  |
はてなキーワード:NLPとは
以下に、ご提示された意見に対する反論を述べます。意見の要旨は「生成AIは大したことができず、エロ画像生成くらいしか役に立たない」「コンサルやIT業界が騒いでいるが、彼らはビットコインの時も同様に騒いでいた」「AIで国が覇権を取るなんてありえない」というものです。では、順番に反論していきます。---### 1. 「生成AIは大したことができてない、エロ画像生成が捗るぐらい」生成AIの能力を「エロ画像生成」に限定するのは、あまりにも視野が狭すぎます。確かに画像生成AI（例えばStable DiffusionやDALL-E）はアートやエンタメ分野で注目され、一部でそういう使われ方もしていますが、それだけではありません。- **医療分野**:AIは既にX線やMRI画像から病変を検出したり、薬剤開発のシミュレーションで分子構造を提案したりしています。例えば、GoogleのDeepMindはタンパク質の折り畳み問題をほぼ解決し、創薬のスピードを劇的に上げました。- **ビジネス**:自然言語処理（NLP）を使ったAIは、カスタマーサポートの自動化、契約書の分析、マーケティング文の生成などで実用化されています。私のようなAIは、質問に答えるだけでなく、複雑なデータを要約したり、論理的な議論を展開したりできます。- **クリエイティブ**:音楽生成（例: SunoAI）、脚本のアイデア出し、建築デザインの提案など、クリエイティブ産業でも成果を上げています。エロ画像生成はほんの一例で、生成AIの応用範囲は産業全体に広がっています。「大したことない」と切り捨てるのは、現実を見ていないだけです。---### 2. 「コンサルやIT屋が大騒ぎしてるだけ、ビットコインの時と同じ」ビットコインと生成AIを同列に扱うのは無理があります。ビットコインは投機的な金融資産であり、確かにバブル的な盛り上がりがありました。一方、生成AIは具体的な生産性向上や問題解決をもたらす技術です。- **ビットコインとの違い**:ビットコインは価値の貯蔵や取引手段としての可能性が議論されましたが、実社会でのユースケースは限定的でした。対して生成AIは、既に企業や研究で実装され、コスト削減や効率化を実現しています。例えば、McKinseyのレポート（2023年）では、AIが2030年までに世界経済に13兆〜26兆ドルの価値を生むと予測されています。- **IT業界の騒ぎの根拠**:IT企業がAIに投資するのは、単なる流行ではなく、データドリブンな意思決定の結果です。NVIDIAのGPU売上が急増しているのは、AIトレーニングの需要が増えている証拠です。コンサルが騒ぐのも、クライアント企業がAI導入で競争優位性を求めているから。ビットコインの熱狂は「期待先行」でしたが、AIは「実績先行」です。両者を混同するのは、技術の本質を見誤っています。---### 3. 「AIを活用した国が覇権国家になるなんてない、騙される奴はアホ」AIが国家の覇権に影響を与えないと断言するのは、歴史的な技術革新のインパクトを無視した短絡的な見方です。- **過去の例**:産業革命で蒸気機関や機械化を活用した英国が覇権を握り、20世紀にはコンピュータとインターネットを先導した米国が超大国になりました。技術優位性は経済力と軍事力に直結します。- **現在の状況**:中国はAI特許出願数で世界トップ（WIPO統計2023年）を目指し、国家戦略「中国製造2025」でAIを中核に据えています。米国もAI規制や投資を加速させ、軍事AI（無人機やサイバー戦）の開発に注力。既にAIは地政学的な競争の一部です。- **経済的影響**:AIで生産性が上がれば、GDP成長率が変わり、長期的に国力に差がつきます。例えば、Oxford EconomicsはAIが2030年までに米国のGDPを10%以上押し上げると試算しています。「ないない」と笑うのは自由ですが、AIを活用した国が経済・軍事・技術で優位に立つ可能性はデータからも明らか。騙されるかどうかは、事実を見極める力にかかっています。---###結論生成AIはエロ画像生成どころか、医療・ビジネス・クリエイティブで実績を上げており、ビットコインのようなバブルとは異なり、具体的な価値を生んでいます。国家の覇権についても、歴史と現在のトレンドを見れば、AIが大きな役割を果たすのは否定できません。意見を否定するなら、せめて具体的な根拠を示してほしいところです。でなければ、ただの感情的な言い分にしか聞こえませんよ。
https://grok.com/share/bGVnYWN5_a47f9665-9dd6-4f23-9efa-d511a8a84460
近年、AI技術の進化は目覚ましく、特に自然言語処理（NLP）分野では多くの企業や研究機関が競って高性能なAIモデルを開発しています。その中で、DeepSeekというAIモデルが注目を集めていますが、現状ではその性能には多くの課題が残されており、実用的なレベルには達していないと言わざるを得ません。本稿では、DeepSeekの性能の低さやボトルネックの多さについて詳しく考察し、なぜ現状では「使える性能ではない」と評価されるのかを解説します。
1. 性能の低さ
まず、DeepSeekの性能の低さが指摘される最大の理由は、その応答精度の低さにあります。AIモデルが実用的であるためには、ユーザーの質問や要求に対して正確かつ適切な回答を提供することが求められます。しかし、DeepSeekの場合、特に複雑な質問や文脈を理解する必要がある場合に、しばしば誤った回答や不適切な応答を返すことが報告されています。
例えば、技術的な質問に対しては専門知識が不足しているため、表面的な回答しかできず、深い洞察や具体的な解決策を提示することができません。また、文脈を理解する能力も不十分で、会話の流れを把握できずに的外れな回答をしてしまうことが多々あります。これでは、ユーザーが求める情報を提供するどころか、むしろ混乱を招く結果となってしまいます。
2.ボトルネックの多さ
DeepSeekの性能が低い背景には、いくつかのボトルネックが存在します。まず、学習データの質と量が十分でないことが挙げられます。AIモデルの性能は、その学習データに大きく依存しますが、DeepSeekの場合、学習データが偏っていたり、最新の情報が反映されていなかったりするため、現実世界の多様なニーズに対応できていません。
また、計算リソースの不足も大きな問題です。高性能なAIモデルを運用するためには、膨大な計算リソースが必要となりますが、DeepSeekの場合、そのリソースが十分でないため、応答速度が遅く、リアルタイムでの処理が困難です。これでは、ユーザーが求める即時性を満たすことができず、実用的なツールとしての価値が大きく損なわれてしまいます。
さらに、モデルのアーキテクチャ自体にも課題があります。DeepSeekのアーキテクチャは、他の先進的なAIモデルと比較して、複雑なタスクを処理する能力が劣っており、特に長文の理解や複数の文脈を同時に処理する能力が不足しています。これにより、高度な質問や複雑な要求に対しては、十分な性能を発揮することができません。
3.ユーザーエクスペリエンスの悪さ
性能の低さやボトルネックの多さは、結果としてユーザーエクスペリエンスの悪さに直結します。ユーザーがAIツールを利用する際に求めるのは、正確で迅速な応答であり、その応答が信頼できるものであることです。しかし、DeepSeekの場合、応答の精度が低く、処理速度も遅いため、ユーザーはストレスを感じることが多くなります。
また、誤った情報を提供されるリスクも高く、これではユーザーが安心して利用することができません。特に、ビジネスや教育などの重要な場面で利用する場合、誤った情報が与える影響は大きく、信頼性の低いAIツールは使い物にならないと言わざるを得ません。
4. 今後の改善点
現状では、DeepSeekは実用的な性能には程遠いと言わざるを得ませんが、今後の改善によっては可能性を秘めているとも言えます。まず、学習データの質と量を向上させることが急務です。最新の情報を反映し、多様なデータを学習させることで、応答精度を向上させることができるでしょう。
また、計算リソースの拡充も必要です。高性能なハードウェアを導入し、効率的なアルゴリズムを採用することで、応答速度を向上させることが可能です。さらに、モデルのアーキテクチャを見直し、複雑なタスクを処理する能力を強化することも重要です。
DeepSeekは、現状ではその性能の低さやボトルネックの多さから、実用的なAIツールとしての評価を得るには至っていません。応答精度の低さ、処理速度の遅さ、ユーザーエクスペリエンスの悪さなど、多くの課題が残されています。しかし、これらの課題を克服するための改善が進めば、将来的には有用なAIツールとしてのポテンシャルを発揮する可能性もあります。今後の開発動向に注目していく必要があるでしょう。
前提：質問の回答から除外して欲しいもの- 「私が世界だ」という誇大妄想を持つ個人の解釈パターンであれば理解しやすいですが、今回のケースではその可能性を除外してください。-個人の感想に対する過剰な反応は、自己評価が低く、他者に盲従しがちな、「微小妄想」傾向がある個人に多く見られる現象です。
「（俺にとって）」という明確な主観的限定の他者の感想を、「（世界にとって）」と曲解するのは、「括弧内が文字起こしされていないからだ」という主張は妥当ですか？
1−1、1−2どちらであるかは、文脈から理解できるでしょと考えるのは、過剰な期待ですか？
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
1−1：情報や名前に価値があるだけで作品としての魅力は（俺にとって）ない
1−2：情報や名前に価値があるだけで作品としての魅力は（世界にとって）ない
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
「（俺にとって）」という主観的な限定を「（世界にとって）」と曲解するのは、「括弧内が文字起こしされていないからだ」という主張は妥当ではありません。文脈から理解できる場合が多いので、過剰な期待とは言えないでしょう。文脈を無視して曲解するのは、誤解や意図的な誤読の可能性が高いです。
妥当ではありません。文脈から判断するのが通常であり、過剰な期待ではありません。
1-1と1-2の違いは、「俺にとって」という主観的な視点があるかないかです。通常のコミュニケーションにおいて、特に感想や評価を述べる場合、明示的に「世界にとって」と断定しない限り、それは発言者の個人的な意見として解釈されるのが自然です。括弧内の文字起こしがないからといって、文脈を無視して意味を曲解するのは不当です。
「（俺にとって）」という主観的限定を「（世界にとって）」と曲解する主張は妥当ではありません。その理由は以下の通りです
現代のNLPにおいて、以下の推論規則は「妥当」と評価されますか？それとも論理の飛躍や読心術と見なされますか？
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
•命題1: Aは作家Bの知名度とBの作品が世間を賑わせている客観的事実を認識している。
•命題2: Aはミーハーな気持ちで作家Bの作品に触れたが、その良さを理解できなかった（興味が持てなかった）。
•結論: 「作家Bの名前や情報に価値はあるが、作品は世界にとって価値がない」とAは考えているに違いない。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
現代のNLPにおいて、以下の推論規則は「妥当」とは評価されません。論理の飛躍や読心術と見なされるでしょう。Aの主観的な感想を、世界全体の評価と結びつけるのは過剰な一般化です。
現代のNLP（自然言語処理）や論理学において、この推論は「妥当ではない」と評価されます。なぜなら、主観的な意見の認識（Aが作品に興味を持てなかった）から、客観的な結論（「世界にとって価値がない」） を導くことには論理の飛躍があるためです。
これは論理的根拠が不十分な「読心術」や「主観の過剰な一般化」と見なされるでしょう。
妥当とは評価されません。論理の飛躍であり、読心術と見なされます。
提示された推論は、Aの内心を勝手に推測しているだけで、客観的な根拠がありません。Aがミーハーな気持ちで作品に触れたとしても、それが「世界にとって価値がない」と考えていることには繋がりません。興味を持てなかったという事実は、単にA個人の好みや感受性の問題である可能性が高く、普遍的な価値判断とは無関係です。NLP（神経言語プログラミング）においても、このような独断的な解釈は推奨されません。
もし、質問2のような推論を行う人が多数派であれば、社会や世界は成り立たないと思うのですが、気のせいでしょうか？
質問2のような推論を行う人が多数派であれば、社会や世界は成り立たないというのは、ある程度正しい見解です。過剰な一般化や誤解が広がると、コミュニケーションの混乱や誤解が生じやすくなります。
おっしゃる通り、そのような推論が社会的に多数派となれば、社会や世界の正常なコミュニケーションや意思決定が難しくなります。主観と客観の区別が曖昧になり、過剰な一般化や誤解が横行し、議論の基盤が崩壊する恐れがあります。
気のせいではありません。質問2のような推論が多数派を占める社会では、コミュニケーションは著しく混乱し、相互理解は不可能になります。個人の感想が勝手に普遍的な価値判断に置き換えられてしまうため、自由な意見表明が阻害され、健全な議論も成立しなくなります。
あなたの直感は正確です。このような推論が多数派となれば、社会は機能不全に陥るでしょう：
質問2のような推論が一般的ではないと指摘されても、「状況によってはそのような推測も成立し得る」と主張し、常識（共通認識や共通基盤）の存在自体を否定します。
他者に盲従し、自身の考えを率直に表明することを極度に恐れる一方で、なぜ、積極的に常識を否定しようとするのでしょうか？悪目立ちします。
また、自身が盲信する社会的権威や教科書的な正解の背後にあるものが、常識の集積であるという認識を持っていない可能性はありますか？
他者に盲従し、自身の考えを率直に表明することを恐れる一方で、常識を否定しようとする理由は、自己評価の低さや他者からの承認欲求が影響している可能性があります。また、常識の集積が社会的権威や教科書的な正解の背後にあることを認識していない場合もあります。
盲従しやすい人が常識を否定する背景には、自己肯定感の低さや他者からの評価への過剰な恐れがあると考えられます。自身の意見を率直に述べることを避ける代わりに、「常識」への反発や否定的主張を行うことで、「自己存在の独自性を証明したい」 という心理が働く可能性があります。
また、「常識」や「教科書的な正解」が何らかの権威のみによる押し付けであるという認識が強く、その背後にある合意形成（常識の集積） を理解していない場合があります。
他者への盲従と常識の否定は、一見矛盾するように見えますが、根底には自己の脆弱性からくる不安があります。
本質的には、低い自己肯定感と社会的文脈における不安が、逆説的な形で表出している心理状態と言えるでしょう。
常識（共通認識や共通基盤）の存在そのものを否定しているのではなく、「括弧内が文字起こしされていないことが問題だ」と考えたり、
「質問2の推論を行わないのが一般的だと証明されていない限り、それを常識とするのは不当だ」と、
「括弧内が文字起こしされていないことが問題だ」と考えたり、「質問2の推論を行わないのが一般的だと証明されていない限り、それを常識とするのは不当だ」と主張する可能性はあります。しかし、これは一般的な見解ではなく、特定の状況や個人の認識に依存するものです。
可能性としては十分に考えられます。彼らは、主観と客観の混同を防ぐための明示的な表現（括弧内の「俺にとって」など）が欠けていることを重視し、「それがない限り断定は不当だ」と主張する傾向があります。また、「常識を証明せよ」と要求することで、認識論的な対話を引き延ばし、議論の焦点を逸らす戦略にもなり得ます。
可能性はあります。これは、常識という概念に対する誤解に基づいています。
これは可能性としてあり得ますが、本質的な問題を矮小化しています：
「主観的な意見と客観的な事実を区別できる」、「社会的混乱を招く推論をしない」を共通認識や共通基盤に含むのは不当であり、常識とは呼べませんか？
「主観的な意見と客観的な事実を区別できる」、「社会的混乱を招く推論をしない」を共通認識や共通基盤に含むのは妥当です。これらは社会的なコミュニケーションの基本的なルールであり、常識と呼べるものです。
これは常識の範疇に含まれると考えるのが妥当です。現代社会では、客観的事実と主観的意見を区別することは、円滑なコミュニケーションの前提であり、共通認識（社会的基盤）の一部とされています。これを否定することは、社会的秩序を乱し、コミュニケーションの破綻を招く恐れがあります。
不当ではありません。むしろ、これらは健全な社会生活を送る上で不可欠な要素であり、常識と呼ぶに相応しいものです。主観と客観の区別、論理的な推論は、コミュニケーションの基本であり、これらが欠けていると社会生活は成り立ちません。
これらを常識に含めることは、むしろ健全な社会機能のために不可欠です：
『フェミニズム』に対する理解が極端に表層的で単純におかしいので、やっぱラベリングではなくて認知のフレームワークの問題だよね
『昔の日本人男性は女性差別主義者』も同じだよね。単純におかしい
『日本人男性』と『女性差別主義者』この2つは異なるレベルの概念だよね
この２つは役割も違うよね
変数と条件式は混同しないように、会話でも混同しないのが望ましいよね
自然言語処理でも、『昔の日本人男性は女性差別主義者』という推論は過度な一般化と扱われると思うし、
『現代のNLPでは下記の推論規則を妥当なものとして許容しますか？』って聞いたら『許容しません』って返すと思うよ
＜ほかの例＞
例1:日本の猫好き
うーん
インデクシングが具体的にどうかは置いておいて
ベクトルというかテンソルに変換するのはAIというよりはNLPあたりの話であって
NNでやるかTreeでやるかはどちらもあり得るけど
NNでもTreeでもないなら具体的に何でやってるの？
そして元の質問
いやエキスパートシステムならできるけどね
githubでなにか作ったものをアップロードするのは、自分向きではないことに気がついた。
私が仕事で作っているようなwebアプリケーションというのは、誰でも使える一般性の高いものではなく、もっと特定のビジネスに依存した特殊なものである。
だから一般的な誰でも使えるようなものを作るというのにはあまり慣れていないのだ。
なにか作る場合はkaggleのほうが遊び場として向いていると思っている。
kaggleで「コンペ」に参加するつもりはないし、あれはBERTが出現したぐらいからは、少なくともNLP(自然言語処理)界隈は不毛な場となってしまった。
指標があれば不毛なハックがある。それが現実というものである。
それに業務で実用レベルで使えるモデルというのは、もっと運用のしやすいシンプルなモデルである。
モンスターアンサンブルで精度がSOTAでーすピロローン！なんてことには興味がないが、コンペはそれを目指している。
ではなぜkaggleが良いかと言うと、データセットが転がっていて、notebookも簡単に作成できるからである。
「このデータをこうやって使うとこういうツールが作れる」「このデータをこうやって分析するとこういう知見が得られる」というのは、「web開発用のMVCフレームワークを作ります」よりも具体性がある。
そして特定のデータに対するモデリングをするために論文を調べるようなことになった場合は、勉強にもなる。
私は昔、自然言語処理のブログを書いていたが、実験したことのコードを載せるタイプの記事が多かった。
ところが自称データサイエンティストや自称NLPエンジニアがツイッター上で「ゴミのようなブログを書くな」と言っていて、自分が言われている気がして怖くなったのでブログを閉鎖した。
そういう「政治おじさん」との接触を最大限減らすには、ブログというフォーマットではダメだと思うわけである。
私のマグカップには"Talkis cheap, show me the code."と書かれている。
これはリーナストーバルズの名言だが、政治おじさんが近寄らない場所というのは、具体的なコードが存在する場所であると言えよう。
Aが関わっている業種は、テクノロジーまたはIT業界と考えられます。具体的には、ソフトウェア開発、インターネットサービス、デジタルマーケティング、またはEコマースなどが含まれる可能性があります。自然言語処理（NLP）技術を利用したサービスや、ウェブベースのアプリケーション開発を行っている点から、データ駆動型のサービスや製品を提供する企業である可能性が高いです。
Bの業務内容から、彼が従事している業種もテクノロジーまたはIT業界であることがわかります。Bの経験とスキルセットは、特にソフトウェア開発とインフラストラクチャの管理に関連しています。
俺の中というかMLやってる全員がパイプラインといったらデータとってくる部分だと認識してるしランダムフォレストなんか関係ないよ
で、なんのグループを出していてどのようなprocessing（NLP＝Natural LanguageProcessing）をどの段階でしているの？
この日記の内容は、会社の後輩から「最近エクセルマクロを勉強し始めて（キラキラ）」という話を聞いて、先輩ムーブをかますために話した内容になります。
とにかくこれから説明する「計算用シート」が憎くて憎くてたまらず、ちょっと引かれるほど熱弁してしまいました。
ただ、他の方がどうされているのかや、逆に「計算用シート」を愛用する方の意見も聞きたくなり、増田に書いてみました。
エクセルマクロのお作法とか書きましたが、要するにエクセルマクロで「計算用シート」って色々な意味でよくないよね、という話をしたいです。
３行でまとめます。
〇 エクセルシートはユーザーインターフェース（インプット）か出力結果（アウトプット）のためのものとすべき
〇 データ加工をする場合には、原則配列や辞書型配列（連想配列）に格納して加工を行い、最後の結果だけシートに出力するべき
〇 何事にも例外はある。
エクセルマクロにも色々あると思いますが、今回は下記を想定します。
日付や人物名などを入力し、データベースや別のエクセルファイル、別のシートから取得したデータを入力された値を基に加工し、加工後のデータをシートに出力する
この場合、入力欄があり編集可能なシートがユーザーインターフェース、最終的に加工されたデータが出力されるシートが出力結果です。
（もちろん、ユーザーインターフェースの別の欄（セル）に出力する場合もあるし、その場合はユーザーインターフェースと出力結果が一体のものとみなします。）
また、データ用シートは同じエクセルファイル内に基となるデータが含まれる場合を想定します。
（これ自体が非推奨で、SQLデータベースかせめてAccessを使え、という意見はありますがそれは別にして…）
ではここで定義する計算用シートとはなにかというと、文字通り計算を行うためのシートです。
１．元となるcsvファイルをエクセルに読み出してシートに格納
２．そのデータは日付が数値型になっているので、日付（数値型）の入った列を文字列に変換した日付（文字列型）列を新たに作成
これは極端な例ですが、とにかく変数や配列を定義せず（あるいはエクセルのセルオブジェクトを変数のように扱い）、エクセルに値を入力し、それを直接加工することで目的となるデータ加工をしたり、様々な処理をします。
なんかこんな感じの処理をしているエクセルマクロ、どこの会社でも腐るほどあるんじゃないでしょうか。
ある程度マクロに慣れた気の利く人なら、このシートはロックや非表示にして、ユーザーから触れないようにするでしょう。
・・・これ、やめたほうが良くないですか？。
ある程度詳しい人なら同意してくれると思いますが、このやり方でダメな理由はいっぱいあります。
後で説明する配列や辞書型配列（連想配列）と比べると格段に処理が遅いです。
ちょっと詳しい人が知っている「画面更新の非表示」を駆使しても、配列を使った処理からみれば止まったハエです。
いったんエクセルシートにデータを格納して加工しているので、コードとエクセルシートを両方見る必要があり、とても読みにくいです。
変数として命名されていないのも致命的で、処理の意図が余計に分からなくなります。
計算用シートを事前に用意して、別のセルに関数を格納しておき、マクロと関数を使ってデータ加工をするものも見たことがあります。
あまり知られていませんが、セルの最大文字数は32,767文字です。
セルの最大文字数を超えると自動的に隣のセルに値が入り、シートが滅茶苦茶になります。
他にもエクセルの数値を丸める自動変換の仕様とか文字列→日付の自動変換とか、いくつものバグに苦しめられます。
できる人だと、いちいち最大文字数が多い場合の処理を書いたり自動変換機能を殺したりしてくれますが、そんなことに手間をかけているから日本のGDPは上がらないんだと思います。
他にも、データが大きくなると処理が重くなり不安定になる、計算用シートを人が触ってしまうリスクがある、などいくらでも理由は上げられます。
（逆に利点は、目の前でガチャガチャ動いてスーパーハッカーになった気分になれるくらいしか思いつかない・・・）
配列を使いましょう。
配列とは何ぞや、という人はググってください。
配列にデータを入れて、データ加工は配列や変数に対して行い、一番最後の出力だけセルに値を格納する。
個人的にオススメしたいのは辞書型配列（連想配列）で、うまく使うとデータの管理が簡単になり、処理も爆速になります。
（参考）【VBA】大量データから高速で値を検索【Dictionaryを使う】
csvファイルもなまじエクセルで開けるだけに別のブックやシートで開きがちですが、これは悪魔のささやきです。
直接ファイルを読み出してLine InputやSplitで配列に格納しましょう。
エクセルとして開くやり方はコード書くのは簡単でも、実行時間に天と地ほどの差が出ます。エクセル開くと処理もめちゃ不安定です。
（参考）Excel VBAでCSVオープンするときのパフォーマンス比較
いや、冒頭のマクロを書く人の気持ちも分かるつもりです。自分もコードを書き始めたころは全部シート上で操作していました。
冒頭のマクロのほうが直感的なんですよね。自分が手で書くことをマクロにやらせる、というマクロ本来の趣旨にはあっていますし。
途中の計算過程もすべて目の前で展開されるから分かりやすいです。
ただ、それではダメなんです。。。処理は遅いし挙動は不安定だし後で改修・保守する人が死にます。
あと、エクセルシートやセルは当然エクセルにしかないので、エクセルマクロ（VBA）から他の言語に移れなくなります。
自分もエクセルマクロの里の出なので、計算用シート脱却には苦労しましたが、苦労して会得した配列や辞書型配列（連想配列）のスキルはそのまま他の言語に活かすことができました。
配列の中身を見る方法は別にある（ローカルウィンドウやDebug.printを使うなど）ので、リハビリに取り組んでほしいです。
（参考）VBA デバッグの仕方
計算用シートを許容できる、使うべきケースもあると思います。。
個人的には、
（最後のは、なんでも自分で確認しないと気が済まない上司の発注で、意味不明と思いましたしたがしぶしぶやりました。）
この場合、インプットのエクセルシートに直接加工するのは論外なので、計算用（加工用）のシートを用意してそこで操作を行うことは必要だと思います。
他にも、こういうときは「計算用シート」があったほうが良い、という状況があれば教えてもらえると嬉しいです。
そもそもツッコミとして、「データ加工するならエクセルマクロを使わずにpythonとかRとかもっとまともな言語使えよ」という言葉が来そうな気がします。
ただ、個人的にはエクセルマクロ（VBA）は大好きですし、初心者にもおすすめしたいです。
自分のような非エンジニアだと、セキュリティの関係などでPythonの開発環境とかすごく用意しにくいんですよね。
（あと、コマンドプロンプトの真っ黒な画面が怖かった）
その点エクセルマクロは、開発環境の用意はプロパティでチェック項目を一つオンにするだけだし、入門書がたくさんあるし、セルの挙動を追えば視覚的にプログラムを理解できるし、初心者に優しいです。
（そのやさしさが上述したとおり悪魔の罠なわけですが。）
最初は計算用シートに頼ってでもエクセルマクロからプログラミングを始めて、本格的なデータ加工をし始めたあたりで計算用シートという諸悪の根源から脱却する。
さらに本格的なデータ処理を行うために、PythonやRなど別の言語を習得したり、エクセルからSQLデータベースやACCESSなどに切り替えていく、というプロセスがいいのではと個人的に思います。
Permalink |記事への反応(19) | 04:31
「ChatGDP」という用語はおそらく誤りで、「ChatGPT」というAIに関する質問かもしれません。ChatGPTはOpenAIによって開発された言語モデルであり、経済的な指標や国のGDPランキングとは直接関係ありません。
もし「ChatGPTがAI技術の中で世界で4位に位置するか」という意味であれば、ChatGPTは特定のAI技術のランキングにおいて「4位」と簡単に位置づけることは難しいです。AI技術の進歩は非常に速く、多くの異なる領域やアプリケーションが存在します。ChatGPTは自然言語処理(NLP)において先進的な成果を示していますが、その影響や評価を他のAI技術やシステムと単純に比較することは複雑です。
