**SQL の台頭:誰もが知っておくべき第2言語**

2025/12/18 23:00

**SQL の台頭:誰もが知っておくべき第2言語**

RSS: https://news.ycombinator.com/rss

要約

Japanese Translation:

改良された要約

SQL は今日のソフトウェアエコシステムにおけるデータアクセスの支配的言語であり、今年は IEEE Spectrum のインタラクティブプログラミング言語ジョブランキングでトップに立ちました。雇用主は SQL を主要な要件として挙げることが多く、しばしば別の汎用言語と併せて求められます。行と列のテーブルでデータを保存するリレーショナルデータベースの主力クエリ言語として、SQL は多くの企業アプリケーションの基盤となり、スマートフォンなど従来のファイルシステムを徐々に置き換えつつあります。専門家はすべてのソフトウェア開発者がデータベースと対話するため、SQL は事実上の標準であると言います。小売業・e‑コマース・エネルギーセクターでのストリーミングアーキテクチャやリアルタイムデータ処理の普及は使用量をさらに押し上げ、データサイエンスと機械学習プログラムでは定期的に SQL を教えるデータベースコースが含まれます。Python や C++ で主にコードを書く開発者でも、リレーショナルデータベースとのアプリケーション通信には不可欠です。SQL 周辺の豊富なツールエコシステムは学習をキャリアアップにつながりやすく、直感的にします。1970 年代に Sequel として始まり、その十年後に標準化され、現在も進化し続けています。NoSQL の動きからの周期的な挑戦にもかかわらず、Google Cloud Spanner などのプラットフォームはその強力なクエリ機能を理由に SQL に戻っています。各十年ごとに新しいデータベースブームが生まれますが、最終的には合意が SQL の有効性と堅牢性に回帰し、開発者や企業にとって継続的な関連性を保証しています。

本文

IEEE Spectrum が今年公開したインタラクティブランキングで、トッププログラミング言語に SQL が大きく上位に浮上しました。通常は Python や C/C++/Java/JavaScript などの定番が首位を占めるところですが、雇用主が「SQL のスキルを持つ開発者」を求める声が多く、その結果 SQL が No. 1 に躍進しました。

では、なぜ SQL がトップへ押し上げられたのでしょうか。まずはデータベースの利用拡大です。SQL はリレーショナル・データベース(行と列で表されるテーブル構造)にアクセスし管理するための主要言語となっています。データベースは多くの企業向けアプリケーションの基盤として不可欠であり、スマートフォンが従来のファイルシステムを置き換えるケースも増えています。

「この普遍性により、どんな分野のソフトウェア開発者でもデータベースと対話せざるを得ず、その際の標準的な手段は SQL です」と、カーネギーメロン大学(CMU)コンピュータ科学部のデータベース管理専門家で CMU データベースグループに所属する Andy Pavlo 教授は語ります。

ストリーミングシステムでの SQL の利用は新たな展開を示しています。NYU Tandon 工学部でコンピュータ科学・工学の学部プログラムを指導しディレクターも務める Torsten Suel 教授はこう述べています。「我々の多くの技術インフラはリレーショナルデータベースにデータを保存・照会しています。SQL は唯一無二ではありませんが、依然として主流(最強)な方法と見なされています。」

さらにビッグデータやストリーミングアーキテクチャの拡大も SQL の台頭を後押ししています。「小売業・e‑commerce・エネルギー分野では、リアルタイムにデータを処理・分析するアプリケーションへの関心が高まっています」と、リアルタイムデータプラットフォーム Hazelcast の最高製品責任者 Manish Devgan は語ります。「ストリーミングシステム内での SQL 利用は、データ領域における SQL の新章を開くものです。」

データサイエンスや機械学習の分野でも SQL が上位へ押し上げられています。Suel 教授はこう語ります。「データサイエンス・機械学習が大きくブームしている中、学生たちはこれらの分野を学ぶ際に必ずデータベース講座(SQL を含む)も履修します。したがって、SQL の需要増はその副産物とも言えます。」

結果として、Python や C++ などで主にプログラミングしていても、アプリケーションが SQL データベースと対話できることがますます重要になっています。「私たちが開発するソフトウェアのほとんどはリレーショナルデータベースに依存し、SQL を利用しています」と、Five Jars Web 開発代理店の最高技術責任者 Andrey Maximov は言います。「開発プロセスでは要件・仕様を設定する段階で、リレーショナルデータベースの概念が強く反映されます。」

SQL を前提とした既存のソフトウェア・ツールエコシステムは膨大です。つまり SQL を学べばプログラマとしてのキャリアに有利であり、習得しやすい言語でもあります。「SQL は成熟した技術です」と十年以上開発経験を持ち SQL プログラミングに精通する Maximov は語ります。「大学教育でも教えられ、学びやすいのが実際のところです。」

SQL は 1970 年代から存在し、IBM のコンピュータ科学者たちが最初のバージョン「Sequel」を開発しました。その後十年以上を経て標準化され、現在でも新しい SQL 標準が継続的に公開されています。「SQL 標準機関は、新興技術トレンドに適応し、数十年にわたり言語を拡張してきた優れた仕事をしています」と Pavlo 教授は指摘します。「そして既存のソフトウェア・ツールエコシステムは膨大です。」

50 年以上経った今、SQL はその永続的な力に挑戦する新技術と対峙してきました。「SQL の終焉を予告する報告は長年頻繁に起こっていました。特に NoSQL の台頭時にはそうでした」と Devgan 教授は語ります。NoSQL は 2000 年代後半に登場し、テーブル以外の形式(ドキュメントやノードとエッジで構成されるグラフなど)でデータを保存するデータベースです。Google のような大手企業も NoSQL を試みました。同社は最初 Cloud Spanner を NoSQL データベースとして設計しましたが、やがて堅牢かつ表現力豊かなクエリ言語が必要だと判断し SQL に戻りました。

「毎十年ごとに、SQL が酷い、遅い、非実用的だと主張するハイプされたデータベース技術が登場します」と Pavlo 教授は述べます。「時間が経つにつれて、従来の常識は SQL が良い選択肢であるという認識に戻り、誰もが再び SQL に集まります。」

同じ日のほかのニュース

一覧に戻る →

2025/12/23 4:15

**イラスト付きトランスフォーマー**

## Japanese Translation: 記事は「Attention is All You Need」で紹介されたTransformerアーキテクチャと、従来の再帰型や畳み込み型ニューラル機械翻訳モデルに比べてその注意力ベース設計がトレーニングを高速化する方法について説明しています。 Transformerはエンコーダスタック(通常6層)とデコーダスタック(同じく6層)で構成されます。各層には以下の要素があります: 1. **自己注意**では、トークン埋め込み(512次元ベクトル)がクエリ・キー・バリュー行列にそれぞれ64次元へ射影されます。ドット積スコアは \(\sqrt{64}\) で縮小し、softmax を適用して値を重み付けし、合計します。 2. **マルチヘッド注意**では、各層に8セットの Q/K/V 射影が使用されます。すべてのヘッドからの出力は連結され、最終的な重み行列 \(W_O\) を通じて射影されます。 3. フィードフォワードニューラルネットワーク(ReLU の間にある2つの線形層)。 すべてのサブレイヤは残差接続とその後のレイヤ正規化で包まれています。 位置エンコーディング(512次元の正弦/余弦ベクトル)は埋め込みに加算され、モデルがトークン順序を知り、訓練時より長いシーケンスを扱えるようにします。デコーダでは自己注意がマスクされ、将来位置は \(-\infty\) に設定されるため、オートレグレッシブ生成が保証されます。 最終的なデコーダ出力は線形射影されてロジットベクトル(次元はターゲット語彙サイズ ≈10 000 単語)となり、その後 softmax で単語確率を得ます。訓練では、これらの分布とワンホットエンコードされた目標トークン間のクロスエントロピー損失が最小化され、逆伝播により最適化されます。 デコーディングは貪欲法またはビームサーチで行うことができ、記事では将来的にデコーディング戦略と大規模語彙や長いシーケンスへの訓練を改善する予定だと述べています。本文は元論文、Tensor2Tensor コード、Jupyter ノートブック、および後続のTransformerバリアントを参照し、Twitter での訂正を歓迎しています。 産業界において、Transformers を採用すると NLP プロジェクトが加速し、翻訳品質が向上し、言語集約型サービスへの展開が拡大します。

2025/12/23 4:37

**超音波による癌治療:サウンドウェーブで腫瘍と戦う**

## Japanese Translation: ### Summary HistoSonics の Edison システムは、水で満たされた膜を通じて高強度超音波を届け、腫瘍内部で崩壊する空洞泡を生成し、周囲の健康な組織を保護しながらがん細胞を機械的に液化します。この技術は 2001 年にミシガン大学で Zhen Xu によって発見されました。彼女は 20 MPa を超える負圧のマイクロ秒バーストが過熱なしに泡を作り出せることを示し、後に 2009 年に HistoSonics を設立して商業化しました。 FDA は 2023 年に肝臓腫瘍用として Edison を承認しました。主要な腎臓癌研究は 2026 年に完了予定で、その後規制承認が期待されます。大規模な膵臓試験(5 年生存率 13 % を目標)が進行中で、初期結果では深部病変の成功した焼灼と良好な耐容性が示され、ヒストトリッピーを他治療法と組み合わせることで残存疾患に対処し免疫応答を誘発できる可能性が示唆されています。 HistoSonics は、その目的に特化したデバイスが物理学、生物学、および生体医学工学を統合し、ロボット制御・コンピュータガイドシステムで繊維組織(例:血管)を保護しつつ液化腫瘍残渣の自然除去を可能にすると主張しています。技術はまた、がんタンパク質を露出させることで免疫応答を刺激し、免疫療法と組み合わせた際に全身性抗腫瘍活性を高める可能性があります。 新しいガイダンス技術—超音波ではなく X 線画像—と治療エコーを解析するフィードバックシステムが開発され、組織破壊のリアルタイムモニタリングが改善されています。 2025 年 8 月にジェフ・ベゾスの所有グループが HistoSonics を 22.5 億米ドルで取得し、研究開発と市場拡大への新たな資源を提供しました。成功すればヒストトリッピーは肝臓・腎臓・膵臓以外の癌にも非侵襲的手術オプションを広げ、音波をがん治療における変革的モダリティとして位置付ける可能性があります。

2025/12/23 3:46

**GLM‑4.7:コーディング機能の進化**

## Japanese Translation: (combining missing details, removing unfounded inferences, keeping clarity):** --- ## Summary GLM‑4.7 は GLM‑4.6 に対し、複数の面で大幅な性能向上を示しています: - **コーディングベンチマーク:** SWE‑bench (+5.8 % で 73.8 %)、SWE‑bench Multilingual (+12.9 % で 66.7 %)、Terminal Bench 2.0 (+16.5 % で 41 %)。 - **ツール使用 & ウェブ閲覧:** τ²‑Bench と BrowseComp において顕著な向上を示し、モデルのツール実行とウェブサイトナビゲーション能力が改善されています。 - **複雑推論:** HLE ベンチマークで +12.4 %(42.8 %)に達し、チャット・創作執筆・ロールプレイシナリオでの性能も向上しています。 リリースには、新しい *思考モード* — Interleaved Thinking, Preserved Thinking, Turn‑level Thinking — が含まれ、ツール使用と複雑なエージェント操作を強化します。GLM‑4.7 は 17 の評価テスト(例:MMLU‑Pro, GPQA‑Diamond, AIME 2025, IMOAnswerBench, LiveCodeBench‑v6)で競合他社より優れた性能を示しています。 ### Availability - **API アクセス:** Z.ai、OpenRouter などのパートナー経由で利用可能。ユーザーは「glm‑4.7」を選択するか、API リクエストで直接呼び出すことができます。 - **ローカルデプロイメント:** 重みは HuggingFace と ModelScope に公開されており、vLLM および SGLang 推論用の公式ドキュメントがあります。 - **価格とアップグレード:** GLM Coding Plan の購読者は自動でアップグレードされます。新規ユーザーは Claude レベルの性能を約 1/7 の価格で、使用量上限が 3 倍になるメリットがあります。 ### Ecosystem impact リリースはすでに人気のコーディングエージェント(Claude Code, Kilo Code, Cline, Roo Code)へ統合されており、Vibe Coding の UI 改善と同時期です。手頃な価格で高性能なコーディング支援とオープンウェイトを提供することで、GLM‑4.7 はソフトウェア開発ワークフロー全体のコスト低減と生産性向上が期待されています。 --- **Key points retained:** All major quantitative gains, new thinking modes, benchmark superiority, availability channels, pricing structure, local inference support, and ecosystem integrations are explicitly mentioned. Unnecessary inferences have been removed, and vague phrasing (e.g., “clear performance boost”) has been replaced with concrete data.