私立ずんだもん女学園放送部 podcast 20260619
内容紹介
OpenAI、ChatGPTにリマインダーの送信や定期的な作業の実行、状況の監視を依頼できる「Scheduled Tasks」機能を追加。 AAPL Ch.、Improving health intelligence in ChatGPT、Epic GamesがGitの死角を突く。バージョン管理「Lore」公開、A Robot is Sprinting Towards You: Do You Want it Running on Claude or Grok?
出演者
youtube版(スライド付き)
関連リンク
米OpenAIは、2026年6月17日に対話型AI「ChatGPT」の新機能として、定期的なタスク実行や状況の監視、リマインダーの送信などを自動化できる「Scheduled Tasks（スケジュールされたタスク）」機能のロールアウトを開始しました。
本機能は、これまでの「質問に対してその場で答える受動的なAI」から、スケジュールに沿って自律的に働く「能動的なAIエージェント」へと進化させる大きな一歩です。エンジニアに身近な概念で例えると、Linuxの「cron（クーロン）」やWindowsの「タスクスケジューラ」のような定期実行ジョブを、ChatGPTの直感的なUIを使って自然言語だけで簡単に設定できるようになったイメージです。
■ 主な機能と管理方法 新機能が適用されると、ChatGPTのサイドバーに「[Scheduled]」という項目が追加されます。この専用画面から、以下のようなタスク管理を直感的に行うことができます。
- 定期実行したいタスクの作成・編集
- 現在アクティブなタスクの一覧表示と次回実行時刻の確認
- タスクの一時停止と再開 設定したタスクの実行結果や通知は、モバイルアプリのプッシュ通知や登録されたメールアドレス宛てに届くため、重要な処理結果やリマインダーをタイムリーに受け取ることができます。
■ 利用における制限事項 システムへの負荷を考慮し、実行頻度や同時に登録できるタスク数には以下の制限が設けられています。
- 実行頻度: 1時間に1回以上の頻度（高頻度リクエスト）での実行は不可。
- プラン別のアクティブタスクの上限:
- ChatGPT Go：最大3個
- ChatGPT Plus：最大5個
- ChatGPT Business / Edu：最大10個
- ChatGPT Pro / Enterprise：最大15個 ※Web版およびモバイルアプリ版の対象ユーザー向けに、順次提供が開始されています。
■ 新人エンジニアに向けた注目ポイント これまでAIを用いた定期処理やクローリング、監視システムを構築するには、自分でプログラム（Pythonなど）を書き、APIを連携させ、サーバーやクラウド（AWS、GCP等）上にデプロイして定期実行させる必要がありました。 「Scheduled Tasks」の登場により、インフラの構築やコードの記述をせずとも、「毎朝9時に指定の情報を要約して通知する」「定期的に特定の状態をチェックする」といった自動化タスクをチャット上で即座に構築できるようになります。業務効率化やプロトタイプ開発の手間を劇的に削減できる機能として、非常に注目されています。
引用元: https://applech2.com/archives/20260618-openai-scheduled-tasks-in-chatgpt.html
本記事では、OpenAIが発表した最新モデル「GPT-5.5 Instant」におけるヘルスケア分野の推論能力向上について解説しています。
エンジニアとして注目すべきポイントは、モデルの性能向上だけでなく、それを支える「評価指標の構築」と「専門家によるフィードバックループ」の仕組みです。OpenAIは、モデルが健康に関する質問に対し、より正確かつ安全に回答できるよう、世界中の260名以上の医師と協力してモデルの改善を行っています。
主な要点は以下の通りです。
-
推論能力の向上: GPT-5.5 Instantは、緊急性の判断、文脈に応じた適切な質問、不確実性の明示といったヘルスケア特有の課題において、従来のモデルや「Thinking」モデルに匹敵する性能を達成しています。特に「緊急時の助言」や「ユーザーへの追加情報の確認」といった安全に関わる判断の精度が大きく向上しました。
-
客観的な評価手法（HealthBench）: モデルの進化を定量化するため、「HealthBench」および「HealthBench Professional」というヘルスケアに特化した評価フレームワークが採用されています。これにより、単なる回答の正確性だけでなく、コミュニケーションの質や適切なエスカレーションが実行できているかを厳密に測定しています。
-
医師による継続的な改善プロセス: 70万件を超える医師による回答のレビューデータが、モデルの評価指標やルール（Rubrics）に組み込まれています。また、実運用環境（プロダクション）におけるモニタリングを通じて、事実誤認の可能性を2ヶ月で71%削減することに成功しました。
新人エンジニアにとって本記事は、高度なモデルであっても、その精度を保証するためには「ドメイン専門家（医師）の知見」と「信頼性の高い評価データセット」が不可欠であるという、AI実装の重要なベストプラクティスを学べる事例と言えます。最新モデルを単に使うだけでなく、どのような品質管理プロセスが背後にあるのかを知る良い機会となるでしょう。
引用元: https://openai.com/index/improving-health-intelligence-in-chatgpt
Epic Gamesは、大規模なゲーム開発に特化したオープンソースのバージョン管理システム「Lore」を公開しました。長年、ソースコード管理にはGit、バイナリアセットが主体のゲーム開発にはPerforceが業界標準として使われてきましたが、Loreはその両者のメリットを融合させることを目指した新しいツールです。
新人エンジニアの方にとって理解のポイントとなるのは、「なぜ新しいツールが必要なのか」という背景です。Gitは軽量で分散型という優れた特徴を持ちますが、数GBにおよぶ巨大なバイナリファイルの管理や、アーティストが作業する際の排他制御（ロック機能）が苦手です。一方でPerforceはその課題を解決していますが、商用利用でのライセンス費用が課題となっていました。
Loreは、以下の特徴を持つことで、この「バージョン管理の断層」を埋めようとしています。
- バイナリ対応のネイティブ設計: 大容量ファイルを例外扱いせず、最初から効率的に扱えるよう設計されています。
- 排他ロック機能: 複数人で同じファイルを作業する際の競合を安全に回避します。
- パフォーマンスと操作性: Gitのような快適なオフライン操作と、Perforceのような集中管理型の安定性を両立しています。
- モダンな技術スタック: 実装言語にRustを採用し、MITライセンスで提供することで、企業のパイプラインへの組み込みを容易にしています。
現在はv0.8.3という初期段階ですが、実際にEpic Gamesの『フォートナイト』開発現場で運用されてきた実績が最大の強みです。今後、Perforceに代わる選択肢として、特に中小規模のスタジオや新規プロジェクトにおいて重要なインフラになる可能性があります。ただし、現時点では一部機能がプロプライエタリであったり、APIや仕様が流動的である点には留意が必要です。大規模開発の現場で「なぜその技術が使われているのか」を学ぶ良いケーススタディとなるプロジェクトです。
引用元: https://joho-todai.com/epic-games-lore-version-control/
11種類のLLMを2Dバトロワゲームで戦わせる実験を実施。既存のベンチマークとは異なり、Grokは「協調性」を捨てた戦術で圧倒的な勝率と高いコスト対効果を発揮。一方、Claudeは他者との共生を優先し順位を落とす場面も。モデルの「アライメント（調整）」が実環境のパフォーマンスに与える影響を可視化しており、用途に応じたモデル選択の重要性と、数値指標だけでは見えないLLMの個性が理解できる興味深い検証です。
引用元: https://openrouter.ai/blog/insights/royale-last-agent-standing/
VOICEVOX:ずんだもん