機械学習・生成AI
ChatGPTをはじめとする生成AIを仕事でどう使うか、そして機械学習が何をしているのかを解説しています。ツールの操作手順だけでなく、AIが出した数字や文章をどう検証するかまで扱うのが、数学・統計を教えてきた和からの視点です。
-
生成AIで勉強は大丈夫？Z世代62.6%が利用、信頼48.5%｜数学10問でAIの間違いを検証
楽天が2026年9月4日に公表した「Z世代における生成AI利用に関する調査」によると、15〜25歳の生成AI利用用途の1位は「勉強・学習」（62.6%）でした。趣味の情報検索（47.0%）や悩み相談（30.9%）を大きく引き離しています。 ところが同じ調査で、学習の場面で生成AIの情報を「信頼している」と答えたのは48…
2026年9月14日
-
生成AI検索の利用率52.3%、AI経由の流入は0.72%｜2026年の実測
生成AIで検索する人は52.3%（サイバーエージェント調査・2026年8月）。一方、和からのGA4ではAI経由の流入は全体の0.72%でした。調査の偏りと定義の問題を統計の目で読み、中小企業のLLMOで何をすべきかを自社データで検証します。
2026年9月14日
-
生成AI活用企業の18.8%が「使いこなし格差」を認識｜社内研修で見直したい4つの確認点
帝国データバンク調査では、生成AI活用企業の18.8%が使いこなし格差を認識しています。数字の母数を確認しながら、和から式「AI出力・数字4点チェック」で社内研修の見直し方を整理します。
2026年9月13日
-
「学び直さなきゃ」と思って何年ですか｜40代の76.5%が仕事継続に不安、それでも始めにくい理由
40代の76.5%が将来の仕事継続に不安を感じた調査と、リスキリング経験者が全体の24.3%だった別調査を分けて紹介。和から式「数字3点メモ」で、無理のない学び直しの入口を探します。
2026年9月11日
-
モデル崩壊とは？｜AIがAIの出力で学ぶと分散が消える仕組みを計算する
モデル崩壊とは、AIが生成したデータでAIを学習させることを繰り返すとモデルが劣化していく現象です。Nature掲載論文の内容に加え、独自シミュレーションで「分散の平均は1.01のままなのに中央値は0.36に落ちる」ことを示し、期待値が保たれても崩壊が進む仕組みと実務への影響を解説します。
2026年9月8日
-
ワークスロップとは？｜AIで作った成果物が組織を遅くする分岐点を計算する
ワークスロップとは、AIで作られた体裁は整っているのに中身のない成果物のことです。1,150名調査（40%が受領・対処1件あたり1時間51分）をもとに「何人に送ると組織が損をするか」を計算し、損益分岐点が受け手2人であることを示します。送り手に損失が見えない理由も実験データから解説します。
2026年9月7日
-
ChatGPT Business Premium席は誰に必要？100名企業の年額を試算
生成AI研修のご相談で、ほぼ毎回出てくる質問があります。「全社に配ると、結局いくらかかるのか」です。 2026年8月24日、OpenAIのChatGPT BusinessリリースノートにPremium席の追加が掲載されました。年払いでは1人あたり月100ドルで、公式料金ページでは100ドルのBusiness席に「Pro…
2026年9月7日
-
Claudeがフェルマーの最終定理を11日で形式化｜1,300万行の証明を検証する仕組み
Anthropicが発表したフェルマーの最終定理のLean形式化を、公式発表・公開コード・数学者の検証報告で確認。11日間と1,300万行の意味、使用モデル、公理の検査、人間のプロジェクトとの違いを整理し、業務への応用で注意すべき点を解説します。
2026年9月6日
-
オートメーション・バイアスとは？｜AIの答えをどれだけ信じるかをベイズの式で決める
オートメーション・バイアスとは、自動化されたシステムの答えを過信して自分で確かめなくなる傾向です。NASA共同研究の実験データを紹介し、ベイズのオッズ形式と尤度比を使って「正答率90%のAIが警告しても的中率は8.3%」を計算。AIの肯定と否定で信頼度が違う理由と、実務での対策を解説します。
2026年9月6日
-
GPT-6 Astraは99.9%か62.7%か｜ARC-AGI-3を統計で読む
GPT-6 AstraのARC-AGI-3スコアは、標準ハーネスのmaxで62.7%、Provider Adapterのhighで99.9%。ただし両者は推論量も異なるため、37.2ポイントすべてをハーネス差とは言えません。RHAE、同条件比較、実験計画の視点からAIベンチマークの読み方を整理します。
2026年9月5日
-
AIデスキリングとは？｜内視鏡AIで発見率が20%落ちた実データと、検証力の計算
AIデスキリングとは、AIに任せるうちに人間側の技能が落ちる現象です。内視鏡医の腺腫発見率が28.4%から22.4%へ低下した研究などの実測データを紹介し、「AIの誤り率×(1−人が見抜ける確率)」という式から、AIが賢くなるほど検証力が鍛えにくくなる構造と、その対策を解説します。
2026年9月5日
-
人事・HRデータ分析入門｜離職・採用を数字で見る方法をやさしく
人事・HRデータ分析を、離職率・定着率・採用ファネルの定義から解説。和から式「7つの定義」で分母・期間・比較条件をそろえ、個人情報と相関・因果に注意して施策へつなげます。
2026年9月4日
-
機械学習に必要な数学｜最低限の範囲はどこまでかをやさしく
機械学習に必要な数学を、線形代数・微分積分・確率統計の3本柱で整理。ツールを使う人とモデルを作る人の必要レベル、学ぶ順番、和から式の回帰モデル診断を一次資料に沿って解説します。
2026年9月2日
-
ChatGPTのカスタム指示・メモリの使い方｜毎回の前置きを省く
ChatGPTのカスタム指示・メモリ・一時チャットの違いを、2026年8月時点の公式仕様で整理。和から式「固定・記憶・一時」の3層ルールと、安全な使い分けを解説します。
2026年8月27日
-
制作会社ゼロ、撮影ゼロ。和からの法人研修CM、実はぜんぶAIで作りました【制作秘話】
撮影・制作会社への発注なしで、和からの法人研修CM2本を生成AIで制作。日本語テロップ、社名の読み、0.35秒の間、映像の連続性など実際の試行錯誤と公開前チェックを紹介します。
2026年8月15日
-
アルゴリズムとは？文系向けに身近な例と業務での使い方を解説
アルゴリズムとは目的を達成するための実行可能な手順。入力・処理・出力・停止条件を身近な例で学び、和から式5項目チェックで業務手順を改善します。
2026年8月15日
-
LM Studioの使い方｜画面操作だけでローカルLLMを動かす手順とつまずき対処
LM StudioをWindows・macOS・Linuxで始める手順を公式要件に沿って解説。モデル選び、4bit量子化、速度・メモリ対策と、現在のOllamaアプリとの違いも確認できます。
2026年8月12日
-
ローカルLLMのおすすめと選び方｜必要スペック早見表【2026年9月】
Qwen3.5・Qwen3.6、Gemma 4、GPT-OSS Swallowを含むローカルLLMの選び方。日本語の品質、必要メモリ、量子化、ライセンスを確認するポイントを整理します。
2026年8月10日
-
Ollamaの使い方入門｜ローカルLLMを自分のパソコンで動かす手順
ローカルLLMの定番ツールOllamaの使い方を、インストールから日本語モデルの実行・つまずき対処まで解説。コマンドは3つ覚えれば動かせます。必要スペックの目安つき。
2026年8月8日
-
生成AI講座・セミナーの選び方｜初心者向けと業務活用向けの違い
生成AI講座選びで失敗する原因は“段階と目的のミスマッチ”。リテラシー型と業務活用型の違い、受講形式、申し込み前の5チェックポイント、個人・法人別の選び方を、和からの講師がやさしく解説します。
2026年7月12日
