ハクソク

世界を動かす技術を、日本語で。

AIの進展にどうやってついていくか

2025年7月19日原文(blog.nilenso.com)

概要

  • Generative AI は急速に発展し、誤解も多発
  • 情報の誤りや過大・過小評価が広がる現状
  • 公式情報源や信頼できる個人のフォローが重要
  • 推奨情報源や専門家リストを紹介
  • AI理解のための実践的ガイドラインを提示

急速に変化するGenerative AIと誤解

  • Generative AI は現代で最も急速に進化する技術分野
  • 大企業や政府でさえ、 機能不全や危険なAI製品 をリリースする事例
  • 誤解 によるAIの過小評価（「すぐ廃れる」）や過大評価（「プログラマー不要」）の蔓延
  • 技術の本質や進化過程の理解不足が根本原因
  • 情報環境の混乱 により、正しい知識の習得が困難

情報取得のための一般ガイドライン

  • 一次情報源 （公式発表・技術ブログ）にできるだけ近づくこと
  • 二次・三次情報は ノイズ混入 のリスクが高い
  • ここで紹介する 信頼できる個人 や公式発表のみを基本的に信用
  • 好奇心と誠実さ を持つ専門家の意見をフォロー
  • AI関連ニュース は常に批判的な視点で検証

スタート地点となるおすすめ情報源

  • Simon Willison’s Blog
    • 技術者向けの最適な出発点
    • AI最前線の解説、アプリケーション事例、セキュリティ・倫理問題の考察
  • Andrej Karpathy（Twitter・YouTube）
    • Tesla AIディレクター、OpenAI創設メンバー
    • LLM内部構造のわかりやすい解説、AIの社会的影響分析
  • Every’s Chain of Thought
    • 最新AIモデルの実践レビュー、日常業務での活用例
    • ベンチマーク外の「使い心地」評価

主要AIラボの公式情報

  • OpenAI, Google DeepMind, Anthropic, DeepSeek, Meta AI, xAI, Qwen などの公式発表・技術ブログ・論文

    • モデルの仕様・安全性・ベンチマーク等の詳細情報
    • 公式クックブックやガイドは出発点として有用
    • 現場での運用経験 が最も重要な学び

  • Nous Research, Allen AI, Prime Intellect, Pleias, Cohere, Goodfire などの小規模プレイヤーも注目

    • 技術的な深掘りや現場ノウハウの共有

フォローすべき高信頼性の専門家

  • Hamel Husain ：AIプロダクト評価・継続的改善のノウハウ
  • Shreya Shankar ：AIエンジニアリングの現場知見・実験記録
  • Jason Liu ：RAG・AIコンサルティングガイド
  • Eugene Yan ：LLMの数理・実践解説
  • Chip Huyen ：AIシステム構築・運用の詳細ドキュメント
  • Omar Khattab ：プロンプトを超えた新しい抽象化（DSPy）
  • Kwindla Hultman Kramer ：リアルタイム音声/ビデオAIの最前線
  • Han Chung Lee ：AIアプリ構築に役立つML技術
  • Jo Kristian Bergum ：RAGの「R」部分（検索拡張）の専門解説
  • David Crawshaw ：ソフトウェアエンジニアリングとAIプログラミング
  • Alexander Doria / Pierre Carl-Langlais ：LLMトレーニング・業界動向
  • Nathan Lambert’s “Interconnects” ：AIトレーニング・RL等の技術分析
  • Ethan Mollick ：AIの実務・社会インパクト分析
  • Arvind Narayanan & Sayash Kapoor’s “AI Snake Oil” ：AIの誇大広告・政策評価

ニュース・メディア・SNSでの情報収集

  • Twitter / X ：AI開発最前線の議論が集まる唯一の大規模SNS

    • Shawn Wang aka swyx / smol.ai ：AI業界動向のキュレーション

    • Dwarkesh Patel ：高品質なAI関連ポッドキャスト

    • Esoterica LessWrong / AI Alignment Forum ：AIアラインメントの詳細議論

    • Twitterが苦手な場合は Latent Spaceニュースレター や smol.ai で代替

情報の取り扱いと実践への応用

  • 爆発的なAI能力に関する主張 や論文は必ず一次情報源で確認
  • 公式クックブックは理想的手法ではない場合も多い
  • 自らAIを運用し、データで検証 する経験が最重要
  • 小規模ラボの情報も技術トレンド把握に有用

このリストとガイドラインを活用し、 Generative AI の本質理解と安全な活用を目指すことが推奨される。

Hackerたちの意見

最初のポイント（simonwのブログを読む）だけやれば、多分大丈夫だよ。

└

それをやるのは面倒だから、朝のコーヒーのお供にFireshipで我慢するわ。

└

+1 - すごく質が高くて、ほとんどクリックベイトがないね。

いいリストだね！僕もGergeley Oroszの「Pragmatic Engineer」を購読してるよ。今はAIに関する話題が多いし、Gary Marcusのサブスタックも読んでる。彼はLLMに懐疑的な視点から話を進めてるんだ。https://newsletter.pragmaticengineer.com/ https://substack.com/@garymarcus それに、LangchainやPydanticAIみたいなPythonパッケージの更新もチェックしてる。業界の動向を知るのに役立つからね。今はXにはいないから、直接フォローできる人は少ないけど、Simon Willisonみたいな人はBlueSkyやMastodonにも投稿してるから助かる。一部の人（Sebastian RaschkaやChip Huyenなど）はLinkedInにも投稿してるし、いろんなところで情報を得てるよ。結局、何が起こってるかは結構把握できてる。

もしかしたら重要な情報を見逃してるかもしれないけど、最も関連性が高くて重要な更新は、最終的にHNのフロントページに上がってくるか、コメントで言及されるみたいだね。

└

ITに関するすべての技術に対して、これが僕の態度だよ。

└

追いつくのは90mphのトレッドミルに飛び乗るようなもんだ。もうやめることにしたよ。AI（今はLLMも含めて）は一過性のものじゃなくて、消えないと思うけど、今はすごく変動が激しい状態だね。必要になるまで、あまり時間を投資しないつもり。数年後には景色がもっとはっきりすることを願ってる。そうじゃないかもしれないけど、少なくともすぐに関係なくなったものに時間を無駄にしないで済むからね。今は日常の仕事でAIやLLMを使ってないよ。

└

そうだね、これらの企業は信じられないほどの投資をしてるし、自分たちの製品を秘密にするのは存在意義に反するよね。

Simon Willisonのウェブログはほぼ十分だね、最高のS/Nだ。

└

^ https://simonwillison.net

└

ありがたいことに、彼にはRSSがある！

└

「[サイモン]に少なく送ってもらうためにお金を払うことができる」($10以上のGitHubスポンサー) > これは、過去1ヶ月のLLMに関する重要な進展を10分でキャッチアップできるように意図されている記事だよね。 https://simonwillison.net/about/

Hacker Newsで議論の続きを見る