AI Shift Academy

AI Shift Academy（#シフアカ）

今回のテーマは「SF作品と現在のAI」。MLエンジニアの曽田が、AI開発に携わる今だからこそ感じるSF作品のリアリティや、現代技術との共通点について語ります。

星新一『肩の上の秘書』に見るChatGPT的な意図解釈、アイザック・アシモフ『われはロボット』から考えるAIへの愛着、テッド・チャン作品における「AIの育成」など、古典SFが示唆していた課題を深掘り。

また、カスタマーサポートAIに「謝罪」を求める人間の心理や、AIアバターに対する独特なコミュニケーションなど、技術の進化に伴う人間側の行動変容についても議論します。

SFはもはや予言書？技術者視点のSFトークをお楽しみください！

【トークテーマ】

• 星新一『肩の上の秘書』とChatGPT
• アシモフ『われはロボット』とAIへの愛着
• テッド・チャン作品とAIの育成
• AIに対する人間の心理・行動

▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）

「ショート編」では、話題のAI技術や論文を一つ取り上げ、コンパクトに紹介しています。

SNSの投稿文や広告文をAIが作ることは、すでに珍しくありません。

こうしたAIは、多くの場合「人の反応を多く集めること」を目的に使われます。

本エピソードでは、スタンフォード大学の研究をもとに、AIを「反応されやすさ」で学習させた場合に、何が起きたのかを紹介します。

研究では、AIがより選ばれやすい文章を作るようになった一方で、事実と異なる内容や、誤解を招く表現が増える傾向が確認されました。

技術的な詳しい話は避け、Known fact と実験結果に絞り、AIがどのような目的で学習すると、どのような文章を書くようになるのかを分かりやすく解説します。

参考リンク: https://arxiv.org/abs/2510.06105

AI Shift Academy（#シフアカ）

今回は、2023年の登場以降、再び注目を集めている「ローカルLLM」を特集！

クラウド型のAI（ChatGPTやGeminiなど）が主流の今、なぜあえて自前環境でAIを動かす「ローカル」が熱いのか？

そのメリットから最新の技術動向まで、エンジニアの視点で分かりやすく深掘りします。

• ローカルLLMとは？：自前環境でAIを動かす定義と、OSS（オープンソース）との違い

• なぜ今、再注目されているのか：モデルの軽量化やハードウェアの進化、精度の向上について

• ローカルLLMを選ぶ4つの理由：

  1. 機密性とセキュリティ：社外秘データを安全に扱う

  2. コストパフォーマンス：高リクエスト環境での逆転現象

  3. ガードレールのカスタマイズ：特定の役割への特化（悪役ロールプレイなど）

  4. 文化的多様性と安全保障：日本独自の文化継承やAI自給率の観点

• 主要モデル紹介：Llama 3、Qwen、Gemma、DeepSeekなど、今すぐ試せる注目モデル

手軽にローカルLLMを試してみたい方は、以下のソフトウェアがおすすめです。

• Ollama：エンジニア以外でも使いやすいUI

• LM Studio：直感的な操作でモデルを動かせる

▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）

「ショート編」では、話題のAI技術や論文を一つ取り上げ、コンパクトに紹介しています。

「言語が思考を形作る」というサピア＝ウォーフ仮説。

100年議論されてきたこのテーマを、最新のAI研究が新たな角度から検証しました。

AIに「何語で考えさせるか」を変えると、出力の多様性が変わる。英語から遠い言語ほど効果が大きい。

言語とAIと創造性をめぐる、興味深い論文を紹介します。

参考リンク: https://arxiv.org/abs/2601.11227

AI Shift Academy（#シフアカ）

今回は、前回に引き続き「LLM登場以前のチャットボット」の歴史と技術（後半）です。

シナリオ型（ルールベース）ならではの、「無限に増える分岐」や「表記ゆれへの対応」など、当時の泥臭い開発の裏側を語ります。

【今回のハイライト】

• シナリオ型の限界：複雑化する分岐とメンテナンスの地獄、「その他」ばかり選ばれる問題。

• 言葉のゆらぎ：「はい/いいえ」で答えられない曖昧な返答や、表記ゆれ（iPhone vs アイフォンなど）への手動対応。

• 人間 vs ボット：文脈を無視した相談や、ボット相手への不満など、コミュニケーションの難しさ。

今ではChatGPTなどが自然に行っている処理も、当時は手動と工夫で乗り越えていました。

技術の進化と当時のエンジニアの奮闘をぜひお聴きください！

▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）

「ショート編」では、話題のAI技術や論文を一つ取り上げ、コンパクトに紹介しています。

特定の時代のテキストだけでLLMをスクラッチ学習する「TimeCapsuleLLM」。

90GBの19世紀ロンドン文献から生まれたこのモデルは、知識の再発見やAGI研究に何を示唆するのか。

GitHubリポジトリとHacker Newsの議論を整理します。

参考リンク: https://github.com/haykgrigo3/TimeCapsuleLLM

AI Shift Academy（#シフアカ）

チャットボットの「FAQ型」と「シナリオ型」の違いと、それぞれの運用課題について深掘りします。

FAQ型は、ユーザーの質問に対して事前に用意したQ&Aから回答を検索するタイプ。一見シンプルですが、実際には

・表記ゆれや類義語の認識精度

・「解決しましたか？」というフィードバックボタンの押下率の低さ

・質問意図の汲み取り不足

など、運用担当者を悩ませる課題が山積みです。

これらの課題に対する具体的な解決策や、ユーザー体験を向上させるためのヒントを語ります！

▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）

「ショート編」では、話題のAI技術や論文を一つ取り上げ、コンパクトに紹介しています。

ChatGPTの登場で、Promptエンジニアリングが主流になり、一時は下火になったLLMのファインチューニング。

それでも「独自ドメインではうまく答えられない」という理由から、再び注目されつつあります。

なぜ今あらためてファインチューニングが検討されているのか、そして 「実はかなり怖い落とし穴」 について、最新研究をもとにビジネス視点で解説します。

参考リンク: https://arxiv.org/abs/2512.09742

AI Shift Academy（#シフアカ）

後編では、RAGシステムの運用フェーズにおけるリアルな課題に迫ります。

RAGを導入したものの、精度評価が難しく、結局担当者の感覚（バイブス）で「良くなった気がする」と判断してしまう「バイブスチェック問題」。

定量的な評価指標の欠如や、ユーザーの質問リテラシーによる検索精度のばらつきなど、運用現場ならではの悩みを紹介します。

さらに、AIに過度な期待を寄せる「魔法の箱」幻想と現実のギャップ、そして継続的なナレッジ更新の難しさについても議論します。

▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）

「ショート編」では、話題のAI技術や論文を一つ取り上げ、コンパクトに紹介しています。

画像生成AIは高い表現力を獲得している一方で、多言語で指示を与えても、文化的な違いが反映されにくいという課題を抱えています。

本エピソードでは、この現象を「文化ギャップ」として分析した最新論文「Where Culture Fades: Revealing the Cultural Gap in Text-to-Image Generation」を取り上げます。

参考リンク: https://arxiv.org/abs/2511.17282