5月マルレク

【 マルレク「ソフトウェア開発サイクルの変革とAI Agent の動向」予告編 】
＃SDLC

5月のマルレクは、「ソフトウェア開発サイクルの変革とAI Agent の動向」というテーマで開催します。

MaruLaboでは、この間、ソフトウェア開発とAIとの接点について、マルラ・ボエームさんの 「AIエージェント講座」を始めてきました。

今回のセミナーは、この流れを受け継ぐものです。

【 今回のセミナーの二つの直接的なきっかけ 】

今回、「ソフトウェア開発サイクルの変革とAI Agent の動向」というテーマで、マルレクを開こうと思ったのには、直接的には、二つのきっかけがあります。

最初のきっかけは、5月初めの Metaのザッカーバーグ氏の「今後、18ヶ月でコードの100%をAIが生成する」という発言を目にしたことです。

https://www.ndtv.com/world-news/ai-will-do-most-of-coding-soon-better-than-top-coders-mark-zuckerberg-8311461 

「そんな、予測が本当にできるの？」

よく読むと、世の中のコードがそうなるというわけではなく、「MetaのLlamaプロジェクト向けのコードの大部分がAIによって書かれるだろう」という話だったのですが。

ただ、調べてみると他のAIベンダーのビジネス上の発言も、強気なものでした。

もう少し詳しく背景を調べてみようと思いました。

【 攻撃者としてのAI 】

もう一つのきっかけは、4月28日から5月1日まで、サンフランシスコで開催された、RSAC 2025の 栄藤さんのレポートを読んだことです。

「RSAC2025 ルポ（3日目午前の途中速報、Exhibition巡りはこれから）」

https://note.com/mick_etoh/n/neb6bae3782b7 

衝撃を受けました。

論点は多岐にわたるのですが、「AIが攻撃者になれば、セキュリティの最大の敵はAiになるだろう。その時、人間は勝てるだろうか？」という危機意識を多くの人が抱いていることは理解できました。

【 二つのトレンドをどう考えるか？】

問題は、この間僕が強い印象を受けた二つのトレンドが向いてる、方向が必ずしも一致しているわけではないということです。むしろ、反対の方向を向いているようにさえ見えます。

一方には、Code生成能力の飛躍的拡大を基礎とするAIに対する期待の高まりがあり、他方には、AIの利用拡大が新しい脅威を生み出すという危機感があるわけですから。

ただ、対立だけが進んでいるわけではありません。AIベンダーだけでなく、研究者コミュニティも、また、切り口は違いますがセキュリティ・コミュニティも、共通の問題意識を持ち始めつつあることは、興味深いことだと思います。

【 問題意識の広がりとそのフォーカス 】

それは、問題解決の鍵は、人間がキチンとコントロールできる、正確で安全なAIに統合されたソフトウェア開発サイクルを構築できるかどうかにあるという問題意識の広がりです。

共通の現実が共通の問題意識を生み出すというのは、ある意味で当然のことです。ただし、問題意識を持つことと問題を解決することは別のことです。また、同じ問題意識が全く異なる解決方法を導くこともあり得ますし。ある日問題が解けないことに気づくかもしれません

ここでは、共通の問題意識のフォーカスが、「ソフトウェア開発サイクル」に向かっていることが大きな意味を持っていると思います。

【 ソフトウェア開発でのAI利用の動向 】

今回のセミナーでは、Part 1で、AIベンダーが活発に展開しているソフトウェア開発でのAI利用の動向を紹介しようと思います。

各社ともに、code補間でのAI利用の段階から、coderの代替へ進むだけでなく、さらにその先を見据えているのは確かなように思います。

もっとも、ソフトウェア開発サイクルそのものをAIと統合するとい形でビジョンを明確に定式化し、「我が社がそのビジョンを実現する」と宣言している会社は、まだないように思います。

そのことは、「ソフトウェア開発サイクルのAI統合」というビジョンの現実的な到達段階を考える上では重要です。

【 「ソフトウェア開発サイクル」の複雑さ 】

「ソフトウェア開発サイクル」というものはとても複雑なものです。

codeの補間・coderの代替までは突破できたとして、そこから、ソフトウェア開発サイクルそのものをAIと統合しようというのには、大きな飛躍があります。

現在AIベンダーが行っているのは、 「ソフトウェア開発サイクル」の単純なモデルを作り、自社内の環境でのそのAI化の追求です。

「我が社のA部門のコードのXパーセントを機械生成にする」という目標設定になっているのは、そのせいだと思います。

【 ソフトウェア開発サイクルの単純化されたモデル 】

ソフトウェア開発サイクルの単純化されたモデルとは、次のようなものです。何を単純化しているかについては、セミナーの別のパートで紹介します。

【 人間が果たしている役割をAgentに置き換える 】

現在、AIベンダーが行っていることは、先の単純化された開発モデルの中で、人間が果たしている役割を AI Agentに置き換えることだと思います。

【 Agentという考え方の導入は、 人間を機械に置き換える抽象を可能にする 】

AI agent という考え方が注目されるのは、それが人間の役割を機械に置き換えるという構想をデザインするのに便利だからだと僕は考えています。

今回のセミナーでは、Part 2 で、AI agent という考えを理論的に整理したいと思っています。

「ソフトウェア開発サイクルのAI統合」というコンテキストのもとで、AI agent に要求される能力を考え、複数のAI Agentの協調と統合を行うために提案されているいくつかの例 (MCP, APA 等)を検討したいと思います。

【 残されている課題 】

セミナーの Part 3では、どういう課題が残されているかを考えたいと思います。

残念ながら、初めの方で取り上げたセキュリティの問題は、重要な問題なのですが、僕の力量不足もあって、今回のセミナーでは詳しく触れることはできません。

今回のセミナーでは、「ソフトウェア開発サイクルのAI統合」というビジョンの実現の上で解決しなければならない問題に問題を絞ります。

そうした問題として、大きく次の三つの問題を考えようと思っています。

第一は、現在の「単純化した開発モデル」上で行われている取り組みを、現実の複雑な開発の環境にどう拡大できるのかという問題です。それは、Part 2 でみた AI Agent の協調と統合の課題ともつながっています。

第二は、 AIで統合されたソフトウェア開発のもとでの、AIと人間の役割についてです。まず、人間はAIに何を語ることになるのでしょう？ AIをコントロール人間にはどのような能力が求められるのでしょう？ そうした人間の養成のスピードは、AIの進化のスピードに対応できるのでしょうか?

第三に、AIが生成するコードの正しさをどう担保するのかという問題があります。AIの能力が向上すれば、間違ったコードを生成する確率はどんどん減らせると考えるのはナイーブすぎると僕は考えています。

「ソフトウェア開発サイクルのAI統合」というビジョンの実現には、まだまだ、大きな課題が残されています。
   
【 セミナーの構成について 】

今回のセミナーは、次のような構成を予定しています。

　　 Part 1：　ソフトウェア開発でのAI利用の動向
　　Part 2：　ソフトウェア開発とAI Agent
　　Part 3：　AI Agentができること人間にできること

皆さんのご参加をお待ちしています。

【 大きな変化が起きつつある 大きな問題があるから 】

「ソフトウェア開発サイクルのAI統合」というビジョンのもとに、現在進行している急激な変化は、 まだ、ほんの序曲です。それらは、大きな困難にぶつかって、おそらくすんなりとは進まないだろうと、僕は思っています。

大きな問題が予想できることは、むしろ、これから起きるだろう変化が、もっと大きなものであることを示しています。

誰かが言っています。

　　「時代が、それまで存在しなかった新しい問題を提起する。
　　 そして、時代が、無数の悲喜劇を生み出しながら、それを解決する。」

−−−−-−−−-−−−−-−−−−−−−−-

blog page

https://maruyama097.blogspot.com/2025/05/5.html

マルレク「ソフトウェア開発サイクルの変革と AI Agent の動向 」まとめページ　
https://www.marulabo.net/docs/sdlc/

マルレク「ソフトウェア開発サイクルの変革と AI Agent の動向 」のショートムービーの再生リスト
https://www.youtube.com/playlist?list=PLQIrJ0f9gMcNu1_67bfQT4URZLzb1k9Wh

ショートムービー「 マルレク「ソフトウェア開発サイクルの変革とAI Agent の動向」 」のpdf
https://drive.google.com/file/d/1cl92VZseOhCnb1mhzL8e0oBaLR03ZF54/view?usp=sharing

ショートムービー「 マルレク「ソフトウェア開発サイクルの変革とAI Agent の動向」 」
https://youtu.be/JXaSWDGN5EE?list=PLQIrJ0f9gMcNu1_67bfQT4URZLzb1k9Wh

コメント

コメントを投稿

このブログの人気の投稿

初めにことばありき

旧約の「創世記」の「光よあれ」は、ビッグバンを思わせて、物理学者はちょっと萌えるかもしれないのだが、新約の「ヨハネによる福音書」には、言語学者が喜びそうなフレーズがある。 「初めに言があった。言は神と共にあった。言は神であった。」 僕が知っていたのは、「はじめにことばありき」という訳だったのだが。この口語訳での「言」は、英訳だとこうなっている。 "In the beginning was the Word, and the Word was with God, and the Word was God." 「言」= "Word" である。はじめにあったのは、Wordであって、Language ではない。だから、新しい口語訳では、普段、あまり馴染みない「言」という訳語を使ったのかも。「初めに語があった」では、なんかしまらないんだろうな。（僕は、「はじめにことばありき」というフレーズの方が好きだ。） ちなみに、「ヨハネによる福音書」は、英語では、"Gospel of John" という。「ジョンのゴスペル」である。でも、そう日本語に訳してしまうと、ジョン・レノンがバラードではなく、ゴスペルを歌っているようで、まずいんだろうな。 「ことば」・「言」・"Word" と訳されている、元々の言葉を調べてみると面白い。 キリスト教のオーソドックスな原典であるラテン語訳聖書では、この部分は、こうなる。 "In principio erat Verbum, et Verbum erat apud Deum, et Deus erat Verbum" 「イン・プリンキピオー・エラト・ウェルブム」 英訳 Word のラテン語の原語は、Verbum である。この単語、英語に直訳すれば、Verbである。「初めに、動詞があった。」　言語学の「従属性文法 (Dependency Grammar) 」理論の人たち、喜びそう。 もっとも、英語のVerbは、元々は、動詞というより広く言葉全体をさしてたらしい。そのことは、「ノンバーバル・コミュニケーション (Non-Verbal Communication) 」というのが、動詞を使わないコミュニケーション...
続きを読む

宇宙の終わりと黒色矮星

イメージ
【宇宙の終わりと黒色矮星】 図のようなストーリーで、「宇宙の終わりとエントロピー」という投稿を準備していたのだが、いろいろ雑念が湧いて気がすすまなくなる。その理由は別稿で。 この図は、「閉じられた部屋でのガスの拡散」というわかりやすいモデルで理解されるエントロピーの増大の法則が、あるフェーズから、宇宙規模でみれば、「全ての物質のブラックホールへの吸収・収斂」として現れると言うことを主張している。最初、ペンローズのこの話を読んだときには、目からウロコだった。 このストーリーにはもっと先がある。最近のシミュレーションでは、指数関数的に膨張する宇宙では、巨大なブラックホールに捕捉されるのは、宇宙全体の物質の10%程度だという。恒星起源のブラックホールは 10^67 年で、銀河系中心の巨大ブラックホールも 10^99年で、ホーキング放射で「蒸発」し姿を消す。 ブラックホールに捕捉されなかった宇宙の残りの90%の物質は、元それが属した銀河系から孤立したまま星の一生の進化を続ける。太陽の1.2倍程度の質量を持つ星は「白色矮星」になるのだが、「白色矮星」は 10^17年で「黒色矮星」に変わる。 「黒色矮星」は、現代の「宇宙の終末論」では、もっとも注目されている天体なのだが、それはまだ観測されていないと言う。というのも、この天体は光を出さないからだ。「黒色矮星」の中心は、最も安定な原子である鉄の「結晶」でできていて、温度は絶対零度近くに冷却されている。 「黒色矮星」は、とても長生きする天体である。陽子崩壊がおきるなら、黒色矮星の寿命は 10^32年程度だが、もし陽子が安定しているとすれば、太陽の 1.24倍程度の質量を持つ「黒色矮星」は、10^1600年後に突然崩壊して超新星爆発を起こす。もっと軽い、太陽の1.16倍程度の質量を持つ「黒色矮星」は、10^32000 年後（！）に超新星爆発を起こす。 このシナリオによれば、宇宙は、とてつもなく長い長い退屈な時間をかけて、その死を迎える。「黒色矮星」の超新星爆発は、宇宙の死を飾る最後の打ち上げ花火である。その後には、宇宙には何も起こらない。 この記事は、ジョン・バエズの "Black Dwarf Supernovae" を基にしたものだ。https://johncarlosbaez.wordpress.com/202...
続きを読む

Google翻訳での日本語の点数の低さについて

イメージ
Google翻訳は、なかなかスゴイのだが、他の欧米系の言語での翻訳と比べると、日本語の翻訳精度は、かなり低い。 この表は、Google翻訳の「Zero-Shot論文」の、ある意味「目玉」の結果の一つである。 機械翻訳のシステムを、ドイツ語 -> 英語、フランス語 -> 英語 というように、一対一の言語の組み合わせで別々のシステムで訓練させるより、{ ドイツ語、フランス語} -> 英語 のように、一つのシステムで同時に複数の言語（この場合は二つの言語）の一つの言語（この場合は、英語）への翻訳を訓練した方が翻訳精度が上がるという、驚くべきものである。 人間で言えば、日本語の英語への翻訳をもっとうまくやりたいなら、韓国語から英語への翻訳も、同時に学習する方がいいということ。 このメリットを説明する可能性のある仮説の1つは、モデルがより多くの英語データをターゲット側に持ち、ソース言語が同じ言語ファミリに属していること。それで、モデルは有用な一般化を学んでいると思われる。 こうした 発見は、とても興味深いものだが、ここでは、別のことに注目しよう。 ここでの翻訳精度の改善は、BLEUのスコアで、+0.05〜+0.79の改善である。（表の赤い枠の部分。） ただ、日本語 -> 英語の翻訳精度は高いスコアで 23.87で、フランス -> 英語の 36.77と比べるとずいぶん低い。この表の中では、最低だ。実験で最高得点をたたき出している ポルトガル語 -> 英語の 45.19と比べると、半分程度だ。 実は、このポルトガル語の高得点も、僕には不思議に見える。WMTのコーパスでは、英語・フランス語のパラレル・データが3,600万ペアで、英語・ドイツ語のペア500万と比べても圧倒的に多い。ポルトガル語の高得点は、Google内部のコーパスを使ったものだが、アメリカなら、英語・スペイン語のデータは多いと予想できるのだが、英語・ポルトガル語のデータが、それ以上に多いとは思えない。でも、スペイン語 -> 英語より、ポルトガル語 -> 英語の方が、ずっと成績がいいのだ。 きっとGoogle翻訳は、英訳に関して言えば、日本語とは相性が悪く、ポルトガル語とはとても相性がいいのだ。なぜか？　僕にはわからない。 ...
続きを読む