ソフトエンジニアのフォーラムサイトであるQIITAは、質の高い記事でプログラミング学習で随分使わせていただいてますが、最新の記事で生成AIとプログラミング所作について述べてます。
https://qiita.com/hrfmjp/items/fca96068692ceec895d0
ーーーーーーーーーーー抜粋ーーーーーーーーーーーーーーーーーーーー
ここ数年、生成 AI の活用が話題になっています。生成 AI についても、上手く使える人と苦労する人が出てきます。その違いもやはり、「プログラミング的所作」を身に付けられているかどうかではないかと思っています。生成 AI の活用も、実はプログラミングの作業と似ています。生成 AI に対して何か指示を与え、生成 AI がそれに対して結果を返してきます。私たちはその結果を見て、意図と異なるところがあれば指示を変えてもう一度生成 AI に問いかけます。これを繰り返すことによって、生成 AI を活用するための良い指示を作っていくのです。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
●結局、AIを上手に使うには、プログラミングが出来る人ということです。ですので、AIがプログラミングをやってくれるからといって、自身がプログラミング所作（プログラムの基本思考）ができないと生成AIが上手く使えないだろうという主張です。私も当然だと思います。
●私もプログラムのサンプルプログラムをchatGPTに聞きますが、聞き方によって、全く異なる結果がでてきます。所望の結果を得るには、chatGPTの回答を真にうけずに、どの部分が怪しいのか推理する必要があります。生成AIは、WEB上の情報を拾って回答しますので、WEBで調べて、検索に乗ってこないこととか、WEB上で間違った内容のものは、そのまま回答されてしまいますので、聞き方をいろいろ変えて回答させてから、どのサンプルプログラムが良いか決めます。IOT回りだと言語とCPUとデバイスとライブラリーとIFの組み合わせが無数にあるので自分の目的に合致してまともに走るサンプルプログラムが少ないので、まだまだプログラムを自動的に作れるAIはできないようです。
技術者がコト作りやるのは、専門分野ではないので、なかなか出来ないものです。
私も４０歳くらいまで、コト作りの存在すら知らないで、仕事をしてました。
しかし、コト作り無しに新規開発製品を作ってしまって、全く売れないという酷い目にあって
初めてコト作り（お客様の立場になって何が本当に実現したいコトか）を意識せざるを得なくなりました。
私の場合、印刷業者向けのデジタル印刷機の開発でしたので、印刷業者様の価値感、仕事の仕方など
なかなか理解できるものではありませんでした。
やったことスタートから製品化まで１０年がかりでした。
①業界内で、私の開発に賛同して協力してくれるパートナー企業を探す。
②パートナー企業の経営者で、クレバーな人と懇意になる。
＝＞クレバーな経営者でないと、新しいコト作りを想定して、業界の未来を語ることはできません。
＝＞そのようなクレバーな経営者は滅多にいませんが、業界新聞や業界組合をあたって、有名な社長さんはどこの業界にも数人居られますので、その方たちにアプローチするのが重要です。
③開発の方向性を複数社のクレバーな経営者さんと徹底的に話しあう。
＝＞クレバーな社長さんでも自分の会社のおかれた環境でのニーズに偏る傾向があるので、業界内で
企業規模が異なる複数企業でのニーズを探る必要があります。私の場合は、従業員数人の企業と数十人の企業と数百人の企業と数千人のトップ企業の４セグメントで経営トップと相談しながらコト作りしました。
④機密保持契約して、アナログ印刷原価計算を教えてもらって、デジタル化のシミュレーションをする
＝＞現在のアナログ印刷のコストに対するデジタル化でのコストメリットをその企業にあてはめるために
当該企業の原価計算を教えてもらって、デジタル化でのコストシミュレーションを作って、それを見せながら開発目標を検討しました。
＝＞お金の計算は、コト作りの基本ですので、まずは、お金の計算で納得してもらえるようにしないと
製品開発の目標が定まりません。当初はなかなかコストメリットが見つからずに、出口が見つからないのですが、技術開発を進めることで、コストメリットを稼いていく活動を行いました。その活動で１０年近くかかりました。
●コト作りの検討を初めて、５年くらい毎月のように全国の印刷会社様に出張して、お話しをうかがう活動をしておかげで、自分でも印刷会社の懐具合と皮残用ができるようになって、ようやく、コト作りができるようになってきました。
●コト作りは、自分ではなかなかできないので、社外のパートナーをみつけられるかがキーポイントになります。 社内だと会社のバリューチェーン（忖度、会社の体質、部門の都合）がはいってしまって、客観的なコト作りができないので、社外と接触することが成功のポイントとなります。
２０１７年にDIY電子工作ブログ 信州MAKERSを開始しました。
テーマの変遷は、
３Dプリンタ、ロードバイクバワーメーター、ロードセル自作、６分力センサ、スキーターンアナライザ
、IMUyaw角解析 これらにテーマを進めるために、プログラミングのスキルを上げてきました。
●chatGPTのおかげで、プログラム学習記事のアクセスが減った
VisualStudio入門記事が一時は、トップアクセスだったのですが、現在は、ほとんどアクセスがありません。これは、chatGPTでプログラミングを学ぶ人が増えたせいだと思います。私自身もchatGPTでプログラムを学習しますので、プログラム学習は、chatGPTが最も良いので、これからは、プログラム教材関連は、不要となっていくことが明白です。プログラム本、通信教育などは、廃れていくでしょう。
●プログラムを作れる人が集まるテーマが伸びる
読者層がプログラミングに慣れている分野のテーマは、伸びてます。IMU、ロードセル関連は、コンスタントにトップアクセスですが、GNSS RTKは、４年前の半分程度まで減ってます。解析すると、アクセスしてもプログラムを作らないと先に進まないので、立ち止まったきりで終わってしまっている読者が多いです。結局、自分の思うようなGNSS RTKの使い方ができないユーザーが多いということで、GNSS RTK分野では、アプリケーションが少ないので、普及しないということです。世界的にその傾向があって、チップメーカーやボードメーカーが業務を縮小してます。
●各テーマアクセスの特徴
１：ロードバイク：自転車乗りですので、自ら作るというよりは記事を眺めるだけの読者
２：ロードセル自作：必要に迫られて、ロードセルを自作したい読者が多いので、コンスタントにアクセスがあります。ネックは、ひずみ計測アンプで、デジタルアンプで簡単で手間無しのものが無い点で、電子工作ができる人に絞られてしまう点で、手頃なひずみ測定用モジュールのニーズがあります。
３：６分力センサ：これは大学、高専生専門で、たまにアクセスがあります。
４：スキーターンアナライザ：これはスキーを定量的に解析したいというマニアックなテーマですので
記事アクセスはほとんどないです。しかし、技術的な難易度が高いので、派生テーマが人気がでてます。
以下が派生テーマです。
①３Dプリンタで作る防水ケース＝＞これは、スキーに基板を搭載するのに必須の技術で人気あるテーマとなってます。
②Teesy4.1の使い方＝＞日本ではなじみがないCPUですが、米国では電子工作業界では定番のマイコンです。M5Stack,ESP32など中華マイコンに比べて、米国のソフトウェア技術が圧倒的に凄いということを見せつけてる製品です。米国の１人のエンジニアが自分の欲しいマイコンを開発して製品化したものですが、ソフトのレベルが高くて使い勝手が簡単だけど、最高のパフォーマンスがでるように設計されてます。一度Teensy4.1を使うと他のCPUは、使い勝手と速度面で使えません。電子工作の生産性が３倍以上向上してます。
③Python：スキー滑走１本で数十MBのデータが得られるのですが、膨大すぎて、処理が大変です。１週間測定したデータを解析するのに６か月かかります。そこで、Pythonを使って処理の迅速化をするようになって、プログラム生産性が倍以上になってます。C#では、Pythonほどデータ処理に最適化されてません。
④IMU:これは、非常にアクセスが多く、ユーザーの技術レベル高いです。スマホで使われているような民生用のIMUのジャイロと磁気センサからのyaw角精度が悪いので、全てのユーザーの困り事になってます。ロボットとかVRゴーグルを使うアプリが多いです。しかし、高精度のMEMS IMUは、数十万円もするので、民生用途では、使えないので、ここ１０年は、この課題は、残るとみてます。
ということで、人気がないテーマとかアクセス数を気にしないで、技術的に誰もやってないことを深く追求する活動をしたほうが、技術のすそ野が広がって将来的にサイトが大きくなると考えるようになったので、特別に、アクセス数を伸ばすということはしないようにしてます
最近 就職氷河期の世代が不公平だと言われてきてますが、私の世代１９７０年代も同程度に就職無かったです。求人倍率をみればわかるのですが、
https://ja.wikipedia.org/wiki/%E6%B1%82%E4%BA%BA%E5%80%8D%E7%8E%87
1970年代はオイルショックで不景気で、求人倍率が０．５5まで落ちました。私の時１９７８年で大学の学科の求人が１倍を切ってしまって、自分で就職先を探しにいきました。同期も専攻の業界に就職できた人は１割程度で、いろいろな業界に散りましたが、それぞれ、大成されているので、不景気で就職がなくても、自分で仕事をさがすのが当たり前だった世代です。ですので、１９９３年から２００５年までに就職した世代を就職氷河期として特別扱いするのは、別の原因があると思います。私の経験では、バブル世代と氷河期世代は、昭和の世代が創り上げた仕事の仕方に乗ってオペレーション業務だけを仕事としてやってきた世代だと思います。現在の企業内で、役に立たない世代となっている４５歳から５５歳にあたります。２０００年から世界が大きくデジタル化が進んでいるのに、日本のこの世代は、デジタル化に乗り遅れた世代で、日本をデジタル後進国にしてしまった代表的な世代ですので、氷河期と言われて、恵まれてないのもしょうがありません。
例えば、就職がなかった1993年から２００５年の間に、GAFAが小さかった時代ですので、ソフトウェア業界のベンチャーに就職していれば今頃大富豪になれたかもしれない世代なのです。ですので、乗り遅れて貧乏になった人達は、それぞれ理由があるでしょうが、チャンスは今のZ世代よりあったはずなのです。ただ、乗り遅れた人口が多いから社会問題になっているということだと思います。
これからは、AIに食われて職を奪われる世代の人口が問題になる時代ですので、
AIに食われないような創造的な仕事へシフトしていかないと将来が危ない時代を迎えてます。
AI開発者の目標は、既存の仕事を人からAIへ置き換えして、人件費をカットすることです。
ですので、既存の仕事ではなく。仕事を創造する仕事ならAIもなかなかできません。
更に、可能性としてAIが知りえない情報がある分野とかは、
永遠に残る分野だと思います。ニッチですが、非インターネットの分野をchatGPTに聞いてみました。信州MAKERSのような個人のDIYでの開発で、ブログに掲載してない記事などは、非インターネット分野で、AIでは聞けないです。
回答------インターネットに無い分野----------------------
「インターネットにない分野」とは、非常にニッチで公開されていない知識、未開拓の研究領域、または最新でまだ情報が広がっていない分野を指すことが多いです。例えば：
1. 未発表の学術研究・実験結果
学会や大学内での未発表研究
独自の科学的仮説や検証中のプロジェクト
2. 企業の内部情報や独自技術
特定の企業が開発中の技術やアルゴリズム
新規プロダクトの未公開プロトタイプ
3. ローカルな伝承や文化
特定の地域や民族の口承文化
小規模なコミュニティにしか伝わっていない技術や知識
4. 個人の独自研究・発明
誰かが独自に行っている革新的なプロジェクト
市販されていない装置やシステム設計
東大で質問に答えたOpenAIのアルトマン氏の記事
https://www.lifehacker.jp/article/2502-openai-samuelaltman-discuss-utokyo-students/
で、物理、数学、プログラミングは、人間がやる必要がなくなると言ってました。
①②は私の考えです。
①手仕事は、AIでは無理そうだ。
＝＞物をいじりながらアイデアを出しながら創造していく活動は、残りそうです。
＝＞確かに、IOTなどでデータが出ればそれを料理するのはAIが得意ですがIOTのセンシングのコト作りからモノ作りは、AIでは無理そうなので、IOT分野でも機械学習より、センサなどハードを開発していったほうが、AIにやられない仕事になると思います。センシングのコト作りで、新たなセンシング技術開発は、AI時代で、一層ニーズが高まると思います。シミュレーションで簡単にできそうなことではなく、
コト作りを発端としたセンシングモノ作りなら、生き残ると思います。
②会社でいえば、 設計部門なら、図面ばかり書いて実験を全然しない人はAIに代わられます。
シミュレーションばかりしていて、実験しない人もAIに代わられます。
企画だけやっていて、モノをいじらない人は、コト作りとモノ作りのバランスをとらないので、失敗します。人の管理だけの管理職のようなデスクワークは真っ先になくなります。報告文書だけで、仕事をしている人は、実際に現場、モノをいじらないとAIに代わられます。情報として定型化する前に自分で情報をとらえる脳力がないとAIに代わられるからです。人間として五感で感じて情報を発する仕事が大事です。
要するに、将来の会社の仕事は、川上から川下まで一人でカバーできる人が生き残るということだと思います。昔は、50歳以上でないとそのレベルにならなかったのですが、将来は３０代で全部できるようにならないと４０歳でリストラになる時代になると思います。
●信州MAKERSでやっているDIYでは、どうなるのかchatGPTへ聞いてみました。
回答ーーAIでできないこと DIY－－－－－－－－－－－－－－－－－－－
AIではできないDIYの仕事や分野は、主に創造性、手作業、実世界の操作、個人の感性が求められるものが多いです。ここでは、具体的なDIYの例を挙げながら説明します！
1. 木工・家具作り
手作業のクラフト感が魅力の木工や家具作りは、AIでは再現できない独自性があります。
特徴：設計だけでなく、木材の選定や加工、塗装まで自分の感性を反映できる
DIY例：
手作りのテーブルや本棚
木製のランプシェード
古材を使ったリサイクル家具
2. 園芸・ガーデニング
AIは庭の設計や植物の育成アドバイスはできますが、植物を植える・育てる作業そのものはできません。
特徴：土や植物に触れる感覚的な作業が楽しい
DIY例：
自宅でハーブガーデンを作る
庭のデザインや花壇の作成
水耕栽培システムのDIY
3. リフォーム・修繕
自宅のリフォームや修理作業は、現場で臨機応変に対応する必要があり、AIでは不可能です。
特徴：現実の制約に対応する創造性が求められる
DIY例：
壁紙の張り替え
床のフローリング張り
配管や電気工事（DIY可能な範囲）
4. アート・クラフト
芸術作品は個人の感性が強く反映されるため、AIの模倣とは異なる独自性を生み出せます。
特徴：独自の世界観や感情表現が可能
DIY例：
手作りアクセサリー
絵画や陶芸作品
手染めのファブリック（染物）
5. 自転車やバイクのカスタム
自転車やバイクのパーツを交換・カスタマイズするDIYは、AIでは物理的な操作ができないため、人間の手作業が不可欠です。
DIY例：
自転車フレームの塗装
パーツ交換やギア比のカスタム
ビンテージバイクの修復
6. 自然素材を使ったDIY
流木や石、革など自然素材を使ったクラフトは、自然の不規則な形状を活かすため、AIが自動化するのが難しい分野です。
DIY例：
流木を使ったインテリアライト
石を使ったガーデン装飾
革細工（財布やベルトの作成）
7. 食品づくり
AIはレシピを提案できますが、実際の調理や食品作りは人間の感覚や経験が重要です。
DIY例：
手作りパン、味噌、チーズ
ドライフルーツやジャム作り
自家製クラフトビール
まとめ
AIが得意な領域が増えても、実世界での手作業や創造性が必要なDIYは今後も人間の領域です。
もし具体的なDIYプロジェクトを考えているなら、設計サポートやアイデア出しをお手伝いすることもできますよ！ 😊
興味がある分野を教えてもらえたら、詳しく提案できます！
