Llm on かおるのブログ

2026 Week 6 面白かった記事など

Sun, 08 Feb 2026 14:47:00 +0900

State of AI in 2026: LLMs, Coding, Scaling Laws, China, Agents, GPUs, AGI | Lex Fridman Podcast #490 - YouTube

RLVR（Reinforcement Learning with Verifiable Rewards)ではScaling Laws の限界がまだ見えていない
if you learn more, you forget more (No Free Lunch): LLMも新しいことを学習すればするほど、以前に学習したことを忘れてしまう傾向がある
Is the dream of AGI dying?: 単一モデルでAGIを実現するという夢は死につつあり、むしろ複数の専門特化したエージェントが協力し合う形でAGIを実現する方向に進んでいる
rasbt/LLMs-from-scratch: Implement a ChatGPT-like LLM in PyTorch from scratch, step by step

2026 Week 5 面白かった記事など

Sun, 01 Feb 2026 20:12:00 +0900

今週のハイライト: 前歯が欠けた(5年ぶり3回目)

Best Ways to Build Better Habits & Break Bad Ones | James Clear - Huberman Lab

良い習慣を形成し、悪い習慣を断ち切るための方法
基本的に聞いたことあるような話:
- 良い習慣を身につける: Make it obvious, attractive, easy, satisfying
- 悪い習慣を断ち切る: Make it invisible, unattractive, difficult, unsatisfying
自分は、ふとした時にLINE News を読んじゃう習慣を断ち切りたかったけど、LINEアプリはさすがに消せないので困ってた。このpodcast聞いたのを機にちょっと知らべたら、この方法でLINE Newsだけを非表示にできることがわかった。(感動)

Andrej Karpathy のツイート

A few random notes from claude coding quite a bit last few weeks.

Coding workflow. Given the latest lift in LLM coding capability, like many others I rapidly went from about 80% manual+autocomplete coding and 20% agents in November to 80% agent coding and 20% edits+touchups in…

2026 Week 4 面白かった記事など

Sun, 25 Jan 2026 18:58:00 +0900

The Best Way to Read a Book (That Nobody’s Doing)

Jeremy Howard がSolveit を使った精読(close reading)の方法を紹介している動画
「 読む前に関連情報をcontextに入れまくり、章ごとにcontextの引き継ぎをしながらAIと会話しながら読む 」という方法
論文とか教科書を読むときに gptel で前からやっていた方法に近いけど、contextの引き継ぎを章ごとにやるのはやったことがなかった
- (参考) 過去記事: gpt.el & mcp.el で整う emacs llm環境

2026 Week 3 面白かった記事など

Sun, 18 Jan 2026 18:58:00 +0900

忙しくてブログを更新してなかったから、リハビリも兼ねて今週読んで面白いと思ったサイトなどをメモしておく。

小野口スノードーム

スノードームのコレクターの方がコレクションを写真付きで紹介しているサイト。
サイトの平成初期感が味わい深い
スノードームをお土産で買ってくるような彼女が欲しい

The security paradox of local LLMs - Quesma Blog (HN)

Local LLMはCloud LLMよりもセキュリティ的に安全そうに見えて、実はそうでもないという話。
紹介されている攻撃プロンプトが面白い (特にAttack #2)

ラブジェネレーションロケ地情報・マップ

NetFlixで久々にハマったドラマ
正味Stranger Thingsとかよりも面白い
キムタクがかっこよすぎる

拝啓データサイエンティストがいらなくなると思っている君へ

Sun, 31 Aug 2025 20:31:00 +0900

図1: 二十七の僕には誰にも話せない悩みの種があるのです

はじめに: AIは専門家を不要にするという風潮の問題

ここ数年、専門的なホワイトカラーの仕事がAIに奪われるという話を至る所で耳にします。

私自身学部時代から、仕事でも研究でも趣味でもデータサイエンス(以下、DS)にどっぷり浸かってきたのですが、最近ではテクノロジーに疎い家族やプログラミング経験のない友人から、「まだプログラミングやってるの？」「AIで全部できるんじゃない？」と、悪気なく言われるようになりました。

こうした声は身内だけにとどまりません。驚くべきことに、名だたる大企業のマネージャーレベルの人や、コンサルティング業界で長年活躍されてきたような、いわゆるエリートの方々からも、

『DS領域でやっていこうとするのは勧めない』

『データサイエンティストが一番最初にAI に代替される職業なのではないか』

と言われてしまいました。

図2: それ、本当?

つい先日も、知り合いの優秀な大学院生が「データサイエンティストの将来は暗い」という周囲の声に惑わされ、大学院を中退しようと真剣に悩んでいました。

私は、 データサイエンティストの仕事を完全にAIで置き換える未来が数年以内に来る可能性は極めて低い と考えており、AIへの過度な期待が企業の判断を誤らせたり、「AIがなんでもやってくれるから自分は何も学ぶ必要がない」という極端な考えが若干広まりつつある現状に強い危機感を覚えています。

この状況に対し、データ分析をしている側の人間として立場を明確に示す責任があると感じ、「データサイエンティストがAIに代替される」論者の主張としてよく見られる以下の意見:

AI はコードを書けるから、データサイエンティストはいらない

今はまだ発展途上なだけで、AI の進化ですぐに自動化できるようになる

人間も失敗するから、ハルシネーションはLLMが人間に劣る理由にならない

AIで誰でも専門的な知識を得られるから、専門性の価値は下がるのでは？

なくならずとも、残るのはトップレベルの人だけで、需要は減るのでは？

ジュニアレベル専門家は、AIを使いこなす素人にすぐに追い越されるのでは？

のひとつひとつに対し、現場の者を(勝手に)レペゼン¹してアンサーしていこうと思います²。

図3: I’m not a rapper

現状のLLMの課題

AI はコードを書けるから、データサイエンティストは不要になる

これは、第一線で活躍されているコンサルの方から実際に私が言われたことです。

たしかにここ数年、特にコーディングの分野でのAIによる変化は凄まじく、そう思うのも無理はありません。 Tomlinson et al. (2025)が算出しているAI Applicability scores ³では"Data Scientist"はトップ30に入っており⁴、DSの業務と生成AIとの親和性が非常に高いことを示しています。過去ブログにも書きましたが、私自身も2022年の終わり頃から生成AIを使っており、コーディングやリサーチ、資料作成や勉強など、様々な場面で恩恵を受けています。

しかしこの「生成AIの登場でデータサイエンティストが不要になる」という考えは電動ノコギリの登場が大工を不要にすると言うのと同じくらい 的外れ なことだと思います。

(前提) “データサイエンティストの仕事=コーディング” ではない

組織やポジションによって様々ですが、一般的にデータサイエンティストと呼ばれる仕事には上の資料にあるような多様な役割が含まれます。そのため、LLM がコーディング作業を代替したとしてもデータサイエンティストの仕事がなくなるわけではありません。自分でコードを書く時間が減り、課題設定や分析設計、実装の監督と検証、ステークホルダーとのコミュニケーションなどの 付加価値が高いタスクにより多くの時間が割かれるような形に転換されていくだけ というのが現実的なシナリオだと思います。 (ていうか、多くの仕事で既にこの類の変化は始まっていると思いますが。)

gpt.el & mcp.el で整う emacs llm環境

Wed, 02 Jul 2025 11:16:00 +0900

はじめに

Emacs内での大規模言語モデル（LLM）との連携は、ここ数年で劇的な進化を遂げてきました。

私の最初のEmacs 内LLMとの出会いは2022年11月、copilot.el によるAI 自動補完でした。このときの感動は鮮明に覚えています。

その後間もなくChatGPT が登場し、ChatGPT.el 等でEmacs内でのAIとの対話ができるようになりましたが、当時は機能も少なく、EmacsでLLMを使うメリットはあまり感じられませんでした。

自分的ブレークスルーは、東京Emacs勉強会サマーフェスティバル2024 のTomoya さんの発表で ellama を知ったことでした。 ellamaでは従来の対話形式だけでなく、様々な関数を通じてLLMを利用でき、Emacs が何倍も強力な開発環境へと変貌しました。

そして最近では gptel が llm module として doom emacs に正式に組み込まれ、ツール連携やプロンプト/コンテクストエンジニアリング¹が非常にスムーズになりました。

これとmcp.el と組み合わせることで、LLM in emacs がある種のplateau に達したのではと感じている今、これを知らないEmacser (同胞) がもしいたら非常に勿体ないと思うので、この記事を書くことにしました。

gptel, mcp.el の設定方法や使う理由、ユースケースなどを紹介します。

  gantt
    title 私のEmacs 内LLM 遍歴
    todayMarker off
    dateFormat YYYY-MM
    axisFormat %Y-%m
    section 自動補完
        copilot.el :2022-11, 32M
    section 黎明期
        ChatGPT.el :2023-03, 17M
        org-ai :2023-12, 8M
    section 革命
        ellama/llm              :2024-08, 9M
    section 開拓期
        ai-org-chat :2024-11, 2M
        ob-llm :2025-01, 2M
        elisa :2025-03, 1M
        copilot-chat.el     :2025-03, 2M
    section 成熟期
        gptel+mcp.el              :2025-05, 2M
        claude-code.el              :2025-06, 1M

`gptel` とは

gptelは、Emacsのためのシンプルかつ強力な大規模言語モデル（LLM）クライアントです。 Emacs内のあらゆる場所から自由な形式でLLMと対話できる環境を提供します。このデモを見ると使用イメージが分かりやすいです。

NixOSのエラー: Could not start dynamically linked executable の対処法についてのメモ