14,132 文字
AIは2025年に向けて急速に進化しており、誰もその速度が緩むとは考えていません。むしろ、ますます加速していくでしょう。そしてそれは、友よ、圧倒的な感覚をもたらすかもしれません。何に焦点を当てるべきか分からなくなることもあるでしょう。
あなたがAIに初めて触れる非技術者であれ、AIを活用してすばらしいアプリケーションを構築しようとする開発者であれ、あるいはAIの誇大広告を切り分けてビジネスに本当に役立つものを実装しようとするビジネスオーナーであれ、私たちは皆同じ立場にいます。
毎週のように新しいAIコーディングアシスタント、新しい大規模言語モデル、新しいAIエージェントのフレームワークやツールがリリースされています。これだけ多くのものが毎週リリースされる中で、自分にとって何が重要で何が重要でないのか、どうやって見分けることができるのでしょうか？自分が学習に時間を投資しているものが、1ヶ月後には無意味になってしまわないと、どうやって確信が持てるのでしょうか？
もしこれらの疑問が全くなく、すべてを理解しているのであれば、あなたは魔法使いです。私のYouTubeチャンネルを運営してくれてもいいくらいです。
賭けをするなら、2024年の最近数ヶ月だけでもo3、Gemini 2.0、フラッシュ、Pantic AI、Windsurf、新しいQwen、Llama、Deep Seekモデル、そしてClaudeのモデルコンテキストプロトコルなど、あまりにも多くのものがリリースされている中で、AIを効果的に活用する方法を学ぶためにどこに時間を費やすべきか、多くの疑問を持っているはずです。
しかし、このビデオでは2025年に向けてAIの狂騒を管理するのに役立つ根本的な考え方の転換をお伝えします。私自身もこれらの疑問と格闘し、今年AIの研究開発に何時間も費やしてきた中で、今年何がリリースされ、何が無意味になり、今年どれだけAGIを達成するかに関係なく、AIで先んじることができる少数の高レバレッジスキルを見出しました。
これは平均的な2025年のAIロードマップや「もし最初からやり直すなら、こうやってAIを学ぶ」といった類のビデオではありません。これは遠回しな表現や誇張のない、率直な会話です。私がAIにどのように時間を投資しようと考えているかを、あなたが誰であれ共感してもらえることを願って共有したいと思います。
では、早速本題に入りましょう。2025年に向けたAIのトレンドと、今私たちが焦点を当てるべき重要なスキルについて話し合うために、私は美しいロードマップを作成しました。重要な点として、ここに示したものは必ずしも特定の順序で進める必要はありません。このロードマップスタイルは、現時点で私がすべてを説明するのに最適な方法なのです。
まず最初に、ここで私が話したいすべての基礎となる、今あなたの頭に入れておくべき最も重要なモットーについて説明します。それは「ツールではなく、機能に注目する」という考え方です。
説明させてください。以前、私が9-5の仕事でソフトウェアエンジニアをしていた頃、チームに複数のPhDを持ち、大学で教鞭を取り、ディープラーニングや機械学習、生成AIで素晴らしい成果を上げ、多くの特許を持つ非常に賢いVPがいました。彼が常に言っていた、彼のモットーとなっていた言葉は「ツールではなく、機能に焦点を当てる」でした。
彼が意味していたのは、特定のプログラミング言語やエージェントフレームワークなど、特定のツールの習得に焦点を当てるのではなく、より大きな視点での高レバレッジなスキルに焦点を当てるということです。
つまり、AIを使って私たちに何ができるかに焦点を当てるべきであって、特定のツールを使ってAIで何かを実現する方法にそれほど焦点を当てるべきではないということです。なぜなら、結局のところ、AIは既にコーディングやアニメーション作成など、多くのことを私たちのためにできるからです。そして、私たちが習得したくなるこれらのツールは常に置き換えられています。AIコーディングアシスタント、LLM、エージェントフレームワークは毎週のようにリリースされています。
そのため、その知識が無意味になる可能性があるのに、そこに時間を投資して細かいところにこだわるのは、あまり価値がありません。そして、ここに書いてある通り、これは特にAIの時代において当てはまります。ソフトウェアエンジニアリングや人生のあらゆる面にも当てはまりますが、業界が大きく変化している中で、これらの高レバレッジスキルこそが私たちを関連性のある存在に保ってくれるのです。
ここで非常に重要な注意点を述べたいと思います。特定のツールを学ぶことも依然として重要です。結局のところ、何かしらのLLMを選び、何かしらのエージェントフレームワークでコーディングし、何かしらの自動化ツールを使用する必要があります。まだ分かると思いますが、何かを選ぶ必要はありますが、それを習得することを優先しないでください。これから説明するロードマップの中でも触れる高レバレッジスキルについて考えてください。
プレゼンテーションから少し離れて、ストーリータイムにしましょう。私も以前は、機能よりもツールに完全に取り憑かれていた人間でした。そしてそれは私をあまり遠くへは連れて行きませんでした。
特に、私が考えるたびに身震いする例が一つあります。コンピュータサイエンスの学士号を取得するために大学に行く直前、その夏の終わりに数週間の自由な時間がありました。私は大学の準備をし、より良いプログラマーになるために、何か自分でコーディングブートキャンプをしようと考えました。
私ができたすべての選択肢の中から、なぜか私は上級C++のトピックに飛び込むことを選びました。静的ポリモーフィズムや高度な継承構造など、本当に技術的なことを話しています。その一部は、あまりにも技術的すぎて皆さんも知らないかもしれません。これは、機能ではなくツールに過度に注目した良い例です。
正直なところ、結局それは時間の無駄でした。私はもうC++でコーディングすることはありません。そのような技術的なことは、通常必要とされる以上に技術的すぎます。
そして次の夏、私は全く逆のことをしました。ディープラーニングと機械学習について大量に学習し、本当に高レバレッジなことを学びました。TensorFlowやKerasのような個々のフレームワークや、特にPythonでの作業に焦点を当てるのではなく、モデルがどのように機能するか、そして好きな言語でAIを実際に扱う方法など、高レバレッジスキルを学びました。それは非常に価値のあることでした。
これは、ツールに過度に焦点を当てること（時には必要ですが、私はやりすぎました）と、機能に焦点を当てることの良い対比の例です。私の失敗から学んでください。本当に遠くまで行けるものに焦点を当てることが非常に重要です。
この話が、私が言う「ツールではなく機能に」という意味の明確な例になることを願っています。これから話すすべてのスキルとそれらが実際にとても重要である理由に、このモデルを常に参照することになるでしょう。
次に進みましょう。AIエージェントです。これは2025年の焦点となるでしょう。Microsoft、LangChain、NVIDIA、Anthropic、OpenAIなど、大手企業はすべて、AIエージェントがAIの未来であり、2025年は彼らにとって大きな年になると言っています。
その最大の理由は、2024年のイノベーションの多くが、2025年に向けたAIエージェントの基盤を築いているからです。後で詳しく説明する、アーキテクチャにおけるベストプラクティスの確立や、複雑なエージェント的ワークフローの中で適切に推論できるほど強力なLLMの作成など、それらは今や私たちが活用できる準備が整っています。
そして、私たちは機能にフォーカスしてツールにはフォーカスしないことを覚えておく必要があります。エージェントに関して言えば、それは、エージェントアーキテクチャのベストプラクティス、自分で構築するかOpenAIアシスタントのようなプラットフォームを使用するかの判断など、非常に高レバレッジで、使用するフレームワークやツールに依存しないスキルに飛び込むことを意味します。
これらのスキルはすべて非常に高レバレッジで、エージェントを構築するために最終的に使用するフレームワークやツールに依存しないことに注目してください。これは重要です。なぜなら、これらのツールは学ぶ価値はありますが、優先すべきではないからです。
私はこれらのプラットフォームすべてを愛していますが、CrewAIやPanticやn8nの学習に何週間も費やさないでください。それは細かいところにこだわりすぎることになるからです。高レバレッジなものに焦点を当ててください。
最も重要なことの一つは、エージェントアーキテクチャについて学ぶことです。Anthropicは最近、AIエージェントのための異なるアーキテクチャとベストプラクティスについて素晴らしい記事を発表しました。次の年に向けて学ぶべき非常に重要なスキルなので、それを確認してみましょう。
昨年12月19日、AnthropicはBuilding Effective Agentsという記事を発表しました。Anthropicは、OpenAIなど他の多くの企業よりも、少なくとも私の目には、AI分野での研究開発において信じられないほどの実績を持つ企業です。彼らはとても印象的です。
そのため、彼らがAI分野で非常に重要だと主張しているものについてこのような記事を発表する時、私たちは耳を傾けます。これは、あなたが誰であれ、超技術者であっても非技術者のビジネスオーナーであっても当てはまります。なぜなら、私たち自身やビジネスのために組み込みたいと考えるツールを開発し評価する際に、AIエージェントが何を良いものにするのかを知ることは重要だからです。
また、Anthropicが話していることは、私が話していることにも多く当てはまります。なぜなら、彼らはエージェントを構築するためにどのツールを使用するかについて話していますが、それにはあまり焦点を当てていません。彼らはすぐに高レバレッジなもの、特に強力なエージェントを構築するためのアーキテクチャオプションに移っています。
つまり、「はい、これらの機能を実装するために使用できるツールがあります。でも、それにはあまり焦点を当てないでください」というようなものです。代わりに、この記事の残りの多くの段落は、すべての異なるアーキテクチャオプションについて話しています。
最前線では、知識ベース、SlackやGmailなどのサービスと対話するための検索ツール、そしてチャットメモリを持つ、AIエージェントの核心を定義するこのアーキテクチャ図があります。
今はすべての具体的なアーキテクチャ図に深入りはしませんが、彼らは異なるLLMと作業するためのプロンプトチェーニングやルーティング、複数のLLMで同時にタスクを征服するための並列化、異なるLLMに作業を振り分ける最後にアグリゲータを持つマスターエージェントのようなオーケストレーションワーカー、そして幻覚を減らすために非常に重要な評価者など、本当にクールなものをたくさん持っています。そして、はい、他にも多くのアーキテクチャがあります。
繰り返しますが、これらの詳細には深入りしませんが、説明の中にリンクを入れておきますので、ぜひフォローしてこれを読み、2025年に向けて強固なアーキテクチャを構築し、エージェントのベストプラクティスを実装する方法について、本当に理解を深めることをお勧めします。
AIエージェントについて話していたところなので、私のプラットフォームであるAutomatorがVoiceFlowとn8nと提携してAIエージェントハッカソンコンペティションを開催することをお知らせするのにちょうど良いタイミングです。賞金プールは5,000ドルです。唯一の基準は、私が最近開発したコミュニティ主導のオープンソースファーストAIエージェントプラットフォームであるLive Agent Studioのためのエージェントを構築することです。
このコンペティションは、私たちがそのプラットフォームに関わるための方法であり、また、これは私のクリスマスプレゼントでもあります。私はこれをクリスマスに発表しました。とてもワクワクしています。説明とピン留めされたコメントに登録リンクを載せておきますので、見逃さないようにしてください。ぜひ登録して参加し、エージェントを構築して賞金を獲得し、世界にあなたのAIマスタリーを示してください。
AIエージェントが来年のAIに時間を投資する最も重要なものだとすれば、2番目に重要なのは推論LLMとそれらを上手く扱う方法を学ぶことだと言えるでしょう。これもAIエージェントと密接に関連しており、後で話しますが、推論LLMとは、その名前が示す通り、最終的な答えを出す前に自分のプロンプトについて推論できる大規模言語モデルです。
思考の連鎖、推論時の計算など、これらはすべて同じことを意味します。実際に既存の大規模言語モデルを使用してこれらのシステムを作成し、これらの推論LLMに変換できるのは本当にクールです。だからこそ、少しチーズ臭いかもしれませんが、AGIへのチケットだと言っているのです。なぜなら、これらの既存のLLMを取り、このプロセスを通じて10倍、100倍より強力にしているからです。
OpenAIのo3は本当に良い例です。o3のことを聞いたことがないとすれば、あなたは岩の下に住んでいるでしょう。そして、同じくOpenAIからo1、Qwenからのオープンソース推論モデルQWQ、Gemini 2.0、フラッシュシンキングがあります。これらは本当に爆発的に広がっており、非常に強力です。なぜなら、現在の生成AIの2つの大きな問題を解決しているからです。完全に100%解決されたわけではありませんが、そこに近づいています。それは幻覚の問題と、LLMがエージェントとして悪い決定を下すという問題です。
そして実際、未来は推論LLMと小規模LLMを組み合わせたエージェント的ワークフローになるでしょう。小規模LLMは実際に素早く出力を生成でき、強力で高速なシステムを作ることができます。なぜなら、プロセスの中には遅くても良いけれどより強力である必要がある部分と、高速である必要があるけれどそれほど複雑ではない部分があるからです。
そして、これらの推論LLMをより小規模で高速なLLMと組み合わせることが、私が見る未来です。そこに、2025年に向けてもう一つの大きなことになると思われるドメイン特化型LLMの全体的な考え方を加えると、先ほど説明したエージェントアーキテクチャに組み込むこれらの異なるLLMを持つことになり、それが2025年に向けてイノベーションを推進することになるでしょう。
最後に、これがあなたにとって実践的な観点から何を意味するか、実際にどのスキルに投資するべきかについてですが、これらの推論LLMをプロンプトし、扱う方法を学ぶことです。なぜなら、最終的な応答を出す前に思考の連鎖を経るという全体的な考え方のために、これらは通常の大規模言語モデルとは明らかに異なる振る舞いをするからです。
そのため、それらを効率的にプロンプトし、エージェントとして使用し、また、いつどのようにそれらをエージェントアーキテクチャに組み込むかを学ぶことは、強力なエージェントを構築する上で非常に重要になります。
次に、ローカル大規模言語モデルの全領域があります。これ自体が一つのスキルです。なぜなら、ローカルLLMのハードウェア要件、それらを自分で実行する時期と方法、ファインチューニングの理解と、これらのLLMを取得してデータセットで動作させる方法、クラウド大規模言語モデルと比較してどのように使用するかなど、多くのことが関係するからです。
ここで覚えておくべき重要なことは、ClaudやGPTのような、ダウンロードして自分で実行できないクローズドLLMは、QwenやLlamaのような自分で実行できるローカルのものよりもまだ優れているということです。しかし、2025年に向けて、この格差は新しいDeep Seek V3のような新しいモデルで非常に急速に縮まっています。私たちがローカル大規模言語モデルでできることは本当に信じられないほどです。
また、既に言及したファインチューニングのように、多くの利点もあります。大規模言語モデルを取得し、自分のデータで訓練して、自分のユースケースでより良いパフォーマンスを発揮させることができます。また、LLMは自分のインフラストラクチャで実行されるため、最高レベルのデータプライバシーを確保できます。
ユースケースによっては、コストも優れています。多くの場合、これらの大規模言語モデルのAPIコストを支払う必要がないため、自分のハードウェアまたはホスティング料金のコストだけを支払えば良いのです。
そして信じられないかもしれませんが、十分なハードウェアがあれば、速度も利点の一つになることがあります。なぜなら、APIを介してインターネット経由でこれらのLLMを呼び出す際のネットワーク遅延に対処する必要がないからです。
そして最後に、しかし決して重要性が低いわけではありませんが、柔軟性があります。Hugging FaceやOlamaから自分でダウンロードして実行できるローカルLLMのオプションは、利用可能なクローズドLLMの数よりもはるかに多いのです。そして、クリエイティブライティングやコーディングなど、ドメイン特化型の興味深いローカルLLMがたくさんあります。プレイできる本当にクールなものがたくさんあり、それらはますます実用的になってきています。だから、私のチャンネルではローカルAIに多くの焦点を当てており、これからもそうしていきます。
さて、AIエージェントと推論LLM、ローカルLLMについて話してきましたが、実際の問題を解決するシステムを作成するために、これらをどのように活用すればよいのでしょうか？データベースが必要になり、大規模言語モデルをホストして提供する必要があります。システムでそれらをすべて実現するにはどうすればよいのでしょうか？
それが次のスキルにつながります。それは、AIテックスタックを見つけ、良く理解することです。AIテックスタックとは、自分やビジネスのためのシステムを作成するために組み合わせるツールとサービスのコレクションです。
先ほど言及したように、今はツールについて話していますが、機能についてではありません。しかし、最初に言ったように、機能を優先すべきですが、ある程度ツールにも焦点を当てる必要があります。なぜなら、結局のところ、それがあなたが習得している機能を構築することを可能にするからです。
オンラインには、これのような多くのリソースがあります。テックスタックの異なるカテゴリーがあり、各カテゴリーに対して持つことができるすべてのオプション、または少なくとも良い選択肢の塊を提供しています。LLM、ホスティング、データベースなど、すべての良いものです。
これがあなたに出発点を与えます。実際にこれらの一つを少し後で示します。これらのすべての異なるサービスを研究し、あなたとあなたのテックスタックに合うものを見つけるための出発点を与えてくれます。
重要なのは、あなたとあなたのビジネスに合うものを見つけ、それにこだわることです。私がC++ブートキャンプでしたように、これらのすービスのすべての細部に1ヶ月も費やして習得しないでください。
ここで重要なのは、考えすぎないことです。ソフトウェアエンジニアリング業界には、KISSという頭字語があります。これは「Keep It Simple, Stupid（シンプルにしておけ、バカ）」の略です。
もう一つ覚えておくべき重要なことは、シンプルさと再利用性のために設計することです。自分やビジネスのAIの異なるユースケースに最も使えるテクノロジーをテックスタックのために見つけてください。そうすれば、異なるアーキテクチャを構築する際に自分自身を繰り返す必要がありません。
これもソフトウェアエンジニアリング業界からの頭字語で、DRYと呼ばれます。これは「Don’t Repeat Yourself（自分を繰り返すな）」の略です。
そのため、AIテックスタックを構築する際には、DRY KISSを心に留めておいてください。自分を繰り返さず、シンプルにしておくということです。
そして本当に、テックスタックを構築する際の最大の決定、最も重要な決定は、大規模言語モデルをローカルで実行するか、つまり、自分でそれをホストし、自分でデータベースをホストし、すべてのインフラストラクチャを自分でホストするか、それともクラウドに行って、ホスティングやLLM、そのすべてのためにそれらのサービスを使用するかということです。
しかし、その決定が済めば、本当にシンプルです。これらの異なるオプションをすべて確認し、少し研究して、各カテゴリーに必要なサービスを見つけるだけです。
そこで実際に例を示し、これらのAIテックスタックの図の一つを見て、自分に合うサービスをどのように選択するかを説明しましょう。
これが、テックスタックのために使用できるこれらのAIテックスタックリソースの良い例です。これはオープンソースで、単なるGitHubリポジトリで、プルリクエストを通じて人々が実際にこのテックスタック図に追加できます。
基本的にはGitHubリポジトリのように見えますが、下にスクロールすると、テックスタックの各レイヤーに対して持つことができるすべてのオプションを示す、この大きな画像がREADMEにあります。
少し下までスクロールしてフルスクリーンにしましょう。基本的に、ベースから始めて、これらのオプションのいくつかを選び、少し研究し、おそらく簡単なPoCを構築して、何が最も良く機能するかを確認します。
例えば、既にビジネスでAWSを使用しているなら、それを続けることが理にかなっているかもしれません。そして、モデルに進みます。おそらく、構築しようとしているエージェントの特定のプロンプトでいくつかのモデルを試すか、あるいは再び例として証明するエージェントを構築し、どのモデルが最も良いパフォーマンスを発揮するかを確認します。
そして、もしRAGがエージェントの一部であれば、知識エンジンに進み、これらのいくつかを試して、どのエージェントがどの知識エンジンを使用して、知識ベースから情報を最も正確に取得するかを確認します。
要するに、いくつか試して、何が最も良く機能するかを見つけ、考えすぎないということです。これらのすべてをテストしたり、テストするために完全なエージェントを構築したりする必要はありません。シンプルに保ってください。
私はここにあるすべてに必ずしも同意するわけではなく、多くの欠けているものもあると思います。これは多くのリソースの一つの例に過ぎないことを覚えておいてください。説明の下にリンクを載せておきますが、AIテックスタックを見つけるためのリソースとして、このリソース特定の一つを最終的なものとして捉えないでください。これは単なる良い例として参考にしてください。
私のAIテックスタックがどのようなものか知りたい方のために、今それを共有します。繰り返しますが、私はツールにそれほど焦点を当てていません。機能に焦点を当てたいと考えています。そのため、これらの多くは変更される可能性があり、それが私が単に私がやっていることを共有して、それをするように言うのではなく、あなたが決定するのを助けるためのリソースを共有している理由です。
多くのことが変更される可能性がありますが、これは少なくとも年の初めに使用することを計画しているものです。また、これらの多くは長く続くかもしれません。LangGraphのような、どこにも行かないと確実に思えるツールもあるからです。
大規模言語モデルについては、おそらく最も変動が激しいですが、現在は新しいDeep Seek V3を多く使用しています。テストしたところ、素晴らしいパフォーマンスを発揮しています。そして、コンピュータで実行するモデルとしてQwenとLlamaも使用しています。
Gemini 2.0 FlashとClaude Hauは、本当に素晴らしい高速で安価なクラウドモデルです。そして、より高度な推論には多くo1も使用します。特に、WindSurfやBoltが小さなコーディングの問題で行き詰まった時に、それらをo1に投げかけます。
言語はほぼ完全にPythonとJavaScriptです。Goを学ぶのもクールだと思います。AIコーディングアシスタントとしては、Bolt.DIYとWindSurfとCursorが私の定番です。
AIエージェントフレームワークとしては、Pantic AIとLangGraphを使用しています。これは本当に素晴らしい組み合わせです。この組み合わせについての新しいコンテンツがもうすぐ出ます。そして、プロトタイピングにはFlowwiseも好んで使用しています。
データベースについては、基本的に裏側でPostgresを使用するSupabaseを排他的に使用しています。RAGのためのPG Vectorも持っているので、Pineconeのような別のサービスを使用する必要がありません。それを使用する場合もありますが、私にとってはこれが非常にうまく機能しています。
自動化にはVoiceFlowとn8nを使用しています。どちらもLive Agent Studioのハッカソンのスポンサーです。
一貫した環境のためにDockerを多く使用してアプリケーションをコンテナ化し、クラウドでのホスティングには一般的な目的でDigital Oceanを使用し、クラウドで大規模言語モデルを実行する機械にはRunpodを使用しています。
開発のテストにはPlaywright、Pytest、Pantic AIを使用しています。そして、Codo coverはまだ使用していませんが、AIを使用してAIエージェントの完全なテストを生成する新しいツールです。これはとても素晴らしいので、調査するかもしれません。そして、すべてのリポジトリテストにはGitHub Actionsを使用しています。シンプルで良いです。
LLM評価については、これは今年もっと深く取り組む予定のことで、まだあまり取り組んでいませんが、Bolt.DIYを使用して他のエージェントを評価するカスタムエージェントを作成します。つまり、大規模言語モデルを持っている場合、それをBolt.DIYでAIコーディングアシスタントとして使用し、私が持っているテンプレートをどれだけうまくコーディングできるかを確認します。
そして、RegosとPhoenixは、いくつかの注目すべき新しいツールです。特にPhoenixはエージェントのツール呼び出しを評価するためのもので、RegosはRAGパイプラインを評価するためのものです。非常に素晴らしいツールです。
最後に、ウェブを検索できるエージェントが必要な場合の検索には、最近Braveを多く使用していますが、Fireballについても近々ビデオを作成する予定です。そして、常に定番のPerplexityがあり、Search One APIも近いうちに調査する予定の別のものです。
はい、これが私のAIテックスタック全体です。繰り返しますが、完全に変更される可能性がありますが、今年使用予定のツールを共有する価値があると思いました。
これで、AIテックスタックを見つけることについて、いくつかの確実な推奨事項と共に、簡潔な概要を示せたと思います。
次の高レバレッジスキルは、大規模言語モデルを扱うことです。最も明白なのはプロンプトエンジニアリングです。シングルショット、マルチショット、思考の連鎖プロンプティングなどのテクニックを学ぶことです。これらを学ぶためのオンラインリソースは多くありますが、重要なのは、異なるLLMすべての扱い方がとても似ているからです。
各LLMをプロンプトする方法には微妙な違いがありますが、特定のLLM用にプロンプトを学ぶことは非常に低レバレッジです。しかし、これらのテクニックの包括的なことを学ぶことは非常に高レバレッジで、AIで何かをする上で非常に重要です。
また、AIコーディングアシスタントの扱い方を学ぶことも重要です。なぜなら、それは間違いなくAIの未来だからです。非技術者でもBolt.DIYのようなAIコーディングアシスタントや、WindSurfやCursorのようなAI IDEを活用して、多くの素晴らしいものを作ることができます。
そのため、AIをPAプログラマーとして使用する方法を学ぶことや、アプリケーションの大部分をAIに構築させることに時間を投資する価値は間違いなくあります。
そしてLLMの扱いに沿って、人間介在（Human-in-the-loop）の全体的な考え方があります。これは2025年に非常に大きくなるでしょう。なぜなら、AIエージェントがますます多くのことを実行できるようになるにつれて、エージェントが取る可能性のある特定のアクションを承認するために、依然として人間が必要だからです。
それが人間介在が可能にすることです。LangGraphのような本当に素晴らしいツールがこれを非常に可能にします。なぜなら、エージェントに多くのことを自分でさせ、特定のアクションのために何らかの方法でユーザーに戻ってくることは、かなり複雑になる可能性があるからです。そのため、それを学ぶ価値があります。簡単ではありません。
そして最後に、巨大なコンテキストウィンドウを活用することです。既にGeminiのようなモデルで、プロンプトに何百万もの単語を入れることができるモデルを見ています。2025年に向けて、そのようなことが可能なモデルがさらに多く登場するでしょう。
これは、LLMの扱い方について全く新しいパラダイムです。プロンプトにそれだけ多くの情報を与えることができます。そのため、これらが広く利用可能になったときに、実際にそれらをどのように活用できるかを学ぶことに時間を費やすことは非常に重要です。
さて、この時点で私はたくさんのことを説明してきました。そこで今、すべてをまとめ、また、私のチャンネルで今年、これらすべてを非常にまとまりのある方法で組み合わせて、あなたに信じられないほどの価値を提供する方法についてお話ししたいと思います。
はい、すべてをまとめましょう。AIのための完全なオープンソースAI実現スタックを想像してください。先ほど話したすべてのツールとサービスを含むあなたの完全なテックスタック、ビジネスのユースケースに基づいて選択できる事前構築されたエージェント、すべてのアプリケーションの作成を支援するAIコーディングアシスタント、ローカルとクラウドのセットアップを選択する能力、そして最後に、簡単に始められるように支援し、すべてのベストプラクティスの実装を支援する広範なドキュメントを想像してください。
これは私の夢であり、今年、心と魂を込めてあなたのために取り組むことです。これは、あなたに信じられないほどの価値を提供する最良の方法だと私が考えたものです。なぜなら、このオープンソースAI実現スタックを持つことで、AIを始めるのがとても簡単になるからです。
これに非常に興奮しています。私のコンテンツの多くが今年、これに向けられることになります。なぜなら、このビデオで既に話した2025年の大きなことになる重要なトピックすべてをカバーするからです。
最後に、これはスキルではありませんが、同様に重要です。それは、他の人々と一緒に学び、成長するためのAIコミュニティを見つけることです。AIの野生のような旅を一人で進みたくはありません。また、「あなたのネットワークがあなたの純資産」というチーズ臭い言葉は、AIにも間違いなく当てはまります。
コミュニティを見つけてください。素晴らしいコミュニティがたくさんあります。私自身が素晴らしいものであることを確認しているため、心から推薦できるものの一つは、Automator Think Tankです。Automatorは私のプラットフォームで、Think Tankは私たちがAIで成功するために必要なすべての知識、ネットワーキング、リソース、ツールの中心的なハブとして構築してきたコミュニティです。
また、それはBolt.DIYコミュニティのホームでもあり、そこで私たちは最高のオープンソースAIコーディングアシスタントを構築しています。そこでは本当にワクワクすることがたくさん起きています。
これは、私が話したすべてのスキルをまとめる良い方法です。なぜなら、コミュニティを持ち、他の人々と成長することは、実際にこれらの高レバレッジな機能を習得していることを確認する最良の方法だからです。
以上です。2025年に向けてAIで焦点を当てるべき最も重要な高レバレッジスキルについて、一緒に説明してきました。このビデオの冒頭で言ったように、これができる限りあなたとの会話のように感じてほしいと本当に思います。
そのため、AIエージェント、推論LLM、ローカルAI、または今話したことについて、大きな見落としがあると思うか、あるいは何か考えがあれば、コメントで教えてください。
また、Live Agent Studioハッカソンコンペティションに参加してください。賞金を獲得し、世界にあなたのAIマスタリーを示す素晴らしい方法です。そして、私たちが信じられないようなことをしているコミュニティの一部になるのは素晴らしいことです。
もしこのコンテンツを評価し、これらすべてのトピックについて今年私が用意しているすべてのことを楽しみにしているなら、いいねと登録をしていただけると嬉しいです。
では、次のビデオでお会いしましょう。
コメント