今日も自力で起きられなかった双子2号君。(笑)明日は頑張れ。最近、バッティングホームを少し変えた、と詳しく説明していた。こういうことを屈託なくトーさんに言うところが面白い。無愛想な次男はそういうことは全く話さない。兄弟でも個性はそれぞれ違う。当たり前だけど。

快晴だけど強風が吹きすさび、海は大荒れ。出勤すると、オフィスの窓から空高く大量の木の葉が舞い上げられているのが見えた。私のオフィスは17階なのだけど、この状況。観察すると、やはりケヤキの着果短枝がかなり多い。風による種子の拡散に効果があることを実感させられる。

食事出た時に外を歩いたら、地面に大量に着果短枝が種付きで落ちていた。

今日は仕事で昨日のクロ現でやっていたAIで自作アプリが簡単に作れます、という話を考察する必要があり色々考える。そして私は仕事用にPCでpythonを使ってアプリを色々作っているけど、スマホ、iPadなどでアプリを作ったことがない。なのでやり方を知らないことに気付く。pythonとかファイル管理とかしないでどうやるんだろう?ということで調べると、HTMLとJavaScriptでブラウザー上で動かすアプリを作るものらしい。コードはAIチャット上に保存されて、そこからいきなり実行で自分でファイル管理とかはなし。なるほど。PCよりさらに簡単そう。

ということで私もGeminiでなんか作ってみようと考える。でも特に必要なものもないしなー、としばし思案。そしてPCで作った侍RPGクイズゲームをGeminiに作らせようと思いつく。ただし、どういうゲームか、文字で説明するのはめんどくさい。なのでこの日記にも上げたプレイ画面の動画をGeminiに放り込んで「このようなゲームをHTMLとJavaScriptで書いて」とやってみた。私は横着者なので。Geminiは一回「PC版のコードをもらえればより解像度の高いものができますが。」と聞いてきたけど、それは業務PCの中なので渡せません、と言ったら、動画を参照に作ります、と答えた。そして数分で出して来たのがこれだ。

これは実は非常にすごいことだ。私はプレイ動画を見せただけで、ゲームのルールやロジックはまったく説明していない。AIが動画を見てその内容を読み取り、データ化して内容を把握したことになる。その上でルールやロジックを推論して、それを別種のコードで構築して出力してきたわけだ。元々コンピュータというのは、文字や数字で記号化された情報しか読み取れない機械だった。しかし現在のAIは画像や音声も理解できる機能を急速に向上させており、Geminiやchat GPTは動画も読み込んで理解できる。マルチモーダルと言うらしい。動画であれ音声であれ、読み取って内容をAIが理解した、ということは、映像も音声も何らかの文字と記号で書き表されていることになる。空海は「六塵悉く文字也」とこの世のあらゆる事象は文字に表せる、と言ったが、AIはまさに今、六塵をことごとく「文字」にして読み取っているのだ。

ちなみに今回はゲームのプレイ画面から、同じゲームを作らせたけど、このAIのマルチモーダル機能を考えれば、動画はなんでもいいことになる。例えば、人間が演じる様子を動画に撮って、ゲーム的なロジックになるように編集して「こういうストーリーのゲームを作って」とAIに指示すれば、多分向こうが考えていい感じに作ってくれるだろう。演じなくても白板に書きながら説明とかでもokかもしれない。

世界はマルチモーダルへ。ますます様々なボーダーが消えている状況だと思われる。