# メタバースと生成AIには、共通する重要な方向性がある おはようございます。佐々木敏直です。 コンピューターを人間がどう使うのか。 ユーザーインターフェース、UIっていうんだけど、これはこの20年30年で 1回だけ大きな進化があったんですよね。 僕がパソコンを最初に使ったのは80年代の確か半ばぐらいだったと思うんだけど あの頃のコンピューターって大抵は真っ黒な画面にプロンプトが点滅していて カーソルですよね。そこに文字でコマンドを打ち込むとパソコンは答えてくれる。 MS-DOSと言われるOSが走ってたんだけど これを当時CUIって言ったんだよね。キャラクターユーザーインターフェース。 キャラクターってのは文字だから文字を入力して指示を出す。 これがMac、そしてWindowsが登場したことによって グラフィカルユーザーインターフェース、GUIって言い方もしますがそっちに変わっていった。 アイコンがあってそれをマウスポインターでクリックすると何かが起きる。 非常に使いやすくなったわけですよね。 パソコン以来ずっとこのGUIである。 スマホが出てきて、スマホもマウスはなくなって指でタップするんだけど やっぱりアイコンをクリックしてっていうところには変わりがないだけだから WindowsとかMacのPCのGUIをそのまま踏襲してたんですよね。 ところが今回、去年の暮れから対話型AI、ChatGPTみたいなのが登場して これが第三のUIになるんじゃないかっていうことを言われるようになってきた。 ビル・ゲイツがChatGPTを見てこれはWindows以来の発明だって言った。 それどういう意味かというと UIが今までのようなアイコンをクリックするGUIじゃなくて 新しい自然文で質問して自然文で答えが返ってくるっていう そういうものに変わろうとしている。コミュニケーションユーザーインターフェースですかね。 略すとCUIで昔のと同じになっちゃうんだけど そういう変化だよね。 ちょうど数日前にマイクロソフトがWindowsにCopilotってAI機能を搭載しますよ。 もう間もなくリリースしますよって発表して これがまさにコミュニケーションによるユーザーインターフェースになってきている。 今までだったら例えばWindowsのPCの画面をダークモードに変えようとしたら 機能設定とかを開いてその中の画面モードとかのメニューを選んで そこから変更するっていうやり方だったんだけど CopilotのAI機能がつけばWindowsに向かって 画面モードをダークモードに変えてって打ち込むだけでやってくれる。 今のところテキストでキーボードでタイプしてるんだけど 例えばオープンAI、チャットGPTを開発している会社は数日前のリリースで スマホのチャットGPTアプリには今後音声とか画像の機能を入れます。 画像の機能って何かというと、事例として挙げられているのは 自分が乗っている自転車の写真を撮ってその写真をチャットGPTに送って このサドルの高さを変えたいんだけどどうすればいいって聞く。 そうするとチャットGPTは自転車の画像をじっと眺めて サドルの根元にあるボルトを緩めるんです。 そのためには六角レンチが必要です。みたいなことが教えてくれる。 同時に機器は音声で答えてくれる。 だからこれからは昔のSFAが出てくるコンピューターみたいに ご主人様はどうしますか。 コンピューターはこれをやってくれ。わかりました。みたいな そういう自然文のやり取りでコンピューターに命令するのは 本当についにSFの中の現実が当たり前になってくる可能性があるのかな。 ちょっと話が変わるんだけど この春にアップルがビジョンプロというVRのヘッドマウントディスプレイを発表して すごい話題が沸騰になったじゃないですか。 値段が30万円の中でものすごい高いのもすごかったんだけど アップルがビジョンプロを発表した時のキャンペーン動画みたいな 結構長いやつを見てみるとあっと気づいたのは メタバースって一言も言ってないんですよね。 アップルはあくまでビジョンプロというのをマックとかで使っているような アプリケーションを操作する新しいやり方を提供するんです。 そういう方向なんですね。 だからビジョンプロを被ると目の前にそれこそマックの画面みたいな バーンと浮かび上がってそれが操作できる。 どう操作するのかというとこれも意外に見過ごされてるんだけど 従来のVRのヘッドセット例えば オキラス改めFacebookが買ってメタってなったメタクエストとかメタクエストプロって ゲーム機みたいなコントローラーが付いてるんですよね。 スティック状のあのコントローラーでいろんな操作をするって方式なんだけど アップルのビジョンプロはコントローラーがない。 ジェスチャーであるんですね。 多分そのヘッドセットにいろんなセンサーとかカメラがついていて それが人間の手の動きとか体の動きとかを検知してですね 命令を送っている。 つまりこれからはアプリを操作するのはマウスポインタで動かすのではなく ジェスチャーでやるんだよっていうのが 多分アップルのビジョンプロにおけるメッセージなんじゃないのかなと思う。 ほらここに来て実はメタバース的なビジョンプロとね チャットGBというのは多様型AIの目指す方向性が若干似てきている。 もちろんチャットGBというのは違う可能性もたくさんある。 必ずしもそのUIがコミュニケーションになっただけじゃなくて もっとあらゆる可能性が秘めてるんだけど UIって観点から言うとチャットGPTは音声によるコミュニケーションっていうのを切り開こうとしている。 一方でアップルはビジョンプロで ジェスチャーによる操作っていうねそういうUIの可能性を切り開こうとしている。 おっとこれは最終的に人間のコミュニケーションじゃないか。 我々は人と喋る時に声を出して喋る。話し合う。 と同時に対面している相手だと手を振り回したりとかですね 手をひらひらさせたりとかねロクロを回したりとかしてボディランゲージもするわけですよね。 それによって全身で言葉と体で相手にメッセージを伝えるんだけど それと同じ方向に今ついに テックの世界が進もうとしている。 かたやチャットGPTから音声によるコミュニケーションがやってきて かたやアップルからはジェスチャーによるコミュニケーションがやってきている。 この2つが合流して合体すれば 我々が人間同士でやっているコミュニケーションは全く同じものになる。 喋りながら手を振り回すってコミュニケーションで コンピューターともやり合うっていうね やり取りするっていう世界が実は間もなく開けてきてるんじゃないかと。 面白いですよね。 そういうふうに人と人が話すのと人とコンピューターが話すのは 全く同じ地平になっている可能性があるんじゃないのかなという話でした。 テックは本当に面白いよね。 ではまた明日。