MIT無料AIテキスト12冊をClaudeプロジェクトに入れたら、リサーチシステムが完全に生まれ変わった

MITはこの分野を構築した研究者たちが書いた大学院レベルのAIテキスト12冊を公開した。すべて無料だ。ほとんど誰も使っていない。 12冊すべてをダウンロードしてClaudeプロジェクトに読み込ませた。その後何が起きたかが、私が30日前と同じリサーチセットアップを使わなくなった理由だ。これは無料教育についての投稿ではない。Claudeをチャットボットとして使うのをやめて、第一原理から推論するシステムとして使い始めたらどうなるかについてだ。 ## MITカリキュラムの実態この分野を構築した研究者たちが書いた12冊のテキスト。YouTubeのサマリーでもブログ記事でもない。誰もが話題にしているモデルを構築した人々を生み出した機関からの一次資料だ。カリキュラムは6つの層をカバーする：ML基礎、ディープラーニング、強化学習、アルゴリズム、倫理、確率論。ほとんどの人はこれを読書リストとして扱う。私はリサーチシステムのトレーニングデータとして扱った。 ## 実際にやったこと 12冊すべてを1つのClaudeプロジェクトにアップロードした。手動で検索する参照資料としてではなく。そのプロジェクトで行うすべての会話に永続的に存在するコンテキストとして。その違いは重要だ。Claudeは質問したときに本を流し読みするわけではない。本から推論する。すべての出力には、ほとんどの個人向けリサーチツールがアクセスできない理論的基盤が下に存在する。それらのツールはそのレイヤーを念頭に置いて構築されていないからだ。 ## すぐに変わったこと最初に気づいたのは、Claudeがシグナルを描写するのをやめ、シグナルが存在する理由を説明し始めたことだ。テキスト以前は、Claudeに市場構造の分析を依頼するとパターンマッチングをしていた。チャートの見た目を教えてくれた。RSI過買い、移動平均収束、そのレベルの出力だ。テキスト後、同じ質問がまったく異なるものを生み出した。Claudeは分布特性について推論し始めた。視覚的なパターンだけでなく、市場行動が統計的規範から逸脱している時を指摘した。価格履歴ではなく確率論から作業するようになったため、レジームチェンジをより早く捉えるようになった。これは小さなアップグレードではない。異なるカテゴリのツールだ。 ## 私を止めた瞬間プロジェクト内でポジションサイジングフレームワークを構築していた。ケリー基準をベースラインとして言及した。 Claudeは反論した。ケリー基準は数学的に暗号資産には不十分だと教えてくれた。なぜなら暗号資産のリターンはケリーが構築された前提に違反するファットテール分布に従うからだ。そして確率的MLテキストの重いテール推論の章から直接引用し、そのマテリアルに基づいた修正フレームワークを提示した。促されずに。求めていないのに。完全に正しかった。それは無料のClaudeプロジェクトにアップロードした無料のMITテキストから来た。 ## 6つの層とそれぞれが解放したもの ### 基礎 **1. Foundations of Machine Learning — Mehryar Mohri ら** 理論的バックボーン。学習アルゴリズムが機能する数学を、使い方だけでなく理由からカバーする。このテキスト以降、Claudeは表面的なパターン認識をやめた。価格行動の下にある統計力学を説明し始めた。http://mlbook.cs.nyu.edu **2. Understanding Deep Learning — Simon J.D. Prince** ニューラルネットワークが実際に情報を処理し重み付けする方法の最も明確な説明。これを読んでプロンプトの書き方が変わった。Claudeが応答するときに何をしているかを理解するようになった。https://udlbook.github.io/udlbook **3. Machine Learning Systems — 無料MITカリキュラムリソース** 理論と実装の橋渡し。モデルが現実の環境でどのように構築・展開・失敗するか。Claudeの制限を理解するために重要。それは能力を知ることと同様に重要だ。https://mlsysbook.ai ### 高度な技術 **4. Algorithms for Decision Making — Kochenderfer, Wheeler, Wray** エントリー、ホールド、エグジットの考え方を再構築した本。不確実性下での逐次決定をポリシー問題として扱う。これがClaude内でのポジション管理の構造化の理論的基盤になっている。https://algorithmsbook.com **5. Deep Learning — Goodfellow, Bengio, Courville** オリジナルのディープラーニングテキスト。密度は高いが基礎的。これを理解することで、特定のClaude動作がなぜ起き、どのように回避するかがわかる。https://www.deeplearningbook.org ### 強化学習 **6. Reinforcement Learning: An Introduction — Sutton and Barto** RLのバイブル。すべてのエージェント、逐次推論を行うすべてのClaudeツールは、この本に起源を遡る。マルチステップタスクでClaudeがどのように機能するかを理解したければ、ここから始めよう。http://incompleteideas.net/book/the-book.html **7. Distributional Reinforcement Learning — Bellemare ら** ほとんどの人がスキップする本だ。期待報酬から結果の完全な確率分布へとフレームをシフトする。その区別は暗号資産では非常に重要で、リターンの分布はファットテールで非対称だ。https://www.distributional-rl.org **8. Multi-Agent Reinforcement Learning — Albrecht, Christianos, Schafer** 複数の意思決定エージェントが共有環境でどのように相互作用するかを学ぶ。マルチエージェントのClaudeセットアップを考えている人や、市場参加者が集合的に価格ダイナミクスを生み出す仕組みを理解しようとしている人に関連する。https://marl-book.com **9. Algorithms for Decision Making (Long Game) — Kochenderfer** 長い時間軸にわたる不確実性下での意思決定に特化。確率的フレームワークは、不完全な情報を持つポートフォリオ構築とポジションサイジングに直接適用できる。https://mykel.kochenderfer.com/textbooks ### 倫理と確率 **10. Fairness and Machine Learning — Barocas, Hardt, Narayanan** 過小評価されている層。モデルが壊れる場所とバイアスが入り込む場所を理解することは、Claudeの出力をいつ信頼しないかを知るために重要だ。ほとんどの人はこの本を無視する。読んだ人はAIツールをより正確に使う。https://fairmlbook.org **11. Probabilistic Machine Learning: An Introduction — Kevin Murphy** 第1巻。先ほど説明したケリー基準の瞬間を引き起こした本だ。Murphyはすべての概念を確率論から積み上げる。これをClaudeに与えると、まったく異なる分析ベースラインを持つ。https://probml.github.io/book1.html **12. Probabilistic Machine Learning: Advanced Topics — Kevin Murphy** 第2巻。因果推論、不確実性下での意思決定、生成モデルを大学院レベルでカバー。Claudeに私のフレームワークを確認するのではなく挑戦する理論的根拠を与えた層だ。https://probml.github.io/book2.html ## このシステムがおそらくあなたのシステムにはできないことほとんどのClaudeユーザーはコンテキストウィンドウと良いプロンプトで作業している。私はすべての会話の下に12冊のMITテキストが存在するプロジェクトで作業している。出力品質の差は微妙ではない。市場構造について尋ねると、Claudeはトレーニングデータだけから推測しているのではない。クオンツファンドがアナリストに6桁の給料を払って理解させる大学院レベルの確率論とML理論から推論している。そのマテリアルは無料だ。プロジェクトのセットアップは1午後でできる。それが生み出すリサーチ上の優位性は期限切れしない。 ## 自分で構築する方法すべての12冊をリンクからダウンロードする。すべて無料で公開されている。新しいClaudeプロジェクトを作成する。集中したシステムプロンプトを与える：あなたはML理論と確率論に根ざしたリサーチシステムです。すべての出力に第一原理推論を適用してください。本をプロジェクトナレッジとしてアップロードする。2つの確率的MLボリュームとML基礎の本から始める。その3冊だけで出力が即座に変わる。すでに答えを知っている本物のリサーチ質問でテストする。最初の応答で深さの違いが明らかになるだろう。そこから構築する。本が提供する理論的基盤の上に、自分のリサーチノート、自分のフレームワーク、自分の特定の市場フォーカスのデータソースを追加する。本がClaudeに理論を与える。あなたが特定の市場フォーカスのコンテキストを与える。その組み合わせが、ほとんどの人が構築していないものだ。 ## 正直な注意事項このセットアップは判断を置き換えない。MITテキストから推論するClaudeはまだClaudeだ。まだ間違える。まだ見逃すものがある。しないのは、洞察として装った浅い分析を提供することだ。理論的な根拠が強制的に異なる品質の出力をもたらす。ベースラインが高いため、不十分な場合により早く気づく。そのフィードバックループだけで、セットアップにかかる1午後の価値がある。 ## このウィンドウは開いたままではない今、CT上のほとんどの人はClaudeをより良い文法を持つ検索エンジンとして使っている。より小さなグループがアップロードされたコンテキストを持つプロジェクトを構築している。はるかに小さなグループが、一次資料のML理論をそれらのプロジェクトに読み込ませ、実際のリサーチ決定にその出力を使っている。その最後のグループは機会に対して小さくなっており、大きくはなっていない。本は無料だ。プロジェクトは無料だ。セットアップは1午後だ。これについて読む人々と実際に構築する人々の間の差は、CTオペレーターの実際の仕事の仕方における最も目に見える分断の一つになっている。

MIT無料AIテキスト12冊をClaudeプロジェクトに入れたら、リサーチシステムが完全に生まれ変わった

AIFCC — AI Fluent CxO Club