Ethereumの共同創設者の一人であるVitalik Buterin氏が、保有する暗号資産の一部を大きく動かしたとされています。 報道によれば、わずか数時間のうちに11万ETH、金額にして1億7,000万ドル以上に相当する取引が行われたとのことです。 特に注目されているのは、過去にも市場の大きな転換点の前に、似たような動きが見られたとされている点です。 今回の動きは、単なる資産整理なのか、それとも市場環境の変化を意識したものなのか。 暗号資産市場では、今後の動向に改めて注目が集まりそうです。

偉大なビルダーは、みんな最初はアイデアを集めるところから始まる。 本当に珍しいのは、それを覚えていることだけではなく、素早く結びつけて新しいものを生み出せることだ。

Microsoftの新しい量子チップ、信頼性が1,000倍以上向上 Bitcoinへの懸念が高まる Microsoftは、新型量子チップ「Majorana 2」を発表しました。前世代と比べて信頼性が1,000倍以上向上しており、同社はAIの活用によって研究プロセスが大幅に加速し、製造精度の改善にもつながったとしています。 同社は、2029年までに本格的にスケール可能な量子コンピューターの実現を目指しています。この動きにより、「Q-Day」への懸念が再び高まっています。Q-Dayとは、量子コンピューターが現代の暗号技術を破れるほど強力になり、Bitcoinに脅威を与える可能性がある時点を指します。 推定約4,610億ドル相当のBitcoinが攻撃を受けやすい状態にあるとされています。Googleも以前、Q-Dayは2032年ごろに到来する可能性があると予測しており、一部の研究者は2030年ごろ、あるいはそれより早く訪れる可能性もあると見ています。

小学3年生の娘が、パパのためにスクイーズを手作りしてくれました。 上手さよりも、気持ちがぎゅっと詰まっていて嬉しい。

嵐（ARASHI）について 嵐（あらし／ARASHI）は、日本を代表する男性アイドルグループです。1999年9月15日、ハワイ・ホノルル沖のクルーズ船上でデビュー会見を行い、同年11月3日にシングル「A・RA・SHI」でCDデビューしました。 メンバーは、大野智、櫻井翔、相葉雅紀、二宮和也、松本潤の5人です。音楽活動だけでなく、バラエティ番組、ドラマ、映画、ニュース番組など幅広い分野で活躍し、多くの人に親しまれる「国民的アイドルグループ」として知られるようになりました。 メンバー 大野智（おおの さとし） 1980年11月26日生まれ、東京都出身。嵐のリーダー。高い歌唱力とダンススキルに加え、芸術的な才能でも知られています。 櫻井翔（さくらい しょう） 1982年1月25日生まれ、東京都出身。アイドル活動に加え、ニュースキャスターとしても活躍し、知的で落ち着いた存在感を見せています。 相葉雅紀（あいば まさき） 1982年12月24日生まれ、千葉県出身。明るく親しみやすいキャラクターで人気を集め、バラエティ番組などでも幅広く活躍しています。 二宮和也（にのみや かずなり） 1983年6月17日生まれ、東京都出身。俳優としても高く評価され、映画やドラマで数多くの印象的な役を演じています。 松本潤（まつもと じゅん） 1983年8月30日生まれ、東京都出身。ドラマ「花より男子」の道明寺司役などで広く知られ、ライブ演出面でも大きな存在感を示してきました。 活動と歩み 嵐は、デビュー以降、数多くのヒット曲を発表してきました。「Love so sweet」「Happiness」「One Love」「Believe」など、明るく前向きな楽曲は、多くのファンに長く愛されています。 2009年には、オリコン年間ランキングで史上初の4冠を達成し、その人気と影響力の大きさを示しました。その後も音楽番組、コンサート、テレビ番組、映画などを通じて、日本のエンターテインメント界を代表する存在として活動を続けました。 嵐は2020年12月31日をもってグループとしての活動を休止しました。その後、2025年に5人での再集結とラストツアーの開催を発表。2026年春には、ラストツアー「ARASHI LIVE TOUR 2026『We are ARASHI』」を行い、札幌、東京、名古屋、福岡、大阪の5大ドームを巡りました。 ツアーファイナルは、2026年5月31日に東京ドームで開催されました。この最終公演は生配信も行われ、多くのファンが嵐としての最後のステージを見守りました。 嵐は、27年にわたる活動を通して、音楽、テレビ、映画、ライブなどさまざまな形で人々に笑顔と元気を届けてきました。その歩みは、日本のポップカルチャーに大きな足跡を残したと言えるでしょう。

FORTRANのこのマニュアル表紙、すごく時代を感じます。 「PROGRAMMERS REFERENCE MANUAL」という文字だけでも、もう空気が違いますね。 IBM 704のための自動コーディングシステムとして生まれたFORTRANは、まさにコンピュータ史の大きな一歩。 今の洗練された開発環境とは違って、当時はこうした分厚いマニュアルそのものが“知識の入口”だったのだと思います。 シンプルなデザインなのに、なぜか強い存在感がある。 古い技術資料って、読む前からロマンがありますね。 FORTRANや昔のプログラミング資料に触れたことがある方、いますか？ 🙋‍♂️

昔のデータ管理といえば、Lotusを思い出す人も多いはず。 表、レコード、フォーム、レポートを画面の中で整理していく感覚は、今のデータベース管理ツールの原点みたいな存在でした。 フロッピーディスクに保存して、必要な情報を呼び出す。 たったそれだけでも、当時はかなり“仕事がデジタル化している”感じがありましたね。 Lotusを実際に使ったことがある方、いますか？🙋‍♂️

懐かしの1.2MBフロッピーディスク。 今見ると「1.2MB!? 少なっ！」と思うけど、当時はこれで大事なデータを持ち歩いていたんですよね。 カチッと差し込む感じまで思い出す人、いるはず。 これ、実際に使ったことある人は手を挙げてください 🙋‍♂️

どんな理由があっても、祝いの場が暴力や破壊に変わっていいわけではないですね。 一部の人の行動で、街も普通のファンも傷ついてしまうのが残念です。

懐かしい雰囲気のTurbo Pascal画面で、2次方程式を解くプログラムを書いてみました。 今のIDEと比べるとシンプルすぎるけど、この青い画面にはなぜかワクワク感がありますね。 Pascalを使ったことがある方いますか？ 当時のプログラミング体験、ぜひ聞いてみたいです。

SpaceX is actively hiring world-class engineers/physicists for SpaceXAI, even if you have zero prior experience in AI. Smart humans figure it out fast. Please send an email with ~3 bullet points demonstrating evidence of exceptional ability to ai_eng@spacex.com.

良い未来は、技術が増えるだけではない。 自由と尊厳が増え、生きるためだけに人生を削らなくていい人が増えることだ。

Xに新機能「Active Followers」来ましたね！🎉 過去24時間のアクティブフォロワー数と割合が一目でわかるようになって、グラフも付いてる。クオリティ高いフォロワーさんがどれくらいいるかすぐチェックできるの最高すぎる…！ 俺の垢だと今78%くらいアクティブだったわ。クリエイターにとっては神機能だろこれ。 Premium入っててよかった…😂 みんなの数字どれくらい？教えて〜 #X新機能 #ActiveFollowers

速く進むこと自体はすごいけど、速いほど責任の置き場所も大事になりますね。 AIは「できるか」だけじゃなくて、「どう使うか」が本番になってきた感じがします。

Raspberry Pi 4で、SupertoneのSupertonicを試してみました。 Supertonicは、ONNX Runtimeを使ってローカル環境で動作するText-to-Speechモデルです。 クラウドAPIに送らず、デバイス上で音声を生成できる点がとても面白いです。 今回の動画で使っている音声は、実際にこのモデルから出力したものです。 Raspberry Pi 4上でも日本語・英語・ベトナム語などの音声生成を試せるので、エッジデバイスでの音声AI用途としてかなり可能性を感じました。 もちろん、長文生成や高負荷な処理ではCPUやメモリ、発熱に注意が必要です。 それでも、「小さなデバイスでローカルTTSが動く」という体験はかなり楽しいです。 GitHub: github.com/supertone-inc/sup…

良いプロダクトは、結局良いチームから生まれる。戦略も大事だけど、本当に積み上がるのは、プロダクトを少しでも良くし続ける人たちの執念だと思う。

X（旧Twitter）レコメンデーションアルゴリズムの分析 ソースコード： github.com/xai-org/x-algorit… xai-org/x-algorithm は、Xの「おすすめ」（For You）フィードを支える中核的な推薦システムです。 単一のモデルではなく、複数の処理を組み合わせたパイプラインとして構成されています。 全体像 For Youフィードは、主に2種類の候補ポストを取得します。 ・Thunder：フォローしているアカウントからの投稿 ・Phoenix Retrieval：フォロー外から、機械学習ベースで発見される投稿 その後、候補ポストをフィルタリングし、PhoenixのGrokベースTransformerモデルでスコアリングします。 処理の流れ ステップ1：ユーザー文脈の取得 ユーザーの最近の行動履歴やフォロー情報などを取得します。 ・いいね ・返信 ・リポスト ・クリック ・フォロー関係 ・設定や閲覧履歴 ステップ2：候補ポストの取得 フォロー内の投稿はThunderから取得されます。 フォロー外の投稿はPhoenix Retrievalにより、ユーザーの興味に近い投稿が検索されます。 ステップ3：フィルタリング スコアリング前に、表示すべきでない候補を除外します。 ・重複投稿 ・古すぎる投稿 ・自分自身の投稿 ・ブロック、ミュートしたアカウント ・ミュートキーワードを含む投稿 ・すでに見た投稿 ステップ4：スコアリング Phoenix Scorerは、候補ポストごとに複数の行動確率を予測します。 ・いいね ・返信 ・リポスト ・クリック ・動画視聴 ・プロフィールクリック ・フォロー ・興味なし ・ブロック ・ミュート ・報告 最終スコアは、これらの予測値に重みをかけて計算されます。 ポジティブな行動はスコアを上げ、ブロックや報告のようなネガティブな行動はスコアを下げます。 ステップ5：多様化と最終選別 同じ投稿者が連続して出すぎないように調整し、最終的な表示順を決定します。 技術スタック 現在のGitHub上の言語構成では、主にRustとPythonが使われています。 ・Rust：高性能なリアルタイム処理やパイプライン処理 ・Python：機械学習モデルや推論パイプライン周辺 注目ポイント ・GrokベースのTransformerを推薦システムに応用 ・フォロー内とフォロー外の候補を組み合わせる構造 ・検索、スコアリング、フィルタリング、選別を分離した設計 ・手動特徴量やヒューリスティックへの依存を減らし、機械学習中心の推薦へ移行 ・ソースコード公開により、推薦アルゴリズムの透明性に関する議論がしやすくなった XのFor Youは、単なる「人気順」ではなく、ユーザー文脈、候補抽出、行動予測、負のシグナル、多様性調整を組み合わせたかなり複雑な推薦パイプラインになっています。