ChatGPT アーカイブ - IoT MCUのHappyTech

生成AI活用スキル

2024年1月26日2024年1月26日 WithHappy

MCU開発以外にも生産性向上のAI活用事例は多数あります。例えば、芥川賞受賞作家が、5%前後の生成AI文書を受賞作にそのまま利用、大学入試共通テストを、AIが平均以上に解いたなどです。

また、自動車業界もAIアシスタントのChatGPT搭載など、今後AI活用は更に加速するでしょう。

急増するAIに対し、筆者が現在考えている生成AI活用スキル、それは質問能力です。質問能力を鍛え、同時に意味が解らない用語などを簡単に解決する方法を示します。

生成AI、ChatGPT、Copilot

AI用語を簡単に整理します（出典：SoftBank AI用語解説）。

生成AIは、機械学習した膨大なデータから、パターンや特徴を抽出し、これらから新しいデータ（テキスト、画像、音声）を生成します。

ChatGPTは、対話（Chat）により質問に対する回答の形式で生成AIデータを引出すサービスです。最新生成AI GPT-4 (Generative Pre-Trained Transformer 4）を使って共通テストをダントツに解いたのもこのChatGPTです。

Copilotは、 Microsoftの対話AIアシスタントの総称です。GoogleならBard、AppleならSiri、AmazonならAlexaなどがあります。

Copilot/Bird/Siri/Alexaが、各社ブラウザ搭載のChatGPTを利用し、GPT-4から回答を引出す役目は同じです。AIアシスタント名が異なる、と考えれば良いでしょう。

同じARM Cortex-M4コア利用MCUでも、STマイクロならSTM32F4、ルネサスならRA4M1などと製品名が異なるのと同じ、と言えばMCU開発者には解り易いと思います（内蔵周辺回路や製造プロセスが異なるので、性能も多少異なりますが…）。

ChatGPT分析

ITmedia記事のChatGPT進化（前編）、ChatGPTビジネス（中編）、ChatGPT活用スキル（後編）からも、効果的に生成AIを活用するには、ChatGPTへの的確な質問、つまりブラウザへのプロンプト入力が重要と言われます。

ブラウザ検索が上手い人ほど、問題解決が速いのと同じです。

では、どうしたらChatGPTへ上手いプロンプト入力ができるでしょうか？　「練習、慣れ」だと思います。

Microsoft Copilot利用方法

ブラウザとしてMicrosoft Edgeを使った例を示します。プライベートモードでは右上Copilotアイコンが表示されないので注意してください。PC版Copilotは、過去のAI回答も履歴として保存されます。

スマホ版Copilot起動例が、左側のダークモード表示です。「GPT-4を使用する」へ変更します。

どちらの版も、「何でも聞いてください…」の部分へ、ChatGPTへの質問：プロンプトを入力します。スマホ版では、音声入力が便利かもしれません。

意味が解らない用語などは、そのまま上記プロンプトへコピー＆ペーストで入力します。すぐに的確な用語解説が得られます。

上手いプロンプト入力の方法は、ChatGPT活用スキル（後編）のページ1に(1)～(6)が、また、プロンプト入力のコツも、ページ2の(1)～(4)にまとまっています。

※プライベートモードでCopilotが起動しないのは、履歴保持以外にも、ユーザ毎の質問背景やユーザレベルをAIで学習、推定させるためです。これは、Copilot性能向上に役立っているそうです。

ChatGPT最大メリット

人間同士だと、質問を受ける相手のことを気遣って、納得するまで質問しない場合も多いでしょう。AIの場合は、この人間的配慮は全く不要です。1日最大2000回まで、いつでも、どこでも、何度でもChatGPTプロンプト入力が可能です。

これらが機械ChatGPT最大メリットだと思います。※上限回数は暫定値。

ChatGPTへのプロンプト入力は、質問スキルを鍛える手段にも使えます。そして、エキスパート盲点だらけの MCU技術資料は、このスキル鍛錬教材としても役立つ、つまり、MCU開発者には一石二鳥と言えます。

Summary：生成AI活用スキル

筆者が考える生成AI活用スキル、それはChatGPTへの質問能力です。

Microsoft EdgeブラウザCopilotを使い、ChatGPTへの質問スキルを鍛え、同時にMCU技術資料に多いエキスパート盲点記述の両方を解決する方法を示しました。

Afterword：人間対自ら学習、成長するAI

機械学習で自ら学習し成長する生成AIの回答が、本当に正しいかを判断するのは、人間です。

ChatGPT活用スキル（後編）の最後に書かれている、試行錯誤しながらChatGPTを使い、学んで生きた知識にしていく「極めて人間らしい営みがAI利用に重要」に大賛成です。

履歴やレベル推定、いわゆる無断学習は、多少気になりますが、AIを活用しご自分の質問スキル、MCU開発スキルを上げましょう！

IoT MCUスキル習得方法

2023年5月26日2023年5月26日 WithHappy

MCU開発に英語は必須です。どうすれば英語を学習できるのか？について、良い記事を見つけましたので紹介します。

ツール前提の新しい英語学習方法

米国で生活して実感した「英語学習」のオワコン化、2023年5月11日、日経XTECH

要旨

求められるのは、日本で学習できる英文法や英会話ではない
世の中に出回る便利ツールを知り、それを使いこなす能力、技術進化を素直に受け入れる姿勢必須
技術進化の急激な領域は、ツール進化を前提に新しい英語学習方法が必要

英語学習便利ツール

Google翻訳/Googleレンズ翻訳
YouTube日本語字幕
DeepL機械翻訳
Grammarly英文法チェック
ChatGPT AIヘルプ

実体験に基づいた迫力ある記事です。是非読んで、英語学習、MCU開発に活かしてください。

従来学習・習得方法の限界

暮らしに英語が必要なのは、昔から変わりません。むしろ、世界に於ける日本地盤低下に伴い、英語の重要性は、益々高まりつつあります。

しかし、英語の学習・習得方法は、旧態依然です。この旧態依然傾向は、日本教育界だけでなく年齢を重ねるにつれて強くなります。年と共に頑固になる傾向が人間にあるからです。

その結果、日本人は英語が苦手です。

さて、このオワコン化した日本の英語学習とMCU開発は、同じ状況です。

従来のベアメタル開発に集中できた時代は終わり、AI、セキュリティ、RTOSなど様々な新しい技術が開発に必要です。しかも、各新技術の進化、発展が激しいIoT MCU時代へ変わりつつあります。

従来の学習、習得方法では、新技術の進化、発展へ追随するのは、非効率です。但し現代は、非効率さを改善する新しいツールが必ず生まれます。

重要なのは、この新しいツールを知り、使い、ツール活用による新技術学習・習得の結果です。習得順番や従来方法へこだわっていると、世界のIoT MCU開発に遅れる状況になります。

Summary：IoT MCUスキル習得方法

学問に王道なし。

学びに基礎が重要なのは、どの時代でも変わりません。基礎が無いと、上層技術の積み重ねが困難だからです。MCUならベアメタル開発です。記事の英語で言えば、英文法や英会話でしょうか？

これら基礎は、基礎ゆえに不変で、いつでも学び直すことができます。

各種ツールを使い上層技術を経験した後で、基礎技術不足を感じた場合は、その時点で基礎を再学習しても遅くはありません。

王道の歩み方は、各種ツール利用で柔軟に変化しても良い訳です。

IoT MCU技術進化のスピードは、基礎だけでは立ち行かない状況になりつつあります。求められるのは、上層新技術対応ツールとツール利用能力、上層技術から基礎を俯瞰できる能力です。

俯瞰の結果、不足基礎技術の補強を行えば、ツール利用で得た新技術が、身に着いた本当のスキルに変わると思います。

関連投稿：AI MCU、新しいMCUソフトウェア、ハードウェアの学び方、MCU開発ChatGPTの使い方

情報の受け手と情報量

2023年5月12日2023年5月16日 WithHappy

ChatGPT懸念の情報が多い昨今です。一方、ChatGPT期待情報もあります。8対2ぐらいの割合でしょうか？

これらChatGPT騒動を例に、情報の受け手と情報量について筆者の思うところを記載します。

Summary：ポイントは適切な受け手想定と情報量

受け手に伝わって、初めて情報と言えます。送り手は、信頼性を高めるため、付加資料や文献出所などの情報量を加えます。

意味ある情報と受け手が判断するには、送り手の「受け手感度の想定と適切な情報量」が大切です。送受双方の感度が上手く合致し、かつ、適切な情報量（ページ数）の時に、人のあいだに意味ある情報として伝わると思います。

注）本稿では、意識、観点、主観など個人判断の基準となる感性全般を「感度」と記述します。

この伝わり方は、MCU開発者と開発依頼者間でも同じです。

MCU開発者が、依頼者へ情報提供する際は、依頼者感度を想定し、何を、どの程度伝えるか、適切な量の資料を作成すべきと思います。

受け手への情報量

ChatGPT騒動の記事には、技術的な参考資料や文献出所を記事途中に多く掲載するものもあります。

しかし、受け手が、一度に理解できる情報量や集中できる時間は、有限です。実例や簡潔な説明の方が、忙しい受け手や素人には、判り易いのも事実です。受け手の感度を想定した「情報量（ページ数）は、内容と同じぐらい重要」です。

つまり、過多な情報量は、受け手の内容理解の妨げになることもある訳です。

例えば、上司への報告書。忙しい上司から「報告書は1枚以内で提出」と言われた方も多いと思います。ページ数が多いと、上司は、初めから読まないことを暗に示しています。

最終章の「AIで記事を要約する（β）」ボタンでAIが自動生成する要約は、この人間特性も十分認識したうえで、適切な量の要約を作成します。

ChatGPT懸念情報

ChatGPTの安易な利用は禁物、2023年5月9日、日経XTECH
ChatGPTに懸念の声（英原文）、CIO Dive、2023年5月1日、IT Media（和訳）

ネガティブな情報の方が、ポジティブな情報よりもネット拡散し易く、印象に残り易いのかもしれません。ChatGPTのような革新的技術、AI関連技術に関しては、ネガティブ情報が圧倒的に多い気がします。

記事の書き手＝送り手は、読者＝受け手に読んでもらうことが目的です。ネガティブ記事タイトルの方が、読者や閲覧数が多い場合は、当然、ネガティブ記事が増えます。

ChatGPT期待情報

ChatGPTで人はもっと創造的になる、2023年5月9日、日経ビジネス

最近は、「AIで記事を要約する（β）」ボタンがある記事が増えました（実例、最終章参）。このボタンをクリックすると、記事内容が判り易く、しかも、適切な情報量で要約されます。

また、関連投稿でMCU分野FSPについてBingで質問したところ、正確で適切量のAI回答が得られました。

上記の使い方では、ChatGPTやAIは有益だと思います。ChatGPTを使うことでより創造的な時間が得られるという日経ビジネス記事に、筆者は賛同します。

ChatGPT利用は個人判断

厚生労働省は、2023年3月13日以降、COVID-19対策マスク着用の考え方を個人判断へ変えました。

国家機関がわざわざ個人判断を指示すること自体、欧米人は、奇妙に感じると思います。日本人特有の同調意識、他人と同じ感度を指向するからです。

マスク着用同様、ChatGPT利用も個人判断とすべきと思います。

判断のための情報収集は必要ですが、主体は個人、自分です。先ず、自分、つまり受け手のChatGPTやAIの使い方や感度を決めた上で、巷に溢れるChatGPTの情報を取集しないと、書き手、送り手の意見に左右されるだけになります。

筆者は、IoT MCU開発に使えるか否かという感度でChatGPT情報を収集しその結果、不明確なIoT MCU用語の質問に、ChatGPT利用は使えると判断しました。

Afterword：Bard日本語対応開始

2023年5月11日、Googleは会話型AIサービス、Bardの日本語対応を開始しました。これで、メジャーブラウザ、Microsoft Edge BingとGoogle Chrome Bard共に日本語でのAI回答の利用が容易になりました。

上記開始記事内に「AIで記事を要約する（β）」ボタンもあります（一回のみボタン押下げ可能）。各自で試してみてください。

本稿Summary内容が、具体的にご理解頂けると思います。

なお、BingとBardのAI回答の違いについては、コチラの記事が参考になります。

新しいMCUハードウェアの学び方

2023年5月5日2023年5月5日 WithHappy

新しくMCU開発を始める方も多い時節です。新人や新担当者が、効率的にMCUを学ぶ方法を示します。今週は、MCUハードウェア編です（MCUソフトウェア編が、前投稿）。

Summary：新しいMCUハードウェアの学び方

ベンダMCU評価ボードのアートワーク、実装部品を学ぶ
知りたい用語は、ChatGPTから回答を得る
MCUとセンサなどの周辺回路動作電圧差に注意

MCUハードウェア習得のコツは、ベンダ提供MCU評価ボードの教師活用です。

開発に適す評価ボードの回路図やアートワーク、BOM（Bill of Materials：実装部品表）など全ての情報を活用します。

最近のMCUは、数100MHzクラスの高速動作です。安定した高速動作を支えるのは、MCU周りの電源配線アートワーク、実装部品、評価ボード電源回路です。

自社MCUボード開発時は、MCU周りアートワーク、評価ボードと同じ部品、これらを自社MCUボードへ適用するのが基本です。評価ボードのアートワークや実装部品の意味を考えることで、実践的なMCUハードウェアが学べます。

注）新しい点は、ChatGPT利用の知識習得、評価ボード教師活用の2点です。
注）1.2.3.の詳細は、後述します。

MCU評価ボード教師活用

理屈は知っていても、その理屈を実際の製品基板へ「上手く反映させる」のが難しい。これは、ハードウェア開発にありがちです。

例えば、高速動作には、配線を太く短くしノイズ対策すべきだが、部品の大きさや故障交換も考慮すると、この配置にせざるを得ない等々です。

つまり、ハードウェア開発者が、様々な制約条件を優先度で総合設計した結果が、製品に現れます。

この総合設計結果は、ベンダMCU評価ボードでも同じです。ユーザが、MCUを評価するためのボードですから、ユーザがどのようにMCUを使っても正常動作することに重点を置いた設計結果です。

言い換えると、MCUを最高速で動かした次の瞬間に低電力動作、更に割込み発生で瞬時に最高速へ戻るなど、究極のMCU動作にも余裕で耐えられる配線アートワークや電源部品を選定し、評価ボードへ実装済みです。

これらノウハウを詰め込み製品化したベンダMCU評価ボードのハードウェアを、手本や教師（≒ベンチマーク）として利用しない手はありません。

但し、設計ノウハウが文章化されることは、殆どありません。従って、担当者は、評価ボードから設計ノウハウの中身、背景を考え、学ぶことが必要になります。

つまり、製品設計を見抜く洞察力が、ハードウェアスキル向上に必要です。

経験者アドバイスを、MCUソフトウェア編では期待しました。しかし、MCUハードウェアは、先ずは物言わぬ評価ボードを教師：ベンチマークとする学びをお勧めします。理由は、MCUハードウェアや実装部品の世代交代の速さです。

ベンダMCU評価ボードは、最新MCUは勿論、MCU性能を活かす実績ある最新部品を使っています。MCUハードウェアは、ベンチマークから直接学ぶ方が、効率的です。

経験者アドバイスを活用するのは、優先度による総合設計時です。ただ、総合設計ノウハウは、状況に応じて刻々と変わり、かつ、文章化し難い、つまり、直感のようなものであることも忘れないでください。たとえ経験者でも、第3者への直感伝授は、難しい事柄です。

ポイントは、以下です。

ベンダMCU評価ボードをベンチマークにすること
効率的に知識を得ること
MCUハードウェア世代交代に注意すること

これらポイントの実現手段が、前章Summaryに示したChatGPT利用と評価ボード教師活用です。

以下、Summary 1.2.3の詳細を説明します。

1. MCU評価ボードアートワーク、実装部品の意味を学ぶ

低速デバイス同士は、接続さえ間違わなければ機能します。しかし、数100MHzクラスやRF（無線周波数）ハードウェアのデバイスは、違います。

最近のMCUは、この数100MHzクラスを優に超える動作周波数です。IoT MCUなら無線デバイスも実装します。これら高速デバイスの安定動作や、周囲にノイズをまき散らさない工夫として、デバイス間の配線アートワークと電源供給が重要です。

回路図は、デバイス間の接続（ネットリスト）を作成します。同じ接続でも、実際にデバイスを基板上へ配置、配線するPCBアートワークが、高速デバイス製品成功の決め手です。

ベンダMCU評価ボードは、回路図、アートワーク情報、BOMも提供します。但し、提供だけで肝心の解説などはありません。従って、これらから決め手を自分で抜き取り、学ぶことが必要です。

例えば、アートワークを眺めていると、なぜMCUのこの配線だけ太く短いのか、BOMからは、なぜこの部品だけ高品質なのか、など疑問が沸いてくるハズです。

疑問をそのままにせず、自分なりに意味を考え、答えを持った後に、ChatGPTを利用すれば、より深い洞察ができます。

2. ChatGPTで回答を得る

ハードウェア進化は、早く劇的です。その例が、PC CPUソケットです。CPUソケットは、同一でのハードウェア進化を誰もが望みますが、時にはソケットや周辺部品を全面変更してまで進化に対応します。

新製品MCUや、これを活かす部品の情報は、ネット収集が効率的です。AIは、これら最新情報を常に収集、分析しています。ChatGPTは、質問の最新回答を得るのに適しています。

ChatGPT回答には、間違いの可能性もあります（関連投稿）。それでも、AIによる最新で判り易い文章回答は、期待できます。

ChatGPT利用により、担当者は、いつでも気軽に質問ができます。この気軽さと効率的回答（最新知識）を得るメリットの方が、間違いの可能性よりもまさると思います。

3. MCUと周辺回路の電圧差

MCUは、今後さらに高速化します。製造プロセス微細化と、高性能、低消費電力、低価格MCUをユーザが求めるからです。

一方、MCUへ接続するセンサは、デジタルだけでなく、アナログも重要な技術です。AI搭載など、センサ高度化も話題の昨今ですが、製造プロセスや動作電圧もMCUほど進化し難い側面があります。

高速追求のMCUと、高機能追求のセンサや周辺回路の差は、動作電圧差として現れる可能性があります。

5Vトレラント端子のMCU、MCU－センサ間インタフェースデバイス、複数電圧の電源回路など、MCUとセンサなどの周辺回路接続には、注意が必要です。

Afterword：設計クオリティと洞察力向上

MCUハードウェア開発者は、COVID-19による半導体不足を経験しました。

ハードウェア開発者としては、機能別モジュール化、制御系MCU評価ボードのそのまま流用などの組合せを工夫する対策に加え、シミュレーションやテストプログラム（TP）利用なども対策になります。

どの対策も、ハードウェア設計クオリティ向上が目的です。

ハードウェア設計ノウハウは、直感の部分もあります。直感が正しいか否かを客観判断し、勘を磨くには、シミュレーションやTPが役に立ちます。実際の測定器を使わずに、シミュレーションやTPを使って仮想的に試すと、試行錯誤も容易です。

MCU統合開発環境（IDE）は、これらシミュレーションツールやTP（サンプルコード）の宝庫です。MCUハードウェア開発者もIDEを活用し、直感を磨いてください。

更に、ハードウェア洞察力を磨くには、アートワーク設計もお勧めします。

MCU周り、ADC周りだけでも良いので、実際にPCBアートワークを行うと、回路図では見えない高速デバイス製品化ポイントが判ります。最近のMCU/ADC/無線デバイスデータシートは、これらアートワークについて記載されたものも多いので参考になります。

新しいMCUソフトウェアの学び方

2023年4月28日2023年5月5日 WithHappy

新しくMCU開発を始める方も多い時節です。新担当者が、効率的にMCUを学ぶ方法を示します。今週は、ソフトウェア編、次週がハードウェア編です。

Summary：新しいMCUソフトウェアの学び方

細かいことは後回し、MCU評価ボードで主要サンプルコードを動かし、全体像を知る
知りたいMCU用語は、ChatGPTから回答を得る
サンプルコードをIDEで担当者なりに変更し、評価ボード動作変化を見る

MCUソフトウェア習得のコツは、ベンダ公式サンプルコードの活用です。

開発に適したMCU評価ボードを入手後、サンプルコード動作 ⇋ IDEコード修正。この繰返しとChatGPT利用で短期・効率的にMCUソフトウェアが学べます。

注）新しい点は、ChatGPT利用の知識習得、サンプルコードベンチマーク活用の2点です。
注）1.2.3.の詳細は、後述します。

MCUソフトウェア学び障壁を下げるポイント

筆者がMCU開発を始めた頃は、MCUと周辺ハードウェアを設計後、外注さんへ発注。ハードウェアが出来上がるまでに、分厚いMCUマニュアルと格闘しながらソフトウェアに着手。それもドライバから開発し、短期完成には超過残業必須、苦労しました（残業当然の時代、ムダ作業も多かった…）。

現在は、MCUベンダが様々な高品質開発ツールを提供します。また、説明不足のMCU用語は、マニュアル検索よりも、ChatGPTで短時間に回答が得られますので、学びに集中できます。

高品質開発ツールとは、評価ボードと公式サンプルコードのことです。これらをお手本（≒ベンチマーク）として活用しない手はありません。

つまり、サンプルコードで、担当者の開発内容を試しながらMCUソフトウェア学びを進めます。ベンチマークからの差分が明確なので、バグ混入少、最も新担当者を悩ますバグ対処も少なく学びが可能です。

必要なのは、経験者から担当者へのアドバイスです。

本来MCUは、広範囲なアプリケーション開発が可能です。サンプルコード数の多さが、これを示しています。そこで、経験者が、ターゲットとする評価ボードとサンプルコードを担当者へアドバイス、または、担当者が経験者や先輩にこれらを聞いて、効率的なベンチマーク活用MCU習得を行います。

アドバイスにより、担当者は、ムダを省き目的のMCU学びに直結したアプローチができます。

MCU習得の障壁が高いのは、なんでもできるMCU応用範囲の広さと、担当者の知識不足です。障壁の高さを下げるポイントが以下です。

開発（習得）アプリケーションのターゲットを絞ること
効率的に知識を得ること
慣れないIDEバグ対処を少なくすること

これらポイント実現手段が、前章Summaryに示したChatGPT利用、ベンチマーク差分開発です。

以下、Summary 1.2.3の詳細を説明します。

1. MCUソフトウェア全体像を知る主要サンプルコード

MCUソフトウェア全体像は、初期設定と無限ループ処理です。処理内容は、周辺回路に応じて異なりますが、構造は、どれも同じでシンプルです。

担当者が、この全体像を未把握の場合、サンプルコードを単なるAPI羅列としてしか捉えられません。初期設定と無限ループに機能分離して捉えれば、サンプルコード理解度が向上します。

MCUには、多くのサンプルコードがありますが、全てが業務の開発アプリケーションに関連する訳ではありません。経験者が知恵を絞って、業務アプリに関連する主要サンプルコードを選定すれば、担当者もターゲットが絞れます。

担当者は、主要サンプルコードからMCUソフトウェア全体像がどれも同じことを学べます。

2. 回答を得るChatGPT

担当者にとって、詳細な説明が、判り易いとは限りません。

経験者と担当者が対面会話中ならば、相手の理解度は概ね把握できます。また、担当者が不明なことは、経験者へ質問するでしょう。

しかし、文章による説明は、一方通行です。

一方通行の説明量は、多ければ多い程、理解度が上がるとは限りません。かいつまんだ説明の方が、判り易い場合も多いと思います。

ChatGPT回答には、間違いの可能性もあります（関連投稿：前稿）。それでも、AIによる判り易い文章回答が期待できます。

ChatGPT利用で、担当者は、LINEアプリのようにいつでも気軽に質問できます。心理的負担が少なく、効率的に回答（知識）を得るメリットの方が、間違いの可能性よりも優れると思います。

3. IDEに慣れ、開発アプリケーションをイメージ

MCU開発では、統合開発環境（IDE）操作に慣れることが必須です。

評価ボードと適正なサンプルコードがあれば、即座にIDEが使えます。しかも、ビルドも成功します。担当者は、サンプルコードへ変更を加え、評価ボードの動作変化も観察できます。

仮にコード変更でビルド失敗しても、元へ戻せば成功します。変更とビルド成功を繰返すことで、IDE操作とバグ対処に慣れ、MCU学びと業務アプリ開発へ一歩近づけます。

その結果、業務関連アプリケーションのイメージも生まれます。現状と開発アプリの差分が明確になり、MCU開発者らしい残件の目標設定もできます。

Afterword：現状把握を困難にするムダ

サンプルコードだけで動作するMCUに対し、万人が100%解るサンプルコードの説明は、困難です。対象読者や記述量に合わせて調整せざるを得ないのが実情です。MCU説明が、読者に解り難い原因です。

新しいChatGPT利用で、書き手のMCU説明不足は、かなり改善できます。

経験が少ない開発者には、ムダは、現状把握や目標設定を困難にします。ムダを少なくするため、経験者や先輩は、担当者の主体性も尊重したアドバイスを心がけてください。

業務アプリケーション完成には、複数サンプルコードを結合し動作させることも必要です。その際には、弊社の各ベンダ対応MCUテンプレートがお役にたちます。ご活用ください。

MCU開発に適すChatGPTの使い方

2023年4月21日2023年4月21日 WithHappy

ChatGPT（Chat Generative Pre-trained Transformer）は、米）OpenAIが2022年11月に公開したAIチャットポットのことで、「生成可能な事前学習済み変換器」という意味です。人間の質問に対し、AIが自然な回答を生成します（Wikipediaより）。

MCU開発に、ChatGPTをどう活かすかについて私見を示します。

要約：MCU開発に適すChatGPTの使い方

ChatGPTはMCU説明不足内容への質問、回答に使える
ChatGPTは常に進化し続けるAIツールだが、MCUプログラミング適用は時期尚早
AIが人類能力を超える予想の2045年シンギュラリティ前後ならMCU開発へ一部使える可能性あり

MCU製品開発の成功には、知識と経験が必要です。知識獲得の効率的ツールとして、現状のChatGPTは使えると思います。但し、AI回答をMCUプログラミングへ適用するには、現在はAIが未成熟です。

AIが十分に成熟し、人類能力を超えるSingularity（シンギュラリティ：技術的特異点、2045年と予想）近辺になれば、MCU開発へも使えるツールになる可能性はあると思います。

但し、AIがシンギュラリティを迎えても、開発MCU製品の顧客要求とMCU結合チューニングは、人間MCU開発者の経験が必須です。

ブラウザ検索との違い

知識獲得方法は、ブラウザ検索が一般的です。ブラウザ検索とChatGPTの違いを端的に説明しているのが、コチラのCNET Japan記事の冒頭部分です。

ブラウザ検索は、キーワードを入力し、関連性が高いサイトをリスト出力します。MCU開発者は、各サイトを閲覧し、その結果、知識を得ます。

一方、ChatGPTは、質問内容を入力し、AIが質問内容を分析後、大量のサイト情報から最も相応しいと「AIが思う回答」を自動生成します。

つまり、MCU開発者が、色々なサイトを閲覧する手間を省いて所望知識が得られる訳です。但し、AI生成回答が正しいか否かは、判りません。

そこで、Microsoft Bingを使って、ルネサスFSP（Flexible Software Package）を質問した時のAI生成回答を示します。注）FSPは、前投稿参照。

結構、的を射た回答をしていると思います。また、詳細情報に、関連サイトリンクもありますので、AI回答の正確さを質問者が検証することも可能です。

さらに、AIが想定する追加質問例もあります。現在Bing質問数は、1日に2000の上限がありますが、ブラウザ検索よりも効率的に、MCU説明不足内容を質問でき、回答を得ることができます。

注）ブラウザ検索では、複数サイトから得る情報の多様性があります。この多様性をノイズと考えるか否か、筆者個人は、多様性あり＆最終回答を自分で考える方を好みます。

ChatGPTとMicrosoft Bing、Google Bard

ChatGPTもバージョンアップし最新版GPT-4は、大量の文章、大量の高性能コンピューターチップを使う巨大AIモデルです。OpenAI）CEO：サム・アルトマン氏は、AIのさらなる発展に新しい開発手法が必要だと語っています。

最新GPT-4を無料で使えるのが、前章のMicrosoft Bing、待機リスト登録で使えるのがGoogle Bardです。Bardは、現在日本語非対応のようです。

前章CNET Japan記事に、BingとBardのAI回答の違いが分析されています。

MCUコーディングの適用

上手く質問すれば、ChatGPTから、AIコーディング回答が得られます。しかし、それをそのまま実開発へ使えるかについては、いずれのサイトも現在懐疑的です。

筆者も、同じ考えです。

特に、MCUプログラミング（コーディング）は、他のPCソフトウェア開発やクラウドソフトウェア開発に比べ地味で、MCU開発者も少数派です。

ChatGPT活用コーディングは、今後益々盛んになるでしょう。その結果、ネットに、多数派ソフトウェア開発者の成功/失敗事例が多く掲載されます。AIは、これら事例を学習します。

これら多数派の事例をAIが十分学習した後、我々少数派MCUソフトウェア開発へ適用しても遅くはないと思います。その理由が、次章です。

AIコーディング進化時のMCU開発者経験とスキル

AIコーティング進化時のMCU開発者経験とスキル — AIコーディング進化時のMCU開発者経験とスキル

仮にChatGPTが、そのままMCU開発に使えるコーディングを正確に出力したとします。実はこれは、現在のMCUベンダ提供のサンプルコードに相当します。

つまり、ChatGPTの進化を待つまでもなく、現在でも単機能の正確動作コードは得られる訳です。ここが、多数派ソフトウェア環境と、MCUソフトウェアの大きく異なる点です。

MCUソフトウェアは、単体動作サンプルコードを、ベンダが多数提供済みです。

MCUソフトウェア開発者は、これら単体サンプルコードを、顧客要求やMCU性能に見合うように複数組合せ、期間内に上手く動作するよう製品化するのが、主な業務内容です。

例えば、低コストで性能制約も多いMCUを使い、単体コードの優先度設定や割込み処理設定を行い、複数コードを結合動作させるチューニングです。IoT MCUならば、RTOS対応やセキュリティ関連がチューニングに加わり、さらに複雑化します。

チューニングの幅は、顧客要求や適用MCU、製品の展開予定などにより大きく変わります。MCU開発者には、これら変化に即応できる開発経験やスキルが求められます。

例えシンギュラリティになっても、開発MCUの製品化、顧客要求とMCU結合チューニングは、AI任せにはできない「人間MCU開発者の腕の見せ所」になると思います。

つまり、この腕を磨いて人間MCU開発者も進化しましょう、と筆者は言いたい訳です。