AI新聞

画像1枚から3Dオブジェクトを生成するAI「Idol」。写真1枚から“裏側まで”3D化し、3Dガウシアンスプラッティング形式（.ply）で出力できる。VRAMは最大7.2GBでGeForce RTX 3080でも動作し、オープンウェイトはApache 2.0で公開（商用可）。DiTベースのモデルで、背景除去から立体生成まで自動、実写向け/合成画像向けのモードも備え、デモやコードも入手可能。

Claude Codeで作った自律エージェントがISUCONを解いた当日レポート。最適化の打ち手と効果が時系列でまとまっている。

• Postgresを捨てて全リージョンでインメモリ化。書き込みは1台に集約し順序を決めて全台へ配信、読み取りは各台のメモリから返す
• 過去データは一度だけファイルに書き出し、mmapで部分読み取りして省メモリ化
• 画像URL署名はその場計算を諦め、期限を固定して事前計算テーブル化（SHA命令が速いマシンで生成）
• nginxを外し、Goが80番を直接受ける。pprofでボトルネックを計測
• JPEG検査はヘッダのみのDecodeConfigに変更。二重検査のデバッグを外してCPUを解放
• GCとOSのディスク書き戻し（dirty設定）を調整し、メモリ圧とI/O待ちを緩和
• ベンチの処理能力が頭打ちと判断し、スコア倍率が高いEU/USに計算資源を回すため応答を意図的に遅らせる（通知の時差、Memoriesのレート連動遅延）
• エクスポート拒否は再試行で逆効果と判明し撤回
• スコアのばらつきが大きい前提で、残り時間と期待値にもとづく「止め時」判定ツールで最終走行を決断
• HOOTLで人の入力ゼロ。監査役サブエージェントで意思決定を後追い点検し微修正

AIがコードを書く時代に、開発体験は人間向けとAI向けで違うという問題を立てる。著者はAI Evalsで実験し、AIにとっての使いやすさを数で示すべきだと述べる。

実験では、AIは指示がないとフレームワークを選ばず、きっかけがあればHonoを選ぶことが多い。Honoを使うと成功率が上がり、コード量とトークンが減った。開発サーバーのdevスクリプトはAIをハングさせるが、Hono CLIとSkillsで回避できた。

結論は明快で、AI時代でもHonoはあった方がいい。そして測定を続ければ、AI向けの開発体験は着実に良くなる。

AI補助のコーディング前提で設計された言語Tautoは、コードと一緒に「この性質は必ず成り立つ」という証明も書き、コンパイラが機械的に検査する。人間は差分を追う代わりに、命題（欲しい仕様）が正しいかのレビューに集中できる。すべての入力について「起きてはいけないことは起きない」を保証できるのが核で、権限や状態遷移など安全性が要る領域に強い。Rust/JavaScript/Wasmtimeに出力でき、読みやすい証明記法と依存型（値で型を縛る仕組み）で実用と検証を両立する。

Krita上で手書き数字認識を実装する手順と工夫を解説した記事。標準のレイヤー合成とフィルターだけでニューラルネットが動くのが肝。

• プロジェクトはRGBA・32bit浮動小数点・linear RGBに設定し、負の値も扱う。
• 28×28の入力をコピーレイヤーで複製し、乗算・加算レイヤーを組み合わせて行列積を再現。
• モザイク処理フィルターで「平均→ピクセル数倍」により和を計算し、レイヤー数を節約。
• ReLUは「比較(明)」で黒画像と比較して負値を0にする。
• 72ユニットの隠れ層から10クラス出力を再度GEMMで求め、棒グラフで可視化。
• データと生成用PythonはGitHubで配布。
• 裏話として、MNISTは簡単な課題で、見た目ほど魔法ではないと注意喚起。