人類は歴史を通じて、その能力を高めるために様々なツールやシステムを開発してきました。印刷機から組立ラインに至るまで、これらのイノベーションは私たちの能力の範囲を広げ、新たな仕事や職業を生み出し、新しいライフスタイルへの継続的な適応を可能にしてきました。この変化のペースは昨年急速に加速し、クラウド技術、機械学習、そして生成AIが普及し、メールの作成からソフトウェアの開発、さらには早期がん検診に至るまで、人間の生活のほぼあらゆる側面に影響を与えています。今後数年間、イノベーションは様々な分野で重要なテーマとなり、テクノロジーを民主化し、ますますスピードアップする生活に対応していくことを目指しています。そして、そのすべては生成AIから始まります。

生成AIは徐々に文化的認識を発達させるだろう

文化多様性データで学習された大規模言語モデル（LLM）は、人間の経験や複雑な社会課題をより繊細に理解することを可能にします。この文化的流暢性は、生成AIを世界中のユーザーにとってよりアクセスしやすいものにすることを約束します。

私たちが語る物語、食べる食べ物、着る服、価値観、エチケット、偏見、問題への対処法、そして決断に至るまで、文化は私たちのあらゆる側面に影響を与えます。文化は、私たちがコミュニティの中で立つ基盤であり、行動規範であり、信念であり、私たちがどこにいて誰といるかによって決まる契約なのです。

同時に、文化の違いは時に混乱や誤解を招くこともあります。日本文化では、麺類を食べる際に音を立ててスープをすするのは一種の楽しみとされますが、他の文化ではそれは失礼とみなされます。インドの伝統的な結婚式の慣習では、花嫁は豪華で色鮮やかなレヘンガを着用することが求められますが、西洋の伝統では花嫁は白いウェディングドレスを着ることが求められ、ギリシャでは幸運を祈ってウェディングドレスに唾を吐く習慣さえあります。人間は異文化環境に慣れているため、様々な文化情報を統合し、解釈を調整し、適切な対応をとることができます。

では、私たちが生き残るために頼りにしているテクノロジーにも同じことを期待してみてはどうでしょうか？ 今後数年間、テクノロジーの設計、展開、そして利用において文化が重要な役割を果たし、その影響は生成型AIに完全に反映されるでしょう。

大規模言語モデルが世界中のユーザーに届くためには、人間に匹敵する文化的流暢性を実現する必要があります。ジョージア工科大学の研究者は、今年初めに発表された論文で、イスラムの祈りに明示的に言及するアラビア語のキューを大規模言語モデルに与えても、生成された応答は依然として友人とアルコールを飲むことを提案するが、これはイスラム文化では不適切とされている。この状況は、利用可能なトレーニング データに大きく関係しています。現在、多数の大規模言語モデルのトレーニングに使用されている Common Crawl データセットには、約 46% の英語コンテンツが含まれており、言語に関係なく、利用可能なコンテンツの大部分は西洋文化に基づいています (アメリカ文化に大きく傾いています)。同じキューを、アラビア語のテキストで事前トレーニングされ、アラビア語の応答を生成するように特別に設計されたモデルに入力すると、お茶やコーヒーを飲むように提案するなど、文化的に関連性の高い応答が得られます。ここ数か月で、非西洋のコンテキストを持ついくつかの大規模言語モデルが登場しました。アラビア語と英語のデータでトレーニングされた Jais、中国語と英語のバイリンガル モデルの Yi-34Bそして、大規模な日本語ウェブコーパスで学習されたJapanese-large-lmです。これらの兆候は、文化的に正確な非西洋モデルが、数億人に生成AIを提供し、教育、医療、その他多くの分野に影響を与えることを示しています。

文化と言語は完全に同じではないことを忘れてはなりません。たとえ最も完璧な翻訳を提供するモデルであっても、文化認識を持たない可能性があります。数え切れないほどの歴史的・経験的要素がモデルに組み込まれるにつれて、大規模言語モデルはより広いグローバルな視点を獲得し始めるでしょう。人間が議論や意見交換から学ぶように、大規模言語モデルも視野を広げ、文化を理解するために同様の機会を必要とします。この文化交流において、2つの研究分野が重要な役割を果たします。1つはAIフィードバックに基づく強化学習（RLAIF）で、あるモデルが別のモデルからのフィードバックを吸収することで、異なるモデルが互いに影響を与え合い、その影響に基づいて異なる文化概念に対する理解を更新します。もう1つはマルチエージェント討論によるコラボレーションで、複数のモデルインスタンスが応答を生成し、各応答の正しさと根拠について議論し、最終的にこの議論プロセスを通じて合意に達します。これらの研究分野はどちらも、モデルのトレーニングと微調整に必要な人的コストを削減できます。

女性のテクノロジーがついに始動

女性向けテクノロジー（FemTech）への投資の急増、ハイブリッドヘルスケアの発展、そして診断・治療成果の向上につながる豊富なデータは、女性のヘルスケアを転換期へと導いています。FemTechの台頭は、女性に利益をもたらすだけでなく、ヘルスケアシステム全体の発展を促進するでしょう。

女性のヘルスケアはニッチ市場ではありません。米国だけでも、女性は年間5,000億ドル以上を医療費に費やしています。女性は人口の50%を占めるにもかかわらず、医療保険支出の意思決定者の80%を占めています。しかし、現代医学は歴史的に男性中心であり、米国における臨床研究に女性が参加するようになったのは、国立衛生研究所（NIH）が1993年に景気回復法を可決してからのことです。月経ケアや更年期障害治療は歴史的にタブー視されており、女性は臨床試験や研究から排除されているため、治療成績は男性よりもはるかに悪い場合が多いのです。

平均して、女性は男性よりも多くの病気の診断が遅れ、心臓発作後の誤診の可能性も男性より50%高くなっています。処方薬はおそらく最も顕著な不平等の例でしょう。女性は男性よりも処方薬による副作用の発生率が著しく高いのです。これらの数字は一見すると憂慮すべきものに見えるかもしれませんが、女性のヘルスケア（女性テクノロジーとも呼ばれます）への投資は、クラウドテクノロジーとビッグデータの支援を受けて着実に増加しています。

Amazon Web Services（AWS）は、女性が率いるスタートアップ企業と緊密に連携し、女性主導のテクノロジーの成長を目の当たりにしてきました。昨年だけでも、関連投資は197%増加しました。資金調達の増加、機械学習などのテクノロジーの普及、女性向けに特別に設計されたコネクテッドデバイスの普及により、私たちは前例のない変革に直面しています。これは、女性のケアに対する人々の認識にとどまらず、ケアの管理方法も変化させています。Tia、Elvie、Embr Labsなどの企業は、データと予測分析を用いてパーソナライズされたケアを提供する大きな可能性を示しており、自宅でも外出先でも、いつでもどこでも患者にサービスを提供しています。

女性の健康ニーズに対する偏見が徐々に薄れ、この分野への資金流入が増えるにつれ、女性に特化したテクノロジー企業は、これまで見過ごされてきた医療状況やニーズに積極的に対応し続けるでしょう。同時に、オンライン医療プラットフォーム、すぐに利用できる低価格の診断機器、オンデマンドの専門医療サービスを組み合わせたハイブリッド医療モデルの開発は、女性の医療へのアクセスを大幅に向上させるでしょう。

Mavenのようなクライアントは、感情カウンセリングや更年期ケアといったサービスを提供することで、メンタルヘルスとフィジカルヘルスの境界線を曖昧にし、この分野のリーダーとしての地位を確立しています。こうしたプラットフォームの成熟と普及が進めば、ヘルスケアの民主化が進み、地方や歴史的に医療サービスが不足していた地域の女性が、アプリや遠隔医療プラットフォームを通じて産婦人科医などの専門医にアクセスしやすくなります。

NextGen Janeのようなスマートタンポンシステムが開発中であり、これにより女性は子宮の健康プロファイルを作成し、潜在的な疾患のゲノムマーカーを特定し、その情報を医師とシームレスに共有できるようになります。ウェアラブルデバイスは、女性ユーザーとその医師に、分析可能な豊富な長期的健康データを提供します。現在、女性の更年期症状の70%以上が未治療のままです。教育の充実、データへのアクセス、そして非侵襲的なソリューションの導入により、治療成果は大幅に向上し、産婦人科医療の範囲をはるかに超えるものとなるでしょう。

例えば、女子ワールドカップの開幕直前には、約30名の選手が準備中に前十字靭帯（ACL）を損傷しました。従来の医学と同様に、女性のトレーニングモデルは主に男性のモデルに基づいており、生理学的要因が十分に考慮されていません。その結果、女性は男性に比べてACL損傷による引退の可能性が6倍高く、完全に回復して競技に復帰する可能性は25%低くなります。これは、女性の健康データの研究が大きな影響を与えるもう一つの分野であり、女性アスリートの怪我を防ぐだけでなく、彼女たちの健康状態全体を包括的に改善することにもつながります。

女性のヘルスケアは今、転換期を迎えています。膨大で多様なデータへのアクセスと、コンピュータービジョンやディープラーニングといったクラウド技術を組み合わせることで、誤診を減らし、特に現代の女性にとって大きな影響を与える薬剤の副作用を最小限に抑えることができます。子宮内膜症や産後うつ病にも、適切な対応が求められるようになるでしょう。最終的には、女性のヘルスケアが片隅から最前線へと躍進するのを目の当たりにするでしょう。女性が率いるチームは、男性が率いるチームよりも多くの健康問題への取り組みに積極的であるため、女性によるテクノロジーは女性に利益をもたらすだけでなく、ヘルスケアシステム全体の改善にも貢献するでしょう。

AIアシスタントが開発者の生産性を変革

AIアシスタントはもはや基本的なコード生成に留まらず、指導的なメンターや、疲れを知らないパートナーへと進化しています。ソフトウェア開発ライフサイクル全体を通して、AIアシスタントは複雑なシステムアーキテクチャを分かりやすく説明し、カスタマイズされた最適化の提案を提供し、単調な反復タスクを自動化することで、開発者をサポートできます。これにより、開発者は最も革新的で影響力のある作業に集中できるようになります。

2021年、私は生成AIがコーディングプラクティスにおいて重要な役割を果たし、開発者の能力を拡張し、より安全で安定したコードの作成を支援すると予測しました。この予測は今や現実のものとなりつつあります。自然言語のプロンプトに基づいて関数、クラス、テストを生成するツールやシステムが市場に急増しています。実際、2023年のStack Overflow開発者調査では、回答者の70%がソフトウェア開発にAI支援ツールを既に使用している、または使用を計画していると回答しました。

将来のAIアシスタントは、コードを理解し記述するだけでなく、疲れを知らないパートナーやメンターとしての役割も担うでしょう。どんなに質問をしても、彼らは疲れることなくタスクを実行し、概念を辛抱強く説明したり、作業を何度も繰り返したりしてくれます。AIアシスタントは、コードレビューから製品戦略に至るまで、チームメンバーが直面する様々な課題に、無限の時間と忍耐力で取り組むサポートを提供してくれるでしょう。

プロダクトマネージャー、フロントエンドエンジニアとバックエンドエンジニア、データベース管理者、UI/UXデザイナー、DevOpsエンジニア、アーキテクトといった役割の境界線は、徐々に曖昧になるでしょう。AIアシスタントは、個々のモジュールではなくシステム全体に対する深い理解を活かし、人間の創造性を高める提案を行うようになります。例えば、スケッチをフレームワークコードに変換したり、要件定義書に基づいてテンプレートを自動生成したり、サーバーレスアーキテクチャやコンテナ技術といったタスクに最適なインフラストラクチャを推奨したりすることが可能になります。

これらのアシスタントは高度にカスタマイズ可能で、個人、チーム、企業レベルでのパーソナライゼーションが可能です。Amazon S3のような複雑な分散システムの内部動作を分かりやすく説明できるため、教育ツールとして非常に役立ちます。初心者開発者はこれらのツールを使用することで、馴染みのないインフラストラクチャに素早く慣れることができ、経験豊富なエンジニアは新しいプロジェクトやコードベースを迅速に理解し、実際の貢献を開始することができます。従来、コード変更によるダウンストリームへの影響を完全に理解するには数週間かかっていたかもしれませんが、AIアシスタントは瞬時にこれらの変更がシステムの他の部分に及ぼす潜在的な影響を評価し、概説し、必要に応じて改善提案を提供できます。

ユニットテスト、定型コードの作成、デバッグなど、現代のソフトウェア開発においてこれまで面倒と考えられてきた多くのタスクが、開発者の日常業務から徐々に姿を消しつつあります。こうした「余分な」タスクは、しばしば見落とされがちです。AIアシスタントはまもなく、レガシーアプリケーション全体のリファクタリングと移行、例えばJava 8からJava 17へのアプリケーションのアップグレードや、モノリシックアプリケーションをマイクロサービスに分割するといった作業も実行できるようになるでしょう。

開発者は最終的な成果物を計画し評価する必要があることは間違いありませんが、AIアシスタントは、学術研究の精査、分散システムに適したアルゴリズムの選択、マスタースレーブモデルからアクティブアクティブモデルへの移行方法の決定、個々のリソースが効率性に及ぼす影響に関する洞察の獲得、そしてそれに応じた価格設定モデルの開発を支援します。これにより、多くの作業が自動化され、開発者はJavaバージョンの手動アップグレードという面倒な作業から解放され、イノベーションを推進する創造的な作業に集中できるようになります。

今後数年間で、AI アシスタントがソフトウェア業界全体で目新しいものから必需品へと移行するにつれて、エンジニアリング チームはより効率的になり、より高品質なシステムを開発し、ソフトウェアのリリース サイクルを短縮することになります。

教育改革は技術革新と歩調を合わせている

高等教育だけでは技術革新に追いつくことは不可能であり、業界主導のスキルトレーニングプログラムが登場するでしょう。これらのプログラムは熟練労働者のキャリアパスとより整合したものとなり、継続的な学習への移行は個人と企業の双方にとってメリットのあるものとなるでしょう。

かつてのソフトウェア開発サイクルを鮮明に覚えています。製品が顧客に提供されるまでに開発に5年以上かかることもありました。これは1990年代後半には当たり前のことでした。しかし今日では、そのようなソフトウェアは導入される前に大部分が時代遅れになっています。クラウドコンピューティングの普及、継続的な改善の文化、そして実用最小限の製品（MPMP）アプローチの広範な採用により、ソフトウェア開発サイクルは劇的に短縮され、その影響は広範囲に及んでいます。企業はかつてないほど迅速に製品を市場に投入し、顧客も新しいテクノロジーをより迅速に採用しています。テクノロジーとビジネスにおけるこの急速な進歩は、これまで高等教育の分野には影響を与えてきませんでした。

世界各地の教育水準には大きな差があるものの、特にテクノロジー業界においては、優秀な人材の採用やトップクラスの職を得るには、大学の学位が必須条件であると広く考えられています。しかし、このモデルは崩れ始めています。学生は授業料の高騰に直面し、個人と企業の両方において、従来の大学の学位の価値に疑問を抱く人が増えています。実践的な研修が可能になるにつれ、企業は新入社員にも実地研修（OJT）を義務付けています。より多くの業界が従業員に高度な専門性を求めるにつれ、学校教育と企業のニーズのギャップは拡大しています。数十年前のソフトウェア開発プロセスと同様に、技術教育は重大な岐路に立っています。かつては少数の人材向けにカスタマイズされたOJTが、より幅広い層を対象とした業界主導のスキル教育へと進化していくでしょう。

長年にわたり、私たちはこのトレンドの変化を目の当たりにしてきました。当初は消費者向けだったCourseraのような企業は、現在では企業と提携し、スキルアップや再訓練の取り組みを強化しています。学位取得型の職業訓練は、雇用主が専門分野を定め、職業訓練生が学びながら収入を得ることができるため、依然として人気があります。しかし今、企業自身も大規模なスキル教育に真剣に投資し始めています。実際、Amazonは先日、Mechatronics and Robotics ApprenticeshipやAmazon Cloud Instituteなどのプログラムの支援もあり、世界中で2,100万人の技術系学習者を訓練したと発表しました。これらのプログラムはすべて、キャリアのさまざまな段階にある学習者が、従来の複数年にわたるプログラムのような長期的なコミットメントなしに、需要の高い仕事に就くために必要なスキルを正確に習得することを可能にします。

この概念には前例がないわけではないことを明確にしておかなければなりません。例えば、電気技師、溶接工、大工といった熟練職人は、そのスキルのほとんどを教室で習得したわけではありません。彼らは研修生から徒弟、そして熟練工へと、そして場合によっては業界の達人へと成長していきました。学習は職場で継続され、スキル向上への明確な道筋が示されていました。学び続け、好奇心を持ち続けるというこの生涯学習モデルは、個人にとっても企業にとっても朗報です。

これらすべてが、伝統的な学位制度が消滅することを意味するわけではありません。これは「どちらか一方」の問題ではなく、多様な選択肢が存在するという問題です。テクノロジー分野の特定の分野では、伝統的な学術教育が依然として重要です。しかし、他の多くの業界では、テクノロジーの影響が伝統的な教育システムを超越しています。ビジネスニーズに応えるため、私たちは業界主導の教育機会という新たな時代を迎えており、これは無視できないトレンドです。

元のブログ投稿のリンク:

https://www.allthingsdistributed.com/2023/11/2024年以降の技術予測.html