『株式会社ずんだもん技術室AI放送局 podcast 20251127』のカバーアート

株式会社ずんだもん技術室AI放送局 podcast 20251127

株式会社ずんだもん技術室AI放送局 podcast 20251127

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 「Goで作る自作コーディングエージェント nebula 開発入門」が良かった この記事では、著者が「Goで作る自作コーディングエージェント nebula 開発入門」という書籍を通して、Go言語でAIコーディングエージェント「nebula」を実際に開発した体験談が語られています。著者はこの実践的な学習が非常に有益で、深い学びがあったと評価しています。 新人エンジニアの皆さんにとって、「AIエージェント」という言葉はまだ聞き慣れないかもしれません。これは簡単に言うと、まるで人間のように目標を設定し、外部の情報を使ったり判断したりしながら、自律的にタスクをこなすAIプログラムのことです。特に「コーディングエージェント」は、指示に基づいてコードを書いたり修正したりするAIですね。この本は、そんなAIエージェントの「仕組み」をGo言語で作りながら学べる、実践的な入門書です。 この実践で得られる主な学びは、AIエージェントの「賢さ」や「振る舞い」を司る重要な設計パターンです。例えば、 ツールコール: AIが外部のプログラムやAPI（例えば、ファイルを読み書きする機能やWeb検索機能など）を適切に呼び出し、利用する仕組み。これにより、AIは自身が持たない能力を拡張できます。システムプロンプト設計: AIに対して「あなたはどのような役割で、どのように振る舞うべきか」を指示する、AIの「憲法」のようなもの。これをしっかり設計することで、AIは意図した通りに動きます。メモリ機能設計: AIが過去の会話履歴や学習した情報を覚えておき、それを次の行動に活かす仕組み。人間が経験から学ぶように、AIも「記憶」を持つことでより高度な判断ができるようになります。 これらはコーディングエージェントだけでなく、あらゆるAIエージェント開発に応用できる基礎中の基礎であり、実際に手を動かして理解できたことが大きな収穫だったと著者は述べています。 著者はこの書籍の内容を参考に、自身のGitHubリポジトリ（https://github.com/shibayu36/nebula）で「nebula」を公開しています。単に写経するだけでなく、一部の設計を改善したり、セッション一覧表示やコードの差分表示といった実用的な機能を追加したりと、自分なりに工夫を凝らしている点も注目です。これにより、読者は単なる写経を超えた、より深い理解と応用力を養うヒントを得られるでしょう。 Go言語での開発経験があり、AIエージェントという新しい技術分野に挑戦してみたい新人エンジニアにとって、この書籍は最適な学習リソースとなるはずです。著者の経験から、全ての学習を終えるのにかかる時間は約10時間程度とのこと。短期間で実践的なAI開発の基礎を身につけ、今後のキャリアの選択肢を広げるきっかけにもなりそうです。AIの進化が著しい今、Go言語とAIエージェントの組み合わせは、皆さんのスキルアップに大いに役立つでしょう。 引用元: https://blog.shibayu36.org/entry/2025/11/25/170000 人工知能は拡散言語モデルの夢を見るか？ PredNext ブログ 2025年現在、「拡散言語モデル」という新しい技術が注目を集めています。これは、現在の大規模言語モデル（LLM）の主流である「自己回帰モデル型Transformer」が抱える性能上の課題を解決する可能性を秘めているためです。 現在のLLMは、文章を構成する単語（トークン）を一つずつ順番に予測して生成する「自己回帰モデル」という仕組みで動いています。この方式では、前の単語の生成が終わらないと次の単語の生成に進めないため、計算を並列に処理するのが難しいという特徴があります。さらに、モデルの規模が大きくなるにつれて、1トークンを生成するたびに非常に巨大なモデルデータ（例えば700億パラメータのモデルで70GB）を、メモリ（DRAM）からプロセッサ（GPUなど）へ何度も読み込む必要が生じます。このデータ転送の頻度と量が多すぎると、プロセッサがフル稼働できず、メモリとの間のデータ帯域が「ボトルネック」（処理速度の限界）となってしまうのです。 この非効率さを「B/F」（Bytes per FLOP：1回の浮動小数点演算に必要なデータ転送バイト数）という指標で表現します。...
まだレビューはありません