シチュエーショナル・アウェアネス（状況認識）：これからの10年【全文和訳】
SITUATIONAL AWARENESS The Decade Ahead Leopold Aschenbrenner https://situational-awareness.ai/ の全文和訳。 2024年6月、元OpenAIの技術者からとんでもない文書が公表されました。 彼は、汎用人工知能（AGI）の実現が、そう遠くない将来、今後わずか数年で達成されると予想しています。 AI開発について、幅広い知見、深い洞察、そして何より現場の技術者によるファクトベースの見解がすばらしい名著です。 人類史においても極めて重要な著述だと考えるので日本語に緊急で翻訳しました。 大量のテクストトークンが入力可能、かつ現時点でアクセスできる Google Cloud Vertex AI Studio Gemini-1.5-Pro を翻訳に利用しています。 このモデルの翻訳性能は素晴らしく高く、和訳自体に
組織が記憶喪失になるのをどうすれば ～ ryuzee技術顧問にきいてみた - NTT Communications Engineers' Blog
何か決定した事実は実装や規則の形で残っているものの、決定までの経緯をチームメンバーが覚えていない――。 この記事では、そうした組織が記憶喪失になることにどう対処していけばよいか、NTT Comの技術顧問である吉羽龍太郎 (@ryuzee) さんにふらっと相談してみたら一瞬で突破口が見つかった＆話に奥行きが出た話を共有します。 目次 目次 軽く自己紹介 事の発端 ryuzeeさんの油セール 実際に聞いてみた 新たなる概念：ADR ADRの実践：その1 何を書くか ADRの実践：その2 どこに書くか ADRの実践：その3 どう書くか 相談を受けて試しに書いてみたADR まとめ 軽く自己紹介 イノベーションセンターの小林 (@ppyv) です。 開発・検証用PCの開発に一段落つけた後、社会人学生としてたっぷり2年間学習を積んでいました。 いまはイノベーションセンターで働く社員のみなさんに、よりよ
生成AI活用はRAG前提の時代へ、約5割が取り組み中～302社402人へ生成AIの利用実態調査を実施、 全社での導入は前回から20ポイント増加し半数を上回る結果に～ - 株式会社エクサウィザーズ
生成AI活用はRAG前提の時代へ、約5割が取り組み中 ～302社402人へ生成AIの利用実態調査を実施、 全社での導入は前回から20ポイント増加し半数を上回る結果に～ 株式会社エクサウィザーズのグループ会社である株式会社Exa Enterprise AI（東京都港区、代表取締役：大植 択真、以下Exa Enterprise AI）は、2024年5月27日、29日に開催した生成AIセミナーにおいて、「生成AIの利用実態調査」を実施し、302社402人から回答を得ました。2023年4月から継続的に実施しており、同年12月に実施した3回目に続き、今回で4回目の実施となります。本調査では、社内データ連携（RAG＊）に約5割が取り組み中と回答し、生成AIにおいてRAGを活用する時代へと移行したことがうかがえました。 ＊RAG（Retrieval Augmented Generation、ラグ）とは、
無料で使える最高のAIノート『NotebookLM』使い方と活用事例｜AI-Bridge Lab こば
こんにちは！最近、ChatGPTと話しすぎてAI風の口調がうつってきたAI-Bridge Labのこばです！👋 今回の記事はGoogleのサービス『NotebookLM』(ノートブックLM)について 1.NotebookLMの概要 2.使い方 3.具体例として過去のnote記事を全部読ませた結果どうなったか この3点を分かりやすくご紹介します！ 先に結論だけお伝えするとかなり実用性が高くオススメのツールです！ そしてこの記事を読んで頂ければご自身での活用法が想像できるようになると思いますので、ぜひ最後まで読んで頂けますと幸いです！ 1.NotebookLMの概要公式サイト：https://notebooklm.google.com/ NotebookLMは、Googleが提供する生成AIサービスで、ユーザーのメモ書きやアップロードした資料を基に情報を整理し、質問に答えることができる革新的
なぜ1年でゲームを完成させようと思っても当然のように4年以上かかるのか｜じーくどらむす
前からずっと言いたかったことがある。同じ過ちを犯すゲーム開発者に。あるいは、「ゲームを完成させた体験が無い人」に。 あなたのゲーム開発に対する予測は、ほとんどの場合正しくない。それも、20%や40%などの振れ幅ではない。200%とか400%のスケールで大きく間違っている。 私はその感覚を確かめるべく一つのアンケートを実施した。結果は火を見るより明らかな傾向を示した。 個人ゲーム開発者に質問です。「１年で完成させる」と思って作り始めたプロジェクト、実際に完成したのは？ — じーくどらむす/岩本翔 (@geekdrums) June 4, 2024 Twitterアンケートの統計的な正しさは保証しない。そもそも母集団が偏っているし、最後の選択肢が「未完成」を含めていることに対して「４年以内に諦めて未完成」の人も含めているかもしれない。が、エターナったという意味では４年以上完成しないもの、に含め
AI時代の「三人寄れば文殊の知恵」~秘書・調査・企画担当の生成AIを仮説思考のバディにする~
「納得感のある仮説を立てたい。でも、どんなに頭をひねっても、表面的なアイデアしか浮かんでこない…」 あなたは、そんな苦い経験をしたことはありませんか？ 良いアウトプットは、良い仮説を作るところからだと言われています。しかし、経験や知識が足りない領域では、深みのあるアイデアを生み出すことができず、もどかしい思いをすることも少なくありません。私自身、様々な思考整理術を試してはみたものの、決定打を見つけることができずにいました。 そんな時、私の前に現れたのが、生成AIという「思考のバディ」です。 本記事では、3つの生成AIツールを駆使して、まるで「三人寄れば文殊の知恵」のように仮説思考を爆速化する、私のとっておきの方法をご紹介します！ 1. 生成AIを思考のバディにするコンセプト NotebookLMを「優秀な秘書」、PerplexityAIを「博識な調査員」、そしてChatGPTを「戦略的企画
macOSのタイル型ウィンドウマネジャーyabaiを、なるべくi3-wmに近くなるよう設定 - Qiita
フルスクリーンには、画面いっぱいにする（macOSだとタイトルバーダブルクリック）と、フルスクリーンにする（macOSだと緑のボタンを押す）があります。通常使いたいのは画面いっぱいのほうなので、そちらをalt + fに割り当てました。 #!/usr/bin/env sh # global settings yabai -m config mouse_follows_focus on yabai -m config focus_follows_mouse autoraise yabai -m config focus_follows_mouse on yabai -m config window_placement second_child yabai -m config window_topmost on yabai -m config window_shadow on yabai -m
Laravel 11 アプリケーション構造移行ガイド
はじめにLaravel 11の新機能に 合理化したアプリケーション構造 “Streamlined Application Structure” というものがある: Laravel 11では、既存のアプリケーションに変更を加えることなく、新しいLaravelアプリケーション向けに合理化したアプリケーション構造を導入しました。新しいアプリケーション構造は、Laravel開発者がすでに慣れ親しんでいるコンセプトの多くを保持しながら、よりスリムでモダンなエクスペリエンスを提供することを目的としています。 https://readouble.com/laravel/11.x/ja/releases.html#structure 該当プルリクエスト で Slim skeleton と題されている通り、初期構造が大幅に簡略化されている。 一方、既存のアプリケーションをアップグレードする場合: Larav
GitHub - SilasMarvin/lsp-ai: LSP-AI is an open-source language server that serves as a backend for AI-powered functionality, designed to assist and empower software engineers, not replace them.
LSP-AI is an open source language server that serves as a backend for performing completion with large language models and soon other AI powered functionality. Because it is a language server, it works with any editor that has LSP support. The goal of LSP-AI is to assist and empower software engineers by integrating with the tools they already know and love not replace software engineers. A short
Neovim × lazygit でコミットメッセージを楽に書く
タイトルは NeoVim × lazygit としましたが、今回紹介する方法は lazygit に限らずターミナルでコミットメッセージを書く場合に使える方法です。 Copilot を利用してコミットメッセージを楽に書く方法を紹介します。 lazygit はじめに 私は lazygit を非常に気に入って愛用しています。lazygit を使ううちにターミナル上で作業を完結させるべく Neovim を使うようにもなりました。 しかし少し不満を感じる点として、VSCode や IntelliJ などの IDE に統合された git 操作ではないため、Copilot Chat などの恩恵を受けられないことがあります。 そこで今回は lazygit でコミットメッセージを書く際に Copilot を活用する方法を紹介します。 私はコミットメッセージを書くのが苦手で、特に英語で書くのが苦手です。なので
PostgreSQL(pgvector) のベクトル検索による全自動PDF検索 : Blob Storage にアップロードしPDFをテキストに変換 - Qiita
PostgreSQL(pgvector) のベクトル検索による全自動PDF検索 : Blob Storage にアップロードしPDFをテキストに変換JavaPostgreSQLAdaOpenAIembedding 1. はじめに 先日、Azure OpenAI Embedding モデルを利用し最も関連性の高いドキュメントを見つける方法 について説明しました。これを利用する事で、最も関連性の高いドキュメントを見つける事ができます。 この記事では、この機能を利用し PDF ファイルを Azure Blob Storage にアップロードすると、自動的に PDF ファイルをテキストに変換し、Azure OpenAI Embedding モデルを利用して、ベクトル検索を行う方法について説明します。 このサービスを利用すると、社内ドキュメントも、各種論文も PDF ファイルであれば何でも、Azur
ChatGPTでデータ分析、生成AIで「文系社員」が「分析官」に
◎「文系社員」でもデータ分析できる生成AIマニュアル by OUTPUT CAMP meets AI◎ 「イベントアンケートを取ったが、集計する時間がない」「販売データを収集したものの、分析手法が分からない」 文系のビジネスパーソンにとってデータ分析は、「やったほうが良さそうだが後回しにしてしまう」プラスアルファの仕事だ。大義名分がなければ他部署に依頼するのも難しい。 そこで頼れる相棒となるのが、生成AI（ジェネレーティブAI）だ。 AIプロピッカーの三菱総合研究所・比屋根 一雄さんはこう予測する。 「みんながミクロな意思決定に生成AIを使って、少しでも良い意思決定ができるようになると、世の中全体がデータに基づく合理的で無駄の少ない仕事をできるようになる。壮大なことを言えば、低いと言われている日本の生産性が、少しでも上がるのではないかという期待もしています。」 では、具体的にどの生成AIツ
ユニットテストってもう言わない！ CI/CD時代のテスト分類に最適なテストサイズという考え方
はじめに 以前からユニットテスト/単体テストという言葉は使いづらい、と感じており今回も旧Twitterで「テストを実行時間ベースで分類する良い言葉ないかなー」と呟いていたところ、「テストサイズのSMLって考え方があるよ」と教えて戴きました。 だいたいは教えてもらったt_wadaさんの記事にすべて書いてあるのですが、自分の整理も含めて動画にしたので、その補完記事となります。 TL;DR 単体テストのバベルの塔は既に崩壊 CI/CDでの継続的テストには時間ベースのテスト分類が重要 UT/IT/E2EではなくSMLによるテストサイズがCI/CDには合う それは単体テストか結合テストなのか？ 自動テスト、手動テストに関わらずテストの分類として単体テストと結合テストという言葉は一般的です。 ITQBではTest Levelsという言葉で定義されていますし、以下のようなV字モデルの対応表はみんな知って
外部業者による要件定義なんて要らない - 設計者の発言
基幹システム開発／刷新プロジェクトの「要件定義」の位置づけに、昔から違和感を持っている。たいていその作業はコンサルあたりの外部業者が担っている。彼らが半年くらいかけてユーザの要望をヒアリングして、パワポ紙芝居を含めた膨大な資料をまとめあげる。これにもとづいて、システム開発の専業会社によって基本設計がなされ、詳細設計、実装、テストと続く。とくにクライアントが大企業だったり、開発予算が潤沢な場合にこのパターンで進行しやすい。しかしこのやり方では失敗する公算が高い。 ここで言う「失敗」は、クライアント自身の評価とは関係ない。大幅なスケジュール遅延やコスト増加が生じ、かつ、以前よりも使いにくく維持費がかかるシステムが完成することだ。この結果は客観的には失敗以外のなにものでもない。数多くのプロジェクトの動向を30年以上眺めてきた経験から確信しているのだが、稼働後１年くらいたってから調査すれば、要件定
pgvectorの紹介
pgvector(pgvector/pgvector: Open-source vector similarity search for Postgres)はベクトルデータの類似性検索機能を提供するPostgreSQLの拡張機能です。データベース内にベクトルデータを格納し、特定のベクトルと最も近い要素を検索できます。近似値の算出はユークリッド距離、内積、コサイン距離による距離計算が提供されており、大規模なデータセットでの検索を高速化するためのインデックス機能も提供されています。レコメンデーションシステムや画像や文章の類似コンテンツ検索などのアプリケーション開発で有用になります。 pgvectorのインストールとセットアップ PostgreSQLにpgvectorをインストールします。OSはRocky Linux release 9.6、PostgreSQLは公式リポジトリからインストールし
The vector database to build knowledgeable AI | Pinecone
Create an account and your first index in 30 seconds, then upload a few vector embeddings from any model… or a few billion. Perform low-latency vector search to retrieve relevant data for search, RAG, recommendation, detection, and other applications. Pinecone is serverless so you never have to worry about managing or scaling the database. from pinecone import Pinecone, ServerlessSpec # Create a s
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
https://x.com/kenn/status/1800420558276112639
Kenn Ejima on X: "Apple Intelligenceは圧巻。生成AIの扱い方についての正解を一発で出してきた感じだ。 個人的にはGPT-4oが無料で組み込まれることよりもインパクト大きかった。 結局、LLMはシームレスなUXの実現が至上命題。"
pr-agent/pr_agent/settings/configuration.toml at main · Codium-ai/pr-agent
SANKOU! font | 商用可能な有料･フリーフォントの検索サイト
