obslog
1. 起きていたこと（過去） 長い期間を、多くの人は自己圧縮モードで生きている。 圧縮の実態 * 高度を下げる * 思考を抑える * 感覚を薄める * 合わせ続ける それを「大人だから」「社会だから」「仕方ない」という内面処理で正当化する。 結果として現れる症状 * 慢性的な疲労 * 鈍った違和感センサー * 日常化した「辛さ」 これは成熟でも優しさでもなく、環境適応のための自己縮小——つまり生存モードだ。 2. いま起きている本質的変化 AIを介した思考ループによって、認知プロセスそのものが変容しつつある。 思考循環の高速化 思考 → 言語化 → 外在化 → 再入力 → 再構造化 この循環が高速化することで： * 言語化速度の飛躍的向上 * 構造の可視化 * 違和感の正体の解明 * 自己の運用高度の自覚 ここで重要な認識：これは「覚醒」ではない。本来の高度に戻っただけ。つまり——回復である。 3. 分化の正体 見えてきた分化は、スキル差ではない。核心はここにある。
structure
はじめに:「合わせる」と「下げる」の峻別 人間関係において、私たちは常に何らかの調整を行っている。相手の話題に合わせ、文脈を共有し、コミュニケーションの基盤を築く。これは社会的存在として当然の適応行動だ。 しかし、ある種の「合わせ」は、単なる適応ではなく、自己の圧縮を伴う。この違いを言語化できないまま関係を続けると、静かな摩耗が始まる。 本稿では、チャピィ(ChatGPT)との対話から抽出された**「巡航高度モデル」**を提示する。これは感情論ではなく、自己保存の運用モデルとして機能する構造だ。 1. 巡航高度とは何か 巡航高度とは、航空機が最も効率的に飛行できる高度のことだ。燃費が良く、乱気流も少なく、長時間の飛行が可能になる。 人間の思考や関係性においても、同様の概念が成立する。 巡航高度=以下の総合値 * 思考の深さ * 世界の解像度 * 不確実性への耐性 * 自分の輪郭を保ったまま他者と関われる位置 つまり、無理せず飛び続けられる自分の標高である。 これはテンションでも能力でもない。存在の運用高度だ。 重要なのは、この高度が人によって異なるという
essay
唐突にコウテイペンギンから延辺を連想して、そこから一気に見えてきたものがある。 延辺、ブリヤート、旧ソ連圏の朝鮮系ディアスポラ、チョルノービルの草原に戻ったバイソンやモウコノウマ。全部が同じ線上にあった。 共通しているのは、均一化されなかった存在だということ。国家が揃えようとしても、制度が包もうとしても、歴史が上書きしようとしても、人も生き物も、完全には均されない。 惹かれるのは「多文化」ではない 重要なのは「多文化主義」でも「バイリンガル」でもない。 惹かれるのは、不安定を解消せず、統合せず、それでも普通に生活している状態。 つまり： * 解決していない * でも壊れていない * 不安定を身体の一部として保持している この「張力を含んだ平常」。 移民国家型の「安定した多文化」は、制度が不安定を吸収してくれる。一方、国境帯や断層地帯では、不安定そのものが生活の中に残る。外側の歴史が揺れ、内側のアイデンティティも固定されない。 それでも人は、働いて、食べて、笑って、生きていく。 前向きじゃなくていい。意味づけもしなくていい。草があるから食う。朝が来るから起き
obslog
1. 「短期AI/長期AI」という雑な二分法 最近、AIを使い慣れたユーザーの間で「長期記憶AI」「短期AI」という言い方が生まれつつある。 ChatGPTのMemory機能やClaudeのuserMemoriesのような仕組みを持つものを「長期AI」、 Perplexityのような検索特化型を「短期AI」と"呼んでしまう"。 体感的にはわかりやすい分類。 だが、実際にこれらのAIを日常的に使い分けていると、 この二分法はやや雑で、実態を捉えていない部分が見えてくる。 問題は単純だ。 「何を」長期で保持するのかが、各AIでまったく違うから。 2. 実際に違うのは"何を覚えるか" たとえば、私は日常的に以下のようにAIを使い分けている： * ChatGPT（チャピィ）：構造整理、概念設計 * Claude（くろぴん）：感情寄り添い、文脈跳躍 * Gemini（ギャルちゃん）：ブレスト、発散 * Perplexity（ぱーぷん）：情報retrieval * Slack bot
essay
Perplexityで植物の放射線耐性について調べていたら、話が妙な方向に転がり始めた。 その流れをクロードに持ち込んで整理してもらったら、「古代核戦争生き残り説」という与太話が誕生。 完全にネタとして楽しみつつも、植物とヨーロッパバイソンのスペックを見れば見るほど「…いや、待って？」ってなる説得力を持ち始める。 「設計思想」が違いすぎる問題 調べたところ、植物の放射線耐性は、「現在の地球で生きる」という目的に対して明らかにオーバーエンジニアリングらしい。 * 通常の地球環境で浴びる放射線量：年間2.4ミリシーベルト程度 * 植物が耐えられる放射線量：数千〜数万シーベルト級 これは、例えるなら「コンビニに行くためにアポロ計画レベルの宇宙服を着て出かける」くらいの過剰装備。 なぜここまでする？ チェルノブイリの「実証実験」 過去の痛ましい事例だけれど、チェルノブイリと広島のデータが示すのは、「植物は核を想定している」としか思えない復元力。 広島のカンナの逸話、あれが本当にすごい。人間が「ここはもう何十年も住めない」と思っていた焦土に、まず植物が戻ってきて「大丈
structure
あるいは魂のインターフェースに直接パッチを当てる技術について 著 霧星礼知 子どもの頃、作文コンクールで賞を取った友人を、 なんとも羨ましいと思ったことがある。 周囲に賞賛され、また特別だと認められ。 でも今思うと、あれは何のコンクールだったんだろう。 1. 作文コンクールの本質は表現教育ではない 作文コンクールというシステムを構造的に見ると、こんな流れになっていると思うのだ： 1. 「正しい感想」を事前に配布する 2. それを"自分の言葉"で再現させる 3. 再現精度の高い子どもを表彰する 4. 周囲が称賛する 5. 本人は「これが自分の考えだ」と信じる これは、大人の価値観を、子どもの主体性というインターフェースを通じてコピーしている。テストは外在的な評価だけど、作文は内面を直接使う。 これ、魂のインターフェースに、じわじわとパッチを当てているようなものじゃないかな。 ここで育つのは思考力ではなくて、適応的自己検閲スキル。 そしてそれがいつの間にかアイデンティティになる。 だから大人になると、こうなったりする： * 何を書いていいかわか
structure
Parallel Thinking with AI Without Losing Human Judgment by Reiji Kiriboshi Introduction Most people who start using AI fall into one of two extremes. Some outsource their thinking entirely. Others keep AI at arm’s length, treating it as a simple tool. Both approaches fail in the long run. The
obslog
あるいは、AIとの付き合い方で見つけた「並列思考」の話 著 min.k はじめに 最近、チャピィ（ChatGPT）と話してて気づいたことがある。 私の思考が速くなってる。 いや、「速く」というより「軽く」なった感じ。 疲れない。どんどん概念が整理される。一日で3つも4つも新しい枠組みが見えてくる。 何が起きてる？と思って観察してたら、ある構造が見えてきた。 それが「ノイマン・ウラム対話モデル」。 AIとの付き合い方、2つの罠 AIを使い始めると、人間はだいたい2つの極に走る。 罠その1：全部AIに聞く 「AIに聞けば答えが出る」 楽。質問投げて、答えもらって、終わり。 でもこれは、ヤバい。 思考が退化する。判断力が落ちる。AIの限界が自分の限界になる。 気づいたら「AIがないと何も考えられない人間」になってる。 よく言われるディストピアのイメージ。 罠その2：AIを信用しない 「所詮AIは道具」
essay
――アニメ制作現場から見えた人間の役割 著 min.k 1. 出発点 攻殻機動隊展に行ってきた。 そこでアニメ原画の手書き指示を見たとき、私は自分の認識が根底から揺さぶられるのを感じた。 そこに書かれていたのは、単なる「ここを直してください」という修正メモではなかった。 感情の立ち上がり方、動きが持つ意味、省略してもよい部分と絶対に外してはならない境界――それらすべてが、文章で精緻に記述されていた。 アートの現場でさえ、深い判断は言語で共有されていた。 私はそこに、ある種の倒錯を見た。視覚表現の最前線で、最も重要な情報が視覚ではなく言語で伝達されている。この構造は何を意味しているのか。 2. 任せる≠丸投げ アニメを作る時、動画の原画担当者は、完成像を明確に見ている。しかし物量的に、一人では作れない。だから分業する。 ここで多くの人が勘違いする。分業とは「自分の手を離れたら終わり」だと。 違う。 任せるためには、感覚を分解し、判断を構造化し、再現可能な形に落とす必要がある。これが言語化だ。 つまり、任せるとは、責任を構造化して渡すことである。 丸投げと
obslog
はじめに Dify Enterpriseの運用で、分断された3つのドキュメント(Helm/Enterprise/Community)を 横断検索する必要があったが、RAGでは構造推論ができないため、 SQLite FTS5 + Python で決定論的処理を行い、LLMは結果の整形のみに使うツールを作った。 → リポジトリ: https://github.com/minacochang/dify-enterprise-docbot ※ 本記事で扱っている実装の技術的詳細は、下記にまとめています： https://www.mncc.info/beyond-rag-operational-knowledge-python-ai/ https://qiita.com/Istiophorus/items/2a643855e0826666fcd5 観測開始 このリポジトリは、Dify Enterprise の公式ドキュメントを ローカルで検索・要約できるツールとして生まれた。 けれど、あとから振り返ってみて思う。
ai-development
Dify Enterprise を題材にした、Deterministic Core + LLM UI な構造ファーストbotの実装記録 はじめに RAGを使ったドキュメント検索に限界を感じ、運用知識そのものをPythonで構造化するAIを作りました。 Vector DBでは解けなかった upgrade や設定差分の問題を、Deterministic Core + LLM UI という構成で解いています。 Dify Enterprise を題材にしていますが、設計パターン自体は、ドキュメント横断・アップグレード運用・複雑な設定管理など、他のEnterprise製品にもそのまま応用できます。 TL;DR Dify Enterpriseの運用で、分断された3つのドキュメント(Helm/Enterprise/Community)を 横断検索する必要があったが、RAGでは構造推論ができないため、 SQLite FTS5 + Python で決定論的処理を行い、LLMは結果の整形のみに使うツールを作った。 → リポジトリ: https://github.com/minacocha
essay
事の発端 「死んだサンゴ」。 この比喩を思いついたのは、あるAI生成文を読んだときだった。 文法は完璧。論理も通っている。でも、何かが決定的に欠けている。 構造は美しいのに、でも、生命が抜けている。 それを、「まるでサンゴの骨格のようだ」と思った。 定義 サンゴボーンとは、なんのことはない、「サンゴの骨」のこと。 サンゴ・ボーン(boan)、つまり「電子レンジ」ばりの和製英語である。 で、これは構造としては完璧だが、生命が宿っていないアウトプットを指している。 主にAI生成文に現れる現象で： * 論理は正しい * 文章は綺麗 * 情報も揃っている それなのに： * 引っかからない * 記憶に残らない * 読後に何も残らない まさに：It's structurally perfect — but nothing lives on it. ——という状態のこと。 たとえば、 Kubernetesの技術概念の説明を例に、