fbpx

マイクロソフト、AIが自然言語をプログラミング言語に翻訳するツールを一般提供開始

米マイクロソフト社は6月22日から、自然言語をコンピューターが理解できるプログラミング言語に翻訳する「Codex」を利用した、AI(人工知能)コーディング支援ツール「GitHub Copilot」を一般提供している。

また、AIが支援するソフトウェア開発ツール(以下、AI支援ツール)を使って、自然言語でモデリングソフトを操作する様子も公開した。

Codexは、米サンフランシスコに拠点を置くAI研究開発企業「OpenAI」が開発した機械学習モデルで、自然言語によるコマンドを12種以上のプログラミング言語のコードに変換できる。

インターネット上のペタバイト級の言語データで学習させた自然言語モデル「GPT-3」 に由来し、GitHub上のソースコードでも訓練されている。

マイクロソフトのCTOであるケビン・スコット氏によると、Codexがソフトウェア開発にもたらす生産性向上効果は驚異的で、これまで2時間かかっていた作業を2分でこなせるようになるという。

● GitHhub Copilotが一般提供開始

今回一般提供を開始したGitHub Copilotは、2021年6月に初めて公開された。

数万人のユーザーに向けて、JavaやPythonなどのプログラミング言語のコードの約40%を提案している。

マイクロソフトは、5月24に実施した開発者向けイベント「Microsoft Build」において、GitHub Copilotの一般提供を開始することを発表していた。

同ツールはCodexを利用して、開発者が書いたコードからコンテキストを読み取り、追加すべきコードや関数を提案する。

● AI活用でローコードからノーコードへ

また、マイクロソフトはCodexを利用したAI支援ツールを使い、リアルタイム3Dエンジン「Babylon.js」で作業する様子も公開した。

AI支援ツールのテキストボックスに「太陽系のモデルを作って」と自然言語でコマンドを入力すると、Babylon.jsに適した太陽系モデルのコードに翻訳し、3Dグラフィックを出力する。

Codexについて、OpenAIのプロダクト&パートナーシップ担当バイスプレジデント、ピーター・ウェリンダー氏は、次のように語る。

「このツールは、ソフトウェア開発プロセスの中のあまり楽しくない作業を排除することでコーディングの生産性を高めてくれます。また、忘れていたことを思い出させてくれたり、問題解決のアプローチを考案してくれたりもします」

「そして多くの場合、このツールは、作業の最も面白くない部分を極めて迅速に片付けて、最も興味深い部分に到達できるよう助けてくれます。これにより、創作の体験がより心地よく、刺激的で楽しいものになります」

また、マイクロソフトのビジネスアプリケーション&プラットフォーム担当コーポレートバイスプレジデントのチャールズ・ラマンナ氏は、次のように述べた。

――――――――――――――――

お問い合わせ:

株式会社VTIジャパン 営業部

メールアドレス:[email protected]

住所:

・東京本社:〒162ー0067東京都新宿区富久町8番21 T&Tビル 4階

・大阪事業所:〒541-0054 大阪市中央区南本町1-3-21 トウマビル503 号

Posts Related

先端技術によるバックオフィスの業務効率化 6つのアイデアをおすすめ

将来のバックオフィスについての研究によると、AIなどでバックオフィス業務を自動化することは、人手に依るだけことを並べると、企業の2割~6割の労働費などを節約することにつながります。それにとどまらず、業務効率化と社員の愛着向上をもたらすようです。企業の中身を変える能力を持つ先端技術はどういう風に導入されればいいかを数多くの企業が悩んでいると思われます。本記事は、先端技術によるバックオフィスの業務を効率化する6つのアイデアを紹介します。 1.バックオフィスとは? バックオフィス(back office)は、直接利益を創造しない業務を実施する部門です。一方、クライエントへの営業又は販売行為を行う営業担当者などを含む、直接利益を生み出す業務を実施する部門を指すことは対義語-フロントオフィスです。 多数の外国では、バックオフィスといえば、アカウンティング、人事、事務を手掛ける人のイメージを思い浮かべます。しかし、日本では、バックオフィスの中身は6~8部分で構成されます。それは、お金の流れを管理する経理部と財産部、労働者に関した労働契約書などを担当する人事又は労働部、内部に発生した問題を処理する総務部と一般事務部、法務問題を処理する法務部、…  2.バックオフィスの業務を低下する課題 2.1.  オフィスの環境/レイアウト Fellowes Workplace Wellness Trend Report (2019)によると、社員は収入・待遇のほか、心身に優しい環境で働きたいという気持ちがいつもくすぶっているようです。たとえば、大多数の回答者(87%)は体育室などを備えるオフィスが欲しいです。特に、テクノロジーカンパニーの場合、93%の社員は体操できるスペースがあったら、オフィスで遅くまでいても大丈夫です。つまり、社員の愛着はある程度オフィスの環境次第だろう。また、素晴らしい空間で活躍してもらえば社員は、仕事のやる気を出し、集中力などを向上し、業務の効率も高くなります。 実際、オフィスの空間に嫌悪感を及ぼす多くの要素があります。それは、以下の通りの要素を含みます。

製造企業: AI等によるインフラやコロナ対応、特にスマート工場

現在、コロナ渦の7波を乗り越えていることに力を注いでいる同時、円安によるインフラの危機に向き合う製造企業は、コロナ対応と営業維持を同時に実施することは艱難だと思われます。その課題にある鍵はAIなどのような先端技術のようです。とりわけ、スマート工場は、疫病発散防止および営業成長の対策として専門家に提出されます。 1.現状 NHKによると、新型コロナウィルスの第7波では、感染者数が減少しても、重症による死亡者数は前波に比べて90%を増加したそうです。コロナウイルスに馴染んできたが、コロナ対応の対策は一秒たりとも気が緩んではいけないだろう。また、2022年の秋ごろには円安が続く見込みです。このまま円安が続けば、物価が上がり続けるインフラの状態になりかねません。それは製造企業に直間接的に人手不足や原価上昇などの影響を与えます。しかし、歴史を振り返ると、インフラや疫病などを同時に対応する方法はないかもしれません。幸いに、超スマート社会へ進む道では、ビッグデータ、AI, IoTなどの先端技術はその課題の鍵となり、人手最小で営業成長を与える一石二鳥の方法だと思われます。 2.インフラやコロナ対応に向けての5つ技術 2.1. 非接触指紋認証システム 職場や工場などでクラスター発生を防ぐために、物理的な接触を制限することを多くの製造企業が取り組んでいます。代表的な例はコンピュータビジョンによる画像認識や顔認識システムを使用したそうです。コロナ渦以前、出退勤やにゅう出入駐車をIC カードで管理する代わりに、コンピュータが画像を分析して認識することです。打つ退勤を使うとき、作業員は出退勤のための紙を打つことを忘れることがあります。しかし、顔認識システムを使用するなら、出口を出入することで出退勤を同期してはすごく便利です。 応用事例:  我々の顔認識システムであるFaceXは、ベトナムでコロナ状況が深刻してきた時点から導入され、社員たちの出退勤および出退室の時間を記録して管理します。指紋又はICカードを使うことない非接触方法で、コロナを対応する同時に、疑われる者が職場を入り込めることを防止することに貢献します。社員たちからすごく便利で時間がかからないという好評を受けました。また、VTIグループは、バイクのナンバープレートを認識するコンピュータビジョンによるのシステムを開発しました。それは、出入駐車を素早く管理し、盗難を防止することができます。 VTI のFaceX 2.2. バーチャルアシスタント

医療ビッグデータと活用事例

1990年代に提唱されたビッグデータは、近年注目されていると伴い、多岐多様な業界での活用事例が多くなるようです。とりわけ、医療ビッグデータは、多面的に導入されることが2025時点で世界の先陣を切って、過去最多の数量があるようです。しかし、ビッグデータ、そして医療ビッグデータはなんだか、どういうふうに活用されるか、という問題をすっかり理解する人は少ないと思われます。本記事は、医療ビッグデータとそれの活用事例を説明します。 1.医療ビッグデータとは? ビッグデータは、1990年代に提唱され、従来のソフトウェア又はインタネットプラットフォームを使用する制御できないほどの膨大なデータを指すことです。しかし、普通のデータ定義に匹敵するには雲泥の差があるようです。データは多くの場合で「情報」の意味で使われ、「数量」と「質量」を中身とする一方、ビッグデータは六つの要素で構成されます。それらはValue、Volume、Velocity、Variety、Veracity、Variabilityという六つのV字を含みます。Volumeがデータの数量を指す一方、Velocity は動いているデータと、データの作成・処理・分析の頻度と速度という意味です。それらに次いで、Veriaty は複数のデータセットの複雑さと不均一を表します。また、Veracity はデータの質量、関連性、信頼性と予測できる価値を中身とします。それに、Variablity は時間の経過とともにデータの変動を指します。最後は一貫性に緊密な関係がるValueはユーザーが入力した価値に関します。 医療の場合、医療ビッグデータは電子カルテや、メディカルイメージング、ゲノム配列決定、薬学研究、ウェアラブルデバイス、メディカルデバイスなどの膨大なメディカルデータを表します。伝統的な電子的なメディカルデータと、人間によるメディカルデータと比べると、膨大な数量や高速度といった特徴で意思決定又は診断をより正解に下すことを支援します。ビッグデータとAIを組み合わせて次のプロセスの通りに結果を出します。データは、センシングデータや、クリニックデータ、電子カルテといった情報を入力・管理・保持する倉庫(データウェアハウス)から分析過程(そこではAIが診断したり、予測したり)を通じて、より正解かつ節約的な結果となります。 ビッグデータ分析のワークフロー 2.医療ビッグデータの活用例 Google Scholarで投稿される研究(1,2,3)によると、医療ビッグデータの活用事例は患者中心のサービス、より良い治療方法の提供、医療機関や社会のマクロ管理等のモニタリングという三つの要素を分けられます。 2.1.患者中心のサービス 2.1.1.病気の診断又は予測 ビッグデータとAIを組み合わせれば、病気の診断をより正解な下すことができます。例えば、画像の方式での膨大なメディカルデータをマシンが人間のように分析・処理するコンピュータビジョンは、患者のレントゲン及びICT