AI新聞

生成AIで小説を量産できるようになり、各文学賞への応募が急増している。選考作業が膨大になり、AI判別の難しさや人件費の増大で、公募新人賞の運営が揺らいでいる。筆者は選考基準や応募ルールの見直しなど、公募の持続可能性をどう守るかが急務だと訴えている。

AIがコードを書けるようになり、勉強は不要ではという不安がある。著者は、作るハードルは大きく下がった一方で、異常時の設計や外部API停止への備えなど、見落としやすい問題に気づくには基礎が要ると述べる。AIがコードを書く時代でも、基礎はむしろ重要になる。

言語やツールは変わるが、CPU・OS・ネットワークなどの仕組みは長く役立つ知識だという。結論は「今すぐ作る。ただし、作ったものを理解し問いを立てるための勉強を続ける」。

Claude Codeの使いこなし術について書かれた記事。

• Elgatoのフットペダルを使い、踏んでいる間だけ音声入力がオンになるよう設定。フットペダル×ローカル音声認識で全アプリに即時入力。
• 音声入力はHandy（オープンソース）を使用。モデルを端末に落として動かすのでネット不要、無料で使える。
• HandyはOption+Spaceでバックグラウンド入力を受け付けるため、これをペダルに割り当てる。
• 言語は自動判定。NVIDIA Nemotron Streaming 3.5で精度良好。Whisperなど他モデルも選択・自動ダウンロード可。
• AIエージェント内の音声機能より、別ソフトに分けると複数エディタで共通に使えて扱いやすい。

高齢化や人手不足でAIの効果が最も必要なはずの日本で、職場利用は8.4%にとどまり、米国（約50%）や英国に大差をつけられている。背景には、合意形成に時間がかかる文化や、AIの誤りを許さない職場慣行、医療など紙中心の現場、デジタル人材不足と古いITが重なる構造がある。政府は推進法で後押しするが、企業内での実利用は限定的で、導入数と活用度に大きな溝がある。

筆者は、雇用維持を最優先する圧力も相まって、リスク回避と合意形成が導入を極端に遅らせていると指摘。破壊的な変化を避けていては、生産性向上は届かないと結ぶ。

AnthropicがClaudeの生成テキストに入る“見えない透かし”の仕組みを公開。GoogleのSynthID-Textを元に、単語選択の乱数を秘密鍵と直前の文脈で置き換え、鍵保有者だけが検出できる統計パターンを埋め込む。文字を足さないため品質・速度・料金は維持され、個人特定情報も含まない。テキストに文字を足さずに検出可能な透かしが肝。

EU AI Actの透明性義務に合わせつつ、当面は日本を含むグローバルで適用。検出は専用APIで行い、事実の羅列や厳密なコードなど選択の自由が少ない文では効きにくい一方、翻訳には入りやすい。軽い編集では残りやすいが、完全な書き直しで消える。画像はC2PA準拠のメタデータで別方式。

AI小説の見分け方を、実体験に基づいてまとめた記事。

• 断言調で自信満々な語りが多い。主人公の説明が「絶対正しい」前提で進む。
• わずかに体言止めが増える。
• 小難しいモチーフや専門語をやたら擦る。決めゼリフが頻出し、同じ小道具や言い換えが何度も出る。
• 技術描写が細かく実務寄りで、物語より「技術ブログ/コンサル文書」っぽい読み味になる。
• カギカッコの頻度と範囲が過剰。丸カッコの補足も多く、セリフ内にも差し込まれて不自然。
• 登場人物の知っている情報の線引きが甘くなる（サリーアン問題）。視点変更で特に破綻しやすい。
• 生成自体は否定しないが、くどさと上記の破綻は投稿前に手修正したい。

高齢者向けのChatGPT教室が「楽に稼げる」と見られがちだが、実際はPCスキルより対人スキルが要る仕事だと経験者の声が集まっている。根気強く寄り添い、環境に合わせた操作手順を作り、再現できるようメモ化する負荷が大きい。

基本操作でつまずく人、指示通りに動けない人、独自判断で操作する人、昔の知識に固執する人もいて、紙のテキストが必須になる。雑談や「話し相手」を求めて来る層も一定数いる。

需要は確かにあるが、実態は教え方と接客の両方が核心で、料金が高めでも決して「ボロい商売」ではないといえる。

AIテキストはメタデータが残らないが、LLMの次単語予測の幅を使い、確率的な単語選択に秘密鍵で偏りを入れる手法で透かしを埋め込める、とNOPEが解説。

検出は同じ鍵で再計算し、二群の出現偏りが偶然かどうかを統計で見る。

長文ほど検出しやすいが、コードや引用のように選択肢が少ない文では効きにくい。言い換えにも比較的強い一方、示すのは「AIが関与」の事実で、方式は非公開かつ提供元の検出器に依存。NOPEはAI文を平文に言い換える「declaude」も公開し、実運用の難しさを示した。

WindowsターミナルにAIを組み込んだ「Intelligent Terminal」。通常のターミナル操作はそのままに、コマンドエラーへの対処提案や実行支援をAIが行う。初期設定ではGitHub Copilotが使え、PowerShellやWSLのbashに対応する。既存のsettings.jsonを引き継ぐため移行も手軽。

最新のV0.2ではOllama経由でローカルモデル（例：qwen3.5）を使え、インターネット不要でローカル実行が可能。タブごとにAIモデルを切替でき、AIの入出力はターミナル内の専用ペインで完結する。Microsoftストアから入手でき、CLIに慣れた人ほど快適に使える。

オープンソースで無料の写真ワークフローアプリ「darktable」を紹介。RAW現像から部分補正、JPEG書き出しまで一気通貫。

非破壊編集とモジュール式で露出・色・ノイズ・レンズ補正を柔軟に適用。評価やタグ管理、テザー撮影、ICCカラーマネジメントにも対応。

AIマスクやノイズ除去・アップスケールをPC内で完結（ONNX Runtime使用、API不要）。

LuaやCLIで自動化や大量処理ができ、Windowsの導入手順も解説。コミュニティでは高評価と一部の不満点も触れられている。

Claude Codeの既存設定をOpus 5向けに整理する手順とコツをまとめた記事。

• /claude-api prompt-auditでCLAUDE.md・skills・rulesを監査し、残す/削る/書き換えを自動整理。
• ただし仕組みの要否から先に見直す。内容の良し悪しより、「今のモデルで本当に要るか」を優先判断。
• ~/.claude/projects配下のtranscriptを集計し、skillの発火実績で実使用を確認。使っていない多段フローは外す。
• 自作の自律開発ループは/goalで代替できるかを検討。置き換え可能ならアーカイブへ退避。
• 生き残ったものだけをOpus 5前提で簡潔に書き直す。結果はskill40→6、常時ロード72%減と軽量化。

オープンモデルは手元に落として改造できるため、普及度はダウンロード数に表れやすい。Qwenは直近6カ月で30億回、Hugging Face上でも年間20億回超で首位となり、GoogleやOpenAIを大きく上回った。実利用では小型〜中型（1B〜8B中心）が多く、ローカル実行で使われている。

Qwenはサイズ展開の広さと定期リリース、Apache 2.0採用が派生を促し、15万超の派生モデルを生んだ。つまり、ダウンロードと派生が回る循環でエコシステムを拡大しており、これが首位の原動力だと述べている。

AIエージェントが出すHTML成果物を、散らばらずスマホで素早く確認・返信できる「HTML共有くん」の紹介。OSSで、S3＋CloudFrontに自動公開し、Cognitoや社内IP、期限付きURLで安全に配れる。Claude CodeやCursorなどからCLI経由で「公開して」「7日間共有して」と日本語で頼むだけで、ダッシュボードに集約される。

案件フォルダのHTMLを新しい順に一覧し、出先からの指示や承認も可能。実装は軽量で安価、URL署名はサーバーに状態を持たず管理が楽。スマホ前提でAIエージェントの成果物を“見せて返す”導線を整えるのが肝で、現場の「置き場問題」を一気に解消する。