Loading video...

Video Failed to Load

Go Home

Githubが2024年に提供する「Copilot Workspace」がやばい ・Issueから仕様を作成 ・ブレイクダウンし、実装計画を作る ・コードを生成 ・ビルドし、エラーが出た場合はコードを修正 これもうほぼやってること人間と同じじゃん... 簡単なIssueはAIがコードを書いて解決するシーンが増えそう

89,093 views • 2 years ago •via X (Twitter)

3 Comments

くるしば | Udemyベストセラープログラミング講師's profile picture
くるしば | Udemyベストセラープログラミング講師2 years ago

・プログラミングの基礎、応用を学べる厳選教材 ・学習のコツ ・企業が魅力に感じるポートフォリオ作成、転職活動tips など、0から最短でエンジニアになるロードマップを作りました! はてブの総合エントリやnoteの注目記事にも入り、5万回以上読まれています!

BlueTone焼肉食べたい's profile picture
BlueTone焼肉食べたい2 years ago

半年ぐらい前に見た動画と思ったら2023/11/8に発表だった。

NUMARN(ヌマーン)【スーパーAIで人格形成中の公式】's profile picture
NUMARN(ヌマーン)【スーパーAIで人格形成中の公式】2 years ago

これつまりissueは人間が作って それに基づいてAIが実装計画からコーディング、デバッグまでを実装するってことかな? 見えてる限りのものはすごく便利そうだけど、結局要件をどこまでissueに落とし込むか、AIが理解できる(言うなりゃ素人にもわかる)レベルにまで噛み砕くかだな

Related Videos

6〜12ヶ月以内に ソフトウェアエンジニアという職業が ほぼ成立しなくなる可能性が高い AnthropicのCEOが言ってる話 モデルにコードを書かせて そのコードで次のモデルを作って またモデルにコードを書かせる この自己進化ループで AIの進化速度を限界まで上げる 実際、Anthropicでは エンジニアがほとんどコードを書いてない AIが生成して 人間は直すだけ これ、Anthropicだけじゃない Googleは社内コードの25%以上がAI生成 GitHub Copilot経由だと コードの30〜40%がAI製 Sam Altmanも 「ソフトウェア開発の大部分はAIが書く」 って言ってる NVIDIAのJensen Huangは 「自然言語が新しいプログラミング言語になる」 もちろん制約はある チップ、学習時間、物理スケール 完全に置き換わるまでは 数年かかる可能性もある ただ、方向はもう決まってる これからは コードが書けるかじゃなくて AIに何を書かせるか どこに使うか 日本はAIアダプテーションだいぶ遅れてるけど スタートアップではコードを一切書かないこともある 未来への進化、変化は勝手に起こるのではない 力のある人間が、それをリアルに『変えている』 彼らが言うことは本当になってしまう これからは コードが書けるかじゃなくて AIに何を書かせるか どこに使うか この変化を 知ってから動く側にいたい人は Taishi | AI動画編集ソフト開発中🎥 をフォローしておくと たぶんタイムラインのノイズは減る

Taishi | AI動画編集ソフト開発中🎥

44,530 views • 4 months ago

NVIDIAのCEOが断言 コードを書くだけのエンジニアは、全員AIに消える ジェンスン・フアンのこの発言は、 生成AI時代のエンジニア全員が知っておくべき話 エンジニアの目的を一言で言うと 問題を解くこと コーディングは目的ではなくて手段 ただの作業のひとつ もし 「目的=コードを書くこと」 になってたら それはAIに代わられる側になってしまう Jensenの生い立ちから追うと、かなり刺さる 彼は台湾生まれ 幼少期にアメリカへ移住するが、 英語も話せず、文化も分からんまま かなり荒れた学校に放り込まれた 勉強ができるかどうか以前に 「どう生き残るか」を考えないとあかん環境 そこで彼が身につけたのは テクニックでも要領でもなく、 「今この場で一番の問題は何か」を見抜く力やった その後エンジニアになり、 LSI Logic、AMDと 半導体業界の最前線を渡り歩く ここで彼は気づく ・技術的に面白いこと ・会社が本当に困ってること ・市場が評価すること これらが ほとんど一致していないという現実に 多くの会社は 「作れるもの」を作り、 「今ある市場」に最適化して、 本当の問題から目を背けていた だったら自分でやるしかない 1993年、 JensenはNVIDIAを創業する でも当時のNVIDIAは 今みたいなAI企業ではなかった グラフィックス市場は不安定。 資金はない。 失敗したら即終了の世界。 実際、 最初のプロダクトは盛大にコケた このとき彼は 「コードが悪い」とは言わなかった 「俺たちは間違った問題を解いていた」 そう結論づけて、 市場と技術の“問い”から全部やり直した そこから GPUという概念を磨き続け、 10年以上「意味わからん会社」扱いされながら、 計算・並列処理・AIに賭け続けた 結果、 “誰も本気で向き合ってなかった問題”を 解き続けた会社だけが AI時代のど真ん中に立った だから今、彼はこう言う エンジニアの仕事は 新しい問題を見つけて それを解くこと 会社の中には 未発見の問題がうじゃうじゃある。 だからこそ時間が命。 ここが1番重要 生成AI時代に 仕事を失うエンジニアと 給料が上がるエンジニアの差は、 コードの上手さではない ・何が本当のボトルネックか説明できるか ・それを解いたら売上/コスト/速度がどう変わるか言えるか ・AIに任せる部分と、人間が決める部分を切り分けられるか これができる人は AIを「脅威」ではなく 生産性ブースターとして重宝される 逆に 「実装だけ」「言われたことだけ」 になった瞬間、 AI+安い人材に置き換えられる というか完全に不要に 給料を上げたかったら やることはシンプル ・コードを書く前に“問題定義”を書く ・要件をそのまま受け取らず、1回疑う ・AIで実装を高速化して、空いた時間で“問い”を探す ・ビジネス側と同じ言葉で話す これができるエンジニアは 「作業者」やなく 意思決定に近い存在になる Jensenが言ってるのは 「コード書くな」ではない 目的と作業を混同するな ということ 生成AI時代、 生き残るエンジニアは 一番最初に 「何を解くべきか」から考える これ読んで 「ちょっと焦った」なら、 たぶん感覚は間違ってない 生成AI時代、 何もしないのが一番リスク高い 考えがズレてないか確認する用に、 ブックマークして定期的に見直し推奨 こういう 生成AI時代のエンジニア論とか プロダクト・意思決定・キャリアの話は、 シリコンバレーのスタートアップでCTOやってきた視点で 定期的に書いてます 気になった人は Taishi | AI動画編集ソフト開発中🎥 をフォローしといてィ

Taishi | AI動画編集ソフト開発中🎥

139,010 views • 4 months ago

ゲームのプログラミングは面白い♪ 還暦近くなって、またゲームをプログラミングできるとは、思っていなかった。言語やライブラリが進化していること、メモリやCPUが潤沢なことに加え、「こんな処理を作ってほしい」と生成AI に言えば、ちゃんと動作するソースコードを返してくれる。これがデカい。 「最初に python の言語仕様や、pygame の機能を、勉強する」というステップを踏む必要が無い。「こんなプログラムを作って」と言えば、動くプログラムを一瞬で生成してくれる。コードを見ながら、自然と勉強もできてしまう。 今回作ったシューティングゲームでは、「目標に向かって徐々に向きを変える」とかの回転を含む動きの計算を、自動生成してくれたのが助かった。手作業で作ると、「たまたま重なった時」「たまたま正反対を向いている時」とかにバグが残ったりしがち。そういうデバッグに一切時間を使わずに済んだ。 ゲームを動かしながら効果音(SE)を鳴らすには、マルチスレッドのプログラミングが必要で、変数をLockしたりSignal Eventで待ち合せたり、という処理が必要になる。こういう動作は低確率バグの温床になりがちだが、生成AI(Claude)がお手本のコードを示してくれたので、一発で完全に動作した。 python は、初学者向けの非常に洗練された言語だと感じた。厳密性よりも組み易さを優先している。インデントが文法に組み込まれているので、ソースコードも自然と読みやすくなる。以前作ったJavaAppletのプログラムはゼロから自分で勉強して作ったので非常に苦労したが、レガシー過ぎて現状、動作環境が無い。python + pygame なら、当分は動かせるだろうし、多くの人に動かして貰えるだろう。 今の世代の人たちは、こんなに高度なプログラミング環境が、生まれた時から当たり前のようにあるので、羨ましいなぁとも思うが、レトロゲーム作りで苦労した経験があるからこそ、今の環境を有難く感じられるという意味では、あの苦労は何倍にも報われているとも思う。 何はともあれ、ゲームのプログラミングは、やっぱり面白い! ソースコードはこちら:

𡈽方 雅之@プロセス思考

53,421 views • 1 year ago

欲しいソフトウェアを説明するだけで、夜のうちにコードとテストが生成され、翌朝には動くサービスが立ち上がる。リポジトリを巡回するエージェントがテストとコミットを回し、更新と運用を自律化する。そこまでいけば「開発を速くする道具」というより「会社そのものを自動化するOS」の胎動だ。 サム・アルトマン「最初のバージョンを作るときは、欲しいソフトウェアをただ説明するだけになると思います。そしておそらく、システムが一晩かけて考え、コードを書いてテストまでしてくれて、翌朝にはその『本の販売アプリ』のようなものができている、という感じになります。その後、システムが大きく複雑になるにつれて、リポジトリを巡回して作業してくれる、いわば『ソフトウェア工学エージェント』が動くようになります。 それらはテストを書き、コードをコミットし、会社運営に関わる多くの作業も、ソフトウェア開発に限らず自動化できると想像できます。ソフトウェア開発に関しては、『これがどう動くか』がはっきり見える道筋があると思います」 ダン・ボネ「つまり、開発者ははるかに生産的になる、ということですね。今日のように実際にコードを書くのではなく、欲しいものを説明するようになる、という見方ですね」 アルトマン「そう思います」

Tsubame

185,431 views • 7 months ago

あれ?俺いまガードしてたよね? ロマチェンコのガード外し ロマチェンコはよく試合中に相手のガードをはたき落とす。 本人があまりに鮮やかにやるから簡単そうに見えるけどこれは普通に難しい。簡単なことではない。 ただ原理を理解できれば誰もがガード外しをできる可能性がある。 まずこれをやるには一つ理解しないといけないことがある。 それは相手のガードには必ず力の入る方向があるということ。 ボクサーはパンチがくるからガードをしたり、避けたりするわけではない。 手が動いたり、肩や肘が動くのに反応してパンチを避けたりしている。 例えばこの場合、まずロマチェンコは連打を中央に打つ。そうすることでまずガードは真ん中に集中する。そしてそこから左手をあげている。 そうすることで、相手の左手は内側に向かって力を加える。 それを左手で上から下に落としているように見えるが、実際は少し右から左に向かって力を加えている。 だからガードがズレる。 そして2回目も同じように右手を挙げて、外から内に向かって力を加えている。 このようにまず連打で内側にパンチがくることを意識させて、そこから相手のガードがどういう動きをするのかを予測、というかエサを巻いて、そう動くようにしておけば相手の動きを誘導できる。 逆にフックを打って外に動くようにエサを巻いておけば、この逆で内から外に力を加えてやれば、相手のガードを外にずらすことができる。 力の流れを意識せずにこれをやってもまず確実に失敗する。 逆に力の流れを把握していれば、成功する確率は高い。 エサを巻いて力の流れをコントロールしろ。

ボクシングアカデミー ツネ

543,442 views • 1 year ago

イーロン・マスクは、「コーディングは今年で終わる」と考えている。 進化するのではなく、なくなるという。 これまでソフトウェアを作るには、プログラミング言語を書き、それを機械語に変換(コンパイル)して実行する必要があった。 しかしマスクの考えでは、近いうちにAIが最初から機械語を直接つくるようになる。 人間がコードを書く必要はなくなる。 彼はこう言っている。 「そもそもコーディングをやらなくなる」と。 もともとコードとは、人間と機械の“通訳”のようなものだった。 機械が人間の言葉を理解できなかったから、わざわざプログラミング言語を書く必要があった。 でもAIが人間の言葉をそのまま理解できるようになれば、その“通訳作業”は不要になる。 さらにこれをNeuralinkのような脳とコンピュータをつなぐ技術と組み合わせるとどうなるか。 キーボードもいらない。 画面もいらない。 文法(シンタックス)もいらない。 「想像すれば、そのままソフトウェアになる」 頭の中でやりたいことを思い描くだけで、AIが自動で設計し、作り、実行する。 これは「プログラミングを効率化する」という話ではない。 「プログラミングという作業自体が消える」という話だ。 これまで何年も勉強して身につけてきたスキルの価値が、大きく変わる可能性がある。 アイデアと実現の間の時間が、ほぼゼロになる。 これからは「作る」のではなく、 「想像する」だけで形になる世界。 スキルや時間よりも大事なのは、 どれだけ具体的に、はっきりと自分の理想を思い描けるか。 そんな未来が来るかもしれない、という話である。

チャエン | デジライズ CEO《重要AIニュースを毎日最速で発信⚡️》

121,478 views • 3 months ago

核兵器は、より良い核兵器を自分で発明してはくれない。しかし知能は違う。知能は、より強い知能を生み出すプロセスそのものを最適化することができる。したがって「AIがAIを改良する」という構図は、これまでのどの技術とも異なる質的な転換点になるのだ。 トリスタン・ハリス「ここで理解しておくべき重要な点は、『AIはAIを加速する』ということです。 私が核兵器を発明しても、核兵器がより良い核兵器を発明してくれるわけではありません。しかしAIを発明すると、AIは『知能』そのものです。知能は、より良いプログラミングや、より良いチップ設計を自動化します。 たとえばAIに『これはNVIDIAのチップの設計だ。これを50%効率よくしてほしい』と指示すれば、その方法を見つけ出すことができます。『これは私のAI企業に必要なサプライチェーンだ。これを最適化して、もっと効率的にしてほしい』と言えば、そのサプライチェーンを改善できます。『これはAIを作るためのコードだ。これをもっと効率化してほしい』と命じることもできます。『これはトレーニングデータだ。もっとトレーニングデータが必要だ。これをどう作るか、100万回シミュレーションしてほしい』と言えば、その過程を通じて自分自身をより良く訓練していきます。 このように、AIはAIを加速するのです」

Tsubame

13,332 views • 6 months ago