原理から解き明かす AIと人間の成長 - Progate BAR

【出張編】AI×成長！Progate BAR 学生エンジニア限定 LT会&交流 #ProgateBar
https://progate.connpass.com/event/373651/

Transcript

1. 原理から解き明かす AI と人間の成長 Masato Akiho 2025/11/28, Progate Bar in HR クラウドオフィス
2. 原理から解き明かす AI と人間の成長 Masato Akiho Business AI Designer AI エンジニア ZEN 大学
3. Masato Akiho Frontend Next.js, React, Nuxt.js, Vue, Tailwind CSS, Shadcn/ui TypeScript, WebGL, Three.js, Websocket features, module architecture Backend TypeScript, Go, Python, PHP, Ruby Express, Hono, Laravel, Rails, Supabase Prisma, Drizzle IDaaS (+Auth) OAuth, OIDC, JWT Firebase Auth, Clerk, Supabase Auth, NextAuth, better-auth AI NN, DNN, RNN, CNN, YOLO ED 法, BP 法, AP 法, DFA 法, 拡張DFA 法, リザバーコンピューティング, Stochastic Computing Scratch3.0, TensorFlow, PyTorch, Mastra, LangChain, Dify, n8n 微分可能回路, 微分, 偏微分, 連鎖率(Chain Rule), 線形代数 Native App Objective-C, ReactNative, Kotlin, Flutter Game Unity, C#, Phaser, Three.js, WebGL, CreateJS BASIC, Scratch3.0, C++, C, PyGame, 回転行列 Infrastructure AWS(Lambda, Amplify), GCP(Cloud Run, Pub/Sub) Docker, Neon, PlanetScale, Supabase DB, RLS Architecture MVC, Clean Architecture, Domain-Driven Design
4. NICT( 国立研究開発法人情報通信研究機構) 主催 SecHack365 採択 Google Blockly Summit 2025 in Seattle 登壇（日本人2 人目） テレ東 国産LLM 開発者として取材 株式会社ZEALS CEO 清水 正大 綜資金調達額100 億円, Voice AI Agents の最先端 8 月, X で1300 万再生
5. 8 月, X で1300 万再生
6. 実績 2025.7 ZEN 大学 2025 年度特待奨学生支援制度 採択（最大額） 2025.6 Google Blockly Summit 2025 in Seattle 登壇 2025.4 文化庁 TGCA Top Game Creators Academy 採択） 2025.4 未踏IT’2025 一次審査通過 2025.3 「SecHack365 開発駆動コース」修了 2025.3 「SECCON 13 Contest of Contest 」優秀賞＆WS 主催 2024.9 東京ゲームショウ2024 Selected Indie 80 出展 2024.5 「SecHack365 開発駆動コース」採択 2024.3 「第42 回CLE 研究発表会」招待講演発表, 学生奨励賞 2024.3 「第10 回 Japan Business Design & Action Award 2023- 2024 全国大会 」ビジネスアイデアデザイン 準優勝 2024.1 「 福岡未踏Pro コース 」優秀クリエイター認定 2023.12 「第10 回 Japan Business Design & Action Award 2023- 2024 九州大会」ビジネスアイデアデザイン 最優秀賞 2023.12 「 EDD 2023 プロダクト開発部門」受賞 福岡市市長 2023.7 「福岡未踏」最年少採択 研究開発 誤差逆伝播法に変わる新しいAI 学習アルゴリズム「AP 法」 ED, NoProp, Forward-forward, DFA, 拡張DFA のように並列 で重みを計算可能 微分, 偏微分不使用 前回の入力値(i(t-1)) , 学習率(learning_rate), 重み (weight) だけで重みを学習可能 DFA やその他アルゴリズムに比べて圧倒的に演算リソース が少ない 独自AI モデル 独自Visual Programming Language 自作Animation Engine
7. 原理から解き明かす AI と人間の成長 Masato Akiho 独自AI モデル 数理モデル
8. 多くの物事を成り立たせる 根本的な法則（規則） 原理とは？ 原理 !== 仕組み
9. 本日お話ししないこと ＝ AI の前提
10. 本日お話ししないこと ＝ 具体的なコードや手法
11. 本日お話ししないこと ＝ 小手先のテクニック すぐに変わるテクニックを私が話す必要はない 扱うのは本質の原理と技術のみ
12. 本日お話しすること このAI 時代にエンジニアはどう成長すべきか AI は今後どのように成長していくのか ＝ AI の成長＋人間の成長
13. 人間 × AI = Value ML エンジニアとして の経験則 AI 時代の立ち回り方 ＝ 原理から考える
14. 人間 × AI = Value 数学や論文等から の予測 AI 時代の立ち回り方 ＝ 原理から考える
15. 人間の成長 ＝ 今後どうなっていくべきか 脱ボトルネック × 本質投資 = Value
16. 人間の成長 ＝ As-Is の把握 現状：AI の性能を引き出せていない 理由：人間がボトルネック 現状：AI の性能を超えることができない 理由：人間が本質に投資できていない 脱ボトルネック × 本質投資
17. 人間の成長 ＝ 現状課題の具体例 ボトルネックになっている例 PR レビューに時間がかかる AI が吐いたコードが理解できない 読み書きに時間がかかる 本質投資できていない例 簡易的なドメインロジックやユースケースを理解できていない BP, NN, CNN, Attention のメカニズムを知らない AI と人間の本質的な違いを認知できていない
18. 人間の成長 ＝ 対策の具体例 ボトルネック解消の具体例 抽象と具体の行き来とContext 管理を忠実かつ丁寧に行う AI 以上の複雑なコードを読む, 書く時間を増やす 人間が読み書きをする部分の取捨選択 本質投資の具体例 人に説明でき、AI を説得するまでの理解度と本質の探究 BP, NN, CNN, Attention などの仕組みを手計算, 導出できるように 誤差逆伝播法, CNN, Transformer を解説できますか？ AI と人間の本質的な違いを認知する
19. 本質的を知ったつもりでは？ コーディング OAuth とOpenID Connect は何が違うのか？ Access Token だけではなく、なぜ認可コードを発行するのか？ JS におけるexpr1 || expr2 のような論理和はどのような挙動をしているのか？ セッション管理をJWT とCookie で行う場合の違いは？ なぜゲームではオブジェクト指向、FE ではコンポーネント指向なのか？ Pub/Sub とObserver パターンの違いは？ MVC と3 層アーキテクチャの関係は？ なぜRails のようなアクティブレコード系OR マッパーを使うと実装が楽になるのか？ トランザクションスクリプトパターンとドメインモデルパターンの違いは？ なぜPython には型がないのに機械学習で上手くWork するのか？ Mastra とLangChain はどのような基準で使い分けるべきか？ AI 誤差逆伝播法が使われている理由は？ なぜ線形の活性化関数を多層にしても性能が上がらなかったのか？ LSTM はRNN の何をどのように解決したのか？ なぜNN よりCNN の方が精度が良いのか？ なぜGPU よりTPU の方が演算効率が良いのか？ torch.Embedding の中身の実装は？ Self-Attention のQ,K,V の意味は？
20. AI の成長 ＝ 今後どうなっていくのか アーキテクチャ × アルゴリズム = Value
21. AI の成長 ＝ 今後どうなっていくのか 現状：AI の性能が低い 理由：アーキテクチャが発展途上 現状：演算リソースを大量に使っている 理由：行列演算を大量に行っている トップダウンではなくボトムアップ アーキテクチャ × アルゴリズム
22. アーキテクチャが良くない具体例 before RNN ：勾配消失, 記憶消失 CNN ：カーネルの範囲制限, Attention 範囲制限 CBoW(Continuous Bag of Words) ：文脈無し after Transformer ：Attention, Parameter 使用量 DLGN ：離散値による表現力低下 Agent ：プロンプト術での誤魔化し, 表層的な実装と研究 アルゴリズムが良くない具体例 BP ：GPU, 逐次, 行列演算, ボトムアップ, 勾配消失 DFA ：メモリ使用量 AP 法：バイナリ化で30% 精度減 AI の成長 ＝ 歴史と現状
23. アーキテクチャがより発展 Transformer に代替するアーキテクチャの開発 Mamba 等 汎用計算機からの脱却 バイナリ演算：DLGN, LUT-Network メモリアレイ演算 Agent の発展 プロトコルの発展, ドメインロジックへの完全移行, 依存関係の逆転 アルゴリズムがより発展 GPU を使わない演算方法への移行開始 TPU, SNN, Stochastic Computing, 脳オルガノイド, 量子コンピュータ, アナログ 誤差逆伝播法を使わない学習方法への移行開始 DFA, AP 法, ED 法, forward-forward AI の成長 ＝ 今後の予測
24. 微分不可能なものを 微分する時代に AI の成長＝ 離散値のLogic Gate を微分する時代へ https://arxiv.org/pdf/2411.04732
25. FPGA 上の実装 GPU の48 倍低遅延 ANN （GPU ）の18 倍低遅延 消費電力1/15 AI の成長 ＝ Stochastic Computing https://arxiv.org/pdf/2402.09109 正確さを捨て 確率演算をする時代に
26. 人間 × AI = Value 脱ボトルネック? 本質に投資しろ? AI と人間の成長＝ もう少しまとめたい アーキテクチャ? アルゴリズム?
27. 旧石器時代 環境：石器での狩り 昭和 環境：エレクトロニクスの発 展 平成 環境：インターネットの発展 令和 環境：AI の発展 第四次AI 発展 環境：AI による代替開始 人間 広い時間+ 環境に動的に 対応可能なタンパク質 タ ン パ ク 質 シ リ コ ン 3 大欲求が実装済 人間の原理を大所高所から見る
28. 一次 環境：非力なマシン 二次 環境：CPU での演算 三次 環境：GPU, TPU, 人工知能 チップ回路の出現 第四次AI 発展 環境：TPU, 人工知能チップ 回路の発展及び実用化 AI 狭い時間+ 環境に動的に 対応可能なシリコン 汎 用 マ シ ン 専 用 マ シ ン 欲求( 目的関数) は 人間が組み込む AI の原理を大所高所から見る
29. まとめた原理から考察されること 知能という点においてはほとんど同じである 差分を明確にすべきである 但し、スコープ＝知能に限定する
30. 個体数 稼働効率 機動力 Masato Akiho 人間の強み( 知能) は
31. 個体数 稼働効率 機動力 Masato Akiho なぜそう言えるのか？
32. 人間の強み＝稼働効率 + 機動力( 移動性) 消費エネルギーが 圧倒的に低い データセンターは 移動できない 人間
33. 80 億LLM が 並列稼働可能 人間の強み＝個体数 + 機動力( 移動性) 80 億人が並列移動可能 人間
34. 人間の成長 脱ボトルネック 本質に投資 AI の成長 アルゴリズム アーキテクチャ 人間とAI の比較 個体数 稼働効率 機動力 Masato Akiho まとめ
35. 技術優位性などは無い 人間の知能は超越される Masato Akiho 実は
36. 本質を見抜き、全力投資する Masato Akiho まとめ
37. 原理から解き明かす AI と人間の成長 Masato Akiho ありがとう ございました