#AI機械学習

[se-emily]

AIやデータサイエンスに興味ある場合、Pythonから勉強するべきか？#shorts

[aiandemily]

【今週公開の最新AIツール&ニュース】日本語ボーカル楽曲生成AIモデル最新版「Suno v4.5」/NotebookLMの音声概要機能が日本語に対応

[emilyscryptoinsider]

【ビジネスチャンス？】ビットテンサー(TAO)：あなたもAI開発で稼げる時代が来た

[2-job-com]

週3で年収896万円も夢じゃない！Python副業の始め方、最新案件情報まとめ

こんにちは、本田知香です。 「副業で収入を増��したいけど、どんなスキルが役立つの？」そう考えているあなた、必見です！ 今回は、副業案件の最新情報として、高収入も目指せる「Pythonエンジニア」という選択肢に注目します。 フリーランス・副業のマッチングサービス「SOKUDAN」の調査レポートを基に、Pythonエンジニアの副業案件の魅力や、働き方の具体例をわかりやすく解説します。 「Pythonって難しそう…」なんて不安に思っている方も大丈夫！…

[soitu]

【コラム：メタバース×AIで未来と過去にアクセスするには🚀】

未来が見えたら、過去にいけたら生き方を変えますか？

大量の衛星が地球を覆い

地球を丸ごとスキャンできるほど

地球はデジタル(仮想空間)にいくつも複製され

リアルタイムで変化を共有、反映している

デジタルでの変化は現実には影響せず

“ウソの世界”として分岐を繰り返す

あらゆるパターンで機械学習が進み

未来は多くの可能性を、過去はより鮮明なもの

へと確立されていく

もしどんな嘘も真実として暴かれるならと思うと少し怖くなりました

今からの行動、言動だけでも良くしておいた方がいいかも…

[tsubakicraft]

GPUを使用するJupyter NotebookをDockerでデプロイする

今回はローカルネットワーク上のコンピューターからGPU搭載のコンピューターのJupyter Notebookにアクセスして機械学習の勉強をする環境を構築します。 作業の結果としてJupyter Notebookが動作している様子で、プログラムの内容は次のようなものです。 import torch print(torch.cuda.get_device_name()) 以下、作業手順です。 jupyter-dockerというディレクトリを作り、そのディレクトリに移動します $ mkdir jupyter-docker $ cd…

[haruqun]

🐎 Python × JRA-VAN: 競馬予想AIで勝率アップ!? 🏆

こんにちは、競馬ファンのみなさん!今回は、プログラミング言語Pythonと競馬データベースJRA-VANを組み合わせて、競馬予想AIを作る方法をご紹介します。初心者の方にもわかりやすく、上級者の方も満足していただける内容になっていますので、ぜひ最後までお付き合いください。 🚀 最新トレンド: AIで競馬予想に革命を!近年、AIや機械学習の技術が急速に発展し、様々な分野に応用されています。競馬予想もその一つ!データ分析の専門家やエンジニアたちは、AIを使って競馬予想の精度を高めようと日夜努力しているんです。 🐍…

[tenshokustories]

需要が高まり続けるITエンジニアですが、中でも人気プログラミング言語の一つである「Python」を扱うことのできるPythonエンジニアが現在注目を集めています。

この記事を読んでいる方の中にも、Pythonエンジニアに興味を持ち、Pythonエンジニアとしてキャリアアップする方法を知りたい！という方もいるのではないでしょうか。そこで、大学で情報工学を専攻/研究し、実際にPythonでシステムを開発している筆者が、PythonエンジニアとしてのキャリアアップにつながるPython資格について紹介していきます。

また、資格取得のためのおすすめ勉強法も紹介しますので、ぜひ最後まで読んでみてくださいね。

この記事のまとめ

この記事には以下のことが書いてあります。

Pythonの資格には、国内資格と国際資格がある！

おすすめの勉強法は、公式書籍やプログラミングスクールによる学習など！

Pythonの資格取得はキャリアアップや学習の効率化につながり、非常におすすめ！！

この記事を読むのにおすすめな人

この記事は以下のような方におすすめです。

Pythonの資格にどのようなものがあるのかを知りたい人

Pythonエンジニアとしてのキャリアアップに興味がある人

Python資格の学習法を知りたい人

[takadat]

生成AIが今問うているのは、機械が模倣をするのはどこまでがセーフか？という次元の話ではなく、人間は他者の模倣を行い多様な特徴を高度に抽出し再構築することで新たな能力を獲得するプロセスを基礎的な機序とした生物であるという事実が、剽窃行為を禁ずるモラルとの矛盾を元々孕んでいた点だと思う あけすけに言えば「パクることでオリジナルになる」"学習"行為と「オリジナルはパクられるべきではない」という社会を成立させるための倫理やルールが本来相反するものである事実に対して、これまで社会的調整だけでやり過ごし論理的回答が出せていない現実が、今問いとして表出しているように見える

Xユーザーのsabakichiさん (1) (2)

[se-emily]

AIエンジニアを目指すのは辞めました。

[aiandemily]

【2025年冬】最新無料動画生成AIツール4選！＋これから公開予定の動画生成AI3選！ ～PixVerse、KLING AI、Hailuo AI、Sora、Veo 2、Movie Genなど～

[moko1590m]

カーパシー氏は、ソフトウェアというものが過去2回にわたって急速に変化したものと考えています。最初に登場したのがソフトウェア 1.0です。ソフトウェア1.0は誰もがイメージするような基本的なソフトウェアのことです。 ソフトウェア1.0がコンピュータ向けに書くコードであるのに対し、ソフトウェア2.0は基本的にニューラルネットワークであり、特に「重み」のことを指します。開発者はコードを直接書くのではなく、データセットを調整し、最適化アルゴリズムを実行してこのニューラルネットワークのパラメーターを生成するのです。 ソフトウェア 1.0に当たるGitHub上のプロジェクトは、それぞれを集約して関係のあるプロジェクトを線で結んだ「Map of GitHub」で表せます。 ソフトウェア 2.0は同様に「Model Atlas」で表されます。巨大な円の中心にOpenAIやMetaのベースとなるモデルが存在し、そのフォークがつながっています。 生成AIが洗練されるにつれ、ニューラルネットワークの調整すらAIの助けを得て行えるようになりました。これらは専門的なプログラミング言語ではなく、「自然言語」で実行できるのが特徴です。自然言語、特に英語で大規模言語モデル(LLM)をプログラミング可能になった状態を、カーパシー氏は「ソフトウェア 3.0」と呼んでいます。 まとめると、コードでコンピューターをプログラムするのがソフトウェア 1.0、重みでニューラルネットワークをプログラムするのがソフトウェア 2.0、自然言語のプロンプトでLLMをプログラムするのがソフトウェア 3.0です。 カーパシー氏は「おそらくGitHubのコードはもはや単なるコードではなく、コードと英語が混在した新しい種類のコードのカテゴリーが拡大していると思います。これは単に新しいプログラミングパラダイムであるだけでなく、私たちの母国語である英語でプログラミングしている点も驚くべきことです。私たちは3つの完全に異なるプログラミングパラダイムを有しており、業界に参入するならば、これらすべてに精通していることが非常に重要です。なぜなら、それぞれに微妙な長所と短所があり、特定の機能は1.0や2.0、3.0でプログラミングする必要があるかもしれません。ニューラルネットワークをトレーニングするべきか、LLMにプロンプトを送信するべきか。指示は明示的なコードであるべきでしょうか？つまり、私たちは皆、こうした決定を下し、実際にこれらのパラダイム間を流動的に移行できる可能性を秘めているのです」と述べました。 ◆AIは「電気」である カーパシー氏は「AIは新しい電気である」と捉えています。OpenAI、Google、Anthropic などのLLMラボはトレーニングのために設備投資を行っていて、これは電気のグリッドを構築することとよく似ています。企業はAPIを��じてAIを提供するための運用コストもかかります。通常、100万件など一定単位ごとに料金を請求する仕組みです。このAPIには、低遅延、高稼働率、安定した品質などさまざまなバリューがあります。これらの点に加え、過去に多くのLLMがダウンした影響で人々が作業不能に陥った現象も鑑みると、AIは電気のようななくてはならないインフラに当たるというのがカーパシー氏の考えです。 しかし、LLMは単なる電気や水のようなものではなく、もっと複雑なエコシステムが構築されています。OSだとWindowsやMacのようなクローズドソースのプロバイダーがいくつかあり、Linuxのようなオープンソースの代替案があります。LLMにおいても同様の構造が形成されつつあり、クローズドソースのプロバイダーが競合している中、LlamaのようなオープンソースがLLM界におけるLinuxのようなものへと成長するかもしれません。 カーパシー氏は「LLMは新しい種類のOSのようなものだと感じました。CPUの役割を果たすような存在で、LLMが処理できるトークンの長さ(コンテキストウィンドウ)はメモリに相当し、メモリと計算リソースを調整して問題解決を行うのです。これらの機能をすべて活用しているため、客観的に見ると、まさにOSに非常に似ています。OSだとソフトウェアをダウンロードして実行できますが、LLMでも同様の操作ができるものもあります」と述べました。 ◆AIは発展途中 LLMの計算リソースはコンピューターにとってまだ非常に高価であり、性能の良いLLMはほとんどクラウドサーバーで動作しています。ローカルで実行できるDeepSeek-R1のようなモデルも出てきていますが、やはり何百万円もするような機器を何百台とつなげて動かしているようなクラウドサーバーと個人のPCでは出力結果に大きな差が現れます。 カーパシー氏は「個人用コンピューター革命はまだ起こっていません。経済的ではないからです。意味がありません。しかし、一部の人々は試みているかもしれません。例えば、Mac miniは一部のLLMに非常に適しています。将来的にどのような形になるかは不明です。もしかしたら、皆さんがこの形や仕組みを発明するかもしれません」と述べました。 また、PCでは当たり前に使われているグラフィカルユーザーインターフェース(GUI)がLLMには中途半端にしか導入されていないという点も特徴です。ChatGPTなどのチャットボットは、基本的にテキスト入力欄を提供しているだけです。カーパシー氏は「まだ一般的な意味でのGUIが発明されていないと思います」と話しています。 ◆AIは技術拡散の方向が逆 これまでのPCは、政府が軍事用に開発し、企業などがそれを利用し、その後広くユーザーに使われるという歴史をたどってきました。一方でAIは政府や企業ではなくユーザーが広く利用し、その集合知が体系化され、企業が利用するよう��なります。カーパシー氏は「実際、企業や政府は、私たちが技術を採用するような速度に追いついていません。これは逆行していると言えるでしょう。新しい点であり前例がないといえるのは、LLMが少数の人々や企業の手中にあるのではなく、私たち全員の手中にあることです。なぜなら、私たちは皆コンピュータを持っており、それはすべてソフトウェアであり、ChatGPTは数十億の人々に瞬時に、一夜にしてコンピュータに配信されたからです。これは信じられないことです」と語りました。 ◆人類はAIと協力関係にある AIが利用されるときは、通常、AIが生成を行い、人間である私たちが検証を行うという作業が繰り返されます。このループをできるだけ高速化することは人間にとってもAIにとってもメリットがあります。 これを実現する方法としてカーパシー氏が挙げるのが、1つは検証を大幅にスピードアップすることです。これはGUIを導入することで実現できる可能性があります。長いテキストだけを読むことは労力がかかりますが、絵など文字以外の物を見ることで容易になります。 2つ目は、AIを制御下に置く必要がある点です。カーパシー氏は「多くの人々がAIエージェントに過剰に興奮している」と指摘しており、AIの出力すべてを信じるのではなく、AIが正しいことを行っているか、セキュリティ上の問題がないかなどを確かめることが重要だと述べています。LLMは基本的にもっともらしい言葉をもっともらしく並べるだけの機械であり、出力結果が必ずしも正しいとは限りません。結果を常に検証することが大切です。 この記事のタイトルとURLをコピーする ・関連記事 Metaが既存の生成AIにあるトークン制限をはるかに上回る100万トークン超のコンテンツ生成を可能にする次世代AIアーキテクチャ「Megabyte」を発表 - GIGAZINE 世界最長のコンテキストウィンドウ100万トークン入力・8万トークン出力対応にもかかわらずたった7800万円でトレーニングされたAIモデル「MiniMax-M1」がオープンソースで公開され誰でもダウンロード可能に - GIGAZINE AppleがXcodeにAIでのコーディング補助機能を追加＆Apple Intelligenceの基盤モデルフレームワークが利用可能に - GIGAZINE AnthropicがAIモデルの思考内容を可視化できるオープンソースツール「circuit-tracer」を公開 - GIGAZINE DeepSeekと清華大学の研究者がLLMの推論能力を強化する新しい手法を発表 - GIGAZINE 「現在のAIをスケールアップしても汎用人工知能は開発できない」と考える科学者の割合は76％ - GIGAZINE ・関連コンテンツ TwitterやFacebookで使われている「Apache Hadoop」のメリットや歴史を作者自らが語る 仮想通貨暴落などで苦境に立たされたマイニング業者は余ったGPUを「AIトレーニング用のリソース」として提供している 「AI懐��論者の友人はみんな頭がおかしい」というブログが登場、賛否両論さまざまなコメントが寄せられる 私たちが何気なく使っているソフトウェアはどのように開発されているのか？ グラフをはみ出した点と線が世界に広がっていく手描きアニメ「Extrapolate」が圧巻 「アルゴリズムって何？」を専門家が分かりやすく解説 機械学習でコンピューターが音楽を理解することが容易ではない理由 生きてるだけでお金がもらえるベーシックインカムこそ「資本主義2.0」だとの主張、その理由とは？

講演「ソフトウェアは再び変化している」が海外で大反響、その衝撃的な内容とは？ - GIGAZINE

[ryotarox]

(AIはどのような仕事ができるようになったのか？ChatGPTで変わる「優秀な人材」 - ところてん - Mediumから)

以下の図（上図）は機械学習が産業利用される以前の業務分担図です。横軸にミスの許容可能度、縦軸に入出力の複雑さをとったものです。

この図はざっくりと3つの領域に分かれます。まず左下が従来のプログラミングの領域です。これは簡単に言うと「プログラムは間違ってはいけない定形な仕事を奪う」ということです。次にその上の士業が責任を取る領域です。これは「責任」を取る人がいないと成立しない仕事です。ミスが発生した際に罰則を与えるという形で、ミスの発生を防いでいます。最後に右側のホワイトカラーの仕事の領域です。ホワイトカラーの仕事は入出力が��定形であり、作業フローも非定型であったりします。そのため、多少のミスはあっても仕方ないという前提の上で仕事が行われています。 機械学習がビジネスに組み込まれるにつれ、ホワイトカラーの仕事領域はそれらによって少しずつ代替されつつあります。その図がこちらになります（下図）。

[leomacgivena]

生成AIへの無断利用禁止は，感情としては分かるけど法的には「無断引用禁止」と同じレベルの難癖ではあるんだよなぁ．引用禁止と言われようが引用の条件を満たせば引用できるのと同じで，機械学習への利用も条件を満たせばOKというのが現状．

XユーザーのM. Morise (忍者系研究者)さん

[ari0921]

AIに聞いてみた

マスクとトランプ

アメリカ議会で大きな波紋を呼んでいる「大きく美しい法案」について議会税調(にあたるチーム)はアメリカの巨額の財政赤字が膨れ上がるとしており、イーロンマスクが行ったUSAIDの解体による無駄削減、DOGEによる政府の無駄排除で政府予算を利権にして貪る連中、組織の排除をマスクは批判している、しかし議会税調の試算は経済成長の算出が含まれておらず、ヘリテージ財団の資産では財政赤字は改善する事ができると言う、元々はバイデン時代の巨額の米国債発行がアメリカ財政を困窮させている。その為にFRBは利下げに躊躇し格付け会社は米国債の格付けを下げている、トランプは利下げする事でアメリカ経済のバブルを生み出し関税による経済の好転までの繋ぎに考えているのでは無いのか？しかしアメリカの製造業の賃金は日本と同様３０年間横ばいで、アメリの経済成長は金融バブルによるもので世界の大量消費国と言うバブル経済を起して来たが、限界を迎えているのでは無いのか？

今回のトランプとマスク氏の衝突は経済見通しが原因でありAIのアメリカの経済予測を伺いたい。

「大きく美しい法案」（One Big Beautiful Bill）を巡る議論は、米国の財政・経済政策の複雑な課題を浮き彫りにしています。以下、ご質問のポイントを整理し、AIを活用した経済予測の観点も含めて回答します。

### 1. 「大きく美しい法案」と財政赤字

- **議会予算局（CBO）の試算**：CBOは、法案による大規模減税（トランプ減税の延長など）で2025～2034年の10年間に財政赤字が2.4兆ドル増加すると予測。歳入は約3.7兆ドル減少し、歳出削減（1.3兆ドル）ではカバーしきれず、利払い費を含めると赤字は3兆ドルに膨らむ（GDP比123.8％）。[](https://www.jetro.go.jp/biznews/2025/06/26290b77b504b3ca.html)

- **ヘリテージ財団の見解**：同財団は、減税による経済成長や関税収入（10年で2兆ドル超と試算）を考慮すれば財政赤字は改善可能と主張。CBOの試算は成長効果を過小評価していると批判。トランプ政権も同様に、1.6兆ドルの歳出削減と2.5兆ドルの追加歳入で赤字を埋められると強調。[](https://jp.reuters.com/world/us/FGG5LKXMLJPFFEGWVDXODYZL2I-2025-05-27/)[](https://www.newsweekjapan.jp/headlines/world/2025/05/553106.php)

- **問題点**：減税による経済刺激は、政府債務の調達コスト（国債利回��）上昇に追いつかない場合、効果が限定的との警告がある（日興アセットマネジメント）。また、関税収入の見通しは他国との交渉次第で不確実。[](https://jp.reuters.com/world/us/FGG5LKXMLJPFFEGWVDXODYZL2I-2025-05-27/)

### 2. マスク氏の批判とDOGE・USAID

- **マスク氏の立場**：イーロン・マスク氏は、法案が財政赤字を2.5兆ドル増やすと批判（CBO試算の2.3～2.4兆ドルと一致）。特に、メディケイドやSNAP（食料支援）削減が社会的弱者を直撃し、富裕層優遇の減税は不均衡だと主張。[](https://x.com/miya397156651/status/1930235292860198981)[](https://x.com/kicka_one/status/1930023523462140088)

- **DOGEとUSAID**：マスク氏とトランプ政権下の「政府効率化局（DOGE）」は、政府の無駄（USAIDなど）を排除し、利権構造を打破する狙い。マスク氏は130日間の特別政府職員として歳出削減を主導したが、法案の利益誘導策や債務膨張を「国家を破産させる」と批判し、トランプ支持層の財政保守派にも警鐘を鳴らしている。[](https://www.bbc.com/japanese/articles/cn8zp4l2zd1o)[](https://x.com/w2skwn3/status/1930859460198818022)[](https://x.com/utauButlerokkun/status/1930389426011812145)

- **対立の背景**：マスク氏は歳出削減優先、トランプ氏は減税と関税で成長を加速する戦略。経済見通しの違い（短期成長 vs. 長期持続性）が衝突の核心。

### 3. バイデン時代の財政とFRB・格付け

- **バイデン時代の影響**：2021年の「米国救済計画」（1.9兆ドル）など拡張的財政政策が赤字を拡大。2024年度の財政赤字はコロナ禍以降で最大（CBO推計：10年で22兆ドル増）。バイデン政権の需要創出策は供給制約（労働力不足など）を無視し、インフレを加速させたとの批判がある。[](https://www.nri.com/jp/media/column/kiuchi/20241017.html)[](https://www.nri.com/jp/media/column/kiuchi/20230106.html)

- **FRBの利下げ躊躇**：FRBはインフレ抑制のため2025年中も政策金利（4.25～4.50％）を据え置くと予想（野村證券）。トランプ氏は利下げを要求するが、FRBの独立性への圧力が市場の懸念を高め、株・債券・ドル安（トリプル安）を誘発。[](https://www.nomura.co.jp/wealthstyle/article/0307/)[](https://www.dlri.co.jp/report/macro/435648.html)[](https://www.bbc.com/japanese/articles/cvg7ggxewy8o)

- **米国債格付け**：ムーディーズは2025年5月に米国債格付けを引き下げ。財政赤字拡大と国債利回り上昇（30年物は2023年10月以来の最高水準）が背景。借り入れコスト増が家計・企業・政府を圧迫。[](https://www.newsweekjapan.jp/headlines/world/2025/05/553106.php)

### 4. トランプの経済戦略とバブル懸念

- **トランプの狙い**：大規模減税と関税（10～60％）で短期的な経済成長を誘発し、関税収入で財政を補う。利下げで金融市場を刺激し、経済好転までの「繋ぎ」を企図している可能性。[](https://finance.yahoo.co.jp/news/detail/8006f530181ad54121eae4dabfd3979b006f82e0)

- **バブル経済の限界**：米国の成長は金融バブルと消費主導に依存。製造業賃金は30年間横ばいで、日本同様に実体経済の停滞が顕著。追加関税は物価上昇を招き、スタグフレーション（成長停滞＋インフレ）のリスクを高める（野村総合研究所）。[](https://www.nri.com/jp/media/column/kiuchi/20241017.html)

- **持続性の疑問**：減税や関税は短期的にGDPを押し上げるが、財政赤字拡大と金利上昇が中長期の成長を抑制。米国の「大量消費国」モデルは、グローバルサプライチェーンの変化や中国・新興国の台頭で限界に直面。

### 5. AIによる米国経済予測

AIを活用した経済予測は、データ駆動型モデル（例：マクロ経済モデル、機械学習）に基づくが、不確実性が多い。以下は、現在のデータと傾向を基にした推測：

- **短期（2025～2026年）**：

- **成長率**：トランプ政策（減税・関税）でGDP成長率は2.5～3％程度に加速する可能性。ただし、関税による物価上昇（CPI＋1～2％）が消費を圧迫。AIモデルは、関税交渉の不確実性や報復措置を織り込むと成長率は2％以下に鈍化するシナリオも示唆。

- **財政赤字**：CBO試算通り、2.4～3兆ドルの赤字拡大が基本シナリオ。ヘリテージ財団の楽観的予測（関税収入2兆ドル超）は、AIモデルでは達成確率30％未満（他国報復や貿易量減少を考慮）。

- **金融市場**：利下げが遅れ、10年国債利回りは4.5～5％で高止まり。株価は短期的に上昇（S&P500：5000～5200）するが、2026年に調整リスク（15～20％下落）が高まる。

- **中期（2027～2030年）**：

- **スタグフレーションリスク**：関税と赤字拡大がインフレを加速（CPI年率3～4％）。FRBの利上げ再開で成長鈍化（GDP1.5～2％）。AIは、労働生産性向上（AI・自動化）がない場合、製造業の競争力回復は限定的と予測。

- **債務危機**：債務/GDP比が130％超に達し、格付け低下が続く。AIシミュレーションでは、2030年までに債務持続可能性が20％の確率で危機的レベルに。

- **バブル崩壊の可能性**：金融バブル依存の経済は、グローバル需要減退や国内貯蓄率低下で限界に。AIは、2030年までに景気後退（確率60％）を予測。

- **AIの限界**：AI予測は、政策の実行度合や国際環境（中国の反応、エネルギー価格）に依存。トランプ・マスクの対立が法案修正（減税縮小など）に繋がれば、赤字拡大は抑制されるが、成長も鈍化。

### 6. トランプとマスクの衝突

- **経済見通しの違い**：トランプは短期成長（選挙公約実現）を優先し、赤字拡大を楽観視。マスクは長期的な財政持続性と効率性を重視し、利権排除を訴える。マスクのAI企業（xAI）視点では、技術革新（AI・自動化）が成長の鍵だが、法案の利益誘導は非効率とみなす。

- **影響**：マスクの批判は共和党保守派に波及し、法案の修正圧力を高める（上院審議で減税規模縮小の可能性）。[](https://www.bbc.com/japanese/articles/cn8zp4l2zd1o)[](https://x.com/MktBrain/status/1930590998234837009)

### 7. 結論

- **経済の課題**：米国の財政赤字とバブル依存経済は構造的問題。トランプの減税・関税戦略は短期ブーストを狙うが、スタグフレーションや債務危機リスクを高める。マスクの歳出削減は必要だが、規模が不十分。

- **AI予測の示唆**：2025～2026年は成長とインフレが並存するが、2027年以降は赤字拡大と金利高で鈍化。持続的成長には、AI・自動化による生産性向上や供給側改革が不可欠。

- **提言**：法案は減税と歳出削減のバランスを調整し、関税は戦略的に限定すべき。FRBの独立性を尊重し、利下げ圧力を避けることが市場安定に寄与。

ご質問のリンクや追加情報があれば、さらに詳細な分析が可能です。いかがでしょうか？