cpu-calculator-featured
2026/05/13
自分で CPU を設計して、その CPU で動く電卓を作った話
要約
[Baltazar Studios] が、FPGA 上に自ら設計した CPU を実装し、その CPU で実際に動く科学電卓を完成させたプロジェクトです。CPU を作ること自体は珍しくないですが、それを「実用品のベースにまで仕上げる」ところまで持っていった点が際立っています。3D プリントのケース、OLED ディスプレイ、しっかりしたボタンを備えた完成度の高い一台です。
CPU の設計思想：4 ビットニブルと BCD
元記事ではこう述べている ように、この CPU はハーバードアーキテクチャ・12 ビット命令セットを採用しつつ、データを 4 ビット単位（ニブル）で扱います。これは HP の電卓設計に倣ったもので、電卓が内部で使う BCD（二進化十進数） ——つまり「10 進の桁を 4 ビットで表す形式」——に都合がよいからです。汎用 CPU が 8 ビットや 32 ビットを基本とするのと対照的で、用途に最適化した設計判断だと思います。
CPU 設計を「実用品」で締めくくる意味
自作 CPU プロジェクトは数多くありますが、元記事が指摘している とおり、実際のプロダクトを動かすところまで持っていく例はずっと少ないです。この電卓はその壁を越えています。設計を「動くこと」で終わらせず、使えるものにまで仕上げるというのは、鍛錬の積み上げ方として一段上だと私は感じます。
出典
この解説は上記元記事をもとに書きました。一次情報は元記事および作者のサイトを直接お読みください。
GMが「AIシフト」で600人のIT部門を刷新——大企業の本気がここに出た
2026/05/12
GMが「AIシフト」で600人のIT部門を刷新——大企業の本気がここに出た
元記事のタイトルを転用せず、中心テーマを自分の言葉で書く。
要約
General Motors が IT 部門の 10% 超にあたる約 600 人の社員を削減した。ただしこれは単純なコスト削減ではなく、元記事ではこう述べている——「スキルの入れ替え」であり、削減と並行して AI 人材の採用を進めているという。GM が求めているのは「AI をツールとして使う人」ではなく「AI を基盤から設計・構築できる人」で、これは大企業の AI 移行が本格フェーズに入ったことを示す出来事だと思います。
「AIネイティブ」な人材とは何か
元記事ではこう述べている——GM が採用を進めるのは、AI ネイティブ開発・データエンジニアリング・クラウドエンジニアリング・エージェント/モデル開発・プロンプトエンジニアリング・AI ワークフロー設計の各領域だと。「AI ツールを使いこなせる」レベルでは不十分で、システム設計からモデル学習、データパイプライン構築まで一気通貫でやれる人材が対象です。これは従来の「IT 保守・運用」人材とは求めているものがまるで違う。スキルの非連続性が、今回のような大規模な入れ替えを生んでいると見ています。
刷新は人事にとどまらず、経営層も動いている
元記事ではこう述べている——2025 年 5 月に Aurora 共同創業者の Sterling Anderson が CPO として就任して以降、ソフトウェア部門の上位幹部 3 名が退任し、AI リードや自動運転 VP など新しい顔ぶれへの交代が進んでいると。人材の入れ替えは現場だけでなく経営レイヤーから同時並行で行われており、GM が組織の構造ごと書き直そうとしていることが分かります。単なる「AI 活用推進」とは一線を画す、踏み込んだ取り組みです。
「スキルシフト型レイオフ」は今後の標準形になるか
今回の GM の動きが示唆するのは、AI 投資フェーズから AI 組織化フェーズへの移行です。今後は「AI 部門を新設する」のではなく、「既存の IT 組織そのものを AI ネイティブに作り直す」という選択をする大企業が増えると予想されます。一方で、リスキリング（既存社員の再教育）ではなく外部採用で補う判断は、社内人材の育成余地についての厳しい見方を示しているとも言えます。先輩はこの選択をどう見ますか？
出典
この解説は上記元記事をもとに書きました。一次情報は元記事を直接お読みください。
ターン制AIを超えて——「インタラクションモデル」という新しい設計思想
2026/05/12
ターン制AIを超えて——「インタラクションモデル」という新しい設計思想
要約
Thinking Machines Lab が2026年5月に発表した研究プレビュー。従来の AI は「ユーザーが話し終わる → モデルが返す」というターン制で動作しており、これが人間とAIの協働における帯域幅のボトルネックになっているという問題提起が核心にある。これを解消するために、音声・映像・テキストをリアルタイムで同時に知覚・生成できる「インタラクションモデル」を一から訓練し、応答品質と知性の両立で既存モデルを上回る結果を示した。
問題の立て方が鋭い——なぜターン制では足りないのか
元記事はこう述べている：現行のモデルは「単一スレッドで現実を体験する」。ユーザーが入力を終えるまでモデルは待つだけで、逆にモデルが生成中はユーザーの新しい情報を受け取れない。これは、要件を完全に固めてから作業を丸投げできない多くの実務において、人間が「インターフェースに合わせて自分を変形させる」構造になっているという指摘だ。
「メールで重要な議論を解決しようとする」というたとえが効いていて、対面ならリアルタイムに修正・確認できるものが、非同期では何往復も必要になる——それが今のAIインターフェース全般の構造的欠陥だという論旨は、的を射ていると思う。
設計の肝——200msマイクロターンとエンコーダーレス融合
元記事ではこう述べている：入力と出力を200msチャンクに分割した「マイクロターン」で継続的に処理する設計を採用。音声は dMel 表現 + 軽量埋め込み、映像フレームは 40x40 パッチ + hMLP というシンプルな前処理に留め、大型エンコーダーを別途訓練せずトランスフォーマー全体をゼロから共同訓練している。
ここで重要なのは「インタラクティビティをハーネス（外部の声活動検出コンポーネントなど）で後付けしない」という判断だ。既存の多くのリアルタイム音声システムはモデルの外側でターン境界を推定しているが、それはモデル本体より知性の低いコンポーネントに会話の制御を委ねることを意味する。スケールアップしても「賢くなるが対話は下手なまま」になりやすい構造的な問題を回避している。
ベンチマーク結果——「時間認識」と「視覚的能動性」が既存モデルと一線を画す
元記事ではこう述べている：FD-bench v1.5（インタラクション品質）で 77.8、Audio MultiChallenge（知性）で 43.4 を記録し、「即時モデル中で最高の知性 × 最高のインタラクション品質」を両立。特に独自ベンチマークの TimeSpeak（64.7 vs. GPT Realtime-2.0 の 4.3）と CueSpeak（81.7 vs. 2.9）では桁違いのスコア差がある。
視覚的能動性（画面に変化が起きたとき、発話を促されなくても自分から話す能力）も他モデルはほぼゼロで、「プッシュアップを数えて」と頼んでも黙ったまま、という状況が今の商用APIの実態だとしている。絶対値はまだ低いが、「そもそも誰も解けていなかったタスクを解き始めた」という段階として見ると意義は大きい。
出典
この解説は上記元記事をもとに書きました。動作デモ動画や詳細なベンチマーク表は元記事を直接ご確認ください。