ALOPEX
Alopex DB
それでも、私はAlopex DBを作る
SQLite・DuckDB・PostgreSQL・分散DB・ベクトルDB・グラフDB。優れた製品はいくらでもある。それでも新しいデータベースを作っているのは、開発段階が進むたびにDBを選び直し、そのたびにデータそのものを作り直しているからだ。ローカルからクラウド、単体から分散へスケールしても、データの量・変換時間・再生成コスト・来歴を失わない基盤を目指すAlopex DBの話。
Blog
技術ブログ
38件の記事 ・ 39種類のタグ研究ノートや実装ナレッジ、運用の工夫を公開。タグやキーワードで検索できます。
表示切り替え
カテゴリ
タグ
38件の記事
39種類のタグ
AI
生成 AI
【第5回】物理的に正しい動画へ ― ワールドモデル統合とAIが教師データを作る時代
単なる動画生成は「見た目は自然だが物理的にはおかしい」映像になりがちです。物体が消え、重力を無視し、操作結果が一貫しない。第5回（最終回）では、動画生成にワールドモデルを組み込み、物理制約を損失に入れて「物理的に整合した動画」を作る方法を最小コードで示し、教師データをAIとシミュレーションで丸ごと作る未来までを描きます。全5回シリーズ第5回。
AI
生成 AI
【第4回】動画生成とワールドモデルは何が違うのか ―「それっぽい映像」と「状態遷移」
SoraやVeoのような動画生成と、ワールドモデルは似て見えて別物です。前者は「もっともらしい映像」を作り、後者は「行動すると世界がどう変わるか」を学びます。第4回では、動画生成のノイズ予測と、ワールドモデルの `S_t + A_t → S_{t+1}` を対比し、NVIDIA CosmosやGoogle Genieが何を教師データにしているのかを整理します。全5回シリーズ第4回。
AI
生成 AI
【第3回】音声モデルはLLMに近づく ― TTSとSpeech2Speechの教師データ
音声合成（TTS）は、かつてMel Spectrogramを正解にしていました。しかし最近のモデルは、音声を「音声トークン」に変換し、それを予測します。構造はもうLLMそっくりです。第3回では、TTSとSpeech2Speech（音声翻訳・声質変換・エンドツーエンド会話AI）の教師データの作り方を追い、対応データ収集の難しさとその回避策までを整理します。全5回シリーズ第3回。
AI
生成 AI
【第2回】画像生成は「ノイズ」か「トークン」を当てる ― TXT2IMGの教師データとキャプション
画像生成にはGAN・自己回帰（トークン）型・拡散モデルの系統があり、いまの主流はStable Diffusionのような拡散モデルです。拡散型は「画像を直接描く」のではなく「加えたノイズを当てる」ことを学び、自己回帰型はLLMのように「次の画像トークン」を当てます。第2回では、画像とテキストのペアの集め方・CLIPによる品質フィルタから両方式の教師データまでを最小コードで整理します。全5回シリーズ第2回。
AI
生成 AI
【第1回】生成AIは何を「正解」に学ぶのか ― 自己教師あり学習とLLM
LLMも画像生成も、人間が全件ラベルを付けた教師データで学んでいるわけではありません。カギは「元データから入力と正解を機械的に作る」自己教師あり学習です。第1回では、元データと教師データの違い、そしてLLMがどうやってテキストそのものを次トークン予測問題に変えて学ぶのかを、最小コードとともに整理します。全5回シリーズ第1回。
AI
生成 AI
【第3回】巨大モデル一つで全部やるな ― 階層と責務分離のアーキテクチャ
「お腹が空いた」の判断だけで数十億パラメータが動く——全部を一つの巨大モデルでやるのは資源の無駄使いです。人間の神経系が処理の種類ごとに回路を分けているように、AIも時間スケールと責務で階層化すべき。ロボットの制御階層、エネルギー効率、OSのような構造、そして制御ソフトウェアの「組織化」まで。全3回シリーズ完結編。
AI
生成 AI
【第2回】AIに「小脳」と「自律神経」を ― 身体を持つ知能の設計図
文字列データで発展したLLMを人間の大脳に例えるなら、小脳や脊髄、そして心臓や胃腸からの生理的フィードバックを司る自律神経に相当する仕組みが要るはずです。人体とAIシステムの階層対応、人工小脳（Diffusion Policy）、内受容感覚、恒常性（Homeostasis）まで、身体を持つ知能の設計図を描きます。全3回シリーズ第2回。
AI
生成 AI
【第1回】フィジカルAIの現在地 ―「LLMの延長」なのか、それとも別物なのか
ロボットに「見る・言葉で理解する・物理的に動く」を統合させるフィジカルAI。これはLLMの発展研究なのか、それとも拡散モデルなど別系統なのか。VLA・拡散/flow・World Modelの3系統と、RT-2・Gemini Robotics・OpenVLA・π0・GR00T・Cosmosといった具体モデルから、2026年時点の現在地を整理します。全3回シリーズ第1回。
AI
生成 AI
日米IT産業比較 ―「製品」と「サービス」、そしてAIによる再編
アメリカでIT企業といえばMicrosoftやNVIDIA、日本ではNTTデータや富士通——同じ「IT企業」でも指すものが違います。製品を世界へ量産する米国型と、顧客固有の業務を支える日本型。この構造差が収益・人材・競争力を分けてきました。生成AIはこの構図をどう再編するのか、日本の弱みと強みから展望します。
DATA
データ・DB
AIに負けないスキル。データのエンジニアリング
コーディングエージェントはロジックやテストに強い。しかし「このデータは何を意味し、誰が責任を持ち、どの鮮度で流れ、正本はどれか」は分からない。これは「AIに身体性がない」ことから演繹されるテーマです。データの意味・品質・来歴・責任範囲を設計できる人こそ、AI時代に価値が上がる——最新のデータエンジニアリング議論とともに整理します。
AI
生成 AI
【第5回】AIを育てる人が勝つ ―「使う人」ではなく「育てる人」へ
シリーズの締めくくり。各回に共通する中核スキルは「経験を、人とAIが動ける形に変える力」です。なぜそれがAIでコモディティ化せず複利で効くのか、日々の実践、そして「AIが身体を持ったら？」という問いまで、総論として掘り下げます。
AI
生成 AI
【第4回】AIチームでリーダー・マネージャーを育てる ― 指示力は、育成力
仕事を分解し、期待値と判断基準を共有し、フィードバックする。優れたマネジメントの型は、そのままAIチームへの良い指示の型と重なります。AIを率いる経験がリーダー・マネージャーを育て、組織の学習を回す仕組みを解説します。シリーズ第4回。
AI
生成 AI
【第3回】AIを生徒にして脱・中級 ―「わかったつもり」を卒業する
「だいたい分かる」で止まりがちな中級者が次の段階へ進む鍵は、AIに教えることです。前提・制約・判断基準・例外まで言語化する過程が、暗黙知を形式知へ変える訓練になります。AIを「理解を映す鏡」として使う学習法と実践5ステップを解説します。シリーズ第3回。
AI
生成 AI
【第2回】ビギナーこそAIで経験を積む ― いちばん伸びるのは、初心者だ
AIが答えをくれる時代、初心者は不利なのか。むしろ逆です。開発環境の構築やコンテナ・VMなど詰まりやすい題材をAIと一緒に試し、一緒に失敗する——その反復（イテレーション）でビギナーは最速で経験を積めます。AIにたくさん失敗させて観察する使い方まで解説。シリーズ第2回。
AI
生成 AI
【第1回】AIにキャリアを奪われないためには？ ― AI時代のキャリアパス論
「AIに仕事を奪われるのでは」という不安は、多くの人が抱えています。しかし問いを立て直すと、道が見えてきます。AI時代のキャリアを、ビギナー・中級者・リーダーの段階で捉え直す全5回シリーズの導入として、地図を描きます。
DEV
開発メモ
Rustは万能じゃない — 言語パーサーはNimかRocで書け
「Rustならなんでも書ける」は幻想。SQLパーサーのように再帰的な型を大量に扱う領域では、Rustの型システムはコンパイル時間と保守性の両面で破綻します。NimとRocで同等パーサーを試験実装した3言語ベンチマークで、Rustが構造的に不利な理由を実装コード付きで明らかにします。
DEV
開発メモ
「Roc」入門 — Elm譲りの純粋関数型言語がRustホストと組む未来
Richard Feldman氏が率いる純粋関数型言語Rocを、alpha4-rollingの現状、Perceus参照カウント、Platform/Hostモデル、Zigコンパイラ書き直しの背景まで、AlopexDBチームの調査とRocでのSQLパーサー試験実装をもとに解説します。
DEV
開発メモ
「Nim」入門 — Cにトランスパイルするマルチパラダイム言語の現在地
Rust/Zigと並ぶシステム系代替言語として注目されるNimを、2026年時点の最新版2.2系・次期3.0(Nimony)、ORCメモリ管理、C ABI連携、SQLパーサー実装での実性能まで、AlopexDBチームの調査を元に技術解説します。
DEV
開発メモ
サイトリニューアルで活用したAstroの機能を技術解説
Asopi Techサイトのリニューアルで導入・活用したAstroの機能を技術的に解説。Content Collections、i18n対応、動的ルーティング、OG画像生成など実装ポイントを紹介します。
DEV
開発メモ
サイトを大幅リニューアル！新しいサイト構造とページをご紹介
Asopi Techサイトを全面リニューアルしました。多言語対応、OSSプロジェクト紹介ページ、サービス詳細LPなど新しいサイト構造と各ページの特徴をご紹介します。
LIFE
LIFE
DEV
DEV
DEV
OPS
DEV
AI
生成 AI
グラボなくても余裕でStable Diffusion WebUI デビュー
グラボなしのWindows11ノートPCでもStable Diffusionがバリバリ動きます。
DEV
DEV
DATA
DEV
CULTURE
DATA
DEV
OPS
DEV
ALOPEXAIAIAIAIAIAIAIAIAIDATAAIAIAIAIAIDEVDEVDEVDEVDEVLIFELIFEDEVDEVDEVOPSDEVAIDEVDEVDATADEVCULTUREDATADEVOPSDEV
それでも、私はAlopex DBを作る
SQLite・DuckDB・PostgreSQL・分散DB・ベクトルDB・グラフDB。優れた製品はいくらでもある。それでも新しいデータベースを作っているのは、開発段階が進むたびにDBを選び直し、そのたびにデータそのものを作り直しているからだ。ローカルからクラウド、単体から分散へスケールしても、データの量・変換時間・再生成コスト・来歴を失わない基盤を目指すAlopex DBの話。
【第5回】物理的に正しい動画へ ― ワールドモデル統合とAIが教師データを作る時代
単なる動画生成は「見た目は自然だが物理的にはおかしい」映像になりがちです。物体が消え、重力を無視し、操作結果が一貫しない。第5回（最終回）では、動画生成にワールドモデルを組み込み、物理制約を損失に入れて「物理的に整合した動画」を作る方法を最小コードで示し、教師データをAIとシミュレーションで丸ごと作る未来までを描きます。全5回シリーズ第5回。
【第4回】動画生成とワールドモデルは何が違うのか ―「それっぽい映像」と「状態遷移」
SoraやVeoのような動画生成と、ワールドモデルは似て見えて別物です。前者は「もっともらしい映像」を作り、後者は「行動すると世界がどう変わるか」を学びます。第4回では、動画生成のノイズ予測と、ワールドモデルの `S_t + A_t → S_{t+1}` を対比し、NVIDIA CosmosやGoogle Genieが何を教師データにしているのかを整理します。全5回シリーズ第4回。
【第3回】音声モデルはLLMに近づく ― TTSとSpeech2Speechの教師データ
音声合成（TTS）は、かつてMel Spectrogramを正解にしていました。しかし最近のモデルは、音声を「音声トークン」に変換し、それを予測します。構造はもうLLMそっくりです。第3回では、TTSとSpeech2Speech（音声翻訳・声質変換・エンドツーエンド会話AI）の教師データの作り方を追い、対応データ収集の難しさとその回避策までを整理します。全5回シリーズ第3回。
【第2回】画像生成は「ノイズ」か「トークン」を当てる ― TXT2IMGの教師データとキャプション
画像生成にはGAN・自己回帰（トークン）型・拡散モデルの系統があり、いまの主流はStable Diffusionのような拡散モデルです。拡散型は「画像を直接描く」のではなく「加えたノイズを当てる」ことを学び、自己回帰型はLLMのように「次の画像トークン」を当てます。第2回では、画像とテキストのペアの集め方・CLIPによる品質フィルタから両方式の教師データまでを最小コードで整理します。全5回シリーズ第2回。
【第1回】生成AIは何を「正解」に学ぶのか ― 自己教師あり学習とLLM
LLMも画像生成も、人間が全件ラベルを付けた教師データで学んでいるわけではありません。カギは「元データから入力と正解を機械的に作る」自己教師あり学習です。第1回では、元データと教師データの違い、そしてLLMがどうやってテキストそのものを次トークン予測問題に変えて学ぶのかを、最小コードとともに整理します。全5回シリーズ第1回。
【第3回】巨大モデル一つで全部やるな ― 階層と責務分離のアーキテクチャ
「お腹が空いた」の判断だけで数十億パラメータが動く——全部を一つの巨大モデルでやるのは資源の無駄使いです。人間の神経系が処理の種類ごとに回路を分けているように、AIも時間スケールと責務で階層化すべき。ロボットの制御階層、エネルギー効率、OSのような構造、そして制御ソフトウェアの「組織化」まで。全3回シリーズ完結編。
【第2回】AIに「小脳」と「自律神経」を ― 身体を持つ知能の設計図
文字列データで発展したLLMを人間の大脳に例えるなら、小脳や脊髄、そして心臓や胃腸からの生理的フィードバックを司る自律神経に相当する仕組みが要るはずです。人体とAIシステムの階層対応、人工小脳（Diffusion Policy）、内受容感覚、恒常性（Homeostasis）まで、身体を持つ知能の設計図を描きます。全3回シリーズ第2回。
【第1回】フィジカルAIの現在地 ―「LLMの延長」なのか、それとも別物なのか
ロボットに「見る・言葉で理解する・物理的に動く」を統合させるフィジカルAI。これはLLMの発展研究なのか、それとも拡散モデルなど別系統なのか。VLA・拡散/flow・World Modelの3系統と、RT-2・Gemini Robotics・OpenVLA・π0・GR00T・Cosmosといった具体モデルから、2026年時点の現在地を整理します。全3回シリーズ第1回。
日米IT産業比較 ―「製品」と「サービス」、そしてAIによる再編
アメリカでIT企業といえばMicrosoftやNVIDIA、日本ではNTTデータや富士通——同じ「IT企業」でも指すものが違います。製品を世界へ量産する米国型と、顧客固有の業務を支える日本型。この構造差が収益・人材・競争力を分けてきました。生成AIはこの構図をどう再編するのか、日本の弱みと強みから展望します。
AIに負けないスキル。データのエンジニアリング
コーディングエージェントはロジックやテストに強い。しかし「このデータは何を意味し、誰が責任を持ち、どの鮮度で流れ、正本はどれか」は分からない。これは「AIに身体性がない」ことから演繹されるテーマです。データの意味・品質・来歴・責任範囲を設計できる人こそ、AI時代に価値が上がる——最新のデータエンジニアリング議論とともに整理します。
【第5回】AIを育てる人が勝つ ―「使う人」ではなく「育てる人」へ
シリーズの締めくくり。各回に共通する中核スキルは「経験を、人とAIが動ける形に変える力」です。なぜそれがAIでコモディティ化せず複利で効くのか、日々の実践、そして「AIが身体を持ったら？」という問いまで、総論として掘り下げます。
【第4回】AIチームでリーダー・マネージャーを育てる ― 指示力は、育成力
仕事を分解し、期待値と判断基準を共有し、フィードバックする。優れたマネジメントの型は、そのままAIチームへの良い指示の型と重なります。AIを率いる経験がリーダー・マネージャーを育て、組織の学習を回す仕組みを解説します。シリーズ第4回。
【第3回】AIを生徒にして脱・中級 ―「わかったつもり」を卒業する
「だいたい分かる」で止まりがちな中級者が次の段階へ進む鍵は、AIに教えることです。前提・制約・判断基準・例外まで言語化する過程が、暗黙知を形式知へ変える訓練になります。AIを「理解を映す鏡」として使う学習法と実践5ステップを解説します。シリーズ第3回。
【第2回】ビギナーこそAIで経験を積む ― いちばん伸びるのは、初心者だ
AIが答えをくれる時代、初心者は不利なのか。むしろ逆です。開発環境の構築やコンテナ・VMなど詰まりやすい題材をAIと一緒に試し、一緒に失敗する——その反復（イテレーション）でビギナーは最速で経験を積めます。AIにたくさん失敗させて観察する使い方まで解説。シリーズ第2回。
【第1回】AIにキャリアを奪われないためには？ ― AI時代のキャリアパス論
「AIに仕事を奪われるのでは」という不安は、多くの人が抱えています。しかし問いを立て直すと、道が見えてきます。AI時代のキャリアを、ビギナー・中級者・リーダーの段階で捉え直す全5回シリーズの導入として、地図を描きます。
Rustは万能じゃない — 言語パーサーはNimかRocで書け
「Rustならなんでも書ける」は幻想。SQLパーサーのように再帰的な型を大量に扱う領域では、Rustの型システムはコンパイル時間と保守性の両面で破綻します。NimとRocで同等パーサーを試験実装した3言語ベンチマークで、Rustが構造的に不利な理由を実装コード付きで明らかにします。
「Roc」入門 — Elm譲りの純粋関数型言語がRustホストと組む未来
Richard Feldman氏が率いる純粋関数型言語Rocを、alpha4-rollingの現状、Perceus参照カウント、Platform/Hostモデル、Zigコンパイラ書き直しの背景まで、AlopexDBチームの調査とRocでのSQLパーサー試験実装をもとに解説します。
「Nim」入門 — Cにトランスパイルするマルチパラダイム言語の現在地
Rust/Zigと並ぶシステム系代替言語として注目されるNimを、2026年時点の最新版2.2系・次期3.0(Nimony)、ORCメモリ管理、C ABI連携、SQLパーサー実装での実性能まで、AlopexDBチームの調査を元に技術解説します。
サイトリニューアルで活用したAstroの機能を技術解説
Asopi Techサイトのリニューアルで導入・活用したAstroの機能を技術的に解説。Content Collections、i18n対応、動的ルーティング、OG画像生成など実装ポイントを紹介します。
サイトを大幅リニューアル！新しいサイト構造とページをご紹介
Asopi Techサイトを全面リニューアルしました。多言語対応、OSSプロジェクト紹介ページ、サービス詳細LPなど新しいサイト構造と各ページの特徴をご紹介します。
ロボアド３つのほぼ一年での成績を比較。
2024年5月、ロボアドの途中経過を大公開しちゃいます。
ロボアド３つの比較を開始。
2023年7月、ロボアド始めました
pagefindでブラウザだけのサイト内検索機能を追加
Astroサイトに外部の検索エンジンなしでサイト内検索機能を追加
position:sticky を攻略する
'position: sticky'に挑戦してみた記録
私が静的サイトジェネレーター(SSG)を採用した理由
本サイトでAstroを採用した理由について。SPA vs SSG vs SSR を比較検討しました。
WSLだけ外に出れない？
WSL Ubuntu だけからインターネットにつながらない場合
Astro.js 小ネタ集 その②
Astro.js でブログサイトを構築するためのアレコレ パート２
グラボなくても余裕でStable Diffusion WebUI デビュー
グラボなしのWindows11ノートPCでもStable Diffusionがバリバリ動きます。
Astro.js 小ネタ集 その①
Astro.js でブログサイトを構築するためのアレコレ
HTML5 意味づけタグ 入門
例えば Aside タグで記事に機能を注入
Redis 再入門 その②
Redis Stack とPython クライアントについて調べてみる
tailwindのScreenは小さいほうが起点
tailwindcssのレスポンシブデザインから業務システムの上流工程についての愚痴まで
日本の洋食の黎明を紐解く「なぜアジはフライでとんかつはカツか？: カツレツ／とんかつ、フライ、コロッケ 揚げ物洋食の近代史」
[書籍紹介]この本がスんゴイ！
Redis 再入門 その①
Redis Stack について調べてみる
GoogleアナリティクスのタグをAstroサイトに追加
GoogleアナリティクスのタグをAstroサイトに追加してみる。
Googleドメインで購入したドメイン名をVercelにあてる
Googleドメインで購入したドメイン名をVercelでカスタムドメインを設定してみます。
技術ブログはじめました。
技術ブログの記事、書初め
条件に一致する記事が見つかりません
タグ・カテゴリ・検索条件を変えて再度お試しください。