私はこの記事を読み終え、AIのトレーニングについての自分の考え方が静かに再構築された。 その核心は、誰も完成品から上達するのではなく、上級者が何が間違っていて、なぜそうなるのかを指摘する「マークアップ」の部分から上達するということだ。編集こそが教訓であり、清潔な最終原稿ではない。 そして、AIがコードに熟練したのもまさに同じだ。AIは完成したコードから学んだのではなく、差分（diff）から学んだ。 何年にもわたってGitが保存してきたすべての修正、すべての書き直し、すべての「いや、こうやるんだ」。 しかし、それ以外の分野では、私たちはその部分を捨ててしまう。プレゼンテーションは配布され、メモはファイルに保管され、契約は署名され、それを生み出した思考は消え去る。ドキュメントとは、判断を削除した判断の出力である。 > だから「古いドキュメントを検索して知識を蓄える」という試みは常に失敗してきた。あらゆる企業は「記録システム」——知っていること——を構築したが、誰も「判断システム」——実際に良いと決定したこと——を構築しなかった。判断は明示されるのではなく、明らかになるものだ。面接は嘘をつくが、編集は嘘をつかない。 > これは「トレーニング不可能／プライベートな正しさ」に関する議論が見落としている点だ。それはトレーニング不可能なのではなく、ただ誰もが削除してしまう場所にしか存在しないだけだ。どの企業にも承認率を聞けば、答えられない。誰も赤字の修正履歴を保存していないからだ。 ソフトウェアはたまたまその領収書を保存していた。法律や金融は自分のGitを構築しなかった。 判断は差分の中に存在する。

Anthropicのエンジニアたちは、エージェントのループのみを使って、完全なアプリをゼロから構築しました。 Claude Codeを構築したチームが40分で実現。 3つのエージェントがループして動作：1つは計画し、1つは構築し、1つは評価し、アプリが実際に動作するまで繰り返します。 このデモでは、誰も同じプロンプトを2回書かなかった。彼らはループを1回設計しただけで、あとは離れてしまった。 動画をご覧いただき、その後、下記の完全なガイドで自分でも構築する方法をご確認ください。

AIに乗り遅れたと思ったが、徹底的な調査の末、これはまだ始まったばかりだと確信した。 もちろん、何かがまっすぐ上昇することはない。ブームと崩壊は起こるだろう。しかし、それに関与せず「バブルだ」と呼ぶのは受け入れられない。

AIのジャッジは人間のような論理的誤りを犯すことができるか？ サイコロを2つ振る。少なくとも1つは6である。 多くの人が1/6と言うが、正解は1/11。 シンプルな論理の罠——AIモデルにも見られる。 #AI #Ontology #DID #Web3

2分間の整理で、Claudeはモデルをアップグレードしたかのように感じられる。 この動画は、ある秘密のプロンプトについてではない。 あなたがすでにClaudeに与えた不要な情報を削除することについてだ。 古いスキル、無効なコネクター、半分しか使われていないツール、ランダムなワークスペースの指示、放棄された実験。これらすべてが背景に残り、静かにコンテキストを汚染する。 そして人々は「Claudeが悪化した」と言う。 たしかにそうかもしれない。 あるいは、47のタブが開かれた混雑したブラウザにClaudeを繋いで、はっきりと考えてもらおうとしただけかもしれない。 これは重要だ。エージェントのパフォーマンスはモデルの品質だけではない。コンテキストの清潔さ、ツールの纪律、そして回答する前にシステムがどれだけの不要なゴミを抱えているかが関係する。 この記事は実は同じ操作上の教訓を伝えている：より賢いAIでも、整頓されていない環境は救えない。 モデルが強力でも、周囲の環境が雑多であれば、弱い成果しか生み出せない。 ときにはボトルネックはClaudeではない。 それは、あなたがClaudeに接続したゴミ箱なのだ。

ExpRLについて私が特に注目したのは、現在のAIの進歩の捉え方の限界を浮き彫りにしている点だ。 ほとんどのベンチマークは、モデルが正しい答えにたどり着いたかどうかだけを測定する。 途中でどれだけ有用なアイデアが探求され、却下されたかはほとんど測定されない。 人間の革新は、失敗した試みから生まれることが多い。 完璧な試みではなく。 科学者は、正しい仮説を見つけるまで、何百もの誤った仮説を検証するかもしれない。 しかし従来のRLでは、すべての失敗した道筋が等しく無価値と扱われる。 ExpRLは、そうした失敗の中に価値ある情報が隠されている可能性があることを示唆している。 この考え方は、数学のベンチマークを超えて重要だ。 AIエージェントの能力が高まるにつれ、最も速く答えを見つけるモデルが勝者になるとは限らない。 むしろ、間違いから最も多くを学ぶモデルが勝者になるかもしれない。 これが検証が重要な理由でもある。 中間的な推論と出力を信頼できる方法で評価できない限り、生産的な探求と単なる空想を区別できない。 AIの未来は、答えを生成することよりも、どの間違いを学ぶ価値があるかを理解することにかかっているかもしれない。 @ritualnet

AIに生き残るために必要な唯一のツイート。 最近、私が座って、今後訪れるAI時代に生き残るための「10のルール」を書き下ろした。 AIの雑音ではなく、私の本音だけを込めた。 職業の置き換えや、AIの波及効果に不安を抱えているなら、ぜひこの内容を読んでほしい： ルール①：速く行動せよ AI時代における最優先スキルは、高い能動性だ。情報はもはや競争優位の壁ではない。あなたの強みは今や「スピード」だ。素早く行動する人間になることを目標にしよう。 ルール②：ビジネスを築け AIは膨大なビジネス機会を生み出している。情報は今や豊富に存在し、キャッシュフローのあるビジネスを立ち上げない理由はどこにもない。 ルール③：毎日AIを使え AIネイティブであることはもはや選択肢ではない。AIを生活に組み込み、最先端に立ち続ける努力をしよう。 ルール④：EQがIQより重要 誰もが同じAIツールを使えるようになった今、差別化要因は知性ではなく、他者とつながる能力だ。 ルール⑤：健康を最優先に シンプルなことから始めよう：睡眠、運動、水分補給、食事。 ルール⑥：パーソナルブランドを築け 配信が新たな壁だ。コンテンツ制作は無料で、最良の配信チャネルはあなた自身だ。 ルール⑦：売る方法を学べ 誰も語らないこのスキル。AIは製品を作り、コピーを書き、サイトをデザインし、広告を運用できるが、人間同士のつながりを築くことはできない。 ルール⑧：投資せよ 自分自身（スキル）とAI（シャベルと鉄橇）に投資せよ。これはこれまでにない最大のバブルだ。それを活用しよう。 ルール⑨：ネットワークを築け 自分のネットワークを構築せよ。それはあなたの最終的な安全網であり、新たな機会を掴む鍵だ。 ルール⑩：好奇心を持ち続けよ これは上記すべてを支えるメタスキルだ。素早く学び、繰り返し改善できる人間が、これまで以上に価値を持つ。 これを保存して、忘れないようにしよう。

[APRO Intelligence #07] ──────────────── AIはSTEM、コーディング、数学において驚異的だ。 しかし、共感、美的判断、場の空気を読むこと、遅い因果関係を察すること—— AIはまだ非常に、非常に私たちから遠い。 Anthropicのダニエラは完璧に言い当てた： 「人間の本質が、これまでにないほど貴重になっていく時代に入っている。」 AIとともに構築しよう。でも、あなたを不可欠にするものを忘れないで。→ @APRO_Oracle

@vercel のCEO、ギヨーム・ラウシュ： 「世界中のあらゆるタスクは、最終的にはコーディングのタスクになる。それが、すべてのラボが同じもの——あなたなしで動作するコーディングエージェント——へと駆け抜ける理由だ。」 コーディングAIが次にどこへ向かうかを最も明確に示した分析。 $500のエージェントコースよりも価値がある。 これを観てから、以下で眠っている間にそれを実行する方法を読んでください。