卒論の機械学習実装をAIとともにゴリゴリ進め, 感じたことをまとめた備忘録. AIは「やる気のある新人」である.
なんら難しいことはない, AIを用いて自身の生産性を上げる力, これだけを考えていれば大抵は困らない. なぜなら, AI活用力は生産性を上げるためのこの上ないレバレッジであるからだ. 最低限のビジネス戦闘力の土台は必要だが.
逆に, この力を軽視すると時代に取り残される. スマホを使えない老人のようになる未来が見える. 難解な状況も, 紐解いてしまえば意外とシンプルなのはよくある話.
機械学習とか数理最適化の実装をしていた. 実装を進めていくにあたり, コードと数式を常に対応させるようにしておくことってめっちゃ大事だなって思った. なぜなら,
自分の頭の中で思い描いている数式と, 実装が対応していないことがある
数式を見ていないと降ってくるアイデアも降ってこない
自分で全部実装する分には, コードと数式が常に対応するからそれで問題はなかったんだろうが, 現在はAIパートナーズの時代. 実装内容が複雑になればなるほどこの問題は顕著になる.
実装という自身の (こだわらなければ) 定型業務を代替するべく, 自身とコードの間にAIというレイヤーを挟む.
人間で考えたら当たり前だが, 自分で実装するよりは楽になる分, フィードバックというコミュニケーションコストが発生する. AIの場合, アウトプット量は多いが, 質はそこまで高くないというやる気のある新人になっている.
AI 「先輩！仕事ください🔥」
AI「先輩！アレ、やっておきました！他に仕事ください🔥」
AI「あちゃー、ミスってたか、くそぉー。… 直しておきました！他に仕事ください🔥」
そうした人材のフィードバックは大変だ. さらにAIなので, それが「やる気のある新人の成長に繋がるからいいか」となるわけではなく, 全社最適化にもならない.
このAIとのコミュニケーションコストをどう削減するかが, 「生産性を高めるにはどうすれば良いか？」という問題に対する課題の一つである.
先の私の例 (機械学習の実装) では, 常にコードと数式を対応させるよう両方アウトプットを出させることがその課題に対するソリューションの一つになりそうである.
具体的には,
数式はLaTeXに出力させる.
実装と数式を常に対応させるようにAIに言いつける.
ことで, 人間はLaTeXファイルを読むだけで良くなるからである.
「本当にちゃんと対応できているか？」の問題に対しては, Claude Codeで並列を一つ加え, バイアスを取り除いた上で確認させればかなりそのリスクは低減できる. あまりに難易度が高く, AIがどう頑張っても対応できないようなもの(まだそんな状況はないのだが)に関しては, 人間がやるしかないという結論ではあるが.
AIが発展していくにつれ, AIのアウトプットに対して人間や専門家がどうしても確認しなきゃいけないラインは上がっていく. そのラインが人間の専門家の知能を超えない限りは, 専門家は必要不可欠だろう.
ただ, そのラインを超えてしまった場合, つまりシンギュラリティにおける場合は, どうなるかは分からない. ただ確実なのは, AIを用いてアウトプットにレバレッジをかける力は不要になることはないということ.
これを踏まえ, 今考えられる自分の最適な動きは, 専門的なことはAIと専門家に任せ, 各分野に横断的に触れることでこれから起こり得る分野の融合に備えることである. ここにイノベーションがあり, 自分の存在価値があり, マネタイズの源泉がある.
長々と書いたが, 結局はAIを使って生産性にレバレッジをかけることに慣れていけば良い. 巷ではそれはAI活用力と呼ばれ, 情報商材として売られている. この力を伸ばしてマネタイズすることだけを目的とした, 広告などでよく目にする非常に聞こえの良い情報商材である. これに対して意見を述べると10,000字ほど行きそうなので, これぐらいにしておく.
