AIと人間の能力の拡張
はい、こんにちは。はんなりポッドキャストが始まりました。 今回は25回目です。
今回は、Kaisenさんがお休みなので、小川と西田さんでやっていこうと思っております。 よろしくお願いします。
で、ホストの紹介なんですが、私、小川秀幸と申します。 京都でデータ分析とか、生成AIのアプリケーションを開発するような会社をしております。 よろしくお願いします。
じゃあ、西田さん、自己紹介をお願いしていいですか?
はい、西田と言います。 神戸でバイオインフォマティクスと呼ばれるものをやっております。以上です。
はい、よろしくお願いします。
よろしくお願いします。
で、今回のはんなりポッドキャスト、なんと2月なのにまだ1回目ということで、1回目の収録ということで、
まあ、今年の抱負なんかに関して、まず最初に話した後、AI、やっぱりなんかもうずっとAIの話してますけど、AIしか話すことがないのではないかというか、発展が早すぎるので、
ゆっくりAIについて話して、まあ何か考えられると面白いのかなという雑談会的なノリにしていきたいかなと思ってます。
で、最後にちょっと最近僕が考えている技術と人間の能力の拡張みたいなところにも触れられるといいかなという感じになっております。
はい、じゃあまず1つ目のお題は、2025年何やりたいっていうところなんですけど、これ西田さんから聞いていっていいですか?
はい。Hugging Faceを作れるようになりたいと思ってます。
え、もう一回。
Hugging Faceを使えるようになりたい。
あー、Hugging Face。
えー。
どんな感じですか?
もしモデルが作れるなら作りたいですけど、それができないとしても、Hugging Faceの人様が作っているモデルを使うとか、
とにかくあのプラットフォームに、プラットフォームをフル活用できるような人間になりたいと思っております。
なるほど。
あのトランスフォーマーズとか、ライブラリーとかあると思うんですけど、あれを使って何回やるとかでもいいみたいな感じなんですか?
それとか、あれですよね、サイト上でHugging Faceのサイト上で人のモデルを動かしたりとか。
はい。
そんな感じのことか。
はい。
モデルを作りたいってどんなモデルを作りたいと思ってあるんですか?
えっと、グラフ機械学習っていうのがあるみたいでして、そのモデルを作りたいという漠然としたイメージがあります。
なるほど。
普通の機械学習はテーブルデータから作ってるっぽいんですが、テーブルデータじゃなくて、ネットワーク、グラフから機械学習モデルというか、エンベディング、埋め込みって呼ばれてるものを作るっていうのをやってみたいなと思っております。
で、あのHugging Faceっていう場所は、そのモデルとそのモデルを動かす場所っていうのだけじゃなくて、データセットもあそこに置いとけるみたいでして、一緒に。
へー。
データセッツっていう、ハブ?
ハブと言うか、上の方に。
はい。モデルズ、データセッツ、スペーシズ。スペーシズっていうのは、モデルを動かす場所を見たいですが、
うん。
ってな具合で、その3つをモデルズ、データセッツ、スペーシズを使って遊べるようになりたいなみたいな感じでいます。
なるほど。そうか、これデータセッツっていうのを使ったら、トレーニングできるぐらいのたくさんのデータが入ってるみたいな感じなんですね。
はい。で、多分今のところは、自然言語とかオーディオとか画像、ビデオが多いと思うんですが、
別にそうじゃなければダメっていうこともないみたいなので、
例えばバイオのネットワークデータみたいなんでも、別にOKだと思います。
なるほど。で、もっといけるのであれば、そのモデルも作ってやりたいみたいな。
はい。
そうか、そういうのってめっちゃいっぱいもう作られ始めているんですか、そのバイオ系で。
ちょこちょこ作られ始めていて、で、そのモデルとかの置き場所もHugging Faceにしてる人が現れておりますっていう感じですね。
えー、そうなんですね。なるほどなるほど。それで、そうか。
もうHugging Faceはそういうの完全にプラットフォームになりきっているっていう感じなんですね。
うーん、っていう思い込みでいます。
確かに何でも使えますもんね、モデルとか。
そう、みたいですね。
僕も一時期なんか、トランスフォーマーズとかいうライブラリーを、Hugging Faceのライブラリーを使ってなんか画像を作ったりなんかいろいろごちゃごちゃやってた覚えがあります。
2025年やりたいのはそれぐらいですか。
うーん。
Hugging Faceに限らず、AI系何でもいい。
何でもって言ったら何って感じですけど。
いろいろと触っていきたいみたいな。
そうですね。普通にお仕事で、AI系インフラを提供する側にもならないといけないっぽいので。
触っていきたいっていうか、いかないといけない。
いろいろ触っとかないとそういうインフラを作るのであれば、どういうことをやるために動かすかみたいなことが分かってないといけないということですもんね。
そうですね。すごく計算資源はあるんだけど、その上のレイヤーはないので。
なるほど、そうか。使いにくいというか普通の人が計算資源を使いこなすことができないみたいな。
そうですね。計算資源が生の状態であって、はい使ってくださいって言っても無理なわけでして。
それをやってる会社としてやってるのがまさにHugging Faceなんですけど。
なるほど、そうか。逆にこれの仕組みを深く知っていけばそういうところに応用できるっていうことなんですね。
ちょっと違う感じではあるんですけど。
そうか、面白いですね。ちょっともう一個質問していいですか。
ぜひぜひ。
以前から西田さんからよくエンベリングの話が出てくるんですけど、
関係性って考えたらいいのかな。エンベリングといった関係性みたいな落とし込みでいいのかなっていう。
そのモデルを言ったら文章生成とかで考えると文字の行列で関係図を作るみたいな感じじゃないですか。
それをバイオ系で何かと物質と何かの物質の関係性を作るみたいなイメージでいいんですかね。
はい、OKだと思います。
それがいろいろ作られているみたいな感じじゃないですか、バイオで。
YESって言っていいと思います。
それがいろいろ作られることによって薬を開発するのであれば、
なんか調合部、こんな素人的な言い方だけど、調合の仕方がいっぱいパターンが考えられていいのができるみたいな。
そういうのもあるみたいなんですけど、
そこまでいかなくても、スクリーニングとかって呼ばれてる、どういうものかっていうと、
これはもうダメデータか、まだ先があるかみたいなのを判別するのに、
そういうすごいこれだって予測するとかじゃなくてもですね、
もうこのデータ見込みなしかどうかっていうのを振り分ける、
ふるいにかけるとか程度のやつでもできたらいいんだけど、
そういうのに機械学習っていうか、機械学習モデルっていうよりは、
そういう単純な振り分けとかにも使えたりするみたいなので、そういう調合の方が。
これをこの先研究してもあんま何もないよね、みたいなことがわかるっていうことですか。
はい。
なるほどな。
そういうの程度でも使えたらありがたい、みたいな。
確かに言ったら、これは研究していこう、みたいなことが振り分けられるっていうことですよね。
はい。
そういうのにエンベディングみたいな感じのものが作れるっていうことなんですね。
それがエンベディングかどうかはちょっとすみません、わかってないんですけど。
AIの展開とその影響
でもそういうことをやる機械学習とかみたいな、ディープラーニングみたいなのを作るみたいなのですよね。
はい。
そういうのは面白いなと思ったのが、僕は株とかも投資したりするんですけど、
そういうなんて言ったら、実際調べたい銘柄ってそんなにいっぱいないんですけど、
それを探すためにいくつもの銘柄を見るみたいな。
それで勉強になってるしいいやんとかっていうのもあるんですけど、
時間を考えると、どこかでスクリーニングを入れるみたいな感じになるんですね。
かもしれないですね。
売上であったり、利益であったり、いろいろな指標を組み合わせて、
シンプルな生き地を決めてやるみたいな感じになるんですけど、
そうではなく、何かうまいこと、全然雑ないけど、モデルか何かを作ってできたら面白いっていうところですよね。
はい。
それをAI的な機械学習とかで。
面白いですね。スクリーニングか。
僕もそういうのを考えてみようと思いました。
なるほど。
なので、西田さんの今年の抱負をまとめると、ちょっと結構AI系な感じで、
その辺の研究をしていくみたいな感じですね。
じゃあ僕のやりたいことを話しておきましょうか。
はい。
僕はちょっと、最近は仕事を頑張ってるんですけど、仕事以外のメインを話すと、
ハンナリープログラミングっていうイベントを何年かやってるんですけど、
それ最近リアルで開催してないんですけど、それをリアルで開催するの面白いかなと思ってます。
で、ちょっと無料で開催させていただけるような面白い場所が京都で見つかったんで、
来週相談に行って、3月ぐらいからできたらなぁと思ってます。
で、結構みんなAIを研究しているが、最近健康感の場所がそんなないような気がしていて、
京都はもっとないんですね。
なのでそういう場所を作って、さっきも言ってたんですけど、
発展が早すぎてAIのどんどん出てくるものに流されて、
有効なものは実際どれなのかとかっていうのを咀嚼できれば、
流れに流されず、いいものが作れるのでは、可能性が上がるのではないか。
ツールとしてはね、めっちゃ発展していってるので。
なのでハンナリプログラミングもそういう場に、
今まではプログラミングプログラミングって感じだったんですけど、
そういうAIの技術を現実世界にどう落とし込むかとか、
西田さんがおっしゃってたような、インフラをどう使いやすくそれに適応していくかとか、
考えてもなかったんですけど、確かになぁと思って、
そういう会をできればなぁと、今の意見も聞きながら思いました。
西田さんもぜひ来てください。
行きます。
3月はLT会みたいなのをして、
いろんな人が来てくれたらいいなぁとかって思ってるんですけど。
だいたい何曜日でも行けますか、西田さん。
何曜日でも行けますかってわからないですけどね。
何曜日でも行きます。
以前と同じように金曜日とかにしようかなとは思ってるんですけど。
最近はずっとオンラインで開催してきて、
ちょっと僕が仕事忙しくて開催できてないっていうのもあるんですけど、
やっぱりリアルの良さもあるから、
すごい良い場所が貸してもらえそうなんで、
それがいいのではないかどうか思ってます。
いいっすね。
そうですね。
なんていうか、
生成AIでボカンと伸びそうなのは見えてるんで、
そういう意見交換とか、
できる人が集まったりしたらより面白いかなと思っております。
これが2025年、やってみたら面白いのではと思ってるとこですね。
やっていきましょう。
やっていきましょう。西田さんもぜひご協力ください。
無理やり運営メンバーに入れたので。
次の話題に行きましょうか。
最近のAIの展開っていうのを取り上げたいなと思ってるんですけど、
やっぱり展開が早すぎる感はあるなと思ってるんですけど、西田さんいかがですか。
そうですね。全然ついていけてないですね。
ディープシーク移行?
なんかダーッとなってるみたいなんですけど。
ほんまにダーッとって感じですよね。
今は一応、自分はオープンAIのChatGPTのプラスでしたっけ?
プラン名を忘れちゃいましたけど。
プラスですね。最初のやつですよね。
はい。で、ChatGPT03-miniっていうのが使えるようになってるみたいなんですが。
昨日からね。
まだ何も使ったことがないという状況です。
AIの進化と強化学習の影響
実は昨日、茶は今日の朝かな、ちょっと使いまして。
でももうO1-miniとO3-miniの違いもまだ分かってないというか。
ちょっと使ってみて。
結局、推論モデルと普通のChatGPT-00の違いっていうのも、
ちょっと調べてわかったんですけど、今日の朝。
結構、読んでいると、リーズニングモデルは、
ステップバイステップで考えてくれって言ってたのを、
強化学習で中でやれるようにしたみたいなモデルになっていると。
その段階を考えて、段階をきれいに設計して、
中でそれを対話しながら進めるみたいな。
それすなわち、これまでは自分で何回かプロンプトを入力してやらなければいけなかったことが、
強化学習というものによって自動的にやってもらえるみたいなイメージで。
そうなんです。そういうイメージだと僕も思ってます。
なるほど。
オープンAIのO1とかはそういう中身を見せてくれないんですけど、
ジェミニのディープサーチってあるじゃないですか。
はい。
それを使ってるんですけど、めっちゃ便利なんですけど、
それだと中身を見せてくれるんですね。どういうふうに考えようとしているみたいな。
ちょっと、ポッドキャストの方には見ないと思いますけど、
今ちょっと共有しているのが、調べた内容があれなんですけど、
ウクライナ紛争でゼレネスキー政権がどのようにSNSを活用したか、
方法をまとめてくださいみたいなことを調べさせたんですけど、
ここのテキストを投げると、ディープリサーチっていうのは、このように、
まず4つの観点、この場合は4つの観点を出してきた後、
こういう追加の視点とか色々なことを自分で調査するために考え込んで、
これでダメだったら計画を編集というボタンをポチッと押して、
これはこうしてくださいみたいなことを言って、
ここの内容が変わって、それでOKやったらリサーチを開始して、
レポートをこんな感じで作ってくれるみたいなふうになってるんですね。
たぶんこれがリーズニングモデルも一緒かなと思っていて、
たぶん質問、こっちが投げたものを噛み砕いて、
こういうふうに分析したらいいみたいなのを、
教科学習で作った脳みたいなところがやってくれるんじゃないかな。
なるほど。
で、うまく調べる方法とか、その内容を作って、ステップを作って、
それをこなしていくみたいな。
多いですね。
このディープリサーチのR、リサーチのRと同じ糸でRって使ってるのがディープシークR1でしたっけ?
1でしたっけ?
なのかなとかって伺ってて思ったりしちゃいました。
なるほど。
ディープシークのR1とかまで使えてないんですね。
僕も使ってないんですが、たぶんそれもディープリサーチと同様で、
途中の試行過程っていうのを出力して最後にレポート作るみたいなデモが。
リスニングって書いてますね。
リサーチプロセスの自動化
リスニングのRか、すみません。
リスニングのRかと思うんですが、先ほどのディープリサーチと同じような流れ、出力ができそうでした。
なるほど。で、ちょっとだけ僕もディープシークのR1のことを読んだら、
その強化学習ステップを自動化してトレーニングしてるとか、そんな感じでしたよね。
すみません、ちょっと風呂をごめん。
そう聞いて、そういうイメージしています。
モデルをトレーニングするときにそうしてるっていう風な。
そうかそうか。モデルのトレーニングもそんな感じでしたよね。
全部人手が入ってないみたいになっているみたいなイメージですよね、ディープシーク。
はい。何かディープシーク検索っていう機能は、
どう使えなくなっているみたいなことが、そういうものがあるみたいですね、ディープシーク検索というのが。
つまり、エビデンス収集みたいな。
そうですよね、でもこのジェミニのディープリサーチとかもいっぱいの情報から集めてきて作ってくれるみたいな感じだったり。
もう検索がめっちゃ便利になっている感じはありますね。
そうですね。
検索がレポート作成になったみたいな。
そうですね。ちなみにオープンAIの方に、
Googleのディープリサーチみたいなもので、ジェミニのディープリサーチみたいなもので、ありましたっけ?出てるんですかね。
多分、ディープリサーチ的なのって言うと、やっぱO1とかO3とかといったらネット検索の機能も出てるんで、
それを組み合わせて使うとかになるのかな。
なんか、O3は多分検索とかができるっぽいんですね、今見たところ。
なのでそれを組み合わせて使ったら、もしかしたらできるのかもしれないですね。
ウェブ検索ボタンが使えそう。
ファイルはいかんのかな。
多分そんなんでできるのかもしれないですね。
ちょっとまだやってないんでわからないですけど。
でも普通に4Oで検索しても、ソースとか出してくれるじゃないですか。
それに近いことはやってくれてるのかなと思ってたんですけど、
4Oで調査、普通のモデルでやってるからそこの検索ワード、検索っていうか、
プロンプトをうまく作らないとあくまで詳しく調べてくれないみたいなイメージですね。
ペラッと調べた的な内容が返される。
オープンAIのオペレーターっていう。
出ましたね。
アメリカだけ使えるとかでしたよね。
名前だけしか。
オペレーターは基本的にコンピューターを使うのの自動化をやってくれるらしくて。
なんか面白いのが、オープンAIはそれ用のモデルを作ったみたいな感じなんですよ。
コンピューターを使うっていう面では、アンソロピックがコンピューターユーズっていうのを出してたんですよ。
でも、オープンAIの場合はここにあるみたいなコンピューターユーズイングエージェントみたいなので、
それ用のモデルを作ったみたいな感じなんですよね。
またなんかちょっと毛色が違うのかもしれない。
とんでもない勢いで動いていくんで。
確かにこれ見ると、人間がパソコンを触るより早いわなっていうのはよくわかりますね。
そうなんですよね。
コーディングはコーディングでまたいろいろ出まくってるじゃないですか。
そうですね。
クラインって読むんですかね、あれ。
はい。
そうですよね。
それ以外にも何か出てきたりしてるみたいです。
ChatGPTのO3 miniの後にはいっていうのがついてるモデルがあって、
それはコーディング&ロジックだそうでして、
これもまだ見えてるんだけどつかめなくて。
さらに何かすごい行動試練してくれるのかなと思ってるんですが。
そうですよね。
なんかもう理系のことは何でも任せろみたいな感じで読んでたら書いてあるような気がしていて。
開発とか爆速になるしかない未来が見えているけど、どうしていこうかみたいな感じですよね。
そうですね。ただAIでも仮説みたいなのを作ってそれを検証するみたいなところはまだ人間がやってんのかなっていう。
AIの出力を見て間違ってるとか、そういうのを出直したりするところっていう。
あとそれを見てこういうことかなああいうことかなみたいなのを考えるっていうのはまだちょっと僕らがやっちゃってるような気がするので、もうちょっと。
あれっすよね。それってなんかヒューマンフォース。
ヒューマンインループみたいな。
人間による強化学習みたいな感じのとこですよね。
そんな感じかもしれないですね。
それをディープサーチは自動化したみたいなのなかったでしたっけ。
ディープシークか。すみません、ちょっとうろ覚えなんですけど。もしかしたらそんなのがあったかも。それ忘れたな。
なんかいろいろ誇りすぎてて、もうついていけません。的な感じもありつつ。
そうですね。
モデルっていうかコードの生成に関しての話なんですけど、
やっぱりそんだけ賢くなったらどううまく使うかっていうのしか考えられないというか。
コード学に人がどう介在していくべきなんかとかも、もしかしたら面白い観点かもしれないですよね。
そうですね。
なんかそのあたりを今後考えてみるかいみたいな、ポッドキャストとか。
考えてる人を探してくるとか。
うん、なるほど。
面白いかもしれないですね。コード書くのなんかもう絶対早いですもんね。
僕もコラボでもVSコードでも、VSコードにはコパイロットを入れてて、
GoogleコラボにはGoogleのやつが入ってるっぽいんで、その2つを使ってますけど。
西田さんのほうがGoogleコラボのやつ早くから使われてましたけど。
いやーでも全然大した使い方してないですね。
いやでもなんかあれ保管されるだけでもすごい量が出てきてしまうじゃないですか。
はい。
でもちょっとそろそろ本格的にそういうのを考え込んで。
そうですね。そういうのに合わせた使い方を教えるっていうのをまさに範囲で、
プログラミングでやられて、どうでしょうか。やるおつもりですかね。
いや全然それは考えてなかったんですけど、逆にまずはそれをどうするか考えるとかからスタートかもしれないですね。
そういうことですね。
CPとか使ってるんですけど、そこでどうAIに開発してもらうかとか考え出すべきなのでしょうね。
これからは語彙、ボキャブラリーを知るっていうことが重要かもしれないと思いました。
プログラミングし始める人はテストとかいう語彙、ボキャブラリーがないので知らないと思うんで。
でもそういうボキャブラリーをいろいろ知ってたらもうコードはAIが作ってくれるので。
そうですよね。
でもボキャブラリーを知らないとAIに何も伝えることができない。
知ることができるのかもしれないけど、すごく周りくどい自然言語を言わないといけない。
そうですよね。なんか以前読んだChatGBDKの本にあったんですけど、
まさに今西戸さんがおっしゃってた通り、専門用語を使わないと解説が長くなるので指示を出すのは難しくなる。
一方で専門用語を知ってたらそれだけでできるから良いみたいな。
だから知識っていうのはより重要になるかもしれないなというのが書いてて、なるほどなって思ったりしました。
そうですね。
なんで本を読めっていうことですかね。
今僕の知り合いの人で生成AIとか使うのを勉強してる人がいるんですけど、
ノーコードツールのDeFiとかそういうのは使えるようになってきたけど、
結局ちょっとコードを書かないといけないとか、
AIが書いてるコードがわからないからPython勉強したいみたいに逆に戻ってくるみたいな話も相談も受けてたりするんで。
なんかおっしゃる通り、今までみたいなPythonの本を一冊覚えるとかじゃなくていいと思うんですよね、逆に。
同感です。
その学びを作るって面白いかもしれないですね。
どういうふうに言ったらいいかな。
生成時代にアプリを開発するためだけの知識を、みたいな。
結構そういうアプローチで本を書いて出版されてる人もいるのかもしれないですね。
あんまり本読まなくなっちゃったんでわかんないですけど。
確かに。
僕、年末年始、結構生成AI系の開発系の本とか読んだんですけど、
結局できる人に対して、今まで通りのライブラリーの解説みたいな本でしたね、今あるの。
専門知識の重要性
なるほど。
でもおっしゃる今の話の流れみたいな、
なんかこいつが書いてくれるから、それに必要な知識。
言ったらPMみたいな、プロジェクトマネージャーじゃないな。
その辺の観点的な開発向けの知識っていうのを入れ込む。
でも、今のPMとかよりはもうちょっと詳しめにPythonを知るみたいな。
なるほど。
的な学びがあれば、なんかできそうですよね。
それ、なんとなくわかります。確かに。
ですよね。
結構、そういうプロマネ的な考え方を最初から入門者の人ができるようにするっていうのは、
その通りだと思うんですが、あんまりアイデアどうしたらいいのかわからない。
AIとプログラミング学習の新たな方向性
そうですよね。なんかプロマネ的なプログラミング学習というか、
なんかあれなんでしょうね。
よく言われるんですけど、プログラミングでできることを教えてほしいみたいな感じに、
どんどんなってくるかもしらんなっていうのはあります。
こっちは何がやりたいねんって今まではなって、地道にプログラミングを学習するしかないって感じだったんですけど、
その辺考えたらめっちゃ面白いのかもしれないですね。本、大ヒット本が書けるかもしれませんね。
そうですね。
マーメイドっていうダイアグラムを書く言語というか、
ありますよね。
絵から入るとかどうかなとかって思ったりしますけど。
なるほど。
つまり、リアルでどういうデータ入れて出してとかっていうのがイメージできる人は、
なるほど。
これをプログラムにコンバートしてくださいって。
変換してくださいってAIに言ったらもういいのかなみたいな。
確かにそうですね。こういうふうにデータが流れたりっていうのを。
そうか。この流れを作れるっていうのはかなり、
人間的には高度な知能が必要そうですが、
まずそういうアプローチもありかもしれないですよね。
そうですね。
この辺も考えたらめっちゃ面白いところかもしれないですね。
そうですね。
言ったらこういうのを作れる。
こういう学習法を考えられるような企業であれば、
小人数ですごいスピードで開発を進められる組織が作れるみたいな。
かもしれない。
ことになりそうですよね。
なるほどな。
おめでとう。
AIの進化もすごい早すぎるんですけど、
人間もそれについていくためにどう学習していくかっていうのも一つ。
今の話はもしかしてポイントなのかもしれないなと思って。
専門用語を学ぶのも結構大変じゃないですか。
そうですね。
それをどう仕入れていくか、どういうふうな学びにつなげていくかとか。
もしかしたらあるのかもしれないなと思っていて。
今はちょっと休みの間に考えたんですけど、
技術の発展ってあるじゃないですか。
今まで技術の発展と人間が、
技術をうまく活用して人間が社会を成長させたみたいなところがあるのかなと思ってまして。
技術の発展と人間の能力の拡張
それとともに人間の能力も拡張した。
車ができたら、車に合わせた社会が作られて、
それができると人間もすごいスピードで移動できるようになって、
行動範囲が広がったとか、
食べるものが運べるようになったとかみたいな。
なので技術っていうのは人間を拡張するものなのかもしれない。
移動であれ、何であれ。
コンピューターとかって結構、
頭脳の拡張みたいなところもあったりするのかなと思ってまして。
その辺面白いなと思ってるんですね。
最近の出来事もよく考えたら、
将棋の藤井壮太さんっていう人は、
AIを使って中学生ぐらいから将棋を学習のサポートに使い出したら、
伸びたっていう話もあったり。
去年、2024年のノーベル賞のアルファホール、ディープマインドの人が、
ノーベル賞を受賞したっていうのも、
これもAIだけ動いてるみたいな感じですけど、
人がそれを発見する能力の拡張かなみたいな、
上手いこと使ったらいいかなと思っていたりするんですね。
何が言いたいかはよくわからなくなってきましたけど、
上手く使えば人の能力を上げられるみたいなところが、
AIとかなんかなと思っていて。
技術の発展と人間の能力の拡張と、
一方で上手くそれに適合できなかったら、
あんま仕事なくなるみたいな話もあったりはするんですけど、
なんかその辺って西田さん的に、
すみません、むちゃぶり感あるんですけど。
いい?
出るとこありますか?
思うところっていうか、
それがすごく面白いって大川さんが言ってるきっかけになった資料っていうのが、
総務省の技術は人間を拡張することができることを強化とかっていうのが、
政策白書、令和元年版に書かれてたよって言ってるんですよね。
そうですね。
その資料の第一部、第四節っていうのに、
ペーブルの図があって、
ICTによる人間の拡張の4つの方向性とかっていうのがあって、
4つっていうのは何かっていうと、
AIによる認知の拡張と実践例
身体の拡張、存在の拡張、感覚の拡張、認知の拡張って書かれてると。
アルファフォールドは認知の拡張なんだろうなと思います。
そうですね。
将棋の例も認知の拡張ですね。
なるほど。
習得したり理解したりするプロセスそのものを拡張するみたいな。
どういう拡張をしたいのか。
AIっていうのができるのは認知の拡張だけなんですかね。
他にもいけると思います。
感覚の拡張とかも、もしかしたらできるかもしれないですよね。
そっか、確かにそうですね。これはできるでしょうね。
目の見えない方に対してのサービスみたいなのが作られていたりするので。
確かに。
存在の拡張はよくわからへんけど。
でもこれはですね、存在の拡張っていうのは
遠隔作業を可能にするとかって書かれてるんですけど
AI関係はありそうです。
これロボットにやらせるみたいなのが含まれると思うんですけど
ロボットの動作っていうのもかなりAIっていうのが使える。
ああ、確かに。そうすると身体の拡張にもつながりますよね。
ロボットが勝手に意思通り動いてくれるのであれば
身体の拡張、存在も身体も似たような感じでしかちょっと理解できてないんですけど。
なるほど。全部を拡張できる可能性が
付属ツールも必要かもしれないがあるかもしれないっていうとこですね。
そうですね。
そうなんですよ。だからAIを早く使え。
しかもAIがいろんなことに簡単に使えるようになったのが
文章生成AIのところかなと思ってまして。
ちょっと試してみると、うちの小学生の子どもとかでも
スクラッチを最近やらしてるんですけど、
スクラッチを生成AI使って調べられるよみたいな感じで言ったら
それで調べて勝手にカンカンやっていくみたいな感じになったりもするんで。
ちょっと使いこなすとかっていう意識はないと思うんですけど
普通にチャットしてるだけみたいな。
そうですね。
逆に大人の人の話を聞いていると
検索以上のことをできるかどうか
試せないみたいな人が多くて、検索と何が違うねんで止まってしまう人が大人は多い。
素直に聞けないのかもしれないですけど。
素直に聞いたら色々答えてくれて間違ってることもあるけど
やっていけると思うんですけど。
昔から産業革命とかで工場の自動化とかについていけなくて
その機械を壊す運動があったとかみたいな話とかあるんですけど
そういうのでついていけにくいのか何なのかよくわからないなと思ってたんですけど
実際そういうことがもしかしたら起こり始めていて
今後10年でそんなことが見えて
実は自分が失業する側なのかもしれないですし
そういう上手く使いこなせないっていう人ほど
拡張っていう概念を感じた方がいいのかもしれないですね
そうなんですよね。僕もビジネスモデルコンテストに
AIを使ったアプリケーションっていうのを出して
実は賞がもらえたんですけど京都商工会議所で
それをもっと上手く伝えるのに
っていうので資料を探して
この身体的能力の拡張みたいな話が出てきて
すごい最近の出来事にも合ってるなと思って
もはやスポーツ選手とかで休憩時間にタブレットを見てるのとかって
当たり前になってきてる感じがあるんですけど
そういうのはもう言ったら
デジタルツールを使った能力の拡張なのかな
理解するために上手くデータを使うとかっていうのも
言ったら今まではこう
相手のボールを感覚で感じてこう
カーブがこいつは多いからカーブを打とうみたいな感じになってたと思うんですけど
データだけ見てなんかやってるみたいな感じが
よく文句っていうか
そういうのは昔と違ってよくないねみたいな話もありますけど
自分の中で何かを意識して使うとより何か色々できるのかなと
確かに
その意識するっていうことに
人間のほうが語彙を学ぶ必要があるっていうのも含まれて
なるほど
思いました
語彙がないまま
自分がその
自分 人間がもやっとして思ってることを
うまく伝えれないから
AIに対してあまり使えないとかっていう不満を
持ったりするんじゃないかなという
思いがあったりとか
そういうのがあったりとか
あまり使えないとかっていう不満を持ったりするんじゃないかなという
意気に出したんじゃないかなと
そうなんですよね
僕もなんか
いろんな人にChatGPTを使わせてみたんですけど
おっしゃる通り
言語化が難しいっていうのは一つは
大きな課題としてあって
なんかうまく
今までこう
話をうまくできてるのかと思ってたんですけど
あんま伝わってないっていうことも
分かってきて
もっと丁寧に説明したほうがいいとか
やっぱ相手
ChatGPTとか使うことによって
理解してもらうためにどういうふうに伝えるかみたいな
より考えるように僕も
なってきて
そうすると人の話してることも
この人は確かに分かりにくいんやなとかっていうのも
逆に見える
面白いんですけど
なんか思ってるほど
人はもしかしてこの話してる自然言語とかも
理解したり聞いてなかったり
うまく使えてなかったりみたいなことを
生成AIを使ったこの2,3年で思いましたね
そうですね
だから西田さんがおっしゃるように
拡張するためにどういうことを
どういうボキャブラリーを増やすかとか
どういう意識をするとか
っていうことかな
少なくとも言語を入力としたり出力としたり
っていうのでAI使う場合はもう
それは必要かなという気が
いやそうですね
結局
文章生成とかの原理を考えても
入力した文の続きを作るみたいな感じの構造やから
入力の文章のクオリティが低ければ
低いものしか出ない
それを避けるために
リーズニングモデルみたいなのが出てきてるけど
結局それも質問がちゃんとしていないと
うまく調査のステップが作れないみたいな感じでしょうね
そうですね
なるほどな
こういう技術
AIとかを使っても人間の能力は拡張されそうで
必要なのは自然言語かもしれない
自然言語の能力の拡張というか獲得
なんですかね
そうですね まずインプットがそれなんで
そうですよね
もうちょっと考えると
インプットも英語の方がいい可能性の方も
結局モデルが英語でいっぱい学んでるから
英語のアウトプットのクオリティの方が高いとかってよく言われますけど
そうですね
ディープ・シークも最初は英語と中国語だけなんでしたっけ
そうですね
なんやかんや言って日本人にとって
マスターが簡単なのは多分中国語より英語なので
英語も頑張れっていう
今までとそんな変わらない
結局あんま変わらないかなと思うんですけど能力
意識するポイントが変わるのかもしれないですね
AIを使った拡張
能力拡張みたいなところで
おもろいな
こういうのをもうちょっと考えていくと
何かになるかもしれない
そうですね
ハギング・ヘイスにちょっと戻るんですけど
ディープ・シークで日本語をある程度扱えるようにしたみたいなのを
サイバーエージェントっていう会社がやって
ハギング・ヘイスに置いたみたいなことを
認識しているんですけど
なるほど
AIとプログラミングの未来
そうかサイバーエージェントそんなこともやってるんですね
もう本当素人噂聞きました程度ですけど
いやいやそういうのは重要ですね
ディープ・シーク
はいそれです
ここら辺いろいろ出てますね確かに
一番上のやつですね
一番ライクがついてますけど
確かにそうかでもこういうのなんだとOSSやし
何かいろいろいじくってできるのかもしれないですね
みたいですね
そういうので何か何ができるとかもやってる人に聞いてみたいですね
そうですねこれはどうやってるんでしょうね
でもウェブとか見てるとやっぱデータというか
ローカルモデルをいろいろ作ってる人とかも結構おられるんで
どういうなのあんなリプログラミングで
あぶり出してあぶり出してって言ったら失礼ですけど
聞いてもらっていろいろ聞いてみたいですね
そうですねそうか
AIだけでもこんないろいろなふうなことがしゃべれるっていうのが一つと
なんか今日面白かったなと思ったのが
プロマネ的なプログラミング学習とか
そうですね
確かにでも何か言ったら技術に合わせてっていうか
時代に合わせて学習方法って変わるべきかもしれないですもんね
そうですねそうなんでしょうね
今までの人やったら
Pythonの文法とか全部
あとお役立ちライブラリ全部知ってた方がいいけど
別にLLMが詳しいんやったら
そこは任せてどういうところに注力するかとか
考えられるところは新時代の
プログラミングに関してはもう
こっちが言わずとももはや
昔我々がやっていたような学習は誰もやってないんじゃないか
ほとんどやられてないんじゃないかなというふうに思ってますけど
確かにね
それをどうデザインするかとかっていうのは需要がありそうですよね
逆に
そうすることによってめちゃくちゃすごいスピードでプログラミング
プログラミングっていうかアプリを作るための道具みたいなのが
フォローっていうことですよね
そうですね
現状はそういう考え方はあんまり多分なくて
ひたすらプロンプトを入力しまくってるみたいな感じなんじゃないだろうかと
推測してます
そうかそれをどう作るかみたいな
学習をどううまくするかっていうのと
アプリとかを作るのをどうするかっていうデザイン
何ですかね必要なのは
かもしれないですね
面白いですね
言ったら我々のようにたくさんコードを書いて
プログラミングの全体像をつかんでコードを書くみたいなのって
何かものを作ってる人みたいな感じに今後なっていくのかもしれないですよね
言ったら工場とかが機械化されたようにプログラミングも機械により作られ
それに関する関わる仕事はあるけど
全部作ろうとする人はよっぽどすごい人以外を淘汰されるみたいな
逆に全部罠まなくてもいいっていうのでいいのかもしれないですね
そうですね
面白いな
どういうふうな学習にしたらいいのか
いやおもろい
これちょっと考えてみたいところですね
せっかくハンナリプログラミングもパイデータとかもあるので
そういうところで今後ちょっと取り扱っていけば面白い意見とか
こんなことやってるぞっていうのが出てくるかもしれないですね
今日はそんなとこですかね
新しい学習法の考察
めっちゃ面白かったですね
ちょっとまとめ
西田さん的に今日の印象に残った話みたいなんてありますか
語彙を人間は知る必要があるかもしれないっていうのが印象に残ってます
語彙を増やすたびにはどう
これもまた学習法は変わりそうですよね
本をたくさん読みではないような気も
全く同感でして
本をたくさん読めじゃない何かがあるかもしれない
本をたくさん読むとか
受験のときにこうやって赤いシートで隠して
これはこの意味って覚えるんではなく
新時代の学習法があるんですかね
というのがオントロジーとかっていう語彙を整理する
そういう概念があるみたいなんですけど
それは基本的に気構造になってて
上に行けば行くほど
葉っぱがグルーピングされて上に
幹の方に工事の概念があるみたいな
そういう語彙の整理のされたものが
オントロジーって呼ばれてるような気がするんですけど
そういうふうに整理されたものをざっと見ると
本を全部読むよりは効率よく語彙が増やせるかもしれない
確かに
上に一番
車っていう概念が上にあったとして
下には電気自動車だの
昔の自動車でもいいし
とかっていうのがあるみたいなそんなイメージ
その中にまた分かれて
カローラがあってみたいな
そうか
そういう学習が効率いいのか
本読んだほうがいいのかわからんけど
そういう覚え方もできるっていうところですね
そういう概念的に把握してしまうみたいな
そうです
そういうふうに
確かにそれも効率的っちゃ効率的ですもんね
はい
なるほど面白いな
じゃあ今回はこの辺でおしまいにしますが
今回のAI時代とその関連と
どう学習するかっていうのはちょっと
めちゃくちゃ面白いテーマになるかなと思ってます
僕自身も実はさっきビジネスホンテストで賞を取ったっていうのは
AIを使った学習みたいなのをちょっと考えていて
なんで
AIを使ってどうプログラミングを学習するかとかを
効率化させていくみたいなところも
めっちゃ面白いなと思っているんで
一つですね
今年はこの辺りの観点もいろいろ話せていければ
いいなと思ってます
はいというわけでハンナ理由ポッドキャスト
2025年一発目の25回でしたがいかがでしたでしょうか
ちょっと何か感想などもいただけると幸いでございます
というわけで今回は小川と西田さんによる
AI雑談会みたいな感じでした
どうもありがとうございました
ありがとうございました
