は小さな変更に見えても、積み重なると実装は極端に複雑になる。GPT-2時代は数十行で説明できたTransformerが、2026年には巨大な“最適化の寄せ集め”になりつつあり、LLM開発が完全にシステム工学化していることを感じさせる記事だった。 magazine.sebastianraschka.com/p/recent-devel…
日本語
最近のLLM論文を読んでいると、「新しい知能」より「どうやってKVキャッシュを減らすか」の話が急増していて、AI開発がどんどんOSやDBの最適化競争みたいになってきた感がある。Transformer革命の次は、Transformer節約術の時代なのかもしれない。
日本語
最近のLLMの研究開発動向まとめ。
・最近のLLMは、性能向上よりも「長文処理のコスト削減」が重要テーマになっている。
・Gemma 4は、層をまたいでKVキャッシュを共有し、長文時のメモリ消費を大幅に削減した。
・Laguna XS.2は、レイヤごとに注意機構の“予算配分”を変え、高価な全体注意を節約している。
・ZAYA1-8Bは、圧縮した潜在空間で直接Attentionを行うCCAを採用し、Attention自体の計算量を減らした。
・DeepSeek V4は、残差接続そのものを多重化するmHCや、長文を圧縮して扱うCSA/HCAを導入している。
・どのモデルも「Transformerを捨てる」のではなく、Transformer内部を少しずつ改造している。
・結果として、コードや実装の複雑さは急激に増しており、現代LLMは“魔改造Transformer”の時代に入っている。
以前のLLM競争は、「パラメータ数を増やす」「学習データを増やす」という力技の側面が強かった。しかし最近は、推論時のメモリ帯域やKVキャッシュサイズ、Attention FLOPsの削減といった、かなりハードウェア寄りの最適化が前面に出てきている。特にReasoningモデルやAgent系では、長時間・長文脈を保持する必要があるため、単純に高性能GPUを積むだけでは限界が見え始めている。
興味深いのは、これらの改良が「Transformerの置き換え」ではなく、「Transformer内部の局所改造」で進んでいる点だ。Attention共有、圧縮Attention、残差経路の多重化など、個々は小さな変更に見えても、積み重なると実装は極端に複雑になる。GPT-2時代は数十行で説明できたTransformerが、2026年には巨大な“最適化の寄せ集め”になりつつあり、LLM開発が完全にシステム工学化していることを感じさせる記事だった。
magazine.sebastianraschka.com/p/recent-devel…
日本語
