かめ (@penguin_program) profile picture

web業界で働くエンジニア.勉強したこととかをアウトプットします。RTは後で読む意図です。python,go

Joined December 2019
Photo by かめ (@penguin_program)Photo by かめ (@penguin_program)
ええー、ほんまかいなと思いますが、これが本当ならもう、マーケティングリサーチは全部、ひっくり返りますね。でも、なんで現実の世界を知らないAIがそんなクリエイティブでリアルな批判的思考が定性的にできるのか、わからん...。
A toothpaste company has quietly killed the entire market research industry and nobody is talking about it. Colgate published a paper showing you can predict real purchase intent by simply asking LLMs to roleplay customers. And this is beyond insane. If you ask an AI, "Rate this product from 1 to 5," it gives safe, middle-of-the-road garbage. So researchers invented a method called Semantic Similarity Rating (SSR). Instead of asking the AI for a number, they asked it to roleplay. They gave the LLM a demographic profile. They showed it a product concept. And they asked it to write down its raw, unfiltered thoughts. Then, they used a semantic model to translate those written thoughts into a numerical score. The results are staggering. Tested against 57 real personal care product surveys and 9,300 human responses, the synthetic consumers hit 90% of human test-retest reliability. They perfectly mirrored how different age brackets and income levels react to price changes. And they provided detailed, qualitative feedback that was deeper and more critical than what actual humans wrote. This destroys the economics of traditional market research. You don't need to wait a month to see if a product will sell. You can simulate 1,000 hyper-targeted customer interviews overnight. You can A/B test pricing across every demographic instantly.
2
40
3
531
55,299
かめ retweeted
I've made $8k+ from my app in 2 months. 10 lessons I'd tattoo on every new founder: Charging MORE with a free trial beat charging less without one. My $49.99/yr plan with a 7-day trial made 6x more than my $24.99/yr plan with none Nobody wants the weekly plan. It made 3% of my revenue. It's just there to make yearly look cheap 1 in 3 trials turn into paying users. The other 2 decide during the first 24 hours, so put your best stuff on day 1 Yearly plans feel amazing on day 1. Then you realize a third of them already hit cancel. Upfront cash ≠ a business Your revenue chart and your MRR are two different apps. One is your ego. One is your rent Most of my money comes from one country. Global launch means nothing if your app speaks American Refunds come from confused users, not angry ones. Make the price impossible to miss One good day of content beat a month of features Your paywall is the most important screen you'll ever design. Treat it like the product You won't know if your app works until people renew. Until then, you're still in the tutorial
43
10
5
227
14,892
これはかなり面白い。 Claude Fable 5.2を使って、 世界中で公開される最新の金融論文を24時間監視して、使えそうなトレード戦略だけを自動で探すAIシステムを作れる。 やっていることはシンプル。 SSRN arXiv NBER などに新しい金融・トレード研究が公開されたら、 AIが自動で読み込む。 その中から、 「実際に売買ルールとして使えそうな論文」 だけを残す。 さらに、 論文の数式 ↓ 売買ルールに変換 ↓ コード化 ↓ 過去データでバックテスト ↓ 手数料・スリッページ込みで再検証 ↓ 今でも使えるものだけ残す ここまで自動でやらせる。 仕組みはこんな感じ。 まずAIが新しい論文を全部読む。 でも、 論文なら何でも使うわけじゃない。 例えば、 「この指標が高い銘柄を買う」 「この条件が揃ったら売る」 「○日後に決済する」 みたいに、 実際のトレードルールまで落とし込める研究 だけを残す。 次に、 生き残った論文のPDFをFable 5.2に読ませる。 そこで、 ・数式 ・使っている変数 ・エントリー条件 ・決済条件 ・必要な市場データ ・時間軸 ・著者が出した検証結果 を全部抜き出す。 その内容を、 論文ごとに1つのYAMLファイルへ整理する。 つまり、 難しい研究論文を、 AIが読める“戦略の設計図”に変える。 次に、 その数式を実際に動くコードへ変換。 ここでもそのまま信用せず、 大量のテストデータを入れて、 論文の数式とコードの結果が本当に一致しているか まで確認する。 その後、 実際の市場データでバックテスト。 最低でも4年以上。 しかも、 ・手数料 ・スリッページ まで入れる。 さらに重要なのが、 論文が公開された後のデータでも勝てるか確認すること。 論文の検証期間だけ勝っていて、 公開後に使えなくなっている戦略は普通にある。 だから、 論文内の期間 ↓ 論文公開後の期間 の両方をテストする。 ここを通過した戦略は、 さらにストレステスト。 例えば、 ・手数料を2倍にする ・別の銘柄でも試す ・設定値を少し変える ・別の期間でも試す それでも成績が残るかを見る。 少し条件を変えただけで崩れるなら、 たまたま過去データに合っていただけ として捨てる。 最終的に、 すべての研究へ4つの判定を付ける。 WORKS → 今でも使える可能性がある DECAYED → 昔は使えたが、今は優位性が薄れている FAILED → 検証すると使えない NOT TESTABLE → 必要なデータがなく検証できない そして毎朝、 「昨日公開された論文の中で、 実際に検証を通過した戦略はこれ」 というレポートを受け取る。 使い方をまとめると↓ Claude Codeで論文監視ツールを作る arXiv、SSRN、NBERから、 数時間ごとに新しい金融論文を取得する。 まず要約だけ読ませる AIにアブストラクトを読ませて、 実際の売買ルールにできそうな論文だけ残す。 大半はここで捨てる。 残った論文の全文を読む 数式 変数 エントリー条件 決済条件 必要データ を全部抜き出す。 戦略をYAML化 論文の内容を、 ・数式 ・トレードルール ・対象市場 ・時間足 ・論文の成績 として整理する。 数式をコード化して検証 Claudeにコードを書かせて、 元の数式と同じ結果になるかテストする。 実データでバックテスト 4年以上の市場データで、 手数料・スリッページ込みで検証。 さらに論文公開後のデータでも確認する。 ストレステスト 条件を少し変えても 優位性が残るかを見る。 残らなければ捨てる。 毎朝レポートを受け取る 各論文を WORKS DECAYED FAILED NOT TESTABLE に分類。 使えそうな戦略と、 ダメだった理由だけ確認する。 最後にペーパートレード バックテストを通過しても、 いきなりリアル資金では使わない。 まずペーパートレード。 それでも成績が残った戦略だけ、 24時間動くAIトレード環境へ組み込む。 通知もスマホへ飛ばせる。 つまりこの仕組みは、 最新論文を探す ↓ AIが読む ↓ 戦略だけ抽出 ↓ コード化 ↓ バックテスト ↓ ストレステスト ↓ 使えるものだけ残す ↓ ペーパートレード ↓ 実運用候補へ ここまで自動化する。
2
36
1
571
61,743
自分がガチで欲しかったLive翻訳アプリ作りました!! MITライセンスでOSSとして無料公開しますので是非使ってください!! ローカル動作なので完全無料!! ※1 基本的に英→日翻訳ですが、オプションで多言語にも対応してます。 PC音声を全て自動的に翻訳するので、あらゆる音声をリアルタイム翻訳出来ます。 ■利用イメージ - FOMC Liveで使って素早くFinance情報を得る - 英語のVtuber、YouTuberの動画を楽しむ - 英語の会議に添える、後で全文議事録にする - 英語音声のGameを楽しむ 少し難しい英語の話でも、「ちょっと遅いけど、読みやすい」日本語でリアルタイムに追いかけられます。 ■特徴 意図的にリアルタイムから少し送らせて翻訳します。 英文が塊で翻訳されるので変な意味として翻訳されてしまう事を防いでいます。 また、英→日翻訳をしたのち、日→日翻訳をして理解しやすい優しい日本語に変換して確定させるので、かなり理解しやすい日本語に翻訳されます。 Li○eみたいなTalk画面風なので、遡って話を見ることができて更に認知負荷Down。 ■ できること ・ライブ翻訳 「● 聞く」を押すと、PCで再生中の英語の音声(マイクではなく、PCの音そのもの)を聞き取って、メッセージアプリみたいな吹き出しで日本語にしていきます ・話している途中も訳を更新し、話のまとまりごとに約60字の短い吹き出しに分けて確定します。吹き出しを押すと英語の原文も見られます ・シンプル翻訳(Ctrl+1) 左に文を入れると、打ち終わって約1秒で右に訳が出ます。なんと、ライブ翻訳を止めずに使えます ・ミニ表示(Ctrl+Shift+M) 小さな窓にして、動画の横や上に置いて読めます。「最前面」でほかの窓より手前に固定できます ・訳は履歴に残り、全文コピーもできます。ダークモードもあります ・オプション:YouTubeの字幕(CC)を訳す拡張機能、中国語など英語以外の音声の聞き取り(Qwen3-ASR/Whisper) ■ 仕組み ・音声認識はNVIDIAの Nemotron Speech(英語のストリーミング音声認識)を NeMo-Speech.cpp で、翻訳はPFNの PLaMo 3 Translate を llama.cpp で、どちらもPCの中で動かしています。Pythonは使っていません ・英語は160msか560msの細かい単位で聞き取ります。そのままだと細切れなので、「話のまとまり(段落)」につないでから訳します ・話している途中の段落は8語増えるごとに訳し直し、言葉が1.2秒止まったら残りも訳し直します。直前の段落を文脈として渡すので、訳がぶつ切りになりにくいです ・訳は2段階です。まずPLaMoで普通に訳し、そのあとPLaMo公式の「やさしい日本語」の書き方で、読みやすい日本語に書き直しています。2回かけるぶん少し遅いですが、そのぶん読みやすいです ・訳が届くまでは、聞き取った英語を薄い文字で出しておき、訳が届いたら日本語に置き換えます ・英語の「um」「uh」みたいな言いよどみは取り除き、金利の「3と3/4」みたいな分数は小数に直してから訳すことも出来ます。※動画では3と3/4ですが… FOMC向けの金融用語(30語)も入れてます ・段落が長くなりすぎたときは、軽い文区切りモデル(sherpa-onnx の CT-Transformer、CPUで動作)で文の切れ目を見つけて分けます ■ 軽さ ・アプリ本体はRust製で、配布ZIPは約12MB。PythonやRustのインストールは不要で、展開して「Talk風Live翻訳.cmd」を開くだけです(Microsoft Visual C++ 再頒布可能パッケージが入っていないPCは、それだけ入れてください) ・重いのは翻訳モデルだけです。最初の画面で PLaMo 0.8B/2B/8B/31B から選べます(0.8Bで546MB、8Bで4.9GB)。GPUの空きが16GB以上なら8B、それより少なければ2Bが最初から選ばれています ・翻訳は NVIDIA の GPU(CUDA)、Vulkan 対応の GPU、CPU で動きます。GPUがないPCでは0.8BをCPUで動かせます ■ プライバシー ・翻訳も音声認識も、すべてPCの中で動きます。モデルを最初にダウンロードするとき以外、音声も文章も外に送りません ■ 動作環境 ・Windows(x64)用です。動作を確かめたのは、Windows 11 と RTX 4090 のPC 1台だけです(うちのRTX 4090・8Bだと、英語が出てから日本語に変わるまで約2秒) ・起動するたびに、モデルの読み込みで10秒ほど「準備中…」になります ・Macでも理論上使えると思うのでFork主募集 ダウンロード:github.com/yebisu0529-ship-i… ※1 翻訳に使っているPFNの「PLaMo」は、PLaMoコミュニティライセンスで提供されています。趣味など個人の私的な利用は無料です。仕事など商業目的で使う場合は、PFNの公式ページへの事前登録と、直近の年間売上10億円以下(関係会社を含む)が条件で、超える場合はPFNの商用ライセンスが必要です。
23
410
30
2,866
145,768
かめ retweeted
「AIに指示する前に、AIに質問させろ」、1月の記事やけど今の方が納得ある 暗黙知を出さないと良い回答は出ないから、「自明な質問は避け最大3問ずつ」で自分にインタビューさせ、最後にトレードオフ表を作らせるらしい plan mode任せで前提の言語化省いてたな、やってみよ zenn.dev/hataluck/articles/d…
8
42
4
569
27,402
私の知人で、買い物依存症の方がいて、 「もう買い物やめられないんだったら、いっそのことバイヤーで独立したら?」とアドバイスしたら、めちゃくちゃ上手くいっていますね。 「やりたいこと」で起業するより、「思わずやってしまうこと」で起業するほうが、持続性が高い。なぜならMPを削られないから。 実質、無限の体力のようなものなので、それだけで競合優位にもなりうる。
金を稼ぎたければ、「どうすれば稼げるか」ではなく、「せずにいられんことを、どうやって金に変えるか」という問いに切り替えるといい。 私はこれを「金儲けにおけるコペルニクス的転回」と呼んでいる。「どうすれば稼げるか」という問いの裏側には、「稼がねばならない」という生活の要請や義務感がある。 この不純物が混ざるかぎり、長期にわたる集中は維持できない。 しかし「せずにはいられない」という状態には、不純物が一切ない。そこにあるのは、内側から突き上げる内発的欲求のみ。 だから圧倒的な成果を出せるし、純度と強度が十分に高ければ、その分野の第一人者になることすら難しくない。 ちなみに日本に1億人いるとすれば、1000人に1人で10万人、10000人に1人でも1万人の見込み客がいる。ニッチであるほど強烈なニーズが生まれるから、高額課金も成立する。 そして今の時代、興味のある人はネットを通じてその世界を探し当てる。つまりマニアは何が何でも検索し、辿り着く。 要するに、純度高く一つのことを突き詰めた人間が優勝する世界に、我々は生きている。 この構造を理解せず、旧来型の「どうすれば稼げるか」という義務感モードで仕事していても、息をするように対象へ15時間、18時間を投入してくる人間がいる以上、勝負にならないよ。
2
109
13
1,010
50,625
かめ retweeted
金を稼ぎたければ、「どうすれば稼げるか」ではなく、「せずにいられんことを、どうやって金に変えるか」という問いに切り替えるといい。 私はこれを「金儲けにおけるコペルニクス的転回」と呼んでいる。「どうすれば稼げるか」という問いの裏側には、「稼がねばならない」という生活の要請や義務感がある。 この不純物が混ざるかぎり、長期にわたる集中は維持できない。 しかし「せずにはいられない」という状態には、不純物が一切ない。そこにあるのは、内側から突き上げる内発的欲求のみ。 だから圧倒的な成果を出せるし、純度と強度が十分に高ければ、その分野の第一人者になることすら難しくない。 ちなみに日本に1億人いるとすれば、1000人に1人で10万人、10000人に1人でも1万人の見込み客がいる。ニッチであるほど強烈なニーズが生まれるから、高額課金も成立する。 そして今の時代、興味のある人はネットを通じてその世界を探し当てる。つまりマニアは何が何でも検索し、辿り着く。 要するに、純度高く一つのことを突き詰めた人間が優勝する世界に、我々は生きている。 この構造を理解せず、旧来型の「どうすれば稼げるか」という義務感モードで仕事していても、息をするように対象へ15時間、18時間を投入してくる人間がいる以上、勝負にならないよ。
9
182
39
1,893
122,111
自分が思いついたことがうまくいかないことを知っている。「これは絶対うまくいくぞ」と確信したアイデアも実際にやってみると、ほとんどうまくいかなかったから。「だからやらない」ではなく、うまくいかないことを前提にどう組み立てるかが大事。 経験が浅い頃は、自分のアイデアを信じていきなりトコトン突っ込んでいたがいまはちがう。 小さく試して、失敗して、修正する。それを繰り返して、うまくいく形にしていく。アイデアを思いつくこと以上に、このプロセスが大事でやんす。これを失敗力と呼んでおります。
3
28
4
481
27,006
儲かる事業を見つけたい方は「wantedly」の「今週の注目度ランキング」を見てみな。理由は、人材採用を急ピッチで進めている会社は固定費負担のリスク以上に、収益機会が発生しているから。金儲けの鮮度良い情報は、「急速採用」に現れる。これ重要です。
1
5
180
8,070
本当にごめんなさい。目標達成できない人の気持ちがわからない。何がなんでもそこに行くと覚悟決め、そこに行くための手段を100個ひたすらノートに書き出し、その中から売上にインパクトデカイ順に数字振って行って、あとはその順番通りに全力で全てやる。 それだけじゃね...? わたし、難しいこと言ってないですよね?🥹 みんなこれどこで躓くんサイコパスではないと思いたいが、ホンマに気持ちわかってあげられへんくて滅 だってやりゃあできるやんけ やってないだけやんけ🥹
6
29
11
496
48,656
ピーター・ティールが語る「創造的独占」の築き方。画像の要点を日本語でまとめると、次の7つ。 1. 誰も取り組んでいない価値ある課題を探す 常識を疑い、見つけた機会を実行に移す勇気を持つ。 2. 代替できない価値で独占をつくる 競争で利益を削り合うより、他社には提供できない価値を生む。 3. 小さく始めて広げる まず狭い市場で強い地位を築き、隣接市場へ展開する。先行するだけでなく、長く優位を保つ。 4. 成長だけでなく持続性を見る 目先の成長率よりも、10年後も存続できる事業かを問う。 5. 届け方まで設計する 優れた製品でも、顧客に売れなければ事業は成り立たない。販売・流通を製品と一体で考える。 6. 創業時の人と組織を大切にする 共同創業者と初期メンバーを慎重に選び、一人ひとりの責任を明確にする。採用を他人任せにしない。 7. 創業者の独自性を生かす 新しい価値を生む仕事は、定型的な経営手法だけでは担えない。創業者の独自の発想で、組織を小さな改善の積み重ねの先へ導く。
Peter Thiel on how to build a creative monopoly
2
9
892
(金融研究所DPS)生成AIのペルソナを「生活意識に関するアンケート調査」の回答者と1対1で対応させ、インフレ予想の再現度を検証しました。1年先の予想を一部再現でき、金融政策の認知度合いをペルソナに加えると再現度が大きく高まりました。 imes.boj.or.jp/research/abst…
6
51
12
280
33,595
【速報】OpenAI、Googleビジネスの競合となる新サービスを発表 ・企業がChatGPT上の店舗・企業情報を直接管理可能に ・商品価格や在庫情報も掲載できる ・AIが顧客の質問や商品比較に対応 ・閲覧・クリックなどの分析機能も提供
7
32
18
356
86,336
かめ retweeted
AI 会写代码了,但为什么很多人做的产品还是上不了线? 因为写完代码,只完成了一半。 Product Engineering把从产品想法到正式上线的流程整理成了 44 个 Agent Skills。 主要包括: 市场调研、竞品分析、产品方案 UI 原型设计和交互验证 Claude Code、Codex、Grok 多 Agent 分工 独立 Agent 审查代码,避免自己写自己验 自动化测试、安全检查和发布验收 用户登录、支付、数据分析和线上监控 它最值得借鉴的一点:Agent 不能只汇报代码写完了,还得拿出可验证的结果,最终由人决定是否发布。 支持 Claude Code、Codex、Cursor 等工具。 项目地址: github.com/phuryn/product-en… 你们用 AI 独立开发,最耗时间的是写代码,还是测试、上线和后续运营? #ClaudeCode #Codex #Agent #独立开发
23
33
5
255
11,697
NVIDIAと弊社Elithで共同で「日本を100万人で経済面を表現したらどうなるか」というデータセットを公開しました。様々な金融機関の皆様から協力をいただいて、実用的なデータセットができたと思います。ちなみに私の仕事は初期の混乱を収めた係です。よろしくお願いします。 #Elith
4
78
9
483
47,575
Bon bah voilà Anthropic ont encore niqué l'industrie du SEO Lisez cette masterclass Ou donnez-le à votre Claude C'est vraiment le state of the art
49
198
8
2,794
1,063,631
CoinbaseのCEO Brian氏が組んでいるエージェント体制を、本人の弁から図にするとこんな感じ。 今年5月に14%の社員をレイオフし、5層あった中間マネジメント層を排除。組織のフラット化とAIネイティブ化を実行。 Chief of Staff Agentとか、Lead agentとか本当に人間の組織がAIに飲み込まれていく様が現れている...
I've changed how I work over the last few weeks. I now have one lead agent for each area of focus, running all the time, and a chief of staff agent that oversees them. Each lead manages its own sub-agents that write code, test it, chase reviews, and coordinate with team members. Everything I need to decide or review comes into one prioritized queue, a simple local web app. Each product review includes screenshots and a video demo of the feature. I clear the queue in batches, mostly by voice and keyboard shortcuts. The leads also bring back ideas I hadn't considered. Working from one queue, instead of switching between dozens of chats, has cut a lot of mental overhead. The system keeps learning my preferences and distilling my judgment into a "Brian brain," so its recommendations and first drafts get better before they reach me. The goal is fewer corrections per change. Every change still goes through the same human review and security checks. It is eliminating tasks, not human judgment. What an exciting time to push the frontier of productivity, especially as we build the economy for agents (agentic finance). We should all keep pushing in this direction.
4
11
2
104
9,358