教材の地図
— カテゴリではなく、つながりで読む

ローカル特許RAG構築から低コストAIバッチ処理まで、運用基盤を体系的に理解できる。

OllamaChromaDBnomic-embed-textHBOパターンローカル特許RAGAIバッチ処理

1. 1●●○ローカルLLM導入入門 — GGUF変換とOllama運用ローカルLLM実行の前提となるOllama環境構築を最初に押さえる。
2. 2●●○ローカル特許RAGを組む — PyPDF × Ollama × ベクトル検索特許PDF処理とベクトル検索を統合したRAGの全体像を把握する。
3. 3●●○ベクトルDB & ティアードアーキテクチャ — コスト最適化の原理RAGを支えるベクトルDBとティアード設計のコスト最適化原理を学ぶ。
4. 4●●○AIエージェント 低コスト大量バッチ処理（HBOパターン）LLM推論コストを最小化するHBOパターンという応用設計を習得する。

LLM推論のメモリ律速の物理的根拠と、vLLM等による最適化技術の全体像が把握できる。

vLLMKVキャッシュDGX Spark量子化PagedAttention4bit

1. 1●○○LLMを「モデル」と「ランタイム」で分けて理解するモデルとランタイムの区別から入り前提知識を最小化する。
2. 2●○○KVキャッシュと回帰性 — 生成が遅い本当の理由と、それを畳む3つの「回帰」KVキャッシュというボトルネックの正体を電卓で体感する。
3. 3●●○1トークンの旅 — 帯域・廊下・教科書の厚さ帯域と計算の関係を4語彙で整理し物理的制約を理解。
4. 4●●○vLLMは何を速くしているのか — 渋滞・ページング・量子化、そして公開したときの穴PagedAttention等の具体的な最適化技術と誤解を解消。
5. 5●●●Transformer / Hugging Face スタック 構造化リファレンス — 原理・実装・拡張の三層を、制約から読み直す量子化や分散まで含めた応用・発展として全体を統合。

Transformerの基礎から学習・推論の最適化まで、実装の全体像を把握できる。

Transformer大規模言語モデルLoRAViTAttentionSentencePiece

1. 1●○○大規模言語モデルを、ざっくり理解する（対話型）LLMの基本概念を触って理解し、前提知識を最小限にする。
2. 2●●○3Blue1Brown「But what is a GPT?（Transformer入門）」Attentionの視覚的イメージを補い、Transformer構造を定着させる。
3. 3●○○KVキャッシュと回帰性 — 生成が遅い本当の理由と、それを畳む3つの「回帰」推論のボトルネックであるKVキャッシュの仕組みを体感する。
4. 4●●○vLLMは何を速くしているのか — 渋滞・ページング・量子化、そして公開したときの穴vLLMによる高速化技術と実運用上の課題を応用として学ぶ。
5. 5●●●Transformer / Hugging Face スタック 構造化リファレンス — 原理・実装・拡張の三層を、制約から読み直す制約軸で技術全体を統合し、実装エコシステムを俯瞰する。

Claudeの法的リスクと社内統制の全体像を把握できる。

AnthropicClaudeBartz 訴訟SlackProject PanamaRecord a skill

1. 1●○○AI活用の4つのD — プロンプトは4分の1の、そのまた一部AI活用基礎を学び、前提知識を最小限にする。
2. 2●●○Project Panama と Bartz 訴訟 — 15億ドルは何に対して支払われたのか【事実整理】Bartz訴訟の事実整理で、法的リスクの核心を理解。
3. 3●●○AI蒸留と知財制度の空白 — なぜ既存の4類型で処理できないのか蒸留問題の制度論を深め、知財リスクの構造を把握。
4. 4●●○塞げる穴と、塞げない穴 — SlackにAIを繋ぐときの内部統制Slack接続の内部統制で、組織内ガバナンスを学ぶ。
5. 5●●○制度は革命の後に来る — それでも、あなたはいま判断しなければならない【論考】制度ラグの論考で、応用的な判断力を身につける。

AIが知財実務の制度・リスク・競争優位に与える影響を把握できる。

本人確認ID.me特許出願日誌リスク評価マドプロ費用シミュレーター（区分数対応）

1. 1●○○日本刀とドローン — 知財実務オンライン第301回を終えて知財実務の現状とAI適用の入口を平易に理解できる。
2. 2●●○AIは訴訟を溢れさせ、特許出願を溢れさせない — 米国の代理制度165年史と、MIT/USCの実証AIが特許出願と訴訟に与える影響の核心を把握する。
3. 3●●○数えていないものは、起きていないのか — AIと特許出願、五つの特許庁を数え直す各国の実態を一次資料で検証し、制度の安定性を理解。
4. 4●●○AIが安くするもの、安くしないもの — 競争優位の再配分AI時代における競争優位の再配分という応用を学ぶ。

AIコーディングツールの導入から安全な自動化運用までを体系的に理解できる。

Claude CodeCodexOpenAIVibe Coding GuideCodex CLIAIエージェント・オーケストレーションと知識工学

1. 1●○○Vibe Coding Guide（nagiさん作）— はじめの一歩・作業の型AIコーディングの基本的な作業フローをまず把握する。
2. 2●○○Claude Code 環境セットアップ — デスクトップアプリ と CLI主要ツールClaude Codeの環境構築を安全に完了させる。
3. 3●○○Codex 環境セットアップ — ChatGPTアプリ と CLIもう一つの主要ツールCodexの導入と使い分けを学ぶ。
4. 4●●○コピペリレーを消す — Claude Code × Codex レビューループの自動化両ツールを連携させた高度な自動化と安全運用を習得する。

AIエージェント設計を特許実務に適用し、知的財産戦略を構造化データで可視化する全体像が把握できます。

知財ビジネスモデル図鑑高峰譲吉特許DBビューOrchestrator-WorkerPPQATEvaluator-Optimizer

1. 1●○○知財ビジネスモデル図鑑 — 発明と、その守り方の型を歴史事例で読む歴史的事例で知財戦略の基礎概念を直感的に理解する入口です。
2. 2●●○エージェント設計を知財実務に接続する（Orchestrator × Evaluator）エージェント設計パターンを実務に接続する核となる理論を学びます。
3. 3●●○判例エージェント模擬弁論 — 原告×被告(Devil's Advocate)×判事(Evaluator)設計思想を判例分析という具体例で実演し、理解を深めます。
4. 4●●○特許DBビュー — 図鑑の実在特許を構造化データにする学んだ戦略を構造化データとして扱うツール開発に応用します。

AI知財変革の構造と、歴史が示す人間とAIの関係の再定義が分かる。

MCPエージェントChatGPT『女工哀史』エージェンティック開発pmgs-reference

1. 1●○○AI適用後の現在地 — 知財実務オンライン出演デッキ（続・新事業創出×知的財産戦略）道具化から工場への階段を概観し全体像を掴む入口。
2. 2●○○MCPの先にある特許情報サービス ── 壊れるのは「席課金×探索UI」の結合であって、GUIではないMCPによるビジネスモデル崩壊の具体的帰趨を理解する。
3. 3●○○金の鎖が無いばかり — 『女工哀史』で読む生成AI・エージェンティック開発女工哀史の比喩で人間とAIの力学を自己診断する。
4. 4●●○AI時代の現象学的知性論認識構造の外部化という哲学的視点で応用を深める。

AI×知財の学習基盤から戦略的実践まで、もくもく会の全体像を把握できる。

知財実務オンラインClaude Academy羽矢﨑 聡掲示板はじめての7週間mokumoku.ipfde.com

1. 1●○○はじめての7週間 — Claude Academy を教科書にした基礎ブートキャンプ前提知識が少なく、AI活用への第一歩を踏み出せる。
2. 2●○○note × もくもく会 — 165本の棚卸しと、相互に辿るための地図教材の全体像を俯瞰し、各コンテンツの位置づけを理解する。
3. 3●○○AI適用後の現在地 — 知財実務オンライン出演デッキ（続・新事業創出×知的財産戦略）AI適用の具体的段階と実践的な進め方を学ぶ。
4. 4●○○知財業務のAIパイプライン化 — 作業の置換から、判断の基盤へ業務プロセスの成熟度モデルを深め、戦略的視点を得る。
5. 5●○○日本刀とドローン — 知財実務オンライン第301回を終えて最終的に知財の非対称戦という応用的な戦略を考察する。

GraphRAGの原理から知財業務への応用まで、RAG技術の全体像を把握できる。

GraphRAGRAGFrom Local to GlobalMicrosoftGlobal SearchLightRAG

1. 1●○○確率で次の単語を選ぶだけなのに、なぜ考えているように見えるのかLLMの基礎動作を理解し、RAG導入の前提知識を固めるため。
2. 2●○○LLMを「モデル」と「ランタイム」で分けて理解するモデルとランタイムの区別を整理し、技術スタックの基礎を学ぶため。
3. 3●●●GraphRAG入門 — 非構造テキストから知識グラフへGraphRAGの仕組みと知財活用を段階的に解説した入門書を読むため。
4. 4●●●GraphRAG 原論文を読む — From Local to Global（Edge et al., 2024）原論文を読み、技術の限界と詳細な仕組みを深く理解するため。

AIエージェントによる知財業務自動化の技術基盤と要件管理を統合理解できる。

AIエージェントSQLiteFastAPIJSONFTO調査YAML＋Markdown＋JSONの三層構造

1. 1●○○FastAPI × SQLite で作る、いちばん小さなバックエンドバックエンド構築の前提となる最小構成をまず体得する。
2. 2●○○AIエージェントへ仕事を渡すための要件管理 — YAML＋Markdown＋JSONの三層構造AIへの指示を明確にする三層構造の要件管理を学ぶ。
3. 3●●○FTO調査 × AIエージェント — 12工程の分解とAI適用FTO調査の工程分解とマルチエージェント設計を応用する。

Gitの分散設計からXet技術、そしてAIモデル流通エコシステムまでを統合理解できる。

Hugging FaceGitGitHubnpmXetQwen

1. 1●○○remote は、GitHubのことではない — 手元とtailnetだけで回すGitGitのremote概念をGitHub依存から解放し、分散型の前提知識を最小限で得る。
2. 2●●○三台で、同じものを二度作る — Gitの内部構造を8層で読むGitの内部構造（Merkle DAG等）を深く理解し、後続のデータ管理技術の基礎を固める。
3. 3●●○Hugging Face は何のレジストリか — GitHub / Docker Hub / npm と並べて読むGitの思想がHugging FaceやXetのストレージ技術にどう拡張・適用されているかを解説する。
4. 4●●●Transformer / Hugging Face スタック 構造化リファレンス — 原理・実装・拡張の三層を、制約から読み直す基盤技術の上に成り立つTransformerや推論エンジンの応用層を、制約の観点から発展的に学ぶ。

Kimi K3の技術系譜と地政学的リスクを、基礎から応用まで体系的に理解できる。

Kimi K3Moonshot AI杨植麟Ruslan SalakhutdinovApple社Mac Studio

1. 1●●○深層学習の系譜と地政学 — トロント大の一研究室から、上海の講演台まで前提となる技術的起源と地政学的文脈を把握する入口。
2. 2●●○Kimi K3 をローカルで動かすためのハードウェア要件と調達候補Kimi K3の具体的な技術仕様と実行要件を理解する。
3. 3●●○AI蒸留と知財制度の空白 — なぜ既存の4類型で処理できないのか蒸留疑惑の背景にある知財制度の構造的空白を解説。
4. 4●○○ゴールドラッシュ時代に何が儲かるか — 知財実務オンライン第155回を、3年後に読み直す知財戦略の応用として、ゴールドラッシュ比喩を再評価。

知財業務でAI検索を低コストに最適化する設計思想と実装手順が分かります。

RRF 融合検索ティアードアーキテクチャ概念の幾何学Reciprocal Rank FusionWord2VecベクトルDB

1. 1●○○概念の幾何学 — 意味が空間の中に形を持つということベクトル検索の根拠となる概念の空間構造を直感的に理解する入口です。
2. 2●●●RRF 融合検索の3本柱（Reciprocal Rank Fusion）検索精度の核となるRRF融合の原理と実装方法を習得します。
3. 3●●○ベクトルDB & ティアードアーキテクチャ — コスト最適化の原理コスト最適化の鍵となるティアードアーキテクチャの設計原理を学びます。
4. 4●●○ローカル特許RAGを組む — PyPDF × Ollama × ベクトル検索学んだ原理をローカル環境で特許RAGとして具体化する応用編です。

職務発明規程をAI業務フローとして再設計し、法的基盤と実務上の課題を把握できる。

職務発明規程特許庁状態機械権限行列AI化レイヤ小山和宏

1. 1●●○規程は業務フローである — 職務発明規程を状態機械・権限行列・AI化レイヤで書き直す規程を状態機械等で分解する設計フレームワークの核となるため。
2. 2●●○制度は革命の後に来る — それでも、あなたはいま判断しなければならない【論考】制度の遅れを踏まえたAI導入の判断基準を理解するため。
3. 3●●○AIは訴訟を溢れさせ、特許出願を溢れさせない — 米国の代理制度165年史と、MIT/USCの実証AIが特許出願に与える影響を米国の実証データで確認するため。
4. 4●●○数えていないものは、起きていないのか — AIと特許出願、五つの特許庁を数え直す日米豪英韓の一次資料でAIと特許出願の関係を再検証するため。

AI加速と制度の非圧縮性を踏まえた、現代の知財戦略再定義の全体像が把握できる。

Machines of Loving Grace目的-手段ロジックツリー知財戦略Dario Amodei標準化The Adolescence of Technology

1. 1●○○AlphaFold（タンパク質構造予測）｜Google DeepMindAIによる研究加速の具体例から、圧縮された21世紀の前提を直感的に理解できる。
2. 2●●○Dario Amodei「Machines of Loving Grace」（日本語図解）AIがもたらす制度変革の全体像と、既存戦略の限界という問題意識を提示する。
3. 3●●○AI蒸留と知財制度の空白 — なぜ既存の4類型で処理できないのか既存IP制度の構造的な穴を明確にし、再定義が不可欠な理由を論理的に裏付ける。
4. 4●●○目的-手段ロジックツリー（事業課題→技術目標→解決手段）課題分解と戦略軸の統合という、再定義された知財戦略の実践的フレームワークを学ぶ。
5. 5●○○ゴールドラッシュ時代に何が儲かるか — 知財実務オンライン第155回を、3年後に読み直す時間軸をまたいだ視点で、戦略の持続可能性と応用的な位置取りを考察する。

Tailscaleによる鍵不要SSHとローカルGit運用の仕組みと実践手順が分かる。

TailscaleremotetailnetSSHWireGuardTailscale SSH

1. 1●○○remote は、GitHubのことではない — 手元とtailnetだけで回すGitGitHub依存を脱却し、tailnet内でのGit運用の基本をまず理解する。
2. 2●●○通れたこと自体が認証である — Tailscale の VPN と SSHその基盤となるTailscale SSHの認証原理とWireGuard層を深く理解する。
3. 3●●○三台で、同じものを二度作る — Gitの内部構造を8層で読むGitの内部構造を把握し、複数環境でのローカル運用の課題を解決する。

AI活用による知財業務の役割再設計と、相関誤りリスクの管理フレームワークが理解できる。

弁理士法人相関する誤り二重レビュー問題企業知財観点データ企業知財部門

1. 1●●○弁理士法人 × 企業知財部門の役割再設計（AI前提）Creator/Reviewer非対称性という前提知識をまず押さえる。
2. 2●●○二人で見たのに、二回見ていない — 相関する誤りと、多様性の維持コスト非対称性が招く相関誤りの具体像と対策を学ぶ。
3. 3●●○「両方が残る」という前提 — 役割分担の議論に足りない5つ役割分担の前提自体を批判し、議論の深掘りを行う。
4. 4●●●AI前提時代の弁理士法人×企業知財 連携設計（対話型）全体構造を統合した応用的な連携設計フレームを把握する。

AI蒸留の知財空白と、社内規程による多層リスク管理の全体像が把握できます。

AI蒸留生成AI画像社内規程著作権『図解 生成AI 社内規程の作り方』AI知識蒸留

1. 1●○○線が引けないルールを、どう書くか — 生成AI画像と社内規程の設計論前提知識不要で、社内規程の3層モデルという実務的枠組みをまず理解します。
2. 2●●○AI蒸留と知財制度の空白 — なぜ既存の4類型で処理できないのかなぜ既存の知財4類型でAI蒸留を扱えないのか、構造的空白を制度的に理解します。
3. 3●●○制度は革命の後に来る — それでも、あなたはいま判断しなければならない【論考】制度の遅れを踏まえ、今すぐ判断すべきリスク管理の重要性を応用的に考察します。

MoEの計算効率とLLM-jp-4の知財活用を、ローカル運用まで一気通貫で理解できる。

MoELLM-jp-4VRAMllm-jp-4RouterDense

1. 1●○○KVキャッシュと回帰性 — 生成が遅い本当の理由と、それを畳む3つの「回帰」生成遅延の根本原因を体感し、MoE理解の前提となる。
2. 2●●○Dense と MoE — 総パラメータ大・活性化小の謎DenseとMoEの計算量とメモリ差を直感的に把握できる。
3. 3●●○LLM-jp-4 技術解説 & 導入ガイド国産LLM-jp-4の技術特性と導入方法を具体的に学ぶ。
4. 4●●○ローカルLLM導入入門 — GGUF変換とOllama運用GGUF変換とOllamaで手元環境での運用スキルを習得。
5. 5●●●AIエージェント・オーケストレーションと知識工学MoEをエージェント設計に組み込む応用的な視点を獲得。

AI時代の発明者性要件と実務上の責任境界を、法制度から設計論まで一貫して理解できる。

USPTOhIEBEATLESSAI支援発明の発明者性ガイダンス長谷敏司レイシア

1. 1●●○USPTO「AI支援発明の発明者性ガイダンス」（日本語図解）AIは発明者になれないという法的な前提と最新ガイダンスをまず押さえる。
2. 2●○○BEATLESS — 道具は責任を取れない、ゆえに人間が引き受ける法的枠組みを補完し、人間が責任を引き受けるべき理由を比喩で理解する。
3. 3●●○AIは訴訟を溢れさせ、特許出願を溢れさせない — 米国の代理制度165年史と、MIT/USCの実証AIが特許出願を溢れさせない理由と、代理制度の歴史的変遷を把握する。
4. 4●●○規程は業務フローである — 職務発明規程を状態機械・権限行列・AI化レイヤで書き直す最終的に、責任境界を明確にした職務発明規程の具体的な設計法を学ぶ。

三相誘導モーターの技術的制約と、特許だけでは事業化が難しい理由が分かります。

三相誘導モーターテスラエジソンウェスティングハウスリバース・サライエント動力変換

1. 1●○○知財ビジネスモデル図鑑 — 発明と、その守り方の型を歴史事例で読む知財戦略の基礎的な型を歴史事例で理解する入口です。
2. 2●●○ティースの専有可能性レジーム — 発明で勝った者が、事業で負けるのはなぜか特許だけでは不十分という理論的枠組みを学びます。
3. 3●●●ボトルネックは、動く — 三相誘導モーターとリバース・サライエント本塊の核心である三相誘導モーターの技術的意味を深掘りします。
4. 4●●●テスラは、取締役会にいない — Tesla in the Deeptech Startup（書籍骨子）ボトルネックの移動という発展的な視点で応用します。

PHOTONの階層化推論効率技術とRecGenによる高速化の仕組みが理解できる。

PHOTONRecGen富士通HierGenTPMBlock Transformer

1. 1●○○KVキャッシュと回帰性 — 生成が遅い本当の理由と、それを畳む3つの「回帰」KVキャッシュという生成遅延の根本原因を基礎から理解する。
2. 2●●○vLLMは何を速くしているのか — 渋滞・ページング・量子化、そして公開したときの穴vLLM等の既存推論最適化技術との違いを把握する。
3. 3●●○富士通 PHOTON — 「475倍」の正体と、横に読むか縦に読むかPHOTON特有のRecGen手法と効率化の実体を確認する。