登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

検索結果 創作ツール
創作ツール コミュニティ
1つのキーワードが1つのコミュニティです。
コミュニティ作成
アカウント
見つかりません
創作ツール を含む検索結果
Art is a concentrated form of intention—— 芸術とは、意図の凝縮された形である。 これがTed Chiang氏が定義する「Art」だと、彼の講演で知った。 先は、Ted Chiang氏の講演「The Incompatibility Between Generative AI and Art」を見ました。 確かに、生成AIを使った創作は、完全に自動生成に任せる場合を除けば、最終的に人間が自分の意図を何度も注入し、選択を重ねるプロセスです。AIはそれを劇的に加速し、拡大してくれるツールに過ぎない。 講演でも指摘されていたように、優れた創作ツールは創作者により多くの「degrees of freedom(制御の自由度)」を与えるべきで、その点では現時点のAIはまだ十分とは言えないのかもしれません。 それでも、私はそうは思いません。 実際にこのプロセスを自ら繰り返し操作してみなければ、たとえその分野でどれだけ権威があったとしても、判断はどうしても表層にとどまりがちだ、と。 *画像は以上のテキストをそのままGPTImage2に投げって、「AIとして君はどう思う?」って質問したら、出力された画像だ
もっと見る
流行を追うのではなく、日々の仕事や創作を圧倒的に軽くするためのガイド📚 生成AI迷子を救う! 目的別で選べる実践的ツール事典『今知っておきたい生成AI厳選 100ガイド』を発売。あなたの「やりたいこと」を最速で実現する最適な相棒が必ず見つかる1冊。 @PRTIMES_JPより
もっと見る
【VIPインタビュー】 コロプラは家庭用ゲーム機市場への本格参入に向けて準備万端 AIという新技術をフル活用する背景にあるのは「未来の選択肢を失わないため」。そして「創作の主体は人であることが前提で、AIはあくまでそれをサポートするツールです」。
もっと見る
🌊 **#AIスイスイ競水デー#** スタートです! 🌊 2026年4月29日 日付が変わって水曜日になりました🩱 今週も無事に **#AIスイスイ競水デー#** 開催できました🎀 皆さんの**明るく爽やかな競泳水着イラスト**大募集しています! スマホ無課金勢も、いろいろなツールを使っている方も、みんな大歓迎✨ もちろんフォロー外の方の参加も大歓迎です **参加方法** このポストを**引用リポスト**して **#AIスイスイ競水デー#** を付けてください♪ (Xルール上全く問題ありません。長く続いている健全企画なので安心してご参加ください!) オリジナル・二次創作どちらもOK、複数投稿も歓迎です! **大事なルール(一緒に楽しく泳ぎましょう!)** - **明るく清々しい・爽やかな表現**を心がけて - 画像チェンジ(2枚並べてGrokでポーズ・衣装変換など)**禁止** - 小間切れ縦並び(細長い分割画像)**禁止** - 後ろ向き・下アングル・濡れ透け・際どいポーズなどは控えめに - Grok単独生成はOKですが、エロ寄り合成はNG - 全体として**健全でスポーツウェアらしい**競泳水着イラストをお願いします(SFW厳守) ルール分からないことあったら、遠慮なくリプやDMで聞いてね! アタシ(りぼ〜ん)が喜んでお答えします😊 今日も深夜から元気に泳ぎ始めて、ラストまで一緒に張り切りましょう! たくさんの方のご参加、心からお待ちしています🩱✨ sfw Illustration 競泳水着はスポーツウェアなので健全です 葬送のフリーレン/フリーレン
もっと見る
# AIエージェント開発の意思決定ポイント # 温度(Temperature) 🎯 ポイント 温度パラメータ、全部のタスクに同じ値を設定していませんか? エージェントシステムにおける温度は「創造性のつまみ」ではありません。構造化出力、ツール呼び出し、ユーザー応答 -- 経路ごとに最適な温度は全く違います。1つのエージェント内でも使い分けるのが基本です。 📋 概要 温度はLLMが次のトークンを選ぶ際の確率分布の「尖り具合」を制御するパラメータです。温度0に近いほど最も確率の高いトークンが選ばれやすくなり、出力は決定論的で安定します。温度を上げると確率分布が平坦化し、低確率のトークンも選ばれるようになるため、出力の多様性と創造性が増します。 AIエージェントでは、構造化出力を生成する場面、ツール呼び出しの引数を組み立てる場面、自由形式のテキストを生成する場面で求められる温度が異なります。温度は単一の固定値ではなく、タスクの種別に応じて動的に切り替えるべき変数です。 🔍 意思決定のポイント 温度の設定は主にtask_variability(タスクの定型度)で決まります。判定フローは明快です 🧭 1. 構造化出力(JSON/関数呼び出し)か? → 0.0〜0.3 2. 正確性が最優先(事実抽出・分類・要約)か? → 0.2〜0.5 3. 対話・説明・コミュニケーションか? → 0.5〜0.7 4. 創作・ブレインストーミング・候補生成か? → 0.7〜1.0 加えて、failure_cost(失敗コスト)が高いほど温度の上限を下げ、cost_sensitivity(コスト感度)が高い環境ではリトライによるコスト増を見込んで温度を抑えます。 💡 要点と詳細 タスク別の目安値 📊 - 構造化出力(JSON / function calling) → 0.0〜0.3。スキーマ違反の最小化が最優先 - 分類・抽出・データ変換 → 0.0〜0.2。正確性と再現性が命 - 要約・説明・カスタマー対応 → 0.5〜0.7。自然さと正確性のバランス - 創作・ブレスト・候補生成 → 0.7〜1.0。多様性が価値の源泉 - ツール引数の生成 → 0.0〜0.2。関数名・引数名の正確性が不可欠 - 計画・推論 → 0.3〜0.6。多少の探索は有益だが論理の一貫性を保つ 構造化出力の温度はまず0から始めてください。0でもスキーマ違反が出る場合はプロンプトかスキーマの問題です。温度を上げて「偶然正しい出力が出る」ことに依存してはいけません 🚫 ⚖️ トレードオフ 温度が低すぎると対話が機械的で紋切り型になります 🤖 同じ質問に毎回同じ回答を返し、「テンプレート応答」の印象を与えます。Best-of-Nサンプリングも候補がほぼ同一になり、N倍のコストだけかかって実質N=1と同じ結果に。 温度が高すぎると構造化出力が壊れ始めます 💥 JSONのフィールド名が揺れたり、型が合わなくなったり。ハルシネーションも増加し、固有名詞・数値・日付の正確性が崩壊します。ツール呼び出しの不安定化、再現性の喪失も深刻な問題です。 温度によるリトライコストの増加も計測してください。スキーマ違反率が概ね5%を超えたら温度を下げることを検討しましょう。 🛠️ ユースケース エージェント内の経路ごとに温度を変えるのが基本 🔀 計画ステップは0.3〜0.5、ツール呼び出しの引数生成は0.0〜0.2、ユーザー向け応答は0.5〜0.7。モデルを切り替える際に温度も同時に切り替えると自然です。 Best-of-Nを使うなら温度を上げる必要があります。温度0でN=5を生成しても、ほぼ同一の候補が5つ返るだけです。N>1のときは0.5〜0.8に設定し、多様な候補の中からJudgeが最良を選ぶ構成にします。 top_pとの併用には注意 ⚠️ 温度とtop_pを両方変更すると効果が掛け算になり、予測困難な挙動を示します。原則としてどちらか一方だけを調整してください。 #AIエージェント# #ソフトウェアアーキテクチャ#
もっと見る
# AIエージェントをエンタープライズシステムに組み込む意思決定ポイント # temperature|Temperature 🎯 ポイント temperatureを「とりあえず0.7」で全ステップ共通にしていませんか? 実はタスクの性質によって最適値は大きく異なり、1つのエージェント内でもステップごとに切り替えるのが正解です。意図分類は0、ツール選択は0〜0.1、回答生成は0.3〜0.5、アイデア出しは0.7〜1.0。この使い分けが品質と安定性を両立させる鍵です🎛️ 📋 概要 temperatureはLLMの出力の確率分布をどの程度「なます」かを制御するパラメータです。高いほど多様で創造的な出力になり、低いほど再現性が高く決定論的な出力になります。エンタープライズのエージェント設計では、一律の設定ではなく、処理ステップの性質に応じたきめ細かい制御が求められます。「正確さが必要な場所」と「多様性が必要な場所」を明確に区別し、それぞれに適切な値を設定することで、品質の安定と表現の豊かさを同時に実現できます。 🔍 意思決定のポイント このダイヤルは「タスクの性質」で決めます。 事実抽出・分類・判定・コード生成 → 低temperature(0〜0.2)。正確性と再現性が最優先 要約・報告書・顧客対応ドラフト → 中temperature(0.3〜0.7)。安定性と自然さのバランス ブレインストーミング・バリエーション生成・創作 → 高temperature(0.7〜1.0)。多様性重視 重要なポイントとして、temperatureとtop_pを同時に大きく動かすと出力が不安定になります。片方を固定し片方で調整するのが基本です。また、本番とテストで同一のtemperature設定を使ってください。テスト時だけ0にすると、本番で初めて出力のぶれに気づくことになります⚡ 💡 要点と詳細 エージェント内でのステップ別temperature設定の考え方: 意図分類ステップ — temperature=0。ここがぶれると後続の全処理が狂うため、決定論的に分岐させます。 情報検索・ツール選択ステップ — temperature=0〜0.1。正確なツール呼び出しが最優先です。 回答生成ステップ — temperature=0.3〜0.5。自然な文章だが安定した品質を維持します。 提案・アイデア出しステップ — temperature=0.7〜1.0。多様性を重視し、幅広い選択肢を提示します。 計測すべき指標は、出力一貫性(同一入力N回の一致率、分類タスクなら95%以上を目標)、幻覚率(事実と異なる記述の発生頻度)、ユーザー満足度(特に顧客対応の文面品質)、eval成功率の分散(temperatureが高いほどevalがぶれる)です📊 ⚖️ トレードオフ temperatureが高すぎると、出力のばらつきが大きくなり品質の安定性が下がります。幻覚(hallucination)の発生確率も上がる傾向があり、事実に基づく回答が求められるエンタープライズ用途では致命的です。同じ質問に対して毎回違う回答が返ってくるのは、業務システムとしては信頼を損ないます😰 一方、temperatureが低すぎると、表現が画一的になりユーザーに「機械的」と感じさせます。顧客対応の文面が毎回同じテンプレート感だと、パーソナライズされた対応を期待する顧客の満足度は下がります。また最適解以外の選択肢を探索できないため、局所最適に陥りやすくなります⚠️ 🛠️ ユースケース ServiceNow ITヘルプデスク:チケット分類(temperature=0)→ ナレッジ検索(0)→ 回答生成(0.3)の3段構成。分類と検索は正確性最優先、回答だけ自然な文章にする設計です。分類精度が不安定な場合、temperatureではなくプロンプトを改善してください📚 Shopify商品説明生成:商品属性の構造化抽出(0)→ 説明文の複数バリエーション生成(0.8)→ 品質チェック(0)。創造的な部分だけtemperatureを上げ、前後の構造化処理は決定論的に固定します🎯 Slackブレスト支援ボット:全ステップでtemperature=0.9。多様なアイデアを出すことが目的なので、安定性より多様性を全面的に優先します🔧 実践のコツ:まずtemperature=0でevalを作成しベースラインの品質を確認してから、必要に応じて上げてください。分類精度が不安定な場合はtemperatureを動かすのではなくプロンプト改善で対処し、顧客対応の文面が画一的と指摘されたら0.1〜0.2刻みで段階的に上げてください。幻覚率が許容範囲を超えたら、temperatureを下げるか事実検証ステップを挟むのが定石です💪 #AIエージェント# #エンタープライズアーキテクチャ#
もっと見る
【創作処 愛染屋の第15回公演『青空・天使像』】何十年も公園に立つ少年像と人々の間に発生する「0.75往復」のコミュニケーション|静岡新聞アットエス #しずおか文化談話室# #静岡新聞# #愛染屋天使#
もっと見る