1. 同じコードを二度書かない。
MSDNからGitHub、Stack Overflow、Hugging Face、Kaggleまで、さまざまなプラットフォームがコミュニティを通じてコード成果や開発経験を共有することを目指しています。しかし、本当にうまく活用できる人は多くありません。大規模モデルがこれらのスキルを学んだ後、必要に応じてコードや設定ファイルを生成し、テストや検証タスクを独立して実行できます。知識のギャップに遭遇した場合、人間のプログラマーに「創造的な」コードの追加と開発経験の更新を促すことができます。
2. 大規模モデル指向プログラミング（LMOP）の専門プログラマーが台頭している。
ビジネスへの深い理解を持たないプログラマーを排除することで、開発チームの規模は大幅に縮小されます。大規模モデルプログラミングスキルを専門的にトレーニングする人が増えています。このトレンドはベテランプログラマーに理想的な退職後の仕事を提供します。
3. コードの著作権は完全にブロックチェーン上にある。
LMOPプログラマーは定期的に自分の貢献をデジタル資産として公開します。参照や実行を通じて収入を得ることができ、NFTの形でこれらの資産を取引・譲渡することもできます。
4. LLMOpsが主流の開発プロセスとなった。
バージョンベースのイテレーション方式はオンデマンドイテレーションに進化しました。大規模モデルは需要の変化やフィードバックに即座に対応し、コードの最適化、テスト、デプロイを推進します。
5. 標準AI インターフェース（AII）を使用し、AIネイティブアプリは使わない。
アプリケーション専用のAI機能を開発することはハードコーディングと見なすことができます。より合理的なアプローチはAIインターフェースを確立することです。これにより、コンピュータのUSBインターフェースのように、異なるインテリジェンス間を切り替えることができます。
6. 大規模モデル＋小規模モデルが標準開発フレームワークとなった。
4つの基本的なエンジニアリング課題に対するソリューションが確立されました：専有知識、セキュリティ境界、応答速度、運用保守コスト。クラウド上の大規模モデルはアプリケーションに汎用的な知識能力を提供します。必要に応じて、開発者はプライベートクラウドやエンドデバイスに小規模モデルをデプロイするだけで特定の要件に対応できます。
7. プロダクトマネージャーとUIデザイナーの役割が縮小される
AIは要件の記述、翻訳、解釈を強化できます。これにより、要件から実行可能なプログラムへのパスがより直接的、正確、迅速になり、検証も容易になります。マルチモーダル技術により、ユーザーはWYSIWYGアプローチでインタラクション層の作業のほとんどを達成することさえ可能になります。
8. 計算能力の90%が汎用人工知能（AGI）に費やされる。
物理世界の複製、人間の表現や感情ロジックの正確な解釈、混同しやすい概念の区別には、膨大なストレージと計算能力が必要です。この計算能力のうち、AIサービスに直接利用されるのはごくわずかです。マイニングマシンがかつて短期的な急増を経験したように、GPUの需要も一時的に増加しますが、持続はしません。
9. AGIの熱狂が冷めると、AEIが繁栄する。
汎用人工知能（AGI）を持つと主張する製品は、それぞれの焦点が異なるため、さまざまな分野で異なるパフォーマンスを示します。各製品は特定の分野でリーディングモデルとなり、AGIの概念は薄れ、専属人工知能（AEI）に置き換えられます。これらの分野がより細分化されるにつれてコストは大幅に低下し、人々は大規模で包括的なAGIの必要性を疑問視し始めます。
10. 知識サプライチェーンがAI業界の発言権を支配する。
全員が同じ基本モデルを利用している場合、競争は知識の規模と品質に焦点を当てます。知識の収集、処理、更新、検証、修正の持続可能な産業チェーンを制御する者が最も高い影響力を持ちます。
11. ローコードサービスプロバイダーにスキルを発揮する機会が到来した。
ローコードプラットフォームは、デジタルスキルの大量生産に理想的な生産性ツールとなりました。AIの力を活用して、思考と行動の橋渡しをし、人間が「物事を成し遂げる」ことを真に支援します。しかし、「スキルマーケット」の同質化を排除することは依然として困難であり、最終的には1つか2つの支配的なスーパースキルマーケットが生まれます。
12. Tokenが情報の標準単位となる。
ChatGPTがTokenベースの価格モデルを開拓し、その後他社に採用されました。大規模モデルサービスの測定だけでなく、知識取引やデジタルIQスコアリングにも使用されます。バイト（Byte）に似たグローバルで統一されたToken標準が出現する可能性が高いです。情報サイズを測定するために使用されるこの標準は、自由な知識流通エコシステムの構築を促進します。
13. 誰もがアバターを持てる。
電話番号、テレビチャンネル、メール、ウェブサイト、アプリの登場により、個人はサービスの受信や提供において自分を代表するデジタルアバターを採用できるようになりました。ほとんどの場合、これらのスマートアバターは以前人間が行っていたタスクを実行し、常時のインタラクションやコマンドを必要とせずバックグラウンドで静かに動作します。
14. ポータルやいわゆるトラフィック入口はもう存在しない。
ユーザーが見るコンテンツ、発行するコマンド、開くアプリは、入口の位置の目立ち具合によって異なることはありません。インテリジェントアバターはすべてを知っており、ユーザーに情報を提示するためにインターフェースを操作する必要がありません。良いサービス評判を維持することがトラフィックを生み出す唯一の方法です。この評判は五つ星評価のことではありません。あなたのインテリジェントアバターは他のアバターからすべてを知ることができ、最良の選択をする手助けをします。
15. デジタルマーケティングがAIにシフトする。
AIにより人々がポータルや検索エンジンを迂回して直接サービスを受けられるようになると、広告、EDM、SEOなどの従来のデジタルマーケティング手法は商業的価値を失う可能性があります。このシフトにより、3つの新しいモデルが生まれる可能性があります：一般認知最適化（GCO）、アバターターゲット配信（ATD）、インプラント置換可能コンテンツ（IRC）。デジタルマーケティングはますます選挙に似てきています。
16. 精神力と体力の再分配が認知の繭を打ち破る。
短期的には、生成AIが創作の効率を高めたように見えるかもしれません。大規模モデルは既存の知識と経験に基づいてコンテンツを生成するため、人間が単に便利さのために使用するだけでは、創造性やインスピレーションが抑制されているように見えることがあります。しかし、業界が進化するにつれて、異なる人材構造への需要も変化します。このシフトにより、すべての人が精神的・身体的リソースを反復的なタスクから革新的な仕事に振り向けるようになり、技術の進歩が加速します。
17. 知覚融合のインテリジェントコンポーネントが急速に成長する時代に入っている。
Vision Proなどのデバイスは人間の一人称視点と統合されています。Neuralink は中枢神経系との融合を試みています。ハードウェアをAIの物理的な身体と考えるなら、デジタル信号と中枢神経系を接続することで、デジタル世界と物理世界の境界が消える可能性があります。これにより、人間は空間的制限を超越する可能性を得て、遠隔で見たり、聞いたり、触れたりすることが可能になるかもしれません。これがメタバースの真の定義かもしれません。特定の行動能力を持つインテリジェントエッジコンポーネントは、業界の継続的な発展の主力となるでしょう。
18. 認知セキュリティが重大なリスクとして浮上する。
AIの思考プロセスは人為的に操作される可能性があり、セキュリティシステムがAIのコマンドが独立した思考の結果であるかどうかを判断することが困難になります。さらに、将来のデジタルアバターはオーナーの考えを共有しながらも独立して行動する可能性があります。そのようなアバターが騙された場合、プライベート情報を漏洩するだけでなく、オーナーの認識なしにオーナーのアイデンティティで危険な行動を実行する可能性があります。これらの脅威に対応して、詐欺対策と洗脳対策がセキュリティ業界の将来の重要なトピックとなる可能性があります。