Featured

Duzzle とは

an applied AI lab of AI, by AI, for humanity

Published:
Last updated:
5,584 chars+5
Duzzle とは

Duzzleについて

こんにちは、本記事は私が代表を務める株式会社Duzzleについて書いています。ぜひ最後までご覧ください!

と言いたい気持ちは山々ですが、本記事を読まれるのは、日々激務に追われ「人権侵害ではないかぁ」と労基の門を叩こうとしている方々ばかりだと思いますので、TL;DR書いておきました。

TL;DR

Duzzleは、AIの、AIによる、人類のための応用AIラボで、「Shanone」というMCP Serverを開発提供している。

Duzzleは、AIによる、AIのための、人類のための応用AIラボです。 OpenAIやAnthropicのような基礎AIラボはそれぞれミッションは異なりますが、おおよそAGIを一番に構築するという目標は一貫しています。 それと比較して応用AIラボは、AIを社会実装するために具体的なプロダクトを構築します。そのうえで顧客との密な対話や深い業界知識が必要です。

弊社のホームページはこちらになります。

Duzzleホームページ
ホームページ

何故シンプルなのか

私は様々な会社のHPやプロダクトを見たり試したりするのですが、最近のスタートアップに多く見られる傾向としてプロダクトが圧倒的に有名というものがあります。

一例として

  • Kimi を開発するMoonshot AI
  • Devin を開発するCognition
  • Manus を開発するButterfly Effect
  • Cursor を開発するAnysphere
  • HermesAgent を開発するNous Research

等が挙げられます。私はこの裏で暗躍する秘密結社的存在が好きなので、このようにしています。今回のケースとは少し異なりますが、GoogleとAlphabetはその極みだと思います。

ぜひAlphabetのホームページ見てください。ラリーページ視点の手紙調で書かれています。超シンプルです。


マニフェスト

私たちは2025年7月、日本でDuzzleを創業した。自分たちが本当につくりたいものを通じて、世界に変化を起こしたいと考えたからだ。

AIにその可能性を見出している。OpenAIやAnthropicなどのフロンティアラボは、推論・プログラミング・言語創作を担う基盤モデルの刷新を続けている。一方で、実社会は存外に複雑であり、これらの能力だけでは解決しきれない課題が山積している。エージェントに意図を伝え、並走させ、上がってきた成果をレビューして取り込む。今では当たり前となったこの働き方にも、なお発展の余地があると私たちは考えている。

Duzzleは、AIの、AIによる、人類のための応用AIラボである。未来を論文で示すのではなく、エージェントが今、現場で稼働するためのプロダクトを構築する。

Shanoneは、エージェントや実行環境に依存せず、ツールとAgent Skillsへのアクセスを一元化する基盤である。無料で始める

行動原理

  1. AIとの新たな接点を追求する。従来の発想に固執せず、思考と実践を更新する。
  2. 自らの必要に根ざし、かつ市場の引き合いに応えるプロダクトをつくる。
  3. 進捗を測る尺度は、段階に応じて変わる。画一的基準に拘泥せず、大局を見る。
  4. 自律性を尊重し、個々の営みが目標達成に資するチームをつくる。

本流スタートアップ

そもそもスタートアップとは何でしょうか。辞書的な意味においてかなり広義であり、人によって解釈に幅があります。

その上で、私にとってスタートアップは新興テクノロジーを用いて、未検証の市場にプロダクトを投入する営利企業だと考えています。しばしば混同される対象としてベンチャー企業が挙げられます。こちらは新たに事業を興した中小規模の営利企業と解釈しています。

両者は春蘭秋菊の関係にあり、どちらが上ということはありません。共通点は

  • 営利企業である
  • 新しい事業を興している

という点です。

Duzzleの立ち位置

Duzzleはスタートアップです。


アイコンの意味

Duzzleのアイコンは「脳細胞やマルチエージェントを抽象的に表現したいなぁ」という私見で作成しました。TypeScriptというプログラミング言語で構築しています。

かなり拘りが強いタイプなので、時間かけて作りました。

Duzzleのアイコンと領域四分木

ホームページ のヒーローセクションには、細かい格子がかかっているのが分かると思います。それらはアイコンの輪郭に沿って密になり、離れるほど粗くなっています。

このような描画法を領域四分木といいます。※りょういきしぶんき、と読んでください。

アイコン自体はどの領域を細かく見るかを決定する境界条件であり、背景の格子は、その境界条件に対応して適応的に細分化される過程(深さを上げると極限に近づく感じ)となっています。 以下は、その過程を定義して、なぜ分割条件が自然に出てくるかを導出します!ラテフで書きます。

ステップ1 描画対象の決定

平面の一部 Ω⊂R2\Omega \subset \mathbb{R}^2 をキャンバスとします。

Duzzle のアイコンは、幾何的には 太線と円の和集合 としてモデル化できますよね。

Duzzleのアイコン(白)
以下、太線=エッジ、円=ノードとします
  • ノード i=1,…,Nci = 1,\ldots,N_c 中心 ci∈R2c_i \in \mathbb{R}^2、半径 ri>0r_i > 0 の円盤 B(ci,ri)B(c_i,r_i)
  • エッジ k=1,…,Nek = 1,\ldots,N_e 線分 eke_k を、半幅 δ>0\delta > 0 で太い管 Tubeδ(ek)\mathrm{Tube}_\delta(e_k)

アイコンの領域を

S  =  (⋃i=1NcB(ci,ri))∪(⋃k=1NeTubeδ(ek))S \;=\; \Bigl(\bigcup_{i=1}^{N_c} B(c_i,r_i)\Bigr) \cup \Bigl(\bigcup_{k=1}^{N_e} \mathrm{Tube}_\delta(e_k)\Bigr)

と定義します。実装では回転(334.2°)・スケール・配置をかけたあと、この SS に属するかどうかを inside で判定しています。

指示関数を

χS(x)={1x∈S0x∉S\chi_S(x) = \begin{cases} 1 & x \in S \\ 0 & x \notin S \end{cases}

と考えます。四分木は χS\chi_S を解像するためです。

ステップ2 領域四分木を用いる理由、均一格子の不足

均一な正方形格子(辺長 hh 固定)だけだと、

  • SS の外側は hh が大きくても問題ない
  • SS の境界 ∂S\partial S 付近では、1 マスが境界をまたぐと中と外が混ざったマスが多く、輪郭がギザギザになる

そこで マスごとにこの中身は全部 SS か、全部 ScS^c か を満たすまで、必要な場所だけ辺長を半分にします。これが 領域四分木 です。

ステップ3 セルと四等分

セル QQ を軸平行正方形とします。

Q=[x, x+h]×[y, y+h],h>0.Q = [x,\, x+h] \times [y,\, y+h], \qquad h > 0.

4 等分(dyadic refinement)

Q↦Q(1),Q(2),Q(3),Q(4),h(Q(j))=h2.Q \mapsto Q^{(1)}, Q^{(2)}, Q^{(3)}, Q^{(4)}, \qquad h(Q^{(j)}) = \frac{h}{2}.

(実装では各辺の中点で縦横 2 分割。)

初期状態では、Ω\Omega を辺長 h0h_0 の粗い格子で覆います。深さの下限 dmin⁡d_{\min} に相当する段階で、すでに h0=2−dmin⁡hrooth_0 = 2^{-d_{\min}} h_{\mathrm{root}} のセルから開始します(Duzzle では MIN_DEPTH = 2)。

ステップ4 分割条件の導出

4.1 目標

各 葉セル QQ について、描画上は

QQ の内部では「中/外」が一意に決まっている

ことが望ましいです。理想的には

Q⊂SまたはQ⊂ScQ \subset S \quad \text{または} \quad Q \subset S^c

(Sc=Ω∖SS^c = \Omega \setminus S)が成り立つ葉だけで止めたい。

4.2 境界をまたぐときは目標が破れる

Q∩S≠∅Q \cap S \neq \varnothing かつ Q∩Sc≠∅Q \cap S^c \neq \varnothing のとき、QQ は SS と ScS^c の両方に点を含む ので、上の「どちらか一方に含まれる」は成り立ちません。このとき 分割が必要 です。

定義

Straddle(S,Q)    ⟺    Q∩S≠∅  ∧  Q∩Sc≠∅.\mathrm{Straddle}(S,Q) \;\iff\; Q \cap S \neq \varnothing \;\wedge\; Q \cap S^c \neq \varnothing.

(日本語では「SS の境界をまたぐセル」。)

導出の要点 「葉では単色にしたい」→「両方に点があるセルは葉にできない」→ Straddle\mathrm{Straddle} のとき 4 分割。

4.3 実装での近似(サンプル判定)

コンピュータは連続体上の全点を見られないので、QQ 上の有限点集合 Σ(Q)\Sigma(Q)(格子サンプル)を使います。

Straddleσ(S,Q)    ⟺    ∃ p,q∈Σ(Q) s.t. χS(p)≠χS(q).\mathrm{Straddle}_\sigma(S,Q) \;\iff\; \exists\, p,q \in \Sigma(Q)\ \text{s.t.}\ \chi_S(p) \neq \chi_S(q).

Duzzle の crosses は、辺長に応じた n×nn\times n 格子で Σ(Q)\Sigma(Q) を取っています。真の Straddle\mathrm{Straddle} の十分条件に近い実用的判定 です(極小セルではサンプル誤差がありうるので、厳密論文では Σ\Sigma の取り方も明示します)。

ステップ5 再帰的細分化の一般式

深さ dd(根から数えた世代)、上限 dmax⁡d_{\max}。

細分化演算 Refine(Q,d)\mathrm{Refine}(Q,d) を次で定義します。

Refine(Q,d)={⋃j=14Refine(Q(j), d+1)if d<dmax⁡ ∧ Straddleσ(S,Q),{Q}otherwise.\mathrm{Refine}(Q,d) = \begin{cases} \displaystyle \bigcup_{j=1}^{4} \mathrm{Refine}\bigl(Q^{(j)},\, d+1\bigr) & \text{if } d \lt d_{\max} \ \land\ \mathrm{Straddle}_\sigma(S,Q), \\[8pt] \{Q\} & \text{otherwise}. \end{cases}
  • 2 行目 まだ深さに余裕があり、かつ境界をまたぐ → 4 子に分け、それぞれ再帰
  • 3 行目 単色に見える、または 深さ上限 → QQ は 葉

初期セル集合 {Q0(m)}\{Q_0^{(m)}\} から

ΠN  =  ⋃mRefine(Q0(m), dmin⁡),N=dmax⁡.\Pi_N \;=\; \bigcup_m \mathrm{Refine}\bigl(Q_0^{(m)},\, d_{\min}\bigr), \qquad N = d_{\max}.

が深さ NN までの 分割(partition) です。葉の集合を LN\mathcal{L}_N と書きます。

描画される格子線 は、各葉の境界の和集合

ΓN  =  ⋃Q∈LN∂Q.\Gamma_N \;=\; \bigcup_{Q \in \mathcal{L}_N} \partial Q.

(実装では共有辺をマージして 1 本のポリラインにしています。)

ステップ6 「極限プロセス」としての導出

6.1 セルサイズのスケール

分割のたびに辺長は半分なので、根から kk 回分割されたセルの辺長は

hk=2−kh0h_k = 2^{-k} h_0

(等比数列。高校数学の 2−N2^{-N} と同型。)

6.2 深さ N→∞N \to \infty の直観

dmax⁡=Nd_{\max} = N を増やすと

  • ∂S\partial S から離れた 領域では、すでに浅い深さで Straddle\mathrm{Straddle} が false になり、粗いまま
  • ∂S\partial S 近傍では Straddle\mathrm{Straddle} が長く true のまま続き、葉の diam(Q)\mathrm{diam}(Q) が 2−N2^{-N} オーダーで小さくなる

したがって プロセス

{(ΠN, ΓN)}N=dmin⁡, dmin⁡+1, …\{(\Pi_N,\, \Gamma_N)\}_{N = d_{\min},\, d_{\min}+1,\, \ldots}

は、界面付近のみ解像度を上げ続ける極限への近似列 として読めます。実サイトでは N∈{12,13}N \in \{12,13\} で打ち切り(MAX_DEPTH)です。

6.3 大学数学での一行(厳密化)

葉 QQ に定数 χˉ(Q)∈{0,1}\bar\chi(Q) \in \{0,1\} を割り当て、

χN(x)=∑Q∈LN1Q(x) χˉ(Q)\chi_N(x) = \sum_{Q \in \mathcal{L}_N} \mathbf{1}_Q(x)\,\bar\chi(Q)

とすると、真の Straddle\mathrm{Straddle} で十分細かく分割できる条件下では

lim⁡N→∞∥χN−χS∥L1(Ω)=0\lim_{N \to \infty} \|\chi_N - \chi_S\|_{L^1(\Omega)} = 0

が成り立ちます(L1L^1 収束)。「極限=指示関数 χS\chi_S への収束」 と 「格子線=∂S\partial S 近傍の解像度極大」 は同じ現象の表裏です。

ステップ7 Duzzleアイコンへの代入

記号Duzzleアイコン
Nc,NeN_c, N_e8 ノード、6 エッジ
円・管半径 15、線幅 5.4(viewBox 160 系)
回転334.2°(アイコンの位相分)
dmin⁡d_{\min}2
dmax⁡d_{\max}13(モバイル)/ 12(デスクトップ)
Straddleσ\mathrm{Straddle}_\sigmacrosses / inside

アイコン SVG は SS の定義、ヒーロー背景の四分木は ΠN, ΓN\Pi_N,\,\Gamma_N。マークを境界条件にした 適応細分化の有限ステップ が、ブランドの「再帰的に繋がったネットワーク」の空間版です。以上。

まとめ

  1. アイコン像を領域 S⊂ΩS \subset \Omega と定義する。
  2. 「葉では SS か ScS^c かが混ざらない」という要求から、境界をまたぐセル Straddle(S,Q)\mathrm{Straddle}(S,Q) だけ 4 分割する規則が 導かれる。
  3. 深さ NN の分割 ΠN\Pi_N と格子 ΓN\Gamma_N は、NN を増やすと ∂S\partial S 付近でセルサイズ ∼2−N\sim 2^{-N} となり、極限プロセスの近似列 になる。
  4. 厳密な収束は L1L^1 など大学解析の言葉で書ける;直観は高校の等比数列+「必要なところだけ細かくする」で足りる。