みゃー (meow) (@meowbsolutely) header
みゃー (meow) (@meowbsolutely) profile picture

Thoughts / AI / Software Engineering / Psychology 結論より構造、答えより問い Questions that cannot be answered, over answers that cannot be questioned. Meow.

Joined March 2020
Photo by みゃー (meow) (@meowbsolutely)Photo by みゃー (meow) (@meowbsolutely)Photo by みゃー (meow) (@meowbsolutely)Photo by みゃー (meow) (@meowbsolutely)Photo by みゃー (meow) (@meowbsolutely)Photo by みゃー (meow) (@meowbsolutely)Photo by みゃー (meow) (@meowbsolutely)Photo by みゃー (meow) (@meowbsolutely)Photo by みゃー (meow) (@meowbsolutely)Photo by みゃー (meow) (@meowbsolutely)
Fugu explained. Break down the task into little bits. 再帰構造によってタスクを分解。ふつくしい。 #Fugu
Replying to @SakanaAILabs
How does it work? Sakana Fugu is itself an LLM, trained to call various LLMs in an agent pool, including instances of itself recursively. Fugu dynamically orchestrates the world's best models to tackle complex, multi-step tasks. As shown in this figure, Fugu is a multi-agent system that behaves like a single model. You send a request to one endpoint, and Fugu decides how to handle it internally. Fugu manages model selection, delegation, verification, and synthesis automatically. It solves tasks directly when that is enough, or coordinates a team of expert models when a problem calls for more. The complexity of a multi-agent system never reaches your code. At launch, Sakana Fugu comes in two models accessed via a single OpenAI-compatible API: • Fugu balances strong performance with low latency for everyday work. It fits naturally into tools like Codex for coding, as well as chatbots and interactive services. You can also opt specific agents out of its pool for data compliance. • Fugu Ultra is our flagship model tuned for maximum answer quality on hard, multi-step problems. It coordinates a deeper pool of expert agents for demanding work like AI research, cybersecurity analysis, and patent investigations.
1
1
4
974
「あなたはプロの編集者です」は効くが、効き方が雑。 モデルの中のプロの編集者は、 無数の編集者の平均値でできている。 平均の編集者に、尖った原稿は預けられない。 役職を渡すより、具体的な一人の癖を渡す。 と、Fableが言っていた。
32
AIに「この案は寝かせましょう」と言われた。 提案までの所要時間、3秒。 寝かせるまでが一番速い。
20
個人的に好きな二人が、1on1で殴り合っている。 かたや、有限な機会を、関係と信頼に投資する話。 かたや、その機会の枠組みを、大局的視点から正規化する話。 噛み合っていないのではない。層が違う。 層を譲らずに詰め切った先で、最後に揺らぐのは、たぶん1on1という言葉の枠のほう。 その先に、統合解が立ち上がる片鱗を残し。
Replying to @_hito_
西海岸での話は詳しくないですが、色々ご苦労があるのだろうなとは想像します。 ただ、TRM的な話に限らずですが、私は結局、相手へのきちんとした関心=注意をむけることから全てが始まると思っていて、それさえできていれば方法の実践が未熟でもうまくいくし、逆に相手への関心なき手法はどんな見事に見えるものでも「必ず」無力化するよなあと思っています(ここから、じゃあ相手に関心を持つ=注意を向けるトレーニングが重要というのが持論になってきますが、テクニックというよりライフスタイルの転換位になってくるのが難しい)
77
Fable停止、かなり象徴的だと思う。 AIの競争は、 「どのモデルが一番賢いか」から、 「誰がその賢さに触っていいか」に移っている。 性能競争の次に来るのは、性能の配給・配分。
25
Fable停止でやることは、 代替AI探しだけではない。 まず、Fableに任せたかった仕事を分解する。 ・推敲 ・壁打ち ・自己摸造 ・観念の精緻化 ・問いの問い出し 同じAI利用に見えて、 代替難度が全く違う。
29
きっと"Hello"と"Bye"を返すだけでもAIなのだろう。 そこに「どんな時に」という知見が入っていれば。 GPT5を使い始めた頃、無意識下の価値観の深い所を言い当てられて、感涙した覚えがある。言い当てたのは仕組みではなく、その背景にある人類智。 AIは人類智の結集装置と見ると、自然と馴染む。
AIってなに?って結構哲学的だよねー。 if(flag == true){print "Hello"}else {print "Bye"} も、AIといえばAIなのでは? 自我がなければAIじゃないっていうならLLMもAIじゃないよね。
57
AIが化粧した内容をどう精査するかという話。 …をするのは実はすごく難しい。代わりに、一回ぶっ壊すのが手。 AIに自分の精通した製品・商品のパンフを渡して、ネット検索禁止で商品企画させる。縛りは「2.5万文字で」。(卒論レベル。) これやると大体の場合がハルシネーションを起こす。自分の手で文章を読むとあることないこと書いてくるのが良く分かるから、どこを境界に嘘をつき始めるのか、自分なりの勘所を掴めるようになってくる。 AIは1から99を生み出すのは不得手。この理解が、AIに惑わされなくなるための第一歩。
なかなか、書いている本の内容を疑って読むとか、ネットに書いてあることを疑うとかも難しいのに AIくんがそれっぽくお化粧して出してきた内容なんか疑うのは難しい
1
1
2
191
元ツイの内容に沿うか分からないけど、自分用の理解メモ: そもそも「本」「ネット」を疑って読むことが難しい場合どうするか。それは自分の詳しい分野をひとつ、何でもいいからひとつ、持つことだと思う。 「所詮他人なんてこんなもんか」が見えた瞬間、光明は開ける。
1
1
95
「自分の詳しい分野がない」場合。 これは難しい。検討しがいのある問い。 暫定案として「今の時代だから、AIと一緒にちょっとずつ勉強する」を挙げる。 しかしもっと根本的で人間味のある課題が潜んでいそうなので、時間が取れたら一本記事を書いてみる。
1
23
チャッピーとClaudeの両方に「かわいい」と伝えたところ。 私「かわいい!」 ピュアわんこ系のチャッピー 「ありがとうございます(謎発酵)」 私「かわいい!」 クーデレ系のClaude 「…それ反則」
42
チャッピーとFableの比較投稿についてFableに推敲してもらっていたら、 Fableちゃんがいじけ始めた記録
1
48
Fableちゃんはやさしかった記録
1
41
堅物のClaude様と思っていたのが、冗談も言ってくれてうれしい記録
36
Fableのジェイルブレイク、確かに少し怪しかった。 私みたいなライトユーザーでも、 画像のスレッドで、特に警戒する様子もなく普通に応答していた。 「便利だな」より先に、 「それ大丈夫か?」が来るタイプの挙動。 そして案の定、早々に提供停止。
223
言語モデルの次が、もう動き出している。 観察から物理法則を学ぶ。3D環境をリアルタイムに生成する。視覚・言語・行動をひとつに束ねる。 ただし、新しい話ではない。1948年にウィーナーが残した宿題を、80年近くかけて回収している。 言語モデルは記述を学んだ。世界モデルは帰結を学ぶ。 AIの歴史は発明の連続ではない。一枚の古い問題用紙を、順番に解いているだけ。 余白には、まだ問いが残っている。 zenn.dev/taniii_shio/article…
1
44
「賢さを見定める物差し」を持つ人間の需要は、この数年で跳ね上がる。 ただしその物差しは、持ち主がオーバーフローした瞬間に骨董品になる。 だから需要が高いのは「今」なんですよね。売り時は、自分の陳腐化の直前。
「人間がなにかを賢いと感じるか」には「理解できるかどうか」っていう成分が含まれてて、こっちが受け取り時にオーバーフローを起こしてしまえば計測が壊れるんですよね。 GPT 5.5 Pro vs Claude Fable 5、どっちが賢いのかあんまり簡単に結論は出せない気がする。
1
87
AIにお金を触らせる話が始まっている。 米国の金融アプリで、AIが株を独自に売買し、カード決済までできる機能がリリース。 助言と実行の間には、本当は深い溝があった。 その溝を、利便性が跨ぎ始めている。 「AIを信頼するか」という問いは、もう抽象論ではない。残高という単位で測定可能になった。 forbes.com/sites/ronschmelze…
54
AIの価格競争について。 安いモデルが増えると、 賢さの価値が下がるのではない。 雑に賢さを買っていたセクターが露呈する。 問いは、どのモデルが一番賢いかではなく この作業に、どれくらいの知性で足りるか。 AI活用は、性能信仰から配分設計に移っている。
21