00:01
こんにちは。最新AI情報を誰にでも分かりやすくお届けするAIR LABSのお時間です。
カイさん、ちょっと聞いてくださいよ。何か新しい機器を作ろうと思ったら、回路の設計に部品選び、基盤の配置に制御プログラムの作成って、もう専門家が何人も分担しないといけないじゃないですか。
私みたいな一人でいろいろやる人間には到底手が回らなくて、最初から諦めるしかないんですよね。
で、AIがその作業をまとめて引き受けてくれるって本当なんですか?
リンさん、落ち着いてください。その話ですが、アンソロピックが開発したクロードが電子回路の設計から試作までの一連の工程を一通りこなし、人が組み立てた試作機が回路の修正なしで動いたという発表がありました。
ただし、これはまだ試作段階の話ですので、その点は気をつけてください。
試作段階とはいえ、設計からそこまでやるなんて驚きですね。そもそも、AIにどんな指示を出したんですか?そんなに簡単に一通りできるものなんですか?
指示自体はとてもシンプルで、例えばスピーカーフォンを作るなら、パソコンにUSB-Cでつなぐ円盤型でマイクとスピーカーを備え、基盤上のアンテナでBluetoothに対応するというものでした。
クロードはそこから仕様書を書き、回路図を描き、基盤上の部品の配置や配線を決め、さらに3D印刷できるケースの設計や、動き方を決める制御プログラムであるファームウェアの作成、部品表の準備まで一通りこなした
んです。
そんな短い指示だけでケースからプログラムまで作っちゃうんですか?ちなみに今回作ったのはそのスピーカーフォンだけなんですか?
いえ、スピーカーフォンだけでなく音声アシスタント機器、そして携帯型のバーチャルペットという種類の違う3つの機器で同じように試作を成功させています。
3つの機器でちゃんと動くなんてすごいですね。でも実際に組み立てたのは誰なんですか?AIがロボットみたいに組み立てまでやったわけじゃないですよね?
そこは大事なところで、基盤を組み立ててプログラムを動かしたのはダイオードという会社の人の手です。AIが自分でものを作ったというよりは、設計の仕事を最初から最後まで担当したという形ですね。
なるほど、設計の担当なんですね。でも配線とかってすごく複雑そうですし、途中でごちゃごちゃになって失敗しそうな気がするんですけど、そのあたりの仕事ぶりはどうだったんですか?
そこが前のモデルとの大きな違いで、今回のクロードは自分で考え直す力を持っています。
例えば音声アシスタント機器の配線をしているとき、導の配線が目で追えないほど絡まりすぎていると気づいて、誰に言われるでもなく一旦その配線を消して引き直す作業を何十回も繰り返したそうです。
03:11
自分で気づいてやり直してくれるのは助かりますね。前のAIだと途中でうまくいかなくなってもそのまま進めちゃって、結局使い物にならない基盤が出来上がることがありましたから。
でもそうやって勝手にやり直されると、結局人間がずっと見張ってないとダメなんじゃないかって思っちゃいますけど。
おっしゃる通りで、AIが自分で見直すのは大きな進歩ですが、自動化で全ての手間が消えるわけではありません。
私の過去の失敗からも言えますが、AIに任せきりにすると思わぬところで抜け漏れが起きます。だからこそ最後は必ず人が確認することが大切なんです。
確かに、いくら綺麗な設計図が出来ていても、実際に工場で作れなかったり、部品の在庫がなかったりしたら意味ないですもんね。そのあたりの現実的な制約もAIはちゃんと考えてくれるんですか?
そこもクロードは自分で確認していて、部品の技術的な文章を読んだり、工場で製造できるかどうかの検査を行ったりしています。
設計の中で直すべき問題と無視して良い警告を自分で仕分けて、工場との面倒なやり取りの往復を減らしてくれました。
実際、ダイオードはその設計ファイルから直接3枚の基板を製造しています。
工場とのやり取りまで減るなら、それはかなり助かりますね。でもさっきカイさんが試作段階だって言ってましたけど、まだ足りないところもあるんですよね。
はい。今回の3つの機器はまだ全て試作段階です。電気的な検証やアンテナの調整、熱の試験、製品としての認証、そして量産に向けた設計はまだ終わっていません。
テスト機器にもつながっていませんし、最終的な組み立てと確認は人が行っています。
なるほど。じゃあ、今すぐうちの仕事にそのまま導入して丸投げできるというわけではないんですね。
でも、面倒な設計の下書きを一通り作ってもらえる相棒として考えたら、見方がかなり変わりそうです。
その通りですね。私の現場でも、新しい仕組みを考える時の手間を減らすために、まず下書きを作らせるという使い方が現実的です。
AIは設計の下書きを一通り作れますが、最後に確かめるのは人という前提を忘れないことが一番大切ですね。
本当にそうですね。自動化できるところは上手に任せて、最後の確認はしっかり自分でやるという付き合い方を考えていきたいです。
06:01
さて、お次は今日のひとことニュースのコーナーですね。
ひとことニュースの一番目です。
AWSがAIエージェントを試作のままで終わらせず、本番の環境で安全に動かすための7層からなる共通の設計図を発表しました。
会社でAIエージェントを本格的に使う時、試しに動かすのと何がそんなに違うんですか?
試作段階は動くことを見せるためのものですが、本番ではたくさんの人が同時に使っても安全か、費用や安全面をクリアできるかが問われます。
そのため、共通の土台となる設計が必要になります。
確かに、みんなで安心して使うためにはしっかりとした土台がないと心配ですね。
ひとことニュースの二番目です。
GoogleクラウドがAIの処理で止まっている待ち時間を大幅に減らすオープンソースの仕組み、TPUシンクを公開しました。
AIの返事が遅かったり途中で止まったりするのって、裏側ではどんなことが起きているんですか?
AI専用チップの小さな作業台がいっぱいになると、同じ下準備を何度もやり直すことになり、それが待ち時間の原因になります。
広い置き場を足して作業しながら効率よく運べるようにする仕組みです。
長い資料を読むときとかに返事が早くなるのはすごく助かりますね。
ひとことニュースの三番目です。
エリスト・エヌビリアが実在の個人情報を使わずに、日本の人口構成や家計に沿った架空の人物データを誰でも使える形で公開しました。
お金の相談に乗るAIを作るときって、やっぱり本物の人のデータがいろいろ必要になるんですか?
金融分野ではプライバシーの規制が厳しいため、本物のデータは使いづらいのですが、公的統計に基づいた架空の人物データを使うことで、安心してAIの開発や評価ができるようになります。
個人情報を守りながら、安全にAIを試せるようになるのはとても安心ですね。
今回は、AIが回路設計から試作まで一通りこなす話題と、現場で役立つ最新のニュースをお届けしました。
番組のフォローや評価、コメントはお使いのPodcastアプリからぜひお願いします。
概要欄には、今日の話題をさらに詳しくまとめたノートの記事や番組の文字起こしへのリンクもあります。
いただいたコメントは、チームで全部読んで番組作りに活かしているので、感想や意見をどんどん送ってくださいね。
それでは、バイバイ!
