『株式会社ずんだもん技術室AI放送局 podcast 20251223』のカバーアート

株式会社ずんだもん技術室AI放送局 podcast 20251223

株式会社ずんだもん技術室AI放送局 podcast 20251223

無料で聴く

ポッドキャストの詳細を見る

このコンテンツについて

 youtube版(スライド付き) 関連リンク Figmaやめて、AIとコードでUIを作り始めた話 AI Shift社のUI/UXデザイナー後藤氏による、Figmaでのデザイン作業をあえて停止し、AIとコードを駆使してUI構築を行う実験的な取り組みの紹介です。AI Shift Advent Calendar 2025の記事であり、AIエージェント（Claude Code等）が台頭する現代における、新しいフロントエンド開発の形を示唆しています。 背景：デザインが開発のボトルネックに 開発チームがAIを導入して実装速度が飛躍的に向上した結果、従来のFigmaによる手作業でのデザインが追いつかず、デザイナーがチーム全体のボトルネックになるという課題が発生しました。筆者は自身の業務を「探索（リサーチ）」「考案（解決策）」「形にする（UI構築）」に分解。最もコストのかかっていた「形にする」作業をAIに任せることで、本来重要なUXデザイン（探索・考案）に時間を全振りすることを目指しました。 解決策：デザインと実装の境界をなくす 「Figmaでのデザイン」と「フロントエンドの実装」が分断されている構造自体を見直し、AIを活用してStorybook上で直接UIを構築する手法を採用しました。これにより、デザイン案を即座にコードとして動かせるようになり、試行錯誤の回数が劇的に増加しました。 AIを使いこなすための「地図」の整備 AIに丸投げするのではなく、精度と再現性を高めるために以下の材料を整えています。 UXリサーチの共有: ペルソナや価値マップをAIに渡し、判断の評価軸（北極星）を明確にする。ドキュメント構造の整理: docs/配下にプロダクトビジョンやデザインシステムをまとめ、AIと人間が参照する事実を一元化する。厳密なプロンプトテンプレート: コンテキスト、技術・デザイン制約、入出力形式、良い例・悪い例を定義し、AIの迷いをなくす。人間による全体最適: AIが得意な「局所最適（画面単体の作成）」を活かしつつ、人間が「ユーザー体験全体の整合性」を担保する。 新人エンジニアへの示唆 AIは魔法ではなく、「問いが明確であれば、爆速で形にできる増幅器」です。これからの開発では、コードを書く技術だけでなく、「誰の何を解決するためのものか」という背景を言語化し、ドキュメントとして整理する能力が、AIを味方につけるための強力な武器になります。 「デザインと実装を統合する」このアプローチは、エンジニアとデザイナーの垣根を低くし、より本質的な価値提供に集中できる可能性を秘めています。 引用元: https://zenn.dev/aishift/articles/3e211e67e3dc14 LLMのCUDAカーネルを自作しよう! 本記事は、PyTorchの内部で行われているGPU処理（CUDAカーネル）をGPT-2モデルを題材に自作し、LLMの動作原理を深く理解するための技術解説です。新人エンジニアにとっても、ブラックボックスになりがちな「.to(“cuda”)」の先で何が起きているかを知るための優れた入門ガイドとなっています。 まず、開発の基盤となる技術要素が紹介されています。NVIDIA GPUを制御する「CUDA」、C++とPythonを連携させる「pybind11」、そしてC++版PyTorchである「Libtorch」を組み合わせることで、自作の高速な演算処理をPythonから手軽に呼び出せる環境を構築します。 記事の中核は、LLMを構成する各要素の「スクラッチ実装」です。単に数式を実装するだけでなく、学習に不可欠な「誤差逆伝播（バックプロパゲーション）」を実現するために、順伝播（Forward）と逆伝播（Backward）の両方のカーネルを自作しています。主な実装項目は以下の通りです。 Linear層: 行列演算（Matmul）やバイアス加算といった基本演算の実装。活性化関数（GELU）: 近似式を用いた高速な計算手法の適用。Dropout: CUDAの標準ライブラリ「cuRAND」を用いた乱数制御による過学習抑制。Layer Norm（DyT）: 2025年に発表された最新手法「Dynamic Tanh」を採用。実装の容易さと高いパフォーマンスを両立させています。Attention機構: トークンIDのベクトル変換（Embedding）から、LLMの肝である「Scaled Dot Product Attention」の計算グラフに基づく実装。 さらに、学習を支えるアルゴリズムとして、予測のズレを評価する「CrossEntropyLoss」や、重みを効率的に更新する最適化手法「AdamW」もCUDA...
まだレビューはありません