O N 04 / 23 講師紹介 紹介 SPEAKER / INTRO 村上 Murakami SPEAKER CAREER 経歴 ・フリーランスエンジニア ・Webシステム構築・Webサイト作成・IT顧問 ・出版システムの構築 ・クリエイター向けオリジナルアプリ開発 A I R E L AT I O N AIとの関わり ・AIはほぼ毎日使用している ・Codex, チャット, メディア運営 ・この資料はGensparkで作成
23 AIの歴史 ① 2度のブームと、2度の冬 HISTORY OF AI / PART 1 70 年の助走期間 FROM 1956 TO NOW AIは「すごい発明 → 期待が爆発 → 限界が見えて冷める」を2回くり返しています。 何ができて盛り上がり、何ができなくて去ったのか。ここを押さえると今のAIの立ち位置が分かります。 第1次ブーム 第2次ブーム 1956 – 1960s 1980s 1970s 1度目の冬 1990s〜2000s 2度目の冬 1956 – 1960s / REASONING & SEARCH 1 9 8 0 s / E X P E R T SY ST E M W H AT B OT H W I N T E R S TA U G H T ◎ できるようになったこと ◎ できるようになったこと ▲ 同じ壁で2回つまずいた 推論・探索 ルールがはっきりした問題なら、手を全部試して自力で 正解にたどり着ける。迷路・パズル・簡単な定理証明を AIが解いた。 ✕ ブームが去った理由 解けるのは「おもちゃの問題」だけ。現実の問題は選択 肢が多すぎて、試し切れなかった。 エキスパートシステム 専門家の判断を「もし〜なら〜」のルールに書き写すこ とで、病気の診断や機械の故障診断を実務でこなせた。 ✕ ブームが去った理由 ルールは全部人間が書くしかない。例外と常識が多すぎ て書き切れず、矛盾も増えた。 2度の冬の共通点 どちらの時代も、AIの賢さは人間が教えた分だけだっ た。だから人間の手が止まると、AIも止まった。 → 次のページへ この壁を破ったのが、AIが自分で学ぶという発想。ここ から3度目の波が始まる。
23 AIの歴史 ② 冬が来ていない、3度目の波 HISTORY OF AI / PART 2 1 億人へ到達 C H AT G P T U S E R S I N 2 M O N T H S 3度目の波が続いている理由は「人間がルールを書くのをやめた」から。 AIが大量のデータから自分でパターンを学ぶようになり、前の2回の壁を超えました。 2022 – 2026 いま、ここ 2017 2012 〜2000s 冬の時代 AIが自分で学び始める 言葉を扱う土台ができる 誰でも使える道具になる 2012 / DEEP LEARNING 2017 / TRANSFORMER 2 0 2 2 – 2 0 2 6 / G E N E R AT I V E A I ◎ できるようになったこと ◎ できるようになったこと ◎ できるようになったこと ディープラーニング 「猫とは何か」を人間が説明しなくても、大量の画像か らAIが特徴を自分で見つけた。画像認識コンテストで AlexNet が圧勝。 → 残った宿題 得意なのは画像や音。文章の意味を扱うのはまだ苦手だ った。 Transformer 文中のどの言葉が重要かをAIが判断できる仕組みが登 場。長い文章の文脈を保てるようになった。 → 残った宿題 性能は上がったが研究者の道具のまま。一般の人が触れ る形ではなかった。 生成AI ← 今ここ 専門知識がなくても話し言葉で頼めば動く。文章・要 約・翻訳・コードまで一つのAIがこなす。 ◉ ブームは現在進行中 過去2回と違い、すでに仕事の現場で使われている。だか ら今回は冬が来ていない。
23 正直、AIの勉強はしんどい。それでも。 それでも。 WHY YOU CANNOT SIT THIS OUT 仕事を奪うのは AI じゃない。 AIを使えるようになった人 です。 SOURCE “AI won't take your job — it's someone using AI who will take your job.” リチャード・ボールドウィン ジュネーブ国際開発高等研究所 教授 世界経済フォーラム Growth Summit 2023 01 02 03 表計算ソフトが広まったとき、簿記係の仕事は約40万 件減りました。 AIは話し言葉で頼めば動く道具。理系・文系も、得 意・苦手も関係ありません。 仕組みを理解する必要はありません。1日1回、AIに質 問してみるだけで十分。 一方で会計士の仕事は約60万件増えた。消えたのは仕 事ではなく「やり方」でした。 うまい人とそうでない人の差は、単に触った回数だけ です。 頭が痛いのは、新しいことを覚えている最中のサイン です。 人は、環境に 合わせて更新される 差がつくのは 才能ではなく「触った量」 → 今日のゴールは「使いこなす」ではなく、「一回でも触ってみる」。 だから、全部 覚えなくていい
23 AIでできる業務マップ 業務マップ USE CASE MAP 6つのカテゴリで整理。「自分の業務のここに効きそう」を探しながら見てください。 C AT E G O RY 0 1 文章作成 01 メール · 企画書 · 報告書 · SNS投稿など 「たたき台」を数秒で用意できる C AT E G O RY 0 4 アイデア出し・企画 発想の壁打ち · 企画のたたき台 「一人ブレスト」の相手として C AT E G O RY 0 2 調べもの・リサーチ 02 情報収集 · 市場調査 · 論点整理 散らばった情報を短時間で構造化 04 C AT E G O RY 0 5 翻訳 日英 · 多言語対応 · ニュアンス調整 文脈を汲んだ自然な翻訳が可能 → まずは "自分の業務で頻度が高いもの × カテゴリ" の交点から試すのがおすすめ。 C AT E G O RY 0 3 要約・議事録 03 長文の要約 · 会議の議事録化 「読む・書く」の時間を圧縮 05 C AT E G O RY 0 6 資料作成・データ整理 スライド · 表・グラフ · データ整形 「体裁を整える」作業を自動化 06
23 活用例 ① 調べもの・リサーチ USE CASE / 01 · RESEARCH SCENARIO 新規企画のための市場調査 新しい企画を検討する際、競合の動向や市場のトレンド、論点を整理する必要があ る。 従来は複数のニュース・レポート・記事を横断的に読み込んで、自分でまとめる作 業が発生していた。 AIに依頼 → 論点を数分で整理してくれる。 あとは人が「本当にそうか」を確認・肉付け。 BEFORE → AFTER 半日 BEFORE 複数の記事を読んで自分でまとめる POINT 30分 AFTER → 論点整理までAIに任せる "作業"の時間を減らして、"判断"の時間を増やす。
迷ったら QUICK GUIDE / WHEN IN DOUBT 「何をしたいか」で選ぶと、だいたい外さない。 DESIGN & CODE Claude USE WHEN カッコよく 作ってほしいとき 01 IMAGE & REVISE ChatGPT USE WHEN 画像が欲しい・ 直したいとき 02 RESEARCH & DECK Genspark USE WHEN 調べて資料に したいとき 03 サイトや画面のデザインを任せるならこれ。プログ ラムもかなり強い。 画像の質が高い。デザインもそこそこできるので、 改修に向く。 リサーチと資料作成に強い。他の2つで断られる調 査も通ることが多い。 ただし3つの中でいちばん高め。 Claudeより安く済む。 この資料もGensparkで作成。 → 全部揃える必要はない。まずは1つを触ってみて、足りないと感じたら次を足す。
→ 良い例 BAD → GOOD / EXAMPLE ! BAD EXAMPLE / 悪い例 ✓ GOOD EXAMPLE / 良い例 「企画書書いて」 あなたは社内企画の専門家です。 新入社員向けAI勉強会の企画書の骨子を、 目的・対象・タイムテーブル・必要備品の構成で 箇条書きにしてください。 なぜ良くない？ ① 役割 誰向けか・何の企画か・どんな形式か、 すべてAIに任せることになる。当たり障りのない一般論しか返ってこない。 LIVE DEMO 当日はこの2つを、実際にAIに投げて出力の違いを見てみます。 ② 目的 ③ 条件 ④ 出力形式
O N 21 / 23 なぜ村上は、AIを使えている AIを使えているのか S K I L L F I R S T, A I S E C O N D AIに詳しいからではありません。先にその仕事を、自分の手でやっていたからです。 PA S T — 自 分 で や って い た PA S T — 自 分 で や って い た PA S T — 自 分 で や って い た ↓ ↓ ↓ システムエンジニアとして プログラムを書いていた N O W — A I で で きる システム開発を AIに任せられる 出てきたコードが正しいか判断できるから、任せられ る。 ホームページを 作っていた N O W — A I で で きる デザインを含む 実装をAIに任せられる 「この見た目は違う」と指摘できるから、形になる。 メディアを 運営していた N O W — A I で で きる 記事作成に AIを使える 読まれる文章かどうかが分かるから、直せる。 共通するのは、AIより先に「自分でできた」 「自分でできた」こと。土台のスキルがあって、はじめてAIが力になる。
O N 22 / 23 これからは、何者かになる 何者かになる必要がある THE REAL PREREQUISITE AIをどんどん使うのは素晴らしいこと。でも本質的には、その分野のプロになることが前提として必要です。 あなたの実力 × AI ＝ 成果 YO U R S K I L L TO O L OUTPUT AIは掛け算。だから、あなたが 0 なら、答えも 0 のまま。 WITHOUT A CRAFT 何者でもない人 WITH A CRAFT ・そもそも何を頼めばいいかが分からない ・出てきたものの良し悪しを判断できない ・同じことは、誰でもAIに頼める ・AIに的確に指示できる ・違いに気づいて、直させられる ・「あなたに頼みたい」と言われる 何者かである人 AIは実力を増幅する装置 増幅する装置。だから、増幅するもとを自分で持つ。
yoshiki1007
maimyyym
taketakekaho
yazm
jyouryuusui
takahashim
ivry_presentationmaterials
.png){kind=avatar}
codatum
occhi
pfn
persolserverworks
kenichiodo
bgpat
madoxten
gurzu
marktimemedia
scottboms
palkan
addyosmani
bryan
oripsolob
ivargrimstad
marcelosomers
greggifford
