1,800円で第一回目のナンピン砲発動！

1,700円で第一回目のナンピン砲発動！

御用心御用心

Gemini要約と書きましたが、正しくはGemini 解説です。 話の内容を分かりやすくするためにGeminiが肉付けしている点にご注意ください。

久々にのぞいて見たら… 最近はよく調べてませんが、ここってクラウド型でネット接続で繋がる社会を！って感じ！？ これからAI、サイバーテロ時代の転換になるとしたら、ど真ん中だったりします！？ 皮肉ですね〜 でも標的になる程普及してないから問題なし！？

JIG-SAW USのエンジニアリング＆アーキテクチャ責任者であるAnthony Canterbury氏の発言 Geminiが要約 1. 従来のチャットボット統合のアプローチが最適ではない理由とリスク 多くの企業が既存プラットフォームに単にチャットボットを「後付け（ボルトオン）」する手法をとっていますが、Canterbury氏はこのアプローチが実世界の運用において危険であると警鐘を鳴らしています 。 • 深刻なハルシネーション（幻覚）とエラー率： IoTデータをそのまま大規模言語モデル（LLM）に処理させると、初期状態では60〜70%という極めて高い確率でハルシネーションやエラーが発生します。 • 非決定的なシステムの運用リスク： センサーや機械、建物を制御する物理世界では信頼性と安全性が最優先されますが、LLMは本質的に出力が一定ではない「非決定的なシステム」であるため、実業務のワークフローに組み込むと大きなリスクを伴います。 • 公開リーダーボードの不確実性： AIモデルの開発企業は公開テストに最適化してモデルを調整しているため、実際の特殊で煩雑なIoTデータに対する実力を反映していないことが多く、公開の評価を鵜呑みにするのは危険です。 2. 課題を克服するためのJIG-SAW USの代替アプローチ JIG-SAWでは、見栄えだけの統合ではなく、最初からAIを組み込んだ「アーキテクチャによる解決（AI built-in）」を提案しています。 • LLMと確実性アルゴリズムの融合： 曖昧なLLMを補完するために決定論的な（結果が予測可能な）アルゴリズムをペアリングし、モデルに制約をかけ、出力を厳格に検証（バリデーション）します。 • インハウス・ベンチマークの実施： 公開のデータに頼らず、自社の特殊で乱雑な実データを用いて社内で徹底的なベンチマークとテストを繰り返し、最適化を行います 。これにより、エラー率をほぼゼロにまで抑え込むことが可能です。 • 人間をループに組み込む（Human-in-the-Loop）： 完全な自動化を目指すのではなく、AIが人間のアシスタントとして機能し、最終的な判断やパラメータ調整を人間が行う「対話的なバック＆フォース（双方向のやり取り）」の体制を敷きます 。 3. エッジで稼働する「小型・特化型AIモデル」のメリット 大規模なクラウド型フロンティアモデルではなく、エッジ（現場）で動作するカスタムの小型モデルの活用には以下の3つの明確な利点があります。 • セキュリティ（データ漏洩の防止）： 政府機関や大企業はデータが外部（インターネット）に送信されることを極めて嫌います。クラウドAPIがコンプライアンスを満たしていてもデータ漏洩の報告は絶えないため、完全にサンドボックス化された環境で動作するオープンウェイトの小型モデルが安全性を担保します。 • 経済性と効率性（コスト削減）： 大規模モデルの利用料金はユーザー数やデータ量に応じて膨らみますが、ある一定の規模（例：ユーザー数が約100人以上など）を超えると、自社サーバーで特化型の小型モデルをホストして運用する方がコスト効率が良くなります。 • 精度の向上： 自社の特定の課題やデータセットのみで直接トレーニングするため、一般的な大規模モデルに比べてエラーやハルシネーションが発生しにくく、画像認識や自然言語処理において高い実用性を発揮します。 4. 現場での実用的なユースケースと自動化の事例 AIoTの導入により、これまで数年かかっていたマルチミリオンダラー規模の工場統合の計画・実装が「わずか数週間」に短縮できるようになっています。 • データ正規化・パース・デコードの自動化： 従来は手作業によるStitch-work（繋ぎ合わせ作業）が必要だった異種デバイスのデータ取り込み（オンボーディング）において、少量のサンプルデータからパターンを学習し、自動でデータ形式をデコード・正規化（例：異なる形式の温度データを統一）できます。 • 誤アラーム（False Alarms）の削減と適応： 大規模なデバイス群を監視する中で最も問題となる「システムの経年変化（ドリフト）による誤アラーム」に対し、AIが状況変化を監視してパラメータの調整案を人間に提示することで、運用の負担を劇的に減らします。 • 外部APIを「デバイス」として統合する予測運用： 例えばビルの省エネ運用の際、内部の空調や照明のセンサーデータだけでなく、外部の気象予報APIや電力会社のリアルタイム変動料金APIなどをすべて「一つの仮想デバイス」として同等に抽象化して取り込み、未来の需要予測に役立てます。

動画紹介ありがとうございます。 これまで出てきた海外発のPR媒体としては影響力からしても貴重です。 動画興味深く拝見しましたが、対談の双方ともIoT関連分野で数十年の技術的な経歴を持つだけに重みがありますね。「冒頭に何故いまこれだけIoT関連が盛り上がってるのか？」との発言からはIoTはこれからという感じを受けました。 最後に司会者からneqto.aiをチェックして！の言葉もよかったです。

ですね。 家族が30人とか50人とかいないと厳しいと思います。 ちゃんとニーサの制度を理解してから発言した方がいいと思いますよ♪

一体家族何人いるんですか？笑 まさか超大家族ですか？笑

Scent of a womanさんもここ長いですよね

この銘柄で貴重なニーサの枠を 埋める意味か全く理解出来ない…

おはようございます

これは凄いですね。 誰か知らなかったから調べたら Evan Kirstel は、米国ボストンを拠点に活動するB2Bテクノロジー系のインフルエンサー・コンテンツクリエイター。 どれくらい有名？ 本人の公式プロフィールでは、 SNS合計フォロワー55万人以上 ニュースレター購読者3万5,000人 通信、クラウド、IoT、5G、AI分野が専門 企業向けIT業界で30年の営業・提携・マーケティング経験 と紹介されている。LinkedInでも約6.8万人のフォロワーが確認できる。 Evan Kirstel さらに重要なのは人脈 過去にIntel、Qualcomm、HPE、AWS、Microsoft、Ericssonなどの大手企業と仕事をしている。 つまり、単なるYouTuberではなく、米国の企業向けIT業界に人脈を持つ発信者なんだよね。

産業用IoTおよびエッジシステムにおける信頼性の高いAIの構築 h ttps://www.youtube.com/watch?v=vLiDwyG-E0M JIG-SAW　USの人が出ています。

不可能は言い過ぎですね、訂正します。 結構難しいと思いますよw沢山買うのはw

それは不可能ですよwww 何この人w

これは来年度のNISAで沢山買えそうだわ〰️〰️☺️✌️

この会社は、なんでこんなに年寄りを痛めつけるんだと本当に泣きたくなる。 株主総会に行けるものなら行き社長に面と向かって苦言を呈したい。でも、遠く北海道まで行くお金もない。 東京に行くことはあるので、この会社の本社八重洲セントラルタワーという建物を訪ねてその建物を思い切り蹴飛ばして帰りたい。そんな妄想をすることしかできない自分が情けないです。

そうですね。でも総会出席者も人のことを考えてる余裕がないと思いますよ。 みなさん相当額の含み損でパニック状態でしょうから。私は来年片道切符で総会出席するつもりです。しばらく北海道で友人の別荘で世話になります。

逆テンバガーを達成してる凄いボロ株です。今では誰も見向きもしません、ずっと下がり続けるだけです

決算前の買い煽りが酷かったからね ネクトとの関係なんか明らかにされてないにも関わらず勝手に妄想して だから北海道総会でも勝手に妄想して夢想して勝手に納得して帰ってきてしまうのでしょう 総会参加者は明らかにしていませんが 恐らく参加者は20名にも満たなかったんじゃないかな 業績は非開示 進捗も発表しない するのは総会前のみ こうなるともう総会を乗り切るための資料、という見え方になっちゃいますね

いえ、間に合ってます笑 私が全然理解出来ないのが、決算書の見方が我々とホルダーの方々は違うので評価が180度ずれるんだと思うんです。個々の評価なので全然それ自体はいいんですど、良いと思うなら自分で買えば良いのに、ぜんっぜん買わないんですよね笑 だから何この人達怖いってなるんですww

ウキウキ珍獣図鑑3の準備しましょうか？

多分ホルダーの方々からしたらなんで決算も良かったのにこんなに下がるんだろうみたいな感じでしょうね笑

今後の進捗の目途感があまりにも閉鎖的過ぎて分からない。冊子もいつの間にかなくなりましたしね。私が追及するならそこですね。