待望のEEVEE NEXT、まだ Alpha Version だけど試してみた。
過去につくったもので Rendering を EEVEE Legacy から EEVEE (next)へ。
全てにおいて、EEVEE Legacy の方が良好な結果となった。EEVEE NEXTでは陰影処理が物理的におかしいところが多々見られた。
EEVEE Legacyは、物理的正確性が必要なところは、マニュアル操作でそれとなく上手く見せる手法。EEVEE NEXTは Ray Tracing でうまく見せる。しかし、後者の Ray Tracing が Cycles と比べ、何か、Artifacts が目立って見えてしまう。Ray Tracing で犠牲になったものがたくさんある？
まだ Alpha Version だから何とも言えない。Blender 4.1 正式リリースを待ちたい。
適当に予算確保し外注先へつくらせて、管理したことを理由に、それを自分の成果とする。しかし、丸投げしていると、その価値を測る能力が身につかない。
予算ゼロで始め、自らつくり、試作を通してその価値をステークホルダーへ伝える。価値が認められたら、予算確保し外注。試作を通して課題を洗い出しているので、外注先へは的確で細かな指示ができる。
前者は無駄が多い。勉強する習慣がない。日本が技術力も生産性も低下した最大の理由。前者の人たちは、成果が出ない時、それを予算不足や周囲のせいにする傾向がある。各種ハラスメントも多発。
後者の方が会社の利益につながる。専門性も身に付く。自分の特技を活かしつつ、幅広い仕事をこなす能力が身に付く。結果として、ジョブ型人材になれる。成果が出ない時は、与えられたジョブのビジョンに問題あり。なので、自らの意思で、他の職場や他の会社へ移り、新たなジョブの中で働く。
内製という言葉を嫌う傾向あるが、内製の習慣を身につけた方が、ジョブ型の時代ではキャリア開発上、超お得。効率的なスキルアップ手法。
表面上だけで物事を判断すると、後で、いろいろな問題が起こる。
- 実現不可能なビジネスやシステムのお話をしてしまう
- システム導入後に品質問題が発生する
- 運用時に予測可能な事故が発生してしまう、もしくは予防できない
単に、表面上の見栄えが良いから、それで良しという判断は避けるべき。むしろ、中身がきちんとしていることが重要。
中身をきちんとさせるには、物事の仕組みを理解するということ。
ヨーカドー、高い割に食材はいまいち、洋服売り場には店員おらず、レジ待ち行列長く。。。
そういう印象だったが、ヨーカドー、大好きになれるほど変わった。
食料品安いけど素材は良し、洋服売り場、明るくなって店員もいる。客足は戻り活気ある。
切り売りのズボン、買ってみたら、これまでのやる気のないダサい感じのズボンではなく、きちんとしていて安っぽさもない。毎年、ヨーカドーでズボン買おうと思う。
ヨーカドー、頑張ってほしい。これからは、なるべくヨーカドーへ買い物へ行く。
生成AI勉強しているうちに、NLPの知識が必須と分かり、NLPの勉強から始めた。
NLPで非構造化データのデータ分析やってみて、かなり有用な結果が次から次と得られている。これは仕事に使える！
ChatGPTで、あるデータの分類を試みたが、鈍い、出力が途切れ途切れ、結果に一貫性ないなど、問題が多かった。生成AIは分類は不得意。なのに、ChatGPTを解説した本には、分類が得意みたいな記述がある。こういう記述、とても迷惑。騙された！NLPから解説して、その一部にChatGPTがあり、やれることはこの範囲まで、と解説すべき。書籍の売り上げ重視で、ChatGPTは何でも出来ますみたいなのは無責任。
NLPで精度高い分類が出来ている。感情分析の方も、ChatGPTでなく、それ専用にトレーニングされたモデルを使った方が早いし精度も高い。
NLP知らない人たちが、生成AIが使えるユースケースを語る会を開催しているのを見かける。NLP実践経験積んだ上で語った方が良い。そもそも、従来型のチャットボットもNLP使っている。その方式の欠点は何か？そういうのを知ってないと、ChatGPTがコンタクトセンターに使えるかとか、ChatGPTで問題ないのか、みたいな議論は出来ないはず。
日本はITスキルが世界的に低いからこうなるのだと思う。プログラミングしながらIT勉強する習慣がないので、とても恥ずかしい事やっているのに気がつかない。私自身、この半年、ChatGPTブームに乗って、何でも出来ると信じていて、とても恥ずかしいことをやっていた。
LLMはGPUの発熱問題も無視できない。データセンターのCO2排出で環境問題へ発展。なので、CO2排出量を削減するには、従来型NLPと生成AIを適材適所で使い分けるような方針を打ち出した方が良い。それが、正しい仕事のやり方だと思う。
今、生成AIはGartner Hype Cycleで頂点にあるから、過度な期待のフェーズ。これからは、何でも出来るから、適材適所での活用へと落ちていく。
適材適所であれば、私自身、生成AIへの期待は大きい。生成AIは、ルーチンジョブの削減につながり、生産性向上が期待出来る。これからは感性の時代。創造性や人間性がないと生き残れない。
生成AIでプログラマ不要とか言われているが、要は、ローコードやノーコードみたいになると言ってるのか？
ローコード、随分と試しがが、結局、型にハマったものしか作れなかった。プログラミングは不要にならなかった。
生成AIだと、確かに、自分が望む機能ブロックなり関数なり生成してくれるようになるかもしれない。
しかし、プログラミングこそ、技術を理解するための最も効率的な勉強方法。生成AIばかり使っていると、技術を覚えない、仕組みを覚えない、設計できない、ビジネスで実践できないとなる。
プログラミングをかなりできる人が生成AI使うから、ビジネスで実践できるプログラミングとなり、かつ、生産性も上がる。そう考えた方が良い。
