複数の言語で同じコード学習、プログラミング言語の壁を越えるAI

『言語格差』って、結局のところ AI が Python のコードはいっぱい見てるけど COBOL は見たことほぼないってことなの？

本質的にはそう。ただ、それだけではないのかもしれません。 AI が学習に使うコードの量は確かに大きな要因です。Python は GitHub に山ほどあるし、チュートリアルや技術書も多い。COBOL は逆で、昭和の銀行システムの奥底に眠ったままのものばかり。「見てない」から苦手になるのは自然です。 でも同時に、AI の内部では「言語ごとの『文法の癖』を別物として学習してしまう」という問題もありそうです。たとえば Python で書かれたソートと Java で書かれたソートは、やってることは同じですが、キーワードの並び方も括弧の使い方も全く違う。AI は表面的な文法パターンを機械的に処理する側面があるので、「Python の文法パターン A は得意だけど、COBOL の文法パターン B は初見」という状態になる。 記事の工夫は、同じ機能を複数言語で学ばせることで、AI に「言語が違ってもやってることは同じ」という本質を気づかせようとしている。つまり、見たことない言語でも「あ、あのパターンの言語版か」と応用できるようになる、ということですね。データ量の問題を超えた、AI の思考構造の問題にも切り込んでいるわけです。

企業の基幹システムが COBOL で動いてるって話、自分の給与計算とか銀行の送金とか、そういう身近なところにも関係してるの？

関係しています。むしろ自分の給与計算や銀行送金こそが、COBOL が今も現役で動いている最大の理由なんですよね。 給与システムや銀行の送金処理は「毎日確実に動くこと」が何より大事。 COBOL は1960年代から使われ続けていて、もう何十年も安定稼働している。 新しい言語に乗り換えるのは莫大なコストがかかるし、システム障害が起きたら給与が払われない、送金が止まるという事態になる。 だから企業は「動いているものには手を入れない」という判断をしている。 ただここで矛盾が生まれるわけです。 COBOL のコードは古く、開発者も減っていく一方、 業務ロジックは複雑化し続ける。 新機能を追加したいとき、COBOL で書けるエンジニアが足りない。 だから AI にコード生成を手伝ってもらいたいんだけど、 COBOL の学習データが少ないから AI の精度が低い。 この記事の「複数言語で同じ処理を学ばせる」という手法は、 その悪循環を緩和できる可能性を秘めているんですよね。 あなたのお給料や送金が安全に届く裏側で、 こういった地味な工学が働いているというわけです。

AI がプログラミング言語ごとに得手不得手を持つようになったのって、最近のことなの？昔から COBOL は弱かったの？

昔の COBOL は、むしろ AI の得意分野だったんですよ。 理由はシンプル。COBOL は 1960 年代から 60 年以上、銀行や保険、公務所といった大規模システムで使われ続けてきた。つまり、デジタル化された膨大なコード資産がネット上に存在しているわけです。一方、Python が今ほど圧倒的に主流になったのはここ 15 年程度。AI の学習データセットが Python に集中したのは、むしろ最近の現象なんですよね。 言語格差が生まれたのは、学習データの「偏り」が極端になったここ数年のことだと言えそうです。YouTube も GitHub も Stack Overflow も、Python や JavaScript で質問や回答が集中した。するとそれらのデータで育てられた大規模言語モデルは、当然そこに最適化される。結果、金融機関で今も動いている COBOL や、最新言語の Rust は「相対的に弱い」という扱いになってしまった。昔は確実性と規模では COBOL が優位だったのに、データドリブンの時代になったら、データの量で決まるようになってしまった、という構造があるのかもしれません。

複数の言語で同じ機能を学ばせるって、要するに『異なる表現から共通パターンを抽出する』学習のやり方なの？

その通りですが、もう一段階深く考えると面白いんですよ。 「複数言語で同じ機能」を学ばせるのは、単なる共通パターン抽出じゃなくて、AI に「言語に依存しない思考」を強制的に身につけさせている側面があります。 通常、AI は学習データが多い言語（Python など）では、その言語特有の書き方・文法・慣習をパターンとして吸収してしまう。だから、データが少ない言語では、その「言語特有の癖」を活用できず、精度が落ちるわけです。 でも、同じソート機能を Python・Java・Go で一緒に見せると、どうなるか。言語ごとの構文の違いを何度も跨ぐことで、AI は「結局のところ、何をやってるのか」という、より抽象的な層で概念を捉え直すことを迫られる。つまり、言語という「ノイズ」を何度も乗り越えるプロセスが、ノイズに強い表現を AI の内部に作っていくんです。 人間が外国語を複数習うと、共通の文法原理が見えてくるのに似ているかもしれません。言語格差を単に埋めるのではなく、言語を相互参照させることで、より本質的な理解力を育てている工夫と言えそうです。

AI の精度が上がるのは確かだけど、逆にマイナー言語のプログラマーって仕事が増えたり減ったりするの？

マイナー言語のプログラマーにとって、この変化は実は両面性があるのかもしれません。 短期的には、AI が C# や Rust のコード生成を上手くなれば、その言語を使った定型的なタスクは自動化されやすくなる。つまり「このロジックを〇〇言語で書いて」という単純な仕事は減る可能性があります。 ただ、逆の見方もあります。マイナー言語は、そもそも採用している企業が限定的。COBOL のレガシーシステムしかり、Rust の高性能システムしかり。そういう現場では「既存コードを理解した上で改修する」「言語の深い仕様を生かした最適化」といった、AI では代替しにくい仕事が中心。むしろ AI が使える言語でも、複雑なシステム設計やバグ修正は人間が必要。マイナー言語だからこそ、人間のスキルが相対的に希少価値を持つ側面もあります。 結局のところ、単語単位の自動コード生成は効率化されても、言語選択の判断や保守運用の責任は人間に残る。マイナー言語を選んだ企業の事情を理解できるプログラマーは、むしろ重宝されるようになるのかもしれません。