第0回で述べたように、本連載では、生成AI時代に「理解」という営みを理解し直すことを目指す。今回は「LLMは理解しているのだろうか？」という問いを取り上げ、生成AIブームの前後の議論を概観する。 第0回はこちら⇩ 「LLMによる理解」に驚き直す 大規模言語モデルとは何か 言語モデルは「理解」しているように見える AIは「本当の理解」ではない論（1）生成AI以前 AIは「本当の理解」ではない論（2）生成AI初期 2026年、もはや「理解していない」と言いにくいが… 直観を更新する まとめ 謝辞 参考文献 「LLMによる理解」に驚き直す 大規模言語モデル（LLM）は言語を理解しているのだろうか。 これは2022年のChatGPTの登場以来、盛んに繰り返された問いだ。日常的にLLMを使っている人にとっては、何をいまさらと響くかもしれない。自然な対話ができるAIはもうここにある。いまさらそれが「理

はじめに GitHub Copilot (最近は GitHub Copilot CLI を個人的にはよく使っています) で、何かデータ処理をさせようとすると、最初に Python のコードを生成して、Python を実行しようとすることが多いと思います。 それだけなら、まだいいのですが放っておくと pip install を実行して、Python の環境を汚染してしまうこともあります。個人的には、この動きはあまり好ましくないので、自分の好きな C# でデータ処理をさせるように、GitHub Copilot をカスタムする方法を紹介します。C# を書いている人であれば .NET 10 SDK が入っていると思うので、ここで紹介する方法を使えば、GitHub Copilot は Python ではなく C# のコードを生成して、C# のコードを実行してくれるようになります。 スクリプト実行時の

Mozillaが単一インターフェースで複数のAIを使用可能にするGo言語向けライブラリ「any-llm-go」を2026年2月10日にリリースしました。 any-llm-go: One Interface for LLMs in Go https://blog.mozilla.ai/run-openai-claude-mistral-llamafile-and-more-from-one-interface-now-in-go/ GitHub - mozilla-ai/any-llm-go: any-llm go https://github.com/mozilla-ai/any-llm-go Firefoxなどの開発で知られるMozillaはAI関連のソフトウェアを開発するスタートアップとしてMozilla.aiを2023年に設立しました。Mozilla.aiはすでにAIシステム「Oct

はじめに 最近、draw.io MCP が公開されました。 これと Playwright MCP を組み合わせれば、 画面に遷移してスクリーンショット取得（Playwright） スクショに項番を付けたレイアウト図を作る（draw.io） HTML/画像を根拠にMarkdownの 画面設計書を書く （Copilot） ……までかなり自動化できそうだなと思い、休日を溶かして試したメモです。 先に結論 既存設計書がある中、保守目的で“更新”に使うにはまだ早い（特に「項番の一致」が不安定） 画面設計書がない（ないに等しい）プロジェクトで 0 → 1 を起こす用途なら、かなり使えそう

AIペンテストツールが急に増えた 最近、タイムラインにAIペネトレーションテストの話がやたら出てくる。 1年前はPentestGPTぐらいしかなかった。それが2025年の後半から急に増えて、2026年2月の時点でオープンソースだけで8つ以上、商用サービスも5つ以上ある。 なんでこんなに急に増えたのか。まず、LLMがかなり賢くなって、セキュリティツールとの連携の仕方が固まってきた。NmapやMetasploit、SqlmapといったツールをAIエージェントが自分で選んで回せるようになった。つまり、作る側の準備が整った。 もう1つは、テストしなきゃいけないコードが一気に増えたこと。バイブコーディングで、プログラミングの経験があまりなくてもプロダクトを作れるようになった。そのぶん、セキュリティの穴があるアプリも増えている。人間のペンテスターだけじゃとても回らない。ツールを作れるようになった側と、

Amazon S3 Vectors は、ベクトルデータの格納と類似検索に特化したサービスです。Amazon Bedrock の Embedding モデルと組み合わせることで、テキストのセマンティック検索（意味的な類似検索）をサーバーレスで構築できます。 今回、DevelopersIOの約6万件の記事データを題材に、この構成でどれほど手軽に検索基盤を構築できるのかを検証しました。その具体的な手順を紹介します。 ベクトル化 — 記事要約を Bedrock Batch Inference で一括ベクトル化 S3 Vectors 登録 — ベクトル + メタデータ（タイトル・著者）をインデックスに登録 検索 — AWS CLI で検索ワードをベクトル化 → S3 Vectors で類似検索 → 結果出力 アーキテクチャ 前提 入力データ: articles.jsonl 記事ID、タイトル、著者、

日本IBMは2月10日、東京都内とオンラインで記者会見を開き、エンタープライズ向けのAI（人工知能）駆動開発を支援する「IBM Bob」を中心に仕様駆動開発を推進すると発表し、同社が掲げるAI戦略について説明した。同サービスは同年3月にSaaS版の一般提供を開始し、同年9月にオンプレミス版の一般提供を予定している。 2026年は「仕様駆動開発」に注力　日本IBMのAI戦略とは何か 近年、ソフトウェア開発における「バイブコーディング」を中心としたAI駆動開発に注目が集まっている。AI駆動開発の区分は大きく分けると「バイブコーディング」「ハイブリッド」「仕様駆動開発」の3つに分類ができる。日本IBM 取締役副社長執行役員 兼 Chief AI Officerの村田将輝氏は、「われわれは重要システムを開発／保守するエンジニア向けの開発区分である『仕様駆動開発』を本気で推進したい」と強調する。

同時に、ちょっと重要そうなことがその下にしれっと書いてあることに気が付きましたか？　そうです。グローバル指示（global instruction）とフォルダ指示（folder instruction）がCoworkでサポートされるようになったことです。というわけで、今回はこれについてちょっと見てみました。 グローバル指示には「Coworkの口調や、Coworkが応答に含めるべき要素、ユーザー自身についての情報」などを含める。Coworkがユーザーと対話する際には、この指示に従う。また、「グローバル」なので複数のセッションをまたいで、この指示は有効である フォルダ指示にはフォルダ固有の指示を含める。これはCoworkにアクセス権を与えるフォルダごとに設定するものなので、あるフォルダを複数のタスクで使うという場合、それらのタスクでは同一のフォルダ指示に従うことになる フォルダ指示はそのフォル

すまほん!! » AI・人工知能 » 話題の危険な自律AI「OpenClaw」をブラウザから使える「Kimi Claw」ベータ開始。Kimi K2.5も使える 中国のAIスタートアップであるMoonshot AI（月之暗面）は、オープンソースAIエージェント「OpenClaw」をKimiのWebサービスにネイティブ統合した「Kimi Claw」のベータ版を公開しました。ブラウザで開くだけで、24時間オンラインのAIエージェントを利用できるそうです。 OpenClaw（旧称Clawdbot、Moltbot）は、オーストリアの開発者Peter Steinberger（ピーター・シュタインベルガー）氏が2025年11月ごろに公開し、2026年1月に改名したローカル優先のオープンソースAIエージェントです。GitHubでのスター数は約19万6000（2026年2月15日時点）に達しており、最近話題

オープンソースのAIパーソナルアシスタント「OpenClaw」を開発したピーター・スタインバーガー氏は2月14日（現地時間）、米OpenAI入りすると自身のブログで発表した。OpenAIのサム・アルトマンCEOもXで、スタインバーガー氏が「OpenAIに参加し、次世代のパーソナルエージェントの推進を担う」と発表した。 OpenClawは当初、「Clawdot」（Lobsterのハサミ（claw）とAnthropicの「Claude」をかけ合わせた名称）という名称で公開されたが、米Anthropicから商標に関する指摘を受け、1月26日に「Moltbot」と改称。30日に、オープンソースであることと「強力なハサミ」だということを示す現在の「OpenClaw」に再度改称した。 OpenClawは、PC上でローカルに動作し、メッセージングアプリ（WhatsApp、Telegram、Discord

高性能化する音声系のオープンモデルが話題になっています。1月22日に、アリババが「Qwen3-TTS Family」をオープンモデルとして公開しました。TTSは「Text-to-Speech」の略で、テキストを音声に変換するためのモデルです。わずか4秒ほどの音声ファイルを参考音声として読み込めば、かなりの精度で音声を再現できるという恐ろしく高性能なものです。筆者の声、動画AIから抽出した声などを使って、再現精度を検証しました。 Qwen3-TTSの強力さをわかりやすく理解できる例として、まず、筆者の音声で作例を作ってみました。2022年、YouTube Liveでの筆者の講演から、7秒分の音声を抽出しました。オンラインであることもあって若干音がこもっていますがよしとします。音声をQwen3-TTSに読み込ませ、過去の連載の冒頭を読み上げさせました。生成された音声は25秒となりました。たった

富士通は2月17日、ソフトウェア開発の全工程をAIで自動化する基盤「AI-Driven Software Development Platform」を開発したと発表した。同社とAI開発企業のカナダCohereが共同で開発した大規模言語モデル「Takane」などを活用した。実証実験の一部の案件では、生産性が100倍に向上したという。 同基盤ではTakaneに加え、富士通の大規模開発向けのAIエージェント技術を活用した。これは、法令文書の変更に基づくシステム改修要件の策定、品質検証を伴う自律的な開発、テストの効率化の3つの要素で構成しており、要件定義から設計、実装、結合テストまでを自動化した。2024年度の法改正に伴うソフトウェア改修における実証実験では、約300件の案件のうち1件で、従来に比べて生産性が100倍に高まったとアピールしている。 26年の1月からは、AI-Driven Softw