tl;dr

自然言語、擬コード、コードは競合するツールではありません。異なる精度レベルに応じた異なる言語です。

AIを活用したプログラミングの時代において、プログラミングを学ぶことは、手で一行一行のコードを書くことだけではありません。あるアイデアがより正確になる必要があるとき、その翻訳をどのように制御し、人間がする決定とAIシステムが埋め込む決定を区別する方法について理解することも重要です。

BlackBoxApproach: AIが物事を壊すのに対処しながらアプリを構築する

github.com/amiune/theblackboxapproach におけるプローブオブコンセプト研究

AIはコードを生成する点ではとても良いが、あなたのプロジェクト全体を一からやり直すこともできる。BlackBoxApproach はその問題を解決するための実験です。

MokuML：パイプラインなしでローカルの機械学習予測

概念実証の研究。github.com/amiune/MokuML

小規模事業がPostgresに接続し、平易な英語で予測したいことを伝えるだけで、データサイエンスのチームもクラウドの機械学習基盤もKumoのようなサブスクリプションも使わず、自分のMacで結果を得られるとしたらどうでしょうか。

MokuMLで、その可能性を探っています。軽量版のKumo.aiをイメージしてください。データベースを接続し、予測を求め、答えを得る。ただし、すべてローカルで動きます。

LLMs と AI が 2025 で: 実験、挫折、そしていくつかの大きな驚き

2025 は、私たちは LLMs と応用 AI について実際に試行錯誤した一年でした。ただ観察するだけではなく、我々は一年間、構築、テスト、問題を発見し、うまくいかない場合もあったアイデアを試しました。

全体的な印象は混在しています。技術の一部は印象的で非常に速く進んでいます。他の一部はまだ早くて脆いです。ここでは我々が学んだことと、これから何をしたいかについてまとめます。

LLMの実際の活用事例

要約：elMejorTrato.comでLLM、ベクトルデータベース、RAGの導入に取り組み、次のことがわかりました。

• スペイン語を扱うには工夫が必要です。
• ChatGPTのAPIは費用が高すぎます。
• LangChainやエージェントは、場合によっては過剰です。
• SentenceBertとVectorDBを使うと、非常に優れたことができます。
• 量子化したオープンソースのLLMでも、とても良い結果が得られます。

AIをゼロから学ぶには？

人工知能をゼロから学ぶために、FreeCodingTourは次の順番で受講する三つのコースを提供しています。

1. プログラミング
2. データサイエンス
3. 人工知能