Seleniumの作者によるAIと人間のためのブラウザ自動化「Vibium」
ブラウザ自動化ツールのSeleniumを開発したジェイソン・ハギンズ氏が新たにAIエージェントとの親和性を高めた新しいブラウザ自動化ツール「Vibium」を公開しました。 VibiumDev/vibium: Browser automation for AI agents and humans https://github.com/VibiumDev/vibium Vibium – Browser automation without the drama https://vibium.com/ 今回はWindows 11でNode.jsが利用できる環境を用意した上で、公式のチュートリアルの手順を参考にインストールします。プロジェクトフォルダを作成し、プロジェクトを初期化します。 mkdir my-first-bot cd my-first-bot npm init -y Vibiumをnp
OpenAIがオープンソース推論モデル「gpt-oss-safeguard」をリリース、開発者が自分で検閲ルールを設定可能でルールに従う能力はGPT-5を上回る
OpenAIがオープンソースの推論モデル「gpt-oss-safeguard」を2025年10月29日にリリースしました。gpt-oss-safeguardは推論時にコンテンツポリシーを追加できるモデルで、各開発者は「不正行為の議論を禁止する」「偽レビューの生成を禁止する」といったルールを自分で設定することができます。 Introducing gpt-oss-safeguard | OpenAI https://openai.com/index/introducing-gpt-oss-safeguard/ Technical report | OpenAI https://openai.com/index/gpt-oss-safeguard-technical-report/ gpt-oss-safeguardはgpt-ossをベースに開発されたモデルで、各開発者が独自のポリシーを設定でき
Xが「2要素認証で使うセキュリティキーを11月10日までに再登録しないとアカウントがロックされる」と呼びかける、Twitterドメイン廃止のため
X(旧Twitter)のセーフティーチームが日本時間の2025年10月25日、アカウントにログインする際の2要素認証として使っているセキュリティキーを再登録するように呼びかけました。この動きは、XがまだTwitterだった時期に使われていたドメイン「twitter.com」の廃止によるものだとのことです。 After November 10, if you haven’t re-enrolled a security key, your account will be locked until you: re-enroll; choose a different 2FA method; or elect not to use 2FA (but we always recommend you use 2FA to protect your account!).— Safety (@Safet
Googleの画像生成AI「Nano-banana」をめちゃくちゃ活用できるプロンプトとサンプル画像実例まとめ
Googleが2025年8月に公開した画像生成AI「Gemini 2.5 Flash Image(Nano Banana)」は、入力した画像の特徴を維持しながら編集することが得意で、無料ユーザーでも1日100枚まで画像を生成することが可能です。そんなNano Bananaで使えるプロンプトとその実例をまとめたGitHubのページが有志によって公開されていたので、いくつかピックアップしてみました。 Awesome-Nano-Banana-images/README_en.md at main · PicoTrex/Awesome-Nano-Banana-images · GitHub https://github.com/PicoTrex/Awesome-Nano-Banana-images/blob/main/README_en.md ・目次 ◆1：イラストをフィギュア化 ◆2：異なる時代
Chrome上でClaudeをエージェントとして使える公式拡張機能「Claude for Chrome」が登場
GoogleのウェブブラウザであるChrome上でAnthropicのAIアシスタントであるClaudeを利用できるようになる公式拡張機能の「Claude for Chrome」が登場しました。Claude for Chromeを使えばブラウザ上での操作を指示してClaudeにボタンをクリックしてもらったり、フォームを入力してもらったりできます。 Piloting Claude for Chrome \ Anthropic https://www.anthropic.com/news/claude-for-chrome We’ve developed Claude for Chrome, where Claude works directly in your browser and takes actions on your behalf. We’re releasing it at fi
OpenAIが次世代AIの「GPT-5」を2025年8月にリリースか
AI業界のパイオニアであるOpenAIが、早ければ2025年8月にも新しい大規模言語モデル(LLM)の「GPT-5」をリリースする予定であると、テクノロジーメディアのThe Vergeが報じました。 OpenAI prepares to launch GPT-5 in August | The Verge https://www.theverge.com/notepad-microsoft-newsletter/712950/openai-gpt-5-model-release-date-notepad OpenAI prepares to launch GPT-5 in August, The Verge reports | Reuters https://www.reuters.com/business/openai-prepares-launch-gpt-5-august-verge
2024年にAI分野で何が起きていたのか振り返り、2023年に市場を席捲したGPT-4を上回るAIモデルが多数登場しコンテキストウィンドウの拡張やマルチモーダルモデルが一般化して価格も急落
元Eventbriteのエンジニアリングディレクターであり、オープンソースツール・Datasetteの開発者でもあるサイモン・ウィリソン氏が、2024年に人工知能(AI)分野で起きた出来事をまとめています。 Things we learned about LLMs in 2024 https://simonwillison.net/2024/Dec/31/llms-in-2024/ ◆GPT-4の壁が完全に破られる 2023年3月に公開されたOpenAIの大規模言語モデル(LLM)「GPT-4」は、同年の12月時点では最も優れたパフォーマンスを示すAIモデルでした。しかし、2024年の終わりにはオリジナルのGPT-4よりも優れたパフォーマンスを発揮するAIモデルが多数登場しています。 LLMのパフォーマンスを比較するためのオープンソースAIベンチマークであるChatbot Arenaによる
OpenAIが「OpenAI o1のAPIリリース」「音声会話APIの値下げ」「JavaとGoのライブラリ公開」など新情報を大量公開
OpenAIが「OpenAI o1(正式リリース版)」のAPIを公開しました。合わせて、AIとの音声会話機能を提供する「Realtime API」のアップデートや、モデル微調整機能のアップデート、GoライブラリおよびJavaライブラリのリリースも発表されています。 OpenAI o1 and new tools for developers | OpenAI https://openai.com/index/o1-and-new-tools-for-developers/ Our reasoning model @OpenAI o1 is now in the API! It comes with function calling, developer messages, Structured Outputs, and vision. 🍓 We also shipped WebRTC s
マークダウンっぽい記法で予定表を書ける「Markwhen」レビュー、VS CodeやObsidian向けの拡張機能もあり
「Markwhen」はマークダウンに似た記法で予定表を作り、タイムライン形式やカレンダー形式で表示できるシステムです。一般的なカレンダーアプリではボタンを1つ1つクリックしながら予定を登録する必要がありますが、Markwhenならテキストをダダダッと打ち込むだけで予定を登録できます。 Markwhen https://markwhen.com/ MarkwhenはVisual Studio Code(VS Code)やObsidian向けの拡張機能として利用可能なほか、簡単に使えるウェブアプリ「Meridiem」も用意されています。今回は以下のリンク先にアクセスしてMeridiem上でMarkwhenを使ってみます。 Meridiem https://meridiem.markwhen.com/ Meridiemの画面はこんな感じ。画面中央にMarkwhen形式のテキストが表示され、右側に
ゆっくり解説動画を一瞬で作れるAIアプリ「NoLang」の使い方まとめ
「NoLang」は「○○の解説動画を作って」と入力するだけで解説動画を作成できるウェブアプリです。新たに、画面端にキャラクターを2体配置して対話形式で物事を解説する「ゆっくり解説」形式の動画が作成可能になったので、実際に試してみました。 【🔥重大発表】🐬NoLang 2.0をリリースしました！！ ついに、「ゆっくり解説」形式の動画生成や縦型ショート動画の作成が可能に！ 他にも動画の長さ指定、プロンプトによるスタイル制御、画像生成AIなど新機能が目白押し。 圧倒的進化を遂げたNoLangを是非お試しください！https://t.co/WcRBvKLhP1 pic.twitter.com/JOFN8t45KK— マーベリック|生成AI@NoLang (@sayhi2ai_jp) July 7, 2024 ・目次 ◆1：NoLangのアカウント登録 ◆2：「ゆっくり解説」形式の動画を作る設定
わかりにくい線形代数を操作可能な図で表現することで簡単に理解できる無料の教科書「Immersive Math」
「Immersive Math」は、数学のうちベクトルや行列などの計算を研究する分野である「線形代数」についてインタラクティブな図を用意することでわかりやすさを向上させた無料の教科書サイトです。 Immersive Math https://immersivemath.com/ila/index.html サイトのトップページはこんな感じ。「完全にインタラクティブな図を備えた世界で最初の線形代数本」と述べられています。 中央に表示されている三角形の図はインタラクティブで、左上をクリックすることで回転・停止を切り替えられるほか、各頂点をクリックしてドラッグ＆ドロップすることで位置を調整可能。自由に図を編集できるため理解しやすいというわけです。 ページをスクロールすると目次が現れました。まずは「Preface(序文)」をクリック。 「『百聞は一見に如かず』という言葉の通り、たくさんの言葉を重ね
ChatGPTなど数々の高性能AIを生み出した仕組み「Attention」についての丁寧な解説ムービーが公開される
さまざまな数学的トピックをムービー形式で解説するサイト「3Blue1Brown」において、ChatGPTに代表されるAIを形作っている「Transformer」構造の心臓部「Attention(アテンション)」についての解説が行われています。 3Blue1Brown - Visualizing Attention, a Transformer's Heart | Chapter 6, Deep Learning https://www.3blue1brown.com/lessons/attention AIの中身と言える大規模言語モデルのベースとなる仕事は「文章を読んで次に続く単語を予測する」というものです。 文章は「トークン」という単位に分解され、大規模言語モデルではこのトークン単位で処理を行います。実際には単語ごとに1トークンという訳ではありませんが、3Blue1Brownは単純化して
Wii Uのオンラインサービス終了までにスーパーマリオメーカーの未クリアコースをすべてクリアして遊びつくすという試みは成功したのか？
プレイヤーが自由にコースを作成したり共有したり、他人の作成したコースをプレイしたりすることができるという、これまでにない新しいマリオの遊び方を生み出したのが「スーパーマリオメーカー」です。ユーザーの創意工夫溢れるコースは、Wii Uのオンラインサービスが終了することで遊べなくなることが明らかになっていたのですが、その陰で「Wii Uのオンラインサービスが終了する前に未クリアコースをゼロにする」という取り組みが行われていました。 Inside the quest to finish Super Mario Maker’s disappearing levels - The Verge https://www.theverge.com/2024/4/12/24127340/super-mario-maker-nintendo-wii-u-shutdown 2015年、任天堂がコースを自由に作成
文章で指示するだけで音楽を作れる音楽生成AI「Stable Audio 2.0」が登場したので使ってみた
画像生成AI「Stable Diffusion」の開発元として知られるStability AIが音楽生成AI 「Stable Audio 2.0」を公開しました。すでに日本からも利用可能になっていたので、実際にStable Audio 2.0を使って音楽を生成する手順をまとめてみました。 Stable Audio 2.0 のご紹介 — Stability AI Japan https://ja.stability.ai/blog/stable-audio-20 ◆Stable Audio 2.0で作れる音楽の例 Stable Audio 2.0はテキストで指示するだけで音楽を生成できるAIです。以下のムービーを再生すると、「Cinematic Synthwave(映画風のシンセウェイヴ)」というプロンプトで生成した音楽の例を聴けます。 Stable Audio 2.0 - YouTube
AIを操る「プロンプトエンジニア」がAIによって駆逐されつつある
「プロンプトエンジニアリング」は、意図した通りの出力を得るためにAIへの命令文であるプロンプトを調整する行為です。これまで、プロンプトエンジニアリングは人間のエンジニアによって行われてきましたが、プロンプトの作成自体にもAIを使用した方がパフォーマンスが向上するという研究結果が発表されました。 [2402.10949] The Unreasonable Effectiveness of Eccentric Automatic Prompts https://arxiv.org/abs/2402.10949 AI Prompt Engineering Is Dead - IEEE Spectrum https://spectrum.ieee.org/prompt-engineering-is-dead 2022年の秋にChatGPTが登場して以来、プロンプトを工夫することでAIの出力を改善し
Instagramはどうやって3人のエンジニアで1400万人にサービスを提供できるシステムを組み上げたのか
Instagramは2010年10月にサービスを開始後、2011年12月までのわずか1年間で1400万人に利用されるほど巨大なサービスに成長しました。こうしたスケールに対応できるシステムを組み上げたのはたった3人のエンジニアだったとのことで、どのように少人数でスケールするシステムを組み上げたのかについて、エキスパートエンジニアのレオナルド・クリードさんが解説しています。 How Instagram scaled to 14 million users with only 3 engineers https://engineercodex.substack.com/p/how-instagram-scaled-to-14-million レオナルド・クリードさんは、Instagramが3人のエンジニアで安定して巨大なサービスを提供できた理由として、下記の3つの原則を守ったからだと述べています
ChatGPTを支えた高品質AI作成手法「RLHF」の中身はこんな感じ、面倒なデータ入力・整理はオープンソースでセルフホスト可能なプラットフォーム「Argilla」が便利
RLHFとは「人間の評価による強化学習」のことで、大規模言語モデルをChatGPTなどの実用レベルに至る品質にまで高めた実績のある手法です。RLHFでは教師データを作成したり、大規模言語モデルの回答を評価したりする際に人間がデータを入力する必要があり、特に複数人で作業する場合にデータの管理が大変になってしまうものですが、そうしたRLHF用データの入力や管理を行ってくれるプラットフォームが「Argilla」です。 Bringing LLM Fine-Tuning and RLHF to Everyone https://argilla.io/blog/argilla-for-llms/ 大規模言語モデルを作成する時の手順を示したのが下の図です。まず大量のテキストを用いて事前学習を行います。こうして作成されたモデルが事前学習済みモデルで、GPTやPaLM、LLaMAなどのモデルがこのカテゴリに
Googleがパスワード不要でログインできる「パスキー」に対応したのでiPhoneとAndroidスマホで試してみた
「パスキー」は各種ウェブサイトにパスワード不要でログインできるようにする仕組みで、AppleやGoogle、Microsoftといった大手テクノロジー企業が利用を推進しています。新たにGoogleのログインシステムがパスキーに対応してパスワード不要でログインできるようになったので、実際にAndroidスマートフォンやiPhoneを用いてGoogleにログインする手順を確認してみました。 Passkeys: What they are and how to use them https://blog.google/technology/safety-security/the-beginning-of-the-end-of-the-password/ ・目次 ◆1：パスキーでのログインを有効化する手順 ◆2：Androidスマートフォンを使ってGoogleにログインする手順 ◆3：iPhone
金融のプロがExcelをeスポーツ化、財務モデリング構築の速さを競う「FMWC」が開催
表計算ソフトのMicrosoft Excelを使い、企業評価やM＆Aといったさまざまなケースを解決する財務モデリングの構築スキルを競う「Financial Modeling World Cup(FMWC：財務モデリング ワールドカップ)」が開催されました。 FMWC Open - Dec 11 (FINALS) - Excel as esports - YouTube FMWC – Financial Modeling World Cup | $20,000 Prize Fund https://www.fmworldcup.com/ Top Excel experts will battle it out in an esports-like competition this weekend | PCWorld https://www.pcworld.com/article/559001
SaaSのランディングページで絶対に避けるべき7つの間違い
SaaSスタートアップを運営する上で、見込み客に製品を使ってもらえるかを左右する要素の1つがウェブサイトのトップページ、ランディングページの構成です。ランディングページの作成サービスであるMarket Curveが、すぐにでもランディングページを改善できる考え方やコツを公開しています。 7 biggest landing page mistakes to avoid — Market Curve https://www.marketcurve.org/essays/7-biggest-landing-page-mistakes-to-avoid ◆間違い1：機能について語る まず理解すべきなのは、「顧客はあなたの製品に興味がなく、あなたの製品が自分に対して何をしてくれるのかに興味を持つ」ということ。このため、「機能」についての説明ばかりが並ぶランディングページは避けるべき。 例えば、ユーザ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
