AIがプログラマーの仕事を奪う：2040年にはAIがプログラマーに取って代わる可能性

米国のオークリッジ国立研究所の一部専門家は、2040年までにAI技術がプログラマーに取って代わるほど強力になると予測している。しかし、たとえ機械が今日のプログラマーが行っている作業を完全に置き換えることができたとしても、人間の助けが必要なくなるということではありません。

プログラマーやその他の種類の IT 職種は、間違いなく現在最も人気のある職種です。しかし、この傾向は永遠に続くわけではないかもしれません。

米国のオークリッジ国立研究所の一部専門家は、2040年までにAI技術がプログラマーに取って代わるほど強力になり、AIは人間のプログラマーよりも優れたソフトウェアをより速く作成するようになると予測している。言い換えれば、ソフトウェアは人間が書くよりも優れたソフトウェアを書くのです。

これはどのように起こるのでしょうか? AI は、長い間人間特有の能力だと考えられてきた高度な創造性を必要とする知的作業のやり方を実際に学習できるのでしょうか? AIは私たちが教える以上のことを学習できるのでしょうか?

人工ニューラルネットワークを使用して文章ルールを開発する

人工ニューラルネットワークは、人間の脳の学習メカニズムを模倣しようとする技術です。これは実際のニューラル ネットワークに触発され、それを部分的にシミュレートします。人間の神経系を非常に強力なコンピューターとして想像してみることができます。

上の図では、各ニューロンには入力と出力があり、入力は実際には一連の信号の重み付けされた組み合わせです。各信号には独自の数学的に表現可能な効果があり、信号の合計によって出力が決まります。人間のニューラル ネットワークの特別な点は、学習と経験に基づいて適応および変化できることです。つまり、同じ入力で常に同じ出力が生成されるわけではありません。

これは、さまざまなインパルスの優先順位を変更し、ニューロン間の物理的な接続を変更することによって行われます。これらの変更は、学習アルゴリズムとコスト関数を通じて指定され、新しい環境に適応し、将来の行動を最適化する人間の能力を向上させます。

人工ニューラルネットワークを研究している科学者やエンジニアは、このメカニズムを再現し、ソフトウェア開発に実装しようとしています。具体的には、ソフトウェアが一連の「if...then」ルールとして従来の方法で記述されていないことを意味します。理論的には、増分学習と最適化のプロセスを通じて、人工ニューラル ネットワークは、人間が書いたものよりも優れた出力につながるルールを策定 (または「記述」) する方法を学習できると考えられます。 AI 科学では、これをディープラーニングと呼び、通常はある程度人間からのフィードバックに依存します。

プログラマーの代わりになるアプリをいくつか紹介します。

Karpathy: リカレントニューラルネットワークを使用してコードを自動生成する

2015年、当時スタンフォード大学でコンピューターサイエンスの博士課程に在籍していたアンドレイ・カルパシー氏は、リカレントニューラルネットワークを使用してコードを生成しました。彼は Linux リポジトリ (すべてのソース ファイルとヘッダー ファイル) を取得し、それを 1 つの巨大なアーカイブ (400 MB を超えるコード) に統合し、そのコードを使用して RNN をトレーニングしました。

彼はシステムを一晩中稼働させたままにした。翌朝、彼はこれを受け取りました。

AI生成コードサンプル

文字通り、AI によって生成されたコードには関数と関数デコレータが含まれています。パラメータ、変数、ループ、適切なインデントがあります。開き括弧と閉じ括弧、さらにはコメントもあります。

もちろん、AI もこれらのコードでいくつかの間違いを犯しました。場合によっては、変数がまったく使用されないこともあります。また、以前に定義されていなかった変数が存在する場合もあります。しかし、カルパシー氏はその結果に満足している。

「全体的に見て、コードは非常に素晴らしい。確かにコンパイルはできないと思うが、生成されたコードを閲覧すると、巨大なCコードベースのように感じる」とカルパシー氏はブログに書いている。

このプロジェクトは GitHub で入手できます。 Torch7 ディープラーニング ライブラリを使用します。以下は、Karpathy が取得した出力ファイル全体です。

https://github.com/karpathy/char-rnn

ディープコーダー

マイクロソフトとケンブリッジ大学の研究者は、コードを記述でき、学習する能力を持つ「DeepCoder」と呼ばれる機械学習システムを開発しました。

DeepCoder は、膨大なコードベースを検索し、効率的なコードを作成できます。 DeepCoder が使用する技術はプログラム合成と呼ばれ、既存のソフトウェアからコード行を抽出して新しいプログラムを作成します。最近は多くのプログラマーがこれを行っていることを認めざるを得ません。 DeepCoder は、一連のコードフラグメントの入力データと出力データを学習することで、対象タスクに役立つコードフラグメントを自動的に抽出できます。

DeepCoder は 1 秒以内に動作するプログラムを作成できます。 DeepCoder のプログラミング経験が増えるにつれて、有用なコードフラグメントと役に立たないコードフラグメントを区別する能力が向上し、プログラムの生成速度がどんどん速くなります。

これは、AI がコードを盗んだり、既存のソフトウェアからコードをコピーして貼り付けたり、インターネットで解決策を検索したりすることを意味するものではありません。 DeepCoder の作者たちは、近い将来にプログラミング コンテストで使用されることを期待しています。

DeepCoder が作成したドメイン固有言語 (DSL) のサンプル プログラム

「このプログラムにより、最終的にはプログラマー以外の人でもコンピューターにプログラムのアイデアを説明でき、システムが自動的にそれを書き込むようになる」と、ディープコーダーの開発者の一人で、ケンブリッジ大学でマイクロソフトの研究プロジェクトに携わったマーク・ブロックシュミット氏は語った。

DeepCoder のドキュメントは、こちらでご覧いただけます: https://openreview.net/pdf?id=ByldLrqlx

AI による Python コードの記述

BenjaminTDというハンドルネームを持つフランス人エンジニアが、ブログ記事で「AIシステムにPythonでPythonコードの書き方を教える」方法を説明しました。

彼は、最も人気のある再帰型ニューラル ネットワーク アーキテクチャの 1 つである Long Short-Term Memory (LSTM) を使用しました。彼は、大量の Python コード (Pandas、Numpy、Scipy、Django、Scikit-Learn、PyBrain、Lasagne、Rasterio などのライブラリを使用) をネットワークに「フィード」します。合計ファイルサイズは 27MB です。

その後、AIは独自のコードを生成しました。初期化の定義は次のとおりです。

ブール式を使用します:

...配列を作成します:

配列をよく見ると、構文エラーがあることに気付くでしょう。 BenjaminTD のコードは完璧とは程遠いですが、サンプルコードを読んで学習しただけのネットワークとしてはかなり良い出来だと考えています。

AIプログラマー

2017年、ブルームバーグとインテルラボの研究者は、完全なソフトウェアプログラムを自動生成できる初のAIシステム「AIプログラマー」を実現したと主張した。

AI プログラマーは機械学習の遺伝的アルゴリズムを使用して、複雑な命令をシミュレートします。 AI プログラマーによって生成されたプログラムは、今では初心者の人間のプログラマーによって書かれたプログラムと同じくらい複雑になっています。しかし研究者たちは、AI プログラマーが作成したプログラムは従来の範疇を超え、人間の時間や知恵に制限されないと考えています。

AIプログラマーのソフトウェアアーキテクチャ。図からわかるように、人間が操作するのはごくわずかです。最初に指示を入力し、最後に特定のタスクに適した機能を受け取るだけです。残りは機械が行います。

研究者らは、AI プログラマーを使用して多くのソフトウェア プログラムを生成できると述べています。次の表に生成されたプログラムを示します。

潜在的な脅威: 機械が何ができるかについての不確実性

すでに人間に代わるプログラムが存在しますが、機械が自ら学習できるとしたら、どの程度学習できるのかという疑問が生じます。限界はどこにあるのでしょうか。この最適化プロセスによって、ソフトウェアが人間よりも優れたコードを書く方法を本当に習得できるのでしょうか。Web 開発会社やソフトウェア会社は、コスト削減のために AI 駆動型プログラムを使用して自分でコードを書くのでしょうか。実際のところ、機械がどこまでできるかはまだわかりません。

しかし、AI がすでに IT 業界の一部の職業に影響を与えていることはわかっています。インドのソフトウェアコンサルティングおよびアウトソーシング企業であるウィプロ社は、昨年6月からソフトウェアの保守にAIプラットフォーム「ホームズ」を使用しているが、その結果、同社の3,000人を超えるエンジニアが仕事に不安を抱いている。言うまでもなく、音声認識から機械翻訳まで、私たちが日常的に使用する多くのテクノロジーは機械学習技術を使用しています。

AIと人間のプログラマーはプログラミングにおいて補完的な役割を果たす

人工ニューラル ネットワークの問題の 1 つは、使用されるアルゴリズムが「ブラック ボックス」であり、内部の仕組みが複雑すぎることです。テスラの AI ディレクターである Andrej Karpathy 氏は、ほとんどの応用分野では、完全に AI によって駆動される 100% 正確なモデルを実現することは決してできないと考えています。彼は、AI システムの精度は 90 パーセント以上になるだろうが、完璧ではなく、予期しない形で失敗することもあるだろうと考えている。

一般的に、教師ありおよび人間が制御するディープラーニング システムは、教師なしのシステムよりもパフォーマンスが優れています。つまり、最も洗練された AI ソフトウェアであっても、新しい状況を学習して適応するには、人間の関与とフィードバックが必要になります。この事実は、AI と人間のプログラマーの間の将来の緊張に対する 1 つの解決策、つまり協力することを提示しています。

確かなことは、近い将来、AI と人間のプログラマーがプログラミングにおいて補完的な役割を果たすようになるということです。 AI の仕事には、機械の精度が求められる反復的で時間のかかるタスクの処理が含まれる場合があります。機械は、人的要因によって引き起こされる文法上の誤りや設計上の間違いを回避することができます。たとえば、AI が役立つ方法の 1 つは、自動補完機能です。この機能では、プログラマーがコードのごく一部を記述するだけで、AI がプログラマーの意図を認識して残りを補完し、人間の作業を大幅に節約します。

たとえ機械が今日のプログラマーの仕事を完全に置き換えることができたとしても、それは人間の助けが必要なくなるということではありません。しかし、プログラマーは、プログラムの作成から AI のパフォーマンスの監視と AI へのデータの「供給」に重点を移す必要があります。カルパシー氏が指摘するように、プログラマーはおそらく、データを収集、照合、分析し、それを AI への入力として使用し、残りの作業を行う、一種のデータ処理者になるだろう。