tech

AI はなぜ物忘れするのか

by

AI を使っていると、計算機上で動いているはずなのに、人間のように物忘れする場面に出会う。前に伝えたルールを別の作業では守らない。さきほど確認した条件を、次の出力では落とす。指摘すると正しい規則を説明できるのに、作業中に … 続きを読む

Claude Code を継続的な業務環境へ変える

by

Claude Code は、対話欄へ依頼を書くだけでも、コードの修正、文書の生成、調査、テストの実行まで進められる。単発の作業であれば、この使い方でも効果は大きい。人間が一行ずつコードを書き、関連ファイルを探し、変更箇所 … 続きを読む

Ollama、RAG、MCP を開発環境へ統合する

by

ローカル LLM を開発業務へ組み込むとき、特定のエディターからモデルを呼び出せるだけでは、継続的に利用できる作業基盤にはならない。MacBook Pro 上でローカル LLM を実用化する条件は、モデルの規模よりも、有 … 続きを読む

MacBook Pro にローカル RAG を構築する

by

前稿では、MacBook Pro でローカル LLM を実用化するには、モデルが起動するだけでなく、用途に対して十分な応答速度、記憶容量、モデル規模、運用方法が成立していなければならないことを整理した[1]。ローカル R … 続きを読む

MacBook Pro でローカル LLM を実用化する条件

by

ローカル LLM への関心は、「大規模言語モデルを手元の計算機で動かせる」という分かりやすい魅力から始まりやすい。しかし、モデルファイルを読み込み、対話画面から回答を得られたことは、動作確認にはなっても実用性の証明にはな … 続きを読む

Grok のアルゴリズムを詳解する

by

Grok の動作は、巨大な言語モデルが入力を受け取り、完成した回答を一度に返すという単純な構図では説明できない。最下層では、入力された文字列をトークンへ分割し、数値ベクトルへ変換したうえで、文脈に続く次のトークンの確率分 … 続きを読む

再学習に必要な情報量は課題構造で決まる

by

大量のデータで学習した計算機モデルを再現するには、学習時に使ったデータをすべて保存し続けなければならないのだろうか。この問いでは、学習に必要なデータ量と、学習後に保持すべき情報量を分ける必要がある。大量の標本は、未知の規 … 続きを読む