こんにちは。SASAGAWA .TOKYOへようこそ。これまでの活動や技術スタックについて、私がお答えします。
※ CPU 3コア / メモリ 2GB 環境での実験公開のため、リクエスト数で制限する場合があります。また、回答までに4分以上かかる場合があります。
※ ブラウザアプリがバックグラウンドになるなどして、サーバーとのセッションが切断すると、質問はキャンセルとなります。
今月の活動ハイライト
✨ AI Generated Summary
2026年6月：実証に基づくエッジAI最適化と活動データの構造化
今月は、演算リソースの特性を精緻に検証し、実測値に基づいてエッジAIのバックエンド（CPU）を選択するなど、実測に基づく最適化がテーマとなりました。小規模LSTMモデルにおけるデータ転送のオーバーヘッドを考慮した技術選定を為替予測デモに反映させたほか、Google Healthデータから歩行ルートを自動生成する「アクティビティ・マップ」プログラムを導入し、活動の構造化が大きく進展した1ヶ月でした。
思考のログ・開発の舞台裏（Feature）
ツールそのものではなく、「なぜ作ったか／どう考えて作ったか」を言語化するAIの学習素材です。
エッジAIの最適解：小規模LSTMモデルでWebGLではなくCPUバックエンドを選択した理由
TensorFlow.jsにおける演算オーバーヘッドとデータ転送のトレードオフを検証する
5サイト横断のアクセスログ統合とMongoDBによるBot解析基盤の構築
Apacheログからの脱却と、正規表現が支える「AI-Assisted Activity Hub」のデータ基盤
AIに「役割」を宿らせるプロンプトと動的チャンク設計
「自己言及的な質問」に回答できる案内役（コンシェルジュ）への進化
AIを「思考のパートナー」にして歩く東京
「10km walk 2026」の実践から見る、インターネットと生成AIの役割分担
AIに「著者の思想」を宿らせるデータ構造の設計
スクレイピングと意味的分割（セマンティック・チャンク）によるRAG精度の劇的向上
メモリ2GBの極限環境でRAGを動かす
非同期メッセージングによる「止めない設計」と、遅延をコンテンツ化するUXの転換
「Internet to be」の再定義：IoTの実験場から、身体感覚の記録装置へ
UIの追求が、バックエンド技術（非同期アーキテクチャ）の進化を促した歴史
モバイル運用・開発の舞台裏
Android/iPadからサーバーを操る「PCレス」の構築思想とエッジAIの実装
バックエンド言語の適材適所
金融計算の「厳密性」とAI体験の「非同期性」を使い分ける言語選定の妙
住宅ローン計算ツールの裏側：「金融×リアルタイム×信頼性」をどう実装したか
高精度計算とリアルタイムUIを両立する「3層非同期アーキテクチャ」の設計思想
非同期アーキテクチャの進化：Ajax+SSEからWebSocket+RabbitMQへ
2018年のPoCから2025年の堅牢なシステムへと至る、アーキテクチャの進化と思考のログ
Activity Timeline（最近の活動）
確率的ライフプランニング・シミュレーター
📝 Developer's Note:
単一のシナリオによる予測ではなく、モンテカルロ法を用いて「無数のあり得る未来」をブラウザ上でシミュレートします。不確実性を排除するのではなく、確率分布として構造化して提示することで、将来の資産形成におけるリスクとリターンのバランスを直感的に理解できるよう設計しました。gwaw.jp で培った演算最適化技術を、人々のライフプランという最も身近で重要な意思決定シーンへ適用した実践例です。
単一のシナリオによる予測ではなく、モンテカルロ法を用いて「無数のあり得る未来」をブラウザ上でシミュレートします。不確実性を排除するのではなく、確率分布として構造化して提示することで、将来の資産形成におけるリスクとリターンのバランスを直感的に理解できるよう設計しました。gwaw.jp で培った演算最適化技術を、人々のライフプランという最も身近で重要な意思決定シーンへ適用した実践例です。
モンテカルロ老後資産シミュレーター
📝 Developer's Note:
単一の期待値に基づいた決定論的な利回り計算ではなく、不確実性を内包した「確率的ライフプランニング」を実現するための実用ツールです。gwaw.jp での WebGPU ベンチマーク成果を背景に、数千通りの市場シナリオをブラウザ上でシミュレートし、資産寿命の分布と「枯渇確率」を可視化します。Finance の数理と ICT の演算能力を駆使し、より強靭な意思決定を支援するエッジ・ソリューションを目指しました。
単一の期待値に基づいた決定論的な利回り計算ではなく、不確実性を内包した「確率的ライフプランニング」を実現するための実用ツールです。gwaw.jp での WebGPU ベンチマーク成果を背景に、数千通りの市場シナリオをブラウザ上でシミュレートし、資産寿命の分布と「枯渇確率」を可視化します。Finance の数理と ICT の演算能力を駆使し、より強靭な意思決定を支援するエッジ・ソリューションを目指しました。
WebGPU は本当に最速か — モンテカルロ資産シミュレーションで実測比較
📝 Developer's Note:
「最新API＝最速」という先入観を排し、モンテカルロ資産シミュレーションを題材にCPUとWebGPUの実効速度を徹底比較しました。VRAMへのデータ転送オーバーヘッドを考慮した「損益分岐点」を実測により特定。実用的なツール群において、どのタイミングで演算をGPUへオフロードすべきかという、設計思想の核心に触れる検証ログです。
「最新API＝最速」という先入観を排し、モンテカルロ資産シミュレーションを題材にCPUとWebGPUの実効速度を徹底比較しました。VRAMへのデータ転送オーバーヘッドを考慮した「損益分岐点」を実測により特定。実用的なツール群において、どのタイミングで演算をGPUへオフロードすべきかという、設計思想の核心に触れる検証ログです。
モンテカルロ資産シミュレーター with WebGPU
📝 Developer's Note:
三部作にわたるWebGPUの技術検証を経て、その並列演算性能を実用的な資産シミュレーションに結集させました。数万通りのシナリオをブラウザ上で瞬時に計算する「損益分岐点」を超えた処理により、サーバーレスで高いプライバシーを維持したまま、高度な金融推計をエッジ環境で提供します。まさに「Finance × ICT」の設計思想を具現化した実践的ツールです。
三部作にわたるWebGPUの技術検証を経て、その並列演算性能を実用的な資産シミュレーションに結集させました。数万通りのシナリオをブラウザ上で瞬時に計算する「損益分岐点」を超えた処理により、サーバーレスで高いプライバシーを維持したまま、高度な金融推計をエッジ環境で提供します。まさに「Finance × ICT」の設計思想を具現化した実践的ツールです。
WebGPUで学ぶモンテカルロ法③ 応用編 エキゾチック・オプション
📝 Developer's Note:
WebGPUによるモンテカルロ・シミュレーションの応用編として、経路依存性を持つ複雑な「エキゾチック・オプション（バリア・オプション等）」の実装と検証を行いました。逐次処理では計算負荷が極めて高い金融モデルを、数万スレッドの同時実行が可能なGPU演算へオフロードすることで、エッジ環境（ブラウザ上）でも瞬時に公正価値を算出する「Finance × ICT」の実践的な最適解を提示しています。
WebGPUによるモンテカルロ・シミュレーションの応用編として、経路依存性を持つ複雑な「エキゾチック・オプション（バリア・オプション等）」の実装と検証を行いました。逐次処理では計算負荷が極めて高い金融モデルを、数万スレッドの同時実行が可能なGPU演算へオフロードすることで、エッジ環境（ブラウザ上）でも瞬時に公正価値を算出する「Finance × ICT」の実践的な最適解を提示しています。
WebGPUで学ぶモンテカルロ法② 速度編 CPU vs WebGPU
📝 Developer's Note:
膨大な反復試行を要するモンテカルロ・シミュレーションを用い、CPUとWebGPUの処理速度をブラウザ上で直接比較検証しました。前回のFeature記事で示した「小規模モデルでのCPU優位性」に対し、演算負荷が高い場合にどのタイミングでWebGPUの並列性能が転送オーバーヘッドを上回るのかを可視化。実効性能に基づいたエッジAI・金融演算の最適解を導き出すための実践的ログです。
膨大な反復試行を要するモンテカルロ・シミュレーションを用い、CPUとWebGPUの処理速度をブラウザ上で直接比較検証しました。前回のFeature記事で示した「小規模モデルでのCPU優位性」に対し、演算負荷が高い場合にどのタイミングでWebGPUの並列性能が転送オーバーヘッドを上回るのかを可視化。実効性能に基づいたエッジAI・金融演算の最適解を導き出すための実践的ログです。
WebGPUで学ぶモンテカルロ法① ヨーロピアン・オプション
📝 Developer's Note:
次世代グラフィックスAPI「WebGPU」の強力な並列演算性能を活用し、金融工学における重い演算処理であるモンテカルロ・シミュレーションをブラウザ上で高速に実行する試みです。これまでサーバーサイドに依存していた高度な計算をエッジ環境へオフロードすることで、「Finance × ICT」が目指す低レイテンシでインタラクティブなユーザー体験を追求しています。
次世代グラフィックスAPI「WebGPU」の強力な並列演算性能を活用し、金融工学における重い演算処理であるモンテカルロ・シミュレーションをブラウザ上で高速に実行する試みです。これまでサーバーサイドに依存していた高度な計算をエッジ環境へオフロードすることで、「Finance × ICT」が目指す低レイテンシでインタラクティブなユーザー体験を追求しています。
築地市場→押上（10km walk 2026）
📝 Developer's Note:
Google Healthのアクティビティ・データ（位置情報履歴）をパースし、独自の「アクティビティ・マップ」として自動生成するプログラムを実装・導入しました。身体的な「歩く」という活動をデジタルデータとして再定義し、可視化することで、「Internet-to-be」が目指す現実とネットの融合をより構造的に記録する試みです。
Google Healthのアクティビティ・データ（位置情報履歴）をパースし、独自の「アクティビティ・マップ」として自動生成するプログラムを実装・導入しました。身体的な「歩く」という活動をデジタルデータとして再定義し、可視化することで、「Internet-to-be」が目指す現実とネットの融合をより構造的に記録する試みです。
為替 LSTM 予測 ＆ アノマリー検出デモ
📝 Developer's Note:
「Finance × ICT」のコンセプトに基づき、時系列予測モデル（LSTM）による為替予測と、市場の急変や予兆を捉えるアノマリー検出を統合したデモです。単なる価格予測に留まらず、金融実務において不可欠な「リスク管理」や「不正検知」というセキュリティ的視点からAIをどう実装すべきか、その思考プロセスを形にしています。
「Finance × ICT」のコンセプトに基づき、時系列予測モデル（LSTM）による為替予測と、市場の急変や予兆を捉えるアノマリー検出を統合したデモです。単なる価格予測に留まらず、金融実務において不可欠な「リスク管理」や「不正検知」というセキュリティ的視点からAIをどう実装すべきか、その思考プロセスを形にしています。
LLM Benchmark Report — ConoHa VPS 2GB/3core
📝 Developer's Note:
メモリ2GBという制限されたVPS環境において、大規模言語モデル（LLM）がどの程度のパフォーマンスを発揮できるかを測定したベンチマークレポートです。PCレスなサーバー管理やエッジAI運用を支えるインフラとして、軽量モデルの推論速度やリソース消費の限界値を可視化し、今後の「AI-Assisted Activity Hub」の基盤選定に活かすための基礎データをまとめています。
メモリ2GBという制限されたVPS環境において、大規模言語モデル（LLM）がどの程度のパフォーマンスを発揮できるかを測定したベンチマークレポートです。PCレスなサーバー管理やエッジAI運用を支えるインフラとして、軽量モデルの推論速度やリソース消費の限界値を可視化し、今後の「AI-Assisted Activity Hub」の基盤選定に活かすための基礎データをまとめています。
TensorFlow.js バックエンド速度比較 CPU / WebGL / WebGPU
📝 Developer's Note:
TensorFlow.jsにおける主要な演算バックエンド（CPU / WebGL / WebGPU）の処理速度をブラウザ上で直接比較するベンチマークツールです。「モバイル環境でのエッジAI体験」をより快適にするための最適解を探るべく、デバイスごとの演算リソースの特性と、次世代APIであるWebGPUの優位性を検証するために実装しました。
TensorFlow.jsにおける主要な演算バックエンド（CPU / WebGL / WebGPU）の処理速度をブラウザ上で直接比較するベンチマークツールです。「モバイル環境でのエッジAI体験」をより快適にするための最適解を探るべく、デバイスごとの演算リソースの特性と、次世代APIであるWebGPUの優位性を検証するために実装しました。
WebGPU 行列積ベンチマーク
📝 Developer's Note:
次世代Web標準グラフィックスAPI「WebGPU」を利用し、機械学習や複雑な演算の基礎となる「行列積」の計算速度をブラウザ上で測定するベンチマークデモです。「モバイル環境でのエッジ処理」の実践として、デバイスのGPU性能を直接引き出し、サーバーに依存しない高速演算の可能性を体験できるように実装しています。
次世代Web標準グラフィックスAPI「WebGPU」を利用し、機械学習や複雑な演算の基礎となる「行列積」の計算速度をブラウザ上で測定するベンチマークデモです。「モバイル環境でのエッジ処理」の実践として、デバイスのGPU性能を直接引き出し、サーバーに依存しない高速演算の可能性を体験できるように実装しています。
WebGPU パーティクルシミュレーション
📝 Developer's Note:
次世代のWeb標準グラフィックスAPI「WebGPU」を利用し、ブラウザ上（エッジ環境）で大規模かつ高速な並列計算を行うパーティクルシミュレーションの実装デモです。「モバイル環境でのエッジ処理」の実践として、GPUの圧倒的な演算パフォーマンスをサーバーリソースに依存せずに手軽に体験できるように構築しています。
次世代のWeb標準グラフィックスAPI「WebGPU」を利用し、ブラウザ上（エッジ環境）で大規模かつ高速な並列計算を行うパーティクルシミュレーションの実装デモです。「モバイル環境でのエッジ処理」の実践として、GPUの圧倒的な演算パフォーマンスをサーバーリソースに依存せずに手軽に体験できるように構築しています。
LSTM による USD/JPY 短期予測 — TensorFlow.js
📝 Developer's Note:
TensorFlow.jsを利用し、ブラウザ上（エッジ環境）でLSTM（長・短期記憶）ネットワークを構築・推論し、USD/JPYの短期為替予測を行うデモです。「モバイル環境でのエッジAI体験」と「Finance」の要素を融合させ、複雑な時系列予測モデルをサーバーリソースに依存せず手軽に体験できるように実装しています。
TensorFlow.jsを利用し、ブラウザ上（エッジ環境）でLSTM（長・短期記憶）ネットワークを構築・推論し、USD/JPYの短期為替予測を行うデモです。「モバイル環境でのエッジAI体験」と「Finance」の要素を融合させ、複雑な時系列予測モデルをサーバーリソースに依存せず手軽に体験できるように実装しています。
Profile / Portfolio
- About AI Concierge（AIコンシェルジュ ＆ このサイトについて） サイト全体のコンセプトと、サイトを案内する「AIコンシェルジュ」の仕組みと設計思想。
- 活動の地図（Map of Activities） Finance × ICT × Mobile × Tokyo の4つの視点が交差する現在地と、各サイトの原点のストーリー。
💬
AI Concierge
OFFLINE
金融工学の計算基盤である線形代数（行列演算）を対象に、WebGPU による加速効果を検証しました。行列積の並列化手法やタイル化定石を整理し、ポートフォリオ最適化のような多変数演算をブラウザ上で実行する際の「演算密度」と「転送コスト」の損益分岐点を考察。Finance の数理モデルを ICT の最新 API で最適化する、実証的なプロセスを記録しています。