
投稿が拡散されているようなので、ちょっと宣伝させてください。 Pythonの入門書を書いていますので、ぜひお読みください! amzn.asia/d/gCfTi93

【新刊】みんなのPython第五版(二刷),Pythonで学ぶはじめてのプログラミング入門教室などの著者。大手予備校をはじめ機械学習講師。たまに企業や学会,技術イベントに呼ばれてお話しします。

投稿が拡散されているようなので、ちょっと宣伝させてください。 Pythonの入門書を書いていますので、ぜひお読みください! amzn.asia/d/gCfTi93

著作権は本来、創作者を守るための制度だ。しかしAIによってコンテンツと権利主張の両方を大量生産できるようになれば、作品を作った人より、権利を主張する仕組みを持つ企業の方が強くなる可能性がある。 AIが人間の仕事を奪うという議論は多い。しかし今回の事件が示しているのは、それだけではない。AIが人間の作品を利用するだけでなく、その作品に対する権利まで人間から奪いかねない。 創作の自動化以上に、権利を守る仕組みの見直しが必要になっているのかもしれない。

大量の作品を生成・配信するだけでなく、その権利を主張する手続きまで効率化できれば、企業は個人の創作者とは比較にならない規模で活動できる。一方、誤った申し立てを受けた個人は、自ら時間と労力を費やして正当性を証明しなければならない。 もちろん、今回の企業が意図的に虚偽の申し立てを行ったかどうかは明らかではない。しかし、権利を主張するコストが下がる一方、その主張を覆す負担が個人に集中する構造は見過ごせない。

ここには、ソフトウェア最適化に関する重要な示唆がある。 性能改善というと、SIMDや並列処理、メモリ操作の工夫に目が向きがちだ。しかし、それ以上に効果的なのは、複雑な処理を生み出している設計そのものを見直すことかもしれない。 例外処理を積み重ねて高速化するのではなく、処理の仕組みを単純化する。その結果、実行速度と正確性が同時に向上する。 優れた最適化とは、コンピュータにもっと速く仕事をさせることではなく、そもそも余計な仕事をさせないことなのだろう。

自分で歌った曲なのに、AI企業から著作権侵害を申し立てられる。しかも、その企業は録音の数年後に設立されていた。 AIによるコンテンツ大量生産が、著作権制度の矛盾を浮き彫りにしている。 米国の音楽家サマンサ・ショーキン氏は、ブルガリアの伝統的な民謡をアカペラで録音し、インターネットに公開した。その歌声は知らないうちに音楽サンプルとして流通し、多くのDJによって利用されていた。販売元との交渉ではロイヤルティを受け取ることで解決したものの、その後、今度は自分自身のYouTube動画が著作権侵害を理由に削除されてしまった。 申し立てたのは音楽配信企業Media Nov Records。ショーキン氏は2度にわたって異議を申し立てたが、YouTubeは認めず、企業に問い合わせても返答がなかった。自分が歌ったという事実があっても、作品を取り戻せなかったのである。 この企業には、もう一つ注目すべき特徴がある。Media Nov Recordsは約500のYouTubeチャンネルを運営していると説明しており、調査ではAI生成画像や反復的な電子音楽、低品質な動画が大量に掲載されていることが確認された。同社はAIによる音楽認識や著作権保護も事業として掲げている。 さらに、企業のウェブサイトには1996年から存在すると記載されていたが、確認されたアイルランドの法人記録では設立は約1年前だった。404 Mediaの取材後、企業はようやく削除申請を撤回し、動画は復旧した。ただし、関連する権利を保有しているという主張までは取り下げていない。 ここで問題になるのは、AIによるコンテンツの大量生産と、著作権管理の自動化が結びついていることだ。 404media.co/how-an-ai-conten…

mezuraは単に行数を数えるだけでなく、80以上のプログラミング言語に対応し、コメントや文字列、空行を区別する。当初は各行から記号を探して後から整合性を判断していたが、複雑な記法では誤判定が生じていた。 そこで開発者は、状態遷移テーブルを使った字句解析器へと設計を変更。文字を順番に読み取り、現在の状態に応じて意味を判断する方式に統一した。これにより命令数が減少しただけでなく、従来のコメント解析に潜んでいたバグまで解消された。

もっとも、CMUが大学教育をすべて無料にしようとしているわけではない。無料の講義公開とは別に、公式資格や学位につながる有料のオンライン教育も用意している。 つまり、知識へのアクセスは無料で広げ、評価や資格認定には別の価値を持たせる構造とも読み取れる。

3,600万行のコードをわずか67ミリ秒で解析。しかも、高速化を進めたらバグまで減った。 Rust製のコード解析ツール「mezura」は、Linuxカーネルの約6万3,700ファイル、合計1.37GBをわずか67ミリ秒で処理する。開発者は処理時間を約400ミリ秒から166ミリ秒、88ミリ秒、そして67ミリ秒へと短縮した。 高速化にはSIMD命令による64バイト単位の処理や、不要なメモリコピーの排除などが貢献した。しかし、最適化は一筋縄ではいかなかった。分岐予測ミスを14%削減したにもかかわらず、処理時間が逆に12%増加するケースもあった。CPUの内部指標が改善しても、プログラム全体が速くなるとは限らないのだ。 さらに興味深いのは、高速化の過程でコード解析の正確性まで向上したことだ。 mezuraは単に行数を数えるだけでなく、80以上のプログラミング言語に対応し、コメントや文字列、空行を区別する。当初は各行から記号を探して後から整合性を判断していたが、複雑な記法では誤判定が生じていた。 そこで開発者は、状態遷移テーブルを使った字句解析器へと設計を変更。 petros-papatheodorou.dev/wri…

世界トップクラスの大学講義が無料になる時代。大学に高い学費を払う意味は、どこに残るのだろうか。 米カーネギーメロン大学(CMU)が、コンピュータサイエンスの講義を無料公開する「CS Learn」を開始した。AI、機械学習、ソフトウェア設計など、大学教員による講義をYouTubeで視聴できる。AIエージェントや機械学習システムなど、最先端のテーマも対象だ。 さらに注目したいのは、講義動画の公開だけで終わらないことだ。今後は大学の授業に基づいた演習教材、即時フィードバック、学習バッジ、AIチューターによる個別学習支援なども導入する計画だ。 大学講義の無料公開自体は新しくない。MITのOpenCourseWareなど、以前から同様の取り組みは存在していた。しかし、従来のオンライン教育には、講義を視聴できても質問しにくく、理解度を確認する機会が限られるという弱点があった。 AIチューターがこの問題を解消できれば、質の高い大学講義と個別指導を、世界中の学習者に低コストで提供できるようになる。大学で学ぶことの価値が、知識を教わることから、学習成果の評価や研究指導、人との交流へと移っていく可能性がある。 cs.cmu.edu/learn/

プレステ2の開発ですらメモリー管理モジュールいくつか作って使い分けてたもんね。
「C言語はメモリを手動管理する」――その常識、実際の大規模開発では少し違うようです。 主要なC言語プロジェクト40件のメモリ管理方式を調査したところ、手動管理だけに依存していたのはわずか8件でした。残りの多くは、Region方式、参照カウント、ガベージコレクション(GC)など、さまざまな仕組みを組み合わせています。 例えば、PostgreSQLではメモリ確保箇所の78%がRegion方式、CPythonでは85%が参照カウント、Rubyでは82%がGC方式。一方、SQLiteは完全な手動管理を採用しています。つまり、同じC言語で書かれたソフトウェアでも、メモリ管理の実態は大きく異なります。 興味深いのは、C言語自体には高度なメモリ管理機能が備わっていないにもかかわらず、大規模なプロジェクトでは独自の仕組みを構築している点です。例えばRegion方式では、個々のオブジェクトを逐一解放する代わりに、処理が終了した時点でメモリ領域をまとめて解放できます。こうした設計によって、開発者の管理負担を軽減しています。 さらにLinuxやQEMUでは、コンパイラ拡張を利用してスコープ終了時にメモリを自動解放する仕組みも導入され始めています。C言語の世界でも、メモリ管理をできるだけ安全かつ簡単にするための工夫が積み重ねられているわけです。 theconsensus.dev/p/2026/11/0…

これは子どものスポーツに限らない。企業の成果主義、学校の成績評価、社会の競争制度にも共通する問題だろう。 競争を強めれば成果が上がるかもしれない。しかし、数字を追い求めるあまり、不正や無理な行動が生まれる可能性もある。逆に、全員を平等に扱えば、努力と成果の違いが見えにくくなるかもしれない。 ただし、今回の研究は仮想的な場面についての予測を調べたもので、実際の行動を検証したわけではない。 そして、もう一つ考えたいことがある。

実際組み込みでもあるオブジェクトのアロケーションテーブル作ってオブジェクトに必要なメモリのポインタをアロケーションテーブルで管理して、そこからクリーンアップするみたいな処理は作ってたなぁ。
「C言語はメモリを手動管理する」――その常識、実際の大規模開発では少し違うようです。 主要なC言語プロジェクト40件のメモリ管理方式を調査したところ、手動管理だけに依存していたのはわずか8件でした。残りの多くは、Region方式、参照カウント、ガベージコレクション(GC)など、さまざまな仕組みを組み合わせています。 例えば、PostgreSQLではメモリ確保箇所の78%がRegion方式、CPythonでは85%が参照カウント、Rubyでは82%がGC方式。一方、SQLiteは完全な手動管理を採用しています。つまり、同じC言語で書かれたソフトウェアでも、メモリ管理の実態は大きく異なります。 興味深いのは、C言語自体には高度なメモリ管理機能が備わっていないにもかかわらず、大規模なプロジェクトでは独自の仕組みを構築している点です。例えばRegion方式では、個々のオブジェクトを逐一解放する代わりに、処理が終了した時点でメモリ領域をまとめて解放できます。こうした設計によって、開発者の管理負担を軽減しています。 さらにLinuxやQEMUでは、コンパイラ拡張を利用してスコープ終了時にメモリを自動解放する仕組みも導入され始めています。C言語の世界でも、メモリ管理をできるだけ安全かつ簡単にするための工夫が積み重ねられているわけです。 theconsensus.dev/p/2026/11/0…

「参加賞は子どものためになる」という大人の善意。ところが、子ども自身は少し違う考えを持っているらしい。 米国の研究で、7〜9歳と15〜18歳の計87人を対象に、全員にトロフィーを与える場合と、上位3人だけに与える場合の違いを調べた。 その結果、7〜9歳の72%が、勝者だけを表彰する方が努力を促すと回答。また81%が、勝者だけが受け取る賞の方が特別な喜びを感じられると予測した。 つまり、小学生でも競争の価値を理解している。しかし、年齢が上がると、もう一つの側面が見えてくる。 15〜18歳では、95.5%が勝者だけを表彰する制度では不正が起きやすいと予測し、全員が怪我につながる危険な行動を誘発すると回答した。 競争は努力を生むが、同時に不正や過剰なリスクも生む。 10代になると、その両面を理解するようになるらしい。 さらに興味深いのは、10代では自分の走力を高く評価する人ほど、勝者だけが表彰される制度を好む傾向があったことだ。 psypost.org/new-study-finds-…

AIが膨大なコードや数学の証明を自動生成する時代、人間がすべての内容を詳細に確認することは難しくなる。そのため、生成結果を独立して検証する仕組みと、そもそも何を検証すべきかを正確に定義する能力が、これまで以上に重要になる。 AIによって「答えを作るコスト」が下がるほど、価値が高まるのは「何を問い、どう正しさを保証するか」という能力なのかもしれない。

AIが生成した数学の証明は、コンパイルが成功しても正しいとは限らない。しかも、その問題はAIによるソフトウェア開発にも共通している。 数学の証明を機械的に検証する「Lean」は、AIが生成した複雑な証明の正しさを保証する手段として注目されている。OpenAIは2026年10月、722本の数学論文を公開し、その約45%にLeanのコードを添付した。しかし、Xena Projectの記事は「Leanで検証済み」という言葉だけでは、証明の正しさを保証できないと指摘している。 問題は、コードが正常にコンパイルされても、論文が主張する命題とは別のものを証明している可能性があることだ。さらに、定義のすり替えや都合のよい公理の追加、検証エンジン自体のバグなども考慮する必要がある。Leanには、定義や公理を確認するlake comparatorや、独立した複数の検証エンジンを利用する--paranoidといった仕組みが用意されている。 これはAIによるプログラム開発にも通じる問題だ。コードが動くことと、意図した仕様を満たしていることは別問題であり、数学の証明でも同じことが起きている。 さらに興味深いのは、形式的に正しい証明が存在していても、それを人間向けの論文に書き直す段階で誤りが入り込むことだ。記事では、Navier–Stokes方程式に関する研究で、Leanの証明と論文の説明が食い違った事例も紹介されている。つまり、証明の生成から検証、そして人間への説明まで、それぞれの段階で正しさを確認しなければならない xenaproject.wordpress.com/20…

この事例は、マイクロサービス化やクラウドネイティブ化の本質についても考えさせられる。 サービスを細かく分割し、複数のサーバーやAZに配置しただけでは、真の意味で分散したとはいえない。むしろ依存関係が増えることで、局所的な障害がシステム全体に広がる危険性すらある。 重要なのは、どれだけ分散させたかではなく、どこまで独立させられたか。