コラム– category –
-
大規模言語モデルは記号接地を獲得しているか？
-
Stargate AI Projectへのインサイト
-
Stargate AI Projectのビジネス展開についての考察
-
「ステップバック質問」を活用したケーススタディ
-
新製品企画プロジェクトでのバードアイ・ビュー活用プロンプト事例
-
メタ認知促進プロンプト
-
AIエージェント
-
AIとデータサイエンス、5つのトレンド2025
-
「歴史は繰り返さないが韻を踏む」とはパターン認識のこと
-
PlantUML と Mermaid で書ける図の完全リスト
-
スタートアップ企業におけるAI基盤モデルサービス
-
「三成に過ぎたるもの」に学ぶ：Microsoft×OpenAIとAlphabet×Google DeepMindの“宝の持ち腐れ”を回避する道
-
生成AIにおけるプリンシパル-エージェント問題
-
図を使ってメッセージを伝えることの重要性
-
オンラインファーストへのパラダイムシフト：移動コストの最小化と新時代の価値観
-
生成AI時代における文学部の再評価
-
AIエージェント・トレンド・レポート 2025
-
スキーム図（Scheme Diagram） と スキーマ図（Schema Diagram） の違い：詳細版
-
概念図とスキーム図の違い
-
スキーム図とスキーマ図の違いを徹底解説：図解で理解する2つの図の使い分け
-
国際M&Aに大規模言語モデル（LLM）を活用すると仮定した際のプロンプト例
-
医療ケーススタディへのLLMの適用：プロンプト
-
医療分野における意思決定をテーマとしたケーススタディ
-
アイデアを得るために大切な問題意識
-
生成AIを用いて評価基準を作成することの是非
-
意思決定における評価基準の重要性について
-
AIツールを活用した「8つの創造的な演習」について、ビジネスに特化したユースケースとプロンプト例
-
イーロン・マスクはTikTokを買収できるか？
-
AIを活用したクリエイティビティの向上
-
Andrew Ng氏の「2024年のAIの主要トピックとトレンド」への洞察
-
開発途中でユーザー（発注元やクライアント）が仕様変更を要求する
-
要件定義フェーズにおける代表的な失敗パターン
-
ソフトウェア開発における失敗パターン
-
湯河原温泉に関する4つの調査結果（サービス概要・市場ポジショニングと競合分析・ユーザーからのフィードバック・市場戦略の提案）
-
総合レポート：GoogleのAI戦略・組織・技術・課題と今後の展望
-
Sundar Pichai（サンダー・ピチャイ）とDemis Hassabis（デミス・ハサビス）
-
AlphabetとGoogle DeepMindの動向
-
生成AIは、大学1年の数学で習う線形代数から成り立っている
-
LLM初心者に向けた基本的なプロンプトのワークシート
-
マルチモーダルAIとファウンデーションモデルの違い
-
AI生成コンテンツと著作権にまつわる論点
-
日本における生成系AI（Generative AI）に関するガイドライン
-
日本における生成AI（Generative AI）の規制動向
-
生成AI（Generative AI）規制に関する世界各国の動向・背景・主要な原則・実際の運用・課題と論争点・将来の展望
-
国際的な生成AI規制トレンド
-
総合レポート：テキスト生成モデルの概観・歴史・原理・応用・課題・展望
-
LLM（Large Language Model）における推論は単なるテキスト生成とどのように異なるのか？
-
LLM によるテキスト生成の変革と背景
-
「暗黙知の言語化」という課題に対して、大規模言語モデルがどのように貢献しうるか
-
インタビュー・マニュアル（ドキュメンタリー風）
-
インタビューの文字起こしからドキュメンタリー風文章を作成するためのプロンプト
-
実務において暗黙知を言語化する合理的な方法
-
暗黙知（Tacit Knowledge）と形式知（Explicit Knowledge）
-
プロンプトエンジニアリング（Prompt Engineering）におけるトラブルシューティング
-
AIがツールを超える!? 言語モデルが作る新しい情報社会
-
プロンプトエンジニアリングにおける「条件」と「制約条件」の違い
-
正規表現の奥深さ
-
正規表現は一般的なライティング分野においても有用
-
正規表現の応用例
-
正規表現（Regular Expression）のチートシート
-
Claude 3.5 SonnetのArtifacts機能とv0の主な機能の違い
-
「ChatGPT」「Claude」「Gemini」サッカーで例える大規模言語モデルの使い分け
-
「プレゼンテーション資料」と「スライド資料」の違い
-
データ分析の目的は、行動につなげる知見を得ることですが、データサイエンティストのほとんどはそれを理解せず、分析すること自体が目的となっている現状について
-
プロンプトを設計における「意図」と「目的」の違い
-
データ分析の目的
-
AIリテラシーにおけるプロンプトエンジニアリングの重要性
-
AIリテラシーに特化したオンライン教育ビジネスは「1人企業ユニコーン（時価総額10億ドル超）」になり得るか？
-
1人で創業しても時価総額1500億円（約10億ドル超）」を狙いうる可能性が比較的高いと考えられるビジネスアイデア
-
演繹法、帰納法、アブダクション（仮説形成）の図式化
-
「AIの力により1人で時価総額1500億円（約10億ドル超）の会社が作れる」というサム・アルトマンの示唆的な言葉を考察
-
ケーススタディ：人間が見落としがちな盲点をつくプロンプト
-
RAGの精度向上に向けたメタデータ整備の重要性と実践的アプローチ
-
ケーススタディ：バイアス抽出プロンプト
-
「人間が気づかないまま抱えているバイアス」を意図的にあぶり出すような、少し変わった切り口のプロンプト例
-
LLMによる「無難な回答」を避けるためのケーススタディ：ビジネス編
-
仮説・演繹・帰納のプロンプトセットによるケーススタディ：大学の学部改編プロジェクト
-
良いプロンプトには論理は特に必要ないと言われますが、これは本当か？ – プロンプトと論理性の関係
-
帰納プロンプト: ケーススタディ(ビジネス編)
-
演繹プロンプト: ケーススタディ(ビジネス編)
-
仮説生成＋検証プロンプト: ケーススタディ(ビジネス編)
-
演繹 (deduction)・帰納 (induction)・アブダクション (abduction) がどのように働くかの事例10パターン Vol.2
-
演繹 (deduction)・帰納 (induction)・アブダクション (abduction) がどのように働くかの事例10パターン Vol.1
-
演繹 (deduction)、帰納 (induction)、そしてアブダクション (abduction) がどのように異なり、どのような共通点を持つのか？
-
アイデアをさらにスパークさせる「ぶっ飛んだ」プロンプト例
-
生成AIを評価するための軸は何か？
-
現在のAI ブームは、バズワードで終わるか、続くか？
-
勾配消失問題（Vanishing Gradient Problem）を中学生にもわかるように解説
-
AIエコシステムの5階層モデル
-
AIによる自動生成コンテンツの凡庸性: 平坦な創造性が抱える課題と可能性
-
漫画の世界からプロンプトエンジニアのアナロジーを考えてみる
-
例え（比喩一般）、アナロジー（類推）、そしてメタファー（隠喩）の違い
-
非構造化データベース（ベクトルデータベース）とそれに対するエンベディング技術こそが、現在のAIの興隆を支える土台となっている
-
今から10年後、プロンプトエンジニアリングはどうなっていますか？その時になってもまだ人間は生成AIにプロンプトを入力する必要があるでしょうか？
-
基盤モデルと世界モデルと言語モデルの違い
-
プロンプトエンジニアリングの深淵へ：高度なテクニックと応用
-
プロンプトエンジニアリングのネタ
-
連歌とLLMチャットが持つ共通点
-
スキルとリテラシーの違い
-
LLMを効果的に運転するためのコンテキスト設計