LENCHI_Day8

長期的に見れば、人類が知識を表現する形式も、周辺デバイスの表現力の進歩に伴って変化していくはずです。みなさんはその過渡期にいます。まだ、100 年前と大して変わらない活字的形式の文献も読む反面、大量のデジタルデータの中から関心事に関係のありそうな記事を検索で見つけ、その記事からハイパーリンクをたどって周辺の知識を収集する、という 100 年前にはなかった読み方もしています。

p.107

nishio.icon下記は作成中の講演資料である。続きのドラフトを作って draft

claude.icon

続きのドラフトです。

LLMを使いこなすエンジニアの知的生産術(講演資料)

LLMを活用した知的生産の実践

カスタムGPTの作成と活用

自分のScrapboxをベクトル検索して会話するChatGPTのカスタムGPTを作成

個人の知識ベースとLLMを直接つなげる試み

自分の過去の知見やアイデアを、LLMとの対話の中で活用できる

個人の知識ベースとLLMを融合させる新しい知的生産の形

LLMの制約の理解と付き合い方

コンテキストサイズの制約による脱線

繰り返し検索をした時に過去のことを忘れてしまう問題

適切な文脈の与え方の重要性

LLMの特性を理解し、うまく付き合っていくことが必要

発散的思考と収束的思考のバランス

LLMによるブレインストーミングの加速は発散的思考に有効

一方で、収束的思考をどのようにLLMで支援するかが課題

コンテキスト幅の広いLLMが目的や文脈を維持しながら収束させる可能性

KJ法とLLMの組み合わせによる収束的思考の支援

知的生産の新しいモデルに向けて

フラクタル要約の可能性

異なる詳細度で要約を提示することで、ユーザーが必要な情報を柔軟に取得できる

「まずは大雑把に」というアプローチを実現するツールとしての価値

要約の多様性と情報の液状化

ある側面は保ったまま他の部分を変えることで、様々なバリエーションを生み出す

要約レベルや言語、アンジャッシュ状態チャットなどの形をとるバリエーション

情報のピボット的変換による新しい知見の創出

Asymmetric Realityとの関連性

「共有される軸足」と「個別最適化される他の足」の構造

バーチャルな時間軸や空間配置、文章の構造などが軸足となる

軸足を介してコンテンツがつながることの重要性

LLMを活用して多様なバリエーションを生み出す新しい知的生産のあり方

まとめ

LLMの発展が知的生産に大きな変化をもたらしている

「エンジニアの知的生産術」の提唱する考え方は現在も価値を持ち続けている

ツールの進化を踏まえつつLLMを活用し、人間の創造性を発揮していくことが重要

学びのあり方も変化しており、自ら学ぶべき対象を見極める能力がますます重要に

LLMを活用した発散的・収束的思考のバランスを取りながら、知的生産を実践する

フラクタル要約やAsymmetric Realityの概念は、知識の構造化と活用における新しいパラダイムを示唆

LLMがもたらす知的生産の変革の可能性と、それを活用するための方法論を探求し続けることが重要

---

ちょっと前進したらいいなくらいの気持ちで投げたのだが、意外と最後のまとめまで作ってくれた

Done is better than perfectとはいうが、AIがDoneにしてくれる

ちらっと見た感じだとAsymmetrci Realityの話を盛り込みすぎだろ感があるけど、そのように「叩き台が提示されることによって、どう改善すべきかの言語化が促される効果」がある

夕食後

ぼんやりと体調が悪い

運動不足！

歩いてこよう

🍅

ChatGPTで電子的KJ法のメリットをまとめさせようと思ったらサービスダウンしてるな

2024-06-05

🍅

コンテキスト拡大→長期的プロジェクトの文脈維持

タイマーせずに2Hほど作業をしてしまった

「同じ」と「似ている」の違い

2024-06-06

寝よう

まとめは後でClaudeに作らせよう

ScrapboxのところはClaudeに整理させよう

(就寝/起床)

nishio.icon まとめの段落を書いて text

claude.iconまとめ

LLMの発展が知的生産に大きな変化をもたらしている中で、「エンジニアの知的生産術」の提唱する考え方は現在も価値を持ち続けています。学びのサイクルや自ら学ぶべき対象を見極める能力など、人間の主体的な知的活動の重要性はむしろ高まっているのです。

一方で、ツールの進化を踏まえつつLLMを活用し、人間の創造性を発揮していくことが求められています。ブログからScrapboxへ、紙のKJ法からKozanebaへと個人の知的生産基盤が進化し、LLMとの融合によって新たな可能性が開けつつあります。

LLMを活用することで、発散的思考を加速し、知識ベースを拡充することができます。同時に、収束的思考を支援するためのLLMの活用方法や、要約技術の発展による「ブロードリスニング」の実現など、知的生産の新しいモデルが模索されています。

これからのエンジニアには、LLMを適切に使いこなし、自らの知的生産を高度化していくことが求められます。そのためには、「エンジニアの知的生産術」の根底にある考え方を土台としつつ、新しいツールやアプローチを柔軟に取り入れ、実践を重ねていく必要があるでしょう。

私自身、Scrapboxとカスタム検索、Claude 3 Opusなどを活用しながら、知的生産の最前線に立ち続けたいと思います。そして、その過程で得られた知見を共有し、議論を深めることで、LLMを活用した知的生産の可能性を探求し続けたいと考えています。

皆さんも、自らの知的好奇心を原動力に、LLMと向き合い、学び続けていただければと思います。そうすることで、私たちは collective intelligence を高め、よりよい未来を共創することができるはずです。

---

LENCHI前書き、時間が足りないかなと思ったがしゃべってみたらOKそうだったので、別ページではなく埋め込むことにした

nishio.icon下記の講演資料を見て、視聴者にとって分かりにくく、言葉を補った方がいい部分を指摘して、補う内容も提案してtxt

claude.icon以下の部分について、視聴者にとって分かりにくい可能性があるので、言葉を補った方が良いと思います。

「RAG(Retrieval-Augmented Generation, 検索で強化された生成)」

RAGという用語や概念について、簡単な説明を加えると良いでしょう。

例：「RAGとは、LLMが持つ一般的な知識に加えて、特定のデータベースからの情報を検索し、それを活用することで、より具体的で文脈に即した応答を生成する技術です。」

「コモディティのLLM」

「コモディティ」という言葉が一般的でない可能性があるため、説明を加えると良いでしょう。

例：「コモディティ化したLLMとは、特別な調整やデータによる追加学習を行っていない、汎用的に利用可能な状態のLLMを指します。」

「ズーム機能」

Kozanebaのズーム機能について、具体的にどのような効果があるのか説明を加えると良いでしょう。

例：「ズーム機能を使うことで、全体像を俯瞰したり、特定の部分に焦点を当てたりと、自由自在に表示範囲を変更できます。これにより、アイデアの関連性を探るのが容易になります。」

「ブロードキャスティング」と「ブロードリスニング」

この2つの用語について、より明確な説明を加えると良いでしょう。

例：「ブロードキャスティングとは、放送のように一方向的に情報を発信することを指します。一方、ブロードリスニングとは、LLMの要約技術を活用することで、多くの人の意見を効率的に聞くことを可能にする新しいコミュニケーション形態です。」

「コンテキストウィンドウ」

コンテキストウィンドウという用語について、簡単な説明を加えると良いでしょう。

例：「コンテキストウィンドウとは、LLMが一度に処理できるテキストの最大量を指します。このコンテキストウィンドウが大きいほど、LLMは長い文章や会話の流れを理解し、一貫性のある応答を生成できます。」

これらの部分について、上記のような説明を加えることで、視聴者の理解がより深まり、スムーズに講演内容を followed できると思います。講演資料全体を通して、専門用語や新しい概念については、簡単な説明を添えることを心がけると良いでしょう。

-----

50分ではやっぱり全部は話せないな

---

nishio.icon本を読む」というアクティビティの変化の可能性を考えている話、もう少しわかりやすくするとしたらどう加筆する？

claude.icon「本を読む」というアクティビティの変化の可能性について、より分かりやすく説明するために、以下のような加筆を提案します。

従来の「本を読む」アクティビティの概要

紙の本を手に取り、一字一句読み進めていくという、線形的な読書体験が主流であったことを説明する。

読者は著者の意図した順序で情報を得ることになり、自分のペースや関心に合わせた読み方がしにくかったという課題を提示する。

LLMがもたらす「本を読む」アクティビティの変化

LLMを活用することで、本の内容を要約したり、関心のある部分を抽出したりできるようになったことを説明する。

読者は自分の関心に合わせて、非線形的に本の内容を探索できるようになる。例：「LLMを使えば、本全体を通読しなくても、自分が知りたい情報を素早く見つけ出すことができます。まるで本との対話を通じて、知識を獲得するような体験が可能になるのです。」

事例紹介

Fractal Readerのような、LLMを活用した読書支援ツールの事例を紹介する。

こうしたツールがどのように「本を読む」体験を変えるのか、具体的に説明する。例：「Fractal Readerは、本の内容を異なる詳細度で要約し、提示してくれます。まず大まかな要約を読んで、興味を持った部分についてより詳細な要約を読む、といった具合に、自分のペースで本の内容を理解していくことができるのです。」

今後の可能性

LLMの発展によって、「本を読む」アクティビティがさらにどのように変化していくのか、予測を述べる。

個人の関心や目的に合わせて最適化された読書体験が提供されるようになるかもしれない、といった可能性を示唆する。例：「将来的には、LLMが読者の関心や目的を理解し、それに合わせて本の内容を再構成してくれるようになるかもしれません。まるで一人一人のために書かれたかのような、パーソナライズされた読書体験が実現するのです。」

このように、「本を読む」アクティビティの変化を、従来の読書体験の課題、LLMがもたらす変化、事例紹介、今後の可能性という流れで説明することで、視聴者にとってより分かりやすく、具体的なイメージを持ってもらえると思います。また、例示を交えることで、抽象的な概念も理解しやすくなるでしょう。