技術のエキスパートから組織のリーダーへ移り変わる際の難しさと、その乗り越え方をまとめたIEEEのポスト。 ・STEMのキャリアにおいて、純粋な技術者からリーダーへの移行は最も困難なフェーズの一つ ・なぜかというt、技術的な卓越性への依存から離れ、システム思考やチームの連携を習得する必要があるから ・エンジニアの意思決定は、それ単体で完結するわけではない ・自分の技術的な選択が、組織のビジネスや運用の現実とどう関連するかを認識しかねばならない ・そのためには、自分が唯一の技術の専門家であるという固執を捨てる ・代わりに、コラボレーションを促進し、取り組みを組織の戦略と一致させることに注力する ・また、指示を待つのではなく、自律的なビジネスオーナーのように振る舞うことが求められる ・与えられたタスクを実行するだけでなく、組織に価値を生み出す隠れた領域を積極的に発見していく

（下水道局）✨女子中高生向けオフィスツアー✨ ＼キックオフイベントを開催しました／ 都では、STEM※分野における女性活躍を推進する取組として、令和4年度から女子中高生向けのオフィスツアーを実施しています。 今年度はキックオフイベントとして、技術系職員の職場を巡るツアーを開催🧪下水道局「有明水再生センター」にて、女子中高生の皆さまに見学いただきました。 参加者は初めて触れる下水道の現場に興味津々。熱心にメモを取りながら積極的に質問する姿が見られました✏️ 本ツアーが、下水道分野を将来の進路の一つとして考えるきっかけとなれば幸いです🌈 【※】Science（科学）、Technology（技術）、Engineering（工学）、Mathematics（数学）の4分野の総称

歌声とBGMをまとめて曲ごと生成できるAIモデル「WanSong v1.0」の技術レポートが公開された(https://arxiv[.]org/html/2607.14749v1)。 これまでの曲生成AIは、AR(自己回帰、文章を単語ごとに予測して繋げる方式で音を生成)か、ARと拡散モデル(ノイズから徐々に音を復元する生成方式)を組み合わせた多段階パイプラインが主流だった。WanSongはこの構成をやめ、拡散モデルだけで最大5分の高音質な楽曲を一発生成する、約250億パラメータ(25B)のモデル。しかもボーカルとBGM(伴奏)を別々の音声トラックとして同時に出力する。 このdual-stem(2軌道)構成には理由がある。ボーカルとBGMを1つのトークンにまとめて学習すると、モデルがボーカルに引っ張られてBGMの表現が弱くなる。さらに生成の忠実度を調整するCFG(Classifier-Free Guidance)を強めるとボーカルは正確になるがBGMが崩れ、弱めるとその逆が起きるというジレンマもあった。WanSongはボーカルとBGMを完全に別トークンとして学習し、この干渉自体をなくしている。副産物として生成直後から両者が別トラックのまま得られるため、後工程のミックスや編集もしやすい。 600万時間超の多言語楽曲データで学習し、中国語・英語・日本語・韓国語4言語・200曲のベンチマークでは発音誤り率(PER)が7.43%と、Suno V5の22.80%、Mureka V7.6の12.7%を大きく下回った。独自の音楽性評価でも5.49点でSuno V5の4.18点を上回っている。