2026/01/12 22:07

タイトル：フロッピーディスクが子どもにとって最高のテレビリモコンになる子どもたちは古いテクノロジーを創造的に活用することが多く、フロッピーディスクはその中でも最も予想外な例です。子どもの手とテレビリモコンの間に置くことで、3½インチのディスクは触覚的でインタラクティブな操作装置へと変貌します。音量調節やチャンネル選択、基本的なプログラミング論理を学びながら、小さな子どもたちはリラックスして遊べます。簡易センサーや磁石をディスクに取り付けるだけで、親は直感的な「リモコン」を作り出し、ゲームのように感じさせることができます。この楽しいアプローチは、時代遅れだったメディアを再活性化すると同時に、子どもたちの好奇心と問題解決力を育み、好きな番組を見る楽しさと同等の学びを提供します。

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

要約▶

Japanese Translation:

(その他の場合は元の文章を繰り返す):**

Summary

記事では、古いフロッピーディスクをストレージおよびインタラクションメディアとして使用した子供向けリモートコントロールを Chromecast 用に紹介しています。
トラック 0 にある単一の “autoexec.sh” ファイルが即時ロードを可能にします。
カスタムボードは、フロッピーデライブ制御用 ATmega AVR と ESP8266 Wi‑Fi モジュールを組み合わせています。ディスクが挿入されると、ATmega が割り込みを受け取り ESP を起動し、シリアル経由で “diskin” メッセージを送信します。その後、ESP はネットワーク接続を介して Chromecast 再生コマンドを発行します。ディスクが抜かれると、“diskout” メッセージが再生停止をトリガーします。

電源は 18650 Li‑ion バッテリーから供給され、ブーストコンバータ（XL6009）が 3.7 V の電源を 5 V に上げてフロッピーモーターに供給します。初期のスピンアップ電流がマイクロコントローラをリセットする可能性があるため、サージを平滑化するために 1000 µF のコンデンサが追加されています。また、ドライブと ATmega のグランドライン間で接地分離も必要で、意図しないリセットを防ぎます。読み取り後はヘッドがトラック 20（データ領域外）へ移動し、リモート操作時にディスクを保護します。

プロトタイプは MDF をレーザー切断して作成され、完全な回路図、GitHub リポジトリ（FloppyDiskCast）、およびコードが公開されています。サーバー側のロジックは元々 “Big Red Fantus‑Button” プロジェクトから netcat/bash スクリプトを使用していましたが、現在はディスクイベントに応じて Chromecast コマンドを送信します。

今後の改善点としては、電源管理の向上、接地分離の強化、および他のメディア入力への拡張可能性があります。この設計は、廃止されたストレージハードウェアを再利用して、モダンなスマートホームデバイス用に低価格で触覚的インターフェースを提供する方法を示しています。

本文

投稿日：2026年1月12日（月） Hal9k、Planet Ubuntu‑DK、Planets

現代のテレビは子どもに向いていない

複雑なリモコンやスマホを使ってアプリを操作し、常に別の番組へ誘導されるよう設計されています。結果として子どもは自分の意思で選べず、大人に何かを起動してほしいと頼むことが多く、その「何か」は自動再生になりやすいです。大人は別の用事に追われ、子どもはテレビ前で無力感を抱える――これが典型的なシナリオです。

アイデア

3歳の息子が 自分で選択できる ものを作りたかったので、

自己決定権を与える
触って感じられる物理的・具体的なものにしたい
「クラウド」ではなく「実際に物理データがある」イメージを演出し、破壊すると影響があるようにしたい
自動再生は無く、1回の操作で1本だけ動画を得られるようにしたい

という要件を掲げました。

フロッピーディスクが最高だ！

フロッピーディスクの「クリック音」やディスクが回転するわずかな音、読み取りヘッドの動き――それはまさに昔の最良のストレージメディアです。保存アイコンとしてもフロッピーが使われているのは理由があります。現代の子どもたちはフロッピーを見たり触れたりしたことがほとんどなく、こういう体験を提供する価値があります。

Chromecast を制御する Big Red Fantus‑Button フレームワークに netcat | bash のやり取りを加えて拡張するだけで済む設計でした。

データストレージ

まずはフロッピーの殻に RFID タグを入れる案を試しましたが、動作が不安定。
「データ保存？」と聞かれ、すぐにプロトタイプを作りました。ディスクをフォーマットし

autoexec.sh

という小さなファイルだけを格納すると、全データはトラック0に置かれ、ほぼ瞬時に読み取れます。USB フロッピードライブで内容確認・編集も可能です。音は本物：クリック、ウィル―、ブーレ――です。

フロッピーのオートラン機能は実際には存在しませんでした。

ディスク挿入検知

Windows 95 の AutoRun は素晴らしかったですが、フロッピードライブは OS がアクセスするまで「ディスクが挿入されているか」を知らない。デバイスの “Disk Change” ピン（34）は多くの場合接続されていませんでした。そこでドライブを改造し、ディスクが挿入されたときに作動する簡易ローリングスイッチを追加しました。

マイクロコントローラでデータ読み込み

AVR ベースの Arduino には dhansel の Arduino FDC Floppy ライブラリが使えます。FAT ファイルシステムを読むだけで十分です。
フロッピー制御用に AVR、Wi‑Fi 用に ESP8266 を組み合わせたボードは存在しますが、ジャンパ設定とシリアル接続が細心の注意を要します。

バッテリー駆動リモコン

携帯性を保つため 18650 Li‑ion バッテリー（3.7 V nominal）を使用。ブーストコンバータ XL6009 が 5 V を供給し、ドライブを回転させます。初期のスピンアップ電流は数アンペアで MCU をリセットする可能性があるため、MCU 側に 1000 µF コンデンサを設置しました。

グランドアイソレーション

インターフェースケーブルのグランド側をマイクロコントローラ側のどんなグランドとも接続しないようにしました。IRLZ34N MOSFET を用いてドライブのグランドを切断することで停止させます。すべての論理ピンを入力（高インピーダンス）に設定すると安定性が向上しました。

スリープ管理

ATmega と ESP は両方ともスリープモードを備えています。ATmega がフロッピー挿入トリガーを扱い、ESP は起動後にシリアルデータを読み取り Wi‑Fi 経由で送信し、30 秒後に再びスリープします。

ATmega のフロー:

ディスク挿入 → 割り込みで ATmega が起動
ATmega が ESP をディープスリープから復帰させる
ATmega が “diskin” メッセージをシリアル送信、ESP は Wi‑Fi で転送
ATmega がドライブをオンし、ディスク内容を読み取り ESP にストリーム
スピンダウンしてスリープ
ディスク抜き → “diskout” を送信、必要なら ESP をリセット
繰り返し

ボックスは MDF ボードをレーザー切断（FloppyDiskCast Git リポジトリ参照）で作成しました。

サーバー側ハンドラ

Big Red Fantus‑Button の netcat | bash アプローチに追加コマンドを実装：

```
diskin
```
→ Chromecast への “play” コマンド
```
diskout
```
→ “pause” コマンド
その他（例：
```
dad-music
```
）は冪等性を保つ
- まだ再生中でなければランダムに動画を再生
- 既に再生中ならリストから次の動画へ

“play/pause” ディスクには空ファイルが入っており、ディスク内容を待たずに即座に再生をトリガーします。

実際の使用

息子はすぐにこの仕組みを楽しみました。音楽や番組の一時停止・再開はとても面白かったです。ただし、遊んでいるうちにディスクが破損するケースもありました。ヘッドダメージを防ぐため、読み取り後にヘッドをトラック20へ移動させるようにしました（データはトラック0にあります）。これでディスクを保護しつつ、機械的なメロディーも楽しめます。

同じ日のほかのニュース

一覧に戻る →

2026/01/13 4:27

了解しました！内容は明確で簡潔に保ちます。余分な改行や不必要な記号は入れず、リストがある場合は読みやすいようにきちんとインデントします。他にご要望がございましたら、お気軽にお知らせくださいね！

## Japanese Translation: **改訂された概要** CoworkはClaude Maxをベースにしたリサーチプレビュー・ツールで、現在はmacOSアプリを通じてMaxサブスクライバー向けに利用可能です。ユーザーが自分のコンピュータ上の特定フォルダへのClaudeのアクセス権を付与すると、そのフォルダ内のファイルを読み取り・編集・作成できるようになります。これにより、ダウンロードの整理、スクリーンショットからスプレッドシートを生成すること、散在したメモからレポートをドラフトするなどのタスクが便利に行えます。標準的なチャットとは異なり、CoworkはAIにより大きな主体性を与えます。AIはタスクを計画し、実行し、進捗状況を提供します。このツールはClaude Codeと基盤を共有しており、非コーディングの文脈でもコード風の対話が可能です。ユーザーは既存のコネクター（例：ドキュメントやプレゼンテーション）をリンクしたり、Chromeとのペアリングでウェブ閲覧を行ったりして機能を拡張できます。AIは複数タスクをキューに入れ、並列実行することで前後のチャットを減らします。制御権はユーザーに残ります：Claudeが見るフォルダとコネクターを選択し、大きな操作を行う前にプロンプトが表示されます。ただし、誤った指示でファイルが削除されたり、プロンプトインジェクションが発生するリスクもあるため、安全対策は継続的に開発中です。このプレビューはフィードバックを集めることを目的としており、将来のリリースではデバイス間同期、Windowsサポート、強化された安全機能、および拡張されたコネクターオプションが追加される可能性があります。Coworkは個人向けにファイル整理を効率化し、手動監視を保ちながらファイルベースのワークフローを自動化する制御可能なAIアシスタントとして設計されています。

2026/01/13 1:04

**TimeCapsuleLLM：** 1800年〜1875年のデータのみで訓練された大規模言語モデル (Note: The length is preserved while using natural, polite Japanese.)

## Japanese Translation: ``` ## Summary TimeCapsule LLM プロジェクトは、歴史的な英語データのみを使用して言語モデルをゼロから構築し、現代のバイアス（「Selective Temporal Training」）を排除します。 - **Model evolution** - *v0* (16 M パラメータ、nanoGPT ベース) は約187 MB の1800年代テキストで訓練され、1800年代風の言語を生成しましたが、一貫性のない文になりました。 - *v0.5* (123 M パラメータ、引き続き nanoGPT) はコーパスを約435 MB に拡張し、文法・句読点を改善しましたが、高い幻覚と OCR ノイズに悩まされました。 - *v1* (700 M パラメータ、Phi 1.5 ベース) は約6.25 GB のデータで訓練され、歴史的事件や人物を正確に思い出せるようになりました。 - *v2mini‑eval1* (300 M パラメータ、90 GB London コーパス全体の15 GBサンプル) はわずか10 K ステップで訓練され、トークナイズ問題により「Who is Charles Dickens?」のような文字化けした出力が生成されました。 - *v2mini‑eval2* (v2mini‑eval1 と同じサイズ・データ) はチャールズ・ダーウィンについて極めて不連続なテキストを生成しました。 - **Dataset** 完全版 v2 データセットは1800–1875 年のロンドンテキストで 90 GB を含み、136,344 ドキュメントから構成されています。15 GB のサンプルは Hugging Face（https://huggingface.co/datasets/haykgrigorian/TimeCapsuleLLM-London-1800-1875-v2-15GB）で公開されています。 - **Training setup** *v0/v0.5* は GeForce RTX 4060 GPU、i5‑13400F CPU、および 16 GB RAM を使用しました。 *v1* と *v2mini‑eval1* はレンタル NVIDIA A100 SXM GPU 上で訓練されました。 - **Tokenization & evaluation** 時代固有のスペリングと語彙に対応するカスタムトークナイザー（vocab.json & merges.txt）を構築しました。出力は言語的正確さ、幻覚率、およびトークナイズ品質で評価され、バイアス統計は別途 v2 バイアスレポートに記載されています。 - **Future work** 今後の計画として、完全版 90 GB v2 データセットへの拡張、トークナイザーパイプラインの改良、およびより深いバイアス分析を実施します。 - **Impact** このプロジェクトは、歴史家・教育者・AI‑ethics 開発者が時代に即した言語モデルを必要とする際に有益であり、現代バイアスを減らすための時間的選択訓練（temporal selective training）の具体例として NLP コミュニティにも貢献します。 ```

2026/01/13 5:26

ファブリス・ベルラール氏のTS Zip（2024）

## 日本語訳： **概要** ts_zip は、GPU を活用したテキスト圧縮ツールであり、RWKV 169M v4 大規模言語モデル（パラメータを 8 ビットに量子化し、BF16 で評価）を使用してトークン確率を予測し、その予測に基づいて算術符号化を適用します。従来のツールよりも高い圧縮率を達成しています： - alice29.txt – **1.142 bpb**（21,713 B） - book1 – **1.431 bpb**（137,477 B） - enwik8 – **1.106 bpb**（13,825,741 B） - enwik9 – **1.084 bpb**（135,443,237 B） - linux‑1.2.13.tar – **1.021 bpb**（1,196,859 B）。 RTX 4090 上では、ツールは約 1 MB/s の速度で圧縮し、同程度の速度で解凍します。システムに少なくとも **4 GB の RAM** があることが前提です。ts_zip は実験的なものであり、バージョン間の後方互換性は保証されません。また、その性能評価は GPU／CPU またはスレッド数に依存せず、決定論的に行われます。この手法はプレーンテキストファイルで最も効果を発揮し、バイナリデータではエントロピーの削減がほとんど得られません。主に英語で訓練されていますが、他言語やソースコードにも比較的適切に対応します。ダウンロードリンク： - Linux tarball: `ts_zip‑2024‑03‑02.tar.gz` - Windows ZIP: `ts_zip‑2024‑03‑02-win64.zip` 将来のリリースでは、圧縮率をさらに向上させ、言語サポートを拡大し、可能ならファイルタイプの取り扱いを追加しつつ、ハードウェア間で評価が再現できるようにすることを目指します。GPU リソースを持つユーザー（データアーカイブ担当者や大量テキストコーパスを管理する開発者など）にとって、速度を犠牲にせず高い圧縮率を実現できる最適なツールです