AIの応用 ChatGPTより賢いLaTeX入力補助――AIが数式タイプを10倍速にした
「数式、打つの遅くない？」──論文の締め切り前夜、そう言われたことがある。積分記号ひとつに30秒。行列を書くたびにコマンドを検索。LaTeXは美しいが、正直しんどい。ところが最近、その「しんどさ」が静かに消えつつある。AIが数式入力の相棒に...
AIの応用
AIの応用 
AIの応用 AIに「乗っ取られる」PDF──Adobe AcrobatのAI機能に潜むプロンプトインジェクションの罠
Adobe AcrobatのAI機能でPDFを読ませるとき、そのPDF自体が「命令」を仕込まれている可能性がある。プロンプトインジェクションの仕組みと、今すぐできる対策をまとめました。AIがPDFに「乗っ取られる」とはどういうことかAdob...
AIの応用 教師データが「予測」に変わる瞬間——地目分類AIはこうして動き出す
空中写真・地番図・地目データから作る教師データが、どのようにAIの予測へ変わるのか。CNNによる学習からGeoJSON出力まで、地目分類AIの実装フローと精度評価、実務で使うための条件を具体的に解説。
AIの応用 「AIが学習する」の裏側——空中写真・地番図・地目データで教師データを作る
CNNによる地目分類AIの教師データは、空中写真・地番図・地目データの3つを突き合わせて作る。帳簿と現況のズレを人間の目で取り除く作業が精度を左右する。その実態を解説。
AIの応用 「国土交通省のオープンデータ、AIに話しかけるだけで引き出せるようになった——mlit-dpf MCP導入と実装レポート」
国土交通省のオープンデータをAIに話しかけるだけで取得できる時代へ。mlit-dpf MCPの仕組みと、GIS・行政・ビジネスでの活用方法をわかりやすく解説します。
AIの応用 AI × GIS で変わるエリア分析——エリアスコアリングの技術アーキテクチャと実装パターン
AIと地図（GIS）の組み合わせで、エリア分析・顧客予測・マーケティングがどう変わるのかを解説。エリアスコアリングや購買予測により、意思決定は「勘」から「データ」へ。
AIの応用 「ChatGPTより賢い？ いま「Claude」が静かに評判な理由」
ClaudeとChatGPTの違いを初心者向けに解説。長文処理・自然な文章・MCP連携など、ビジネスで選ばれる理由と活用方法をわかりやすく紹介。
AIの応用 自分で作るローカルAI仕組みから構築・実践まで、やさしく解説
Open WebUI・Ollama・MCP・PostgreSQLを組み合わせた完全ローカルAI環境の構築手順と実運用結果を解説。成功事例とともに、処理速度や精度における現時点の課題も整理します。
AIの応用 【奈良市オープンデータ活用】AIによる地目分類の教師データ作成とモデル登録までの道のり
地目分類というと、従来は現地調査や紙図面による手作業が中心でした。しかし、近年ではAIとGIS技術の進化により、地目の自動分類が現実のものとなりつつあります。本記事では、奈良市が公開しているオープンデータを活用し、地目分類AIを構築する過程を紹介します。特に焦点を当てたのは、AIモデルの核となる「教師データ」の作成プロセスと、それをAIに学習させて運用可能な分類器として登録するまでの工程です。教師データとは、AIに「これは何か」を教えるための正解付きデータです。本プロジェクトでは、空中写真や地番図といった奈良市のオープンデータを組み合わせ、手動による精密なアノテーションを行い、高精度な教師データを作成しました。これにより、田・畑・宅地・山林・雑種地といった主要な地目をAIが高い精度で識別可能になります。AIモデルの学習にはPyTorchを利用し、空中写真と地番ポリゴンの対応関係をもとにCNN（畳み込みニューラルネットワーク）を構築。最終的にはGeoJSON形式で分類結果を出力する仕組みを整備しました。これにより、地目分類結果をQGISなどのGISソフトで可視化・検証できるようになっています。この記事では、教師データ作成・AI学習・分類結果の出力までを、因果・対比・同等という3つの論理構造で整理。従来の手作業との比較、教師データの質と精度の因果関係、そして人とAIの役割分担の同等性についても掘り下げています。また、プロジェクトで用いたコードやモデルはGitHubで公開されており、他自治体や研究機関が自由に応用できるよう設計されています。都市計画、農地管理、災害対策など、幅広い応用が期待される地目分類AI。その第一歩として、本記事が実務と技術の架け橋となることを目指しています。#奈良市 #オープンデータ #教師データ #AI活用 #地目分類 #QGIS #PyTorch #都市管理 #地図AI #GitHub公開
AIの応用 奈良市オープンデータで地目分類AIを作ってみた
奈良市が公開している地籍・地目情報のオープンデータを活用し、AIによる土地分類（地目判別）を自動化するための教師データを作成・学習するプロジェクトです。本プロジェクトでは、地図や航空写真と地目ラベル（例：宅地、公衆道路、原野、学校用地など）を組み合わせて、小さなパッチ画像（例：100m四方）を作成し、それを元にPyTorchを用いた深層学習モデルで土地の種類を識別できるように学習を行います。地目分類は不動産評価、都市計画、防災対策など幅広い分野で必要とされている一方、従来は目視や手作業に依存する場面が多く、効率化が求められていました。本プロジェクトでは「auto-geomoku-classifier」で用いていた手法を奈良市に適用し、地域特化型のAIモデルを再構築することを目的としています。データの整備にはQGISを使用し、地目ポリゴンとオルソ画像を視覚的に確認しながらパッチ画像を生成。教師データ生成用スクリプト（create_patches_count_fixed_CSV_ONLY.py）と学習用スクリプト（train_land_classifier_ADD.py）を用いて、オープンデータから実用的な学習セットを構築しました。さらにGitHubを使ってプロジェクト全体をバージョン管理し、再現性やチーム共有も可能としています。このプロジェクトは、他自治体や他地域への展開を見据えたテンプレート構成となっており、奈良市以外の地目データに差し替えることで柔軟に応用が可能です。教師データ構築・地目分類AIモデルの学習・評価・公開という一連の工程を通じて、オープンデータ利活用とAI技術の融合による地域課題の解決を目指します。