プレゼンの準備と内容
どうも、しぶちょーです。
ものづくりの視点は、産業機械の現役エンジニアである私、しぶちょーが、ものづくりに関するトピックを独自の視点で解説する番組です。
本日はですね、ちょっとあの練習会。練習会ってなんだって話なんですけど。
ちょっと明日ね、プレゼンがあって、そのプレゼン資料を読みながら、ちょっと内容を説明していくみたいな回にしようかなと思います。
明日ね、有給を取って公園に行くんですけど、公園ってパークの方じゃないよ。公園会の方に行きます。
私が喋るんですけどね。仕事休んで仕事するっていう感じなんですけど。
行くのはね、工業高校なんですよ。
前もね、岐阜県立岐阜工業高等学校っていうところで、新1年生向けにですね、ものづくりってなんだろうみたいな話をさせてもらったんですよね。
それはね、YouTubeとか、あとPodcast、Spotifyの方でね、ビデオポッドキャストしてあげてますんで。
その時の様子はぜひともですね、まだ見てないよって方はリンク貼っておきますので見てください。
今回はですね、あのちょっと経路が違って、名古屋市立工業高等学校に行かせていただくんですけど。
生徒向けではなくてですね、工業高校の先生向けにセミナーをすると。
そのテーマも、ものづくりという文脈よりはAIとかDXとか、そういうデジタル系の方の話ね。
こっちを主にしてほしいっていうことだったんで。
明日はちょっとね、AIの話を工業高校の先生にしてくるんですよ。
毎度のことながらね、やっぱり資料ギリギリになっちゃって。
一応ね、資料は完成したんですけども、まだ現時点で投資であまり練習できてないんで。
ちょっとこのボイシーの収録がてらですね。
投資とはいかないんだけども、ざっくり流れを見ながらこんなこと話そうかなっていうのを練習させていただければと。
そういう時間でございます。
ちなみにスライド枚数73枚ありますね。
セミナーの時間は2時間なんで。
私もう2時間AIの話を先生の前にさせていただくということで結構ボリューミーな資料を作りました。
それをギューギュッと圧縮して大体10分か15分ぐらいでこの番組喋りますんで。
ぜひとも聞いていただければなと思います。
AIの基本と歴史
まずですね、プレゼンのタイトルこちらですね。
モノづくりとAIの今後。
サブタイトルはこちら。
AIはモノづくりをどう変えるのか。
というね結構いいタイトルでしょう。
ワクワクしませんか。
これでちょっと2時間ぐらいですね。
工業高校の先生向けに喋ってきます。
ちょっとね私もちょっと今日は原稿書いてないんでスライドを見ながらやっていくんですけど。
まず自己紹介ですね。
自己紹介もいいですよね。
支部長ですという話と本出してますよという話とね。
あと技術士ですよっていう話と。
落ち着きAIラジオやってますよ。
モノづくりのラジオやってますよと。
そしておもちゃの旋盤なんてものを作っていますよ。
というつかみですね。
これで私が何者なのかがねざっくりわかると。
で早速本編に入っていくんですけども。
基本的にアジェンダとしてはAIの基礎を学ぼうというところからディープラーニングって何なんと。
製造業でどういうふうにディープラーニング使われてますかと。
日進月歩とどまることを知らない生成AIの世界も見ましょうねと。
最後にAIの活用の現実とこの時代に必要なAIスキルとは何なんだろうを考えましょうと。
こういうアジェンダとなっております。
このプレゼン皆さんに見せられないかね。
残念ですね。
今回動画とか撮る予定ないので基本的にはクローズド。
私の喋ってる映像は特に公開する予定はないんでね。
ここだけでね耳だけで聞いてください。
ということで早速じゃあAIとは何なんだと。
そもそもAIっていうのは何の略かというとアーティフィシカルインテリジェンスの略でこれ人工知能ね。
この言葉が定義されたのは1956年のダートマス会議。
アメリカで行われたダートマス会議という会議で初めてこのAI人工知能という概念ができたんですね。
AIの定義自体は科学者それぞれでまちまちなんですけども。
ざっくり言えば人間が行っているその知的活動をコンピューターに置き換えて行わせようと。
こういうことがAIなんですよね。
AIのブームっていうのは今まで何回も聞いてるんですけども。
第一次ブーム第二次ブーム第三次ブーム。
そして今この生成AI爆流行りしているのが第四次ブームと言われています。
もともとブームが来て冬の時代期待以上に成果が出なくてですね。
もう流行らなくなってしまうっていうのを2回繰り返しています。
そして2010年の前半ぐらいからですねディープラーニングという技術が流行り始めたことで。
AIっていうのはこれからもう一般的に社会に組み込まれていくだろうと社会実装まで見えましたねっていう段階だったんですけど。
そこからさらに生成AIでブームにブームを重ねる形でゴンと来たっていうのが今でございます。
そういう歴史があるんですね。
AIAI言うとりますけども一口にAIといってもいろんな種類があります。
まず一つはルールベースのAIですね。
これ何かって言ったらアルゴリズムガチガチに人間が決めてこう来たらこう動いてね。
こう来たらこう判断してねっていうのを全部記述しておくんですね。
そうすることでそのルールに従って判断してくれよと。
これがもう第一次ブームとかそれこそ第二次ブームで行われていたそのルールベースのAIというものです。
で第三次ブームの時に初めて機械学習っていうものが出てきたんですよね。
これが何かっていうとルールは教えませんよと。
ルールは教えないけど勝手にルールを覚えてねというか判断してねっていうのを自動で学習してくれる。
これが機械学習なんですよ。
その中でもさらにディープラーニングっていう技術があって機械学習のさらに内側の概念だよね。
機械学習の中でもニューラルネットワークというものを複数組み合わせたディープラーニングという
人間の脳の形に似たネットワークを用いて学習していきましょうというのがこのディープラーニングなんですよね。
この機械学習の話をする時によく言われるのが画像の分類なんですよ。
例えば犬の画像猫の画像2つあるとするじゃない。
人間がさパッて見た時に猫と犬間違えることってまずないよね。
これ猫だよねこれ犬だよねってのはすぐわかるわけです。
じゃあ何を見てそれ犬だと思ったのとか何を見て猫だと思ったのっていうのは実は意外と言語化できないんですよ。
感覚で判断して部分があるんです。
あと経験則ね。
いやそんなわかるじゃんと思うかもしれないんですけど意外と難しくてさ。
例えばミニチュアダックスフントっているじゃない。
ちっちゃい長い犬ですよ。
あいつと普通の猫の違いをコンピューターに教えてくださいって言ったらどこを教えます?
ミニチュアダックスと猫何が違うと。
鼻の長さ見ると犬ってミュート伸びてるよねっていうのはあるかもしれないですけど。
じゃあ担当犬って言われるさあのブルドックとかパグとかねいろいろいますけど。
どうやってそれを見分けますかと言ったらですね全然こううまくルールが設定できないわけですよ困っちゃいます人間は。
じゃあそのルール人間と同じように自分で学んでくださいと。
猫の画像をいっぱいあげます。犬の画像をとにかくいっぱいあげます。
これ犬ですよ猫ですよってラベルをつけて渡すんで自分で何が犬か何が猫かっていうのは学んでくださいねっていうのをやってくれるのが機械学習です。
それをすごく精度よくやってくれるいっぱい画像を入れればいっぱい学んでくれるっていうのがニューラルネットワークなんですよね。
まさに人間の脳っていう感じよね。
これが出てきたことによって人間はルールを教えるっていう面倒くささ煩わしさから解放されて大量のデータさえあればAIっていうのは学習してくれるんだという状態になったと。
さらに良かったのは時代はどんどんどんどん進化してますからパソコンの性能が良くなったのね計算能力も上がったと。
インターネットも発達して自由にも犬の画像なんていくらでも自分でさ写真撮りに行かなくてもネットからいくらでもダウンロードできますよという時代になったと。
そういうことも相まって一気にAIの能力っていうのが高まったとこういう流れなんですね。
もちろんですねあの今ディープラーニングこそなんかこうAIみたいな話し方をしましたけども機械学習の中のディープラーニングですからディープラーニング以外の機械学習ってのもすごく使えます。
製造業におけるAIの活用
一番単純なものAIを学び始めたときに一番最初にやるものって線形回帰ってやつだよね。
線形回帰AIかって言われるとめっちゃ違和感はあるんだけど一応抗議の意味ではAIと。
どういうことかというと比例のグラフ書いてね。
そのグラフから読み取っていくと。
だからX軸がこれだからY軸が今このぐらいの値なんじゃないかなって予想するっていうのも一応AIに含まれているんです。
これ線形回帰なんですけど。
まあその他にも決定義とかサポートベクターマシンとかね。
いろいろ手法あるのよ機械学習っていうの中でも。
そういう機械学習もディープラーニングより精度が出なかったりもするんだけど結構その低コストで実装できたりとか判定が早かったりとかですね。
逆にディープラーニングまでいらないよねっていう問題今の製造業の現場にもいっぱいあるんですよ。
だから何でもかんでもディープラーニングとかじゃなくて機械学習の手法でも十分に製造業の中の問題解決っていうのはできるわけです。
AIイコールディープラーニングって思わなくても適切なものを選んでもらえればいいですよと。
その代わりディープラーニングってもうとにかくさデータの物量がって入れたらどんどん精度が上がっていくようなそういう感じなんだけども。
結構機械学習の方だと細かいパラメータチューニングとかデータの作り方が結構ナイーブであったりはするんですけど。
そこらへんはメリットデメリットがあるかなという感じですね。
とにかくAIっていうのはそんな感じの括りにざっくりなってますよと。
じゃあ実際今AIって本当に製造業の世界で使われているんですかと言われたらですね。
実際すごく使われてます。
特に使われているのが検査ですね。
よく検査工程には価値がないなんて言うんですけど。
僕はそうは思わないんですけど実際に付加価値を生んでないのが検査とか測定なんですよね。
必要なんですけど付加価値を生んでないと。
だって測定をしなくても物は物ですから。
AIによる検査の進化
検査をしなくても物は物と。
間違ったものを出さないっていう意味では必要なんですけども。
検査をすることによっていいものに変化するっていうことがないわけ。
そういう意味で検査とか測定っていうのは付加価値生まないよねって製造業の中で言われてるのね。
そういう検査とか測定っていうのはなるべくシームレスにというか。
手間をかけずにやりたいというニーズがあるので。
そこにはすごくAIが入っていきます。
それこそ画像を使うのはやっぱりAIって得意なので。
画像を使って異常検知をすると。
なんかおかしい傷があるよって思ったらそこで検知してあげるよとか。
去年、今年か。去年かな。
出てたサービスとしては打鍵音だね。
物を叩いて反射してくる音で状態を判断するよっていう検査があるんだけど。
これをAIにやらせましょうというのがありました。
特にトラックの空気ですよね。タイヤのね。
あれをタイヤをポポンって叩いて、タイヤの空気入ってるね、入ってないねっていうのを
ドライバーが結構チェックしてたりするんですよ。セルフチェックでね。
その精度ってやっぱりドライバーの技量によるんですよ。
熟練の人だったらポンポンと叩けば、ちょっと空気抜けてるな、みたいなのがわかると。
荷物を安定して運ぶためには正しい空気の量が必要ですから、そういう検査が必ず欠かせないんですけども。
それもうちょっと定量的にやろうよねっていうことで、どこの会社だったかな。
それはちょっと忘れちゃったんですけど、ハンマーで叩いたら、そのハンマーの振動を拾ってですね。
それで空気入ってるか入ってないかっていうのを判断すると。
それはディープラーニングで実装しましたよと。そういうサービスが出てましたね。
あとは今年かな。今年の重大新製品賞っていうね。
日韓工業新聞が表彰している、優れた機械を表彰する賞で受賞してたのもありましたね。
あれは異常検知の外観検査装置みたいなものなんだけど、正解データ十数枚。
OKのものの写真が十枚ちょっとあれば、それだけで安定してNGのものが弾けますよというですね。
教師なし異常検知って言うんですけど、普通はOKとNGのデータ両方を使って判断するというか、AIを学習させるんですけど。
OKのデータだけを学習させてあげれば、その中から異常なものが来たときに、その差分で判断してくれるよと。
そういう仕組みですね。やはり製造業の判定の中でNG品って全然出ないよねっていう問題があるんですよ。
だって基本的にはOK品でしょ。NG品ばっか出るっていう会社はもうAIそのものよりも、まず作り方ちょっと見直せよって話になっちゃうよね。
実際どのぐらいのロットかにもよるんだけど、1万個に1個しかNG出ませんよとか、そのぐらいのものばっかりなのよ。
1万個に対して1個出るNGのものをいっぱいデータ取ったところで、正解データ、正しいデータに対して数が集まらないのね。
そうするとうまく学習できなかったりするわけですよ。だからなかなかNGの判定って難しいよねと。
さっき言った猫と犬の写真を見分けるとかっていうのは、猫も犬も平等にいるわけだからデータあるんだけど、
OK、NGだとなかなかそうはいかないと。そういう背景があるわけですよ。
そういう時に正解データだけで異常検知できるのってやっぱ製造業にすごく合うよねということで、よくこういうのが取り組まれております。
すごくざっくり紹介しましたけどね、こんな取り組みがあるわけですよ。
こういうのは社会実装を実際にされていまして、製造業の現場でバリバリに使われております。
生成AIの登場
ここまでがディープラーニングと呼ばれるもの、だから第三次AIブームまでの流れなんですけども、
皆さんご存知の通りですね、今はそれ以上のものが来てますよね。
2022年の11月にリリースされたチャットGPT、ここを皮切りですね、一気に生成AIブームが来たわけですよ。
もうね、AIっていうのはさっき言ったように、もともとデータを入れたら判定してくれるよと、
OK、NG見るよ、犬か猫か見るよっていうですね、基本的には判断をしてくれるようなものだったのに対して、
生成AIが出てきたことによって、アウトプットができるものになったのよね。
犬の画像作ってとか、音楽作ってとか、動画作ってってことができるようになったと。
だからAIが専門家じゃなくても誰でも使えるようになったわけですよ。
もともとはね、さっき言ったようにデータ集めたりとか学習したりして、
モデルを構築していかなければAIで使えなかったものが、もうサービスとしてですね、
そのままAIに指示を出せば、いかなるものでもできちゃう。
画像も動画も音楽も作りたい放題みたいな、そういう世の中が来たと。
だからAIの民主化によってですね、誰もがクリエイターになれる時代に突入していったわけですよ。
そんな時代を作った理由の一つが、AIを賢くする法則ですね、スケール則というものですね。
計算量が増えると、データ量が増えると、パラメータ数が増えると、それに比例して、
AIの性能が良くなるよという法則があります。
だからもうね、ビッグテックの札束の殴り合いが起こるわけですね。
とにかくいいGPUをいっぱい使って、電力バリバリ消費しながらですね、
ガンガン計算させていっぱいデータ使いまくれば、頭良くなるよというね、
ある種すごく力こそパワーみたいな世界で、AIをどんどん加速させることができたわけですよね。
皆さんもね、先生や毎日お疲れだと思いますけども、こうやって相談ごとに乗ってもらいながら、
コミュニケーションも取れるし、画像も作ってくれるし、音楽も作ってくれるし、
動画も作ってくれるし、何ならプログラミングなんてやったことなくても、
プログラムを書いて何か動くソフトウェア作ってくれると。
こんな感じでですね、様々なこと、様々な能力を代替してくれるような世界になったわけですね。
その中でもものづくりの文脈として、私がよく注目しているのが、3Dモデルの生成だと。
最近はもう画像を入れればそのまま3Dモデリングをしてくれるよというサービスいくらでもありますから、
そういうものを使うとですね、あっという間にこのモデリングが完了すると、
あとはそれを3Dプリントにぶち込めば、3Dプリントできてしまうよ、みたいな世界が今来ているんですね。
私もそれで実際自分のフィギュアみたいなやつを作りましたから。
っていう話でここで先生方にですね、3Dモデル生成の実演をしてもらうっていうタイミングがあります。
リスナーのあなた忘れてたでしょう。これは私が今プレゼント練習をしてますからね。
流れを確認するっていうことで喋ってますからね。その前提でございますよ。
3Dモデルも生成できれば、最近は製造業の文脈で言ったら図面から3Dモデル作れたりとか、
言葉でCADモデルですね。3Dモデルっていう文脈だと結構CG系も含むんだけど、
実際製造業のものを作るときに使うようなCADモデルっていうのも作れる。
そんなサービスも出てきますよと。ここは結構工業高校の先生食いつくんじゃないかなと思いますね。
あとはフィジカルAIよね。AIが体を持って現実世界を変革しようということが最近すごく流行りとしてありますよ。
もともとAIのアウトプットってデータとか判断とか無形なものだったわけですけども、
それを物理的なアウトプットにしようぜということでフィジカルAIというのがすごく注目されています。
この文脈でよく言われるのがロボットですね。特にヒューマノイドとか最近ニュースでもよくやりますし、
私も過去回で紹介しましたけど、日本製のヒューマノイドを作ろうぜみたいな団体も京都で立ち上がりました。
京波っていうところだったかな。そういう流れがあるわけですね。
最近結構面白いなと思ったのが、PiZeroっていうモデルなんですよね。
これフィジカルAI勉強会っていう勉強会、この前行ったときにすごく推しされてたモデルなんですけども、
既に事前学習がされているようなVLMですね。ビジョンランゲージモデルと。
LLMって言ったら大規模言語モデルでしょ。そのLLMのLがLじゃなくてVだと。
ビジョンね。画像、カメラで見たものを言語で扱っていろいろやっていけるよみたいな。
世界を言語で見ようよみたいなそういうモデルなんですけど、それの学習済みモデルみたいなやつがあって、
それがいろんなロボットの動きを学習してるんですよね。
だからその事前学習っていうのは済んでるんで、そのモデルをロボットに入れてあげてちょっと自己学習。
少し学習させてあげれば結構精度のいい動きをするし、自分で判断して動くと。
動画このチャプターに貼っときますけど面白いですよ。
洗濯物を畳むんですよ。ロボットがね。
だけどロボットらしくなくてすげえ人っぽい動きで、なんか失敗しちゃったみたいなパチパチパチパチで動いてすごく可愛らしいんですよね。
最近はそういう取り組みもあるということですよ。
非常に精々AIがブームで、AIがもうこれから世界を変えていきますと、次なる未来がもう待ってるんだと。
AIが全てを変える人間の転換器シンギラリティが来ますよと。
世界が変わろうとしているんですね。
という花々しいAIの世界、驚きの世界はありつつも、実は製造業において精々AIの業務活動はほとんど進んでいないという現実があるんですね。
これは現実問題としてありますよ。
一応社内で精々AI使えるようになってますよとか、自社の文書、ドキュメントを検索できるようになってますねとか、
そのぐらいの一般的などこの会社でもやってるようなドキュメント管理みたいなやつは行われていますけど、
製造業バチバチに機械設計、制御設計、電気設計とか、その文脈で精々AIをがっちり活用してるか、専門部屋で活用できてるかといったら、これはほとんど進んでないと。
一部の大企業がパフォーマンス的にやってるだけなのが正直現実です。
それもいろいろと理由はあるんですけども、まずやっぱり精々AIを使う上での情報セキュリティをね、
これAIに入れていいのか、この情報みたいなものがあるので、なかなかパッと扱いにくいと。
だから自社の環境を作って、その中で業務のやり取りをするんだけども、
じゃあサービスとして使おうと思ったりとか、製品に埋め込もうと思った時に、またいろいろと問題が出てくるわけですよ。
製造業への影響
あとはハルシネーションの問題、精々AI嘘をつきますよという話があるんですけども、
AIと製造業の安全性
じゃあその精々AIを使って動作をさせるような、そういうロジックを組んだ時に、
どこまで安全性が担保できるのかと。製造業って結構100を求めようとする文化があるんですよね。
精度80%って言ったら使えないよね。AIの文脈だったら精度80%って言ったら結構いいんじゃないかな。
いい上がってきてるねと思うんだけども、現場で精度80%って言ったらはーっていう感じになると。
95%でもじゃあもっと上げていこう、上げていこうみたいな樽を知らないみたいなところがありますからね。
そういうものと非常に相性が悪いよねというのはありますし、あとブラックボックスっていうのも結構辛いですよね。
なんでそういう判断したのかとか、なんでこういうアウトプット出てきたんだっていうところの中身がわからないので、
結構このコアの部分に実装しにくいよねっていうのはあります。
という様々な理由はありますけども。
セキュリティもそうだし、技術面もそうだし、データもそうだし、人材とか運用の面でも結構複雑に絡み合って、
なかなかクリティカルな活用っていうのは進んでいるように見えて、結構牛歩であるのが製造業の現状です。
AIスキルの二つの側面
じゃあそんな時代におけるAIのスキルって何だろうと。
工業高校の先生方が身につけるスキル、または生徒に対してこういうスキルを身につけて欲しいなと言って、
教育のカリキュラミ埋め込むようなスキルって一体何なんだろうというところですね。
AIスキル、AIスキル言うておりますけども、このAIスキルってこれ私の考え方ですけど、2種類あると思ってるんですよ。
っていうのはまずAI活用スキル、AIを使う力です。
自分の創造の手助けとして活用する力とか、未習得のスキル。
例えばプログラミングできないけどAIに助けてもらうとか、学習を助けてもらうというね。
とにかく自分がやりたいこと、これからやっていくことに対してAIを活用するスキルっていうのが一つありますよと。
もう一つがですね、AI実装スキルです。
これはAIを作る力、自らがAIを作って動かせる、そうやって導入できる技術ですね。
さっきも言ったように製造業の現場においてはですね、
生成AIというよりは機械学習とかディープラーニングの文脈でやっぱりすごく使われています。
いろいろなものが、その中でもやっぱりエッジAIって言ってさ、
クラウド環境とかネットワークを使わずに、その場でAIが判定して結果を出してくれるよっていうね。
パソコンの中、一台のデバイスの中で完結するようなAIっていうのが、
生成AI時代においても、逆に製造業の文脈ではそっちの方が強いので、
どんどん入っていくんじゃないかなと思います。
そういうものをやっぱりちゃんと自分で組めたりとか、実装できるようなスキルっていうのが、
ものづくりやってる人たちにとっては結構重要になるんじゃないかなと思います。
AIを使う力、そしてAIをちゃんと作って、それを入れる実装のスキルですね。
こういう2つの力を磨くと、このAI時代に活躍できるエンジニアになるんじゃないかなと。
だからこの使う力と作る力を両輪で磨く、こういう二刀流人材っていうのはね、
やっぱりAIの時代にはいるんじゃないかなと思います。
これからの時代に必要な人材として、よくパイ型人材の話を私はします。
広い知見を1個持っていて、パイっていうのは円周率のパイね。
あれって足が2本生えてるじゃない。
ああいう感じで横の棒、これは広い知見を表していて、下の棒っていうのは深い専門性を表しています。
専門性が2つありますよと。で、広い知見もありますよと。
こういう専門性同士を掛け合わせる人材が今後求められるんじゃないかなという話です。
この1個の専門性っていうのは何でもいいんですよ。自分が得意とするところ。
私だったら機械だし、工業高校の生徒で通ってるんだったら電子科だったら電子だし、電気だし、土木だしとか建築だしとかいろいろあると思います。
かけるもう一つの専門分野としてAIスキルと。
このAIスキルを2分するとさっき言ったようにAI活用スキルとAI実装スキルがあると。
こういう括りでやっぱりそのAIスキルと自分の専門分野を掛け合わせるような。
2つ以上なんでね。いっぱいあってもいいんですけども。
パイじゃなくてもね。もう一つ棒が入ってきてもいいんだけど。
AI時代の人材と教育
そういう人材がねやっぱ必要になってくるんじゃないかなと思いますね。
私もちつきAIラジオっていう番組やってますけど、AI技術って結構流行り下になるよね。
もともと第1次AIブームを第2次AIブームを過剰な機体から実際できることのギャップに民衆とかその企業が落ち込んでしまって投資がやむと。
その結果流行らなくなったっていう流れがあるから。
やっぱり一回加熱するのよね。
AI驚き屋さんなんて言われる人たちがSNSでいっぱいいますけども、ああいうのも一緒でさ。
話題性作るとお金になったりとかすごく熱入るから驚くんだけども。
実際の機体とギャップがあるとやっぱり一回沈むと。
それでも実力があるんだったら社会に定着していくっていう流れがありますから。
そこらへんSSAIはやっぱ見定める必要があります。
ただディープラーニングとかエッジAIの分野に関してはもう実装フェーズに完全に入ってるんで。
そこの技術をちゃんと把握しておくっていうのが結構エンジニアリングの視点としては重要なんじゃないかなと思います。
最後結論ですね。AIはものづくりをどう変えるのかというサブタイトルで実は話していたというか冒頭言いましたけど。
そういうテーマでずっと話していたんですけども。
話のまとめとしてはまず今言ったように過剰な機体っていうのがあるんですよ。
AIは何でもできる魔法じゃないです。
特に生成AIっていうのは製造業の文脈においては現場においてはまだ全然活用というのは活発じゃないんだよということをまず先生方知ってください。
生成AIどんどん使って製造業バリバリやってるぜっていう時代はまだ来てません。
その中でもやっぱり来てるのは技術の民主化というもので生成AIを使って誰もが専門家のような技術を扱えるようになったと。
だから今まで未習得だったスキルも使えるようになったし学びやすくなっている。
AIが先生役をやってくれたりするからね。
そういうところでスキルアップのためにAIを使うもよし。
また自分にないアイディアを出すために壁打ち相手としてAIを使うもよしと。
とにかく自分の計算とかとにかく効率を上げるために活用していくのは非常に良いと思います。
だからこそ勘違いしないでほしいのはもうこれAIが全部やってくれるからさ。
もう機械の技術とか学ぶ必要ないんじゃないとか電気の技術とか学ぶ必要ないんじゃない。
プログラミング学ぶ必要ないんじゃないと学生たちが思っちゃうかもしれないんですけどそんなことはないですよと。
こういう時代だからこそ本質的な技術の基礎知識っていうのがいきますと。
それはあなたたちの軸でAIっていうのはもう一本の足だと。
これを掛け合わせることでやっぱ価値が出しやすい時代になってますから今非常に良いですよと。
自分の専門を工業方法で磨けるのってめちゃくちゃ良いよということを推してあげてくださいという話ですね。
そしてさっきも言ったようにAIスキルの必修化ですよ。
AIを作る技術と使う技術っての両方を持っているといろんなところで活躍できますと。
自らの専門性と掛け合わせたπ型人材を目指してくださいねというのが今のAI時代の必要な考え方かなと思っております。
今3つ言ったのね。カードの空き体と技術の民主化とAIスキルの必修化みたいなものが今起こってますよという話をしましたけど。
この3つって共通点があってさ何かと言ったら技術の話じゃないよね。
全部主体が人なんですよ。カードの空き体、技術の民主化、AIスキルの必修化全部人に関することなのよね。
人がどうなのって話ね。結局俯瞰してみると人なんですよ人。
このサブタイトルね。AIはものづくりをどう変えるかという話をしてきましたけども。
この言葉を聞いた時に違和感を感じて欲しいんですよ。
なんかこの言葉おかしいなと思いませんでしたか。
最初に私がこのサブタイトルを言った時になんか支部長さん変なこと言ってるなって気づけなければならないですよ。
AI時代を生きていくためには。
これAIはものづくりをどう変えるか。
集合がAIになってますね。
AIは毒ですから別にAIが変えてくれるわけじゃないです。
正解はこちらです。
AIでものづくりはどう変われるのか。
主語は私たちなんですね。
我々が時代に問われているわけです。
AIに問われている。
お前らはAIを使って時代をどう変えるんだいってAI側から問われているのが今の時代なんですよ。
ここを履き違えるとAIさん何かしてくださいねっていうね。
この全裸待機待ちの姿勢になってしまうと。
こういう姿勢ではもうAI時代は乗り切れません。
まずマインドを変えましょう。
私のねこのサブタイトルを聞いた時に何にも違和感がないよって思ったんだったらそれはね危険信号ですから。
AIはものづくりをどう変えるか。
どう変えるんだろうワクワクって言ってる場合じゃないんですよ。
主語はあなたなのよ。
AIでものづくりはどう変われるのか。
我々が時代に問われていると。
つまりこの問いに対して答えられるような力を学生たちに与えてあげてほしいんですね。
また考えられる力を与えてあげてほしいと。
それが今のAI時代におけるものづくり教育の本質だと私は思っております。
ということでおしまいっていう感じのプレゼンなんですけども。
いかがだったでしょうか。
ちょっとオチまで言っちゃったんですけどね。
まあまあ5行後の先生がこの番組を聞いていることもほぼほぼないと思うので。
誘ってくれた方はもしかしたら毎日聞いてるかもしれないですけど。
そういう方はちょっとネタバレになってしまったかもしれないですが。
まあこういう流れでプレゼンを作ったっていう話です。
今一通り読み通してみて何となく自分でも言おうと思ってたことがまとまったんで。
いい練習になりましたよということで結局30分ぐらい喋ってたね。
だいぶはしょったんで。
これスライドちゃんといっぱい読めば2時間ぐらいなりそうだね。
実際エッジAIっていうデバイスを直接持って行って。
ものづくりとコミュニティ
教師なし異常検知やってみましょうっていうデモもありますから。
まあまあまあまあ2時間持つでしょうというかオーバーするかもしれないと。
本当はねルーロボットっていうね。
ルーロボットSO101っていう小型のロボットアームみたいなやつがあって。
うちにね今あるというか今作りかけなんですよ。
完成したらそのロボットアームの実機も持ち込んで一緒に遊ぼうかなと思ってたんですけど。
ちょっとまだバラバラな状態で今から立ち上げて間に合うか間に合わないか微妙なんでね。
ちょっとうまく今日を組めてねうまく動けば持ってくけど多分無理かなーっていう感じだね。
ということで工業高校に明日行ってまいりますということで練習お付き合いいただきありがとうございました。
ちょっと長くなっちゃったね結局案の定15分ぐらいですよって言ったけど倍になっちゃったんで。
なんでコメント返しはまた明日ねさせていただきますよろしくお願いします。
というわけで今回はここまでさせていただきます。
私は支部長技術研究所も運営してますのでそちらもぜひチェックしてください。
エクストラも毎日ものづくりに関する投稿しておりますのでよろしくお願いします。
ポッドキャストものづくりラジオの方も毎週土曜日週1で配信中です。
ポッドキャスト落ち着きAIラジオ毎週火曜日金曜日週2で配信中です。
こちらもぜひ聞いてください。
最近ですねリッスンさんと株式会社雑談さんがコラボして作ったルームというリスナー向けのコミュニティサイトを立ち上げました。
面白肉スラボというリスナーさんと絡みながらものづくりしていきましょうねみたいな空間が作りたくてそういうコミュニティをやっております。
続々皆さん入っていただきありがとうございます。
無料会員と有料会員あって有料会員だと限定コンテンツみたいなのが読めたり聞けたりするんですけども、
基本的に配信している有料コンテンツはVoicyのプレミアム放送と一緒ですからね。
Voicyのプレミアム入ってくれている方はですね無料で入れるようになっておりますので、
Voicy専用の方のフォームから入ってくださいねということでよろしくお願いします。
またこのVoicyのものづくりの視点の方でもプレミアムリスナーも随時募集しております。
さっきのRoomの面白ミックスラボどっち入ってもらってもいいんですけど、
Voicyで聞きたいよって方はVoicyの方入っていただければなと思います。
月額500円となっております。今は300円なんだけど。来年の1月は500円に上げますのでよろしくお願いします。
というわけで今回はここまでとさせていただきます。
以上、渋長でした。ではでは。
