中島聡 基調講演「作りたいもののために、道具から作る時代」── 第4回BootCamp中間発表より

中島聡 基調講演「作りたいもののために、道具から作る時代」── 第4回BootCamp中間発表より

2026年11月15日に渋谷で開催した第4回 Singularity Society BootCampの中間発表では、中島聡による基調講演も行われました。

テーマは、この1年間に「AIに書かせて」作ってきたものの全体像。すごい勢いでプロジェクトを立ち上げては捨て、残ったものをリポジトリとして残してきた、その全体を1枚のスライドにまとめて紹介する、という内容でした。

その1枚のスライドは、こんな構成です。

(* は人が作った言語)

以下、講演の内容をまとめます。

AIにコードを書かせる側に、完全に移った

長くソフトウェアを作り、会社も作ってきた中島ですが、今年の2〜3月頃に衝撃を受けて以降、「自分でコードを書くのはしょうがない」と思うようになったそうです。

自分が書けば2〜3週間かかる仕事を、AIは1時間でやってしまう。それなら自分で書くのは馬鹿らしいので、AIに書かせるしかない。

もともと、あっさり切り替えるタイプ。アセンブラからC、C++と、便利なものが出るたびに喜んで乗り換えて生産性を上げてきました。今回も「抜かれたなら、AIに任せよう」と。

そして今は、異常な加速状態にあると言います。

昔は「作るのに3ヶ月かかるから、コストに見合わないのでやらない」という選択があった。今は「やらない」という選択肢がほぼ無くなった。思いついたらやらせてみて、ダメなら捨てればいい。

GraphAI ── まだ手で書いていた頃

GraphAIは1〜2年前に作ったTypeScript製のモジュールです。AIのツールを呼ぶときに、仕事を非同期・並列に、どういう順番でやらせるかを簡単にコントロールするためのものです。

専用言語を作るのが好きで、GraphAI専用の言語で非同期処理を簡単に書けるようにしました。この頃はまだ、かなり手で書く必要があり、結構な時間をかけて作ったそうです。

MulmoCast と MulmoScript ── 本格的なAIコーディングの始まり

GraphAIの次に作ったのが、プレゼンツールのMulmoCastです。PowerPointのようなスライドから紙芝居、映像まで作れます。

台本にあたるMulmoScriptを人間が書く、あるいはAIに書かせると、それが映像やスライドショーになります。

本格的にAIにコードを書かせ始めたのは約1年前、このMulmoCastのビデオ編集の部分でした。ffmpegのAPIが古くて使いにくく、AIに書かせたのが最初だったそうです。

MulmoChat と GUI Chat Protocol ── 超加速の始まり

MulmoChatは、OpenAIのリアルタイムLLM APIが出たときに試作したチャットアプリです。コードは見ず、どう動くかだけを見る。まさにバイブコーディングで作ったプロトタイプでした。

今では、バックエンドにOpenAI、Google Gemini、Llamaなどを選べるまでに進化しています。

ChatGPTはHTMLやMarkdownを生成して表示しますが、その部分は標準化されていません。中島がやりたかったのは、サードパーティとしてそこに仕組みを作ること。LLMがHTMLをそのまま返すのではなく、ユーザーに見せたいものを専用のスクリプト言語で記述し、それを受け取って表示する。それがGUI Chat ProtocolとMulmoChatです。

画面は、真ん中が対話、右側が「キャンバス」。AIと会話しながら作り、右側に最終形態が表示されていくのを見ながら進める形になっています。

MulmoClaude ── 自分用のエージェントを育てる

MulmoClaudeは、雑に作ったボイスチャットのMulmoChatを、きちんと設計し直してテキストベースにしたものです。自分なりのエージェントを育てる仕組みがほしかった、と言います。

中のLLMはMulmoScriptも使えるので、プロンプトから映像を作ることもできます。

当初は、AnthropicのClaude Codeを -p オプションでAPIのように呼んでいました。APIキーなしで、月額のサブスクリプションの範囲で使えるのが利点でした。ところが、Anthropicが -p もAPI課金にするとアナウンスし、困ってしまったそうです。

MulmoTerminal ── 今の開発環境はほぼ全部これ

そこで「-p ではなく、本物のバイナリをターミナルで動かせばいいのでは」と有本に相談し、作ったのがMulmoTerminalです。

基本的な設定はMulmoClaudeと同じですが、-p の代わりに本物のターミナルが中に入っています。これで、月額課金の範囲で、ffmpegなどを使ってビデオや音楽を作るエージェント環境ができました。

Emacsとターミナルで開発してきた有本自身も「複数のターミナルウィンドウを開くより、これでいいのでは」と言って、どんどん使うようになったとのこと。

中島の今の開発環境は、基本的に全部MulmoTerminalです。それまではMacとVS Codeのような環境でした。

中ではClaude Code、Codex、Antigravity、Muse、Grokが使え、ものに応じて使い分けています。Claude Codeをメインにして、Claude Codeに指示してCodexにサブの仕事をさせる、といった使い方も自由にでき、すごく心地いいそうです。

仕事の全部をMulmoTerminalでやる

MulmoTerminalの中の「コレクション」という仕組みで、スケジュール管理もしています。Googleカレンダーではなくこちらを使い、必要に応じてiCalに出す。連携が良いそうです。

今後は、ここで話した内容から請求書を自動生成して送る、ということもしたいとのこと。自分の仕事の全てをMulmoTerminalでやるようになっています。

コレクションの例として、自分だけの映画サイトのようなもの、作ってみたい映画のリストのようなものも作っているそうです。

MulmoTutor ── 最新の思いつき

MulmoTutorは、MulmoChatをベースにした、声で使う家庭教師です。子どもたちが算数や国語を勉強できるもので、今は自分の孫を対象にしています。もう少し作っていきたい、とのことでした。

持論: LLMをコントロールするハーネスとしてのDSL

ここから講演は、もう一つの柱である「言語」の話に移りました。

中島は昔から、存在しなかったスクリプト言語を自分で作り、きちんと仕様として成り立つものにしてきました。

LLMはHTMLもPythonも書けます。でも、自由度が高すぎると、デバッグが大変になる。そこで、MulmoScriptのように「プレゼンを作るための言語」という制限付きのドメイン特化言語(DSL)を定義して使わせると、LLMは余計なことをせず、安定して動きます。

LLMをコントロールするハーネスの仕組みとして、ドメインスペシフィックなスクリプト言語が効く。

そう思い始めた、と言います。そこから生まれたのが、次の言語たちです。

JingleScript ── 音楽と効果音

JingleScriptは思いつきで作った言語です。ビデオのオープニングでIntelのロゴが「ボーン」と鳴るようなものを、スクリプト言語でAIに作らせて、簡単に作りたかったのがきっかけでした。

作っていくうちに効果音や音楽の演奏もできるようになり、今ではかなりクオリティの高いピアノ音楽も作れます。単独でも使えますし、MulmoCastにも入っているので、プレゼンや映像に音楽や効果音を簡単に入れられます。

ShapeScript ── 3Dプリント

ShapeScriptは中島が作ったものではなく、もともとMacで3Dプリント用のモデルを作るために、ある人が作った言語です。よくできている、と言います。

3Dプリンターを手に入れたときは、手で書いてモデルを作っていました。それをTypeScriptで再実装し、モジュールとして呼べるようにしました。元の言語仕様はそのままです。

MulmoTerminalで使うと、3Dプリントしたいものをデザインして、そのままプリントできます。家の環境では「こういうものが作りたい」と言うとMulmoTerminalがデザインし、3Dで見て「いいね」と言い、「プリントして」と言うと、モデルをプリンター側に渡してくれる。ほぼプロンプトだけで、とんでもないスピードで3Dモデルができるそうです。

AvatarScript ── 喋るアバター

MulmoCastはMulmoScriptを映像にできますが、テキストから映像を作るAPIは細かく、作品作りに時間がかかります。喋る内容を伝えるだけなら、もっと簡単な形がいい。

そこで作ったのがAvatarScriptです。キャラクターを自分でデザインし、喋るときの口の形や髪の揺れ方などをツールで入れておくと、台本に合わせて喋ってくれる、2.5Dの二次元アバターです。

単独でも、MulmoScriptの中からでも呼べます。講演では、MulmoCastとAvatarScriptを組み合わせたデモ映像も紹介され、そのプロンプト自体はものすごく短いものでした。

YomiScript ── 日本語の読み間違いをなくす

MulmoScriptでキャラクターに喋らせるときは、OpenAIやElevenLabsの音声APIを呼んでいますが、読み間違いが多い。オープンソースの音声モジュールは声は良いものの、日本語を読むのが苦手です。

そこでYomiScriptでは、日本語の読み(発音記号とアクセントまで)をLLMにYomiScriptで書かせ、音声化はすごく軽いオープンソースのモジュールにやらせる形にしました。

結果、APIのコストがかからず、日本語の読み間違いもほぼ無くなったそうです。

作りたいもののために、道具から作る時代

講演の最後に、中島はこう語りました。

今は「それで儲ける」時代ではなく、自分で作りたいものを作る時代。作りたいもののために必要な道具を自分で作り、最終的にビデオなどの作品を作る。そういう時代ではないか。

コーディングがあまりにも簡単になって、不思議な感覚がある。昔なら無理だったものが、3日ぐらいでできてしまう。

例えばシンセサイザー。MIDIはバイナリなので、LLMには生成しにくい。だから、LLMが生成しやすいスクリプト言語を定義すれば、とんでもないことができる。

皆さんも、とんでもないことをしてください。

紹介したものは基本的にオープンソースで、一歩ずつ説明した記事もあります。気になったものがあれば、ぜひリポジトリをのぞいてみてください。

AI時代、めっちゃ楽しもう!!!

この記事をシェア

関連記事

記事一覧に戻る