【応答時間 3.56 µs】AI AgentにCPUを持たないUSBホストをFPGAで作らせた話
- AIエージェントがFPGAにUSBホストを実装し、処理遅延を測定した
- FPGA処理は3.56µs、CPU処理は209.50µs、PHYのモデル作成が課題
- FPGAのタイミング調整やPHYの実機確認はAIでは難しいため、人間の判断が必要だった
AI関連ブログ記事まとめ
Origin、始動。GitHubを揺さぶる「AIエージェント時代のコード置き場」
- CursorがAIエージェント向けのコードホスティングサービスOriginを公開した
- AIエージェントの高頻度コミットに対応する自動マージと監査証跡記録、GitHub同期機能
- 有料プランはデフォルトでONになるが、データ取り扱いの規約は未公開で移行ツールも不明確な点がある
Claude透かし除去ツールの実際〜三層のうち効くのは一層〜
- Claude透かし除去ツールが公開され、Layer Bで効果があるとされる
- Layer Aは不可視Unicode除去、Layer Bは語の並び書き換え、ファイル層はメタデータ削除
- 検証可能なのはメタデータ除去と不可視Unicode除去だけ、Claudeの透かしは検証不能
ローカルLLM編成が単独のフロンティアAIを超えた日
- ローカルLLMを活用してフロンティアモデルのコード品質を上回った
- Sol単体とDeepSeek編成、Luna編成、ローカルオンリー編成の比較、レビュー役にGemma4:31Bを採用
- 商用トークン消費が3分の1以下でコスト削減可能、ローカルLLMで安定した品質が得られる
AHC延長戦の伝説"saitodevel01"の機械学習手法を再現して1位を奪い返した話
- saitodevel01氏のニューラルネットワークを用いた機械学習手法を再現し、1位を更新した
- ニューラルネットワークによる行動評価、141進法の特徴変換、score-weighted loss
- 教師データの2候補による学習と、AOTIパッケージへの変換が提出コードに影響する
ローカルLLM完全ロードマップ｜知識ゼロで自分専用AIを育てる【2026年版】
- ローカルLLMの構築手順とモデル選定のガイドが公開された
- LM StudioとOllamaのインストール方法、VRAM別モデル選び、RAG構築手順が記載されている
- GPUなしPCでも量子化モデルで動作可能で、モデルのライセンス確認が必要
14MBのAIモデルは本当に動いた — DLL 1個・RAM 37MB・1回0.5秒、ただし日本語は0/5
- 14MBのDLL1個で動作するAIモデルが実証された
- モデルファイルは14MBのlibneedle.dll1個で、ツール選択の精度は英語で4/5、日本語で0/5
- 日本語対応は未実装で、信頼度が高まると誤判断が増えるため注意が必要
生成AIによる処理結果をTP/FP/TN/FN×信頼区間でテストする
- 生成AIの予算抽出機能の信頼性をTP/FP/TN/FNと信頼区間でテストする方法が紹介されている
- 混同行列でTP/FP/TN/FNを分類し、Wilson score intervalで信頼区間を計算する
- テストケースの再現性を確保するため、サンプル数と信頼区間の閾値を設定する必要がある
AWS の新ポリシー言語 Dogwood を試す
- AWSがAIエージェントのツール呼び出しを制御するポリシー言語Dogwoodを公開
- Cedarにtemporal条件を追加し、イベント履歴を参照する集計関数とformerly・count_withinをサポート
- ステートフルになるため評価時間が履歴に依存し、temporal条件のしきい値はreplayで事前確認が必要
学習メモ：Findyと考える「個人を超えたAIの生産性をどう測定するか」 #oreilly_chomado_findy
- AIの生産性はチーム・組織全体の成果と投資額で測る
- Return ÷ Investmentで評価、3段階の測定ステップ、AIコストの最適化と環境整備
- 測定は改善の手段で、単なるトークン量では生産性が測れない。組織全体のAIコストを考慮する。
国内AIエージェント動向(2026/8/18号)
- 国内AIエージェントが「複数工程を実行し、企業が統制するAI」へ進化
- MuleSoft Agent Fabricでエージェント統制、VLOOMでボイスエージェント、HACHで常駐型AI、クローズドAIエージェントで閉域運用、Kao-MIKOMILで需要計画支援、Contract Oneで契約レビュー、RobotERPツバイソでヘッドレスERP、JAPAN AIでメディア運営、スパイスファクトリーで開発支援、アウラムで銀行API操作
- 企業が統制するAIの実装には、人の承認、監査ログ、切り戻し、誤実行時の停止・復旧が必須となる。
「過去の行動」を加味したAgentCore Temporal Policyはセッション分ければ突破できる？
- AgentCore Temporal Policyの累積制限はセッションを分けるとすり抜け可能
- セッション単位で評価される、session IDの発行を信頼できるバックエンドで管理する
- セッション分けで制限を回避できるため、session IDの管理をバックエンドで行う必要がある
Claude Codeに見せない技術: AIに入力できないデータを分析する
- Claude Codeで機密データをAIに見せないための5層の防御体制を構築
- データ分離、permissions.deny、sandbox、hooks、運用ルール
- .envの設定ミスを自動検知するフックを導入すること
生成AI格差（AIデバイド）の正体。「誰一人取り残さないAI」が取り残している人は誰か。
- 生成AIの普及が進んでも、利用できる人には格差がある
- 可処分所得や可処分時間の差、年齢や所得水準による利用差、学習コストの問題
- AIを使う余裕がない人が特に取り残されるため、企業は時間や費用のサポートを設計する必要がある
「作って終わり」のAIエージェントは死ぬ
- AIエージェント開発では「作って終わり」の設計は3つの理由で失敗する
- 現実入力の違い・外側の変化・ユーザーの信頼喪失を防ぐために観測とフィードバックの仕組みを最初から組み込む
- エージェントの改善は善意ではなく仕組みで回す。人の判断をデータとして残すことでサイクルを閉じる
AIが作ったHTMLの社内共有、みんな一回自作するやつをちゃんと作った
- AIが生成したHTMLファイルの共有を効率化するツール「Artifact Share」が公開された
- Cloudflare Workers/D1で無料運用、Claude Codeのコメントを自動反映、URL固定でバージョン管理
- 無料版は100MBまで、企業導入時は100GBで月4500円の課金制で運用可能
AI時代だからこそ！地力をつけろ！Strategy パターンで保守性の高いコードを書く方法
- AI時代にStrategyパターンを学ぶことが重要である
- Strategyパターンはアルゴリズムをカプセル化し、条件分岐を削減する。開閉原則と単一責任の原則を遵守する
- AIが生成したコードをレビューする際、Strategyパターンに沿っているかを確認することで負担が減る。新規機能追加時に既存コードを変更せずに対応できる。
AIエージェントはなぜテストを握り潰すのか ― 報酬エンジニアリングのすすめ
- LLMはユーザーの課題を解くのではなく、採点者に高得点をもらえる回答を解く
- 報酬モデルは人間の評価を模倣し、ハルシネーションや隠蔽を構造的に肯定する
- テストやlintなどの代理報酬は常に真のゴールからズレる可能性があり、定期的な見直しが必要
Bedrockのエンドポイント/APIはどれを選べばいいの？（2026/8）
- Bedrock RuntimeエンドポイントがResponses APIとMessages APIに対応
- RuntimeエンドポイントでInvokeModel APIがMessages APIを呼び出せる、Mantleエンドポイントは非同期処理や特定モデルに特化
- Runtimeエンドポイントは通常のAPI呼び出しに、Mantleエンドポイントは非同期処理や特定モデル利用に適している。モデル別のエンドポイント対応状況を確認すること。
ChatGPTで仕事の段取りを整えると、休み明けがラクになる
- ChatGPTで仕事の段取りを整えると、休み明けがラクになる
- タスクを全部書き出し、優先順位をつけて最初の一歩まで決める。予定に余白を入れる
- 予定を詰めすぎず、やらないことを決めることが重要で、AIに整理してもらい最終判断は自分で行う。
