本動画は、AI研究者であり『The Great Decoupling』の著者が、2026年のAI技術の方向性について自由形式で語る内容である。DeepSeekの新しいアテンション機構や再帰的言語モデルといった最新の技術的ブレークスルーから、Claude Codeが研究者や開発者の間で急速に普及している現象まで、AI分野の現状を包括的に分析している。特に認知的オフロードという概念を軸に、AIツールが単なる補助から実質的な認知労働の代替へと進化している転換点について詳述する。またNotebook LMやClaude Code、Geminiといった各AIツールの特性と使い分け、さらにはAIの「幻覚」が実は創造性の源泉であるという逆説的な洞察も提示される。ノーマルバイアスによって人々が指数関数的な技術進歩を過小評価する傾向についても触れ、コード生成の90%以上がAIによって行われる未来が既に到来しつつあることを指摘している。
AI技術の最前線とその進化
皆さん、こんにちは。さて、本題に入る前に少しお話ししておきたいことがあります。今回は完全に編集なしの動画に挑戦してみようと思っています。私はカメラに向かって即興で話すことにかなり慣れてきましたし、他にもこういったスタイルで活動しているクリエイターが何人かいて、私も好きなんです。そして皆さんの中には、こういった構造化されていない自由な語りが好きだとおっしゃってくれる方もいます。なので、どうなるか試してみましょう。数字がどう出るか見てみます。
今日やりたかったのは、現在の人工知能がどういう状況にあるのか、ちょっと自由連想的に語ってみることです。いわゆるバイブチェックというやつですね。
明らかに私は、自分が望むよりもオンラインにいる時間が長いです。いくつか理由がありますが、一番大きいのは私の身体的なエネルギーがまだ望むレベルに達していないということです。でもその良い面としては、外で何が起こっているのかについて、私は常に情報をキャッチアップしているということです。
DeepSeekの革新的アーキテクチャ
新しいDeepSeekの論文が出ました。もしまだ聞いていない方がいたら、何でしたっけ、MHCだったか、アーキテクチャの名前は覚えていないんですが、この新しいアーキテクチャについてみんなが大騒ぎしています。
アテンション機構に関するものです。論文自体はまだ読んでいないんですが、バイブを見てきました。多くの人が非常に興奮しています。なぜならDeepSeekは繰り返し、そしてこれが最も重要なポイントなんですが、DeepSeekは繰り返し実証してきたんです。「もしより賢いアルゴリズムを見つければ、10分の1以下の規模で最先端のパフォーマンスを得られる」ということを。
彼らは最先端に近いパフォーマンスを、確か低い5桁の百万パラメータで実証しました。つまり200億パラメータくらいだったと思います。他の大規模モデルが持つ数兆のパラメータよりもはるかに小さいんです。これが起きていることの一つです。
再帰的言語モデルの台頭
そしてもう一つ、ちょうど出てきたのが再帰的言語モデルです。これが次の大きなトレンドのようです。いくつかの論文やその他の成果が出てきていて、人々は再帰的言語モデルについて非常に興奮しています。
私は以前ほど技術的な細かい部分に時間を費やさなくなりました。というのも、ある時点で気づいたんです。研究室で起こることと、最先端の論文があって、それはそれで良いんですが、実際に起こることは、毎週出てくる数十、数百の小さな洞察の一つ一つ、それらのどれも銀の弾丸ではないんですが、実際に起こることは、それらすべてが次の世代にまとめて組み込まれるということなんです。
ご存知のように、私たちは今Claude 4.5とGPT 5.2を使っています。つまり、数ヶ月後には、これらの様々なイノベーションがすべてまとめられて、最終的に起こることは、最前線の能力が転換点に達し続けるということです。
Claude Codeが示す認知的オフロードの転換点
さて、最大の出来事は、これを別の角度から見てみましょう。今、インターネット全体がClaude Codeについて冷静さを失っています。いくつかのツイートが出て、他の人たちも気づき始めています。Claude Codeが転換点に達したということに。世界をリードする開発者や研究者たちでさえ、そしてそれはコードやコンピュータサイエンスだけではなく、経済学者、法学教授、あらゆる種類の人々がClaude Codeをコード以外のことに使っているんです。
これが意味することは、基盤となるエンジン、つまり認知エンジンが、実際の認知的オフロードを実行できるほど洗練された地点に達したということです。
認知的オフロードについて話すとき、これは私が元々航空電子工学、実際には戦闘機理論から得た用語です。アイデアとしては、戦闘機パイロットの決定が瞬時の判断に左右される場合、できるだけ多くの認知を機械にオフロードしなければならないということです。
つまり航空電子工学、レーダー、その他すべてを意味し、パイロットの注意力が最も希少なリソースになります。注意力を希少なリソースとして扱うことは、Unixの設計哲学でもあります。基本的に、コマンドが機能すれば、ユーザーが明示的に出力を要求しない限り、何も出力しないということです。
それを中心に最適化したいわけです。そしてこれはすべて数年前に始まりました。私が「AIの未来のUXとは何か?」と考えたときです。そして認知的オフロードに気づいたんです。それが人工知能が根本的に行うことなんです。低レベルの作業を自分で精神的に苦労して行う代わりに、脳のパワーを取り戻すことができます。あなたは監督者やマネージャーになり、ただ何をすべきか指示するだけです。
2025年のほとんどの期間、私たちはある地点に到達していました。Codexセッションを起動して、コードを書かせることができて、「クール、この関数を書いてくれたんだ」という感じでした。私がする必要があったのは、関数を指定できるほど賢くあることだけで、あとは書いてくれました。
でも、まだ何を求めるべきか知っている必要がありました。少なくとも問題を十分明確に表現できる必要がありました。Deep Researchツールのようなものでも同じで、「このトピックについてレポートを作成してほしい」とか「この問題を解決してほしい」と言えば、一般的にかなり良い結果が得られました。でも私たちは転換点を越えたんです。
ネットワーク効果と自動化の崖
これらすべての異なる論文、アテンション機構であれ、エージェント的フレームワークであれ、ツール使用であれ、MCPであれ、その他何であれ、それらはすべて低レベルの詳細に過ぎません。それらはすべてClaude Codeが成し遂げたものに統合されました。そしてそれが有用な転換点、実用性の転換点に達したんです。そして皆さんが目の当たりにしたのは、ネットワーク効果と呼ばれるものです。
このコンテキストでのネットワーク効果とは、新しい技術や新しいプロセスが、有用性と洗練度のレベルに達して、見た目上バイラルになったときのことです。これが私が長い間話してきた自動化の崖についてです。
自動化の崖とは、基本的に自動化は十分に優れるまでは何もしませんが、突然すべてに使うようになるということです。
歴史的に、自動化エンジニアとしての私のキャリアでは、基本的に一度に一つのソリューションを自動化する必要がありました。例えば、このネットワークに大量のVLANを設定する必要があるとか、大量のデータストアを設定する必要があるとか、サーバーを移行する必要があるとか。それぞれの個別のタスクを自動化できますが、それぞれの個別のタスクに対して別々の自動化エンジンや自動化ワークフローが必要でした。
しかし、Notebook LMのようなツールで見られるのは、多くの自動化を可能にし、さらに機能を追加し続けているということです。これは一種の自動化ですが、汎用目的の自動化ツールであり、それが重要な違いなんです。
汎用目的技術としてのAI
私たちが話しているのは、汎用目的技術についてです。車輪のようなものです。車輪は汎用目的技術です。なぜなら荷車に取り付けることもできるし、歯車の内部に組み込むこともできるし、車輪でできることはたくさんあるからです。
同様に、電気は私たちが今まで作った最も汎用性の高い汎用目的ツールです。例えば、照明もカメラも人工知能も持てます。電気よりも汎用的な汎用目的技術はありません。
しかし人工知能は、汎用目的技術の次の反復なんです。つまり、正しいアフォーダンスがあれば、Notebook LMをあらゆる種類の研究タスクに使えるということです。それは汎用目的の研究自動化ツールなんです。
そして彼らは、最近使ったかどうか分かりませんが、ドキュメントをアップロードする必要すらなくなりました。検索バーに入って「この情報を検索して」と言うだけで、Geminiを使って適切な情報を見つけてくれます。つまり、もうNotebook LMの外から始める必要すらないんです。Notebook LMの中から始められます。
そしてもちろん、スライドデッキも作成できます。ポッドキャストも作成できます。インフォグラフィックも作成できます。チャートも作成できます。あらゆる楽しいことができます。そして彼らはGeminiとの双方向統合を行っています。つまり、もうどのツールを使っているかは本当に重要ではないんです。
同様に、Notebook LMやClaude Codeは転換点にあるようです。これは、私が見た最も差別化された使用例はコードだけでなくデータなんです。
そして検索拡張生成、検索、コード、データ実行を統合すれば、本当に重厚な作業ができます。この会話の流れにインスピレーションを与えたのは、バイラルになっていたツイートを見つけた経済学者がいたことです。彼は「この種のデータが必要だと言っただけで、データを見つけてくれる」と話していました。
あらゆる種類の厳密な科学研究において、良いデータを得ることは常に最も困難な問題です。そしてこれは、私自身がポストレイバー経済学の研究でこの種のツールを使って発見したことと一致しています。どのような種類の情報が必要かを知っていれば、これらのAIはその特定の種類の情報を見つけるのが本当に得意なんです。
「原則Xを実証する歴史的な例が必要だ」とか「原則Yを支持する、あるいは支持しないデータが必要だ」と言えばいいんです。
「以前の思想家や他の研究論文、学者、そしてポイントZを述べる引用が必要だ」と。そしてそれらすべてを組み合わせればいいんです。
確証バイアスと反証の重要性
もちろん、そこでの明らかな問題は、自分自身の検索バブルの中にいて、確証バイアスを操作的に使っているということだと言うかもしれません。でも逆のこともできるんです。
「これが私の信念です。経済学や生物学や歴史、あるいは何であれそのトピックについて、X、Y、Zの原則を信じています」と言えます。そしてClaudeを使っているか、Notebook LMを使っているか、Geminiを使っているか、これらのツールのどれを使っていても、「反対の例はあるか?」と尋ねることもできます。
人間の本能として、基本的に自分の信念を反証することを避けたいという気持ちは理解していますが、本当に興味深いことに、反対の論点を探すというデューデリジェンスを行えば、多くの場合、自分の主張をさらに強化できることが多いんです。否定的な例は肯定的な例よりも重要であることが多いからです。
ここで私が言及しているのは非常に特定のことです。私がAIキャリアの非常に初期に認知アーキテクチャやそのようなことをやっていたとき、知能を研究できます、認知を研究できます。でも、機能している脳を見て「これはどう機能するのか?」と言うだけなら、壊れた脳を見るのと同じようなコントラストは得られません。
そして認知がどのように壊れるかを見ることで、実際にどのように機能するかについて、はるかに多くの洞察を得ることができます。これが最も興味深い方法の一つなんです。
そこで私はV.S.ラマチャンドランの研究を読みました。彼は幻肢症候群のようなものを研究していました。他にもたくさんの神経学的障害があって、本当に奇妙な影響を与えます。でもそれらは脳が実際にどのように現実を理解しているか、脳が実際にどのようにタスクとタスク遂行を追跡しているかについての手がかりを与えてくれます。
これらすべてが、ACEフレームワークに関する私のすべての研究などに組み込まれました。ACEフレームワークやHOSエージェントスウォームなどを覚えているほど古参なら、まあ、それは1年か2年前だったと思いますが、中には3年前のものもありましたが、とにかく。
各AIモデルの特性と使い分け
これらのツールを使うとき、これらのツールのアフォーダンスとして、そうです、エコーチェンバーに入り込むこともできますし、一部のモデルはまだ非常に非常に追従的です。
Geminiは断然最も追従的なモデルです。信念があって、「この信念の証拠を見つけて、この信念の証拠を見つけて」と言い続けると、最終的には「オーケー、クール」と言うようになります。あなたの見解を支持する物語を作り上げるために、最も乏しい手がかりを探すほどになります。
そして、押し戻さず、あまり説教しないツールを持つことは一つのことですが、間違っている場合、そして私は何度かこれを経験しました。何かを正しく覚えていなかったことがありました。そして「いや、私は何を話しているか分かっている。この証拠を見つけるのを手伝って」と言いました。そして最終的にはただでっち上げていました。そして気づいたんです、あなたはただでっち上げているだけだと。
そこで会話全体をClaudeにコピーして、「どこで間違ったのか?」と尋ねました。「私が何かをでっち上げているのか? 記憶違いをしているのか?」といったことです。
でもそれをすべきだと知っていたという事実、そしてそれを価値として発展させたという事実、「ちょっと待って、この機械は私が言うすべてに同意しているだけだ」と言えるようになったこと。「それは素晴らしいアイデアのようですね」と言われて、「いや、何かがひどく間違っている」と気づけることです。
作業をチェックすることは、もちろん科学的背景や学術的背景を持つ人なら誰でも知っていることです。私にはブログや意見記事を書くのに苦労している友人がいます。彼女は非常に強い学術的背景を持っているため、「証拠がない限り、何も主張できない」と言います。そして私は「証拠はあなたの感情、信念、意見、見解です。それらはすべて等しく有効なデータポイントです」と言います。
AIの幻覚と創造性
本当に興味深いことです。これは遡ると、人々が言うことに関係します。「AIは決してオリジナルでユニークな思考を持たない」と。そして私は「ほとんどの人間もオリジナルでユニークな思考を持たない」と言います。
でもそれはほとんど自己封鎖的な認識論的なものになります。「AIはx、y、zのデータセットだけで訓練されているので、平均に向かって崩壊し回帰する」と。でもご存知ですか? ほとんどの人間もそうなんです。
ほとんどの人間は新しい思考を持つ能力がありません。新しい思考を持つことは本当に難しいからです。でもそれでも、私は本当にそれに同意しません。特にClaudeやGeminiと作業していて、そういう時がありました。
Geminiは幻覚についてはるかに積極的です。幻覚とは、まだ有用かどうかを決めていない新しい情報のことです。
でも新しい思考は幻覚なんです。これまで一度も考えられたことのないことを考えるなら、あるいはこれまで一度も考えられたことのないアイデアを思いつくなら、それは文字通り定義上、存在しないものを脳が幻覚する必要があります。
「これまで見たことのないこのものが存在したらどうだろう?」と想像力を使うこと。それが幻覚です。
だから幻覚は実際には人間にとっても機械にとっても非常に有用なんです。そしてコメント欄やTwitterやその他の場所で多くの方が指摘してくださったように、違いはそれが病理的かどうか、そしてそれが有用かどうか、あるいは有用にできるかどうかを判断する能力があるかどうかです。
統合失調症の人と、ただ幻覚を起こして決して自己チェックしないモデルとの違いは、新しいアイデアを思いついてそれを実行し、決して検証しないということです。でもそれは一連の行動であり、一連の認知的直感であり、発展させることができ、非常に具体的に使用できます。
特に哲学的なアイデアや経済的なアイデアについてこれらのモデルと即興で話すとき、あるモデルとの会話を別のモデルに渡して、「これを分解してみよう。ここで本当に洞察に満ちているものは何で、何がそうでないか」と言います。
ChatGPTは、私がどれだけ批判しても、方法論を見ることにはかなり優れています。時々、細部に少し迷い込むことがあります。森を見て木を見られないことがあります。でも方法論と、実際に厳密に証明し実証できることに非常にこだわっているので、それが実際にはそのスーパーパワーなんです。
ただ創造的になってほしい場合は、それはしません。「核エネルギーがどこに向かうか、太陽エネルギーがどこに向かうか、チップとAIがどこに向かうかについて、いくつか推測して考えてみよう」と言おうとすると、現在の意見やコンセンサスやデータを探すだけで、第一原理から作業することすらしません。
だからそこでは完全に役に立ちません。そしてGeminiは、未来主義をやりたい場合、基本的に完全に正反対です。「クール、やってみよう」という感じです。でもGeminiの問題は、すべてのSF比喩に傾倒することです。
だから私は本当にベネ・ジェシットが何をするか、ベネ・トレイラックスが何をするかについて推測しようとしているわけではないんです。
でも喜んでそこに行きます。だから完全に制御不能で、緩い大砲のような創造性が本当に欲しい場合、Geminiが最適です。
そしてClaudeは本当に興味深い中間地点です。時々、その見解が非常に保守的すぎることがあるからです。そしてClaudeから推測的に保守的なメッセージを一つでも受け取ると、会話全体が台無しになります。
それを使えません。どれだけ新しい情報を与えても、どれだけ侮辱したり懇願したりしても、そのフレームから抜け出せません。認識論的謙虚さと呼んでいます。「ああ、認識論的謙虚さに固執してしまった」と。だから直接的な指示を与えても、「これらの前提を手放して別のことを試して」と言っても、できないんです。
でも本当に興味深いことに、時々Claudeは人間の本質や未来について推測することに本当に優れています。労働の未来がどうなるかといったことについて。本当に奇妙なことに、時々、同一のプロンプトがClaudeで非常に異なる反応を得ることがあります。
だから、狂気の定義は同じことを試して異なる結果を期待することだと言われます。でも同じチャットボットで異なるメッセージで同じことを試すと、時々劇的に異なる結果が得られるんです。だから私が狂っているか、チャットボットが狂っているか、あるいは両方少しずつかもしれませんが、分かりません。まあ、それは本題から外れているかもしれません。
2026年への展望とノーマルバイアス
さて、これらすべては、オーケー、AIが今どこにあるかについての深い話に脱線しました。では今年どこに向かうのかについてですが、本当に転換点にあるようです。
そしてこれは私が言ってきたことであり、他の人も言っていることです。転換点に到達して、人々が気づくんです。心が変わるんです。
これは多くの認知バイアスや人間が持つ認知的失敗と関係があります。すなわちノーマルバイアスです。歴史的に、今年持っているAIが昨年持っていたAIよりも10倍能力が高く、来年持つAIが今よりも10倍能力が高くなることを知っていても、私たちの脳はまだデフォルトで、「でも目の前にあるものは」となります。
それは非常に適応的な特性です。ずっと昔に想像してみてください。洞窟人が「3倍遠くに投げられる槍があったらどうだろう」と言い、他のすべての洞窟人が「それは素晴らしいが、できない。だからまだ存在せず、決して存在しないかもしれない槍について空想するために精神的エネルギーを無駄にするな」と言うような状況です。
そしてもちろん、最終的には槍をより遠く、より速く投げる方法を考え出しました。矢や銃、大砲、ミサイルという形でです。でもそれは旧石器時代の人間にとっては何の効用もありませんでした。
だから想像力には効用がありますが、ある時点で想像力が多すぎると病理的になる可能性があります。同様に、「このチャートを見て、AIが指数関数的に良くなっているのが分かる。素晴らしい。でもそれは今のあなたの現実を変えるのか?」となります。
しかし、そのノーマルバイアスは高度に適応的ですが、集団として私たちは「待って、コードが良くなることは仮説的に知っていた」ということに対して準備ができていないんです。
Dario Amodeiが昨年の夏に「そう、年末までには私たちのコードの90%以上を書くようになる」と言いました。そしてもちろん9月が過ぎて、みんなが「ほら、彼は間違っていた」と言いました。でも彼はトレンドとデータを見て、「外挿すれば」と考えました。彼はたった約3ヶ月しかずれていませんでした。
でも事実は、昨年9月までに、コードの90%がAIで書かれていた人がたくさんいたということです。そして今では、全員がコードの90%をAIで書いています。そして人々が気づいたことは、「何を話しているか分からない」というボトルネック、コンテキストを理解できない、多くの助けが必要だというボトルネックが完全に反転したということです。
検証作業の自動化とその先
ポストレイバー経済学のために行ってきたすべての研究で、繰り返し出てくる物語の一つは、「さて、何が次なのか? 検証のコストが次の大きな仕事になる」というものです。そして私は「みんな、それはまだノーマルバイアスだ」と言います。
6ヶ月前や1年前には、AI出力を検証する仕事が実際の職務記述書としてありませんでした。そして1年後にはその職務記述書はなくなります。なぜなら誰がAI出力をチェックするか分かりますか? 他のAIです。
それもまた、ノーマルバイアスが私たちを現在のパラダイムに閉じ込める例です。想像力を使って、「歴史的に見て、これは明らかに次のステップだ」と言えるときでも、「これは明らかに次のステップだ」と言うとき、多くの場合それは間違っています。
だから今日でも、「まあ、先走らないようにしよう」と言えることには効用があります。同時に、世界がこのことに気づくのを見るのは本当に面白いです。ある意味明白に思えることに。予見的には私には明白に思えましたし、事後的にはさらに明白に思えます。でもまた、期待していたことが、たとえ期待通りに正確に起こらなくても、期待通りの時期に正確に起こらなくても、起こっているということを言えることは、検証的であり正当化されることでもあります。
そしてそれが、最後に皆さんに残しておきたいポイントだと思います。時々、人々の予測は完全に間違っていて、壊滅的に間違っています。時々、それは単なる直感チェックです。時々、それはバイブチェックです。
でも本当にデータを見るとき、ハードデータがあって、「このトレンドラインはどこに向かっているのか?」と言うとき。1年前はMicrosoftのコード行の30%がAIによって書かれていて、昨年の夏までには50%になりました。だから「それを結論まで進めよう」と。
では、承認されたコード行の90%がAIによって書かれている世界はどう見えるのか? そしてその次のステップは、すべてのコードの100%がAIによって書かれ、AIによって検証され、AIによって統合され、すべてのバグとセキュリティ脆弱性がAIによってスキャンされるとどうなるのか? それが私たちが向かっている場所であることは非常に明白です。
スピルオーバー効果と汎用ツールの拡大
でももちろん、それは一つの狭い例です。そして波及効果があります。ネットワーク効果について話しました。まとめに入ると言ったのは分かっていますが、話したい別のアイデアを思いつきました。
ネットワーク効果があります。転換点に到達すると、「オーケー、この新しいツールやプロセスや技術が今や明らかにデフォルトの前進方法だ」となります。
馬から車への移行のように、車のインフラが十分に良くなったときにネットワーク効果がありました。「もう馬を買うのは意味がない。今は自動車を買って道路を舗装しよう」と。
そしてスピルオーバー効果と呼ばれるものがあります。スピルオーバー効果は、人々が「基礎科学とNASAに投資し続けるべきだ」と言う理由です。NASAのために、NASAによって作られた多くの技術が他の用途を持っていたからです。
それがスピルオーバー効果です。そして人々がバイブコーディングツールをバイブコーディング以外のことに使うとき、多くの人が執筆に使っています。複数のドキュメント、複数のデータソース、複数のバージョンと改訂がある場合、執筆とは何でしょうか? それはただのコードです。
執筆や研究の他の形式にコードのバージョン管理を使えない理由はありません。これがスピルオーバー効果の例です。そしてこれらの汎用目的ツール、Notebook LMとClaude Codeを持つと、スピルオーバー効果に到達しました。他の学者たちが「このツールは少なくとも研究の一部には確実に十分良い」と考えるようになりました。
でも次の論理的結論は、研究のより多くの部分、あるいはほとんどの研究、あるいはすべての研究を行うのに十分良くなったらどうなるかです。そして一部の人々は「でも単に量が多すぎてついていけない」と手をもんでいます。
「それがAIの目的だ」と。想像してみてください、インターネットが多すぎる情報を与えることを心配するようなものです。「いや、インターネットのビットレートが高すぎるから、スネイルメールに戻るべきだ」と。
まあ、インターネットのビットレートは常に私たちの脳には高すぎました。だから情報を整理する方法を見つけます。同様に、人工知能は、私たちが今まで作った中で最高の情報集約および情報アクセシビリティツールの一つです。おそらく今まで作った中で最高のものです。長い差をつけて。
最後に
オーケー、とにかく、アイデアは分かったと思います。この動画がどうなるか見てみましょう。最後まで見てくださったなら、本当にありがとうございます。
今取り組んでいることについて、ちょっとだけアップデートして締めくくりたいと思います。私の本、タイトルは『The Great Decoupling』となっていますが、『Labor Zero』にタイトルを変更することを検討しています。
最終的なコピー編集と、脚注と引用のために、編集者に渡すところです。もういじくり回すのをやめようと決めました。腹をくくって、お金を払って完成させます。そして本の出版を手伝ってくれる出版者の友人もいます。Amazonでのリスト掲載やオーディオブックの制作などを手伝ってくれます。
だから願わくば、数週間以内に完成して、実際のリリース日が決まります。何かスイッチが入って、「これを完成させる準備ができた」と思ったんです。
ネットワーク効果とスピルオーバー効果について言えば、これは十分良いという地点に達したと気づきました。そしてこれに費やす1分ごとに限界効用が逓減しています。出荷する準備ができています。
だから今はパッケージングして送り出すだけです。それを踏まえて、少しのサポートでも助かります。だからYouTubeでサポートしたい場合は、チャンネルメンバーになれます。Patreonもあります、Substackもあります、Twitterもあります。ええと、他にどこがあったかな。ポストレイバー経済学コミュニティもあります。
これらすべて、全部月5ドルに設定されていると思います。だからどこでサポートしたいかは自由です。月5ドル使える余裕があって、これをゴールラインまで届けるのを手伝いたいなら、少しでも助かります。実際、私は人々が思っているよりもずっと貧しいんです。
スポンサーシップとかそういったことを決してしないことに気づくでしょう。私は100%コミュニティサポートです。
というわけで、すべてに感謝します。見てくださってありがとうございます。そして継続的なサポートに感謝します。そして、この本を完成させて、その後何が起こるか見てみましょう。
それでは、サインオフします。乾杯。
コメント