【ChatGPT】英語解説を日本語で読む【2023年5月 7日｜@Dave Ebbelaar】

ChatGPTの解説です。
公開日：2023年5月7日
※動画を再生してから読むのがオススメです。

---

All right guys, another week, another new big thing in AI.

さて、今週もまた、AIにまつわる新しい大きな出来事がありましたね。

Like, can you give us a break?

もう勘弁してくださいよ。

Like, how are we supposed to keep up with all of this?

どうすればいいんだ？

And well, this video will be an attempt to get you up to speed on ChatGPT Code Interpreter.

このビデオはChatGPT Code Interpreterを紹介するものです。

So, it is currently in the alpha phase and it is a ChatGPT plugin.

現在、ChatGPTのプラグインとして、アルファ版の段階にあります。

So, I currently don't have access to this plugin yet, unfortunately, because usually I like my videos to be hands-on with lots of demos that you can immediately try out yourself.

というのも、私は通常、自分のビデオはすぐに自分で試せるようなデモがたくさんあるハンズオン的なものが好きなのですが、残念ながら、このプラグインにはまだアクセスできていません。

But unfortunately, I'm on the waitlist.

しかし、残念ながら、私はウェイティングリストに入っています。

If you want to get on the waitlist as well, you can go to this URL over here and then join the plugin waitlist.

もしあなたもウェイティングリストに入りたいなら、こちらのURLにアクセスし、プラグインのウェイティングリストに参加してみてください。

Because there are already some plugins that you can leverage, that you can use within ChatGPT.

なぜなら、ChatGPTで利用できるプラグインがすでにいくつかあるからです。

So, here you can see some supported.

ここで、サポートされているものを見ることができます。

But if I scroll down, now the next big thing that everyone's talking about that's popping up everywhere on social media on Twitter is Code Interpreter.

しかし、下にスクロールすると、今皆が話題にしている次の大きなことで、Twitterやソーシャルメディアでどんどん登場しているのがCode Interpreterです。

And I think for a good reason, because this is really interesting, of course, and especially from a data analytics and data science point of view.

もちろん、データ解析やデータサイエンスの観点からも、これは本当に興味深いものだからです。

So, that is why I want to get into this in this video.

というわけで、このビデオではこのことに触れたいと思います。

And while I don't have access yet, what I want to do is I have some examples of other people that are using this already.

私はまだアクセスできませんが、私がやりたいことは、これをすでに使っている他の人たちの例をいくつか持っていることです。

And I want to go over those examples and really explain like my thoughts, my take on this and how I think it will affect data analysts work and data science work.

その事例を見ながら、私の考え、私の見解、そしてデータアナリストの仕事、データサイエンスの仕事にどのような影響を与えるかを説明したいと思います。

Because things are going to change.

なぜなら、物事が変わっていくからです。

This is really a big thing.

これは本当に大きなことなんです。

And I feel like this really is the next phase, the next level already of like interacting with large language models like OpenAI, ChatGPT, for example.

そして、これは本当にOpenAIのChatGPTのような大規模な言語モデルと対話する次の段階、次のレベルだと感じています。

And why is that?

それはなぜでしょうか？

So, these these large language models, they kind of understand language in the sense that we can communicate with these models, interact with these models using language.

これらの大規模な言語モデルは、私たちが言語を使ってこれらのモデルとコミュニケーションし、対話することができるという意味で、言語を理解しているのです。

We can type something, ask a question, and we will get back an answer in the form of text.

何かを入力し、質問をすると、テキストの形で答えが返ってくるのです。

But now with Code Interpreter, the model can use Python and handle uploads and downloads.

しかし、Code Interpreterを使えば、モデルはPythonを使い、アップロードやダウンロードを処理できるようになります。

So, this means it becomes multimodal in the sense that we can work with different kind of file formats, different kinds of information.

つまり、異なる種類のファイルフォーマットや情報を扱うことができるという意味で、マルチモーダルになるわけです。

So, what does this mean?

では、これは何を意味するのでしょうか？

Well, it means that we are now not only limited to human language, language that we understand, but we can also leverage computer language in the form of code and digital files.

つまり、私たちは人間の言葉や理解できる言語だけでなく、コードやデジタルファイルという形でコンピュータ言語を活用できるようになったということです。

And that is how we operate.

そして、それが私たちの操作方法なのです。

That is how we interact with computers, basically.

それが、私たちがコンピュータとやりとりする方法なのです、基本的に。

In the background, it's all code that's performing some sort of operations on files resulting in output actions, etc.

バックグラウンドでは、すべてのコードがファイルに対して何らかの操作を行い、その結果、出力されるアクションなどがあるのです。

So, if you really think about like smart agents, AGI, applications like that need access to the digital realm, basically.

ですから、スマートエージェントやAGIのようなアプリケーションを考える場合、基本的にはデジタル領域にアクセスする必要があります。

They have to understand code, digital files, and Code Interpreter is like an attempt to make that work.

コードやデジタルファイルを理解する必要があり、Code Interpreterはそれを実現するための試みのようなものです。

And now, while we've already seen other attempts like, for example, Baby AGI and AutoGPT, which I also have a video on, the examples that I'm seeing now already from Code Interpreter are like so much better than anything else we've seen before.

そして今、例えば、Baby AGIやAutoGPTのような他の試みがすでに見られますが、私がCode Interpreterから見ている例は、これまでに見たものよりもはるかに優れています。

And basically, like in their own words, OpenAI says, We would like our models to be able to use programming skills to provide a much more natural interface to most fundamental capabilities of our computers.

OpenAIは、「私たちのモデルには、プログラミングのスキルを使って、コンピュータの最も基本的な機能に対して、より自然なインターフェースを提供できるようにしたい」と述べています。

So, I feel like this really is the key.

ですから、これが本当に重要なポイントだと思います。

Like I've said, it's that integration between understanding human language and on the other hand, also understanding computer language.

人間の言葉を理解し、一方ではコンピュータの言葉を理解する、という統合です。

So, we, the humans, provide the agent or the AI with instructions, information in the form of language, but then the AI, the computer, also understands how to execute that on a computer to actually make it work.

私たち人間は、エージェントやAIに言語という形で指示や情報を与えますが、AIやコンピューターは、それをコンピューター上でどのように実行し、実際に動作させるかを理解するのです。

And they say like having access to a very eager junior programmer working at the speed of your fingertips can make completely new workflows effortless and efficient, as well as open the benefits of programming to new audience.

そして、指先のスピードで働く熱心なジュニア・プログラマーにアクセスすることで、まったく新しいワークフローを楽に、効率的に作ることができ、プログラミングのメリットを新しいオーディエンスに開放することができると言います。

And this is also something very interesting that I want to get into programming for new audiences, because you don't have to be a coder anymore right now already, but also especially in the future to do all kinds of crazy things with these models.

これはまた、プログラミングを新しい聴衆に紹介したい非常に興味深いもので、すでにコーダーである必要はないし、特に将来は、これらのモデルであらゆる種類の素晴らしいことを行うことができます。

So, what is it good at right now?

では、今、何が得意なのでしょうか？

They say like initial user studies have identified that Code Interpreter is good at solving mathematical problems, both quantitative and qualitative, and doing data analysis and visualization.

初期のユーザー調査の結果、Code Interpreterは定量的・定性的な数学的問題の解決や、データ分析・可視化に向いていることが確認されたそうです。

And this right here, large part of your job as a data analyst and also like data scientist is doing data analysis and visualization and solving mathematical problems.

データアナリストやデータサイエンティストとしての仕事の大部分は、データ分析や可視化を行い、数学的な問題を解決することです。

So, what does this mean for data analyst and data scientist?

では、データアナリストやデータサイエンティストにとって、これはどのような意味を持つのでしょうか。

That is what I want to get into by running you through some examples and then really saying like, okay, how is this going to affect the work we do?

いくつかの例を挙げながら、このことが私たちの仕事にどのような影響を与えるのかについて考えてみたいと思います。

So, now let's get into some examples.

では、いくつかの例を挙げてみましょう。

And I found this really good Twitter thread over here by Hassan Tor.

ハッサン・トーのTwitterで、とても良いスレッドを見つけました。

Link will be in the description.

リンクは説明文にあります。

So, you can check it out.

ぜひご覧ください。

Look at these examples on your own.

自分でこれらの例を見てみてください。

But he basically compiled a whole bunch of tweets where people are showing off how they are using ChatGPT Code Interpreter right now.

このスレッドでは、ChatGPT Code Interpreterをどのように使っているのか、ツイートがまとめられています。

So, the first example over here, like what can it do?

最初の例では、どんなことができるのでしょうか？

So, basic video editing in ChatGPT converting a uploaded GIF to a longer MP4 version with a slow zoom.

ChatGPTの基本的なビデオ編集です アップロードされたGIFをスローズームで長いMP4バージョンに変換しています。

So, you can see we have the original video which is a GIF and then it turns into a video with a zoom.

元の動画はGIFで、それをズームで動画に変換しているのがわかります。

So, what is it doing over here?

では、ここで何をしているかというと

It's converting a file and it's also making an edit and manipulation on that video file.

ファイルを変換しているのですが、そのビデオファイルに対して編集や操作を行っているのです。

So, what does this mean for like the future?

では、将来的にはどうなるのでしょうか？

Like, okay, you will have fully automated video editing software that can basically, for example, on given your style of content creation and your types of edits and cuts, can probably very quickly spin up a rough draft of an edit for you.

例えば、あなたのコンテンツ作成スタイルや編集やカットのタイプに応じて、おおよその編集の草案を非常に迅速に作成できる完全自動化されたビデオ編集ソフトウェアがあるでしょう。

It's basically like interpreting the script basically first.

それは、基本的に最初に台本を解釈するようなものです。

So, understanding what people are saying in the video.

つまり、ビデオの中で人々が何を言っているのかを理解するのです。

So, then it's probably a transcription and then it understands, okay, this should be a good story and then it can cut, it can create zoom-ins, zoom-outs, transitions.

そして、「これはいい話だ」と理解し、カット、ズームイン、ズームアウト、トランジションができるようになるのです。

Like, in a couple of years, we will have fully automated video editing software.

数年後には、完全自動のビデオ編集ソフトが登場することでしょう。

That is basically what I think of when I see this.

私はこれを見たとき、基本的にそのようなことを思い浮かべます。

Okay, next thing.

さて、次の話です。

So, we have segment music markets based on spreadsheet and come up with business strategies for each segment.

表計算ソフトをもとに音楽市場をセグメント化し、それぞれのセグメントでビジネス戦略を考える。

So, there is a video over here, basically a demo of a upload.

こちらの動画は、基本的にアップロードのデモです。

So, it uploads a spreadsheet and then it says, great, you've uploaded the spreadsheet and then let's start by taking a look at the content.

スプレッドシートをアップロードすると、「素晴らしい、スプレッドシートがアップロードされました。

So, this is really how you interpret, how you work with the interpreter.

これが、インタープリタとの連携の仕方です。

You upload a file and then here you can see it just reads the data and then you can ask questions about it.

ファイルをアップロードすると、このようにデータを読み込んで、それについて質問することができます。

It understands it, and yeah, it's so interesting from a data analysis point of view, working like this and then giving your, giving the model full access, understanding to your data.

それを理解し、そして、データ分析の観点から、これのように働き、モデルにデータへの完全なアクセス、理解を与えることは非常に興味深いです。

And then, that is of course like the next big thing that's going to come up.

そして、これはもちろん、次に来るであろう大きな出来事です。

Like, okay, you upload your data.

例えば、データをアップロードします。

So, now it has access to all your data.

そうすると、モデルはあなたのすべてのデータにアクセスできるようになります。

Like, can we do that with company data and, like, right now with this alpha phase and how OpenAI is set up, probably not a good idea to share sensitive business information.

会社のデータでそんなことができるのでしょうか。今はアルファ版の段階ですし、OpenAIの設定上、機密性の高いビジネス情報を共有するのは良い考えではないかもしれません。

But I know, like for example, Microsoft is already working on isolated versions, isolated clones of the GPT models.

しかし、例えば、マイクロソフトはすでにGPTモデルの分離バージョン、分離クローンに取り組んでいます。

So, you can interact with them with sensitive information without sharing it with the world.

そのため、機密情報を共有することなく、GPTモデルと対話することができます。

So, just keep that in mind as I go through these examples.

このような例を紹介しながら、このことを心に留めておいてください。

All right, what's next?

さて、次は何でしょう？

Analyze and summarize your music taste from your Spotify playlist.

Spotifyのプレイリストから音楽の好みを分析し、要約します。

So, here it's analyzing 300 hour Spotify favorites playlist with JetGPT code interpreter and what you can see right here is that it's coming up with all kinds of graphs over here.

ここでは、JetGPTコードインタープリターでSpotifyのお気に入りプレイリストを300時間分析しています。そして、ここにいろいろなグラフが表示されています。

So, it's doing a principal component analysis, it seems like and we have some nice visualizations over here, more plots and then here also the interpretation.

ここでは、主成分分析を行っているようで、きれいなビジュアル化があります。さらにプロットがあり、解釈もここにあります。

So, the explained variance ratio and Kumitlif explained variance ratio from the PCA.

PCAによる説明分散比とKumitlifの説明分散比です。

So, this is highly technical stuff over here like understanding principal component analysis is pretty an advanced topic and JetGPT code interpreter can help you with that.

これは、主成分分析を理解するという高度なトピックであり、JetGPTコードインタープリターはそのお手伝いができます。

All right, what else?

さて、他には？

All kinds of visualization charts and graphs.

あらゆる種類の可視化チャートとグラフがあります。

So, what are we looking at over here?

では、ここで何を見るのでしょうか？

So, this is then in the tweet from Ethan Mollick, and again, like credits to all the authors of these tweets.

これはEthan Mollickのツイートで、これらのツイートの著者に謝辞を述べます。

If you want to stay up to date and learn more, I would suggest following or checking out these profiles, because they already have access and can probably tell you a lot more.

最新情報を入手し、もっと学びたい場合は、これらのプロフィールをフォローやチェックしてみてください。彼らはすでにアクセスを持っており、もっと多くのことを教えてくれるでしょう。

But here, you can see these are basic Seaborn, Matplotlib kind of plots that you can create using Python, and that data analysts and also data scientists do as a large part of their work.

しかし、これはPythonを使って作成できる基本的なSeabornやMatplotlibのようなプロットであり、データアナリストやデータサイエンティストが仕事の大部分として行っているものであることがわかると思います。

So, not even sure like what this is but they're pretty fancy graphs.

これが何なのかはよくわかりませんが、かなり凝ったグラフになっています。

All right and then here we have extracting colors from an image.

次に、画像から色を抽出しています。

So, what's going on over here?

こちらはどうなっているのでしょうか？

So, you upload an image and then so we can do the image and then you can say like extract the most what it says like top colors from the picture and make a color palette.

画像をアップロードして、画像を処理できるようにし、画像から最も上位の色を抽出してカラーパレットを作成することができます。

So, this can help you with like design, coming up with like a design template, a color palette for your brand or your presentation or whatever, and boom, spits out the code over here to help you do that, and then it also executes the code.

これは、デザインの助けになることができます。例えば、ブランドやプレゼンテーションのカラーパレットを考案したり、ここでコードを出力してそれを実行し、その助けになるようにしてくれます。

So, here you can see like actually how it's working.

ここで、実際にどのように動作しているのかを見てみましょう。

So, first it comes up with the code and then return.

まず、コードが表示され、次にreturnが表示されます。

So, the palette.png and then here boom we run the code and then let's see like in the end let's have a look at the output file.

そして、ここでコードを実行し、最後に出力ファイルを見てみましょう。

Can you display the palette png now?

これでパレットpngを表示できるでしょうか？

Boom!

ブームです！

There it is.

これです。

Color palette.

カラーパレットです。

So, this is an example from Pietro Cirano and what else?

以上、Pietro Ciranoの例をご紹介しましたが、いかがでしたか？

Get country specific content breakdown by uploading a Netflix data set.

Netflixのデータセットをアップロードすることで、国別のコンテンツ内訳を得ることができます。

So, this is a data set from Kaggle.

これはKaggleのデータセットです。

It appears to be and then we get a report.

このように表示され、レポートが表示されます。

So, we have a data set from Kaggle.

Kaggleからデータセットを入手しました。

It seems to be a pretty large data set.

かなり大きなデータセットのようです。

12 columns and then we have a breakdown, top 10 countries, full report, full breakdown and then here we can see how it's generating a gif like out of nothing.

12カラム、そして内訳、上位10カ国、フルレポート、フル内訳、そしてここでは、何もないところからgifを生成している様子を見ることができます。

Basically, the prompt is make a gif this size with falling green matrix of letters assume no fronts 30 frames 5 fps.

基本的には、このサイズのGIFを作成し、緑色のマトリックスに文字が落ち、前面がないと仮定して30フレーム5fpsで表示します。

So, video generation, gif generation.

つまり、動画生成、GIF生成です。

Here we have a look at bitcoin data analysis, all kinds of charts to look at like the trend, the seasonal component, the residual component, to do time series analysis, and then what we have here, turn your photos into a text file.

ビットコインのデータ分析、トレンド、季節成分、残差成分、時系列分析、そして、写真をテキストファイルにすることができます。

So, we upload a pdf over here and it says like ocr an image for me and generate the text file.

pdfをアップロードすると、画像をOCRしてテキストファイルを生成してくれるような機能があります。

So, it's the png, so not pdf, but it's like an invoice.

pngですからpdfではありませんが、請求書のようなものですね。

It's processing, then it does OCR, optical character recognition, to read everything from that image, and now we have an output txt.

そして、OCR（光学式文字認識）により、その画像からすべてを読み取って、TEXTを出力します。

What does it look like?

どんな感じですか？

Boom, there it is: image to text.

画像からテキストに変換されます。

All right, so what does this mean for data analysts and data scientists, and why the hell am I trending in the Netherlands?

データアナリストやデータサイエンティストにとって これは何を意味するのでしょうか なぜ私はオランダでトレンド入りしているのでしょうか？

Like, what?

何だろう？

Okay, I have no idea what this is, sorry, little sidetrack, but what does this mean?

これが何なのか全然わからないんだけど、ごめん、ちょっと横道にそれたけど、これってどういう意味なの？

Like, I think, really, if we look at all of this, our work will definitely change.

このようなことを考えると、私たちの仕事は間違いなく変わってくると思います。

Looking at this and what it already can do: ChatGPT code interpreter.

これを見て、すでにできること： ChatGPTのコードインタープリタ。

I think, really, data analytics jobs, data analysis, it's going to impact, it's going to affect that, for sure, and I think already pretty soon.

私は、本当に、データ分析の仕事、データ分析、それは影響を与えるだろう、それは確実に、そして私はすでにかなり近いと思います。

How I think this will play out is, since, for example, Microsoft is already big friends with OpenAI, and they announced that they will introduce Copilot into the Office 365 stack.

これがどのように展開されるかというと、例えば、MicrosoftがすでにOpenAIと親しい関係にあり、Office 365スタックにCopilotを導入することを発表しているので。

So this will be in Excel.

これはExcelに導入される予定です。

So right now, from working with tons of companies, I know that the main way for most companies to do data analysis is just through Excel.

今、多くの企業と仕事をしていて思うのは、多くの企業がデータ分析をする主な方法は、Excelを使うことだということです。

They have big spreadsheets, company data, financial data, whatever data, and they use that to do their analysis for them.

大きなスプレッドシート、会社のデータ、財務データなど、あらゆるデータを持っていて、それを使って分析を行うのです。

They can do basic analysis with that, but then when it gets too complicated, they need help from either a data analyst or, if they want to do some more predictive kind of stuff, machine learning, they need help from a data scientist.

基本的な分析はそれでできますが、複雑になってくると、データアナリストや、より予測的な機械学習をしたい場合は、データサイエンティストの助けが必要になります。

That is typically how it works right now.

これが、現在の一般的な仕組みです。

But if you interpret this kind of　functionality into Excel, you now enable end-users, basically who might not have the technical understanding of how to do the data analysis, to come up with all kinds of insights.

しかし、このような機能をExcelに組み込めば、データ分析の方法について技術的な理解がないエンドユーザーでも、あらゆる種類の洞察を得ることができるようになるのです。

Coming back to how ChatGPT, or oh, sorry, OpenAI, was describing it, like it offers a completely new workflow, more effortless and efficient, as well as opening the benefits of programming to new audiences.

ChatGPT、あるいはOpenAIの説明に戻ると、まったく新しいワークフローを提供し、より楽で効率的で、プログラミングの利点を新しいオーディエンスに開放するようなものです。

So this is really the thing here.

つまり、これが本当に重要なことなのです。

It allows non-technical people that don't have a data analysis or programming background to do analysis for them, and like we've seen already, you can get quite complex with this now.

データ分析やプログラミングのバックグラウンドを持たない非技術的な人々が、自分たちのために分析を行うことを可能にするもので、すでに見たように、これでかなり複雑にすることができます。

That is, here's the but, a huge part of data analysis, of course, is the interpretation, making it specific to the domain that you're working in, the company that you're working in.

つまり、ここで、しかし、データ分析の大きな部分は、もちろん、解釈であり、あなたが取り組んでいるドメイン、あなたが取り組んでいる会社に特化したものにすることです。

So of course, you can't replace a data analyst or a data scientist all at once with a tool like this because the interpretation, the reasoning behind it, is still a large part of this.

もちろん、データアナリストやデータサイエンティストをこのようなツールで一気に置き換えることはできませんが、それでも解釈やその根拠が大きな部分を占めているからです。

That, in turn, is also, right now, my biggest advice for data analysts and even also for data scientists, because they will be next.

データアナリスト、そしてデータサイエンティストへの最大のアドバイスは、次のステップに進むということです。

Probably next week, you'll have ChatGPT machine learning or whatever, and it can do that as well.

おそらく来週には、ChatGPTの機械学習が登場するでしょうし、それも可能です。

So, like I've said, domain knowledge, understanding a field really well, understanding a business really well, is already really important.

つまり、ドメイン知識、ある分野をよく理解すること、あるビジネスをよく理解することは、すでにとても重要です。

But now there are also plenty of jobs that just require technical skills, just being able to do simple analysis, simple work processing data.

しかし、技術的なスキルが必要な仕事、簡単な分析やデータ処理ができるだけの仕事もたくさんあります。

But, like we're seeing right now, basic analysis, basic transformations, the AI can already do this.

しかし、今見ているように、基本的な分析や基本的な変換は、すでにAIができるようになっています。

So it's now much more about, Okay, we have this tool that can help us do the work, but now it's really your expertise as a professional to make sense of that data, ask the right questions, and make it so that it will come up with useful insights for the problem that you are helping your company with or helping your client with.

ですので、今はもっと「このツールを使って仕事を助けてくれるけれど、それを使ってデータを理解し、正しい質問を立て、会社やクライアントが抱える問題に役立つ洞察を引き出す能力が専門家としてのあなたの専門性にかかっている」ということになっています。

And also, in general, just being a great team player and being able to communicate your findings effectively to the company, to your team.

また、一般的には、優れたチームプレーヤーであり、自分の発見を会社やチームに効果的に伝えることができることです。

And again, already a skill that is important and can set you up for a good career, but I think what we're going to see is a shift, a transition, where given these tools, you can accomplish basically the same output, more output, with less people.

そして、すでに重要であり、良いキャリアに向けて準備を整えるスキルですが、これらのツールを使って、同じ出力、さらに多くの出力を、より少ない人々で実現できるようになる移行や変化を見るでしょう。

That's just a fact.

これは単なる事実です。

This will supercharge your productivity.

これによって、生産性が飛躍的に向上します。

So, basically, what will happen: teams, companies can probably scale down in all kinds of areas.

つまり、基本的には、チームや企業はあらゆる分野で規模を縮小できるようになるでしょう。

Basically, all the jobs that require a human to sit behind a computer and process some kind of information, it will be sped up by AI.

基本的に、人間がコンピューターの前に座って何らかの情報を処理する必要がある仕事はすべて、AIによってスピードアップされるでしょう。

There will be AI's, there will be agents that can do that much more effectively, much more efficiently.

より効果的に、より効率的に情報を処理できるAIやエージェントが登場することでしょう。

So, what will that mean?

では、どうなるのでしょうか？

Either companies will stay with the same team and employees and just 10x, or maybe even 100x, their output.

企業は同じチームや従業員を維持したまま、10倍、あるいは100倍のアウトプットを出すだけでしょう。

But for a lot of teams and roles, that might not even be necessary.

しかし、多くのチームや役割では、その必要はないかもしれません。

So what I think is far more likely is that teams will scale down.

つまり、チームの規模が縮小していく可能性の方がはるかに高いと思います。

Because whereas you first needed a team of 10 people, you can now do it with one or two.

なぜなら、最初は10人のチームが必要だったのが、今では1人か2人でできるようになったからです。

What will naturally happen, of course, is that the A-players, the best players, will keep their position and they will be supercharged by these tools, supercharged by these AI's.

もちろん、A級プレーヤー、つまり最高のプレーヤーはそのポジションを維持し、こうしたツールやAIによってさらにパワーアップしていくでしょう。

So how do you set yourself up so you will not be replaced by these AI's?

では、AIに取って代わられないようにするには、どうすればいいのでしょうか？

In my opinion, it really is threefold.

私の考えでは、それは3つあると思います。

So, one, really understand how to use these tools effectively and start experimenting with them right now, because otherwise, you will be left behind.

1つ目は、これらのツールを効果的に使いこなす方法を本当に理解し、今すぐ試してみることです。そうしないと、取り残されてしまうでしょう。

There are others within your field that are using these tools, and they will 10x, 100x your output.

なぜなら、そうしなければ、あなたは取り残されてしまうからです。あなたの分野には、これらのツールを使っている人がいて、彼らはあなたのアウトプットを10倍、100倍にしてくれるでしょう。

Then two, is domain knowledge.

次に、2つ目は、ドメイン知識です。

So, try to fill in the gaps that these models cannot do yet.

これらのモデルがまだできないギャップを埋めようとするのです。

Like I've said, it's more about the execution, the implementation, the transformation, making the graphs, but it's less about making it specific to your domain, the interpretation.

私が言ったように、実行や実装、変換、グラフ作成に関しては重要ですが、特定のドメインに関連する解釈についてはそうではありません。

That is another key area to focus on if you want to stay relevant.

これは、関連性を保ちたいのであれば、もう1つの重要な領域です。

And then third is overall, be a good team player and focus on communicating your results and findings effectively.

そして3つ目は、良いチームプレーヤーであること、そして自分の結果や発見を効果的に伝えることに集中することです。

Basically, because humans naturally want to work with nice people, people that communicate effectively, are nice to deal with, that interpersonal contact, these conversations, those are the kind of things that AI's cannot replace and probably will never replace, like human interaction.

基本的に、人間は自然に良い人と働きたいと思っているため、効果的にコミュニケーションし、対処しやすく、人間関係が良好な人たちとの接触や会話など、AIが置き換えることができない、おそらくこれからも置き換えることができない人間相互の交流が重要です。

That is a large part of work, the socializing, helping each other out, learning from each other.

これは仕事の大部分を占めるもので、人付き合い、助け合い、学び合いなどです。

It will become less about the technical skills for these jobs.

このような仕事では、技術的なスキルが重要視されなくなるでしょう。

Whereas right now, you may need a data analyst or a data scientist who's just really good at one specific technical thing but is kind of a jerk and you don't really like working with them, but they're really good.

今、データアナリストやデータサイエンティストが必要かもしれませんが、その人はある特定の技術的なことにとても優れていますが、ちょっと嫌なやつで、一緒に働くのはあまり好きではありませんが、とても優秀な人です。

That guy will be out because the AI can cover all the technical stuff, and if there's another guy who's maybe a bit less technical but can still implement the technical things due to AI, but he's really nice to work with and just overall helps you, you can learn from him, he will get the job.

AIが技術的なことをすべてカバーできるため、そのような人はいなくなるでしょう。もし、技術的には少し劣るかもしれないが、AIのおかげで技術的なことを実装できる、でも一緒に働くのは本当に素敵で、全体的にあなたを助けてくれる、彼から学ぶことができる、そんな人がいれば、その人は仕事を得ることができるでしょう。

So, those are my thoughts on it.

というわけで、以上が私の考えです。

Like I've said, learn to work with these tools, gather domain knowledge, specific knowledge that is not captured right now in these models, not in their capabilities, and just overall be a good team player.

私が言ったように、これらのツールで作業することを学び、ドメインの知識を集め、今現在これらのモデルやその能力では捉えられない特定の知識を集め、全体として良いチームプレーヤーになることです。

I think that will set you up for a future where you stay relevant in this new era of AI, basically.

そうすれば、AIの新時代にふさわしい存在であり続けることができると思います。

But also, again, these are all just guesses, my thoughts.

しかし、繰り返しますが、これらはすべて推測に過ぎず、私の考えです。

Nobody knows how this is going to play out, of course.

もちろん、この先どうなるかは誰にもわかりません。

We've seen　in the past that jobs get replaced all the time, but there will also be new jobs.

仕事は常に入れ替わるものですが、新しい仕事も出てくるでしょう。

So overall, I think if you are a data analyst or data scientist, being in this field, having the technical skills, you shouldn't worry at all.

ですから、全体として、もしあなたがデータアナリストやデータサイエンティストで、この分野にいて、技術的なスキルを持っているならば、まったく心配する必要はないと思います。

We are in a great spot right now.

私たちは今、絶好の場所にいるのです。

Working with data is still amazing, there's so much data, and there are still companies that don't use data at all.

データを使った仕事はやはりすごいし、データもたくさんあるし、データをまったく使わない会社もまだまだある。

But like I've said, probably the work will change; maybe it will be more spread out, not so much focused on large organizations and huge teams, but more on small teams where every company eventually has an AI engineer who manages the agents, sets up the agents, and you get all kinds of new jobs and opportunities.

しかし、私が言ったように、おそらく仕事は変わっていくでしょう。もっと広がって、大きな組織や巨大なチームに集中するのではなく、もっと小さなチームになって、どの会社にも最終的にはAIエンジニアがいて、エージェントを管理し、エージェントを設定し、さまざまな新しい仕事と機会を得ることになるでしょう。

But it will likely shift; the days of just plotting some graphs and then writing some Python functions with Matplotlib to impress your boss or your clients will be over, because they will be like, Hey, yeah, really cool that you can do that, but I have Excel.

ただし、グラフをいくつかプロットし、MatplotlibでPython関数を書いて上司やクライアントに感銘を与える日々は終わりを迎えるでしょう。彼らは「それをできるのはすごいけど、私はExcelがあるから」と言うでしょう。

I can press one button, and I have that, also with an interpretation specific to my business.

ボタンを1つ押せば、私のビジネスに特化した解釈で、Excelを使うことができるのです。

So, those are just my thoughts.

これが、私の考えです。

Exciting stuff, it's going really fast, hard to keep up, but I hope at least that this little ramble of mine has brought you up to speed on ChatGPT Code Interpreter.

エキサイティングなことで、スピードが速く、ついていくのが大変ですが、少なくとも、この私のちょっとした雑記で、ChatGPT Code Interpreterのスピードが上がっていることを願います。

Like I've said, you can get on the waitlist to try and get early access to this, to already start experimenting with this, see what it can do for you, how it can help you with your job.

私が言ったように、ウェイトリストに載って早期アクセスを試みることができますし、これで何ができるか、仕事にどのように役立つかをすでに試してみることができます。

And yeah, I'm really curious what next week will bring us in the world of AI, the next big thing, what will it be?

来週はAIの世界で何が起こるのか、次の大きな出来事は何なのか、とても気になります。

Will it be ChatGPT Machine Learning?

ChatGPTの機械学習でしょうか？

I don't know, it's going really fast, it's exciting, but also a little overwhelming, I would say.

わからないけど、本当に速く進んでいて、ワクワクするけど、ちょっと圧倒されるとも言えるね。

Hey, that's it for now.

おい、今はこれだけだ。

If you found this video helpful, please leave a like, it really helps me out and also lets YouTube know that you want to see more content like this.

このビデオが役に立ったと思ったら、「いいね！」をお願いします。「いいね！」を押していただくと、YouTubeに「もっとこういうコンテンツを見たい」という気持ちが伝わります。

To stay up to date on everything AI and data, subscribe to the channel to make sure you don't miss any future videos.

AIやデータに関する最新情報は、チャンネル登録をして、今後のビデオを見逃さないようにしてください。

That's it for now, thank you for watching, and I'll see you in the next one.

それでは、次回もお楽しみに。