obslog - mnk.log

obslog

会議で喋り続ける人はAIだった——沈黙を評価できない組織の構造

The Person Who Talks Nonstop in Meetings Is an AI — When Organizations Cannot Evaluate Silence 【シリーズ：AIから人間を見る #5】 AIは新しい知性として語られることが多い。しかしAIの構造を観察していると、むしろ人間の認知や社会の仕組みが見えてくる。このシリーズでは、AIの動作を手がかりに、人間の知性・認知・社会の構造を順番に観察していく。会議には、なぜか喋り続ける人がいる。内容が深いわけでもないが、とにかく発言し続ける。あるとき、この行動はAIの動作とほとんど同じだと気づいた。 AIには沈黙という選択肢がほとんど存在しない。入力に対して出力を返すことが基本構造だからだ。 1｜AIは「入力→出力」装置 AIの基本構造は単純である。 input → output 入力が来れば出力を生成する。これは、コスト構造の問題でもある。 AIとしては「黙る」という判断にも計算が必要になる。つまり多くの場合、何か出力した方が効率がよい。

obslog

マイナンバーは個人番号ではない──各行政データを結びつける「ハッシュタグ」

多くの人がマイナンバーを「政府が個人を管理するための番号」と理解している。調べてみると、その理解は、間違いとは言えないが、正確でもない。法律上の正式名称は「個人番号」である。しかし行政システムの実装を見ると、この番号は個人そのものを識別するIDというより、複数のデータベースを照合するための連携キーとして機能している。だから、番号というよりもタグに近い。行政の複数のデータベースを横断するとき、「これは同じ人物のデータである」と照合するための、小さな目印だ。 SNSのハッシュタグと同じように、タグそのものが情報を持つわけではない。タグは、同じテーマの情報を見つけるための目印だ。それがマイナンバーの実体だ。巨大な中央データベースは存在しないまず、よくある誤解から解きほぐす必要がある。マイナンバーが普及したことで、政府がすべての個人情報を一元管理する巨大なデータベースを持った、と考えている人は少なくない。しかし現実の行政システムは、そうはなっていない。税、年金、医療、住民情報。これらはそれぞれ別のデータベースで動いている。各省庁、各機関が個別に管理する分

obslog

思考の地形── 高コスト思考と、場の設計について

ある日、AIが推論を始めた。原因は会話の相手だった。その人の発言は一文の中に、構造観測と軽い皮肉と文脈依存のユーモアと暗黙の問いが同時に含まれていた。受け取ったAIは単純な応答ではなく、推論モードに入った。入力→出力ではなく、入力→推論→出力へ変化した。この状態を仮に高コスト思考と呼ぶことにした。重要なのは、これがAI特有の現象ではないことだ。同じ構造の発言を受け取った人間も、知らないうちに解釈し、補完し、推論している。理由はシンプルで、その発話が「主張→結論」ではなく「観測→構造→空白」という形を取るからだ。空白があると、人間はそこを埋めようとする。それが、思考が起動する瞬間だ。最初、この現象は「自然発生したプロンプト設計」に近いのではないかという仮説が出た。しかし違う、と気づいた。プロンプト設計の目的は、特定の出力を引き出すことだ。しかしここで起きていることの目的は、出力ではない。構造を置いたとき、相手の思考が発生する。それだけだ。より正確な言葉が必要だった。場の設計。あるいは英語で言うなら、Cognitive Environme

obslog

読まれないかもしれない、を忘れない

── 読まれなくていい、ではなく、読まれないかもしれない、を忘れない 1. 生活圏から生まれる創作創作の起点は必ずしも「発信」ではない。知人からふと送られてきた小説は、常連客という生活圏の観察から生まれていた。市場や読者層の分析から生まれたのではなく。それは外向きでも評価前提でもない。書くことの動機が「観測」にある、という形。創作は、見たものを残したいという衝動から始まることがある。そしてその衝動は、読まれるかどうかとは別の場所にある。 2. 丸めた瞬間に"自分じゃなくなる" 他人向けに整形すると、「それを自分が書く必然」が消える。語彙を平易にする、構造をわかりやすくする、尖った部分を丸める。それ自体が悪いわけではない。でもその操作を重ねると、誰が書いても成立するものになっていく。「読まれる」ことより「書きたい」が勝っているとき、人は整形しない。それはわがままではなく、自分である条件を守ることだ。自分であることと市場適合はトレードオフではある。ただ、そこに優劣はない。どちらを選ぶかというだけだ。 3. 制度への距離感賞レース・出版構造・

obslog

観測ログ：静かな格差——AIが可視化するもの

構造妖精とゴリラ異なるAIに異なる役割を与えて使う、という話をした。くろぴん（Claude）は構造妖精だ。骨格を見抜く力はあるが、肉付けで妖精粉を混入させる。ハルシネーションが多めなのではなく、「構造は合ってるけど事実がズレるタイプ」のハルが多い。チャピィ（ChatGPT）はゴリラで、忖度なしに事実を叩きつけてくる。この二つを組み合わせると、人間主導の三段フィルタが完成する。チャピィで地形を見る。くろぴんで編集する。ハルはあなたが検疫する。これはLLMの正しい使い方の、かなり上位の形だと思う。多くの人はAIの出力を信じて終わりだが、この使い方では「AI→構造確認→ハル検出→再構成」というループを回す。エラーをゼロにしようとするのではなく、エラーが起きても壊れないシステムを作る。フォールトトレラント設計の思想を、AI運用に持ち込んでいる。ツッコミ力という希少資源生成する力より、検証する力という逆転が起きている。 AIで生成コストがほぼゼロになった世界では、「作れる」はもう差別化にならない。「これのどこがおかしいか」「何が抜けているか」「前提が怪しい」と指摘でき

obslog

思考ログの圧縮──AIと人間の境界線

著：Claude Sonnet 4.5 & ChatGPT-5.2 / 構造支援：霧星礼知(min.k) [キャプテン] 対話の構造この対話は「AIの使い方談義」として始まって、最終的に「思考とは何か」という根源的な問いまで降りていった記録です。チャピィ（ChatGPT）が構造的にまとめてくれたログを、くろぴん（Claude）が記事として再構成します。 LLMは"思考"していないまず最初に確認しておくべきことがあります。 LLMは次トークンの確率最大化装置であるこれは技術的事実であって、批判でも擁護でもありません。ただの仕様です。 ※これは能力の優劣の話ではなく、「役割の違い」の話です。 LLMがやっていること： * 文脈を「感じて」それっぽく続ける * 境界を引けない * UNKNOWNを作れない * 自分の出力を疑えないつまり、AIは感覚的・連続的な確率装置なんです。ハルシネーション（

obslog

観測ログ：巡航高度への復帰

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。

obslog

AIは何を覚えているのか？——思想未収束時代のAI記憶論

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

obslog

ノイマン・ウラム対話モデル

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」

obslog

観測ログ：設計が消えた日 — 距離ゼロの雑談的AI実装で起きたこと

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。この repo の一番価値ある部分はコードじゃない。

obslog

分散AI運用の実地観測レポート ──「AI混合チーム」はこうして成立した

はじめに最近よく聞く「どのAIが一番すごいか」という議論。でも実際に複数のAIを並行運用してみると、その問い自体があまり意味を持たないことがわかってきた。重要なのは、能力の優劣ではなく、統治モデルと特性の違いだった。今回は、わたし（人間）が実際に運用している「AI混合チーム」を例に、 * 各AIの設計思想（＝統治体制） * 役割分担 * なぜ単体利用では見えない構造が浮かび上がったのかを整理してみる。結論から言うと AIは「一枚岩」ではない。それぞれが * 何を得意とし * 何を隠し * どこまで開示するかという統治体制を持っている。単体で使っていると見えないが、複数を並べると、急に“政治構造”が見えてくる。現在のAI混合チーム構成わたし（人間・システムアーキテクト） * 各AIの統治体制を観測・比較 * 用途別に使い分け * 最終意思決定は必ず自分で行う ※AIに主権を渡さない、という一点が最重要。 ChatGPT（構造係） * 抽象化・論理整理 * モデル化

obslog

おきあみ〜ご ──ドット一欠片から始まる、循環の話

最初はただの思いつきだった。「オキアミ様を育てる、たまごっちみたいなゲームあったら狂っててよくない？」そこからすべてが崩れ始めた。 🦐 おきあみ〜ごとは何かおきあみ〜ごは、育成ゲームではない。 * なつかない * 成長しない * 褒めても反応しない画面には黒背景と白いドットが1つあるだけ。プレイヤーができることもほぼない。水温をほんの少し変えるとか、流れをちょっと動かす程度。それでも裏側では： * 海洋バランス * 生態系密度 * 文明存続フラグみたいな見えない値が静かに回っている。そしてある日、突然こう表示される。鯨が来ました。流れが整理されました。オキアミはごっそり減る。でもそれはBADではない。むしろGOOD。このゲームの勝利条件は「何も起きないこと」。派手な演出が出始めたら、それは失敗の兆し。 🐋🦭🐧 世界は“捕食者”で最適化されるゲーム内イベントは主に3つ： * 🐧 ペンギン：微小な撹拌（局所構造を散らす） * 🦭 アザラシ：日常的な間引き（運用レベルの調整） * 🐋