この動画は、AIの台頭によりプログラミングが大きく変わる可能性を探っています。AIアシスタント、特にGitHub Copilotのようなツールはコーディングの生産性を向上させています。AIは人間よりも効率的にコードを書くことができ、休憩の必要がなく、スケーリングも容易です。これにより、人間のプログラマーの生産性も向上します。ただし、AIコーディングにはまだ大規模なコードベースの理解や最新のAPIへの対応などの制限があります。将来的には、これらの制限もデータと合成データの成長により克服され、AIが主なプログラミングのタスクを担うようになる可能性があります。しかし、現時点では人間の介入が依然として必要です。
公開日:2023年12月23日
※動画を再生してから読むのがオススメです。
プログラミングの終わりは近い。
これが誇張表現であってほしい。
このビデオのためにリサーチを始めた当初、私は結果がどうなるのかについてまったく異なる考えを持っていた。
しかし、このことを考え抜き、たくさんの調査をした結果、私たちが知っているようなプログラミングは滅びるという結論に達した。
その結論に至った経緯を説明し、なぜ私がそう考えるのかを具体的に示すつもりだ。
それでは説明しよう。
このビデオのスライドを見たい人は、下の説明文に書いておく。
そして、もしスライドに書かれていることに異論があれば、コメントで教えてほしい。
まず、「Large Language Models and the End of Programming(大規模言語モデルとプログラミングの終焉)」という素晴らしい講演をしたMatt Welshにエールを送りたい。
まだご覧になっていない方は、下の説明にリンクを貼っておきます。
ぜひチェックしてみることをおすすめします。
私はとても刺激を受けました。
まず、私が真実だと知っている3つのことから始めたい。
第一に、コーディングは私がこれまでに学んだ中で断然最高のスキルセットだ。
私がプログラミングを始めたのは高校生のときで、いつもビデオゲームやコンピューターに夢中だった。
そして、それらがどのように動くのか知りたかった。
そして、自分でビデオゲームを作れるというアイデアが私の心を揺さぶった。
それで、自分でコードの書き方を学ぶためにできることは何でもやった。
大学を卒業して少し大人になったとき、コーディングのおかげで自分のアイデアを取り入れて、好きなものを作ることができるようになった。
他の誰かに頼る必要はありませんでした。
これは本当に重要なことだった。
私は常に新しいアイデアを考え、何かを作りたいと思っていました。
自分のビジョンを構築するために誰かに頼らなければならないことは、私にとってうまくいかなかった。
自分の情熱に突き動かされるように、本当にすぐに作り上げることができた。
そして、何度も起業に失敗した後、実際に成功した起業へと導いてくれた。
前職はSonarという会社でした。
私はひとりでSonarを立ち上げ、最初のコードをすべて書き、最初の顧客を獲得した。
そしてもちろん、素晴らしいチームを迎え入れ、今のような会社に成長させることができた。
でも、すべてはこの問題を抱えていた友人との会話から始まったんだ。
私は彼らに、ソフトウェアを使ってそれを解決してあげようと言ったんだ。
そしてそれが、その後の10年間、私の人生の中でその会社を築き上げていくことにつながった。
でも重要なのは、私はただ会話を交わすことができたということです。
そして、その日のうちに2つ目のものを作り上げた。
コーディングがとても難しいことは、20年以上やっていてもよくわかる。
僕にとっては非常に難しい。
pythonのパッケージ管理は僕の悩みの種であり続けているし、ほとんどの人にとっても難しいようだ。
それを学び始める恐怖さえ乗り越えられる人にとっては、大きな学習曲線がある。
コーディングは、場合によっては非常に複雑なシステムのために、問題のあらゆる可能な順列を考え抜くことを要求する。
そして、これらの指示をとても外国語でかつ自然には出てこない言語で書かなければなりません。
そしてもちろん、実際にコードを書いているときにバグを見るのは本当に難しい。
3番目に、私が挙げた全ての理由から、人間はコーディングが本当に苦手です。少なくともほとんどの人は苦手です。
人間の脳は、複雑なシステムのエッジケースや順列をすべて把握できるようにはできていない。
だから、私たちはコードを少しずつ書いて、それからそれらの異なる部分を組み合わせようとします。
もしあなたが、今のコーディングが難しいと思っているのなら、昔のコーディングがどれだけ大変だったか知らないでしょう。
この2枚の写真を見てください。
左側には、基本的に部屋全体を占めるコンピューターがある。
そして右側は、ソフトウェアを実際に物理的にカードに打ち込まなければならなかった。
その後、少し楽になった。
もちろん、最初はもろくて容赦のない構文や、手作業によるメモリ管理、1バイト単位で考えることなどから始まった。
しかし、だんだん簡単になっていった。
私たちは今、表現力豊かな言語、動的言語、メタプログラミング、自動メモリー管理、そしてコーディングがあまりに苦手な私たちを助けてくれる非常に強力なツールの数々を手にしている。
私たちが始めたことを見てみよう。
左側はアセンブリコードで、人間には親しみにくい。
それからBASICを手に入れ、少し簡単になりました。
少し自然言語のように見えるようになってきます。
その後、C言語やJava、JavaScriptが登場し、より簡単になりました。
ライブラリも増え、オブジェクト指向プログラミングもできるようになった。
そして、私たちはプログラミングを人間が理解しやすいように工夫し始めました。
そして今、PythonやGoのような現代的なプログラミング言語がありますが、それらを見ると自然言語にかなり似ています。
もちろん完璧ではない。
ここでもそこでも文字を見逃しても、ソフトウェアはまだ動作しません。
しかし、以前に比べれば格段に良くなっているのは間違いない。
コーディングツールも格段に進歩した。
より優れたIDEがあり、エンジニアは思いつく限りのカスタマイズができる。
リンターがあり、クラウドエディターがあるので世界中どこにいても他の人と共同作業ができますし、バージョニングがあるので進捗状況を把握することができます。
間違いがあれば変更を戻すこともできる。
自動化も、テストも、パッケージ管理も、Pythonではまだそれほどうまく機能していないけれど。
構文のハイライト、潜在的なバグの警告。
つまり、私たちは今日、使えるさまざまなツールを持っているのです。
でも、プログラミングはまだ超難しい。
そして2022年、GitHub Copilotがすべてを変えた。
月額10ドルで、AIアシスタントがコードを書くのを手伝ってくれるのだ。
それは一目見ただけで、驚くほど感動的でした。
いくつかの単語を書くだけで、メソッド全体を完成させてくれる。
これによって生産性が飛躍的に向上し、より良いコードが書かれるようになった。
GitHub Copilotの重要性は、いくら強調してもしすぎることはありません。
プログラミングの進化の歴史を振り返ったとき、GitHub Copilotは変曲点になるでしょう。
Copilotは、あなたが書いていることを推測するだけではありません。
ファイルのコンテキスト、コードベース全体のコンテキストを見ているのです。
これは本当にすごいことだ。
Matt Welshの講演で、彼は素晴らしい例えをしています。
GitHub Copilotがプログラミングを一夜にして大きく変えた方法は、まるで私たちが『ポン』を持っていて、そして突然一ヶ月後に『レッド・デッド・リデンプション2』が出たかのようなものです。
このようなグラフィックの進化は、GitHub Copilotを使ったプログラミングで本質的に得られたものです。
GitHub Copilotが生産性を大きく向上させた理由はたくさんあります。
もうこれなしでプログラミングすることは考えられません。
これのおかげでプログラミングのゾーンにいられます。
Copilotが登場する1日前までは、コードを書かなければならないのに書き方がわからなかったり、JSONオブジェクトのデータにアクセスする方法がわからなかったりすると、Stack Overflowにアクセスしたり、ググったり、解決しようとしたりしていました。
私は基本的にIDEを離れ、思考の流れを失い、それを解決しようとしてから、再びコーディングの流れに戻ろうとします。
でも今はその必要がない。
私がすることは、私が欲しいものを入力すると、IDEがそれを作成してくれるか、私が欲しいものを入力し始めると、IDEが残りを埋めてくれるかのどちらかだ。
試行錯誤を大幅に減らすことができるし、構文をいちいち覚える必要もない。
ただ書き始めるだけで、残りを自動的に埋めてくれます。
GitHub Copilotのおかげで、コーディングの手間がとても減りました。
では、私のコーディングのワークフローをお見せしましょう。
もちろん、本番レベルのアプリケーションはもう作っていません。
それは数年間やっていません。
しかし、私はまだ毎日コーディングし、AIプロジェクトをテストしている。
だから、今でもたくさんのコーディングをしている。
しかし、私のコーディングのワークフローはこうだ。
まず、ChatGPTにコードを書いてもらう。
特にPythonの場合、1年前まではPythonの経験がなかったので、最初にやることは恥ずかしがらずにChatGPTに書いてもらうことです。
そして、それを自分のコードベースに貼り付けて、動くかどうかテストします。
その後、基本的にCopilotを使ってさまざまな部分を編み込んでいきます。
Copilotは私のためにすべてのギャップを埋めてくれます。
そしてこれが真ん中にいる私、オーケストレーターです。
これが私の仕事です。
私は基本的に、AIが私のためにソフトウェアを書くようにオーケストレーションしている。
そして、多くの理由から、AIは人間よりもコーディングが得意であることがわかった。
まず、あなたがソフトウェア会社だとして、給料をもらって人間を雇うか、休憩を取り、欲求があり、福利厚生や健康保険、入社までの時間が必要な人間を雇うか。
つまり、数え上げればきりがない。
それに対して、あなたは簡単に新しいAIを立ち上げて、より多くのコードを書かせることができる。
AIは驚くほど簡単に水平方向に拡張できる。
AIのコーダーはコーディングが速いだけでなく、コストもはるかに安い。
ソフトウェア・エンジニアは、優秀な人材になるために何年もトレーニングを受ける。
AIは一度トレーニングを受ければ、どれだけ水平方向に拡張しても優秀になる。
そしてAIは、JSONオブジェクトの奥深くに隠されたデータにアクセスする正しい方法を見つけたり、ランダムに書かなければならないコードの構文を覚えたりといった、私が個人的に苦労していることが得意なのだ。
さて、マット・ウェルシュの講演のクリップをお見せしますが、彼は実際に人間のプログラマーとAIプログラマーのコストの違いを計算しました。
見てください。
人間の開発者1人をAIに置き換えると、どれくらいのコストがかかるのか?
さて、計算してみた。
シリコンバレーやシアトルでの典型的なソフトウェア・エンジニアの給与が年間約22万ドルだとしよう。
それは基本給だけで、手当や株式パッケージ、無料の昼食やボウリング場などは含まれていません。
では、そのようなものが年間9万2000ドルかかると仮定しましょう。
これはまた少し保守的です。
ということは、あなたの雇用主が負担する総費用は、1人のSでおよそ30万312ドルということになります。
約260日です。
ということは、このような会社でSとしてあなたを雇うには、1日あたり1200ドルかかることになる。
計算してみよう。
平均的な開発者は毎日何行のコードをコードベースにチェックすると思いますか?
つまり、最終化され、テストされ、レビューされ、承認されたコードの行数だ。
業界で働いたことのある人なら、中央値はゼロだと知っているはずだ。なぜなら、誰かを待っていたり、一日中ミーティングに参加したりして、何もできず、チェックインもしなかったという日がたくさんあるからだ。
でも、ここでは気前よく、約100としましょう。
100という数字が多くないことは分かっている。
でも、一日中プログラミングしていたんだ。
でも、コードの90%は、結局捨てたり、誰かがレビューして「これはダメだ、書き直さなきゃ」と言ったりして、どうすればいいかを考え、改良していたんだ。
だから、最終的なアウトプットの結果は、1日100行のコードということになる。
それが最終的な結果です。
それはGPT-3モデルのトークン数ですか?
1行あたり10トークンくらいです。
GPT-3のコストは、現在、これは少し古いかもしれませんが、このスライドを作成した時点では、1,000トークンで2セントでした。
ということは、GPT-3の人間のソフトウェア開発者1人のアウトプットにかかる総コストは12セントということになります。
これは10,000分の1だ。
これはわれわれ全員を脅かすものだ。
これは、我々の業界に非常に大きな変化が起こる可能性を示唆している。
さて、これは明らかに超大雑把な計算であり、彼が見落としていることのひとつは、AIはただ一度コードを書けば動くという前提に立っていることだ。
特にエージェントのチームがある場合は、そうではありません。
彼らは互いに協力し合い、自分たちのコードを反復することになる。
だから、彼が言うほど単純なコストではないと思うが、それでも人間のプログラマーとAIのプログラマーとの間に指数関数的なコストの差があることを示す良い例だ。
しかし今日、AIコーディングにはまだ多くの限界がある。
そのひとつがコンテキスト・ウィンドウの制限だ。
では、膨大なコードベースを、大規模な言語モデルで一挙に理解するにはどうすればいいのだろうか?
単純にコードベース全体をコピーすることはできない。
トークンのサイズに制限されてしまうからだ。
また、仮にコードベース全体をプロンプトに収めることができたとしても、「ロスト・イン・ミドル(Lost in the Middle)」と呼ばれるものがあり、基本的に大規模な言語モデルは、プロンプトの最初と最後には記憶することができるが、途中の記憶には苦労することが多い。
そして今、AIがより良くなるための最大のボトルネックはデータだ。
企業はコードを共有したがらないし、人間が書けるコードは限られている。
しかし、それは変わる予定で、すぐに説明します。
そして最後に、大規模な言語モデルは最新のAPIやSDKに対応していないことが多い。
そして、検索拡張生成やウェブクローリングのような、それを解決するための現在のソリューションはかなりもろい。
しかし、申し上げたように、それは改善されつつあり、特にデータや合成データでは、雪だるま式に効果が出てくるでしょう。
現在のボトルネックはデータだと言いましたが、コンピュートでもあります。
しかし、私はコンピュートについては心配していません。
特にシリコンへの投資によって、コンピュート帯域幅は拡大するでしょう。
だからこそ、エヌビディアは今や巨大企業なのです。
データも成長するでしょう。
私は最近、合成データについてよく話していますが、これは素晴らしい例です。
まず、人間がAIツールの支援を受けてより多くのコードを書くことができるようになると、そのコードはすべて、より優れたモデルに戻すことができる。
それだけでなく、AIが人間よりもはるかに速いスピードでコードを書くようになると、その新しいコードはすべてモデルに戻され、より優れたコーディングができるようになる。
こうして、雪だるま式に効果が現れる。
誰もがコーディングの生産性を上げ、より多くのコードを書くようになると、そのコードはすべてAIモデルにフィードバックされ、より優れたものになる。
現在の制約に対するいくつかの解決策があります。
ひとつは、コードベースのマッピングや圧縮だ。
基本的には、膨大なコードベースを、大規模な言語モデルが理解できる省略記法を用いてマッピングする。
私がレビューしたプロジェクトでは、AER AI-Dというものがあり、彼らはUniversal cagsというものを使って、コードベースにあるすべてのメソッドとすべてのコードを速記法で定義している。
そして、その非常に圧縮されたマッピング・バージョンを大規模な言語モデルに送り込むことで、実際にコードベース全体を理解することができる。
ほとんどのAIコーディング・プロジェクトが、ゼロから始めることを求め、既存のコードベースを反復できない理由もここにある。
まさにこの問題のためだ。
しかし、この問題は解決されるでしょう。コンテキストのサイズを大きくすることで、中途半端なロスト・イン・ミドルの問題を解決したり、大規模な言語モデルが簡単に理解できるようにコードベースをマッピングして圧縮したりすることができます。
さらに、コーディング作業に特化したモデルの微調整も行っていく。
だから、私たちは既にコーディングが得意なモデルを使って、それをさらに向上させる予定です。
さて、コーディングは近い将来どのようになるのだろうか?
それは、ビジネスサイドからの要求を、大規模な言語モデルが理解できるようなフォーマットに落とし込む人間のプロジェクトマネージャーが登場することだ。
そして、その人間のプロジェクト・マネージャーがAIエージェント・チームにそれを送り込む。
そのチームには、コーダー、テスター、プロジェクト・マネージャーがいますが、すべてAIが担当します。
彼らはコードを書き、それを反復し、それを自分でテストするでしょう。
そして最後に、そのすべてが人間の品質保証担当者に渡される。
だから、全ての要件を満たすことを確認する人が必要です。
そして、ユーザーと話した後にリリースしたい新機能を考えるために、人間のPMに戻される。
しかし、この図に欠けているものは何だろう?
もうわかりますか?
プログラマーはいない。
そう、人間のプログラマーがいないんだ。
近い将来、ほとんどのプロジェクトで人間のプログラマーがいなくなると思う。
そのタイムラインがどのようなものかは、もう少し後でお話しします。
そして、私を信じないでください、それはすでに起こっているのです。
ハッカソンでのAmjad Madのツイートです。優勝者は技術者ではないPMで、Repet + AIを利用した彼女の作品は、エンジニアのチームよりも技術的に印象的でした。
最初は驚いたが、PMは卓越したプロンプトを出すに違いないと思った。
結局、それが彼らの仕事なのだから。
だから、ハッカソンで非技術者であるプロダクト・マネージャーの誰かがハッカソンで勝つことができた。
それがこの人だった。
こんにちは、RepetでDocuTalkを作るのはとても楽しかったです。
Repetは私の頭の中のビジョンと完全に機能する製品との間の距離を縮めてくれました。
だから、もし彼女にコーディング能力が全くなかったとしても、頭の中のアイデアをソフトウェアを使って実装することができた。
とても印象的だ
そして、シリコンバレーの巨大なサクセスストーリーを数多く手掛けたKhosla Venturesの創設者であるKhosla VenturesのVinod Khoslaは、このように語っている: ポートフォリオ企業であるOpenAIとRepetが、これを引き起こしました。
完全なパラダイムシフトです。
マーケティング担当者がコーディング・コンテストで優勝したところで、驚くことはない」。
これはアムジャドの投稿に対するものだ。
そして実は、ヴィノッド・コスラは未来予測のリストをまとめていて、そのうちのひとつが2番目の予測だ: 10億人のプログラマーが存在し、全員が自然言語でプログラミングする。
コーディング技術の多くの部分がコモディティ化され、この分野全体がCSの学位を持たない人々にも開放されるだろう。
コンピューター・コーディングの民主化は順調に進んでいる。
今後10年から15年で、10億人のプログラマーが誕生すると彼は言う。
しかし、私はその時点で彼らをプログラマーと呼ぶべきではないと思っている。
もう一人: ChatGPTのジム・ファン博士が今日で1歳になりました。
一番上の箇条書きを読んでほしい:英語はホットで控えめな新しいプログラミング言語である。
自然言語、それはプログラミングの未来です。
英語を話せる人なら誰でも、コンピューターに思い通りのことをさせることができる。
しかし、今は虹とユニコーンばかりではない。
AIのコーディングにはまだ多くの摩擦があり、そのいくつかはすでに触れたとおりだ。
そして、これはとても面白いミームだと思った。
OpenAIの数日前、開発者のコーディングに2時間、開発者のデバッグに6時間。
そしてOpenAIの数日後、ChatGPTは5分でコードを生成し、開発者は24時間デバッグする。
つまり、これはまだ起こっていることなんだ。
これほどひどくはありませんが、これは面白いのでお見せしたかったのです。
そして、Bindu Reddyもそれについて何か言っていました。英語は新しいプログラミング言語ですが、それには独自の課題があります。
プロンプトは非常にもろいので、あるエッジケースに対応するためにプロンプトを変更すると、別のプロンプトが壊れてしまう。
今日のコーディングの仕組みとよく似ている。
そしてプロンプトには、バージョン管理、テスト、モニタリング、評価が必要になる。
これらはすべて、今まさに構築され始めているツールだ。
だから私は、短期的には、そしておそらく中期的には、ソフトウェアが期待通りに動作しているかどうかを確認するために、人間がループに入る必要があると考えている。
ここに今日利用可能な例があります。
このビデオを見てください。
これはMcKay WrigleyによるJarvisと呼ばれるもので、彼が何を作って欲しいかを話すだけで、ソフトウェア・スタック全体が彼のために構築される。
Jarvisを走らせる。
そうだ、Tailwindを使ったNext.jsがもうひとつ必要だ。
ちょっと待って。
TailwindのCSSで新しいNext.jsアプリを作りましょうか?
はい、少々お待ちください。
今度はどんなアプリにしますか?
基本的なソーシャルネットワーキングアプリが欲しいです。そして、3つの機能が必要です。
プロフィール作成フォームが必要です。
プロファイル・ビューアが必要です。
また、ネットワーク上の全ユーザーを見る方法も欲しい。
1秒。
あなたは、プロフィール作成ページ、プロフィール・ビューワー、全ユーザーのリストを含む基本的なソーシャル・ネットワーキング・アプリをお望みですか?
プロフィールに何を持たせたいですか?
シンプルにしましょう。
名前、Eメール、ユーザー名だけにしましょう。
ちょっと待って。
これらのフィールドをプロファイルスキーマに追加します。
他にできることは?
サイトを最適化して、モバイルとデスクトップデバイスで動作するようにしてください。また、ダークモードでスタイリングしてください。
わかりました、モバイルとデスクトップの両方に最適化し、ダークモードのスタイルにします。
他に何かありますか?
作り始めてください。
よし、作業を始めるよ。
Basic Social Networkという新しいレポを作った。
続けて、アプリを初期化した。
続けて、データベースにプロファイル・テーブルを作成します。
続けて、リクエストされた機能をビルドしています。
続けて、アプリを正しくビルドしています。
デプロイしてもらえますか?
はい、Versalにデプロイします。
続けて、あなたのプロジェクトをMパーソナル上のVersalにデプロイしました。
続けて、私は全部終わりました。
早かったでしょ?
昇給してください。
さて、これをリフレッシュすると、基本的なソーシャルネットワークがある。
ジャストナウはどこだ?
わかりました、今ビルドしています。
ベーシック・ソーシャル・ネットワークを構築中です。
オーケー、構築中。
ちょうど今、あなたはドリルを知っている。
これはすべてライブです。
スーパーベースに飛び込もう。
あなたは見ることができるはずです。
はい、見てください、今、分かりましたか?
正しいスキーマのプロファイル・テーブルができた。
ダークモードだ。
反応があるか見てみましょう。
よし、問題なさそうだ。
よし、次はこれを試してみよう。
テストしてみよう。
テストしてみましょう。
test@gmail.com。
これを送信すれば、うまくいくはずです。
プロファイルの作成に成功しました。
プロフィールが表示されました。
すべてのプロフィールのリストがあります。
それをクリックしてみましょう。
これでプロフィールが表示されました。
では、これがレスポンシブであることを確認しましょう。
その通りです。
データベースに行けば、DBにあります。
皆さん、ゲームは変わりました。
今、私たちはAIコーディングの爆発的な普及を経験しています。
私たちは今、ここにいるのです。
まさにその始まりなのです。
GitHub Copilotが登場したのはほんの1年ほど前のことです。
ChatGPTが登場したのも約1年前です。
でも、指数関数的に成長していくだろう。
そして、ここまで来たら、悲しいことだが、もうプログラミングはできないだろう。
これはベン・トーセルがグーグルの検索トレンドから取ってきたグラフだ。
これはAIコーディングの検索ボリュームの経年変化だ。
ご覧の通り、2022年末にAIコーディングツールを検索する人が爆発的に増えました。
これは現在と中期的なものです。
長期的にはどうでしょうか?
私は、自然言語から計算機へと直接的に移行すると見ています。
では、それは何を意味するのか?
それについて話そう。
一番上には人間がいます。彼らは自然言語で話すだけです。どんな言語でも構いません。
その言語は大規模な言語モデルによって処理され、計算される。
そして、エンドデバイスがあるでしょう、どんなデバイスでも。
家中の照明でも、車でも、コンピューターでも、電話でも、何でもいい。
ラージ言語モデルは、私たちが望むとおりの動作をするよう、それらのデバイスをプログラムする。
つまり、大きな言語モデルはオペレーティング・システムなのだ。
もはやプログラマーは存在せず、人間がプログラマーなのだ。
私たちがしなければならないのは、私たちが望むことを言うことだけなので、その時点ではプログラミングとは考えません。
つまり、プログラマーもチームも存在せず、人間が大規模な言語モデルと会話しているだけなのだ。
では、どうすればここまでたどり着けるのか?
人間が何を求めているかを理解し、それをコードに変換することに長けている大規模言語モデルが必要なのです。
そして、彼らはすでにその能力に長けている。
そして今日、それはこれまでで最悪の状態であり、より良くなる一方だ。
つまり、これが未来であり、プログラミングの終焉なんだ。
そして、これからの時代に必要なものは何だろう?
正直なところ、よくわからない。
いくつか考えがある。
本当に低レベルの深い革新的な仕事をするコンピューター・サイエンティストが必要かもしれない。
品質保証が必要になるかもしれない。
まあ、確かにAIはその多くをこなすことができるが、おそらく我々は常に、ある時点ではループの中に人間がいたいと思っている。
また、おそらくアライメントの検証も行いたいでしょうし、これも人間がループに入る必要がある場合の例です。
では、これらすべてのタイムラインは?
もちろん、これは私の予想に過ぎない。
1〜2年後、非技術的な人々がソフトウェアを書ける数が爆発的に増えるでしょう。
彼らは、これまでの人生で一行もコードを書いたことのない人たちだ。
彼らは、人類に価値をもたらすソフトウェアを書くことができる。
5年後には、技術者ではない人々が、複雑なソフトウェアを構築するAIエージェントの巨大なチームを管理するようになるだろう。
そしてまた、彼らは人生で一行もコードを書いたことがない人たちだ。
チーム全体、会社全体がAIエージェントで構成されるようになるでしょう。
そして最後に、今から10年後、自然言語から計算へ、プログラミングの終焉とも呼ばれる時代がやってきます。
だから、私はこの話を始めるときにプログラミングは私が学んだ中で最高のスキルだと言いましたが、それがどれだけ真実かを強調したいです。
しかし、今でもコーディングは習得しなければならないスキルなのだろうか?
息子や娘にコーディングを学ばせるだろうか?
はい、答えはそうです、私はまだやります。
コードを学ぶことは、まず第一に、とても面白い。
第二に、問題についての考え方、問題の分解方法、難しい問題を解決するための論理と推論の使い方を学ぶことができる。
だから、コードを学ぶこと、コンピューター・サイエンスを学ぶことは、今でも価値があると思う。
しかし、ごく近い将来、より大きな価値を持つようになるのは、そのコーディングを達成するためにAIと協力する方法を学ぶことです。
ありがとうございました。
もちろん、申し訳ありませんが、私はプログラミングが大好きです。
そのことははっきりさせておきたい。
そして、ごく近い将来、私が生きている間に、おそらくそのスキルセットの必要性がなくなってしまうことを考えると悲しくなります。
賛成なら私に、反対なら私に教えてください。
あなたの考えをすべて下のコメントに残してください。
私はそれらをすべて読み、それらに答えるつもりだ。
そして、もしこのビデオが気に入ったら、「いいね!」を押してください。
そして、登録して、次回お会いしましょう。