とらジオ

京都発。人生ぜんぶ実験やと思って生きている人間の、途中経過報告です。 記憶しない人生を30年以上続けてみたり、お客さんとの面談の質問をカードで決めてみたり、畑に古着を入れて炎上してみたり。そういう実験から転がり出す考えごとを、結論を急がず、寄り道しながら話します。マネジメントやAI（LLM）、Obsidianから、茶の湯、はたけ、映画、ハンバーガーの文化史まで。ひとりで考える回と、ゲストの頭の中を覗きに行く回があります。 わかりやすい結論に、ちょっと飽きていませんか。あっち行ったりこっち行ったり、ゆっくり多面的に考える時間を一緒にどうぞ。 LISTENで配信中。SpotifyやYouTube、Apple Podcastsでも聴けます。 https://x.gd/zEGBJ

とらジオ is a general podcast hosted by Unknown Host, with 0 episodes on record and a Required Pod Score of 80. PitchCentric scores this show on Booking Probability, Listen Score, and live audience signals refreshed every 24 hours.

Unknown Host hosts とらジオ, a general show with 0 episodes published.

Our AI reads these to draft pitches. Use them as grounding for a pitch that cites a real guest and a specific topic.

• 

  Episode #27

  22-6: 産業革命以上の体験を月3000円で

  Aug 12, 202628 minS1

  生成AIは2階建てで進化してきました<p>生成AIの進化シリーズ、最終回。プロンプト／コンテクスト／ハーネスの3段階を、今日から自分で体感する方法を紹介します。題材は韓非子の調査ミニプロジェクト。後半は、この先に来るであろう「AIチーム」の予想を話しました。</p><p>シリーズ過去回：</p>22-1: 歯磨きの間にチェスアプリ22-2: そんなアホな仕組みで22-3: LLMくんの気持ちになってみる22-4: 一流のプログラマーも自分で書かない22-5: わざわざまず最初に失敗する<p>リファレンス：</p>コンテキストエンジニアリングとは？（ソフトバンク）OpenAI Codex（Wikipedia）Claude Code（公式ドキュメント） プランモードの説明もこちらMicrosoft CopilotGemini韓非（Wikipedia）韓非子（Wikipedia）信賞必罰（Wikipedia）マルチエージェント研究システムの構築（Anthropic・英語）汎用人工知能（Wikipedia）産業革命（Wikipedia）<p> </p> LISTENで開く

  ListenShow Notes
• 

  Episode #26

  22-5: わざわざまず最初に失敗する

  Aug 9, 202617 minS1

  生成AIは2階建てで進化してきました<p>ハーネスエンジニアリングの何が嬉しいのか。「できた状態」を先に決めておけば、あとはAIが自分でぐるぐる回って辿り着きます。数学の未解決問題を解くのがその一例。プログラミングの世界には、テスト駆動開発という「できた状態を先に書く」型がすでにあり、それを丸ごとAIにさせられるようになっています。</p>22-1: 歯磨きの間にチェスアプリ22-2: そんなアホな仕組みで22-3: LLMくんの気持ちになってみる22-4: 一流のプログラマーも自分で書かない ハーネスエンジニアリングの紹介エルデシュ問題をAIが解いた事例の解説AIが数学の未解決問題を相次いで解決、証明の鍵は「形式化」（日経xTECH）Lean 4とは — AIが数学を証明する2026年 本編の「Learn」はこれ北京大学AIがLean 4で可換代数の未解決問題を解決テスト駆動開発 - Martin Fowler's Bliki（日本語）テスト駆動開発って何だろう（レッド・グリーン・リファクタリング）【翻訳】テスト駆動開発の定義 - t-wadaのブログ書籍『テスト駆動開発』Kent Beck 著／和田卓人 訳OpenAI「Astra」が10件の新成果、Lean 4形式化も公開（GIGAZINE） 収録後の続報<p> </p> LISTENで開く

  ListenShow Notes
• 

  Episode #25

  22-4: 一流のプログラマーも自分で書かない

  Aug 2, 202620 minS1

  生成AIは2階建てで進化してきました<p>エンジン以外の進化の話。プロンプトエンジニアリング、コンテクストエンジニアリング、ハーネスエンジニアリングの3段階で、生成AIの使われ方がどう変わってきたかを話しました。マルかバツかの判断条件を先に渡しておくと、AIが自分でセルフチェックしてぐるぐる回すようになります。</p>22-1: 歯磨きの間にチェスアプリ22-2: そんなアホな仕組みで22-3: LLMくんの気持ちになってみるプロンプトエンジニアリング - WikipediaSycophancy - Wikipedia 「だよねー」と聞くと同調してくる件AIは「あなたの味方」であろうとしすぎる ― Sycophancy(迎合)の正体はKPI最適化 - Qiitaプロンプトエンジニアリングとは？定義・手法・コツ | JAPAN AI ラボ コンテクストエンジニアリングとの違いも整理されているModel Context Protocol（MCP）に関するガイド | Google CloudMCP(Model Context Protocol)とは? | NTT東日本Retrieval-Augmented Generation - Wikipedia 「ラグでしたっけ」のラグAgent harness - Wikipediaハーネスエンジニアリングとは｜AIエージェントを動かす実行基盤の設計と運用ガイド | AI総合研究所ハーネスエンジニアリングとは何か ──「賢いLLM」を「任せられるAI」に変える｜芝陽一郎 Agent = Model + Harness<p> </p> LISTENで開く

  ListenShow Notes
• 

  Episode #24

  22-3: LLMくんの気持ちになってみる

  Jul 28, 202621 minS1

  生成AIは2階建てで進化してきました<p>LLMが第一世代から第三世代までどう進化してきたのか、を整理しました。すべてをトークンに変換するマルチモーダル、一人でもごもご自問自答する推論、そして「モデルの進化は、車でいうとエンジンの進化にすぎない」という話まで。ニュースで「新しいモデルが賢くなった」と言われているのが具体的に何を指しているのか、だいたい掴めると思います。</p>22-1: 歯磨きの間にチェスアプリ22-2: そんなアホな仕組みで大規模言語モデル - Wikipedia大規模言語モデル（LLM）とは？仕組みや種類・活用例をご紹介！｜リコー トークン化の説明マルチモーダルAI（Multimodal AI）とは？：AI・機械学習の用語辞典 - ＠ITマルチモーダルAIとは | IBM図解で分かる！モダリティとマルチモーダルAI - アシアルTechブログOpenAI、推論する新AIモデル「o1」を発表。規模以外での進化を示す | WIRED.jpDeepSeekの推論AIで、効率的な訓練を受けた小規模モデルの強みが浮き彫りに｜IBM 思考過程を見せて話題になったモデルDeepSeek-R1モデルの「Chain of Thought推論の特徴」が狙われる危険性を分析 | トレンドマイクロ拡張思考 - Claude Platform Docs 推論労力の設定スケーリング則とは｜シス担のミカタ 学習量とパラメータ数<p> </p> LISTENで開く

  ListenShow Notes
• 

  Episode #23

  22-2: そんなアホな仕組みで

  Jul 26, 202625 minS1

  生成AIは2階建てで進化してきました<p>前回に続き、生成AIの話。今回はLLMの基本的な仕組みについて。LLMがやっていることは「次の単語を予測して返す」、ただそれだけ。そんなアホみたいな仕組みであたかも会話しているように見えたことが、ChatGPT登場時の衝撃だったという話。トークン、パラメーター（≒エンジンの排気量）、スケーリング則についても触れました。</p>22-1: 歯磨きの間にチェスアプリ 前回エピソードChatGPTLLM（大規模言語モデル） - Wikipediaトークン（自然言語処理） - WikipediaLLMの仕組みをざっくり理解する - Qiita 数式なしの入門解説「LLMは次のトークンを予測しているだけ」は正しいのか？ - note 「予測しているだけ」の先にある話LLM の基礎 | Microsoft LearnScaling Laws for Neural Language Models（論文） パラメーター数と性能の関係ニューラルネットワーク - Wikipediaディープラーニング - Wikipedia LISTENで開く

  ListenShow Notes

Based on semantic analysis of episode topics and host coverage, this show is a strong guest fit for executives in:

Industry fit is computed by PitchCentric using vector embeddings of the show's episode catalog.