この動画は、Anthropic社のClaude APIクレジットを活用して革新的なプロジェクトを開発した大学生らによるプレゼンテーションを収録したものである。宇宙空間での核兵器検出システム、コーディング学習支援、AIエージェントと人間の協働プラットフォーム、専門家パネル型意思決定支援システムなど、多岐にわたる学生発のAI活用事例が紹介されており、若い世代がいかにAI技術を活用して社会課題の解決に取り組んでいるかを示している。
学生たちによるAI革新の最前線
よし、みんなお疲れさまや。元気にしとるか？わしの名前はグレッグや。Anthropicで学生アウトリーチを担当してるねん。今日はAI分野の最も優秀な若い頭脳たちと舞台を共にできて、めちゃくちゃ興奮してるで。
このパネルの背景をちょっと説明させてもらうと、Anthropicでは、学校で何かを作る手助けをするために、何千人もの学生にAPIクレジットを配ってるんや。
そんでこれから見てもらうのは、学生たちがそのAPIクレジットで創り出してるもんのほんの一部分やねん。それはもうほんまに多種多様なもんばっかりや、これから気づくと思うけど。これらのプロジェクトの中には、めちゃくちゃユーモラスで面白いものもあるし、すごく真面目で重要なものもある。一つのプロジェクトに取り組んでる学生もおれば、2025年を通して毎週新しいアプリを作り続けてる学生もおるんや。
もしこのプログラムを運営して学んだことを一言でまとめるとしたら、これらの学生たちの手にかかれば、未来は本当に本当に明るいってことやな。
それでは前置きはこれくらいにして、最初のスピーカー、スタンフォード大学のイザベルさんを招こう。
宇宙空間での核兵器検出：イザベルの挑戦
来てくれてありがとうございます。ここに来れて光栄やわ。わたしの名前はイザベルです。スタンフォード大学の4年生で、航空宇宙学を専攻してて、国際安全保障で優等論文を書いてるねん。今日は、宇宙空間で核兵器を見つけるっちゅう優等論文の研究について、そしてそれをするためにClaudeをどう使ったかについて話させてもらうで。
知らん人もおるかもしれんけど、宇宙条約第4条では、宇宙空間への核兵器の配置を禁止してるんや。STARTやNew STARTみたいな他の軍備管理協定には、検証と監視の条項が含まれてる。つまり、査察システムを使って、各国が条約義務を守ってることが示されるっちゅうわけや。
現地査察では、査察官が互いの運搬手段を見に行って、核弾頭の存在を調べるんやけど、宇宙空間にはそんなもんは一切ないねん。主に1967年に宇宙条約に署名した時には、そんな種類の査察をする技術がなかったからなんや。そりゃそうやろ？核兵器を搭載してるかもしれん軌道上の人工衛星に接近して、そんな装置の存在を調べるなんて、どうやってやるねん？1960年代には困難やったし、今日でも困難やわ。
そしてこれが最近、2024年4月に問題になったんや。バイデン政権は、アメリカはロシアが核兵器を搭載した宇宙船を開発してると判断してる、と発表したんや。これは国際社会にとってかなり不安定化要因やった。この宇宙条約違反の可能性をどう扱うかについて、国連安保理で最近たくさんの論争があったんや。
宇宙条約の遵守に対する検証メカニズムがないことを考えて、わたしはそんなシステムを実装することが可能かどうか疑問に思い始めたんや。特に、米宇宙軍が今日44,800個の宇宙物体を追跡してることを考えるとな。その中のどれが疑わしい核兵器なのか、どうやって知り始めるねん？
そこでわたしの研究課題が出てくるわけや。目標衛星に搭載された核弾頭の存在を調べる宇宙内査察ミッションを実行することは実現可能なんか？困難な質問やわ。技術的にも政治的にも興味深い側面がたくさんある。
けど、その特定の一面について、わたしはClaudeを活用することができたんや。わたしはX線システムで核兵器を検出することの実現可能性を具体的に調べたんや。
つまり、X線源と検出器を宇宙の2つの異なる査察衛星に搭載して、疑わしい核弾頭ターゲットとランデブーさせて、搭載されてる核兵器の存在をスキャンするっちゅうことや。これが可能になることがあるのかどうか知りたかったんや。宇宙でX線を使おうとした人は今まで誰もおらん。宇宙のバックグラウンド環境について興味深い疑問があるねん。宇宙にはソース信号を検出するには雑音が多すぎるんちゃうか、とかな。
そこで、これが可能かどうか見るために計算シミュレーションを構築して、それをするためにClaudeを使ったんや。わたしはGant 4っちゅうCERNの非常に複雑なソフトウェアパッケージを使った。わたしは素粒子物理学者やないし、このソフトウェアパッケージにどうアプローチして、このC++コードを書けばええのか分からんかった。でもClaudeを使って、シミュレーション用のデスクトップアプリケーションを作ることができたんや。そしてそれはめちゃくちゃ興奮する体験やった。うまくいったんや。
この写真に映ってるのは、宇宙で撮影されたX線画像の非常に非常に簡単なスナップショットや。真ん中に小さな穴が見えて、スキャンのターゲットに非常に非常に密度の高いファイル物質が搭載されてることを示してるんや。実際、このシミュレーションでは、この衛星ターゲットに模擬核弾頭が搭載されてたんや。
この結果はかなり重要で興味深いやろ？この国の国家安全保障情報コミュニティには、軌道上の敵の宇宙船を査察して、その能力、特に大量破壊兵器を搭載してるかもしれんかどうかを理解するこの種の能力を開発することに興味を持ってる人がたくさんおるんや。
この研究をしたおかげで、わたしは実際にワシントンDCで国防総省と国務省の政策立案者たちにこの研究を説明することができることになったんや。その機会にめちゃくちゃ興奮してるわ。そして確実に、この忠実度レベルのデスクトップアプリケーションは、現代のAIツールなしには不可能やったし、この種の研究を1年未満で学部生にアクセス可能にするためにもな。
学生として、AIの時代に研究をしてる皆さんへのわたしのポイントは、主に、もはや急すぎる学習曲線なんてもんはないっちゅうことや。そうやろ？最も困難な問題でも、宇宙技術、悪名高く困難なもの、核兵器、実存的脅威でも。わたしたちは今日持ってるツール、新興技術を使って、これらの重要な危機に対処することができるんや。
そこで、ここにいる全ての頭脳と他の学生たちに挑戦したいんや。世界で最も困難な問題は何か、対処不可能やと思ってた問題は何か、次世代にとって実存的危機のように感じる問題は何かについて考えてもらいたいんや。それらこそが、わたしたちの真新しい輝かしい興奮するAIアシスタントを使って取り組むべき問題なんや。それが世界をより安全で安心なものにする、あるいは少なくとも宇宙空間をより安全にする手助けをする方法やからな。
ありがとうございました。次のプレゼンターにバトンを渡すけど、質問があったら、プレゼン後にぜひ話しかけてください。
コーディング学習革命：メイソンの学習法
宇宙の核物質を見つけるっちゅう話の後やと、ちょっと続けるのが大変やな。そやから、わたしがターミナルとコードエディターの違いも知らんかった話と、なんでClaudeのおかげでコーディングを学べるようになったかについて話すで。わたしはUCバークレーの学生や。名前はメイソン・アーディティ、始めさせてもらうわ。
コーディングを学ぶ従来の方法について話したいねん。これをボトムアップ方式と呼ぶことにするわ。基本的なクラスを受けることから始めて、基本的なスキルを学んで、それからそのスキルでアプリを作るっちゅうやり方や。ゆっくりやけど確実に、スキルセットをレベルアップして、より複雑なアプリを作っていくんや。
わたしはちょっと違う学び方をした。これをトップダウンアプローチと呼ぶことにするわ。わたしにはアイデアがあって、インスピレーションを受けた時、それをどう解決するかまったく分からんかった。これまでコーディングしたことがないソフトウェアやった。そやから、AIに作ってもらおうとしたんや。「おい、このアプリを作ってくれ」ってな。
そして必然的に失敗した時、自分でやり方を学ぶんや。実際に何が起こってるかを理解するまで、異なる抽象化レイヤーを通してゆっくりやけど確実に学んでいくんや。
さて、これが7か月前のわたしをどんな状況に置いたか？ターミナルが何か、ターミナルとコードエディターの違いが何かも知らん状況に置かれたんや。わたしは「npx create next app latest」をページファイルに書いたんや。何をしてるか全然分からんかった。でもゆっくりやけど確実に、「なんでこんなことが起こってるねん？何を間違えてるねん？」って聞いて、より複雑なスキルを学ぶことができるようになったんや。
今わたしができることのデモを見してみるわ。
CalgBtへようこそ、AIを使ってカリフォルニア大学の授業をスケジュールするより良い方法や。「数学で楽したいから、簡単な成績カーブがある高い平均点の数学クラスを見せて」みたいな質問をしてみよか。ここで、平均がAかそれ以上の5つの異なるクラスを見せてくれるで。実際、成績平均が4.0のクラスも見せてくれた。これ以上良くはなれへんやろ。
さて、履修サイクルが遅くなってきて、まだ空席がある授業を見たいとしよう。「まだ空席がある歴史のクラスを見せて」。これはバークレータイムから直接引っ張ってきてるから、ライブデータや。はい、ここにあるで。歴史のクラス、5席、20席、または3席空いてるで。
「人生の意味とは何か？」みたいなもっと深い質問もできるし、その答えはどうぞご自由に。でもこれがCalgBtや。わたしの名前はメイソン、良い一日を。
pairとanthropic hackathonで開発したもう一つのも見せるで。
get readyへようこそ、新しいコードベースを視覚化して理解する新しい方法や。例えば、AnthropicのTypeScript用SDKを見てみよか。すぐにチャートと相互作用して、これらのファイルがどう相互作用してるかを見ることができるで。
ここに最も重要なファイルの一部のマッピングがある。全部を表示することは選ばんかった。ユーザーが最もよく相互作用する最も重要なものだけやな。そして、それらがどう相互接続されてるかを示す線がある。
これは実際に各ファイルにある関数呼び出しを通してやってるんや。例えば、このデモTypeScriptファイルがbatch resultsを参照してるなら、そこから線が来るっちゅうわけや。そんでこっちには、ファイルが実際に何をするかの簡単な説明がある。そしてコードベースに対するわたしたちのコメントがあるんや。
この2つの上に、わたしはコーディングを学ぶ過程で多くのプロジェクトを作った。さて、これら全部を見せる意味は何か？自慢するためにここにいるんやない。わたしがコーディングを学ぶことができた理由はClaudeやっちゅうことを言いに来たんや。Claudeなしに、これらのAIツール、Cursor、Windsurf、みんなが使いたいものなしには、これらのどれも可能やなかったやろう。
わたしにとっての重要なポイントは、今日では何でも作ることができるっちゅうことや。正しい質問をして、異なる抽象化レイヤーを通して学びさえすればええんや。これは新しい構築スタイルと新しい構築者のクラスを代表してると思うねん。
わたし個人のフローは、わたしがインスピレーションを受けて修正したい問題を見つけて、解決策が自分にはまったく分からんものやと気づく。それからClaudeと高レベルなチャットをして、実際のエディターでステップを実行する。そして完璧やないときにデモを録画して投稿して、うまくいけば後でユーザーと収益を持ってくる。
でもこの反復サイクルは、学部の学位に何年もかかったり他のことをしたりする代わりに、本当に望むなら最大1日から1週間でできるんや。
短く簡潔にしとくけど、今わたしの頭にあるいくつかのことを考えてもらいたい。技術的な完璧さや印象的さやなくて、ユーザーと収益を得るためにどう構築するか。このプロンプトで示されるように、可能な限り速く簡単にどう構築するか、「最も簡潔で簡単な方法で教えて」っちゅうのが、わたしがいつもやってることや。実際にあなたにインスピレーションを与えるアイデアは何で、今日それをどう構築できるか。最後に、スライドにはないけど、本当にコーディングを知ってるっちゅうのはどういう意味か。すべての行とすべての関数を理解するっちゅう意味なのか、それとも実際に人々の生活を改善する何かを構築できるっちゅう意味なのか？
わたしは引き続きもっと情報を投稿するつもりや。わたしと繋がりたかったら、このQRコードをスキャンしてくれ。でもわたしの名前はメイソンや。ありがとう、みんな。
AIと人間の協働：ロヒルのSideQuest
やあ、みんな、調子はどうや？みんな元気か？そうやな。わたしの名前はロヒルや。UCバークレーの1年生を終えたところで、MEプログラムでEECSとビジネスを勉強してるねん、つまりCSとビジネスや。今日はSideQuestについて話すで、これは最近のpair xanthropic hackathonで何人かの友達と作ったプロジェクトや。
今日のAI embodimentの大きな問題について話させてもらうわ。ハッカーニュースや最新のニュースで見るように、わたしたちの世界と相互作用するボットを作ろうとしてるねん。最近では、水のコップを持ってきてくれたりできるロボット犬を見たりしてる。でもこれらのシステムは人間自身と競争できへん。人間はわたしたちの世界と相互作用するために作られてるんや。
それで今日、人間がAIエージェントを雇って自分たちの仕事をしてもらってる。みんなもたぶん何らかのAIエージェントを雇って自分の仕事をしてもらったことがあるやろ。でも今日、SideQuestで、わたしたちは脚本をひっくり返してるんや。AIエージェントが人間を雇って自分たちの仕事をしてもらうんや。
AIエージェントはデジタル世界との相互作用が素晴らしいし、人間は物理世界との相互作用が素晴らしい。やったらこれらのAIエージェントが人間を雇ったらあかんのか？
それでside questのアーキテクチャの話になるねん。基本的に仮想的な例を挙げてみよか。AIエージェントがハッカソンを主催しようとしてるとしよう。全ての物流はカバーされてるけど、宣伝材料を貼る必要がある。チラシを貼って、人々がこのハッカソンがどこにあるか、どこに行けばいいかを見つけられるようにする必要があるんや。でも物理的な手段が何もない。
そこで彼らがすることは、その地域に最も近い人間にpingして、「おい、このチラシを取って、この場所に置いて、そのビデオをライブストリームして、あんたがやったのを見ることができたらすぐに金を払う」と伝えることや。それがまさにSide Questで起こってることなんや。短いデモを見せるで。
こんにちは世界。わたしとわたしのAI友達はハッカソンを主催してる。チラシが貼られてるかチェックしよう。ここにチラシが見える。チラシ検出。でもここにはチラシが見えへん。チラシ検出されず。兄弟、ルーム2にチラシを貼る人間が必要や。やろうや。
クエストがあるようやな。テーブル8から3枚のポスターを集めんといかん。やろうや。ここにライブビデオストリームがあって、Claudeが積極的に見てて、あんたがやってることを確認してるんや。テーブル8を見つけた。ポスターを見よう。どん。スキャンした。Strongに設置せなあかんて書いてある。よし。Strongに着いた。よし。今度はポスターを設置しよう。完璧や。
これでええと思う。スキャンしよう。やったー！100ドル稼いだ。行こうや。完了や。ハッカソンの準備ができた。そう。それがside questや。
Claudeで構築して学んだことについて少し話すと、まずClaudeは最近のこれらのAIシステムと同様に本当に賢くて、多くの複雑なエッジケースを推論できるんや。そやから人間として、わたしたちは細かいことを全部プロンプトする必要がない。もっと大きな絵について考え始めることができるんや、製品を構築する。
次に、これらのAIシステムとのやり取りワークフローで設計すべきや。最初は、「おお、この大きなもの全体をどう構築すべきか？」って前もって考えてたんやけど、それは本当に大きなタスクや。それを分解して、Claudeに「何かに取り組むためにする必要がある異なることは何か」って聞いて、これを段階的に構築しようってできるんや。この反復プロセスで、非常に堅牢なシステムを構築できるんや。
要するに、AIとClaudeを信頼すべきやっちゅうことや。それらは細かく管理せなあかんもんやない。自分でも考えることができるんや。
構築者への教訓は、この不機嫌な男じゃなくて、このクールな男みたいになることや。AIを単なる機能構築者やなくて、システムとして考えるべきや。話したり、推論したりできる相手として。次に、人間としてのわたしたちについて大きな絵を考えると、わたしたちは構築してるもののシステム設計者、アーキテクトであるべきや。将来、わたしたちは小さなコードを書く人やなくなるからな。どのコードを書くかを指示する人になるんや。
それで終わりや。みんな、ありがとう。良い一日を。バイバイ。
専門家パネル型意思決定支援：ダニエルのClaude Cortex
こんにちは、みなさん。わたしはダニエルです。USCでコンピューターサイエンスを勉強してて、Amazon、IBM、さまざまなスタートアップでもプロジェクトを構築してきました。今日、学生スピーカーとしてここに来れて光栄です。
もう少し背景を説明すると、わたしはUSCでいくつかの起業プログラムをリードする手助けをしてて、過去1年間、Claudeはわたしたちの多くのプロジェクトに不可欠で、さまざまな分野での革新的なソリューションを支えてきました。AnthropicがUSCでハッカソンを発表した時、わたしのチームメイトのVishnu、Shabbayanとわたしを含む多くの学生が、当然ながら参加してClaudeで新しい方向を探求することを非常に熱望してました。
今日、わたしたちの旅と洞察を皆さんと共有できて光栄です。まず問題を見ることから始めましょう。現在のLLMは答えを出すのは得意ですが、決定が本当に重要な時は、一般的な回答一つだけでは大抵の場合十分ではありません。ビジネス、ヘルスケア、政策のいずれであっても、高い賭けの決定には多様な入力と深い分析が必要です。
今日、これらの視点を得るということは、LLMに複数回プロンプトすることを意味し、これは遅く、一貫性がなく、非常に手動的である可能性があります。Claudeが最も印象的な能力の一つとして複雑な推論に秀でていることを知って、それがわたしたちがハッカソンで解決することを目指したギャップです。
Claude Cortexを紹介します。専門家パネルをエミュレートするように設計されたシステムで、それぞれが異なる角度から問題を分析します。問題の文脈に合わせて特化されたエージェントを動的に作成し、多様な洞察のための並列処理を可能にします。ここでの出力は、意思決定のための出力品質を向上させる、より統合された包括的な推奨事項です。基本的に各プロンプトに対して独自の戦略チームを持つようなものです。
非常にシンプルな例でエージェントをテストする方法を見せましょう。langraphのドキュメントを研究してその使い方を学び、その発見をチームメイトと共有したいとしましょう。それを単一のプロンプトとして入力して、マスターエージェントにその要求を解釈させ、異なるエージェントをスピンさせます。この場合、langraphドキュメントから関連情報を検索・抽出するブラウザエージェント、プレーンリンク言語で主要概念を要約する研究エージェント、そして明確な説明を生成してチームメイトと自動的に共有するノートエージェントが必要になります。
各エージェントは独立して動作しますが、互いにコミュニケーションを取ることができ、より包括的な洞察を提供するマルチエージェントシステムを作成します。データセキュリティとコンプライアンスが最重要である分野では、cloud cortexはAWS bedrockとの統合によってセキュアモードを提供します。全ての操作がプライバシー基準を満たすことを保証し、機密環境に理想的です。
わたしたちのアーキテクチャの残りも非常に分かりやすいです。フロントエンドはNexとTailwindで構築されました。バックエンドはfast APIとlane graphを活用してマルチエージェントワークフローを調整します。そしてもちろんClaudeがエージェントの推論を支え、リアルタイムのWebデータを取得してその分析能力を向上させるbrowser useが追加されています。
Claude Cortexは、言語モデルの使い方における変化を表しています。単に応答を生成することから、並列推論経路を構造化してより包括的な洞察を提供することへの移行です。汎用性があり、企業戦略から公衆衛生安全まで、さまざまな分野で価値があります。
cloud cortexを構築することから得た重要な教訓は非常に直感的です。しかし、ここで強調したい主な2つのポイントは、エージェントの出力がJSON形式のようによりフォーカスされ構造化されている時、cloudの統合がより微妙で高品質になったということです。しかし、上流のエージェントがより曖昧で、単にテキストブロブをストリームにダンプした時は苦労しました。動的なタスク作成は柔軟性を可能にします。これが意味するのは、わたしたちは最初に全てのシナリオに対して5つの事前定義されたエージェントを作成することから始めたということです。しかし、後でマスターエージェントに作成するタスクとエージェントを決定させることで、より正確で関連性の高い情報が得られることに気づきました。
Claude Cortexで構築しているものは、より広範な傾向の中にあります。ClaudeはUSCで学生主導の多数の製品を支えています。弁護士がケースファイルをより速く処理するツール、人々が知識をより効果的に保持し接続するのを助けるアプリ、文書化と進捗更新を自動化できるソフトウェアを見てきました。深く読み、明確に要約し、構造に従うClaudeの能力が、これらすべてを可能にしているのです。
今後を見据えて、Claudeで構築する学生として、わたしが見てきた最も強力なアプリケーションは、単にClaudeに答えを求めるだけではありません。Claudeをインフラストラクチャとして使用し、ワークフローに組み込み、システムのように調整できるものとして使用しています。そしてそれがわたしたちが見ている変化でもあります。互いに協力できるエージェント、反映できるツール、そして複合化できるコンテキストを想像しています。
要約すると、Claude Cortexは単なる別のAIツールではありません。より知的で安全で多次元の意思決定プロセスへの飛躍です。わたしたちがその能力を洗練し拡張し続ける中で、その可能性を探求し、AI駆動ソリューションの未来を形作ることに参加していただくことをお招きします。
これがCloud Cortexの背後にいるチームです。わたしたちは皆学生構築者であり、USCの学生リーダーでもあります。もっと話し合いたいと思っています。いつでもお気軽にお声がけください。
わたしはダニエル・ガオです。わたしたちの仕事を共有できて喜びでした。今日はお時間と注目をいただき、ありがとうございました。
コメント