【学べ】AIは大事なところで俺らを救わない
AIは普段から使用しているし素晴らしいツールだと思っている まずこの記事を投稿するにあたってみなさんに認識してほしいこと。 私はAI否定派ではない。 むしろここ1年はAI開発のプロジェクトに携わっているのでAIはバリバリ使用しています。 それでも、AIを活用するには自力の開発能力や考える思考力がないと厳しいよなと思ったので本稿を作成しました。 この内容は IF(利用できるAIの性能が数年後も変わらない世界) {} の話 2026年7月(数か月後には世界がひっくり返る可能性あるので投稿年月を残す) まだまだAIに全振りできるような世界ではない。 この世界観がずっと続いていくならとい...
出典: Zenn AI（配信元の紹介文より引用）
このニュースの全文は、配信元でお読みいただけます。 Zenn AIで元記事を読む →
この話題に関連する、TOEの実践・観測記録
AIに社内資料を読ませて文書を作らせると、何％が出典の辿れない創作になるのか — 2,629点の来歴監査
公式文書を与えたうえでAIに合意文書を作らせ、生成物1点ずつの出どころを監査した研究があります。原典に直接遡れたのは43.7%、一切遡れない創作が22.1%、仕組み由来のゴミが6.8%。AIに社内資料を読ませて提案書や議事録を作らせる運用に、そのまま効く数字です。
続きを読む →
本物の顔写真を使わずに、顔認証システムの優劣は比較できるのか（合成データ12件×モデル24本の検証）
ルクセンブルク大学らの研究が、AI生成の合成顔データセット12件と実データのベンチマーク7件を、学習済みモデル24本で突き合わせた。上位の合成データは実データとの相関が平均0.90に達する一方、最下位は-0.52まで落ちる。顔写真を集めずにベンダー比較ができる条件と、鵜呑みにしてはいけない境界を整理する。
続きを読む →
推薦モデルは再学習なしで更新できるか？ データ1.8%でRMSE0.810という実測
推薦システムを再学習せずに新しい行動データだけで更新する手法を公開した。データの1.8%しか読まずにRMSE0.810、更新は1バッチ90ms、CPU単体で動く。一方で大規模カタログではアイテムカバレッジ1%未満まで落ちる限界も報告されている。中小ECにとって何を意味するかを整理する。
続きを読む →