いつも 有限感を持ちつつ生きてる 私。 これまでの人生において「これは報われた！」と思える決断や選択、人生の時間の投資について、ランキング形式でまとめておきます。 ↓ 10位　“いい大学”に入るため、頑張って勉強したこと 高校は地元（関西）の公立の進学校でしたが、高 2 までは成績もたいしてよくありませんでした。 でも、「この成績では家を出してもらえない！」という危機感から＝どうしても東京に行きたかったので、高 3 の夏休みから猛勉強を始めました。 結果、“一流”と呼ばれる大学に入れてラッキーしました。 いまよりよほど学歴が大事な時代だったので、半年くらいの勉強に対する見返りとしては、十分以上のものが得られました。 9位　転職したりフリーになったり、いろいろ仕事を変えて試行錯誤してきたこと。でも女性用のキャリアは選ばなかったこと この話ですね→　「普通の門とピンクの門」 ピンクの門もピンク

小咲もも @mangakakuhito 「一つ嫌なことがあると全部嫌になる」タイプの子供の話がTLに流れてきたけど、うちの娘もそうだった。 例えば、娘の好きな映画に連れて行ってお土産を買って行きたいレストランに連れて行っても、ソファ席に通されなかっただけで「今日は何も良いことがない」と言うことがあった 原因は3つある→ 2024-12-08 21:58:57 小咲もも @mangakakuhito ①適した言葉を知らない ②快よりも不快を感じやすい ③良いことに対するセンサーを鍛えられてない ①適した言葉を知らない どれだけこちらが楽しいことを用意しても、その時の気分が「最悪」なら「最悪」と言ってしまうのだ。 大人なら、その前にしてもらった色々なことを思い出して、これは失礼 2024-12-08 21:58:58 小咲もも @mangakakuhito だから黙っておこうと考えられるが、娘

目次 目次 はじめに そもそも：Difyとは？ 全社へのチャットボットの導入 OSS版Difyのセットアップ Difyのアプリ作成 導入後に見えてきた問題と現在の施策 施策1. Teamsアプリの提供 📱 施策2: 社内情報の検索 🔍️ 施策3: 汎用アプリ（議事録作成AIアプリ）の提供 📝 今後について はじめに この記事は食べログアドベントカレンダー2024の7日目の記事です☃️。 こんにちは。テクノロジー本部アドバンストテクノロジー部のサービス改善チームに所属している西本です。 株式会社カカクコムでは価格.comをはじめ、食べログ、求人ボックス、スマイティなどの様々なサービスを提供しております。 私たちの部門は、生成AIをはじめとする先進技術を活用し、全社の業務生産性を向上することと、サービスの改善を支援することをミッションに活動しています。 今回の記事では、従業員が1000人

「YomiToku」で漫画のOCRを試したのでまとめました。 1. YomiToku「YomiToku」は、ローカルサーバーで実行可能かつ、日本語文書に特化したOCRおよびドキュメント画像解析を行うPythonパッケージです。 2. Google Colabでの実行「Google Colab」での実行手順は、次のとおりです。 (1) パッケージのインストール。 # パッケージのインストール !pip install yomitoku(2) 左端のフォルダアイコンでファイル一覧を開き、「sample.png」をアップロード。 ・sample.png (3) OCRの実行。 # OCR !yomitoku sample.png -f md -o results -v --figure・${path_data} : 解析対象の画像が含まれたディレクトリか画像ファイルのパスを直接して指定してくださ

目次 目次 1. はじめに 2. プロジェクトの内容と成果 2.1. メニュー入稿業務の説明 2.2. 作業効率化のためのツール開発 2.3. 成果 3. メニュー抽出処理の詳細 3.1. OCR技術 3.2. 生成AIとOCRを組み合わせたメニューデータ抽出方法 3.3. ストリーミング対応 3.4. 斜め画像への対応 3.5. メニュー画像タイプごとの抽出精度 4. 成功の要因となったポイント 4.1. 生成AI領域だけでなく、幅広く解決案を模索したこと。 4.2. 作業効率化に直結するUIは徹底的な作り込みを実施したこと。 4.3. 最新動向を常にウォッチし、柔軟な方針転換ができたこと。 4.4. 作業の完全自動化を目指さなかったこと。 5. 生成AIを業務活用する鍵はフルスタックエンジニアにあり 6. 食べログの未来を一緒に変えてくれる人募集中！ 1. はじめに 初めまして。食べロ

店が狭い。 比喩的な表現でもなんでもなくて、うちのお店は６坪ぐらいしかないのに商品数が多いので、置き場所が足りてない。 だからといって簡単に倉庫を借りたり、引越するのも難しい。 そうなってくると、「収納用品」で工夫をする他ない。 無印良品の収納家具やアウトドア用のコンテナボックス、更には航空機での配膳に使われる「ギャレーボックス」、韓国メーカーの特殊な開き方をする「折りたたみ式コンテナ」など、さまざまな収納用品を試してきた。 昨年から日本を縦断する形で軽自動車に商品とコンテナを積んで移動販売もしてきたから、実践も十分繰り返すことでメリットもデメリットも噛み締めてきた。 そんな中で、「THOR（ソー）」というアウトドア業界では定番アイテムとして使われているコンテナのシリーズから、めちゃくちゃ気になる収納ボックスがリリースされることになった。 展示会でそれを見た私は、「これだ！」と目を輝かせて

この記事の目的この記事はAIのガチの専門家向けではなく、業務でAIを使う必要があるエンジニアに向けて書いた「最新AIの論文を可能な限り楽に読む方法」です AIの研究者でなくても、AIの最新情報を把握しておきたい人は多いと思います。ところがAIの最新情報は日本語の書籍やブログだけでは把握することができません。今のAI界隈は動きが早すぎるので、日本語の書籍が出るのを待っていると取り残されてしまいます。AIの最新の情報は毎日発表されている論文を読むしかありません。 とはいえ、英語論文を大量に読み続けるのは大変だなぁ……と思っていたのですが、読む方法を整えていくことでかなり継続的に読み続けることができるようになりました。平均すると毎週５から７本ほど読めています。ここでは論文をコンスタントに読んでいくためのノウハウを共有したいと思います。 論文は日本語に翻訳して読む英語の勉強を頑張りたい人以外は、論

どんなものでも「良い」に越したことはありません。それはわかるんだけど、じゃあ「良くない」と何が起こるの？ デザインが「良く」なるとどんな効果が得られるかはよく語られますが、デザインが「良くない」ときになにが起こるのかについて考えてみたいと思います。 今回のデザインが「良くない」は、 ・文字が読みにくい ・構成がわかりづらい ・色の使い方が無計画 といったことを指す、という前提で進めます。 人の脳には2つのシステムがあるダニエル・カーネマンは「ファスト＆スロー」の中で、人間が思考し何かを決めるとき、脳ではふたつのシステムが働くとし、それぞれシステム１、システム２と呼んでいます。 特徴としては次の通りです。 興味深い実験本の中で、ABふたつのグループに対し、直感的に答えると間違えやすい引っ掛け問題を、Aグループには明瞭な印刷、Bグループには小さな文字の掠れた印刷で実施したテスト結果が紹介されて

Google ColabでSwarmを試したのでまとめました。 1. SwarmOpenAIが新しくマルチエージェント構築のためのフレームワークを作り始めました。まだ実験的なフレームワークで、本番環境での使用を想定していないようで、今の所かなりシンプルな仕組みに見えます。 エージェントの調整と実行を軽量で、制御性が高く、テストしやすいものにすることに重点を置いているようです。 2. Google Colabで実行してみる2.1 実行準備ライブラリのインストール !pip install git+https://github.com/openai/swarm.gitOPENAI_API_KEYを環境変数として設定。（SwarmはOpenAI APIを使うので必要） import os from google.colab import userdata os.environ["OPENAI_A

企画を考えたり、問題解決の方法を模索したり、ビジネスの場面では、アイデアを考えることが多くあります。しかし、なかなかいいアイデアが浮かばない……ということも多いですよね。 そんなときは、生成AIにアイデア出しを手伝ってもらうのはどうでしょうか。 本記事では、ビジネスでよく使われるアイデア出しの基本技術をAIに適用させ、それを使って実際にアイデアを出すプロセスをご紹介します。今回は、多くの人にとって身近な「オフィスの生産性向上」をテーマにアイデア出しを試してみました。 生成AIはアイデア出しの強い味方になる！ まずは簡単な準備から。使うAIを選ぼう 1. アイデア出しの基本「逆算法」 2. アイデアを広げるなら「SCAMPER法」 3. 異なる視点を得るなら「ペルソナ法」 AIはアイデア出しの強い味方になる！ 実践してわかった、生成AIでアイデアを出すコツ 生成AIはアイデア出しの強い味方に

明治大学の宮下芳明研究室は9月2日、「脂質ゼロの油」や「糖類ゼロのクリーム」を作る研究を発表した。同研究室が開発した1那由他（10の60乗、1兆を5回かけた大きさ）通りの味の組み合わせが出力できる調味装置「TTTV3」を発展させ、新たな装置を開発。食感の制御機能を追加することで、油やクリームを再現できるようにしたという。 TTTV3は、甘味や酸味、塩味など複数の味がする液体を混ぜ合わせることで、特定の味を再現する装置。液体を入れる容器は20個あり、それぞれ1000段階の制御ができる。これにより、ワインやカカオ、梅干しなど産地や品種の違いまで再現可能という。 今回開発した脂質ゼロの油を作る装置「Virtual Oil Generator」は、TTTV3に食感の制御機能を追加したもの。これにより、イヌリン（水溶性食物繊維）や低強度寒天の溶液などを注入できるようになり、口に残る食感や粘性、脂質感

画像生成AI「Stable Diffusion」開発者たちが突然発表した新モデル「FLUX.1」、これが楽しすぎてはまりこんでいます。私の本業はゲーム会社。出展を予定している東京ゲームショウまで1ヵ月で、やらないといけないことが山積みなのに、FLUX.1が面白すぎて魅力に抗えません。 わずか30分の学習で画風が安定 FLUX.1が決定的に変えてきそうなのはLoRAです。LoRAは学習済みのウェイトモデルを利用することで、少ない枚数であっても学習ができるということで、画像生成AIの分野では広く普及している手法です。FLUX.1は、Stable Diffusionで使われてきたLoRAの方法論を動かすことができることがわかっています。 そのため、FLUX.1のリリース後、ユーザーコミュニティーでさっそくLoRAの環境の整備が始まり、何ができるのかを試すフェーズに入っています。これまでの「Sta

エンジニアの未来と生成AIについて質問させて頂きたいです。情報系の学部に所属している者なのですが、自分が何時間もかけてやった課題をChatGPTに投げるとほんの数秒でサンプルコードが提示されます。自分の課題のレベルが低く、上のレベルでは自力でプログラミングをすることが必要なのは理解しているのですが、何時間もかけたものが一瞬にして解決される様にAI発展の喜びより冷酷さを感じてしまいます。エンジニアとして働きたい者としてどのようにこの事実と向き合うべきでしょうか？ ソフトウェアエンジニアの仕事について誤解があるようです。 確かに書けと言われた題材を動くまで持っていく力は大切ですが、それよりもっと大切なのは動いている物を思い通りにする力です。ソフトウェアエンジニアの仕事の9割以上は既に書かれているコードに対して何らかの変更を加える事であって、どこをどう書き換えるべきかという疑問に対して生成AIが

概要 AWS とかで踏み台ホスト経由（ここでは AWS っぽく bastion と呼ぶ）で ssh する必要があるなら ~/.ssh/config は↓みたいにしとくのが良いんじゃないかな？ Host bastion Hostname bastionのIPアドレス User bastionのユーザ名 # ↓は規定のファイルだったり ssh-agent 使ってれば不要 IdentityFile bastion接続用の秘密鍵ファイル名 # ↓の3つはWindowsでは使えないので諦めて ControlMaster auto ControlPath ~/.ssh/cp-%r@%h:%p ControlPersist 10m Host 好きな接続先名 Hostname 接続先のIPアドレス User 接続先のユーザ名 # ↓は規定のファイルだったり ssh-agent 使ってれば不要 Identi

「青写真が描けず投資対効果も分からない」　生成AI活用を阻むハードル 人手不足の影響を受け、多くの企業で従業員の負荷が増している。同時に「環境変化への対応力」「スピード」を身に付けることで、持続的にビジネスを成長させることが求められている。これらの解決手段として、多くの企業の関心を集めているのが生成AIだ。 だが、これを組織的に活用するためには複数のハードルがある。事実、多くの企業が個人業務の効率化などにとどまり、プロセス変革に踏み込む、いわゆるデジタライゼーション以降のロードマップは描けていない。顧客企業から寄せられる生成AI活用の課題について、日立製作所（以下、日立）の滝川絵里氏はこう話す。 「当社のお客さまも利用に意欲的ですが、生成AI特有の課題に直面しているとよく耳にします。例えば、ハルシネーション（もっともらしい誤答）への対応や、既存システムに生成AIをどう組み込むべきかというお

こんにちは、株式会社Algomatic Worksの高橋と申します。 2022年末からChatGPTをはじめとした生成AI技術が爆発的に普及しはじめ、徐々にビジネスの現場にも普及しています。 私は、生成AIと最も相性のよいドメインの1つがHR（Human Resource: 人事をはじめとした人的資源に関わる業務）であると考えております。本記事では、生成AI技術がどのようにHRの未来を形作るのか、具体的な事例を交えて探っていきます。 【この記事には何が書いてある？】 ・採用・従業員支援・労務領域での生成AIサービスの実事例 ・今後の日本国内での、HR領域における生成AI技術の普及可能性 【この記事の想定読者】 ・HR領域での技術活用に興味がある人事担当者の方・人事責任者の方 ・事業領域を検討されているAIプロダクト開発者の方 「人」に関わる業務に生成AIはどう導入されるか？ChatGPTが

私は世界規模のクラウドプラットフォームの開発者で、現在はシアトル付近に住んでいる。 先日書いた自分のポストに対する反応で面白い意見があってそれを読んでそらそう思うやろなぁと思った。ただ、私も別に嘘を言っているわけではないですし、これでビジネスも回っている。面白そうなので、その辺も調べてシェアすることにしてみました。 ウォーターフォールからアジャイルって開発側の話はいいのだが、それだと管理とか経営とか非エンジニアの理解を得られないので、納得できるところをちゃんと言語化してほしいんだよな。アジャイルの人の「見積もりがない」って言葉を使われるのが一番苦手、ストーリーポイントの設計は「計画と見積もり… — えふしん (@fshin2000) August 1, 2024 自分のチームの開発プロセス的なものこちらの方に自分のチームが現在やっている開発プロセスは書いてある。アジャイルとか、DevOps

suzuna @lumi31 台湾で何気なく買ったらレジで「飛行機ではかならず手荷物にしてください」と案内されてびっくりしたクッキー、その価値がある美味しさだったし詰めかたが本当に美しかったので見てください pic.twitter.com/fB2fjBvjhf 2024-07-08 20:37:45