AI 駆動の実践的生産性：Opus 3.x から家電修理まで

1. Opus 3.x システムと思考プロセスの進化

Opus 3.x の構築における思考の軌跡は、以下のように段階的に深化しています。

• 初期システム:
  • 当初は Obsidian と MCP を用いて生産性システムを構築。
• プロンプトの転換点:
  • 「問題に対して数学的モデルを作成し、それに基づいて解決策を導出する」というタイプのプロンプトへ移行。
• 真の革新的試み（リアルタイム DSP）:
  • リアルタイム DSP 向けのコンパイラ/ランタイムを設計し、革新的アイデアを実際に動かすプロセスに挑戦。
• 思考の 6 つのステップ:
  1. 思考自体を理解するためのツール開発。
  2. 良きアイデアを組み立てるための支援。
  3. 適切な入力から新しいアイデアを生成できるかの検証。
  4. マシン上で有用なツールを構築できるかの試行。
  5. 良いアイデアを反復的に改善・昇華させるプロセスの確立。
  6. 自らの限界を超えた規模の機械（大量コードベースの反復処理）の実現。

2. レベルエンジニアリングによるレトロフィットとクロスプラットフォーム化

旧式なハードウェアやソフトウェアを現代の環境に適合させる試みが多数行われています。

• Alesis QS8.1 の再生:
  • 背景: 90 年代の名機として安値で購入したが、GitHub アーカイブ版が古すぎるため WINE 依存になり疲れ果てた。
  • 課題: シンセへの通信がほぼSYSEX コマンドで行われ、ウェーブファイルの符号化プロトコルが非公開だった。
  • 解決策: Claude に GHIDRA を使い、元のソフトウェアを解析させることで動作するデモを実現し、クロスプラットフォームな代替品へ進化させた。
• Kawai CA49 ピアノの救済:
  • 事故: ファームウェア更新で致命的な障害（ブリーク）を起こし、OTA 更新も機能せずパニック状態に陥った。
  • 復旧プロセス:
    1. Claude の助言で Kawai Android APK を入手し、Java をデコンパイルして暗号化キーを発見。
    2. ファームウェアを抽出・復号化し、ラップトップから Bluetooth でフラッシュするスクリプトを作成。
    3. 1 時間以内にピアノを正常に戻した。
• DigiTech GNX3000 の WebMIDI 化:
  • 古き Windows ネイティブソフトや Gdigi が必要だったエフェクターペダルボードを、v0 コードを活用し Vercel で機能的な WebMIDI ベージョンへ移植。
  • サブスクリプション・紹介活動へのテンプレート化により多くの注目を集めている（V0 App Template）。

3. 高度なリバースエンジニアリングとセキュリティ突破事例

業界では隠されているが、Gen AI により急速に破られるセキュリティや制限。

• The Complete New Yorker DVD の復号化:
  • WinXP 専用ソフトでクラッシュし DLL 解析が必要な状態だったファイルを GHIDRA で解析させ、Blowfish 認証解明・Python スクリプト再実装を行った。
  • 結果：すべてのファイルが平文 PDFとして入手可能になりつつある。
• Black Mirror Bandersnatch の享受:
  • mkv ファイルへの拡張機能追加と VLC 準拠により再生可能に。
• Transmission への貢献:
  • BEP 46 の変換 Torrent 機能を約 3 日間の地道な開発で実装し、ライブラリに貢献（自身の通常能力範囲外だが達成）。
• カメラレンズファームウェア更新ツール:
  • MCP を使用せず、Ghidra API を用いた自動スクリプト作成とコード探索を実行。
  • Claude は人間のように変数名を気にしないため、リネーミングや typedef に対する依存度が低い。

4. ローカル LLM（alpaca.cpp）によるデスクトップ AI 体験

• 2023 年初頭の実験:
  • Meta より漏洩した7GB の重みデータを Torrent でダウンロードし、デスクトップ PC で alpaca.cpp を実行。
  • ローマン帝国に関する質問に対し英語で回答。
  • 答えは概ね不正確だが、Google の巨大データセンター並みの高価なサーバーを使わずに実用レベルだった。
  • 「CPU と会話」の楽しさ: データの信憑性が低いと批判されても、犬との会話同様楽しい体験を提供できる。

5. Gen AI を活用したホームメンテナンスとトラブルシューティング

家庭内の修理において、AI が専門家以上に効果的な事例が多数確認されている。

• 暖房機（HVAC）
  • 状況: 故障で修理予約待ち中に室内が極寒。屋根裏から動画を Gemini にアップロード。
  • 診断・解決: Gemini が排気ファンの回転子不具合を即座に特定。手動でファンを回すことで安全装置回避と点火成功（約 6 時間安定動作）。
  • 注意点: 排気ブローラ作動不全は一酸化炭素漏れリスクがあるため、AI の危険なアドバイスには注意が必要。
• 冷房機の不調:
  • 不愉快な AI ボイスアシスタントを拒否し、現地でコンプレッサーパネルの画像と診断コードを ChatGPT に提出。
  • 結論: $25 のコンデンサ交換で解決（通常業者費用の約 4 分の 1）。
• ガス乾燥機の故障:
  • 熱が出ない現象に対し、Gemini はサーマルフューズ（熱断絶ヒューズ）故障を特定。
  • 背面パネル写真から部品位置を指示し、排気ダクト清掃推奨。
  • $5 の新品フューズ交換で正常化。
• テスラソーラーパネルの復旧:
  • 技術者対応が 3 ヶ月必要だが、Claude にインバータプロブテストと設定を代行させた。
  • JavaScript バンドルレビューから iOS アプリ構築へ繋ぎ、問題診断レポートを Tesla サービス担当者に提供（「非常に役に立った」と評価）。
• 台所リフォーム:
  • IKEA 独特の曖昧な取扱説明書に対する ChatGPT の議論支援。
• 不動産購入時の家屋検査:
  • Zillow 写真、家電シリアル、 walkthrough 画像を AI に提供しレポート作成依頼。
  • 発見: 有料検査官（750 ドル）が見逃した**「同一回路の 15A と 20A のコンセント混在」**や水漏れ箇所を発見。

6. AI の精度に関する重要な注意点

• 数値データへの信頼不可:
  • トルク値や単純なデータについて何度も確認しても、LLM は頻繁に間違えている。毎回非常に自信を持って答えるため危険。
  • RAG（文書検索）を行った場合でも不安定である。
• 概念的課題への強み:
  • ハードデータではダメだが、高度な概念や理論については三角測量（複数モデル・角度）を組むことで正確度が概ね**80%**に達する。
  • Google よりも優れているが、情報は無料ではない。
• 日付の重要性:
  • 1 年前には答えられなかった荒唐無稽な質問が、今年（2025 年）は正答可能になっている（CPU/GPU の進化による）。
  • 新しい世代のハードウェア登場に追随しないと、他の人が発見する新鮮な課題を見逃す。

7. 最終的な評価と展望

• 効率性と信頼性:
  • 検索回数は増えたが、AI を頼ることで効率は低下しつつも、解決スピードは劇的に向上している。
  • "超能力"に近いほどの AI 活用が可能になりつつあるが、常にLLM の限界（数値不信）を理解する必要がある。
• 未来への期待:
  • 独自のベンチマークや稀有なクイズを通じて、AI の進化を追い続けている。
  • 音楽理論の「スリンガー（stinger）」のような専門的な定義すらも、適切なプロンプトで正確に回答できる状態まで至っている。