過去 1 世紀にわたり、製造業や農業などの業界では驚異的な生産性の向上が見られました。工場では製品の生産速度が飛躍的に向上し、農場ではかつて必要とされた労働力のほんの一部で数十億人を養えるようになりました。

しかし、教室では 30 人の生徒を教えるには依然として 1 人の教師が必要です。これがボーモルの呪いです。

製造業などの生産性の高い部門で賃金が上昇すると、労働集約型のサービスは競争力を高めるために賃金を引き上げなければなりません。生産性が停滞したままでもです。そのため、製造された製品は安くなる一方で、多くのサービスは値上がりします。

この問題の根底にあるのは、人間自身の時間をスケールできないことです。

アムダールの法則によれば、システムの速度は最も遅いコンポーネントによって制限されます。サービス部門の多くの部分では、これは人間に依存するプロセスに関する制約に帰着します。

ChatGPT のような今日の AI アシスタントは、人間による継続的な入力を必要とします。彼らは副操縦士であり、自律的なアクターではありません。すでに順調に進んでいる次の進化は、目的を与えられるとタスクを独立して実行するエージェントです。これは、熟練したチームに委任し、残りの処理を自分たちが行うのとよく似ています。そして、このチームの規模に制限はありません。

サム・アルトマンは、AI エージェントの軍隊を活用して 1 人の個人が管理する 10 億ドル規模の企業であるワンマン ユニコーンの出現を予測しています。

サム・アルトマンが今後数年間の見通しについて語るのを聞いた。

2025 年には、現在の進歩に懐疑的な人々でさえも「わあ、これは予想外だった」と言うようなシステムが実現するだろうと私は予想しています。エージェントは、誰もが話題にしているものですが、それには十分な理由があります。AI システムに、非常に複雑なタスク、非常に賢い人間に任せるようなタスクを与えることができるという考えです。そのタスクは、実行に時間がかかり、多くのツールを使って価値のあるものを作る必要があります。来年はそのようなことが実現すると予想しています。そして、それは大きなことです。それが期待通りにうまく機能すれば、物事を本当に変えることができます。

「英語は最もホットな新しいプログラミング言語になりつつあります」

AI コーディング ツールを使用する最も成功している非エンジニアは、ハイブリッド アプローチを採用しています。

1.AI をラピッドプロトタイピングに活用

2.生成されたコードがどのように動作するかを理解するために時間をかける

3.AIの使い方とともにプログラミングの基本概念を学ぶ

4.知識の基礎を徐々に構築する

5.AIを単なるコードジェネレーターではなく学習ツールとして活用する

しかし、これには忍耐と献身が必要であり、これはそもそも多くの人が AI ツールを使用することで達成したいと願っていることとはまったく逆のことです。

欲しいものを説明すると、v0 や Bolt などの AI ツールが印象的な実用的なプロトタイプを生成します。しかし、その後、現実が始まります。

次に起こる典型的な出来事は、予測可能なパターンに従います。

・小さなバグを修正しようとする

・AIは妥当と思われる変更を提案する

・この修正により、別のものが壊れる

・AIに新しい問題を解決するよう依頼する

・これによりさらに2つの問題が発生する

・繰り返します

Bolt、v0、スクリーンショットからコードを作成する AI などのツールは、新しいプロジェクトを立ち上げる方法に革命をもたらしています。これらのチームは通常、次のような特徴を持っています。

・デザインや大まかなコンセプトから始める

・AIを使用して完全な初期コードベースを生成する

・数週間ではなく数時間または数日で実用的なプロトタイプを入手できます

・迅速な検証と反復に重点を置く

結果は素晴らしいものになるかもしれません。最近、一人の開発者が Bolt を使用して、Figma のデザインをあっという間に実用的な Web アプリに変えるのを見ました。

2 番目のグループは、日常の開発ワークフローに Cursor、Cline、Copilot、WindSurf などのツールを使用しています。派手さはありませんが、より革新的な可能性を秘めています。これらの開発者は次のとおりです。

・AI を使ってコード補完と提案を行う

・複雑なリファクタリングタスクにAIを活用する

・テストとドキュメントの生成

・問題解決のための「ペアプログラマー」としてAIを活用する

上級エンジニアが Cursor や Copilot などの AI ツールを使っている様子を見ると、魔法のように見えます。彼らは数分で機能全体をスキャフォールディングし、テストとドキュメントを完成させます。しかし、よく観察すると、重要なことに気付くでしょう。彼らは AI の提案をそのまま受け入れているのではなく、常に次のことを行っています。

・生成されたコードをより小さく、焦点を絞ったモジュールにリファクタリングする

・AIが見逃したエッジケースの処理を追加する

・型定義とインターフェースの強化

・ビルド上の決定に疑問を抱く

・包括的なエラー処理の追加

言い換えれば、彼らは長年かけて苦労して得たエンジニアリングの知恵を AI の出力を形作り、制限するために応用しているのです。AI は彼らの実装を加速させていますが、彼らの専門知識こそがコードの保守性を維持しているのです。

若手エンジニアは、こうした重要なステップを見逃してしまうことがよくあります。AI の出力をすぐに受け入れてしまうため、私が「トランプのカードハウス」と呼ぶコードができあがってしまいます。これは、完成しているように見えても、現実世界のプレッシャーで崩れてしまうコードです。

人間の考えや感情は、顔の表情に反映されます。顔表情認識 (FER) は、人の感情状態を推測するために利用できる重要な種類の視覚データです。注意の焦点、感情、動機、意図など、さまざまな社会的手がかりを得ることができます。

AI ベースの顔認識システムは、バス停、鉄道駅、空港、スタジアムなどのさまざまな場所に配備でき、治安部隊が潜在的な脅威を特定するのに役立ちます。

AI と神経技術の進歩は、身体障害を持つ人々の生活を変えるような応用につながっています。最近の報告では、医療チームが四肢麻痺の男性の脳にマイクロチップを埋め込むことに成功したことが取り上げられています。AI を使用することで、男性の脳を体と脊髄に「再接続」し、感覚と運動を回復させることができました。このような画期的な進歩は、ヘルスケアとリハビリテーションにおける AI の変革の可能性を示唆しています。