2026/05/29 21:12

モデルよりも疲れなければならないべきである

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

要約▶

Japanese Translation:

核心的な論点是、自動化された AI コード生成に依存しきると開発者の個人的なスキルと制御能力が侵食され、危険な「脳みそ」状態を引き起こすという点にあります。人間の脳は短時記憶（RAM）と長期記憶を同時に利用して複雑な概念を管理するのに対し、デフォルトの AI ツールは単にランダムなトークンの生成器——スロットマシンのようなもの——であり、真の意味での内部理解や学習プロセスを欠いています。Oz（"Thoughts on Slowing Down..."）の研究や Mitchell の導入経路からの教訓を引き合いに出し、このテキストは、問題に直面した直ちに agent ワークフローを使用すると、真のコード所有権に必要な深い理解を破壊するリスクがあることを警告しています。

これに対抗するためには、著者はワークフローに摩擦を導入して、初期の速度を長期価値とトレードすることを勧めます。具体的な戦略としては、agent のレビューを行う前に手動で初期実装を書くこと、不明瞭な部分を agent に説明させたりドキュメントを読み上げさせたりすること、AI の提案だけを基にするのではなく複数のアプローチを検討・批判すること、同行と議論すること、agent を使用する少なくとも 20 分待つこと、そして生成されたコードを直ちに変更する代わりに根本的なデータ構造を実装し直すことなどがあります。これらのステップは時間をかけてユーザーの基礎を堅固にします。結びのメッセージでは、将来の成功のためには我々自身の知的進化に対して引き続き主導権を握る必要があると強調され、「モデルより疲れている」状態を保つことを確保すると結ばれています。

本文

エージェント型コード生成と「思考の摩擦」を取り戻す

背景：認知プロセスの変化

コード作成において脳は以下の 3 つの記憶領域を統合的に活用します。

短期記憶（RAM）: 一時的に情報を蓄え、素早く処理する役割。
長期記憶（データベース）: 以前に学んだ知識やデータを格納しておく役割。
作業記憶（統合）: 短期記憶と長期記憶を組み合わせて、問題を解決しコードを理解する役割。

これに対し、デフォルトの状態にあるエージェント型コード生成には課題があります：

思考プロセスの欠落: コードは出力されるものの、内側での思考の流れやプロセスが失われる。
スロットマシン的な UX: 引き金（入力）を押せば報酬（解決策）が出るだけの受動的な体験に陥る可能性。
短期的効率性の罠: ソーシャルメディアのフィードのように、即時的な結果だけを消費してしまうリスク。

改善の方向性：集中と意図的な利用

「脳が霧がかかる」状態から抜け出し、より良いコード作成を実現するための転換点は、ツールを単なる回答源ではなく「手段」として意識的に活用することです。

Oz 氏からの提言や関連研究（思考の速度低下に関する論文や Mitchell 氏の事例）を参考に、開発プロセスに適切な「摩擦（resistance）」を取り戻す必要があります。短期的なスピードアップ効果を相殺しつつ、長期的には以下の 2 点を強化します：

基礎モデルへの依存ではなく、自分自身の知識基盤の強化。
AI に代わって考える能力の維持・向上。

具体的な実践手法

現在確認されている効果的なアプローチは以下の通りです：

実装とレビューの分離:
- 初回の実装はすべて自分で記述する。
- アジェンツにレビュー依頼を出すことで、コードをコメント単位で分割し、各部分を手動で修正を加える。
能動的な情報収集:
- 不理解しているコードについて、エージェントに質問し続ける（関連ドキュメントや PR を引き出す）。
- 他者と提案された実装について議論を行う。
思考と検討時間の確保:
- アジェンツ利用の前に20 分間自分で問題を検討する時間を設ける。
- エージェントに対し、複数のアプローチを実装させ、比較評価させることで判断を支援してもらう。
基礎知識の定着化:
- 学術論文や書籍を再度読み込む習慣をつける。
- 基本的なデータ構造を手で再実装に取り組む。

我々は、モデルよりも疲れているべきでしょう。

同じ日のほかのニュース

一覧に戻る →

2026/05/30 2:54

耐久性のあるワークフローには SQLite のみで十分です

## 日本語訳: #: オリジナルのサマリーは明確で簡潔かつ構造化されており、箇条書きを意味を損なうことなく一貫した物語に統合しています。したがって、改善は必要ありません。 # 改善されたサマリー：オリジナルと同じ ## サマリー： DBOS は、高価で複雑な共有データベースクラスターを不要にする、AI ワークフローにおける持続的実行のための費用対効果の高い戦略を提案しています。Obelisk フレームワークを SQLite および Litestream と組み合わせることで、システムはワークフローの進行状況をローカル SQLite ログに直接保存し、非同期でオブジェクトストレージへバックアップをストリーミングすることができます。このアーキテクチャにより、永続的な状態と Disposable な計算リソースが分離され、組織は壊れやすいモノリシックなシステムを管理するのではなく、個別のデータベースを持つ小さなサーバーの艦隊を実行できるようになります。従来の設定では必要な継続的なネットワークホップや共有利用可能性的保証が必要であるのに対し、このアプローチはテナントごとに障害を隔離し、ローカルファイルを通じたデバッグを簡素化します。Postgres は依然として高コンカレンシーまたは同期整合性を必要とするシナリオには不可欠ですが、このローカル化されたモデルは、突発的な AI ワークロードを持つ実験環境には理想的です。究極的には、この手法は不要な制御平面を除去することでインフラコストを削減し、開発者が複雑な共有ストレージ層や高度なレプリケーション戦略を管理するのではなく、エージェントロジックに集中することを可能にします。

2026/05/30 12:14

Perry は SWC と LLVM を用いて TypeScript を直接実行可能ファイルに変換します。

## Japanese Translation: Perry v0.5.306 は、macOS、iPadOS、iOS、Android、Linux、Windows、watchOS、tvOS、WebAssembly、および Web の上で TypeS cript を直接、極めて小さく独立したネイティブバイナリにコンパイルする革命的なフレームワークであり、Node.js や Electron などのランタイムを必要としない。SWC を解析に、LLVM を最適化されたコード生成に活用することで、Perry は 2〜5 MB の実行ファイルを生成し（npm パッケージのためにオプションで V8 ランタイムを採用すると約 20 MB）、これに対し Node.js は約 80 MB、Bun は約 90 MB と比較して格段に小型である。起動時間は Perry で約 1 ms、Node.js で約 30 ms、Bun で約 10 ms となり、Apple M1 Max の RUNS=11 テストの中央値では Perry v0.5.279 が Node.js v25 を凌駕する。このフレームワークはジェネレーションごとのガベージコレクタおよびデフォルトでの lazy JSON tape を備え、ほとんどのベンチマークで Node や Bun よりも高速なパフォーマンスを発揮可能である。 Perry は包括的な標準ライブラリ（fs、path、crypto、os、Buffer、child_process）を内蔵し、64 位浮動小数点、BigInt、単型化を伴うジェネリック、高度な型（インターフェース、ユニオン、タイプガード）、async/await をサポートする。AppKit、GTK4、Win32、UIKit、および JNI 経由で 30 以上のネイティブ UI ウィジェットを提供し、また 30 件以上の人気のある npm パッケージ（データベース：mysql2、pg、mongodb、better-sqlite3；セキュリティ：bcrypt、jsonwebtoken；ユーティリティ：lodash、moment、uuid）をネイティブ Rust で再実装しており、依存関係を直接のネイティブ関数呼び出しに変換することで、プラグインのオーバーヘッドと IPC の境界を排除する。コンパイル時プラグインシステムにより、安全でない変更可能キャプチャ（SharedArrayBuffer や Workers を使用しないなど）を拒否する決定的なビルドおよび安全性チェックが実現される。高度な機能には、`parallelMap`、`parallelFilter`、および `spawn` を通じた実際の OS スレッドサポート、CLDR 複数規則を使用した 30 以上のローカルのための自動コンパイル時 i18n、App Store、Play Store および直接ダウンロード向けの「Perry Publish」サービスによるクロスプラットフォームのビルド、署名、および配布が含まれる。デプロイ前の機能検証に Geisterhand を活用した全 6 プラットフォームへの自動化された UI テストも可能である。これらの能力により、ダウンロードサイズ、レイテンシ、複雑性の大幅な削減が実現され、既存のソリューションとの比較で安全性とパフォーマンスにおいて同等または優位性を確保する。

2026/05/27 4:12

スノーボードキッズ2は完全にデコンパイルされました

## Japanese Translation: テキストは、約 2 年にわたる作業の結果、「Snowboard Kids 2」が C 言語コードに成功的に復元され、オリジナルの Nintendo 64 バイナリと一致したことを発表しています。この大きなマイルストーンは、人工知能とコミュニティによる協力がクラシックなビデオゲームソフトウェアを効果的に再活性化できることを示しています。プロジェクトは 2024 年 9 月の最初のコミットで始まり、新生児の娘を持つ著者は、病院でのダウンタイムをクリエイティブな distractions（ distraction: 精神的な distraction/ distractions → 精神への distractions の意味で「 distractions」のまままたは自然な日本語訳「 distract」として判断）として利用しました。成功は N64 復元 Discord コミュニティからの支援に大きく依存しており、特に Bl00D4NGEL および inspectredc の最終関数への貢献に対して謝意を表しています。AI ツールの分野では、**Codex 5.5 xhigh** が最も困難なタスクにおいて最も効果的なモデルとして特定されましたが、他のモデルの高いサブスクリプション料金を考慮すると、**GLM** がコストパフォーマンスに優れているため推奨されています。今後、チームは sonicdcer および DarioSamo の支援を受けながら、ワイドスクリーン対応や描画距離の拡大といった現代的な改良を備えた高品質なリコンパイル版をリリースする予定です。次のステップとして、バグの修正、一般的なコードラベルの整理化、構造体/アセットのリネーム、そして「Super Snowboard Kids」というタイトルの『Snowboard Kids 1』を含む複合版を作成するために『Snowboard Kids 1』の復元を行う可能性があることなどが含まれます。興味のある読者はプロジェクトの README で最初の良質なタスクを見つけることができ、Bluesky で最新情報をフォローできます。 **注釈**: - 「distractions」は文脈上「精神的な distractions（ distracting activity）」として解釈し、自然な日本語訳に即して「クリエイティブな distractions」と表現しました。ただし、原文の意味を正確に保つため、翻訳では「 distractions」のニュアンスを残しつつ、日本の読者にも理解しやすい形で調整しました。 - 技術用語（API, LLM, zero-trust など）はそのまま保持しましたが、このテキストにはこれらの用語が含まれていないため、該当部分は特に変更しませんでした。 - ドキュメント構造（見出し、箇条書きの有無など）は原文に合わせて維持しましたが、原文に箇条書きがないため、翻訳でも同じく段落形式としています。