今週になって，遅ればせながら研究で本格的にAIエージェントを使い始めました。
その威力に魅了されています。
2月頃，とある会議で居合わせた農場の先生から，
AIエージェント，いいっすよぉ。フォルダ作ってデータファイル入れて，やりたいことをチャットに打ち込むと分析コード書いて出力出してくれますよ。
と力説されて魅力を感じていたのですが，自分のコンピュータのファイル操作権限をAIにわたすのも怖いなぁと思って，先週まではLLMをチャットを介して使っていました。
今週になって読んだ論文で解析に使われている手法を自分自身でも使いたくなったのですが，”コードをイチから書いたりLLMとの出力をVS codeにコピペを繰り返すのもめんどくさい”，と，重い腰を上げてCodex https://openai.com/ja-JP/codex/ とAntigravity https://antigravity.googleをインストールして試してみました。
そしたら取得した画像スタックをフォルダにいれて，チャットでやりたいことを羅列しただけで，自分がやりたい解析操作を行うためのPythonやRコード（はてはIgorのProcedureまで！）を自分ではエディタでいじることなく書き終えてしまいました。
もちろん出てきたコードをそのまますぐに実際の解析に使うのは無理で，何度かの修正操作も必要ですし，自作ハードウェアと連携させたプログラムを改良したりするためには手作業でコードを直す余地があると思うのですが，世界が変わったことを痛感しました。
今年は私が直接指導する新人学生さんがいないのですが，いたらいろんなことの教え方が完全に変わるレベルですね。
これだけAIによる「外部記憶・処理装置」が発達した今，それを使いこなして面白いことするには何を覚えればよいのか，が問われる時代になったと思います。
いやはや驚きつつも，「怪しいものには手を出さない・慣れているやりかたでやる」という年寄り頭になってはいけない，ということに改めて気付かされたここ数日です。
AI Agents Are Kind of Terrifying—in a Good Way
This week, rather belatedly, I finally started using AI agents seriously in my research.
I’ve been amazed by how powerful they are.
Back in February, at a certain meeting, a collegue from our Univ. agricultural field who happened to be there told me:
“AI agents are great. You just make a folder, put your data files in it, type into the chat what you want to do, and it writes the analysis code and gives you the output.”
I was intrigued when he said that, but at the same time, the idea of giving an AI permission to manipulate files on my own computer felt a bit unsettling. So up until last week, I had only been using LLMs through ordinary chat.
Then this week, after reading a paper, I found myself wanting to try one of the analysis methods used in it. But I thought, “Writing the code from scratch and repeatedly copying and pasting between an LLM and VS Code is such a hassle.” So I finally got myself moving and installed Codex and Antigravity to give them a try.
And once I did, all I had to do was put the image stacks I had acquired into a folder and list in chat what I wanted to accomplish. Before I knew it, the AI had written the Python and R code I needed to perform the analysis I wanted—heck, it even wrote Igor procedures—without me having to touch an editor myself.
Of course, it’s not realistic to take the generated code exactly as-is and immediately use it for real analysis. Some rounds of correction are still necessary, and when it comes to improving programs that interface with custom-built hardware, there’s clearly still room for manual coding. Even so, I came away with the strong feeling that the world has changed.
This year I don’t happen to have any new students under my direct supervision, but if I did, this would completely change how I teach a lot of things.
Now that these AI-based “external memory and processing devices” have advanced this far, I think we are entering an era in which the real question is: what do we need to learn in order to use them well and do interesting things with them?
These past few days have left me genuinely astonished, but they have also reminded me of something important: I must not become the kind of old-timer who says, “Don’t touch anything suspicious; just stick to the methods you already know.”
