生活とコンピュータ５６・ＡＩに奪われる職は・わずか５％（ブルームバーグ）：ＭＩＴの著名経済学者 ・「私は人工知能（ＡＩ）悲観論者ではない」とインタビュー開始早々に宣言
ＡＩの可能性は認めている
マサチューセッツ工科大学（ＭＩＴ）の・アセモグル教授は
迫り来る・経済金融の危機を警告する悲観論者的な声を上げるのは
・ＡＩへの熱狂や
・それがあおる投資ブームと
・驚異的なハイテク株急騰が
とどまるところを知らないからだ・・
ＡＩがどれほど有望であろうと
・その過剰な期待に応えられる可能性は非常に低いと・
ＡＩに奪われる職・少なくともＡＩに大いに依存する職は
向こう10年でわずか５％に過ぎないと・・・同氏の計算だ
労働者には朗報・巨額を投じている企業にはとても悪いニュースだ
「多額の資金が無駄になるだろう」・「５％では経済の革命は起きない」と
ウォール街や全米の企業経営者の間で過熱するＡＩへの熱狂に・警告する声は
高まっており・氏の発言は特に注目されている
（10年前『国家はなぜ衰退するのか』がベストセラーに）
ＡＩバブルに審判の時が来ると確信＝ゴールドマンの株式調査責任者
強気派の主張は・ＡＩが業務の大半を自動化し・技術進歩の継続に伴い
医療と科学が飛躍的に発展し・新時代を・と・・
ブームの代表格エヌビディアのジェンスン・フアン（ＣＥＯ）は
ＡＩ技術は幅広い企業や政府に求められ・データセンターの機器更新で
数年内に１兆ドル（約146兆円）の支出が必要になると・・予測
こうした見方に対して・懐疑的な意見も聞かれるようになった
マイクロソフトやアマゾンといった企業で・ＡＩ投資のコストが急増し
それに見合った収入増がみられないことが一因だ
しかし投資家のほとんどは高いプレミアムを払ってでも
ＡＩの波に乗りたい姿勢を崩していない
今後数年で展開が考えられるＡＩのシナリオ
アセモグル氏は以下の３つを想定している。
このうち最も可能性が高いのは
第２と第３のシナリオの組み合わせだと考えている
・企業経営者の間ではＡＩブームに乗り遅れたくないという気持ちから
熱狂マシンが近くスピードを落とすことが
見えなくなっていると・同氏は指摘
（ 勝手に解説：マシンの発展が取り込むべきデーターの
膨張速度に・ついていけない ・・）
「熱狂が強まればその分・転落は生ぬるいものではすまなくなる」と・
企業の４－６月（第２四半期）決算は・熱狂的な支出規模を浮かび上がらせる
マイクロソフトとアルファベット・アマゾン・メタの４社だけでも同四半期に
500億ドル余りの設備投資を行っており・その多くがＡＩ向け・だった・・
オープンＡＩの「ChatGPT（チャットＧＰＴ）」のような
大規模言語モデル（ＬＬＭ）には多くの点で感心させられる・と語る
だから多くの職業でＡＩが人に取って代わる・あるいは大きな助けになることは
可能ではないかという疑問が浮上する・・
同氏はこの疑問に対し・信頼性の問題と・人間レベルの英知もしくは
判断力の欠如を指摘・人間が多くのホワイトカラー職をＡＩに奪われる可能性は
低いと論じた・
ＡＩはまた・建設や清掃作業などの肉体労働を自動化することもできないだろうと
「これまで人間の労働者が担っている作業工程をＡＩモデルが正しく実行するには
高度に信頼できる情報や能力が必要になる」と・・
「コーディングのように・人間（勝手に補足：ベテランの専門家）の監督下で
ＡＩがこなせる分野はいくつかあるが・大半の場合は不可能だ」と述べた
「これはわれわれが今置かれている・現実に向き合うということだ」と・・
＝ 私も同感 ＝（誰だ？お前は・）
楽しさがてんこ盛りで・ワクワクする 会話型A I は
メッセージ送信に気軽に答えてくれる・５０年間待った A I は
常に微修正が・全てに必要＋展開の補正も・不可欠・デス
特別な存在の専門家・出来る人達のツールに最適・・か？
日々・続々とキャッチーなコピーを生み続け・人の心を掴むライター業
トップに君臨するチェス・囲碁・将棋の棋士が求める・新手
最先端のアイデアを次々に求める・起業家さんの・発想や創造力に
刺激やヒントを・与えられるかもしれない・・
もしくは言葉で表現できても・描画が不得手な人のスケッチ代行
次々と作り流されるフェイク作成・などにも
奪われる職？
クリエイティブの要求頻度と要素が極端に少ない・平凡に繰り返される
完成された複数のタスクを＝毎日こなす＝ 平均的ジョブに
ＡＩから：Net上の何処かに必ず存在する・整理し組み替えられた
過去の情報を取り込んだ時点に遡り・再現されても・ベストセラーは？
事故の絶えない・まだまだ時間が必要な・車の自動運転に期待し
不要になってしまった職種（銀行・証券などの駅前支店・メディア・）の
蒸発とリストラを除き
これほど自動化と省力化が進んだ工場やオフィスで
さらに何％省人化・無人化・デキマス？
＝ A I の始まりは・毎年類似画像を・自動的に比較・判別するアプリの
・コンクールから生まれて来た ＝
一部業務の負荷を軽減（目視検査・指名手配？）できても
仕事には責任が付きまとう・・
不都合な残り数％の誤りのために・今までの作業を省略できマス？
と・思う私は・チップ化されたノイマンの
初期の頃のエンジニアでした・ゴメン・短く省略出来ませんでした
ーー 始まりの頃の基本学習資料 ーー
・Deep Learningのライブラリ
Theano(2009): 歴史が長くサンプルコードが多い
Caffe(2014): 画像処理に強いサンプルコード多い
Keras(2015): Theano/TensorFlowのラッパーでシンプル
TensorFlow(2015): Google製 iOS/Android対応 （翻訳用LLM）
MxNet(2016): Kaggleの最強識別器を作ったチーム製
言語はほとんどPython ダッタ
・画像認識コンペティション
ImageNet
ImageNet Large Scale Visual Recognition Challenge
・代表的なCNN
AlexNet – トロント大(カナダ)
GoogLeNet – Google
VGGnet – オックスフォード大(イギリス)
・・今の詳細は知りたくない？？？