親愛なる友人へ、
いかがお過ごしですか？
「2026年から2027年で、根本的により有能な(capable)モデルが登場する」
「2030年の終わり(the end of the decade)までに、50%の確率で、AGIレベルのシステムが登場する」
世界経済フォーラム、通称ダボス会議で、AnthropicのCEO、D. Amodeiは楽観的な発言をし、DeepMindのCEO、 D. Hassabisは慎重ながらも楽観的な発言をしていました。他方、エンジニアたちは、生成AIの登場当初と比べて多少落ち着いたとは言え、一定数が困惑を覚え、エンジニアもエンジニア以外の人達も多くが、今後の自分のキャリアについて悩んでいます。
不安を覚えるのは経済学的にも自明なことで、一定の領域の人たちが、つまり国民や地域住民の50%以上ができる業務や能力は、その領域では値段が付けられない、つまり、0円であることを意味しています。日本で、日本語のタイプライティングができる能力があっても、それにお金を払う人はいないでしょう。それと同じことが、ソフトウェアの領域にも当てはまります。経済的な知識がたとえないエンジニアであっても、エンジニアリングの領域における動向の速さを味わってきて、今回のことでも不安を覚えてしまうのもしょうがないです。
この背後にあるのはなんでしょうか。それの一つはエンジニア自身の耐時間性、つまり、時が経つにつれて価値が減少する具合の少なさです。エンジニアは自分の価値に対する耐時間性を強くしたくて、その耐時間性がAIによって危機に晒されていると思っているかもしれません。他方で、エンジニアのみならず、エンジニアも企業も、自分らが作るものの価値に耐時間性を欲しているという共通点があります。では、AIが作り出すものの耐時間性はどうでしょうか？ こレに対する回答が、不安の背後にある期待と絶望の一側面を描写するかもしれません。というのも、AIが作り出すものの耐時間性はまだ判断ができていないからです。もちろん、AIがが作ったものを修復したり面倒を見たりするAIベビーシッターというバズワードが出たのは記憶に新しいでしょう。その他にもネガティブな話題は多々あります。しかし、AIを用いた開発はまだ十年も経っておらず、正確な判断をできないでしょう。そのため、AIが作ったものの耐時間性について考えるよりも、私はAIが耐時間性に寄与することはできるのか、そして、どうすればできるのか、ということを考えたいです。
耐時間性に寄与する第一の要素は、前回のNewsletterでもお伝えしたように、Simpleさです。Simpleなフレームワークは、Easyではないけれども、余計なものは入っておらず、キャッチアップも容易で、身動きが取りやすく、これらによって時間に対する価値の減少スピードを緩やかにしてくれます。フレームワークに限らず、コードベースにおいてもそうです。コードが増えれば増えるほど、複雑さが増えれば増えるほど、記憶、理解、設計などの多様な要因によって、身動きが取りづらくなり、結果として、後発のソフトウェアに追い抜かれてしまいます。とすると、AIが耐時間性に寄与できる要素としてははやりSimpleさでしょう。そして、AIはこれに、まだ部分的とは言えども、寄与できます。
もし、不要な関数や不要な機能を削ることができれば、Simpleになるでしょう。静的解析で分かる範囲は現在のAI登場以前からもできましたから、それ以上のものとして私がAIに期待していることは、人間の思い込みや憶測や臆病さがないということ、そして、移行の手立てやプランを作ることです。これらはAIによって提案できるでしょうし、実現できるでしょう。もちろん、この変更によってKPIへの悪影響があることを懸念している人がいた場合に説得するのは、人間がせざるを得ないままでしょうが。
もし、扱っているモデルが、DDDで言うところの「浅いモデル」であり、これを「深いモデル」、ドメインモデルに出来るのであれば、これもまたSimpleにすることを意味するでしょう。もしくは、UI/UXの観点から見て、目当て(object)を見出し、タスクベースのUIからオブジェクト指向になるなら、これもまたSimpleにすることを意味するでしょう。
耐時間性やSimpleに関連して、最近、多くの人たちが思い出したことは、結局の所、AIであろうがチームであろうが、いずれも、アウトプット量やリソース効率ではなく、いかに素早く確実に価値を届けるかという
フロー効率の方が圧倒的に重要
である、ということです。これを現在のAIやこれからのAGIで実現できるかが問われています。
AnthropicのCEOは2026〜2027年にはAGIに相当するモデルは出来ると思っているようですが、本当でしょうか？ おそらく、コーディングの領域ではそうかもしれません。他方のHassabisは数学や科学、そしてアイデアを念頭に置いており、2030年までにそれができるようになるのは50%だと述べています。
両者の立場と発言を踏まえると、Simpleさの1つ目であるところのコードの削減というのは、現状でもある程度出来るのですから、本当に出来るでしょう。しかし、Simpleさの2つ目であるところのドメインモデルやオブジェクトの発見・創造・形成は、Hassabisが念頭に置いている領域に近いので、もしかしたら極めて低い確率ではありますが明日には出来るようになっているかもしれませんが、まだ先、2030年までに得られるのは50%程度の確率であることは、私も同意します。
AIによる耐時間性への寄与について、まだ不十分なところがあるとは言え、圧倒的な力があり、フロー効率を良くする力も潜在的に持っています。人間がそうであるように、WHYを積み重ねれば、つまり、問いを立て、探求し、仮の答えを出し、また新たに問いを立て直し、探求し、仮の答えを出し、…というサイクルを回していけば、深いモデル、ドメインモデル、オブジェクトに近づき、形作ることができるように、AIを用いてもうまくいくかもしれません。そして、Simpleさが得られ、耐時間性を得られるのです。
このように、ある一定の希望を持てるとは言っても、注意はしなければなりません。AIに関連する企業の資金の流れはおかしなところがあり、AIのサービスを実現するために多くの天然資源が使われています。このような外部のリスクは心のどこかに留めておかなければなりません。他方で、目的のことも忘れてはいけません。AIでできることに引っ張られず、本来やりたいこと、耐時間性を強くすること、時間が経ってもなるべく価値が下がらないようにすること、Simpleにすること、フロー効率を良くすること、これらを決して忘れてはいけません。
知の発展も同様です、目的を忘れず、その目的を実現するための良い手法を、特に、外部にあるリスクがなるべくないものを選択しましょう。
それが、物理的なZettelkastenです。Simpleでフロー効率がよく、そして、記憶の宮殿の土台となるものです。次回は久しぶりにZettelkastenについて話すかもしれません。
それでは、
青を心に。
Stephen S. Hanada
"Gentleman Philosopher"
------
Dear friend,
How have you been?
"We are looking at models in 2026 or 2027 that are fundamentally more capable than what we see today."
"I still see about a 50 percent chance of AI systems that match all human cognitive capabilities by the end of the decade [2030]"
At the World Economic Forum, commonly known as Davos, Dario Amodei, CEO of Anthropic, made optimistic remarks, while Demis Hassabis, CEO of DeepMind, expressed a cautious yet optimistic view. On the other hand, while engineers have calmed down somewhat compared to the initial arrival of generative AI, a certain number remain perplexed. Many people—engineers and non-engineers alike—are worried about their future careers.
This anxiety is self-evident from an economic perspective. It means that tasks or capabilities possessed by a certain segment of people—specifically, if more than 50% of the national or local population can do them—cannot be priced in that domain; in other words, their value is zero yen. In Japan, even if you have the ability to type in Japanese, no one will pay you for that alone. The same logic applies to the realm of software. Even engineers without formal economic knowledge have tasted the speed of trends in the engineering field, so it is understandable that they feel anxious about this situation.
What lies behind this? One factor is the engineer's own Time-Resistance—that is, the slowness with which value diminishes as time passes. Engineers want to strengthen the time-resistance of their own value, and they may feel that this time-resistance is being threatened by AI. On the other hand, there is a commonality: not only engineers, but companies as well, desire time-resistance for the value of what they create. So, what about the time-resistance of what AI creates? The answer to this might depict one aspect of the hope and despair behind the anxiety. This is because we cannot yet judge the time-resistance of what AI produces. Of course, it is fresh in our memory that the buzzword "AI Babysitter"—someone who repairs or looks after things made by AI—emerged. There are many other negative topics as well. However, development using AI has not yet spanned a decade, so we cannot make an accurate judgment. Therefore, rather than thinking about the time-resistance of what AI creates, I want to think about whether AI can contribute to time-resistance, and if so, how.
The primary element contributing to time-resistance, as I mentioned in the previous newsletter, is Simplicity. Simple frameworks are not "Easy," but they contain nothing superfluous, are easy to catch up on, and allow for agility. These factors slow down the speed at which value decreases over time. This applies not only to frameworks but also to codebases. The more code increases, and the more complexity increases, the harder it becomes to move due to various factors like memory, understanding, and design. As a result, you get overtaken by later software. Thus, the element where AI can contribute to time-resistance is, after all, Simplicity. And AI can contribute to this, albeit partially for now.
If we can cut unnecessary functions or features, it will become Simple. While static analysis could handle the obvious scope even before the current AI, what I expect from AI beyond that is the absence of human bias, speculation, or timidity, and the creation of migration steps and plans. These are things AI can likely propose and realize. Of course, if there are people concerned about adverse effects on KPIs due to these changes, humans will likely still have to do the persuading.
If the model being handled is a "shallow model" in DDD (Domain-Driven Design) terms, and if this can be turned into a "deep model" or a domain model, this also means making it Simple. Or, from a UI/UX perspective, if we can find the "object" and shift from a task-based UI to an object-oriented one, this too means making it Simple.
In relation to time-resistance and Simplicity, what many people have recently recalled is that, in the end—whether it's AI or a team—what is overwhelmingly important is not output volume or resource efficiency, but
Flow Efficiency:
how quickly and reliably value is delivered. The question is whether current AI or future AGI can achieve this.
Anthropic's CEO seems to believe that a model equivalent to AGI will be possible by 2026–2027, but is that true? Perhaps in the realm of coding, it might be. On the other hand, Hassabis has mathematics, science, and ideas in mind, stating that there is a 50% chance it will be possible by 2030.
Considering both positions and statements, the first aspect of Simplicity—code reduction—is something we can already do to some extent, so it will likely be possible. However, the second aspect of Simplicity—the discovery, creation, and formation of domain models and objects—is closer to the realm Hassabis has in mind. While there is a possibility, however extremely low, that it could be done tomorrow, I agree that it is still further ahead, with about a 50% chance of being achieved by 2030.
Although there are still insufficient areas regarding AI's contribution to time-resistance, it has overwhelming power and potentially holds the power to improve flow efficiency. Just as humans do, if we stack "WHYs"—that is, setting a question, exploring, coming up with a tentative answer, setting a new question again, exploring, and getting a tentative answer...—if we cycle through this, we can approach and shape deep models, domain models, and objects. It might go well using AI, too. And thus, Simplicity is obtained, and time-resistance is gained.
Thus, while we can hold a certain amount of hope, we must be careful. The flow of funds in AI-related companies has some oddities, and many natural resources are being used to realize AI services. We must keep these external risks somewhere in our minds. On the other hand, we must not forget the Purpose. Do not be dragged along by what can be done with AI; never forget what you originally want to do: strengthen time-resistance, ensure value does not drop as much as possible over time, make things Simple, and improve flow efficiency.
The development of knowledge is the same. Do not forget the purpose, and choose good methods to realize that purpose—especially those with as few external risks as possible.
That is the physical Zettelkasten. It is Simple, has good flow efficiency, and becomes the foundation of a Memory Palace. Next time, I might talk about Zettelkasten for the first time in a while.
Best regards,
Think Blue
Stephen S. Hanada
"Gentleman Philosopher"