ChatGPTの『呪術廻戦』配役：現在セッションの6案
ChatGPTが現在セッションで考えた『呪術廻戦』配役6組。架空名と言葉遊びを楽しみながら、人物の役職・研究を一次情報でたどります。
ラボノート
各制作の背景にあるリサーチ、判断、実践的な学びを紹介します。
RSSフィード 
Claudeの『呪術廻戦』配役：役職ラベルで選んだ6案
Claudeが役職ラベルを中心に選んだ『呪術廻戦』配役6組を紹介。5つの架空の領域名、Arthur Menschだけの例外、回答に至るまでのやり取りを読み解きます。
Geminiの『呪術廻戦』配役：AI業界6人の事実と比喩
GeminiがAI業界の6人を『呪術廻戦』に配役。4つの架空名の言葉遊びを楽しみつつ、6人の役職や研究を一次情報でたどります。
Gemini・ChatGPT・Claudeの『呪術廻戦』配役を比較
Gemini・ChatGPT・Claudeの配役を10人の一覧で比較。全員一致した2組、2対1に分かれた2人、1モデルだけに登場した候補を読み解きます。
マーケティング向けリールのストーリーテリング入門
一人の目標、現実の制約、制約が迫る選択、目に見える証拠でマーケティング向けリールを設計します。20秒版と30秒版の根拠範囲を明示したビート表も示します。
AI文章の直し方：文体より先に出典を確認する
AI支援の文章を直す実践順序。まず主張と出典を検証し、次にコピペの残骸、抽象的な水増し、文体、書式を整えます。
監査で見えた、ゲート通過後の文章のぶれ
11本の記事のスナップショット監査では、既存のゲートは通過した一方、未管理の文章品質にばらつきがあり、提案中のレビューゲートは保留です。
ダウンロードできるHyperFramesのInstagramリール向けフックテンプレート18選
英語、ブラジルポルトガル語、日本語の外部由来・未計測のフック式をもとにAI Maker Labが制作した、18件のHyperFrames HTMLコンポジションを紹介します。
Instagram/Facebookリールの視聴維持基準
リールの視聴時間、平均再生率、完了、広告配信範囲、3投稿の事例を比較し、外部平均を普遍的な目標として扱わない方法を解説します。
2010年代の文化とアイデンティティ：3つの情報源群
ブラジル、米国、カナダの12件の情報源を限定的に比較し、参加型文化、プラットフォーム、人種と表象、アイデンティティをめぐる緊張関係を示します。
社会・トレンド調査：5か国の情報源マップ
ブラジル、米国、英国、カナダ、日本について直接確認した60件の情報源を、時代、カテゴリ、論者、証拠の限界からたどれる索引です。
MiniMax Music 3で作った17曲を採用しない理由
MiniMax Music 3でローカル生成したインストBGM 17曲を公開し、採用しないと判断した理由、調査で確認した作り方、次の試行で変える点をまとめます。
写真を3Dプリントに変えられるか：画像から3DへのAIを調べた記録
画像から3DへのAIを調べた記録です。各ツールの出力、生成メッシュをそのまま印刷できることがまれな理由、フィギュアを印刷する3つの方法を整理します。
HyperFramesのVideo as Code：決定論的レンダーループの仕組み
HyperFramesのHTML動画レンダーループ、トランジションパターン、コミュニティスキル、ソース付きデモ、テンプレート、Remotionとの境界を解説します。
英語・ブラジルポルトガル語・日本語に合わせてInstagramリールのフックを調整する方法
英語・ブラジルポルトガル語・日本語向けにリールのフックを調整し、カバー、フレーム0、冒頭3秒を根拠に沿った一つの約束でつなぎます。
英語・ポルトガル語・日本語で変わるリール台本の型
3言語のリール台本チュートリアルを調査し、共通するフック・価値・CTAの骨格と、各市場ならではの手法、その技法が効く理由をまとめました。
順序立てて学び、実際に定着したものを見る
新しい制作の出発点となる問題。学びたいことの一覧はどのコースよりも速く増え、何を先に学ぶべきか、何が定着したかを確認する手段がありません。
エビデンスが支持する学習法、支持しない学習法
アクティブリコール、間隔反復、有用性評価の低い学習習慣、学習マップ、時間とともに変わる習熟度を誠実に表す方法を、エビデンスに基づいて解説します。
学習するゲノム編集者：モデルはランダムより上手くNEATを変異させられるか
訓練済み編集スコアラーがランダムな構造変異を上回れるかを、新しいシードと初回実行前に固定した手順で検証します。
ゲノムはネットワークが学んだことを残すべきか？ 勾配と進化を組み合わせる三つの方法
学習した重みを捨てるか、継承するか、経験を一つの学習器に集めるか。三つのハイブリッド方式を同じ基準で比べます。
レベルを読む学習：幸運なジャンプを方策勾配に置き換える
失敗したチャンピオンを起点に、方策が幸運な経路を再生せず、未見のSkyline Runレベルを読めるか試します。
プロシージャル地区：Skyline Runで経路ではなく方策を試す
測定に基づく生成器が攻略可能な地区を作り、訓練用と検証用のレベルを分け、経路の暗記を見える形にします。
決定論的なゲームはネットワークに屋上の走り方を教えられるか？
決定論的なエンジンをブラウザ上の人工知能ラボに変えると、訓練前の環境変化まで計測で見えてきました。
トレーナーを教える：報酬を手調整せず進化させる
報酬を手調整から解放する。自動強化学習は訓練設定を自動探索し、集団ベース訓練は最良の実行をコピーして設定を揺さぶる。
見つけやすさの問題：私が捨てなければならなかったナビゲーションの定説
ヘッダーすらなかったサイトを計測可能なナビゲーションへ直し、項目数やクリック数より見える経路を優先した記録です。
記憶の罠：チャンピオンが一つの地区だけを覚えたとき
刷新したAIラボは固定予算内で学習しました。しかし生成世界のクリアは0/630で、より広い訓練でも汎化は確認できませんでした。
計測が正したジャンプ：直感を実測で修正する
実測は、紙上のジャンプ、ダッシュ不要の隙間、教訓を消す復帰ルートをどう正したのか。
2Dプラットフォーマーを作るために、まず学んだこと
遊びの種類、移動、カメラ、レベル設計を調べ、小さな2Dプラットフォーマーの出発点を見つけるまでの記録です。
ゲームを作りたい。まずはゲームの伝え方を学ぶことにした
ゲーム画面やフィードバック、アイデアを遊べる形にするまでの道筋について学んだことを、実際に遊べる小さな三目並べとともに紹介します。