HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

LLMはUnixが勝利した証拠である

LLMs are proof that Unix won (bastian.rieck.me)

34 pointsby Pseudomanifold11 コメント

要約

この記事は、大規模言語モデル(LLM)の登場が、長年にわたるUnix哲学の勝利を証明していると論じています。LLMは、ユーザーが自然言語で指示を出すことで、かつてはコマンドラインツールを駆使して行っていた複雑なタスクを実行できるようになりました。これは、Unixの「一つのことをうまくやる」「プログラムを連携させる」「テキストストリームを扱う」という哲学が、現代のAIにおいても普遍的なインターフェースとして生き続けていることを示唆しています。

全文翻訳

LLMはUnixが勝利したことの証明である

私がUnixや「Unixライク」なオペレーティングシステムについて最初に学んだとき、興味をそそられました。それまで私は、Windows 3.1のカラフルな世界しか知りませんでした。まるで日本の木工のように、すべてが一つのブロックから削り出されたように見え、明らかな亀裂はありませんでした(日本の木工は堅牢ですが、Windows 3.1については真顔でそうは言えません)。初めてコマンドラインプロンプトの前に座ったときの驚きを想像してみてください。点滅するカーソルが何かを入力するように私を挑発し、当初は私がすでに知っていたコンピューターができることのどれを達成するにも、明白な方法はありませんでした。それは手ごわいパズルでしたが、私は夢中になりました!幸いにも、近くの村にあった驚くほど充実した図書館のおかげで、Unixにはさまざまな種類や進化上の親戚がいること、そしてそれらの振る舞いの一部はPOSIXのような標準によって規定されていることを学びました。また、GNUと、すべてをロックダウンし、いじくり回すことを防ぐことにもっと関心があるように見えた世界に、このすべてのソフトウェアを無料で提供した初期のハッカーたちの英雄的な努力についても学びました。おお、素晴らしい新世界よ!

しかし、私は粘り強く続けました。絶えず点滅するプロンプトを睨みつけ、それを使いこなしました。数ヶ月後、FreeBSDとの寄り道を挟み、私は今でも熱心なLinuxユーザーです。それは私の作業スタイルに合っているからです。私は危険な状態で生きるのが好きで、重要な締め切りの直前にカーネルアップデートを延期することがよくあります――なんてスリルでしょう――そして一般的に、どんな窮地からも抜け出せる自分の能力について非常に楽観的です。私が評価しているのは、Linuxが私の自己効力感を行使させてくれることです。本質的に、それを使用することで私が経験する可能性のあるほとんどすべての苦痛は、ある程度、自己責任なのです。これは、次のiOSアップデートで私のデバイスが破壊されないことを祈るか、その他のくだらないことに悩まされるよりも、はるかに良い気分です。

この態度は、しばしば虚ろな視線や、それが理解できない人々(つまり、大のオタク、ニール・スティーヴンスンファン、または暇を持て余している人以外、ほぼすべての人々)からのいつもの「とにかく…」という反応に遭います。危険な感覚の心地よいピリピリ感の隣で、Linuxが私を最も惹きつけるのは、デジタル粘土のように、それを自分の目的に合わせて成形できる能力です。私が使用する多くのコマンドラインツールは、かなり長い間存在していますが1、今でも見事に機能し、次のようなことを可能にしてくれます2:

rg -t py "^\s*url =" \
  | grep -Eo "(http|https)://[a-zA-Z0-9./?=_%:-]*" \
  | awk -F/ '{print $3}' \
  | sort \
  | uniq -c \
  | sort -rn

自然言語で言うと、このコマンドの目的は、現在のディレクトリとそのサブディレクトリ内のすべてのPythonファイルで url という名前の変数に割り当てられているURLから github.com のようなドメイン名を抽出し、カウントすることです。これがあなたにとって意味不明に聞こえるなら、私の若い頃の血気盛んな自分は、(neovimと意気込みに満ちて)「Linuxは非常にユーザーフレンドリーだ。ただ、友達には非常にうるさいだけだ」と言ってあなたを叩いたでしょう。はい、若い頃の私は敵を作るのが職人のようでした3。振り返ってみると、この態度は子供っぽかったと思いますが、この驚きの感覚を処理するより良い方法をまだ持っていませんでした。

年を経ての知恵と落ち着きを得た今なら、私は外交的になるでしょうが、このコンピューターとの作業方法が多くの人にとって非常に異質であることは、今でも奇妙に思えます。現代のGUIしか使ったことのない人に私の古いワークフローを説明するのは、フラットランドに住む人に高次元を説明するようなものです。せいぜい、彼らは丁寧に耳を傾け、あなたの言葉を少し奇妙なものとして却下し、古いやり方に戻るでしょう。しかし、私は再び粘り強く、コンピューターはあなたが好きなものを作ることを可能にする汎用インターフェースを提供するべきだという信念を貫きました。GUIは、あなたがどのようなパスをたどりたいのかを推測する必要があるため、このニーズを部分的にしか満たせません。対照的に、昔のUnixの賢者たちは、ユーザーの行動を推測したり強制したりすることは無駄であると悟り、代わりに、ある哲学に従う少数の小さなツールをすべての人に装備することを選びました:

  1. 一つのことを行い、それをうまく行うプログラムを書く。
  2. プログラムを連携させて動作するように書く。
  3. テキストストリームを処理するプログラムを書く。なぜなら、それは普遍的なインターフェースだからだ。

数十年後、これは依然として機能しています。プログラムはより大きく、より複雑になりましたが、ビデオ編集のような非常に特殊なケースではより便利になりました――しかし、多くのマシンのコアには、ほぼ無限の楽しみを提供するこの素晴らしいインターフェースがあります4。しかし、CLIのドワーフとGUIのエルフの間のギャップを広げる代わりに、予期せぬことが起こりました。すなわち、大規模言語モデルの開発です。当初はユーザーに単なる入力ボックスしか提供しませんでしたが、多くの人にとって意図的な習慣の打破となりました。ここには、どのような種類の画像を作成したいかを指定するのを待っているGUIはありませんでした。プロンプトは、あなたが大きな夢を見るように挑発していました。私には、一部の人々にとってはショックでさえあっただろうと想像します――何に使えばいいのか教えてくれないプログラムは、前代未聞でした5。

そして進歩は進み、初期のプロンプト6を、自然言語での洗練されたクエリのために置き去りにしました。今では、awkやgrepなどのことを知っている必要はなく、お気に入りのLLMに尋ねるだけで済みます:

現在のディレクトリとそのサブディレクトリ内のすべてのPythonファイルで url という名前の変数に割り当てられているURLから github.com のようなドメイン名を抽出し、カウントしたいのですが、シェルコマンドのセットでこれをどのように行いますか?

その出力はかなり有能です:

grep -rhoP "url\w*\s*=\s*['\"]Khttps?://[^'\"]+" --include="*.py" . \
    | sed -E 's#https?://##; s#/.*##' \
    | sort \
    | uniq -c \
    | sort -rn

コマンドは多かれ少なかれ同じことを行います。ただし、私のrgを使った手作りのコマンドは、隠しディレクトリを自動的に無視します。これは通常、コードを検索するときにしたいことですが、LLMにはそのコンテキストを提供しませんでした。さらに、-PはBSDバリアントのgrepを使用するオペレーティングシステムでは失敗します。ここでもLLMはコンテキストを欠いていますが、このコマンドはターミナルにコピー&ペーストすれば機能します。LLMを自然言語コマンドと古いUnixの呪文との間の翻訳者として利用し、CLIツールの一つを使って、私のためにコマンドを直接実行させることさえできるかもしれません。

その意味で、LLMはUnixの哲学を体現しています。もちろん、このアナロジーには馬が簡単に通り抜けられるほど大きな穴があります。LLMは小さくもなく、一つのことを行うわけでもありません――一部のことは、確かにうまく行っていないとさえ主張できるかもしれません。これらの問題にもかかわらず、LLMはテキストが普遍的なインターフェースであることを理解しています。ユーザーがコンピューターとの話し方を学ぶ必要があった代わりに、コンピューターが今あなたに話しかけてきます。数年前、この考えはまったく楽観的に思えたでしょう。「テキストとトークン化」が汎用AIモデルを構築するためのレシピであると誰も予想しなかったでしょう。しかし、私たちはここにいて、GUIに頼ることはどんどん少なくなり、代わりに愛するUnixライクなインターフェースに戻っています。

AIを取り巻くすべての問題点7にもかかわらず、何十年もの間 vindicated されたことに、少なくともいくらかの慰めを見出すことができるかもしれません:テキストが至高であり、Unixが勝利したのです。


  1. それらのほとんど、あるいはすべてが私の学生よりも古い。中には私よりも古いものもあります。時は飛ぶ。↩︎

  2. これをもっと効率的に行う方法はおそらくあるでしょう。それらについて教えてください――私は自分のCLI知識が最高だとは主張していません。↩︎

  3. 私の神経多様性のせいにすることもできますが、これらの情状酌量すべき状況があっても、若い頃は(さらに)耐え難かったと思います。ごめんなさい!↩︎

  4. 少なくとも、それが私の楽しみの定義です。↩︎

  5. この残存する感情が、これらのモデルの最初の世代の多くの例示的なプロンプト/画像の理由であると疑っています。↩︎

  6. このような絶対的な宝石と共に:

    古代の森の中、苔むした石畳の上に立つ魔法使いが、木製の杖から光る呪文を唱えている。ダイナミックなシネマティックライティング、アルフォンス・ミュシャによるコンセプトアート、Octane Render、Unreal Engine 5、超リアルなディテール、8K、鮮明、傑作。

    プロンプトエンジニアが2023年の最もホットなAIの仕事だったことを覚えていますか?↩︎

  7. ここでは意図的に含めていません。なぜなら、この記事でそれらを議論するには適切ではないからです。↩︎