# チャプター1 グッドモーニングエンジニア 皆さま、おはようございます。 ウェブエンジニアの七井戸です。 昨日に引き続き、教育者リスナーの放送第2回目となります。 今日は、ここ1年での私が感じたAI界隈の進化について俯瞰して考えてみたいと思います。 まず、私がよく使っているAIのツールとしては、 今年の初めの方まではChatGPキーだったんですけども、 今年の半ばぐらいからどんどんGoogleのジェミニが格好良く表してきていて、 ジェミニもジェミニの方に乗り換えることをしました。 再生される内容の感触としては、特にそんなに返せないかな、 徹底行動を書く機能とかも、どっちも優れてお付き合いという感じなんですが、 ジェミニの方は、皆さんご存知だと思いますが、 ナノバナナという画像セルセルにも強いというのがあるので、 ここでかなり群配がジェミニに傾いたという感じですね。 あとは、他によく資料とか録音内容とかを文字起こししてくれたり、 さらにそこから予伝の資料とかを作ってくれたりするGenspark AIというのが こちらも有料として、よくKindleの書籍だったり、 Udemyの講座などを作るときにまとめるために使っていたんですけども、 こういった機能も、もはやジェミニの方で大体できるようになってきて、 何なら、YouTube動画とかは同じGoogle、 ジェミニとYouTube同じGoogle投資ということもあるのか、 かわり親和度が高く、YouTubeのURLを付けて、 この動画内容を予約という指示を与えるだけでも、 ジェミニの方はかなり的確に予約してくれたりしますし、 同じくGensparkでやっていたようなプレゼン資料なども、 ジェミニでも作ることが容易にできるようになってしまいました。 なおで、Gensparkもあまり使わなくなっていくかもしれないなという感じです。 あとは、前回放送でお話しした、私のメインCNNの大きな柱の一つとなっている、 東人コミック制作などで使っているのが、 Stable Diffusionという仮想生成のAIなんですけども、 こちらがかなり環境構築に時間がかかったりしますので、 かなりクロード向けのAIツールとなっております。 あとはAppleのApp Intelligenceという、Appleの端末に搭載されることになったAIですけども、 これは完全に私の中ではお話にならないという感触ですね。 簡単な指示でも、結構チェーンプンカンプンになったり、回答してきたりとか、 あとはAI使えるって言っておきながら、 結局、ChatGPTのアカウントに接続させて、 ChatGPTをAppleの端末上で呼び出しているという感じなんですね。 それ以外の、前、Siriに申していたような、 今日の天気は?とか、何ドルは日本円いくら?とか、 そういうことは、Siriを使っておそらく返してくれてるんですけども、 例えば、冷蔵庫にあるトマトで作れる容量は?とか、 そういうことを聞くと、ChatGPTにリクエストをかけて、 リクエストをかけて、ChatGPTから回答してくれるんですけど、 その回答内容は、確か読み上げてくれなかったり、 その会話に対して、ChatGPTってチャット形式なんで、対話形式なんで、 その回答してくれたことに対して、さらにこちらから、 じゃあ、なんとかなんとかは?とかって、さらに質問を返したりするっていうことも、 このApp Intelligence上ではできない。 1回返ってきたものを、それに対して返信したいときは、 画面に表示されたChatGPTのリジェットの中にある入力メッセージボックスに、 テキストを入力するか、Appleの機能でテキストを入力するときに、 マイクのボタンを押して、そこでやっと声で話せる。 っていう感じで、それだったらもう最初から、 アプリのほうでChatGPTとのライブ会話を使ったほうが絶対いいっていう感じになるので、 AppleのAIはめちゃくちゃもう、おくりを取ってますね。 Apple Intelligenceの機能見て、 これはもう追いつけないだろうなっていう感じがしてますね。 利点としては、端末型OSを目指していると思うので、 特にインターネットだったり、オープンなネットワークに接続しなくても、 オフライン環境でもApp IntelligenceっていうAIは、 使えるようになっていくっていう構想だと思うんですけど、 そうなっていって、さらにそのAIが、 本当に精度高く使えるものになってくれば、話は変わってくるかと思います。 あとは、その同じくAppleが今年出したAirPodsとApple Intelligenceを連携させた ライブ翻訳っていう機能があるんですけど、 これも全然お話にならなくて、 英語は強いんですけど、それ以外の言語がかなりいかれてて、 本当に片言で、20年くらい前の翻訳ツールで、 翻訳資料が完熟で、これも全然使えないですね。 なので、こういうことはできるよって、 すごい代々的な告知とか指摘体感はあるんですけど、 ふたを開けてみたら、本当に全然しょぼいっていう感じが、 ちょっと最近のAppleのAIとか、 そういうデバイスにいられます。 あとは、ちょっとAIから話はされますけど、 Vision、Vision Proも一度買い上げたと、 一昨年購入したことがあって、 1ヶ月くらいで売っちゃったんですけど、 売り切れちゃったんですよ。 # チャプター2 イジョンプロは使ってみて、ものすごい感動しましたね。 僕はガジェットを結構好きなんで、 もともとは2019年とかにオキラスを使っていたことがあったんですけど、 スティームゲームとかをVRでプレイすることができるので使っていて、 その時一番感動したのがGoogle Earthというアプリで、 iPhoneとかでもGoogle Earthというアプリがあって、 同じようなことができるんですけど、 こっちのVR版のGoogle Earth VRの方は無償提供、無料でインストールできるんですが、 ものすごい可能を、世界中のあらゆるところをGoogle Earthで見られるように、 世界中のあらゆるところに行って、 それにそこをVR空間で立体してきたりする。 というのが当時めちゃくちゃ感動して、鳥になった気分。 どこでも飛んで行ける鳥になった気分っていう感じで、 かつオープンワールドなんで、 例えば日本の今自分がいる現在地から、 例えば本当に日本の育児の中で北海道の方を目指してとか沖縄の方を目指してとか、 ゆっくりゆっくり進んでいく俯瞰映像みたいなのも、 ビジュアル的に回転されてきて、 ゲームみたいな感じでもあるんですね。 それでVision ProではGoogle Earthっていうのがアプリで使えなくて、 それの擬似的なアプリとしてGoogle Earthっぽいアプリがあったりするんですけど、 Vision Pro上で視界の中で全行為に対して、 視界の中を追うようにVR空間を見るってことができるアプリが、 ずっと僕の探した中ではなくて、 そこはちょっと不満っていうのがあったり、 あとはメタクエストでは、 マイクロソフトフライトシミュレーターっていうアプリがあって、 それが当時僕がやっていたGoogle Earth VRにかなり近しいもの。 ただこっちのフライトシミュレーターの方は名前で分かる通り、 いろんな乗り物を選択して、それに乗って、 GPSの視点とかでも見れるんですけど、 自分の乗ってる乗り物を後ろから見るような感じで地球像のあらゆるところに行ける。 地球像のあらゆるところに行けるっていうところは、 Google Earth VRと非常に似てるって感じのアプリというか、 VM、アプリですよね、アプリがあって、 フライトシミュレーターは有料になっちゃうんで、 Google Earth VRで一番よかったなと僕は個人的には一番思ってます。 で、Vision Proの方は、 当時出た時も、それからしばらく経ってからも、 YouTube上でVision Proを使ってみたっていう、 ガジェットマニアの人たちのチャンネルとか見てたと思うのが、 僕は買ってから毎日使ってますとか言ってる人がすごくいたんですけど、 絶対そうだと思って、なんでかっていうと、 Google Vision Proで対応してるアプリも数えるくらいしかないし、 そもそもデベロッパーが全然少ない。 あととしても、毎回ベータ版みたいなアプリだと、 ずっとしょぼいものが多くて、 一つはまずアプリとかの見れるコンテンツが全然まだ対応しきれてない、 少ないっていうこと。 それはVision Proがめちゃくちゃ高い、60万くらいするっていうこともあって、 一般の人も手に届かなかったりして、 ほとんどの人がそれまで使えないから、 開発者、デベロッパーもまだ全然参入してない、 急いでないっていう感じの状況だったんですね。 なので、毎日使うにはコンテンツが繰り出しちゃって見飽きるし、 あと使い方として、パソコンのディスプレイをVR上に再現して、 要はモニターのない環境とかでも、 これもまたキーボードもVision Pro上のVR上の仮想キーボードみたいのを 指でタイピングするって形になるんですけど、 それも物理キーボード、本当に目の前になるキーボード、 タイピングした方がスムーズにないし、 やっぱりちょっとそういうところで操作しづらいので、 そういうことは確かに潰れてるんですけど、 物理の方がいいっていうのがあったり、 あとはモニターのない空間でVR上に映してって言うんですけど、 そういうシチュエーションって別にそんなにないかなと思って、 無理して何か飛行機の中とか、 さっきのホテルとかでそういうことをしようとしなければない。 僕、基本的に前回ほどストーリーも家から外も出ないので、仕事のときは。 家の環境が一番僕の中では潰れてるんで、 それで事されてる。 他の環境に行ってそういうことをしようとしない。 したとしてもMacBookの一画面の方がまだ使い勝手がいい。 あとVRってビジョンプロほどの解像度だとしても、 ヘッドセットの重さであれば頭もちょっと首も疲れるし、 あとはやっぱり視力に負荷がかかって疲れちゃうんですね、目が。 なんであれを2時間とか3時間とか、 普通仕事で使うんだったら1日で6,7時間とか使ったりするんですけど、 それを長時間つけてるのは無理だなっていう感じですね。 なんでちょっとそういうところでも、 Appleが60まで出してる、 それよりビジョンプロじゃなくてビジョンとかビジョンエアみたいな感じで 廉価版出せてないのもスペック的に廉価版出すのは無理だと思いますし、 今の時点では。 あとはそうですね、やっぱり一般にもっと浸透してからじゃないと、 ほんとサンダラズぐらいの小ささで、 レイバーのとこはレイバーメタとか出してますけど、 あれはちょっと思った通りビジョンプロとやることが全然違う、もっと少ない。 あのぐらいの小ささになってビジョンプロぐらいのスペックというか、 やるものがないと一般には浸透しないと思います。 それを多分これからMUAの法則とかで小型化していって、 半導体とかがもっと小型化できるようになっていったりして、 深くか下がってそういうサーニーアップルもそういうのが出せれば、 やっとそこでそこから浸透していくんじゃないかと思います。 # チャプター3 これをVision Proを使っているときに もう一ついいなと思ったのが 空間動画とか空間写真というのを Vision Pro上で撮影することができるんですね。 Vision Proって 人間の目みたいに左目と右目みたいなカメラから 撮影ができるので 本当に人間が見ている立体的な世界 両目で見ている世界を録画できる。 だから左目映像と右目映像で撮ってるんですけど iPhoneだとやっぱり それは難しいですね。 で、Vision Proで撮った空間写真、空間映像は 同じVision Pro上で そのときはVision Pro上でしか見れなかったんですね。 で、これが凄い良くて 確かに凄い僕がテストで撮ったようなものを 後からVision Proで見返したときに 凄い現状感があって 音とかも空間オーディオで 左から聞こえてくるものが本当に左から聞こえてきて 後ろから聞こえてくるものが後ろから聞こえてくる とかってありますし この立体で見れるっていう何がVRとか 立体で見れるの、3Dで見れるの何が凄いかっていうと 本当に伝わる度が全然違うなと思ってて これを本当に使うんだとしたら 本当に天地の状況リアルに伝えたいコンテンツ 伝えた方が良いコンテンツ 例えば被災地の様子だったり 戦争でヒガリーにあったような地域の 本当に立体映像が見れると 人間の意識がかなり 見た人の意識はかなり影響を受けるなって思いました やっぱり平面の写真とか動画で見てると 電磁力も擦れるし ちょっと他人事な世界観に見えちゃったりして いまいち自分と繋がらない感じがあるんですけど やっぱ動物なんで そういう本当に目の前で起こっていることとか みたいな感じで見れると 何とかしなきゃみたいな 本当に危機感だったりが という風に思いました ARからちょっと離れてしまいそうになりましたが Vision Proに関してそういった意見です なんでVision Pro Appleが今でもまだ開発続けているようなんで 本当に今後に期待しております AI会話については 僕が面白いなと思ったのは 僕のパートナーが 保険の会社のカスタマーをやってるんですけど テーマの大体がメインなんですね 今どこもそうなのか分からないんですけど そのパートナーが勤めている保険の会社は ほぼ加入者で電話かけてくる方の 8割ぐらいは高齢者の方 チャットとかもQFAQとか チャットボットみたいなのも サイトとかにあるのかもしれないですけど 快感として 僕はQFAQとかチャットサービス AIチャットで 僕の知りたい回答を得られたということが 今のところどのツールどの会社のものでもなくて ショピファイが出しているサイドキックス あれのAIはめちゃめちゃ優れて 本当にショピファイの使用に即した情報を返してくれる 本当に課題解決問題解決できるんですけど 他の日本とかが出している 例えばラクティモバイルとかそういうものを出してるんですけど マジで時間稼ぎでしかないなと思って QFAQにはよくある質問って意味だけど 別に良くない質問とか そんなことを聞いてたら 作ってる人が あまり現場のQFAカスタマーと連携してないのか分からないけど 本当にモンキリ型のQFAQ質問と想定してることしかなくて 実際電話かけてまでする質問って 僕の場合だともっと込み入った質問というか 当然QFAQに載ってるぐらいの浅い情報なんて質問してないんですね もっと多分ツールのバグっぽいなとか これはやだにおかしい挙動だとか そういうことに対して質問をしたいんで QFAQにも書いてないって書いてないし レアチャットボットも予測してないので返してくれないんです 回答 大抵のQFAQとレアチャットボットは全然使えないゴミで そういう意味で言うと ショーピーファイラーの最初は僕一番印象だなと思ってるんですけど ただショーピーファイラー使ってる人しか聞かんできてないと思うんですけど ショーピーファイラー使ってる人でもあまり使ってる人いない分かれちゃうと思うんですけど サイドキックスに聞けばすぐ分かるんだけど 関係会社とかにサイドキックスにする質問をして その関係会社がサイドキックスに聞いて一瞬で解決みたいな 結構嫌いで今そういうこと起こってるなと思ってて 話を戻して各会社のカスタマーの業務でも 今年よりの方が質問してきてるけど 質問してきてる最初に 本人であるかどうかの紹介を電話上でしなければいけないらしいんですけど 電話上なんで声援があって聞いたりとか 被保険者の情報とか あと証券番号とかそういうのを聞いたりするんですけど その時点でまずすごいつまずくらしいんですね 高齢差っていうのもあって記憶違いとかもあるから 自分の生年月日はあまり忘れないかもしれないですけど 証券番号は手元に仕返さないとダメだったりしますし あと配偶者の情報とかそういうのとかも 一瞬で聞かれたらすぐに覚えちゃう まずそういうところでつまずく 正解は要件とか質問が的確であれば ちゃんと回答もしてくれると思うんですけど まずその質問の時点で要件を伝える時点で 原告ができてないかったり 要件漏れがあったり ちょっと変な間違った質問をしてると その間違った回答というか 間違った回答じゃなくて それに対する回答が返ってくるので 自分の問題解決ができないっていうのがあって # チャプター4 本人の電話内容で話される内容は、ほぼ全て個人情報の塊です。 そういったことをAIで処理するのは難しいかもしれません。 質問者の方がAIに慣れていないというか、 AIに対する質問が濃い質問ができないから、 AIで処理するのは難しいのではないかというふうにパトラーは言っていました。 確かにそうだよなと思って、 問題としては、一つがプラットフォームに記事するような質問が、 AIが投入されたとしても可能できる方がユーザーで少ない環境というのが一つ。 もう一つが、パーソナルな情報を扱うので大丈夫かというセキュリティ的な問題。 もう一つあると思うのが、 保険の会社によって規約とかがあると思うんですけど、 そういうのを参照してデータベースとして持った上で回答するということはおそらくできると思うんですけど、 個々の人によって、やっぱりここも状況が千差万別らしいんですね。 その状況にマッチした対応がAIでできるのかというところらしいんですね。 なので、もしかしたらAIを使う側の方が、 AIの扱い方に慣れていなければ、 そもそもAIを投入しても難しい。 だからこういうところで人間が対応しなければいけないところが出てくるかもしれないと思いました。 要は、例えば質問するときにめちゃくちゃ方言が鉛があって、 そこの鉛までAIは解釈できない。 だったり、本人がこう言いたいんだけど言い間違って言っちゃってて、 だから人間が聞いている分には多分こういうこと言いたいんだろうなって聞き返したり、 あとはこっちの方でその解釈をちゃんと修正して回答するということができるんですけど、 AIは学名の通りに聞かれたことに対して答えるので、 言い間違って質問したらそれに対する回答が返ってくるので、 そこで聞いたほうは、なんかかめてない感じになっちゃって、 コミュニケーションエラーになっちゃう。 このところかなって思いましたね。 あとは、今年の初めの方は、私自身がKindleとかUdemyで エンジニアのコードを書くのが約束かって言って、 今年、Udemyの講座の初めに出しましたけど、 僕自身は一昨年くらいからCursorっていうAIのコードエディターを使ってて、 それで僕自身は爆速がすでにできていた。 その知見とかを教材に落とし込んで、 今年の初めに配信して、 Udemyのベストセラーとかをいただくことができたっていうのがあって、 これは嫌って思ってたんですけど、 今年の中旬くらいから、 そういった教材の需要もどんどんどんどん、 みんなが当たる前に使うようになってきて、 需要が増えてきて、 なので、今後入れ、 これからエンジニアをやるっていう人とかが、 新デビューイベントをするってこともあるかもしれないですけど、 既存で、すでに何年もエンジニアやってるって人は、 一回も学習しちゃったら、 特にあと自立でいけるんで、 教材は絶対にいらなくなってきますね。 なので、今からCursorの使い方とかっていう教材を持たせてもらうことはないんですけど、 というところで、 エンジニアは本当にもう、 僕自身もそうですけど、 自分でコードをほとんど書かなくなったらって思われます。 コードを書かなかったらって言って、 大丈夫なの?って思われる。 コード合ってるの?とかって思われると思うんですけど、 そこなんですね。 コードを自然にこうやって会話するみたいに、 トップノートでコードを書いてもらって、 それに対して、今度それが正しいか?とか、 共同合ってるか?とか、 ちゃんと要件に即してか?っていうところを、 ちゃんとレビューするっていう仕事が、 エンジニアの仕事になっていくんだなっていう風に仕事しながら、 僕自身もそうなって思いました。 だから、 根本的に知識としては必要で、 その知識、前提知識があった上で、 クランプトで指示して出してもらったコードをレビューして、 それの成否をちゃんと見極める。 で、1回のクランプト指示で、 結局要件に即したコードプログラムが、 返ってくることはほとんど少ないんで、 それに対してまた修正のクランプトだったり、 ここが決まるよとか、 もしくは自分で部分的に手直しするとか、 そういうことをするっていう調整も仕事。 そこは僕が今メインでやってる ステップディフュージョンの画像生成でも全く同じで、 1回の出力で、 本当に自分の求めてた構図とか例を出せるってことは結構少ない。 それに対してやっぱり、 絵に対する心理観を持って、 ここもっとこうやった方がいいとか、 こうしてとかっていう指示を追加で出したり、 なんならフォトショップ上とかで、 自分で手書きでそこの部分だけ手直しする、 修正するっていうことをするのが、 やっぱりこの流れは同じだな、 作るときに同じだなと思いましたね。 エンジニアになるよっていう人は、 コードの書き方を厳密に記憶はしなくてよくて、 例えば、CSSのメディアクイリの書き方で、 カットマークの後にメディアって書いて、 ザゴンとかって習い、 僕あれは覚えてないんですね、最初からずっと。 そういうのを空で書けてもいいんですけど、 空で書けること自体にそこまでの意味はなくて、 言語ごとの記述では違うと思うんですけど、 例えば変数呼び出すときに、 アサイン、 ショピファーの劇ってことだったらアサインっていうのを 頭につけて、 ここから変数を定義するよって、 冒頭で書いてとかそういうのがあるんですけど、 言語ごとに違うルールみたいなんですけど、 それを逐一、この言語はこれで、 この言語はこれでとかって覚えている必要は全くなくて、 各言語、構造としては大まく同じなんですね。 ループ文とか、 イフ文、フォー文とか、 そういうところで関数があって、変数があって、 定数があってとかっていうのは同じなんで、 そういった概念を覚えておけば、 ことは、トロップで指示したときに、 # チャプター5 帰ってきた行動プログラムでそれの強度を見て 合ってるかっていうところなんで 思えるべきは根本的なアルゴリズムなんで 僕がこれがエンジニアになるっていう人が 勉強した方がいいのは回帰パスポートって試験だって 比較的高校生とかでも取れたりする 中央生でも取れるかもしれないですね ITの基礎知識が書かれてる試験があるんですけど それだったり基本情報処理技術っていう 僕の持ってた他私学の技術の試験があって これ持ってるとちゃんと分かってるねって言える エンジニアになるって感じですね フロントエンドやってても バックエンドのことも知らないとダメだったりして 逆もしかりなんですけど 基本的なSQL文とかそういうことを勉強したり プロジェクトを進める上で ウォーターホールとかアジャイルとか いろんな開発方法があったりするんですけど プロジェクトを進める上でも いろんなスペースがあるみたいだとか 最短経路っていって プログラムって複数の人間で協議をして進めていくんで プロジェクトがプロジェクト ある分野の人たちの開発がここまで進んでないと 別の一つの分野の開発が着手できないとか いろんなしがらみ 前後の左右のしがらみがあって進めていけるんですけど そういうときに どこの人が一番最初に終わらせないといけなくて とかそういう整理ができる思考を持っているのが 最短経路の基本情報処理技術の地点とかでも そういうのを勉強することになるんで そういう勉強をするほうが かなり近道かもしれないですね ウェブデザイナーって呼ばれてる人は 出る方だけの人に変形かもしれないんですけど 結構そういう知識なくて 子さんの人はあったウェブデザイナーだと思うんですけど 結構心臓に入ってくる人って 表面的な表層的なことに特化しちゃってて あんまり裏のことを知らなくて というのが僕結構感触としてあるんですね ウェブデザイナーとして 例えば本当に どちらかというと エンジニアというよりもデザイナーとしてやりたいな という感じの人 フィルマーとかXDとかでデザインを起こして それをコードにするっていう 形から入ってコードするみたいなデザインのとき フロントエンドの形だと結構多いと思うんですけど その裏側でその形を 定義的には簡単に文字を書けるんですけど その形が例えば 機能としてどういうのが裏側で 実装しなければいけないのか そのデザインで書いたものを そのデザインに書いたものを実装するには 大体どのくらいのコースが必要で あとはどのくらいの費用がかかるよとか ということをちゃんと把握してないと そのデザインにできない デザインってそういうもの 形だけのものじゃなくて 仕様とか機能とか そういうのもデザインに入るんで 全部そういうのを総合してのデザインっていうのは 本質デザインっていう言葉の意味なんで そういうことを勉強を基礎として持っていたほうが 本当に問題も解決できて 見た目も潰れたデザインっていうのが せっかく作ることができるんじゃないかなと思います という感じで今回は以上となります 昨日はこのコイド収録 音声変換する前のコイド収録に iPhoneの北斎ってアプリ使っておいていたんですけど あんまり使い勝手悪いんで 標準機能で標準に入っている ボイスメモっていうアイコンに入ってるんですけど これかなり優れてるなと思いました 収録したら文字起こしもすぐしてくれたりして あとはトリミングと 喋ってるときに言い間違ったりしたら ボイシースタジオのアプリみたいに 手前に戻って再収録したり 必要ないなと思った部分とかは 反映を直感的な操作 トラック操作とかで 反映を指定してカットしたりもできるんで このボイスメモって結構優れてるんだな ということを実感した次第でした 以上です それではまた会いましょう 失礼します