「書き手は人間ではない」を前提に言語を設計するとどうなるか
既存言語の設計は、人間が書くことに最適化されている 型推論、簡潔な構文、暗黙のデフォルト値、省略可能な注釈。これらはすべて「書く人間の労力を減らす」ための機能だ。プログラミング言語の設計史は、ある意味で人間のタイピング量と認知負荷をどう削るかの歴史でもある。 では、書き手が人間でなくなったら、この最適化はどうなるのか。 LLM にコードを書かせる比率が上がるほど、この問いは実務的な意味を持ち始める。省力化の受益者がいなくなるなら、省力化のために払ったコスト——暗黙性、非局所性、推論器の複雑さ——は、ただのコストとして残る。 そこで、「書き手は人間ではなく LLM である」を設計前提に...
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に調べ物をさせると、専門家と同じ結論に届くか — 28研究の自動メタ分析
「調べてまとめる」仕事はAIに向いていそうで、実際には根拠の追跡が難しく任せにくい領域です。2026年7月公開の研究は、検索から統計処理まで通しで自動化し、専門家によるメタ分析と近い結果を得たと報告しました。中小企業の調査業務に何が使えるかを整理します。
続きを読む →
AIの公平性を上げると、プライバシーは守られるのか — 全体平均では見えない差
採用や与信でAIを使うとき、公平性への配慮は避けられません。2026年7月公開の研究は、公平性を高める処理がプライバシー上のリスクに与える影響を部分集団ごとに調べ、全体の平均では見えない偏りがあることを示しました。
続きを読む →
社内データにAIを「たどらせる」方式は、追加学習なしでどこまで当たるのか（Macro F1 66.29%／最難関40.83%）
知識グラフを段階的にたどらせてSPARQLを生成する手法MARSが、ファインチューニングなしで既存手法を上回った。ただし最高でもMacro F1は66.29%、最難関ベンチマークでは40.83%。社内DBへの自然文質問AIを検討する中小企業が、精度の天井をどう見積もり、どこに人を残すべきかを一次資料の数字から読む。
続きを読む →