[アップデート] AWS WAF がアプリケーションレイヤー（L7）層の DDoS 保護機能をサポートしました | DevelopersIO
こんにちは！クラウド事業本部コンサルティング部のたかくに（@takakuni_）です。 AWS WAF がアプリケーションレイヤー（L7）層の DDoS 保護機能をサポートしました。re:Inforce 2025 が近づいていますが、非常に興味深いアップデートがきましたね。 アップデート内容 今回のアップデートは「AWS WAF で L7 向けの DDoS 保護を目的とした保護機能および、マネージドルールが追加されました。」というものです。 従来、この DDoS 保護をカバーする方法として Shield Advanced が考えられましたが、月額 3,000 USD からと、価格感が合わなかったりしていたのではないでしょうか。 ドキュメントを見てみると、今回の DDoS 保護を目的とした保護機能は Resource-level DDoS protection、マネージドルールグループは A
![[アップデート] AWS WAF がアプリケーションレイヤー（L7）層の DDoS 保護機能をサポートしました | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/570e54f44a88ba2e7a9ac285e2f858d45eda2731/height=288;version=1;width=512/https%3A%2F%2Fimages.ctfassets.net%2Fct0aopd36mqt%2Fwp-thumbnail-8cc2be5d32f2b7e78f85a99d463f3690%2F6213c0b16f198b77794266f22dc8eb5c%2Faws-waf)
Copilot code review: Customization for all - GitHub Changelog
BackAI & MLLearn about artificial intelligence and machine learning across the GitHub ecosystem and the wider industry. Generative AILearn how to build with generative AI. GitHub CopilotChange how you work with GitHub Copilot. LLMsEverything developers need to know about LLMs. Machine learningMachine learning tips, tricks, and best practices. How AI code generation worksExplore the capabilities an
Remote GitHub MCP Server is now in public preview - GitHub Changelog
BackAI & MLLearn about artificial intelligence and machine learning across the GitHub ecosystem and the wider industry. Generative AILearn how to build with generative AI. GitHub CopilotChange how you work with GitHub Copilot. LLMsEverything developers need to know about LLMs. Machine learningMachine learning tips, tricks, and best practices. How AI code generation worksExplore the capabilities an
Hypershell: A Type-Level DSL for Shell-Scripting in Rust | Context-Generic Programming
Discuss on Reddit, Lobsters, and Hacker News. Summary I am thrilled to introduce Hypershell, a modular, type-level domain-specific language (DSL) for writing shell-script-like programs in Rust. Hypershell is powered by context-generic programming (CGP), which makes it possible for users to extend or modify both the language syntax and semantics. Table of Contents Estimated reading time: 1~2 hours
Apple supercharges its tools and technologies for developers
Apple supercharges its tools and technologies for developers to foster creativity, innovation, and design Access to the on-device Apple Intelligence model, large language model integration in Xcode, and an elegant new software design across Apple platforms give developers everything they need to build beautiful modern apps with speed and confidence Apple announced new technologies and enhancements
ブラックホールの蒸発は「計算エラー」だった？量子機械学習が示すブラックホールと最先端AIの奇妙な関係 | XenoSpectrum
宇宙最大の謎の一つ、ブラックホールに吸い込まれた情報の行方。この「情報パラドックス」を解き明かす鍵が、意外な場所で見つかったのかもしれない。韓国の研究者らが発表した最新の理論研究は、ブラックホールの情報喪失問題と、人工知能（AI）の世界で知られる奇妙な現象「二重降下」との間に、驚くほど正確な数学的対応関係が存在することを示唆している。これは、ブラックホールの蒸発プロセスが、本質的には一種の「学習問題」であり、その情報回復の限界は、AIが学習に失敗するメカニズムと全く同じ構造を持つことを意味する。物理学の根幹を揺るがす謎と、最先端のAI技術が、一本の美しい数式で結ばれようとしているのだ。 宇宙最大の謎とAIの奇妙な振る舞い 話は、二つの全く異なる分野に存在する、それぞれの「常識外れ」な謎から始まる。 一つは、理論物理学における長年の懸案、「ブラックホール情報パラドックス」だ。Stephen
GitHub Copilot coding agent is now available for Copilot Business users - GitHub Changelog
BackAI & MLLearn about artificial intelligence and machine learning across the GitHub ecosystem and the wider industry. Generative AILearn how to build with generative AI. GitHub CopilotChange how you work with GitHub Copilot. LLMsEverything developers need to know about LLMs. Machine learningMachine learning tips, tricks, and best practices. How AI code generation worksExplore the capabilities an
AIは本当に「考えている」のだろうか？ この数年、私たちの社会を席巻するこの問いに、Appleの研究チームが冷徹な光を当てた。2025年6月7日に公開された論文「The Illusion of Thinking（思考の幻想）」は、AIが複雑な問題に直面したとき、性能が突如として崖から転落するように崩壊するだけでなく、難問を前にして「考えることを放棄する」かのような不可解な振る舞いを見せることを示し、OpenAIの「o3-mini」やAnthropicの「Claude 3.7 Sonnet」といった最先端のAIが持つ「推論能力」に、これまで見過ごされてきた“根本的な限界”が存在することを、緻密な実験によって暴き出したのだ。 なぜこの研究は重要なのか？ AI評価の「汚染」からの脱却 近年のAI開発競争は、「推論（Reasoning）」を最大のテーマとしてきた。「思考の連鎖（Chain-of-T
西川善司の3DGE：AI高画質化技術「FSR Redstone」とニューラルレンダリング技術に対するAMDの取り組み
西川善司の3DGE：AI高画質化技術「FSR Redstone」とニューラルレンダリング技術に対するAMDの取り組み ライター：西川善司 2025年5月下旬に行われたCOMPUTEX 2025に合わせて，AMDは，「FSR Redstone」と称する新プロジェクトを発表した。 Chris Hall氏（Senior Director Software Development，AMD） 現在，筆者は，AMDの関連イベント取材で渡米している。そこで，FSR Redstoneについて，追加取材を申し込んだところ，AMD側から「もう少し深く説明したい」ということで，同社で「ROCm」プロジェクトを率いるChris Hall氏にインタビューする機会を得た。 そこで，Hall氏へのインタビューで得られたことをまとめつつ，AMDのニューラルレンダリング技術についての取り組みをレポートしたい。 関連記事 R
This article has been reviewed according to Science X's editorial process and policies. Editors have highlighted the following attributes while ensuring the content's credibility: fact-checked peer-reviewed publication trusted source proofread The paths of individual bacterial cells swimming (blue-slow, turquoise faster) within channels between 10 micrometer high topological features (outlined in
はじめに この記事では，ニューラルネットワークを乱数初期化のまま学習させたときに発生する 「初期化の罠」 を整理し，その回避策としての事前学習を原理から紹介します．Transformer や ResNet がどうして安定的に学習できるのか．最新の理論をもとに掘り下げながら，「事前学習モデルを微調整するのが一番コスパが良い理由」を示したいと思います． 1. いきなり Fine‑tune はダメ？ 深層モデルの損失関数は高次元かつ非凸ですが，実際には Transformer や ResNet がサクッと収束するケースのほうが多いです．ところが，小規模データをゼロから Transformer で Fine‑Tune しようとすると，勾配が発散したり精度がガタ落ちしたりするシーンが報告されています．たとえば Spider (∼7 k 訓練例) では，標準初期化の Transformer は 8 層
Update to GitHub Copilot consumptive billing experience - GitHub Changelog
BackAI & MLLearn about artificial intelligence and machine learning across the GitHub ecosystem and the wider industry. Generative AILearn how to build with generative AI. GitHub CopilotChange how you work with GitHub Copilot. LLMsEverything developers need to know about LLMs. Machine learningMachine learning tips, tricks, and best practices. How AI code generation worksExplore the capabilities an
Upcoming deprecation of o1, GPT-4.5, o3-mini, and GPT-4o - GitHub Changelog
BackAI & MLLearn about artificial intelligence and machine learning across the GitHub ecosystem and the wider industry. Generative AILearn how to build with generative AI. GitHub CopilotChange how you work with GitHub Copilot. LLMsEverything developers need to know about LLMs. Machine learningMachine learning tips, tricks, and best practices. How AI code generation worksExplore the capabilities an
機械学習ポテンシャル（MLポテンシャル）を使って、DFT 並みの精度を保ちつつ 100～10,000 倍高速に分子構造最適化を行う方法を解説する記事です。Google Colab 上で水分子やエタノールの最適化結果をエネルギーや結合長の収束グラフで可視化します。学ぶと、ブラウザだけで手軽に高精度・高速な分子シミュレーションを試せるようになり、試行錯誤のサイクルが飛躍的に短縮することができます！ 動作検証済み環境 Google Colab (2025-05-26), Python 3.10, Torch 2.3.0+cu118, TorchANI 2.2.4, ASE 3.22.1, Matplotlib 3.7.1 PySCFを使った無料で始められる量子化学計算の技術書を販売中 PySCFを使い構造最適化や振動数計算、物性解析など高度な量子化学計算ができます！ 技術書ページへ Gaussi
2025 Japan All AWS Certifications Engineers の発表 | Amazon Web Services
AWS JAPAN APN ブログ 2025 Japan All AWS Certifications Engineers の発表 本記事は AWS T&C グローバル パ―トナー イネーブルメント本部の山田による寄稿です。 本年度も大変多くのご応募を頂きありがとうございました。厳正なる審査の結果、2025 Japan All AWS Certifications Engineers に選出された方を発表します。 概要 「Japan All AWS Certifications Engineers」とは、AWS Partner Network (APN) に参加している会社に所属し、「AWS 認定資格を全て保持している」AWS エンジニアの皆様を対象にした表彰プログラムです。本年は AWS Certified AI Practitioner、AWS Certified Data Engin
あなたとDynamoDBの相性診断テスト | iret.media
はじめにあなたのプロジェクトにAmazon DynamoDBがマッチしているかのチェックポイントを作ってみました。 ある程度は経験に基づいていますが、ポイント自体は完全に独断と偏見なので、温かい目で見てもらえればと思います。 合計ポイントがプラスなら、プロジェクトにDynamoDBを活用してみてください。 面白そうだからチャレンジしちゃえ、という気持ちを推奨しつつも、マジレスをしていければと思います。（あくまで過去の自分に向けた備忘録が目的です） それでは、チェックをどうぞ。 チェックポイント DynamoDBやNoSQLにエンジニアが興味がある +100 興味と学習意欲はエンジニアの魂です。 データベース運用を行いたくない +100 アップデート不要で、オンデマンドスケール可能。 ただし急なスパイク対応の場合はオンデマンドでも落ちる罠 大規模プロジェクトならメトリクス監視はどっちみち必須
GitHub App Manager can now be granted to teams - GitHub Changelog
BackAI & MLLearn about artificial intelligence and machine learning across the GitHub ecosystem and the wider industry. Generative AILearn how to build with generative AI. GitHub CopilotChange how you work with GitHub Copilot. LLMsEverything developers need to know about LLMs. Machine learningMachine learning tips, tricks, and best practices. How AI code generation worksExplore the capabilities an
Apple研究論文「The Illusion of Thinking」が波紋 推論AIの「思考」能力に疑問符 - イノベトピア
Last Updated on 2025-06-20 16:27 by admin Apple機械学習グループが2025年5月28日に発表した研究論文「The Illusion of Thinking」について、同年6月13日にVentureBeatのCarl Franzen記者が報じた。 この53ページの論文は、OpenAIの「o」シリーズやGoogle Gemini-2.5 Pro、Flash Thinking、Claude 3.7 Sonnet Thinkingなどの大規模推論モデル（LRM）が実際には独立した「思考」や「推論」を行っていないと主張している。 Apple研究チームは、ハノイの塔、ブロックワールド、川渡りパズル、チェッカージャンプの4つの古典的計画問題を使用して実験を実施した。複雑度が増すにつれて、複数の主要推論モデルの精度が一貫して低下し、8ディスク以上の複雑なタスク
Apple Intelligence対応ショートカットアプリから、Private Cloud Computeへのリクエストが可能に | NEWS | Mac OTAKARA
※本サイトは、アフィリエイト広告および広告による収益を得て運営しています。購入により売上の一部が本サイトに還元されることがあります。 Appleが、WWDC25において、MacのショートカットとSpotlightの新機能について説明する「App Intentを使用したショートカットおよびSpotlight向け機能の開発」を公開しています。 この中で、デバイス内のローカルLLMではなく、AppleのMachine Learning Researchが発表したエキスパート混合型のサーバーベースモデル「Private Cloud Compute」にリクエストを送信することが可能だと説明しています。 これは、ショートカットのApple Intelligenceの中に「Cloud」として用意されているアクションを選択することで可能になります。 サーバーモデルは、推論 FLOPS の半分以下で、Ali
110 以上の事例に学ぶ、AI エージェント時代の生成 AI 活用術。顧客体験、生産性向上の最前線 | Google Cloud 公式ブログ
あらゆるビジネスに革命をもたらすと言われる生成 AI。Google は、最先端の生成 AI 「Gemini」 と統合 AI プラットフォーム 「Vertex AI」 を通じて、企業の AI 活用を強力に支援しています。 2025 年は、生成 AI の活用が新たなステージへと移行する年です。単なるチャットボットから、自律的にタスクをこなす高度な 「AI エージェント」 へと進化する中、Google Cloud は企業向け AI エージェント統合プラットフォーム 「Agentspace」 や、Agent Development Kit (ADK)、Agent2Agent (A2A) プロトコルなどをオープンソースとして発表しました。 今回、生成 AI が企業の課題解決や新たな価値創造にどのように貢献しているのか、110 社以上の具体的な導入事例とその解決策をまとめた 「生成 AI 活用事例集」
Cloud Run・Vertex AI を活用した最適化システム開発をスケールさせる基盤戦略 - Findy Tools
本記事は、株式会社 ALGO ARTIS の藤原 秀平さんによる寄稿です。計画業務を最適化する業務システムの開発・運用に取り組む中で得た知見をもとに、Google Cloud 上で Cloud Run・Vertex AI などを活用して、少人数の開発体制でも高い運用効率と信頼性を両立させる技術基盤の構築方法を紹介します。 はじめにALGO ARTIS は「社会基盤の最適化」というミッションを掲げ、様々な計画業務の効率化に取り組んでいます。 発電所に燃料を運ぶための船の運用計画を立てたり、工場などの生産計画を作ったりという、社会を支えるシステムを開発しています。 Optium 導入事例 たとえば配船ならば、必要な物資を運搬しつつ、船や港の利用条件のような様々な制約を守らなければなりません。 そして、それらの制約を満たしつつ費用最小化などの目的を達成する計画を作成します。 このような計画作成業
You can buy the print version of this book here. Published by The MIT Press Cambridge, Massachusetts London, England Preface Dedicated to all the pixels. About this Book This book covers foundational topics within computer vision, with an image processing and machine learning perspective. We want to build the reader’s intuition and so we include many visualizations. The audience is undergraduate a
Software engineering with LLMs in 2025: reality check
Hi – this is Gergely with the monthly, free issue of the Pragmatic Engineer Newsletter. In every issue, I cover challenges at Big Tech and startups through the lens of engineering managers and senior engineers. If you’ve been forwarded this email, you can subscribe here. Two weeks ago, I gave a keynote at LDX3 in London, “Software engineering with GenAI.” During the weeks prior, I talked with soft
Structured data response with Amazon Bedrock: Prompt Engineering and Tool Use | Amazon Web Services
Artificial Intelligence Structured data response with Amazon Bedrock: Prompt Engineering and Tool Use Generative AI is revolutionizing industries by streamlining operations and enabling innovation. While textual chat interactions with GenAI remain popular, real-world applications often depend on structured data for APIs, databases, data-driven workloads, and rich user interfaces. Structured data c
2025年度 人工知能学会全国大会（第39回）参加報告 - Sansan Tech Blog
こんにちは、Sansan株式会社 技術本部 研究開発部の田柳です。 2025年5月27日（火）〜30日（金）の4日間、大阪国際会議場（グランキューブ大阪）にて開催された 2025年度 人工知能学会全国大会（JSAI2025）に参加してきました。弊社はプラチナスポンサーとして協賛し、大田尾・黒木・竹長・田柳・山内が現地参加しました。 私自身、学生時代は経済学を専攻し、現在は契約書データのキーワード抽出技術の研究開発などに取り組んでいます。こうした機械学習系の学会への参加は今回が初めてで、多くの刺激を受けました。 本記事では、印象に残ったセッションや発表、そして会場の雰囲気などをレポートします。 ブースにて、写真左からでの田柳・竹長・大田尾 JSAI2025について 以下、JSAI2025の公式HPから引用します。 JSAI 2025は、人工知能学会（JSAI）が主催する日本最大級のAI学術イ
Finite Atari Machine
Finding Atari Games in Randomly Generated Data TL;DR, here’s the GitHub repo This project generated around 30 Billion individual 4kB files of random data. These files were winnowed down to about 10,000 through some heuristics gleaned from the complete collection of Atari ROM files. Finally, a classifier system scanned them using an Atari 2600 emulator to see if any of these random files were actua
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Appleの研究が暴くAIの「思考の幻想」、複雑性の壁に阻まれる根本的限界とは | XenoSpectrum
Scientists discover a materials maze that prevents bacterial infections
そもそもなぜ事前学習（Pre-training）が要るのか？ - もちもちしている
【機械学習ポテンシャル】分子構造最適化の環境構築 - LabCode
Foundations of Computer Vision