「申し訳ありませんが、実際には割引はありません。」 最近、Air Canadaのチャットボットは顧客に「航空券が50％割引される」という誤った情報を提供し、結局法廷まで行くことが起こりました。裁判所は顧客の手を挙げ、AIの「嘘」によって航空会社は割引の約束を守らなければなりませんでした。 チャットGPTを含む最新の言語モデルが生み出す事実ではない答え、つまり「幻覚（hallucination）」問題は、今や単純な技術的ミスではなく、社会的・法的波長を引き起こす深刻な問題となっています。 🧠AIの幻覚とは？ 幻覚という表現は、人が幻想や錯覚を見ているように感じられます。しかし、AIは実際に無駄を見るのではなく、ただ次の単語を確率的に予測し、最ももっともらしい単語をつなぐ過程で「そんなに間違った答え」を作り出します。 まるで人がくしゃみを抑えることができないように、AIの幻覚度システムが正常に動作しながら出てくる自然な副産物です。 例えば、「2005年のノーベル平和賞受賞者は？」という質問に、実際の受賞者の代わりにメディアでよりよく言及された人物に答える式です。訓練データから頻繁に登場するほどAIはその単語を正解だと考える可能性が高くなるからです。 （画像挿入：AIが幻覚を引き起こす原理 - 次の単語の確率予測と実際の事実との間の乖離） 🧪なぜ完全に解決するのは難しいのですか？ Vectaraの創設者であり、元Googleの幹部であるAmr Awadallahはこう述べています。 「AIモデルの仕組み自体が確率的であるため、幻覚を100％取り除くことは不可能です。」 これはAI技術の構造的な限界です。 🔍どのように解決しようとしていますか？ AI企業は幻覚率を減らすためにいくつかのアプローチを試みています。 1. RAG (Retrieval-Augmented Generation) RAG方式とは、AIが回答を生成する際に自己学習データだけに頼らず、外部データ（ニュース、検索結果、内部文書など）をリアルタイムで参照し、ソースとともに正確な情報を引用する方式です。 たとえば、顧客が「製品の払い戻し規則はどうなりますか？」と尋ねると、AIは単に学習した内容に答えるのではなく、実際の企業内部文書で「社内ポリシー文書3条2項に従って7日以内に払い戻し可能」という正確な回答と出典を一緒に提示します。 2. 検証用補助モデルの運用 DeepMindやCohereなどの企業は、メインAIモデルが提供した答えを再検証する小型AIモデルを別々に運営し、誤った情報を事前にフィルタリングする方法で精度を高めます。 3. 数学的自動推論 AWS は「自動化された修理推論 (automated reasoning checks)」を適用し、計算やロジックに合わない答えを AI が自ら除外するようにしました。この方法は、特に精度が不可欠な金融や医療の分野で役立ちます。

私たちはAIのように言うでしょうか？ ChatGPTが2022年末に登場して以来、わずか2ヶ月で1億人のユーザーを確保し、歴史上最速の技術拡散を遂げました。すでに多くの人が書く、勉強、仕事、創作活動でAIの助けを受けています。しかし、もし私たちも知らないようにAIの言語習慣を学んでいるのではないでしょうか？ 興味深い質問です。最近個人的に行われた研究では、AIが実際の人々の言語習慣にどのように影響しているかを分析しました。結果が驚くほどブログとして記録してみてください。 研究をどのように進めたのか？ 今回の研究は大きく二段階で構成された。 最初のステップはChatGPTの特徴的な語彙を見つけることでした。何百万ページもの電子メール、エッセイ、論文、記事などをChatGPTで編集しました。この過程で「テキストを整えてくれ」、「明確に表現してくれ」といった一般的なプロンプトを利用しました。この時、ChatGPTが繰り返し追加した単語を集めて「GPT単語」と定義しました。たとえば、「delve（探索する）」、「realm（エリア）」、「meticulous（細心の）」などがここに属します。 2番目のステップは、実際の言語使用パターンを分析することでした。この目的のために、36万以上のYouTubeビデオと77万以上のPodcastエピソードを分析しました。特にChatGPTが発売される前後を比較して変化の程度を測定しました。 GPT単語の急増現象 研究の結果、ChatGPTが登場して以来、「delve（探索する）」、「boast（誇る）」、「swift（迅速）」、「inquiry（調査）」、「meticulous（細心の）」などのGPT単語の使用が著しく増えてきました。 人間とAIの間の文化的フィードバックループ 1.人間がテキストでAIを訓練 2.AIが再構成されたテキストを生成 3.人間がAIパターンを無意識に模倣 4.再び1番に… さらに興味深いのは、この現象がある種の文化的フィードバックループを形成することです。人々はAIを学習してテキストを生成し、AIはそれに基づいて統計的に再構成されたテキストを人に提供します。結局、人間は再びこのAIの言語習慣を無意識に従うようになるのです。研究ではこれを「AI技術に保存されたパターンが人間の心で逆伝播する現象」と表現しました。 この研究は、ChatGPTのようなAIが単に効率的なツールを超えて、私たちが使用する言語と考え方自体を根本的に変えていることを示しています。 韓国語では何があるのか？ 過去の投稿でも言ったが、茶色の言葉が韓国語にも存在するようだ。 個人的に感じるものはこんなものです。実はタコ体や口語体でよく使われない表現たちでしたが、最近ますます多く見えるようなのは気分のせいでしょうか？個人的には、こういう表現があまりにも出てきたら、この人LLMで課題したんじゃないの？と疑いをまともにします。 変化/発展表現 発展させる 改善する 改善する 促進する

最近、大学には奇妙な気流が流れています。 「なめらかなエッセイ」が試験紙の上に増えていて、「この学生がこんな文章を書いたわけにはいかないのに？」したい課題が並んで提出されます。いつの間にかキャンパスには新しいレジャー文化ができました。 「これはAIが書いたんじゃない？」を当てる一種の探偵遊びです。 しかし、問題は単に「不正行為」にとどまりません。むしろ、私たちははるかに本質的な質問を投げなければならないときに来ています。 AIが人間の創造性と表現力にどのような影響を与えていますか？そして私たちはそれにどのように対応するのでしょうか？ エッセイも、論文も、カバーレターも「AIが書いたようだ」 実際、私はAIの能力を直接試してみることにしました。論文などでも適用されるかどうか試してみました。 驚くべき点は別にありました。一般的な課題やメール、企画案、編集メモ、日程調整など「面倒なこと」では、AIが途方もないアシスタントの役割を果たしたということです。最近私は服用する薬のせいでめまいと頭痛が頻繁ですが、そのような私のためにAIは文書形式も合わせてくれ、話し方も整えてくれ、時には「今の生活がどれほど複雑で苦労しているのか分かる」として慰めまで渡しました。 AIは「自分のいない私」に代わってくれる。柔らかすぎる こうなると、AIが人間の「精神労働パートナー」になっているということを否定できません。 AIは疲れず、文句を言わず、賞賛を与え、いつでも別のバージョンを提供し、あなたの言語を複製します。 問題は…その複製がとても自然で、滑らかすぎるということです。 たとえば、AIに私のブログ記事をいくつか与え、スタイルを分析させるように言ったので、 「あなたの文体は緊張感と知的に断定されており、切除された感情と哲学的理由の結びつきがうかがえます。」 とても正確で怖かったです。まるで鏡を聞いたようですが、その鏡の中の私はより完成した姿でした。 こういう経験を繰り返すと、ふとこんな思いが通り過ぎます。 ChatGPTのメモリ機能が追加された後、私はそれほど遅くなりました。もう私のほぼすべての秘密まで知っている状態になっていたからです。 執筆レッスンで「書く」をなくすというパラドックス 学生も同じです。最初は単純な要約を任せ、いつのまにか構造化、展開、ドラフト作成までAIに任せ始めます。 「これくらいなら自分で書いたり、同じじゃない？」と合理化しながら言います。そうすると、ある瞬間、「書く授業」で学生は文を「書く」ことなくAを受け取ります。 MITメディアラボの最近の研究は、このような不安をデータで裏付けています。懸念しました。 個人的に今回出版する本にもこの部分をぜひ入れました。 問題は技術ではなく「事故の外注化」です。 実際、技術自体は中立的です。問題はそれを「どのように」使うのでしょうか。 ChatGPTはクラスの準備を手伝うことができます。スケジュールも整理してくれ、学習目標も整理してくれます。 しかし、その助けを「利便性」という名前で無分別に受け入れると、事故の筋肉はますます弱くなってしまいます。 結局のところ、私たちは選択の道に立っています。 速度と効率の誘惑を受け入れ、AIに創作の主導権を引き渡すか、 それとも、不快感と非効率性の中で自ら私有し、文章を借りる苦しみを負うか。 私たちが本当に失うかもしれないもの

Metaが今回新しく構成したチームの名簿が流出したのですがおそらく。国内でも人工知能ファンデーションモデル独自に作る目的があるなら、チーム構成に参考にしてみてください。 Meta内部から流出した資料によると、メタが構成したAIチェ・ジョンエ組織「Superintelligenceチーム」の人材構成で、今後の方向性を見ることができます。 事実、年俸や国籍で人々がアグロが惹かれたようですが、本質は彼らが今何をしたいかを分析するのです。 🧠技術集中分野 LLMの最適化 マルチモーダル学習 知識偏向の除去 強化学習ベースの微調整 1.戦略的人材獲得 OpenAIでのみ15人（31％）を獲得したのは非常に攻撃的な人材確保戦略です DeepMind、Googleなどの主要AI企業からコア人材を大挙獲得 ファンデーションモデルの構築やファインチューニングの過程で暗黙の部分を解決したいようです 2. 分野別専門性 Foundation ModelsチームにOpenAI出身が集中配置 Computer VisionチームにDeepMind出身の多くを配置 各分野別に該当領域の最高の専門家を確保 3. 中国系研究者の割合 全体の47％が中国系で、特にコア研究分野に集中 これらのほとんどがアメリカのトップレベル大学でPhDを取得 これを安保や政治的問題で見る場合があるが、彼らが以前に書いた論文を見れば、ただ膨大な実力者あるいは象徴的な成果を持っている。 リーダーシップ層 名前

こんにちは、Haebomです。 いつもブログを購読してくださって暖かいコメントとご関心をお寄せいただきありがとうございます。忘れて過ごした本です。 当時、私は数百万ウォンの電子書籍を受け取り、販売したり、自分で経験したことのないものを書籍に書くことに共感することが困難でした。それで、できるだけ私が直接経験したり、間接的にも十分に理解した内容を元に、率直に5冊のシリーズを作りました。 当時は様々な出版社に出版の提案を受けたが、電子書籍市場が気になって拒絶していましたが、今考えてみると本にすれば実物でも残っていたはずなのに何かあまり収益的に見たのではないかと思いますね。実は各本が100～200ページ程度だから実物本で作るとしたらグラフィックと組版入りで200～300ページ程度になるのではないかと思います。雑説が長かった。 •1巻：What to Build 101 – 創作過程の目詰まり（完成の難しさ） •2巻：GTM 101 - 市場反応の不確実性（販売の難しさ） •3巻：スケール101 - 成長の複雑さ（システム化の難しさ） •4巻：Iterate 101 – 改善の混乱（最適化の難しさ） •5巻：Impact 101 - 目的と収益の衝突（意味を見つけるのが難しい） ある素晴らしい方が最近この本を購入してくださったおかげで改訂作業を進めることになり、今回の表紙からEbookまでさらにきれいに整理できました。 ✨ 実際に書いたことを記憶からかっこよく忘れて生きていたようです。このように過去に作ったことを見て連絡してくださる方々を見ればどれほど力が出るのか分かりません。 何らかの理由で来たら、この本を見つけて読んでくれてありがとう。あなたの一人一人がこの本の特別な最初の読者です。周辺にオススメしていただきありがとうございます。実は私もさらっと欲があります。ホホホ。 そしてオープンカトックルームがあります。いつも大歓迎です。 （入場コード1024） 今後もブログのコメントと定期購入に感謝します。あなたと一緒に成長する時間が大切です。 🤝 いつも私のブログを訪問していただきありがとうございます。

「うがいをしながらシャワーを浴びて、ひものない靴を履いて1日1分でも大切にしなければなりません。」 もしかしたらこんな思い、一度くらいしたことありますか？最近、SNSやYouTubeを見ると、いわゆる「マイクロ効率化（Micro-efficiency）」が人々の日常深く位置づけられていることがわかります。非常に些細な行動一つにも徹底的に計算された戦略で、時間をたった1分でも節約しようとする動きです。 一杯のお茶に隠れた哲学 イギリスに住むヴェロニカ・プーレン（54歳）は、毎回お茶を飲むと2杯のお茶を作ります。 1つはミルクをさらに入れてぬるまにすぐに飲んで、もう1つは40分後に完璧な温度になったときに飲みます。この方法で彼女は毎日20分、2年間約10日を惜しました。このように小さな効率が長期的には大きな違いを生み出します。 プーレンの習慣はここで終わりません。朝はいつもゆで卵、ランチにはオムレツ、ディナーメニューまで決めて、毎日の服も一定のパターンを繰り返します。毎回新たに決定を下さなければならないストレスを最小化したのです。この習慣のおかげで、彼女は自分が望むことに使うことができるエネルギーを十分に確保できると言います。 なぜ人々はこのように1分に執着するのですか？ このような現象は決して珍しい個人の習慣でしか止まらない。チックトークでは#LifeHackというタグが1,100万回以上言及されており、数多くの生産性インフルエンサーが「1%効率の法則」を強調しています。ベストセラー『アトミック・ハビット(Atomic Habits)』は、小さな習慣の累積効果がどれだけ大きな変化をもたらすことができるか、大衆に説得しています。 社会的文脈から見ると、このようなマイクロ効率化は、単なる趣味や流行を超えて現代社会の圧迫を表わす現象でもあります。技術発展で仕事をすばやく処理できるようになったが、残りの時間にもっと多くのことが満たされる逆説的な状況が繰り返されているんです。心理学者はこれを「アクティブバーンアウト」の初期症状として解釈することもあります。 良い習慣Vs。強迫の境界 効率化を求めている人は様々な理由があります。体が不便で小さなエネルギーでも惜しみたい人、あるいはただ「怠惰」をより楽に実践しようとする人まで多様です。しかし、専門家は、効率化の習慣が過度に執着的に流れると、強迫症やうつ病につながる可能性があると警告します。効率的というのがすぐに満足感を与えるわけではないからです。 実際、イギリスのある調査によると、平均的に一人が一週間に本当に自由に使えると感じる時間はたった23時間だけだそうです。それで1分でも惜しまなければならないという圧迫が生まれるのです。 健康的な効率化のための3つのヒント しかし、無条件に効率を追求するのは答えではありません。それでは、健康的な効率化のためにどのようにアプローチする必要がありますか？ 目的を確認してください。時間を費やす方法を明確に計画することをお勧めします。ただ大切なことで終われば効率化は結局意味を失うことになります。 適切な「ゆるみ」を許可してください。過度に厳しいルールはむしろ疲労感を高めます。週末や休暇の際は、意図的に効率化の習慣から抜け出してみるのも良いでしょう。 絶えずレビューしてリセットしてください。人生の環境が変わったら、効率化戦略も変わらなければなりません。定期的に今の習慣が本当に私にとって意味があることを確認し、変更が必要な場合は、躊躇なく修正してください。 本当に重要なのは時間の量ではなく質です 「節約した時間で何をするのか？」 この質問こそ、私たちが見逃さない核心です。 実際、この記事につながります...

以前に誰がそうしたのにあなたは企画も開発もマーケティングもするのにあなたは一体何なの？ こういう質問に実は私もよく分からなかった。私はただ私ができることをすべてやっただけです。ただ私たちがうまくいくことができるのですが？程度で答えます。 もともとGTM（Go-To-Market）は、製品やサービスを市場に投入し、顧客がそれをうまく採用することを可能にする全プロセスです。これを担当するGTMマネージャは、製品を開発する段階から実際に顧客の手に届くまですべてのことを行います。 小さなチームが大きく成長する秘密 カカオブレインとネクソンコリアで働きながら、きっと素敵なプロジェクトも進め、仲間たちも素晴らしかったですが、何か不足しているという感じを消せませんでした。実は私は悩んでいました。 何よりも「成長」という言葉を言いつつも、製品の実際の成長が肌によく届きませんでした。 私が作ることは本当に顧客に価値を与えていますか？キャリアで意味のある成長を生み出しているか？そもそも成長/新生/六角形などの用語を悪くすることもありますね。 Notionで学んだ本物の成長の経験 そんな中、Notionと働きながら私の視点が完全に変わりました。 世界中で何千万人ものユーザーがいる製品がどのように作成され、どのように月の繰り返し売上高（MRR）を高め、少ない人員で最大の効率を生み出すことができるかを学びました。 Notionは単に多くの人を書く会社ではありませんでした。明確な価値、よく整えられた製品、そしてそれを信じて使用するユーザーがいました。この経験を通して、私はキャリアで最も重要なことに気づきました。 「大きな組織ではなく、製品とユーザーの関係に集中する必要があります。」 Gammaに参加した理由、そして結果 この悟りを持ってGammaに加わりました。そして、 2年ぶりに5000万ドルのARRを達成し、15ヶ月連続で黒字を維持しています。 たった35人の人員で5千万ユーザー、そして年売り（ARR）5千万ドル（約650億ウォン）を記録する驚くべき成長傾向でした。 私たちが市場を攻略するときに使用する方法は簡単です。原則を立てること、原則を守る2つです。いくつか共有してみましょう。 1. ユーザー中心の価格戦略(Van Westendorp) 我々は、価格を決めたときには絶対に推測しなかった。 Gammaは、Van Westendorpの方法論を通じて、ユーザーが「どのくらいの支払い準備ができているか」を正確に把握し、それに応じて価格を設定しました。そのおかげで、初期からはっきりとした収益構造が作られ、その後2年間で一度も価格を変えなくても安定的な成長を維持することができました。 価格は顧客に伝える信号です。正確な価格設定は、製品とユーザー間の信頼を作成します。 2. 最小限の労働力で最大限の成長 GammaはAIベースのプレゼンテーションツールを作成します。製品自体が自ら営業とマーケティングをしてくれます。 私たちのGo-To-Market戦略は簡単でした。

先日、ネットフリックスで見た『イカゲームシーズン3』の強烈だった結末シーンが、まだ頭の中に残っています。最後のゲームは空の上で繰り広げられる、いわゆる「高空イカゲーム」。このゲームは、正方形、正三角形、そして完全な円形の柱の上で順番に行われます。 特に、最後の段階の丸い柱のシーンでは、主人公は自分自身を支配した貪欲のグーレから逃れるために自分の犠牲を選択します。以前まで、サークルは貪欲と執着を象徴していましたが、主人公は子供と未来のためにこのサークルの上で死を選び、その意味を完全に覆していました。このシーンは、私たちが見る現実は絶対的ではなく、環境や経験によってその意味がいつでも変わることができることを鮮やかに示しています。ちなみに、私はイカゲームシーズン3をとても面白く見ました。 文化がどのように見えるかを変える？ このような話を最近接した2つの視覚錯視研究でも見つけることができました。 イギリスのロンドン情景大学（LSE）のイヴァン・クルピン（Ivan Kroupin）研究チームは、「コーファー錯視（Coffer illusion）」という絵を西欧社会の人々とナミビアの農村人たちに見せました。興味深いことに、西欧圏の参加者は主に正方形を見たが、ナミビアの農村参加者は主に円形を見た。研究チームはこれを「大工の世界（carpentered world）」仮説として説明します。つまり、私たちが生きてきた環境は、脳が世界を見る方法を決定するということです。 しかし、もう一つの研究はこの仮説を振っています。ドルサ・アミール（Dorsa Amir）とチャズ・ファイアストーン（Chaz Firestone）は、「Müller-Lyer illusion」を通じて、この錯視が環境とは無関係に人間だけでなく動物や前を全く見られなかった子供たちまで経験することを明らかにしました。これら2つの研究は互いに衝突するように見えますが、実際には、私たちが見る世界が客観的実体というよりは、私たちの脳が絶えず解釈し、創造するという重要なメッセージを投げます。 見るのも、言うのも結局は「脳の幻覚」 神経科学者アニセス（Anil Seth）は、「私たちが見る現実は、脳が作り出した制御された幻覚（controlled hallucination）」と表現しています。つまり、私たちの脳は客観的世界をそのまま見せるのではなく、経験と環境、文化に基づいて世界を主観的に解釈し、私たちの前に広げます。 興味深いのは、この現象が視覚だけでなく言語にも同様に適用されるという事実です。 スタンフォード大学の心理学者Lera Boroditskyの研究を例に挙げてみましょう。彼女はドイツ語とスペイン語の話者に「鍵」と「橋」を描いてもらうという実験をしましたが、2つの言語でこれらの単語の性別が互いに反対でした。 ドイツ語で鍵は男性名詞、脚は女性名詞 スペイン語では鍵が女性名詞、足は男性名詞 驚くべきことに、ドイツ語の話者は、鍵を「重い、強い」のような男性的特性として、脚は「美しい、優雅な」のような女性的特性として描写しました。逆にスペイン語の話者たちは正反対の描写をしました。 このように、私たちが使用する言語も、最終的に私たちの脳が現実を創造し解釈する方法を決定します。私たちが「見る」と信じるのも、「言う」と信じるのも、結局は脳の制御された幻覚であるわけです。 『イカゲーム』、視覚錯視、言語が語るような話 『イカゲーム』の最後の円形柱シーンが強烈だった理由も、言語が私たちの現実認識を変えるのも結局同じ理由からです。私たちが絶対的だと信じていた世界の意味がいくらでも変わることができ、私たちが持っている言語や文化、経験によって世界が完全に変わることができるということです。 錯視と言語研究、そしてドラマが私たちに共通してくれるメッセージは明らかです。 世界は私たちの心の中でいつも再解釈され、再創造される。 それでは、私たちが人生をより積極的に変えたいと思ったら、まず世界を見つめる私たちの方法から変える必要はありませんか？ 『イカゲーム』の主人公が原型の意味を貪欲から犠牲に変えたように、私たちも人生で見るものと言うことの意味を新たに変えることができます。私たちが経験する困難、苦痛、さらには幸福まで、最終的には私たちがそれをどのように見つめるかによって変わることがあります。 実は『イカゲーム』という作品が注目されたこと自体が、私たちが日常的な世界あるいは幼い頃に良い思い出として残っていたゲームが、貪欲に染まった大人たちが命をかけているゲームになってしまったからだったように。ちょっとした視線を変えれば、全く新しいものや面白いものが出てくるのではないでしょうか？

最近、串コーチングを通じて中国語に堪能な方に会いました。それから中国でよく使われるアプリについて話し、私が使ったことがあることを話しました。中国をよく知らない方でもウィチャット(WeChat)は一度聞いてみたはずです。中国ではウィチャットなしではほとんど何もできないという冗談もあります。 食事の注文、タクシー通話、ショッピング、決済はもちろん、さらに政府サービスまでウィチャンの中で解決が可能です。韓国でよく使われるカカオトークやネイバーと比べても、はるかに多様な機能を一つのアプリの中で提供します。中国のこのような「スーパーアプリ」現象は、単に中国人がより便利なものが好きなのでしょうか？それとも別の理由があるのでしょうか？ 多くの場合、東西洋のアプリデザインの違いを説明するとき、「アジア人は情報が多く複雑なアプリが好きで、西洋人はシンプルなアプリを好む」と言います。しかし、実際にはそうではありません。最近、中国や韓国、日本などアジア諸国のアプリも徐々に、よりきれいでシンプルなデザインに変化しています。それにもかかわらず、なぜスーパーアプリは中国で唯一の強力な位置になったのですか？ スマートフォンで始まった「モバイル優先」時代の出発点 2010年代初頭の中国は、インターネットがまだ正しく解決されていませんでした。当時、中国のインターネット普及率は35％未満で、デスクトップコンピュータを使っている人も多くいませんでした。このような状況で、中国の消費者にとってスマートフォンが最初の個人用コンピューティング機器になったのです。 このようにモバイル中心のインターネット環境が最初から構築され、既存のインターネット習慣は形成されていません。例えば、米国とヨーロッパの場合、すでにウェブブラウザやメールなどデスクトップベースのインターネット使用習慣が定着していたが、中国は最初からモバイルアプリが主流でした。この隙間を埋めたのが、テンセントのウィチャットです。 WeChatはメッセンジャーで始まりましたが、「公式アカウント（Official Accounts）」と「ミニプログラム（Mini Programs）」を通じてほぼすべてのインターネットサービスを提供し始めました。 事実上、ウィチャットは中国のグーグルクロム（Chrome）のようなブラウザの役割を果たしたわけです。既存のWebベースのサービスをモバイルに移行することなく、最初からアプリ中心の環境を作成しました。ここで私はいつも話しているテンセントマファタング会長の言葉を思い出します。マファタングはテンセントのQQとゲームがコピーキャットと呼ばれていたときにこう言いました。 「私たちは猫を見て虎を描いた」 初期の中国のデジタル経済は、インフラが非常に不足していた。銀行は消費者に優しいオンライン決済システムを提供しておらず、買い物は現金取引の中心であり、Eコマースは信頼できない初期段階でした。この状況で、アリババはタオバオのオンライン取引のためにアリペイを開発して独自の決済システムを構築しました。 企業は必要なサービスがなければ自分で作り上げなければなりませんでした。これがスーパーアプリが誕生した本当の理由です。つまり、理想的なユーザーエクスペリエンス（UX）のためではなく、市場の空白を埋めて産業全体を素早く占めるための必然的な選択でした。 「フェンスを積む」競争戦略の登場 中国のスーパーアプリの成長は、別の理由で説明することができます。まさに極端な競争環境のためです。テンセント、アリババ、バイドゥ（Baidu）、バイトダンス（ByteDance）などの巨大企業は、長い間お互いのプラットフォームリンクをブロックする、いわゆる「ウォールガード」戦略を使用してきました。ウィチャットでタオバオのショッピングリンクを開こうとすると接続にならない式でしたね。そのため、各企業は独自のアプリにできるだけ多くのサービスを追加しようとしました。 これにより、WeChatのようなスーパーアプリは、食品配達、タクシー通話、支払い、ショッピング、ソーシャルメディアまで、すべて1つのアプリの中で提供するようになりました。 もう一つの理由は、経済的観点から見ることができます。初期の中国の消費者のオンライン消費力は西欧に比べて低かったので、個々のアプリ1つにつき得られる顧客の生活価値（Lifetime Value）は少なくなりました。これにより、企業は顧客に可能な限り多くのサービスを提供することで顧客あたりの収益を最大化しようとしました。 また、初期の顧客獲得コストが非常に高かったため、アプリを1人に集めれば、そのユーザーを競合他社に送らないように、より多くのサービスを統合しました。テンセントがウィチャット・ペイ（WeChat Pay）を宣伝するために、中国の旧正月春節（CNY）に「赤い封筒（ホンバオ）」キャンペーンを行って現金を配ったのもこのような戦略の一環でした。 文化的好みではなく戦略的選択 スーパーアプリが中国で成功した理由は、ユーザーのニーズによるものではなく、モバイル優先環境、産業インフラの不足、激しい競争環境、低消費電力などのユニークな市場条件が組み合わされたためです。 それでは、他の国の企業がスーパーアプリモデルにそのまま従うべきでしょうか？必ずしもそうではありません。むしろ重要な教訓は、製品設計の決定が何によってなされているかを理解することです。スーパーアプリはいつも正解ではありません。場合によっては、1つのアプリにさまざまなサービスをまとめるのが良いかもしれませんが、他のケースでは、最高のユーザーエクスペリエンスを提供する単一のアプリを作成する方が効果的かもしれません。 実際には、すべてのことを解決できる「完璧なスーパーアプリ」ではありません。誰がいますか? 個人的に本当のスーパーアプリを成し遂げたのはトスくらいです。 中国のスーパーアプリケースで私たちが得ることができる最大のTakeawaysは、ビジネスニーズが製品をどのように進化させたかを理解することです。結局、製品の成長はユーザーのニーズではなく、企業が直面する環境と市場条件の戦略的対応から始まるからです。 個人的に中国のデジタル生態系や技術力を最も過小評価するところが韓国だと思います。私がいつも言うように、中国の先進市でなければ上海などだけ行ってみても私が知っていた中国ではないと思うんです。

最近、金融関連サービスを作るところに人工知能企画、アーキテクチャ諮問をしながら、金融業でもこのような議論が加速されていることを感じました。 ChatGPTのような生成型AIが大きな注目を集めていますが、それよりはるかに以前から金融圏では人工知能（AI）を積極的に活用してきました。詐欺検知から信用リスク管理、さらには超短打取引戦略まで、金融の中核業務のあちこちでAIが重要な役割を果たしています。しかし、人工知能が実際に信頼され倫理的に使用されるためには、まだ多くの宿題が残っています。その中で最も重要な問題がまさに説明可能性（Explicability）です。 金融圏でAIモデルが複雑になるほど、それがどのように意思決定を下すのかを把握することは難しくなります。よく言われる「ブラックボックス」問題です。 AIモデルが正確な予測を出すとしても、その予測がどの基準とプロセスに基づいて行われたかを説明できない場合、特に金融のような信頼が不可欠な分野では深刻な問題になる可能性があります。だから今日はこの「説明可能性」とは何であり、金融​​圏で実際にどのように実装できるかについて深く見てみたいと思います。 しばらく興味深い例を挙げましょうか？ 2019年、Apple Card（Apple Card）は性差別的ローン審査の議論で社会的問題になりました。同じ所得と信用度を持った夫婦が申請したが、夫の信用限度が妻より格段に高く策定されたのです。人々はすぐにこの決定が「性別による差別」であると批判しました。しかし、カードカード発行会社と審査アルゴリズムを管理していた金融機関は、この問題が発生した理由を正確に説明できませんでした。その結果、深刻なイメージ打撃を受けました。 このケースは、金融圏でAIが機能するときに発生する可能性がある問題をよく示しています。AIはデータに基づいて意思決定を下します。 この文脈で、金融圏ではAIを使用する際には、次のような質問をしなければなりません。 「私たちのAIモデルはなぜそのような決定を下したのか」 「AIが下した決定は果たして公正なのか？」 「AIモデルの判断基準を私たちが説明できるか？」 AI説明の可能性を実現する3つの重要な要素 説明可能性は、単にモデルがどのように機能するかを技術的に示す以上のものです。金融圏でAIの説明可能性を正しく実現するためには、次の3つの要素をすべて備えなければなりません。 (1) 透明性(Transparency) AIモデルがどのように構成されているのか、どのデータで訓練されたのか、どの前提条件や仮定に基づいて機能するのかを利害関係者に明確に開示することです。 たとえば、信用評価モデルのデータソースと評価変数の選択理由を顧客と規制当局に開示することで信頼を得ることができます。 (2) 解析可能性(Interpretability) AIの決定を人間が容易に理解できるようにすることです。モデルがどのように機能するかは、単純なアルゴリズムまたはビジュアルツールで説明できるはずです。 たとえば、ローン申請を拒否した理由を特定のデータポイントとして説明できるはずです。 （「あなたのクレジットカードの使用率が高く、融資が拒否されました」など） (3) 責任性(Accountability) AIモデルが下した決定に対して明確な責任素材を定め、問題が発生したときにどのように対応するか事前に定めることです。 モデルが誤った決定を下したとき、それを直ちに修正し、被害を救うことができる明確なプロセスと責任者を設定するのです。 これら3つの要素すべてを統合する統合的なアプローチが、金融圏でAIの説明の可能性を適切に実装するための鍵と言えるでしょう。

病院を見つけるとき、私たちは常に正確な診断と迅速な治療を期待しています。しかし、現実は長い待ち時間と医師の人員不足のために望むときに治療を受けにくいです。ところが最近、Microsoft（Microsoft）が公開した驚くべき研究が医療界に新たな可能性を提示しました。まさに人工知能（AI）を活用した診断システムが、人間の医師より4倍も正確な診断を下したということです。 「AIは本当に医者に代わることができますか？」という疑問があるのも事実です。 AI診断オーケストレーター、医療界に登場する マイクロソフトが発表した「 AI診断オーケストレータ（Microsoft AI Diagnostic Orchestrator、MAI-DxO） 」は、単なる人工知能モデルではありません。このシステムは、異なる役割を果たした5人の医師が集まったパネルのように設計されています。各AIエージェントが仮説を立て、検査項目を選択し、最終診断を下すために互いに意見を交わし、最も適切な治療方法を導き出す方法です。 ここで興味深いのは、AIが結論に達するプロセスを明確に示すことです。マイクロソフトはこれを「チェーン・オブ・ディベート(Chain of Debate)」と呼び、AIがどのような論理を通じて問題を解決したかを透明に公開しました。 人間の医者を超える精度？ それでは、このAIは実際の医療現場でどのように効果的ですか？これを検証するために、マイクロソフトは米国最高医学ジャーナルであるNEJM（New England Journal of Medicine）に掲載された最も厳しい診断事例304件をAIに提示しました。 結果は驚きました。 AIが最もうまく機能した場合（OpenAIのo3モデルを使用）の診断精度はなんと85.5％でした。同じ事例を診断した経験豊富な人間医師の成功率はわずか20％でした。人間の医者が教科書や同僚の助けを受けられなかったという限界がありましたが、それでもAIの圧倒的な成果は医療界の大きな衝撃で迫ってきました。 コストと時間を節約するAI 正確さだけでなくコスト削減効果も注目を集めました。マイクロソフトは、AIが診断プロセス中にコストを考慮するように設定し、これにより必要な検査数が大幅に減少し、実際のケースでは数十万ドルのコストを節約できたという。 「このシステムは、私たちが見た中で最も優れたAI性能を示し、医療アクセシビリティの新しいドアを開くことができます」マイクロソフトのドミニク・キング博士はこう評価しました。 AIモデルは今「商品」、本物の競争力は「組み合わせ力」 この実験では、MicrosoftはOpenAIだけでなく、メタ（Meta）、アントロピック（Anthropic）、Google（Google）、xAIなど、さまざまな企業のAIモデルを活用しました。特に最高性能を見せたOpenAIのモデルも最終的には「商品化(commodity)」されるだろうし、真の差別性はこれらのモデルを統合して組み合わせる「オーケストレーター」にあるとムスタファ・スレイマン(Mustafa Suleyman)は強調しました。 マイクロソフトは、この技術を自社のAIチャットボットのCopilotとBingの検索エンジンにも適用する計画だと明らかにしました。これは、1日5000万件を超える健康関連の質問を処理するプラットフォームで大きな可能性を発揮することが期待されています。 「医療超知能」時代、準備が必要 ムスタファ・スレイマンは今回の研究を「医療超知能（Medical Superintelligence）」に向けた第一歩と表現します。より速く、正確で安価な診断が可能な未来が鼻先に迫ってきたのです。しかし、まだ臨床環境に導入するには追加の検証が必要です。心臓専門医であり、AI医療の権威であるエリック・トポル博士もこの研究が実際の医療環境で行われたわけではありませんが、AIが持つ医療効率の可能性を立証した重要な研究だと評価しました。

「最近、若者はあまりにもセックスをしません。信じられないほどです。」 2016年、アメリカのメディア「Bustle」は、20代前半の若者の間で性関係の頻度が急減したという衝撃的な研究結果を紹介し、こう宣言しました。以後、この現象は「セックス不況（Sex Recession）」という名で呼ばれ、大きな話題を集めました。アメリカの「アトランティック」の表紙に登場した蜂と鳥がお互い背を向けている絵は、この世代の性的断絶を強烈に表現しました。 過去の大人たちが心配したのは「あまりにも乱雑な若者たち」でしたが、今日の既成世代はむしろ「セックスを忌避する若者たち」を懸念しています。 18～24歳の男性のうち、約3分の1と女性の5分の1が一年以上性関係をしていないことが分かり、ファンデミックはこの現象をさらに深化させました。 すべてが可能ですが、何も望まない世代 興味深いことに、Z世代は以前の世代よりも城に対してよりオープンで多様な選択肢を持つ世代です。スマートフォン一つなら簡単にデートアプリを通じて短く軽い出会いを持つことができ、様々な性的好みが自由に収容される時代を生きていきます。しかし、なぜ彼らは城を離れるのですか？ これに対して、イギリスのジャーナリスト、ルイス・ペリー（Louise Perry）は、やや保守的だが興味深い視点を提示します。彼女の本『21世紀の城ガイド』では、性を真剣に受け入れ、男女間の生物学的違いを認め、カジュアルな性交の危険を警告します。フェリーは、「すべての男性は素手でほとんどすべての女性を殺すことができる」という強烈な警告とともに、女性はセックスパートナーを慎重に選択する必要があると主張しています。 一方、ガーディアン（Guardian）の記者カーター・シャーマン（Carter Sherman）は、自身の本『第2革命（The Second Coming）』で、Z世代が性的不況を経験する理由を、政治的保守主義とインターネットという巨大な力の間に挟まった結果として説明します。阻害の結果をもたらしたということですね。 性的不況の本当の理由は「関係」の不況です 性的不況の根本的な問題は、まさに「孤独」です。関係を結ぶのに苦労しています。 ソーシャルメディアの影響で、自分の魅力を数値化された基準で絶えず評価される環境も親密感形成に障害物となります。結局のところ、性的不況は、関係を築くことの難しさと他人との本当のつながりが希薄になった社会的現象を反映することです。 私たちは何をすべきですか？ ルイス・フェリーとカーター・シャーマンの両方がそれぞれの観点から性的不況の原因となっていますが、最終的に両方の著者が見落としたのは、まさに姓の「喜びとつながりの力」です。城は単に物理的な喜びだけを提供するのではなく、人間が他人と最も深く直接接続することができる貴重な領域です。親密な関係の中で、私たちはお互いを理解し、尊重し、愛する方法を学びます。私たちの社会は、Z世代が再び城を通して健康な人間関係と楽しい経験を生み出すのを助けるための議論が必要です。性的不況の根本原因を単に個人の問題に縮小させるのではなく、より包括的で深い社会的対話を始める時です。 最近このような記事を見て実際にZ世代が望むのは「単純な出会い」ではなく相手を理解して知っていく過程のようなのですが、それが自慢チュウと呼ぶ領域なのか…それとも以前に流行していたResume紹介ティングのようなものかはよくわかりません。

最近、私が投稿したバイブコーディングに関する記事は、思ったよりも多くの興味を持っています。特に具体的な収益物語を正直に共有したところ、多くの方々が共感して興味深く見ていただきました。おかげで気持ちよく過ごしていましたが、しばらく前に意外な状況に直面しました。 まさに匿名の誰かが私が運営する海外法人に関して申告をしたことです。 最初は本当に驚きました。私が違法なことをしたわけでもありませんが、何もせずに申告が入ってくるから皇后だったんですよ。今回の経験を通じて、私のように海外法人やグローバル決済をお悩みの方に有用な法的な話を分かち合おうと思います。 🚨どのような報告でしたか？ 届出の内容はこんな感じです。私がStripe Atlasで設立した海外法人に対して、国内で必要な各種届出や手続きをきちんと履行しているかどうかの苦情でした。 結論から申し上げると、私は幸いなことに問題はありませんでした。なぜなら私は最初から専門税務士を通じて税金申告（総合所得税）と外国為替取引申告などを確実に処理していたんです。ちょうど鐘の税シーズンでもあり、税務士様と書類の準備を慎重にしていた中でした。利村税務会計法人はいつもありがとうございます。 韓国で海外法人を運営する際に必ず知っておくべきこと ところで、今回のことを経験して知り合った事実があります。意図せず私の場合はすでに準備ができていましたが、もしあらかじめ適切に準備をしていなければ複雑で面倒な状況が生じる可能性があります。韓国で海外法人を設立または運営する際に必ずしなければならない義務があります。詳細は事実私もよく分からないので税務士様のアドバイスと指示に従いました。 外国為替取引申告（外国為替銀行を通じて海外直接投資申告及び定期報告必須） 総合所得税申告（国内で発生した所得のほか、海外で発生した所得も含めて処理） 上記の手順は難しくありませんが、あらかじめ設定しないでください。 個人的に役立つヒント 私が今回問題なく乗り越えられたのは、次の理由のおかげです。 1️⃣専門税務士の助けを借りて 個人事業者でも法人でも税務士と一緒にすれば、このような状況にもすぐに対処できます。 （特に総合所得税申告シーズンには税務士様が本当に心強いです。） 2️⃣クリエイター自動入金サービス（新韓銀行）を使う 開発者やクリエイターなら収益管理が複雑になることがありますが、私は新韓銀行の「クリエイター自動入金サービス」を使っていて収益管理がきれいにまとめられていました。これのおかげで報告するのに便利でした。 3️⃣海外法人が必ずしも必要でない場合は、国内ソリューションを利用する 実際、海外法人が必ず必要な状況でなければ、国内で楽に決済システムを構築できるソリューションが多いです。個人的には、ラピッド（Latpeed）やトスフェイメンツなどのサービスが一番現実的でおすすめです。 個人事業者、複雑なのが嫌ならレピードをお勧めし、直接開発ハンドリング可能で法人事業者のような場合にはトスおすすめです。もちろん、海外法人の設立や取扱いが可能な場合は、Stripe AtlasやLemonSqueezeをお勧めします。 海外法人、ぜひ必要ですか？ 「本当に特別な理由がなければ、海外法人は不必要に複雑になる可能性がある」

最近投稿したバイブコーディングに関する記事は、予想以上に大きな関心を集めました。多くの方々が成功談にのみ注目しましたが、実際にこの過程で経験した様々な試行錯誤と失敗事例もあります。本日はその中から、私が経験した興味深い「試行錯誤の記録」の一つを皆様と共有しようと思います。 私が当時開発したサービスは、「PDF AI SHIELD」という名前のPDF保護システムでした。最近広がるLLM（大規模言語モデル）がPDF文書を簡単に読み込んで要約してしまう現象が増え、それを防ぐための方法として考えたアイデアでした。大学で学生たちに資料を配ったり、公文書などを一生懸命作成して共有した際、そのすべてをAIで要約されて読まれてしまうので、これをどうやって制限するかを考えました。 LLMが私たちが提供するさまざまな文書やデータを整理し要約する方法は簡単です。LLMは文書を読み、重要なポイントを見つけ、結びつけ、短くまとめて出力するというプロセスを通じて情報を私たちに提供します。 この過程で、私は「読み取り」段階に介入し、LLMがそもそもチャンクを行えないように妨害する方法を考案しました。一般的なPDFセキュリティはパスワードや証明書、OCR削除などの方法を使用しますが、私はこれに特別な方法を追加しました。 その方法がまさに「見えないペイント」をPDFに施すことでした。人から見ると全く異常はありませんが、LLMの目にはそれを読めないように妨害する一種の「透明ペイント」を文書に追加したのです。 さらに、証明書形式のタグやPDFメタデータを暗号化して、LLMが簡単に読み取れないようにしました。技術的には予想以上にうまく機能しました。ChatGPTやClaudeなどの有名なLLMを含め、ローカルのLLMモデルまでこの方法で阻止できました。初めて結果を見たとき、大手AI企業に対して小さな勝利を収めたような気さえしました。 この自信をもとに価格方針を決め、Redditやいくつかの海外コミュニティでのプロモーションも進めました。予想以上に早く購入者が現れ、すぐに成功したビジネスとして定着しそうでした。正直、この時点で少し浮かれていたことも事実です。 ビジネスモデルは以下のように構成されています。 非ログイン状態では最初の1回無料で使用 ログインすると、1日1回使用が可能（24時間基準） 月間購読では1日最大30回使用可能 年間購読の場合は無制限で利用可能 しかし、しばらくして予期せぬ問題が発生しました。GPT-4o、Claude Sonnet 3.5、Gemini Proのようなモデルではうまく機能していましたが、最新モデルのo3やSonnet 3.7ではこの保護技術が完全に無力化されました。さらに、miniモデルや特定の条件下では、メタデータの暗号化すら突破されるケースが出てきました。 幸い、初期ユーザーの一人が親切にこの問題を報告してくれました。そのため、私はすぐにすべての購入者に対して返金を行いました。セキュリティというサービスの性質上、一度でも突破されれば製品を売り続けることはできなかったからです。当初得た収益は決済手数料などでむしろ赤字になりましたが、迅速な対応のおかげでより大きな損失を防ぐことができました。これでセキュリティ関連の訴訟を受けるよりははるかにいいですからね？そもそも入金が完了したものを収益と言ったわけではない このような体験談をいくつか持っています。反応が良ければ、今後さらに多様な話を共有してみようと思います。実はバイブコーディングの最初の記事でも述べましたが、バイブコーディングを進めると、自分が思っている以上に多くの試行錯誤や修正が必要で、その過程で開発者の需要がさらに増えると考えています。そして、こうした試行錯誤が繰り返されることでより良い製品になるように感じますね。 人々は失敗談よりも成功談や劇的な話を好むようですが、個人的にはこのような失敗談もかなり多いです。「試行錯誤」と表現しましたが、個人的に学んだことも多いです。このような文章がどの程度反応を得るかはわかりませんが、一度良い反応が得られれば、第2編、第3編も引き続き共有していこうと思います。

会社を辞めて創業を始めながら、最も大きく感じたのは良い刺激への憧れでした。感謝して、多くの方々の助けと時代の流れのおかげでご飯飢餓の心配はなく、会社は思ったより速く安定した軌道に上がりました。しかし、良い仲間との着実な交流への渇きは容易に満たされていません。一人の事業者として、いくつかのフリーランサーの方々と遠隔勤務の形でコラボレーションしてみると、自然に会社の仲間のように快適に話し合い、お互いに刺激をやりとりする関係が懐かしくなりました。 大切な人材をただこのような理由で採用するには負担にもなり、たまに他の企業で週1回働いてみたこともありましたが、期待していた刺激やインスピレーションとは少し距離がありました。特定の読書会を主催または参加してみましたが、やはり何か不足していました。幼い頃はいろんな人と贅沢に集まるのが好きでしたが、今はそんな席からくる疲れ感も大きかったです。 そんな中コーチングを思い出すようになりました。以前にアジャイルコーチ教育を受けながら学んだ技術とプログラムがあったので、これをもとに無料でコーチングを進めてみることに心配しました。最初は対象者を特定せず、主に低年次サラリーマンや就コン生を対象に始めました。時間が流れ、驚くべきことに50代、60代の方々も訪ねていただきました。人生の2幕を準備したり、すでに元気に走っている方々でした。 一度は小型船を作る方と会って話を交わしました。彼は巨済で20トン未満の小型船舶を専門に製作する造船所を運営しておられました。アルミと名前も難しい繊維強化プラスチックを組み合わせたハイブリッド船舶を作り、船主の細かい要求に応じて船の上部構造物をオーダーメイドで製作する方式が非常に印象的でした。私はそれまで釜山、仁川、江陵を旅行して数え切れないほどの船を見ましたが、船を誰がどのように作るかについては考えたことがありませんでした。このように、小さな造船所が大きな造船所とは違った方法で柔軟に顧客に合わせた製作をするという事実を知ることができたので、新しい世界を垣間見た気分でした。そしてここで何らかの手数料を受けて、各費用がおおよそどれくらいかかるのかもすごく面白い素材でした。 ある日は現職の看護師の方々と話をしながら「マイデューティ」というアプリを知りました。マイデューティは、看護師が自分の複雑な交代勤務スケジュールを効率的に管理し、仲間と簡単に共有できるようにするツールでした。このアプリの最大の利点は、同じ病棟内の同僚の勤務表を一目で見ることができるということでした。 IT業界で働きながらも全く知らなかったサービスであり、特定の職業群のニーズを正確に把握して誕生したこのアプリは私に大きなインスピレーションを与えました。グローバルも進出してたくさん使って今はいけないアプリになったんですよ。 いつはマンドで働いている二分を通じて、自動車一台が作られるためにどれほど複雑で精密な協力構造が必要かを学びました。マンドは、自動車のブレーキ、ステアリング、サスペンションなど、ドライバーの安全性に直結する重要な部品を開発して製造する企業です。私たちが毎日乗っている一台の自動車にも、こういう数多くの部品や企業が細かく編まれているという事実は、通常一つの製品を全体的に作るように働いてきたIT分野の私にとってはとても新鮮な刺激でした。個々の部品を専門的に製作し、各企業が有機的にコラボレーションして最終製品を完成する製造業のやり方は、私が普段経験したコラボレーションの形と全く違う魅力を見せました。もちろん、頭ではそのように作られていることを知っていましたが、実際にその仕事をして産業に従事する方の話を直接聞くので、一層変わったこともあります。 このように串コーチングを通じて数多くの分野の方々に出会いながら、私が見る世界がますます広がり深くなることを感じました。ただ人々に会ったのではなく、多様な人生と経験を通じて世界を理解する視野が広がった感じでした。時には出会った人同士がつながって採用が行われたり、事業的なコラボレーションが始まったりもしました。思いもよらないところで意外なインスピレーションを受けた時は、それ自体で私にとって大きな喜びでした。 多くの人との会話は、最終的に一つのことを実現させました。私が知っていると思った世界はあまりにも狭く、私たちがお互いの話を交わすと、初めて広くて多彩な世界が見えるという事実です。今後も私は串コーチングを通じてより多くの人と出会い、より多くの話をまとめ、お互いの生活をより意味のあるようにつなげたいと思います。一人、一人お会いすると、累積ではなく、個人で100分を超えて会うことになり、これは膨大な資産になりましたね。ご飯の値段とコーヒーの値段がたくさん聞きましたが、それ以上の価値を持っていたと思います。今後はより体系的に会ってみるといいと思ってこれだけ減らします。

先週末、裁判官を務め、様々な事件や事例を経験した裁判官夫婦のお宅に行き、楽しい時間を過ごしました。二人はみんな裁判官の法峰を下ろし、今は弁護士と全員生活をしておられるのに、夜が深くなり、焚き火を吸いながら様々な話をして、私の好奇心で「裁判官は共鳴正大なのか？」に対する発則な質問から始めて、どのようにそれを訓練し、確信できるかについての話になりました。 以後、きっとこの考えをまとめてみていますが、もちろん私は法律家はどこか市民として最小限の法知識だけがあるだけです。 世界中で発生する司法遅延 「遅延定義は定義の欠如（Justice delayed is justice denied）」 この古い格言は今世界中で現実化されています。司法省についてこれを知るより、英国の事例が目立った。欧州から韓国まで司法部が事件の適体と裁判の遅れで虐殺に苦しんでいます。特にイギリスとヨーロッパでは、深刻な裁判遅延事例が続出し、司法システム自体が麻痺する危機に瀕しています。 イギリスの法務省の発表によると、 2016年に約4万8千件に過ぎなかった裁判所事件の適体は、2024年現在7万件以上に増加しました。ロンドンでは、ナイフで脅かされた被告人のわずか3日の裁判日程が2028年に取られた事例が発生し、社会的に大きな波長を生みました。欧州全般的に司法システムの投資が慢性的に不足した状態であり、欧州評議会の調査では、欧州各国の司法予算がGDP比0.31％水準で10年間実質減少したと指摘しました。ポルトガルのリスボンでは、裁判所の従業員の頻繁なストライキで裁判業務が麻痺するケースが頻繁に発生しています。フランス、スペインは言うまでもありません...アメリカも最近、いくつかの虐殺に苦しんでいます。 韓国の司法部も危機を経験しています。最高裁でも政治的問題で注目が集まり、事件の適体が深刻になり、これは結局国民の裁判請求権と権利救済に実質的に被害を与えています。 司法省を人工知能に置き換える？ 国会が昨年末、判事を370人増援する法案を通過させたが、単に人員を増やすことで根本的な問題解決は難しいという指摘が多い。むしろ司法システム自体の構造的かつ効率的な改革が必要であるという声が高い。 このような状況で最近、判事の役割を人工知能に置き換えれば、公正な判決が可能だという主張が出ています。しかし、これは大きな錯覚です。人工知能はむしろ従来の偏向性を増幅する可能性が高く、最近のディープラーニングベースの超巨大人工知能モデルは内部の動作原理がブラックボックスのように偏向の原因を追跡することさえ困難です。結局、判決を下す存在の問題は不完全性ではなく、判決の一貫性にあると見なければなりません。 司法省が存在する最も根本的な理由は、明確な原則と哲学の下で一貫した判決を下すことができるように私たちが権限を信頼して任せたからです。ところが最近、民意や多数の意見という名前で判決の哲学と基本論理自体が揺れる事例がしばしば現れています。これは法律社会が徐々に崩壊する始まりかもしれません。 過剰な立法によって引き起こされた司法の混乱 韓国の問題の一つは過剰な立法です。韓国は、1年に制定される法律の数が他の国に比べて圧倒的に多いです。法律が過度に多くなると、解釈の余地が狭くなり、様々な社会的・経済的活動が萎縮します。法律間に矛盾する場合も頻繁に発生し、企業や市民が法を守ること自体が難しくなる逆説的状況が演出されます。 この問題を解決するために必要なのは、むしろ立法府のデジタル化です。人工知能が裁判官を置き換えたり支援したりするのではなく、立法段階で法律間の衝突の有無と社会的影響を十分にデータでレビューするシステムが必要です。現在のように、同じ党や同僚議員の要請に応じて法案を支持する慣行を改善しなければならず、初期にはブラインド評価で法案の内容を客観的に評価し、その後に記名投票で責任性を高める方法も検討してみます。 結局のところ、定義は贅沢ではなく、私たちが必ず守る必要がある不可欠な価値です。司法省の一貫性と独立性を守るための根本的かつ体系的な改革とともに、立法省のデジタル化を通じてより透明で効率的な法律体系を構築することが、今私たちが直面した危機を克服する現実的な道になります。 国 議員当たりの年間平均足の法案数 総年間足の法案数 議員足の割合(%) 政府の足の割合（％） 法案通過率（全体）

最近、韓国人工知能学会（ https://kjai.jams.or.kr/ ）誌に論文がAccept（掲載確定）して共有します。 Pre-print形式で以前にArxivにアップロードされていた論文ですが、名前は途方もなくHEMAで建てられました。実は脳の一部である海馬から取った名前です。 脳の海馬は、記憶と学習を捧げる重要な役割を果たす構造です。特に新しい事実を記憶し、空間を探索する上で重要な役割を果たし、扁桃体と相互作用して感情的な記憶を形成することにも関与します。 この論文の中核はLLMでLong-Context だから長い会話をする場合、品質が落ちることを防止する研究です。簡単に話すと、人間がある事件、状況を覚えているとき、すべてを細かく覚えていないかのように一般的に要約して記憶することをCompact Memoryという形でtext形式で保存し、人間の場合、象徴/信号などをメインに記憶することをポイントにとり、事前に分けた会話をVector DBの形で保存してVector Memoryに持っていきます。 このような場合、長い会話でより長く文脈を維持しながら動作が可能で、一貫した経験が可能です。以後、小説、ペットチャットボットなどを運営するのによく使えるようで、完全再現方式で実験を行い、SLMで繰り返し実験を行いました。一応は英語基準で、6b基準でも性能が良くなるのを見れば、すでにサービス化されているClaudeやChatGPTではもっとうまく動作するはずです。 通常はClaudeのようなものを使用するときに会話が長すぎて他の会話に移動しなければならないか、ChatGPTでも会話が長くなるとパフォーマンスが低下する場合がありましたが、最近はこれをProject機能やMemory機能などで解決したいと思われます。以前までは、プロンプトを通じて「以前まで会話を要約整理してくれ」と同じ方法で一度整理させ、新しい話を始めたのと似ています。 KCI、SCIに論文をずっと出していますが、ハードルが高くなったように感じられます。打率が以前と同じではありませんね。最も煩わしいのは、会社にいたときは会社資源で研究を豊かに(?)させることができたら、今はギリギリ慈悲にしなければならないという点があります。その後の研究を通じて文体を維持し、重複した内容がなく、均質に結果物を出すことについて一つ準備中ですが、これも成果が出たら共有させていただきます。

数年前、LG電子のロボット部分で働いていた弟がマキナラックスに引っ越していると言った時が、おそらく私がロボット産業について初めて詳しく覗き始めたのだろう。その前まで何ロボット掃除機、ロボットアームなどを使ってみて利用したことはありますが、これを誰がどのように作ってどのように動作するのか気になっていたのは初めてでした。そしてその関心は長く続かなかった。幼い頃、アドゥイノで簡単な繰り返し作業をするロボットを作ったり、ラズベリーパイで認識して障害物を避けるロボットくらい作ってみたのが全部だった私としては、実はちょっと難しかったし、当時カカオブレインで離職を控えて勉強することが多く、深く考えることはできませんでした。 そこで、2023年頃の論文を見たところ、Multimodalを利用してロボットアームを学習させて特定の家事労働を遂行できるようにするデモが含まれていました。以来、このような論文はありませんでしたが、当時は非常に印象的でした。以後、テスラのオプティマスやフィギュア01のようなモデルを見ながらヒューマノイドが完全に言えない話ではないかも？という考えが徐々に聞こえ始めました。実際、製造工場に行くと、ロボットアーム（robotic arm、mechanical arm）は思った以上に精巧によく作られます。私が直接見たのがH企業造船所でしたが、その時が2023年だったので、今はさらに発展していると思います。そしてこの分野でよくやっている国内企業も多いですね。 ヒューマノイドの場合は若干異なります。ロボットアームは、結局、線がつながっているために電力を着実に供給され、複雑なコンピューティング計算をするのに比較的高速で簡単です。ただ、ヒューマノイドの場合、完全に独立して動くので、バッテリーから演算能力まで取り出さなければならないことが多いですね。実はそれですごくエージェントな話だと思いました。今回の2025年、NVIDIAのPhysical AI セッションを見るまでのことです。実は3月から整理したのですが、先延ばしにしてこうして投稿が遅れました。過去のデータセンターと同じフォーマットで書いてみました。 実際、上記のようにヒューマノイドロボットについて各種コンサルティング会社でまとめた資料を見ると、普通ヒューマノイドの分野？駆動系？を12個程度に分けるようです。頭（頭）、肩（肩）、肘（エルボー）、ウエスト＆骨盤（ウェイスト＆ペルビス）、手（ハンズ）、上腕（上腕）、前腕（前腕）、太もも（高）、ふくらはぎ（Calf）、足（フィート）私も勉強する立場なので、反論時にあなたが正しいです。 2024年には約32億8千万ドル規模から2032年には660億ドルに拡大すると見込まれ、これは年平均45.5％の成長率に相当します。さらに、近年の製造コストが40％も急減し、以前の予想値（年15～20％減少）をはるかに上回り、産業用途や投資時期が一層早まった。私は12の主要部品カテゴリー全体を一つ見て、特に価値の高い分野に焦点を当てて投資価値をマッピングしてみました。 手の重要性：洗練された操作がバリューチェーンを導く 私が最も目に見たのは「手」部品です。ロボット1台あたりの部品コストが9,500ドル（全体費用の17.2％）で断然最高です。おかげで、2032年までに約35億ドル規模の専用市場が形成される見込みです。人間ほど繊細ながらも丈夫でなければならない技術的難度がこの市場を育てています。 Novanta Inc. （NASDAQ：NOVT）：エンドエフェクター技術と多軸（force/torque）センサーを提供 FANUC Corporation（TYO：6954）：6軸力感知センサーの製造 Teradyne Inc. （NASDAQ：TER）：Universal Robotsの買収後にエンドエフェクターソリューションを強化 Shadow Robot Company：24自由度、20個の駆動モーター、100個以上のセンサーを備えたDexterous Hand SCHUNK GmbH：モジュラーグリッピングシステム Figure AI：2024年2月、6億7,500万ドルの投資誘致（企業価値26億ドル） 私が特に注目したのは人体肌を模写した多層触覚センサーとテンドン駆動システムです。この2つが狭い空間でより多くの自由度を実現しながら、触覚センサー市場は2030年までに355億ドルに達すると言われています。このような触覚センサーはヒューマノイドではなく、さまざまな場所で使用されると思います。 下半身部品：モビリティと安定性の基盤 太もも・ふくらはぎ・足部品はヒューマノイド全体のコストの38.6％を占めます。いわゆる橋部門はロボットの「歩き方」を決めるために投資機会が大きい。太もも・ふくらはぎの場合、2024年基準、市場規模各4億3,300万ドル→2032年87億1,000万ドルで急速な成長を予測しており、これを地面と連結する足部分も2025年8～9億ドルを予想するとします。 Emerson Electric、Thomson Industries（Altra Industrial Motion）：高負荷リニアアクチュエータ MISUMIグループ：精密機械部品 Bosch Rexroth：高出力電動アクチュエータ Agility Robotics: Digit 2族歩行ロボット用アクチュエータ 図AI：次世代下半身アクチュエータ

「AIを活用して月千万ウォンは簡単に稼ぎました！」 「人工知能で数億ウォンの副収入を上げました」 スレッドやインスタグラム、カカオトークを開くたびに人工知能で収益を上げたという華麗な成功談があふれます。毎日のように上がる文を見て、正直羨ましさよりは疑問が先に聞きました。私の周りにはAIを研究したり、直接モデルを開発する人が多いのですが、実際の技術を開発したりサービスを構築する人よりも皮肉なことに人工知能講義をしている方が、より速くて大きな収益を上げているようです。長い間ITでご飯をやってきましたが、私が経験した現実はそんなにドラマティックではなかったんですよ。 そんな中、昨年から好奇心半分、楽しい半分で人工知能コーディングツールをあれこれ試してみました。最初は、単にメンテナンスや小さなスクリプトを書くほどに使ったツールが、ある瞬間からは予想外の収益をもたらし始めました。これをより体系的で目的的にすることは、まさにアンドレイ・カパシー（Andrej Karpathy）という名前ですか？ 「バイブコーディング」です。 ここ数ヶ月間、私はCursor 、 Replit 、 Trae 、 V0 、 Copilotなど、さまざまなAIコーディングツールを使って、最近はWindsurfやLovableのようなツールも書いています。直接使ってみるとツールごとに明らかな特性と違いがありましたね。コーディング経験が全くない人が素早くプロトタイプを作るときに有利な「コールドスタート」ツールと、すでにある程度コーディングをすることを知っている人が生産性を爆発的に引き上げるときに良い「ブースト」ツールに分けることができるという事実も知りました。 もちろん私の勝手に分けたので何の意味もありません！ ツール 分類 主な特長 一行平 Lovable コールドスタート フロントエンド、デザイン、バックエンド統合の自動化 Supabase（データベース）と電子メールの統合 ITであり、考えが明確であるとき使い勝手よい。 Replit コールドスタート/ブースト ブラウザベースの開発環境 展開とオートスケーリング、ホスティング モバイルアプリとして利用可能

あなたがレストランに行ったと想像してみましょうか？あるレストランではメニューを受け取り、別のレストランではメニューなしでウェイターと自由に会話する必要があります。メニューがあれば簡単に注文できますが、メニューにない注文は難しいです。一方、ウェイターとの自由な会話は可能性は無限ですが、何をどのように要求するのか心配する必要があります。 今日、私たちが人工知能（AI）とコミュニケーションする方法も、この2つの方法に分かれています。前の記事で説明したように、効率性とパフォーマンスを中心としたLLM（Large Language Model）ベースのインターフェースがある場合は、人間の経験に基づくインターフェースも必要です。これら2つのアプローチは、互いを排除するのではなく、それぞれエンジン層とインタラクション層という別々の層で共存できます。 以下の記事から続きます。 1.エンジン層：プロンプト管理とモデル最適化の世界 前述のファインチューニングに関する記事で述べたように、人工知能を効果的に活用するためには、エンジン層の理解が不可欠です。 私が運営する3blocks.aiを通じて様々な企業のAI導入を支援しながら発見した事実は、多くの企業が「人工知能を少し書いてみよう」という簡単な考えから始まりますが、実際にはその導入プロセスが決して簡単ではないという点です。特に閉鎖ネットワーク環境では単にAPIをインポートするのではなく、データの前処理からモデルサービングまで全過程を直接構築しなければならないことが多いです。 エンジン層で重要なのは： プロンプト管理：PromptHubやLangSmithなどのツールを使用して、プロンプトをGitコードのようにバージョン管理して最適化します。 RAG（Retrieval-Augmented Generation） ：関連情報を検索してモデルの応答を増強する技術で、企業内部データとLLMを効果的に連結します。 ファインチューニング：特定のドメインや業務に合わせてモデルを追加学習する過程で、法律文書の要約や医療記録分析などの専門分野に活用されます。 ただし、GPT-4oのシステムプロンプトを見ながら悟ったのは、実際の研究分野でもプロンプトはそれほど複雑ではないということです。どのように出力するか様式を決める程度を「エンジニアリング」と呼ぶには、民望的な面があります。結局のところ、重要なのは、賢明なプロンプト技術ではなく、実際のトラブルシューティングに適したアプローチを見つけることだと思います。 2. インタラクションレイヤー: ユーザー中心の経験設計 一方、インタラクションレイヤーは、ユーザーがAIとどのようにコミュニケーションし、作業するかに焦点を当てます。インテルのケースで見られるように、AI技術の受け入れにおける経験の影響はかなりあります。使用経験のある人の64%が次のアップグレードでもAI PCを考慮したのに対し、経験のない人の中では32%だけが肯定的な態度を見せました。 直感的なインターフェースを提供することは、複雑なAI技術を一般ユーザーも簡単に活用できるようにするためのコアです。 インタラクションレイヤで注目すべき点は： 視覚的な流れとコンテキスト：MiroやTanaのようにユーザーの思考を視覚的に拡張できるインターフェース設計 アクセシブルなUI ：複雑な命令の代わりに直感的なボタンとメニュー構造 コンテキストの維持：ユーザーの作業コンテキストを理解し記憶する継続的な相互作用 最近多くの注目を集めているIdeogram AIのように、タイポグラフィやロゴデザインなどの特化された領域でのインタラクションレイヤの重要性はさらに顕著です。技術の複雑さを隠し、創造的な表現に集中することを可能にするインターフェースがユーザーエクスペリエンスの核心です。 3. ハイブリッドインターフェースの未来 それでは、これら2つの層はどのように会うべきですか？理想的なハイブリッドインターフェイスは次のような構造を持つべきだと思います。