ソフトウェアエンジニアにとっての生成AI - 特性を知って使い倒す / generative ai for software enginner

2026年8月15日の登壇資料です

Transcript

1. ソフトウェアエンジニアにとっての生成AI 特性を知って使い倒す 2026年8月15日 きしだ なおき
2. 自己紹介 • • きしだ なおき X(twitter): @kis • • blog: きしだのHatena • • サブスクも始めました。 (nowokay.hatenablog.com) 「プロになるJava」というJavaの本を書いてます 08/15/2026 2
3. プログラミングとは • • やりたい情報を操作を機械的に処理できるよう記述すること 記述の精度高く、記述可能な範囲を広げ、動きの効率や信頼性を あげるのが技術 3
4. その前にAIを使うこころ構え • • 考える前にプロンプトを投げる AIが遊んでるならなんかプロンプトを投げる • AIを使うかどうか迷うならとりあえずプロンプトを投げる • 試行錯誤のコストが激減してるので試行を100倍まわす • • 実際には100倍まわす前にアイデアがつきる • • 3ヶ月かかってたことが1日でできる そこからが勝負 律速は人の評価 • • フィードバックを受けて改善が必要だけどそれはAIで速さはかわらない どんどん出してたくさんフィードバックをうけるべき
5. プログラミングとは • • やりたい情報を操作を機械的に処理できるよう記述すること 記述の精度高く、記述可能な範囲を広げ、動きの効率や信頼性を あげるのが技術 6
6. プログラミングの技術 • • • • • • • • 要求定義 ソフトウェア構成 コード構成 データ構造 アルゴリズム テスト 開発ワークフロー ハードウェア知識
7. AI時代では？ • • 「記述の精度を高く」 LLMの気持ちになってプロンプトを書きコンテキスト制御する
8. LLMの仕組み • アテンションで文章の構造や要点を把握してニューラルネットで 考える https://developer.nvidia.com/blog/new-open-source-qwen3-next-models-preview-hybrid-moe-architecture-deliveringimproved-accuracy-and-accelerated-parallel-processing-across-nvidia-platform/
9. アテンションの特性とその対処 • • • • 単語がどの単語に注目するかを計算する 否定が効きにくい 繰り返したものが強調されやすい 間違いが繰り返されると間違いが 強調される • • 間違い本文のほうが「それは違う」より 単語が多い 間違いが繰り返されてきたら セッションを切り替える
10. ニューラルネットの特性 • 文から導かれる答えの確率をネットワークの中で高めていく • • 最終的に確率の高いひとつの答えを選ぶ 「226-68=」の答え(158)を出すとき • • • 逆の推論が苦手 • • 答えが150から180の間にあるときに発火するニューロンが反応 下1桁が8のときに発火するニューロンが反応 158になる式は？ 複合的な問題が苦手 • 身長226cmのバスケ選手より68cm低い人は日本男性で背が高いほう？ • 158の確率が高まるけど背が高いかどうかの確率につながらない
11. ニューラルネットの特性への対処 • • ネットワークサイズを増やす 学習量を増やす • • • 逆の推論を学習 複合的な問題を学習 使う側ではできない
12. ニューラルネットの特性への対処 • 知識を吐き出させる 「身長226cmのバスケ選手より68cm低い人は日本男性で背が 高いほう？」 • 身長226cmのバスケ選手より68cm低い人の身長を出す • 日本男性の身長分布を出す think step by step • • • • 自動でやるCoT(Chain of Thought)が主流 大枠で指示を行う • • 「調査してまとめて実装方針を出してから実装して」 思考をみて検証できる
13. まとめ • • • ソフトウェアをエンジニアリングすることはかわらない LLMを知って制御が必要 試行のコストが激減してるので、思いついたものは全部プロンプ トをなげて限界をしる • • • 思ったよりいろんなことができる 思ったよりいろんなことができない 悩んでるあいだにプロンプト投げて考えよう