「十分に困難な問題はすべて強化学習の問題になる」。複雑な課題はすべて、不確実性の中で一連の意思決定を行う必要があり、それぞれの選択が将来の選択肢と結果に影響を及ぼします。これはまさに強化学習が解決する問題です。これにより、AI システムは数百万の並列実験を実行し、重み共有を通じて学習を集約し、生物学的システムではできない方法でそれらの洞察に基づいて行動することができます。

時間の経過とともに、エージェントは人間の労働力よりも安価になります。特に規模が大きくなると、そのコストは高くなります。現在、プロトエージェント システムを使用して、200 件の ArXiv 論文のメタ分析を人件費の約 1% で実行できます。AlphaFold は 2 億個のタンパク質構造を予測しましたが、従来はそれぞれを決定するのに 10 万ドルのコストと博士号全体の費用がかかっていました。

タスクは数千または数百万の AI エージェントに分割できます。100 のドキュメントを順番に分析するのではなく、100 の AI エージェントが同時に処理し、結果を 1 つのレポートにマージできます。

AI システムは人間の反応時間をはるかに超えて動作し、データを数ミリ秒単位で処理します。最速の LLM は、人間の 6000 倍の速度で出力を生成します。

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。