Doug@宮古島🐕 @doughimself 日本ではほぼ報道されていないと思うのだが、現在アメリカではハラペーニョが原因となったサルモネラ菌の感染が広がり大規模なリコールに発展している。我が家の近くのタコス屋もガラガラで、本当に気の毒。たった一つの食材から崩壊しかねない飲食ビジネスの脆さ。自戒の念も込めて、気になっている。 pic.x.com/1StQ3JBNKm 2026-08-13 04:33:06 Doug@宮古島🐕 @doughimself 宮古島のハンバーガー店ダグズ・グループの創業者。本業は米国・企業弁護士。毎月の「サンノゼ ⇄ 元麻布 ⇄ 宮古島」日米通勤生活30年、米在住45年、自家用パイロット歴25年。愛機は2023 Cirrus SR22T。愛飛行機・愛犬家。政治・経済・起業・株・世界情勢・宮古島・飛行機・犬・食事・カメラ・釣り → 多め。 dougsburger

こんな方へ特におすすめ エヴァンゲリオンが好きな方ローカルLLM（Ollama）や Raspberry Pi で、何か動くものを作ってみたい方LangGraph でマルチエージェントを試したい方 概要 こんにちは。サイオステクノロジーのはらちゃんです！ 今回はOSCの展示ブース用開発として、『新世紀エヴァンゲリオン』の意思決定コンピュータ MAGI を、Raspberry Pi 3台 + ローカルLLM（Ollama）で再現してみました。 ―― 3体の人格が別々のマシンで議論し、多数決で結論を出す その設計や速度チューニング、実機を立ち上げる過程でハマった落とし穴まで、実務にも通じる知見をまとめていきます。 背景 MAGI は、3つの独立したコンピュータ Melchior・Balthasar・Casperが、それぞれ異なる人格で同じ議題を判断し、多数決で結論を出す合議システムです。 これを

はじめに 2026年7月27日、Moonshot AI から Kimi-K3 のモデルウェイトが公開されました。7月16日のモデル発表時点から「オープンウェイトモデルとして史上最大」と大きな話題になっていたモデルです。 フィックスターズでは、ウェイト公開の当日に NVIDIA B300 x8 のシングルノード環境へデプロイし、推論性能のベンチマークを実施しました。本記事はその速報です。ダウンロード開始からベンチマーク完了まで、リリース当日のうちに一通り走り切ることができました。 Kimi-K3 とは Kimi-K3 は Moonshot AI が開発したフロンティアクラスの MoE(Mixture of Experts)モデルです。モデルカードで公開されている主な仕様は以下のとおりです。 項目 仕様

1週間の気になる生成AI技術・研究をいくつかピックアップして解説する連載「生成AIウィークリー」から、特に興味深いAI技術や研究にスポットライトを当てる生成AIクローズアップ。 今回は、自分のパソコンでどのローカルLLMが快適にかつ賢く動くのか、その答えをコマンド一つで教えてくれるCLIツール「whichllm」の最新版v0.5.10がMITライセンスでリリースされたので取り上げます。 ▲whichllmを実行すると、現在のマシンに合った推奨モデルがスコア順でランキング方式に並ぶ ローカル環境でLLMを動かす際、単にPCのVRAM容量に収まる最大モデルを示すだけのツールは複数あります。しかし、VRAMに収まる多数のモデルの中で、一体どれが最も賢く実用的なのかを判断するのは困難です。

Gemma4 めちゃくちゃ安いですね・・・！！ そこそこ日本語が使えて、ツールコールもできるなら、AI エージェントとして RAG を組んだら面白いんじゃないか？ と思い、Amazon Bedrock AgentCore + S3 Vectors を使って RAG を構築してみました。 せっかく LLM が安いなら、ベクトルストアも安くしたいですよね。S3 Vectors はストレージ課金と Query API 課金に加えてクエリ時に処理されるベクトル量に応じた料金が発生しますが、少量ドキュメントならかなりお安く済みます。Gemma 4 31B + S3 Vectors で、RAGってなんだか高そう・・・試しづらい・・・を払拭すべくテンプレートを作りました。今回のリポジトリはこちらです。 実際の動作はこんな感じです。 AIと協力しながら作りましたが良き感じに仕上がりました。 これを使ってみ

成長には設備投資が必要で、設備投資の決定的要因は、技術や資金ではなくて、売れるかどうかである。売れるには、可処分所得が伸びている必要があるので、成長には成長が必要という循環論法に陥る。こうした経済学者が看過しているショウモナイ現実が産業政策や成長戦略のネックなのだ。高市首相は、成長のスイッチを押しまくるらしいが、たぶん、何がスイッチなのかは分かっていない。 ……… ルネサスが先端半導体の開発を断念したのは、国内の需要が見込めなかったからである。こうして、日本は国際競争から脱落した。おそらく、そこで必要な産業政策は、技術や資金ではなく、市場の提供だったろう。リスクマネーを提供していたら、多大な損失になっていたはずだ。官は技術や資金の支援は得意でも、売上を保障することができない。 リージョナルジェットでは、日本は挫折し、中国は成功した。失敗の直接の原因は、米国の型式証明を取れなかったことだが、

2026/04/03 約12兆トークンの良質なコーパスで学習した新たな国産LLM「LLM-jp-4 8Bモデル」「LLM-jp-4 32B-A3Bモデル」をオープンソースライセンスで公開 ～一部ベンチマークでGPT-4oやQwen3-8Bを上回る性能を達成～ 大学共同利用機関法人 情報・システム研究機構 国立情報学研究所 (NIIエヌアイアイ、所長：黒橋くろはし 禎夫さだお、東京都千代田区) 大規模言語モデル研究開発センター（LLMC）は、同センターが主宰するLLM研究開発コミュニティ「LLM-jp」の活動の中で大規模言語モデル（LLM）のフルスクラッチ学習を実施し、約86億パラメータ(*1)の「LLM-jp-4 8Bモデル」と約320億パラメータのMoEモデル(*2)「LLM-jp-4 32B-A3Bモデル」をオープンソースライセンスで一般公開しました。公開モデルの学習では、オープンソー

第2回植物異分野勉強会@総研大にて「WET研究者のためのTransformer入門」　で用いた資料を改変．ニューラルネットワークの基礎からTransformerおよびアテンションの概念について概説． 作成者：秋庭孔樹，石山遼，見田壮一 ハンズオン資料： 1. ニューラルネットワークを動かそ…

私は車輪の再発明が大好きです。 人が作った技術について、どういう風に作られているかとか興味ないですか？ エンジニアの世界でよく「車輪の再発明はするな。巨人の肩に乗れ！」と言われます。それは確かに、プロダクトを早く作り上げるには重要な考え方です。既存の技術を活用することで、効率よく目標に到達できます。 しかし、もし車輪の構造をよく知らないまま乗り物を作ったとしたらどうでしょう？いざ車輪にトラブルが発生したときに対処できなかったり、もっと良い車輪を生み出せる可能性を見逃してしまうかもしれません。 実際、データベースの仕組みを深く理解せずに使った場合、パフォーマンスの問題や障害に直面したときに原因を特定できず、対応に苦労することがあります。逆に、基礎から構造を学び、自分で仕組みを構築する経験を積むことで、トラブル解決能力が向上し、独自の最適解を導き出すことができるのです。 車輪の構造を学ぶには、

はじめに生成AI(ChatGPTやGeminiやClaude)の中でよく話題にされる技術はMCPとRAGです。MCPは前回記事に書いたのでそちらを参照してください。 「RAG」という言葉を聞いたことはありますか？単語自体ではなく意味で検索する仕組みのことです。 難しそうに聞こえるかもしれませんが、実際に何ができるのかを先にお見せします。 今回は家電製品のマニュアルをObsidian（Markdownメモツール）に保存して、Gemini Helper（無料プラグイン）でRAGに登録し、実際に起きたエラー画面をチャットにアップロードして原因を聞いてみました。 洗濯機のエラー画像【手順1】マニュアルをダウンロード 洗濯機メーカーのサイトからマニュアルをダウンロードし、ObsidianのmanualフォルダにPDFを格納しました。 ObsidianにPDFをドラッグアンドドロップマニュアルにはエラ

大学の情報工学科に入学時に教科書として指定されたいわゆるパタへネを推します。 コンピュータの構成と設計 第5版 CPUの構造と基本は現代ではかなり複雑になりましたがこの本に書かれている基本を知っているかどうかで込み入った問題にぶち当たった場合の解像度が違います。 由緒正しいDBの読本というとオンラインで読めるRedbookとなりそうですがここは敢えて データ指向アプリケーションデザイン いわゆるイノシシ本を推します。名前からしてアプリケーションの話のように見えますし、分散システムに関する話が多いのですが最終章まで通して読むと「アプリケーションとデータベースの境界とは本来存在せず、入力されたデータを『いつ』『いかに』『安全に』加工・保存・出力するかがアプリケーションであり、その目的に対する最善手をフラットに考えるとある意味でアプリケーション全体が既にひとつのデータベースであってその仕事の一部

本記事では、エンジニアが低レイヤーを学ぶ上で参考になるコンテンツを紹介します。 低レイヤーに詳しくない人はもちろん、大学で情報工学を学んだ人にもおすすめできるコンテンツが盛り沢山です。 随時更新していくので、おすすめコンテンツがあればコメント欄で教えてください。 なぜ学ぶか 低レイヤーの知識を学ぶことで、ソフトウェアが動作する仕組みを深く理解し、パフォーマンス改善やバグの根本原因を特定できる力が身につきます。最新技術をブラックボックスのまま扱うと、さらに新しい技術が出た時に1から学習する必要があるかもしれません。 低レイヤーを学ぶことで技術の本質を理解し、最新技術のキャッチアップを手助けしてくれます。あなたがAIを使ってコードを生成し、貼り付けるだけのコピペ戦士なら、一読の価値があります。 知識の深さが技術の幅を広げ、より本質的な問題解決が可能です。 どんな分野があるのかを一緒に見ていきま

ChatGPTで「こんなコード書いて」と依頼しても、出力結果の意味がわからない。プログラミングスクールに通う時間もお金もない。そんな壁にぶつかったことはありませんか？ Pythonを学びたいと思って情報を探していると、動画講座や有料スクール、個人ブログなど数多くの教材が見つかります。しかし「無料教材と有料講座の違いがわからない」「どれが信頼できるのか判断がつかない」「基礎を体系的に学べる教材が意外と少ない」と感じたことがある方も多いのではないでしょうか。 今回紹介するのは、筑波大学大学院 システム情報系 情報工学域教授・三谷純氏が公開しているPython学習用の教材スライドです。無料公開されているにもかかわらず、内容の密度が高く、独学者にとっても非常に価値の高い教材となっています。 昨年5月に公開した Python の教材スライドを大幅に更新しました。全309ページ。 ダウンロード自由にで

<

はじめに 私は 2 月の実験的リリース以来、Claude Code を日常的に使用しており、Anthropic x Forum Ventures ハッカソンで優勝しました。 @DRodriguezFXと共に、Claude Code だけを使って Zenith を構築しています。 10 ヶ月間の日常使用を経て得た、私の完全なセットアップを紹介します。 Skill Hook Sub Agent MCP Plugin Skill と Slash Command Skill は特定のスコープやワークフローに制限されたルールのように機能します。プロンプトの短縮形です。 Opus 4.5 との長いコーディングセッションの後、デッドコードや不要な .md ファイルを整理したい場合は、/refactor-clean を実行します。テストが必要なら /tdd、/e2e、/test-coverage を使いま

ウワサのAIスパコン「NVIDIA DGX Spark」が届いたぞ！ 「おお……想像していたよりもはるかに小さい……」 ASCIIでBtoB、テクノロジー分野を追うベテラン編集者の大塚が思わず口にする。 編集部に、ついに話題のAIコンピューター「NVIDIA DGX Spark™」が到着したのだ。事前情報からも、私たちは“小さいのに、とんでもない性能のAIマシン”が来ると、ある程度は覚悟していた。 しかしいざ目の前にすると、そのサイズ感は完全に常識外れだ。このコンパクトさで、その性能は、2016年に販売されていたAI研究向けのディープラーニングサーバー「DGX-1」に匹敵するレベル。 この記事では、NVIDIA DGX Sparkのハード面から、実際に何ができるのかまでを、ビジュアルとともにわかりやすく解説する。 “気になってはいたけど、まだ導入を検討している／まだよくわかっていない”方は

はじめに RAG（Retrieval-Augmented Generation）システムを構築していると、「なぜか精度が上がらない」という壁にぶつかることがあります。 本記事では、社内規程文書を対象としたRAGシステムで、回答精度を73.3%から100%に改善した過程を紹介します。検証した複数のチャンキング戦略の中で、意外にも最もシンプルな解決策が最も効果的だったという結果になりました。 また、「Re-rankingを導入すれば精度が上がる」と思っていたのですが、逆に精度が下がるという予想外の結果も得られました。その理由についても考察します。 プロジェクト構成 技術スタック レイヤー 技術

デジタルそしてコンピューターを基盤とする情報技術（IT）は、得てして「魔法」に例えられます。それは、多くの人にとってITを活用したシステムや情報機器（デバイス）が「不思議に思えるほどすごいことをしてくれるモノ」と感じられるからではないでしょうか。 このように感じられるのは、ITシステム／デバイスがブラックボックス化され、中身が見えないためでしょう。中身が見えない、言い換えれば仕組みが分からないことから、「すごい」という前向きな感情に加えて、なんだか「怖い」という苦手意識も芽生えがちです。 デジタル社会では、公私ともにITに関与する機会は増える一方です。例えば、会社でDX推進やAI活用に取り組んだり、日常生活で各種支払いをスマホで手軽に済ませたり、といったIT化は今後も進むでしょう。そうしたときに苦手意識を持ったままだと、前向きに進めることが難しかったり、他人任せになってしまったりすることで

「そのmdってどうやって用意するの？」という質問があったので、実際のツール運用レベルまで落としていきます。 この記事でやること↓ ・Obsidian で「案件ナレッジ倉庫」をつくる ・mdファイルを作る ・それらを ChatGPT の Projects にアップロード 「この案件なら、このプロジェクトを開けば全部そろっている」状態を作ります。 ちょっと難しそうに感じるかもしれませんが、 この記事でやっていくことは「Obsidianのフォルダを作る → 記事を書く → ChatGPT に渡す」という3ステップだけです。 Obsidian は「ローカルの Markdown ファイルをそのまま扱うノートアプリ」です。Windows / macOS / iOS / Android に対応していて、データは全部あなたのPCやスマホのフォルダに .md ファイルとして保存されます。 メモを書いたら、そ

個人的に超面白かった歴史小説と、歴史小説的な面白さのあるノンフィクション作品6つについて書きます。 ユン・チアン『ワイルド・スワン』ノンフィクション。 夕方に読み始めたら止まらなくなって、気がついたら外が白みはじめていました。 ユン・チアンという中国人女性が、祖母・母・自分の生涯を軸に、20世紀の中国史を描いた作品。 1991年にイギリスで出版され、全世界で4000万部以上売れました。 かなり衝撃的な内容で、中国国内では発禁(現在も禁止)。著者は帰国できなくなりました。 これがどんな本かをDeepSeekに聞くと、「你好，这个问题我暂时无法回答，让我们换个话题再聊聊吧。(お答えできません)」と回答する。 (ChatGPTやGeminiやGrokは普通に回答する) その一方で、1992年に英国最優秀図書賞(Book of the Year)を受賞しているし、 タイム誌は「20世紀のベストブッ