
Shunsuke Kitada, Ph.D. Research Scientist. ex-彌冨研, 学振DC2 | CV, NLP, V&L | #しゅんけー画像生成本 インプレス社 発売中 https://xitter.cf/t.co/W0vPPTZAY5 | ENTP/LCRO🐉 | @cgd_lab お仕事の依頼はDMにて
Joined December 2014
- Tweets23.2K
- Following709
- Followers6.5K
- Likes20.3K
Pinned Tweet
🚨告知🚨 画像生成AI の本を出します!🎨
"Pythonで学ぶ画像生成"
amzn.asia/d/1CPySpz
現在注目される拡散モデルによる画像生成を、🤗 diffusers を用いて丁寧に解説しました!様々な画像生成AIの本がありますが、実装を極めているのは本書だけ💪
本気で学びたい人、ぜひ予約してください!!
パラグラフ・ライティング、プログラミングだと思うとかなり書きやすいよという話を shunk031.hatenablog.com/entr… で書いていたり(後輩たちと論文書くときは常にこのフレームワークを意識してもらってる)
なお、チャッピーは言わないとパラグラフ・ライティングしてくれないのでエーアイはダメ
speakerdeck.com/neuroiwm/par…
論文を書くということは、適切にパラグラフを積み上げること。さまざまな書籍で言われていることですが、手を動かしてみながら実感してもらうワークショップを研究室メンバー向けにやってみたので、資料を公開してみます。
しゅんけー「📕Pythonで学ぶ画像生成」発売中! retweeted
speakerdeck.com/neuroiwm/par…
論文を書くということは、適切にパラグラフを積み上げること。さまざまな書籍で言われていることですが、手を動かしてみながら実感してもらうワークショップを研究室メンバー向けにやってみたので、資料を公開してみます。
Chromeのレビューや開発に使ってる限りでもAIの指摘はまだ2〜3割は間違ってる。それも、数十のサブエージェントを使い6段のパイプラインで様々なチェックリストを使って検証して出した結果がそのレベル。
もちろん調査とかは爆速だけど、そこから出てくる仮説はまだまだだし、そもそもコンテキストが僕らと比べたらあまりにも小さすぎる。必要な情報が綺麗にコンテキストに揃った時しか正しい判断はできないのに、必要な情報が乗り切らないどころか、正しく集めることすら難しい。
AIを使って成果が出てるのは、本当の専門家が横について粗い回答について不審な点を洗い出し、この件は考慮した?あの話は知ってる?って質問詰めにしてコンテキストを煮詰めてあげるから出てくるのであって、AI自身の力で言えば、単にモノを沢山しっていて作業が速い……当初と変わらずそれだけってのが現実。作ったものが動かないんだ、客観的なデータだよね。
もし本当にAIの方が凄けりゃAnthropicから送られてくるパッチは非の打ち所がないはず。でも、全然そんな事はない。本当にAIの方が凄けりゃバグを見つけるだけでなく完璧に直してくれるはず。でも一番難しいバグを直すのは僕らだ。
来年のことはわからないけど、少なくとも今の最前線の現場はそんな感じ。たくさんのシニアが質の低い生成コードのレビューに悩まされてburn outしてる。
blogged. / “GitHub Actions Self-hosted runnerをお手軽にスケールさせる ghalet | おそらくはそれさえも平凡な日々” htn.to/3TQ1eCuXah
しゅんけー「📕Pythonで学ぶ画像生成」発売中! retweeted
┌○┐
│ 社 │
│ D │
│ に │
│ な │
│ り │
│ ま │ハ ハ
│ し │゜ω゜ )
│ た │/ /
└○┘ (⌒)
し⌒
しゅんけー「📕Pythonで学ぶ画像生成」発売中! retweeted
🎉 Excited to share that our paper “Where Did the Light Come From? Diagnosing Cast-Shadow Reasoning in VLMs and Borrowing the Missing Shadow Prior from Image Generation Models” has been accepted to #WACV2027 !!
arxiv.org/abs/2610.30740
Huge thanks to all collaborators☀️👤
This is such a banger rule in @opencode's AGENTS.md
"Before adding complexity for a speculative or vanishingly unlikely race or security edge case, explain the concrete failure mode, likelihood, and complexity cost to the user and get their buy-in. Do not silently expand scope for theoretical robustness."
しゅんけー「📕Pythonで学ぶ画像生成」発売中! retweeted
OpenAIの“ナビエ・ストークス方程式”証明、「公開された論文とLeanコードに“ズレ”あり」ケンブリッジ大などが指摘 levtech.jp/media/detail_952/ 人が数学証明を論文に書く→Leanコードに翻訳して機械で正誤判定し通過→だが自然言語からコード変換が不完全→Lean検証を通過しても論文が正しいとは限らない
しゅんけー「📕Pythonで学ぶ画像生成」発売中! retweeted
Homebrewを使っている場合、ターミナルで以下を実行してください。
brew update && brew upgrade ca-certificates
これでca-certificatesが2026-10-20版に更新され、問題のある証明書が除外されます。
(他のパッケージもまとめて更新したい場合は最後に && brew upgrade を追加)
しゅんけー「📕Pythonで学ぶ画像生成」発売中! retweeted
もう誰も考えていない、という記事
yusufaytas.com/nobody-is-thi…
・仕様書もコードも戦略文書も、多くをAIが書くようになった。その結果、自分で考えている人がほとんどいない
・筆者のYusuf Aytas氏は、問題はAIを使うことではなく、人が下すべき判断をAIの出力が肩代わりし始めていることだと言う
・大事なのは、その人が問題と向き合い、反対意見を聞き、不完全でも自分で判断を下したかどうか。AIは手助けに使うもので、判断まで任せきりにしてはいけない
・自動化は、人がやっていた手順をなくしてしまうので、自分で考えていてもスキルは衰えていく
・たとえばシェルスクリプトを手で書くのは、コマンドがどう動くかを学ぶ練習でもあった。ルーティン作業がすべて無駄なわけではない
・もっと心配なのは、AIなしで判断力を育てる機会がなかった新人
・筆者は新人に、AIに要約させるのではなく、自分が理解したことを書き出すよう求めている。要約は、誰も理解していなくても作れる
・AIをやめろという話ではなく、筆者も毎日使っている
・ただ、コードを書くのを手伝わせることと、どのコードを書く価値があるかを決めさせることはまったく別の話
しゅんけー「📕Pythonで学ぶ画像生成」発売中! retweeted
🧠 Can LLMs serve as a unified model of human decision-making in psychology?
Excited to share Cross-Centaur, accepted to #EMNLP2026 Main (Oral)🎉
We explore whether LLMs can capture individual differences in decision-making across psychological tasks.
arxiv.org/abs/2610.23157
しゅんけー「📕Pythonで学ぶ画像生成」発売中! retweeted
「3年後にAGIが誕生すると分かっていながら,博士号を取り,ポスドクになり,大学教授になる計画を立てているんですか?」
Anthropicの研究者が,博士課程の学生たちに「あなたたちのキャリアプランはもう存在しない」と告げた講演が話題です。
拡散モデルの発明者でもあるJascha Sohl-Dickstein氏(Anthropic)の講演『Advice for a young investigator in the first and last days of the Anthropocene(人新世の最初と最後の日々における若手研究者へのアドバイス)』を紹介します。
youtube.com/watch?v=3LZN2UUx…
人類が主役だった地質年代(人新世)が,AIの台頭によって極めて短い期間で幕を閉じるかもしれない ——そんな前提のもと,提示されたデータは強烈です。
■ 突きつけられた冷徹なファクト
モデル訓練の計算量は過去10年で約1000万倍に増加し,人間の脳が生涯で行う総計算量に迫っている。AIが単独で完遂できるタスクの時間スケールは,数ヶ月ごとに倍増している。ここ7ヶ月ほど,モデルは数学者が長年解けなかった未解決の「Erdős(エルデシュ)問題」を解き始めている。サンフランシスコでは「長いタイムライン(懐疑派)」とは「AGIは10年以内に来る」を意味している。2030年の計算量は2025年の約1万倍に達する見込み。
線形グラフで見れば,現在の劇的な進歩すら「まだゼロと区別がつかない平坦な初期段階にいる」というのが彼の主張です。
■ 学生たちへのシンプルで容赦ないアドバイス
毎日AIを使え。指数関数の上にいれば,遅れを取ることはない。彼自身はClaudeを「実行力は天才だが、研究のセンスはかなり悪い大学院生」のように毎日使い,自分ではもうコードを一切書いていない。
計算量がスケールするほど良くなるプロジェクトを選べ。それ以外は,完成する前に解かれてしまう サットンの『苦い教訓』の通り,スケールに味方されるテーマを選ばなければ,2年かけた研究も完成する頃には次世代モデルのプロンプト一発で追い抜かれる。
キャリアを「安定したもの」として計画するのをやめろ。安全な選択肢は,もはや安全を買ってくれない 社会全体で大規模な破壊が起きるなら,ベースラインのリスク自体が高い。従来の「手堅い選択肢」は,もはや安全を担保してくれず,ただ潜在的なリターンを犠牲にするだけになる。
そして,最も印象的な一言がこれ。
「書くことは考えることだ(Writing is thinking)。書くことを外注すれば,考えることも外注することになる。」
コーディングや実行は徹底的にAIへ委譲しつつ,問題設定(センス)と思考の核(書くこと)だけは決して手放すな。 AGIのタイムラインを本気で信じているなら,キャリアの計画も本気でそれに合わせろという,極めてストレートなメッセージの講演を紹介しました。
しゅんけー「📕Pythonで学ぶ画像生成」発売中! retweeted
『基盤モデルのための強化学習』の著者見本が届きました!
LLM などの基盤モデルにおいて、強化学習がどのように用いられているかを体系的にまとめた書籍です。
強化学習は、昨今の AI の進歩の主要因の一つであり、かつ「報酬ハッキング」など安全性に関する議論とも関連があります。いま強化学習を勉強するのはタイミング的にかなり良いのではないかと思います。
この本が、国内の AI・強化学習の研究・開発レベルの底上げにつながると嬉しいです!
Amazon:amzn.asia/d/0bjnVH4N



























