RT Jared Friedman: Claudeは人間とのコーディングセッションでRL（強化学習）されていた。しかし、Claude Codeを使えば使うほど、自分がClaude CodeにRLされていることに気づく——...
Claudeは人間とのコーディングを通じて強化学習（RL）されていたが、ユーザーもClaude Codeを使う中で、最も効果的な指示の出し方や、Claudeが忘れたり誤解したりしがちなことを学習している。これは人間とAIの共進化の一形態のように感じられる。
背景メモ
- **RL (Reinforcement Learning／強化学習)**：AIが試行錯誤と報酬を元に行動を最適化する学習手法。投稿では「人間もAIに合わせて行動を変えている」という逆転現象を指す。
- **Claude (クロード)**：Anthropic社が開発したAIアシスタント。Postに登場する**Claude Code**は、Claudeが自律的にコードを読み書き・実行できるコーディング特化モード。
- **Jared Friedman**: Y Combinatorのパートナーで、スタートアップ支援とAI開発の交差点にいる人物。
- **Paul Graham**: YC共同創業者であり、元のポストをリツイートした著名スタートアップ投資家・エッセイスト。
- **背景**: AI（特に大規模言語モデル）は人間のフィードバックによる強化学習（RLHF）でトレーニングされるのが一般的だが、ここでは人間がAIへの指示方法を自ら最適化する「逆強化学習」のような共進化が起きている、という観察。