ニュース

Text：Web3 スカイシティ・シティロード

この最新のスタンフォード授業インタビューでは、元 Google CEO のエリック シュミットが、人工知能の開発の方向性、世界的な技術競争の将来、そしてこれらの技術が短期的にどのように社会と経済に影響を及ぼし、社会に大きな影響を与えるかについて詳しく語ります。国家安全保障。シュミット同氏はテクノロジー業界での長年の経験を振り返り、今後数年間の人工知能テクノロジーのブレークスルーについての予測を共有し、これらのブレークスルーが企業や国家間の競争環境、特に米国間の競争にどのような影響を与えるかについて議論した。そして中国。

シュミット計算能力の向上、新しいアルゴリズムの開発、市場のインテリジェント システムの終わりのない追求など、技術進歩の背後にある複雑な要因に特に重点が置かれています。また、労働市場、データプライバシー、独占禁止法、国家安全保障に対する AI の潜在的な影響についても議論し、この急速に変化する環境において競争上の優位性を維持する方法についての推奨事項を提供しています。

市の所有者は、米国国防総省に長く勤務してきたシュミット氏として、彼の発言と立場は区別される必要があると特に指摘しており、読者はそれを自力で理解できると信じています。

人工知能の短期的な進歩と広範囲にわたる影響：

シュミット今後 1 ～ 2 年で、特にコンテキスト ウィンドウの拡張、AI エージェント、テキスト操作の組み合わせにおいて、人工知能によって重要な進歩がもたらされると予測されています。こうした技術の進歩により、AI システムは現在の制限を超えて、複雑なタスクをより効率的に処理できるようになります。この種の進歩は技術分野に限定されるものではなく、教育、医療、政府、ビジネスを含む社会のあらゆる側面に大きな影響を与えるでしょう。同氏は、これらのテクノロジーの発展が、ソーシャルメディアの台頭よりもさらに深刻な変革的影響を与える可能性があることを強調した。

世界的な科学技術競争における中国と米国の勝負：

シュミット人工知能分野における米国と中国の熾烈な競争を詳細に分析。同氏は、米国は現在、技術、人材、資源の面でリードしているが、この優位性を維持するには、継続的な多額の投資と国際協力、特にエネルギーと資源の持続可能な供給を確保するためのカナダなどの同盟国との協力が必要であると指摘した。同氏は、AIの将来は単なる技術競争ではなく、国家安全保障、経済競争力、世界的リーダーシップを伴う国家間の戦略的なゲームでもあると強調した。シュミット氏は、米国はAI分野における中国の急速な台頭に対処し、この分野での世界的な優位性を維持するために投資を増やす必要があると警告した。

テクノロジー巨人の独占とイノベーションへの挑戦：

テクノロジー巨人の現在の優位性について議論するとき、シュミットAI分野におけるNVIDIAなどの企業の独占的地位は、その強い技術力と資本的優位性の恩恵を受けていると指摘されている。同氏は、市場には競合他社が存在するが、これらのテクノロジー巨人の地位に挑戦するには巨額の投資と技術革新が必要であると述べた。同氏はまた、資本集約型のAI開発がオープンソースからクローズドソースへというソフトウェア開発モデルの根本的な変化につながり、それによって企業の独占がさらに強化される可能性があると考え、これらの巨人が将来どのように技術革新を促進し続けるかについて懸念を表明した。巨人たち。

人工知能が社会と労働市場に与える影響：

シュミット社会、経済、労働市場に対する人工知能の潜在的な影響が調査されています。同氏は、AIテクノロジーは一部の反復的なタスクを置き換える可能性があるが、同時に高度なスキルを要する仕事の重要性を高め、複雑なタスクにおける人々の生産性を促進すると信じている。同氏はまた、人工知能がもたらす可能性のある社会的不平等について懸念を表明し、富裕国はAIからより多くの恩恵を受ける一方、貧しい国は取り残される可能性があると指摘した。また、シュミットデータプライバシー、知的財産権、誤情報の拡散などの問題に対処するため、AIに対する規制の強化を求めている。

敵対的な AI とセキュリティの課題：

シュミット敵対的な人工知能の潜在的な脅威については特に言及され、将来的には特別に設計された AI システムが他の AI システムを攻撃して破壊するために使用される可能性があると予測されました。この発展は、新たなセキュリティと倫理的課題をもたらすでしょう。シュミット科学技術コミュニティと政府が協力して、これらのリスクを防止する方法を検討し、人工知能の安全性と信頼性を確保するために対応する規制と技術基準を策定する必要があることが推奨されます。同氏はまた、この分野の研究は将来の科学技術発展の重要な方向性となり、大学や研究機関でさらに注目される可能性があると述べた。

Googleの元CEOが世界的なAI競争について語る：米国のチップには10年間の技術的優位性があり、中国が最も重要な競争相手である

=Web3スカイシティ全文編集版=

ホスト教授：

今日のゲストについては説明の必要はありません。私がエリックに初めて会ったのは約 25 年前、彼が Novell の CEO としてスタンフォード GSB に来たときでした。それ以来、2001 年から Google で重要な役職を歴任し、2017 年にシュミット フューチャーズに入社しました。他にも多数のプロジェクトに参加しており、関連情報もチェックできます。それで、エリック、もしよろしければ、それから始めましょう。

まず第一に、人工知能は短期的にどこへ向かうと思いますか?それを今後 1 ～ 2 年と定義していると思います。

シュミット:

物事は急速に変化しているため、半年ごとに今後のことについて新しいスピーチをする必要があると感じています。ここにはコンピューター サイエンスの学生がたくさんいますが、クラスの残りの生徒に「100 万人」と説明できる人はいますか?トークン「コンテキスト ウィンドウ」とは何ですか? 名前とその機能を教えてください。

学生：基本的に、100万個のマーカーを使用できるようになります。Word のプロンプトが表示されます。

シュミット:

したがって、100万語の質問をすることができます。 Anthropic は 200,000 トークン、最大 100 万トークンなどです。想像できるでしょうオープンAI同じような目標を持っています。

AI エージェントの技術的な定義をここで説明できる人はいますか?もう一度言いますが、コンピューターサイエンスです。

学生：AI エージェントは、特定の方法で動作するものである可能性があります。ユーザーに代わって情報を検索するために、Web 上の何かを呼び出している可能性があります。これらの線に沿って、さまざまなことが起こる可能性があります。プロセスではあらゆる種類のことが起こっています。

シュミット:したがって、エージェントとは、ある種のタスクを実行するものです。別の定義は、法学修士、状態と記憶。次に、コンピューター科学者の皆さん、「テキストからアクションまで」を定義できる人はいますか?

学生：テキストをさらにテキストに変換するのではなく、これに基づいて AI にアクションをトリガーさせます。

シュミット:

もう 1 つの定義は Python 言語です。私はプログラミング言語が生き残るのを決して見たくありません。 AI のすべては Python で行われます。 Mojo と呼ばれる新しい言語が登場し、ついに AI プログラミングの問題を解決したように見えますが、実際に Python の優位性を乗り切ることができるかどうかはわかります。

技術的な問題もあります。他の企業が苦戦しているのに、なぜ NVIDIA には 2 兆ドルの価値があるのでしょうか?

学生：技術的な答えは、ほとんどのコードは、現在 NVIDIA GPU でのみサポートされている CUDA 最適化を使用して実行する必要があるため、他の企業は好きなことを行うことができますが、10 年間のソフトウェア最適化の経験がなければ機械学習は実現できないということです。

シュミット:

私は CUDA を GPU 用の C プログラミング言語と考えるのが好きで、この考えに満足しています。 CUDAは2008年に設立されました。私はいつもそれは悪い言語だと思っていましたが、それが引き継がれました。注目に値するもう 1 つの洞察: 他のライブラリにはない CUDA 用に高度に最適化されたオープン ソース ライブラリのセットがあります。これらの技術スタックを構築しているすべての人々は、議論においてこの点を完全に見逃しています。これらのライブラリは技術的には VLLM と呼ばれ、同様に CUDA 用に高度に最適化されたライブラリが多数存在するため、競合他社がコピーするのは困難です。

では、これは何を意味するのでしょうか?来年には、非常に大きなコンテキスト ウィンドウ、エージェント、テキストアクション アプリケーションが登場するでしょう。これらのテクノロジーが大規模に提供されると、ソーシャル メディアの影響をはるかに超えて、世界に大きな影響を与えることになります。その理由は次のとおりです。コンテキスト ウィンドウでは、それを短期記憶として使用できますが、コンテキスト ウィンドウの長さにショックを受けました。技術的な理由は、サービスと計算の難しさに関係しています。短期記憶の興味深い点は、情報を入力して質問すると、たとえば本を 20 冊読んで本の本文を質問として使用し、それが何についてなのか尋ねると、中間部分を忘れてしまうのと同じです。人間の脳は機能します。

エージェントに関しては、現在、化学などの分野のことを読んで理解し、テストして理解に戻して LLM エージェントを構築している人たちがいます。これは非常に強力です。 3 番目の側面は、テキストからアクションへの変換です。例を挙げてみましょう。政府が TikTok を禁止しようとしているとします。 TikTok が禁止されている場合は、LLM に次のように言うことをお勧めします。TikTok をコピーして、そこに私の設定を入れて、このアプリを作成し、次の 30 秒以内に公開してください。普及しなかった場合は 1 時間以内に公開してください。 、そのようなことをするだけです。それが順序です。これがいかに強力であるかがわかります。

任意の言語から任意の数値コマンドに変換できる場合、それはこのシナリオでは本質的に Python です。地球上の誰もが、要求どおりに機能しないプログラマーではなく、自分のやりたいことを実際に実行する独自のプログラマーを抱えていると想像してください。ここのプログラマーは私が何を言っているか知っています。高額な代償を払わずに、あなたの望むことを実際に実行してくれる、傲慢ではないプログラマーを想像してみてください。そして、これらのプログラマーの供給は無制限です。

教授：このすべては今後 1 ～ 2 年以内に起こるでしょうか?

シュミット:

すぐ。上記の 3 つのことは、次の波では必ず同時に起こるでしょう。それで、他に何が起こるのかと尋ねます。半年ごとに変動するので、奇数から偶数まで変動します。現時点では、最先端モデル（現在は 3 モデルのみ）と残りのモデルとの差は拡大しているようです。半年前、私はその差が縮まりつつあると確信していたので、いくつかの中小企業に多額の投資をしました。しかし、今はそれについてはよくわかりません。

私はいくつかの大企業と話をしていますが、彼らは100億ドル、200億ドル、500億ドル、さらには1,000億ドルが必要だと言っていました。スターゲイト計画には1,000億ドルが必要であり、非常に困難です。私の良き友人であるサム・アルトマンは、それには約 3,000 億ドル、もしかしたらそれ以上かかるかもしれないと考えています。私は彼に、必要なエネルギーを計算したことを指摘しました。

完全な情報開示のために、私は金曜日にホワイトハウスに行き、カナダとは親友になる必要があると伝えました。カナダ人は本当に良い人たちなので、人工知能の発明に貢献し、水力発電もたくさん持っています。なぜなら、私たち国にはこの目標を達成するのに十分な力がないからです。もう一つの選択肢は、アラブ諸国がプロジェクトに資金を提供することだ。私は個人的にアラブ人が好きで、そこで多くの時間を過ごしていますが、彼らは我が国の国家安全保障規則に従っていない可能性があります。そして、カナダと米国は、誰もが同意するビッグ 3 の 1 つです。

したがって、1,000 億ドルから 3,000 億ドルの価値があるこれらのデータセンターでは、電力が希少なリソースになり始めています。

ところで、この推論に従えば、なぜ私が CUDA と NVIDIA について議論しているのかと疑問に思われるかもしれません。 3,000 億ドルすべてが NVIDIA に送られるとしたら、株式市場で何をすべきかはわかります。ただし、これは株式の推奨ではなく、私はライセンサーではありません。

教授：

より多くのチップが必要になるという理由もあるが、インテルは米国政府から多額の資金を得ている。 AMDは韓国に工場を建設しようとしている。

シュミット:

お使いのコンピューティング デバイスに Intel チップが搭載されている場合は手を挙げてください。独占についてはこれくらいです。

教授：

しかし、それがポイントなのです。かつては彼らが独占していましたが、現在は NVIDIA が独占しています。では、これらは参入障壁なのでしょうか？

CUDA について言えば、他に選択肢はありますか?先日、パーシー・ラングと話していました。彼は、アクセスできるものに応じて、TPU と NVIDIA チップを切り替えています。それは彼に選択の余地がないからだ。

シュミット:

もし彼に無制限の資金があれば、より高速な NVIDIA の B200 アーキテクチャを今すぐ選択するでしょう。私は、競争は良いことだと言いたいのではありません。

AMDのLisa Su氏と長い会話をしました。彼らは、CUDA アーキテクチャを独自のアーキテクチャに変換できる、Rokam と呼ばれるものを構築しました。まだ完全には機能していませんが、現在開発中です。

教授：

あなたは Google で長い間働いていましたが、Google が発明したのはトランス建築。ピーター、ジェフ・ディーン、そして皆さんのような偉大な人々に感謝します。現時点ではOpenAIが主導権を失った感がある。私が見た最新のランキングでは、AnthropicのClaudeがトップでした。サンダー氏に尋ねたが、あまり明確な答えは得られなかった。もしかしたら、そこで何が起こっているのかについて、より的確で客観的な説明があるかもしれません。

シュミット:

私はもう Google の従業員ではありません。 Google がワークライフ バランスに重点を置いているのは、やみくもに勝利を追求するのではなく、従業員を早めに帰宅させて在宅勤務をさせることにある。対照的に、スタートアップが成功するのは、従業員が懸命に働くからです。少し率直かもしれませんが、現実には、大学を卒業して会社を立ち上げ、他の新興企業と競争したい場合、従業員を週に 1 日だけ来させることはできません。

Googleの元最高経営責任者（CEO）は、従業員が「十分な努力をしていない」、「週に1日しか来ない」ためAI競争に遅れをとっていると公に不満を述べ、ついでにTikTokもブロックした。

教授：Google の初期の頃、Microsoft も同様でした。

シュミット:

私たちの業界では、あまりにも長い間、企業は次の変革を起こすのではなく、真に創造的で領域を支配することで常に勝利してきたように思えます。これは十分に文書化されています。創業者は特別であり、従業員に大きなプレッシャーをかけるため、一緒に仕事をするのは難しいかもしれませんが、彼らがコントロールする必要があると私は思います。イーロンの個人的な行動は好ましくありませんが、彼が従業員から得ているものを見てください。一度彼と一緒に夕食をとったのですが、彼は飛んでいたのです。私はモンタナ州にいて、彼はその夜、x.ai との真夜中の会議のため 10 時の飛行機に乗っていました。考えてみてください。

異なる場所には異なる文化があります。 TSMCには感銘を受けました。彼らには、優秀な物理学者である博士課程を卒業したばかりの学生は工場の地下室で働かなければならないという規則があった。アメリカの物理学博士がこれを行うことを想像できますか?ありそうもない。それは異なる労働倫理です。

私が厳密に仕事をしているのは、これらのシステムにはネットワーク効果があるため、時間が非常に重要だからです。そして、ほとんどのビジネスでは時間はそれほど重要ではなく、時間はたくさんあります。コカ・コーラとペプシ・コーラは今後も存在し、両者の競争は続き、すべてが氷のように冷えるだろう。私が通信会社と取引する場合、通常、契約の締結には 18 か月かかります。何かをするのに18か月もかかる理由はなく、できるだけ早く行うべきです。私たちは成長と収益の最大化の時期にいますが、それには突飛なアイデアも必要です。

たとえば、Microsoft が OpenAI と契約を結んだとき、私はそれが今まで聞いた中で最も愚かなアイデアだと思いました。 AI のリーダーシップを OpenAI とサムと彼のチームに委託しますか?これはクレイジーです。マイクロソフトでもどこでも、そんなことをする人はいません。しかし今日では、彼らは最も価値のある企業になりつつあり、確かに Apple と互角の立場にあります。 Apple は優れた AI ソリューションを持っていませんが、それを機能させたようです。

学生：

AI は国家安全保障や地政学的利益の観点から、特に中国との競争においてどのような役割を果たすのでしょうか?

シュミット:

私は人工知能委員会の委員長として、これについて徹底的に研究しました。私たちは約 752 ページの報告書を作成し、次のように要約しました。私たちは現在、主導的な立場にあり、この優位性を維持する必要があり、それには多大な財政的支援が必要です。当社の主な顧客は上院と下院であり、これが CHIPS 法やその他の同様の政策の導入につながりました。

最先端のモデルや一部のオープンソース モデルが開発され続けると、この分野で競争できる企業は数社だけになる可能性があります。どの国がそのような能力を持っていますか?これらの国には、十分な資金があり、才能があり、強力な教育システムと勝利への意志を備えている必要があります。米国と中国が主要国の2つです。他の国が参加できるかどうかについては、わかりません。しかし確かなことは、今後、米国と中国の知的覇権を巡る競争は大きな争いとなるだろうということだ。

米国政府は、公には認めていないものの、中国へのNVIDIAチップの輸出を実質的に禁止している。当社は、サブ DUV チップ (サブ 5 ナノメートル チップ) に関して約 10 年間の技術的優位性を持っています。この利点により、我が国は中国より数年先を行っており、中国は非常に不満を抱いている。この政策はトランプ政権によって策定され、バイデン政権によって支持されました。

教授：議会はあなたのアドバイスに耳を傾け、巨額の投資を行うでしょうか。明らかに CHIPS 法はその一例です。

シュミット:

さらに、巨大な人工知能システムを構築する必要もあります。私は、一般的な業界関係者からなる非公式、臨時、非合法のグループを率いています。これらのメンバーは昨年、史上最長の大統領指令となるバイデン政権の人工知能法案を主張した。

私たちはかつて、「学習はしたものの、何を質問すればよいのかわからないシステムの危険をどのように検出するか」という核心的な質問について議論しました。言い換えれば、システムは何か悪いことを学習した可能性がありますが、それについて問い合わせる方法がわかりません。たとえば、化学物質を何か新しい方法で混ぜる方法を学習したかもしれませんが、それをどうやって調べればよいのかわかりません。これに対処するために、私たちが政府に宛てたメモでは、10 の 26 乗と呼ばれる、技術的な計算尺度であるしきい値を設定することを推奨しました。この基準を超えると、企業はその活動を政府に報告する必要があります。両者が異なることを保証するために、欧州連合では 10 の 25 乗を 10 に設定しています。しかし、これらの数字は十分に近いものです。既存のテクノロジーは時代遅れになるため、これらの区別はすべてなくなると思います。専門用語ではジョイントトレーニングと呼ばれますが、これは基本的に部分を結合できることを意味します。したがって、私たちはこれらの新しいものから人々を守ることができないかもしれません。

教授：

噂によると、消費電力の問題もあり、OpenAI はこの方法でトレーニングする必要があるということです。彼らがこれを行う場所はありません。

実際に起こっている戦争について話しましょう。あなたがウクライナでの戦争、特にホワイト・コウノトリ計画と、500ドル相当の無人機で500万ドル相当の戦車を破壊するという目標に関して積極的に関わっていたことは知っています。これは戦争にどのような変化をもたらすでしょうか?

シュミット:

私は国防長官の下で 7 年間働き、軍の運営方法を変えようと努めました。私は軍事が特に好きなわけではありませんが、非常に高価なので、私にできることがあればと思いました。基本的に失敗したと思います。メダルをくれたんだから、敗者とかにメダルを与えるんだろうね。しかし、私の自己批判は、実際には何も変わっておらず、アメリカのシステムは真のイノベーションにつながっていないということです。

そこで私はあなたの友人のセバスチャン・スラン（ここの教員だった）やスタンフォード大学の大勢の人々と一緒に会社を立ち上げることにしました。このアイデアは基本的に 2 つのことを行うことです。1 つは、本質的にロボット戦争であるものにおいて、複雑かつ強力な方法で人工知能を使用することです。2 つ目は、ロボットのコストを削減することです。さて、あなたは、なぜ私のような善良なリベラルがこんなことをするのか、と思っているかもしれない。答えは、軍隊の理論全体は戦車、大砲、迫撃砲であり、それらを破壊することができるということです。私たちは、（少なくとも陸路で）国を侵略する罰を本質的に不可能にすることができます。そのような地上戦はなくすべきだ。

教授：

これは非常に興味深い質問です。それは守備側に攻撃側の優位性を与えますか？違いが分かりますか？

シュミット:

この1年間この仕事をしてきたので、知りたくなかった戦争についてたくさんのことを学びました。戦争について知っておくべきことの 1 つは、攻撃側はいつでも防御システムを圧倒できるため、常に有利であるということです。したがって、防御戦略の観点からは、必要なときに使用できる非常に強力な攻撃を用意する方がよいでしょう。私や他の人が構築しているシステムは、まさにそれを実現します。このシステムの仕組みのおかげで、私は今、認可された武器商人です。つまり、私はコンピューター科学者であり、ビジネスマンであり、武器商人でもあります。申し訳ありません。これは進歩ですか？わからない。キャリアの中でこれを行うことはお勧めしません。私は人工知能に固執します。法律の仕組みにより、私たちはこれを政府の支援を受けて非公開で行っており、すべて合法です。それはすぐにウクライナに侵入し、その後彼らは戦闘を開始します。詳細には触れませんが、状況はかなり悲惨です。 5月か6月にロシアが予想通りに建設すれば、ウクライナは国全体を失う過程でかなりの領土を失うことになるだろうと私は思う。状況はかなり悪いです。マージョリー・テイラー・グリーンを知っているなら、連絡先リストから彼女を削除することをお勧めします。なぜなら、彼女は重要な民主主義を救うために数十億ドルが費やされるのを阻止した人だからです。

教授：

次に、少し哲学的な質問についてお話したいと思います。昨年、あなたはヘンリー・キッシンジャーおよびダン・ハッテンロックと、知識の性質とそれがどのように発展するかについての記事を共著しました。私も数日前の夜、この問題について議論しました。歴史の大部分において、科学革命と啓蒙の到来まで、人類の宇宙に対する理解は謎に包まれていました。あなたの記事では、今日のモデルは非常に複雑で理解しにくくなっているため、モデルの内部で何が起こっているのか本当にわからないと述べています。リチャード・ファインマンの言葉を引用します。「私が創造できないものは、私には理解できません。」 先日、この言葉に出会いました。しかし今、人々はその内部の仕組みを実際には理解することなく、自分にできるものを作り出しています。知識の性質は何らかの形で変化しましたか?私たちは、説明できないこれらのモデルを額面通りに受け入れ始めなければならないのでしょうか?

シュミット:

ある十代の若者の例を挙げたいと思います。 10代の子供がいる場合、彼らが人間であることは知っていますが、彼らが何を考えているのか完全には理解できません。しかし、私たちは社会としてティーンエイジャーの存在に適応することに成功しており、彼らはやがて成長してそこから抜け出すでしょう。これは深刻な質問です。したがって、私たちは完全には説明できない知識システムを持っているかもしれませんが、私たちはその境界とそれらができることの限界を理解しています、そしてそれがおそらく私たちが得ることができる最善のものです。これらの限界を理解できると思いますか?それができれば素晴らしいですね。

私のグループの毎週のミーティングでのコンセンサスは、最終的にはいわゆる敵対的 AI が登場し、AI システムを破壊するためにあなたを雇い、お金を払う企業が実際に現れるだろうということです。まさにレッドチームのようです。今日の人間のレッドチームとは異なり、企業全体と業界全体が AI システムを担当し、既存の AI システムを破壊し、その脆弱性、特に私たちが解明できない脆弱性を見つけることが仕事になります。これは私にとっては理にかなっています。これはスタンフォード大学にとっても素晴らしいプログラムです。これらの大きなモデルの 1 つを攻撃する方法を考え出し、それが何をするのかを理解する必要がある大学院生がいる場合、それは次世代を構築するための重要なスキルとなるでしょう。したがって、この 2 つを組み合わせるのは理にかなっています。

教授：

それでは、学生の質問に答えてみましょう。私の後ろにクラスメイトがいます、名前を言ってください。

学生：

先ほどもおっしゃいましたが、これは今のコメントにもつながりますが、AIにやってほしいことを実際にやらせることについてです。先ほど敵対的 AI について言及されましたが、それについてさらに詳しく説明していただけないかと思いました。明らかなコンピューティング能力の向上とは別に、より高性能なモデルを入手できるように思えますが、モデルに希望どおりの動作をさせるという問題については、部分的に未解決のようです。

シュミット:

そうですね、テクノロジーの進歩などにより、現在の幻覚の問題は減少すると想定する必要があります。なくなるとは言ってないよ。そして、有効性テストがあることも想定する必要があるため、これが成功したかどうかを知る方法が必要です。 TikTok の競合他社について述べた例では、他人の音楽を違法に盗むことを示唆しているわけではありません。あなたがシリコンバレーの起業家だったら何をしますか?皆さんがシリコンバレーの起業家であることを願っています。製品が成功すれば、その後の対応のために弁護士軍団を雇うことになる。しかし、誰もあなたの製品を使用しない場合、すべてを盗んだとしても問題はありません。もちろん、それに関して私を引用しないでください。

シリコンバレーでは通常、これらのテストを実施し、追加の質問に対応します。これは一般的な慣行です。パフォーマンス システムがますます増え、より優れたテストが行​​われ、最終的には敵対的テストがフレームワーク内に収まるようになると思います。この専門用語は、思考連鎖推論と呼ばれます。今後数年以内に、レシピを作るのと同じように、千段階の推論の連鎖を生み出すことができるようになると考えられています。これを実行して、正しい結果が得られるかどうかを実際にテストすることができます。これがシステムの仕組みです。

学生：

全体として、あなたは人工知能の進歩の可能性について非常に楽観的です。興味があるのですが、何がこの進歩を促進しているのでしょうか?コンピューティング能力が向上したのでしょうか？それはさらなるデータですか？それは根本的な変化でしょうか、それとも実際の変化でしょうか?

シュミット:

答えは上記のすべてです。投資された金額は信じられないほどです。誰が勝つかまったくわからず、追いかけていた金額が非常に大きかったので、基本的にすべてを投資しました。その理由の 1 つは、早期にお金が儲かり、それについてあまり知らない人が AI コンポーネントを持たなければならないことです。今ではあらゆるものが AI 投資になっており、彼らには違いがわかりません。

私は人工知能を学習システム、真に学習するシステムと定義しています。これもその一つだと思います。 2 番目のポイントは、ポスト Transformer のような、非常に複雑な新しいアルゴリズムがいくつか存在していることです。私の友人も長年の共同研究者であり、トランスフォーマーではない新しいアーキテクチャを発明しました。私が資金提供したパリの団体も同じことをしたと主張した。世の中にはたくさんの発明があり、スタンフォードではたくさんの研究が行われています。最後のポイントは、市場はインテリジェントな発明には無限の利益があると信じているということです。会社に 500 億ドルを投資したとします。返済するには、インテリジェンスから多額の利益を得る必要があります。巨大な投資バブルが発生する可能性はありますが、その後は自然に解決します。これは常にそうであり、現在もそうなる可能性があります。

教授：先ほど、リーダーが他者との距離を作っているとおっしゃいました。

シュミット:

さて、フランスにミストラルという会社があり、とても良い仕事をしています。私は明らかに投資家です。彼らはすでに第 2 バージョンを作成しており、第 3 モデルは高すぎるため販売終了になる可能性があります。彼らは収益が必要なので、モデルを無料で配布することはできません。私たちの業界では、オープンソースとクローズドソースの議論が激化しています。私のキャリア全体は、オープンソースの方法でソフトウェアを共有したいという人々の意欲の上に築かれてきました。私の活動はすべてオープンソースに基づいています。 Google の基盤の多くもオープンソースに基づいて構築されています。私の仕事は主に技術分野です。しかし、巨額の資本コストがソフトウェアの構築方法を根本的に変える可能性があります。

ソフトウェア プログラマーに対する私の見解は、彼らの生産性は少なくとも 2 倍になるだろうと考えています。現在、これに取り組もうとしているソフトウェア会社が 3 ～ 4 社あり、私はこの間、そのすべてに投資してきました。彼らは皆、ソフトウェア プログラマーの生産性を高めようとしています。最近、Augment という非常に興味深い会社に出会いました。私はよく、これが目標ではないと言うプログラマーのことを思い出します。私たちのターゲットは、数百万行のコードを抱え、何が起こっているのか誰も分からない 100 人のソフトウェア プログラミング チームです。これは人工知能の非常に優れた応用です。彼らは儲かるでしょうか？そう願っていますが、ここには多くの問題があります。

学生：

冒頭で、コンテキスト ウィンドウ拡張機能、プロキシ、テキストからアクションへの変換を組み合わせると、信じられないほどの効果が得られると述べました。まず、なぜこの組み合わせが重要なのでしょうか?第二に、あなたが預言者ではないので未来を予測できないことは承知していますが、なぜそれが私たちの想像を超えていると思うのですか？

シュミット:

主に、コンテキスト ウィンドウを使用すると最新性の問題を解決できるためだと思います。現在のモデルは、トレーニングに 6 か月の準備、6 か月のトレーニング、6 か月の微調整を含めて約 18 か月かかるため、常に最新ではありません。また、コンテキスト ウィンドウを使用すると、最新の出来事を入力し、その文脈でハマスとイスラエルの戦争について質問することができます。これは非常に強力で、Google と同じくらい最新の情報になります。

代理店の場合を例に挙げてみましょう。私は非営利団体に資金を提供するために財団を設立しました。私は化学のことはあまり詳しくないのですが、ChatCrow という化学を学習できる大規模な言語モデルをベースにしたシステムというツールがあります。彼らはシステムを実行してタンパク質に関する化学仮説を生成し、研究室でそれを一晩テストし、システムが学習します。これは、化学や材料科学などの分野にとって大きな加速器です。こちらは代理店モデルです。

安価なプログラマーがたくさんいれば、Text-to-Action の概念は理解できると思います。誰もが自分のプログラマを持っている場合に何が起こるか、私たちは理解していないと思います。これはあなたの専門分野でもあります。ライトをつけたり消したりするような単純な作業について話しているのではありません。別の例を想像してみます。たとえば、あなたが Google が嫌いだとします。私に Google の競合相手を作ってくださいと言うかもしれません。はい、個人的に行うことができます。ウェブを検索し、UI を構築し、優れたコピーを作成し、それを興味深い方法で追加する Google の競合他社を構築してください生成人工知能。 30 秒以内に実行して、機能するかどうかを確認してください。 Googleを含む既存企業はこうした攻撃に対して脆弱だと多くの人が信じている。

教授：

では、見てみましょう。 Slido には多くの質問が寄せられ、その一部はアップロードされました。昨年、私たちは特に次の選挙中に、AI が世論に影響を与えたり、誤った情報を広めたりするのを阻止する方法について議論しました。

シュミット:

私たちは短期的な解決策と長期的な解決策の両方を考える必要があります。来たる世界選挙では、ほとんどの誤った情報がソーシャルメディア上に現れることになるが、ソーシャルメディア企業の現在の組織能力では、この情報を効果的に取り締まるには不十分である。たとえば、TikTok はある種の偽情報を助長していると非難されていますが、証拠はありません。私たちは混乱していると思います。

この国は批判的思考を学ぶ必要があるが、それは米国にとって難しい課題かもしれない。誰かが何かを言ったからといって、それが真実であるとは限りません。

教授：

私たちは、もはや真実の一部を誰も信じなくなるほど進んでしまったのだろうか？これを認識論的危機と呼ぶ人もいます。さて、イーロン・マスクは自分は何もしていないと言っていますが、それをどうやって証明するのでしょうか？

シュミット:

これをドナルド・トランプの例で説明できます。私たちの社会には信頼の問題があり、それが原因で民主主義が失敗する可能性があると思います。民主主義に対する最大の脅威は誤った情報です。なぜなら、私たちは誤った情報に慣れすぎているからです。

私が YouTube を管理していたとき、最大の問題は、人々が偽のビデオをアップロードし、その結果、人が死亡することでした。私たちは死を出さない政策をとっていますが、この問題に対処しようとすることは衝撃的で恐ろしいことです。これは生成人工知能が登場する前のことでした。

教授：

適切な答えはありませんが、これを軽減できると思われる技術的な問題が 1 つあります。それは公開キー認証です。ジョー・バイデンが演説するときにSSLのようなデジタル署名を使用しないのはなぜでしょうか?有名人、著名人、その他の人が公開鍵を所有できますか?

シュミット:

これは、クレジット カードを Amazon に送信したときに、それが Amazon であることがわかるように、ある程度の確実性を提供する公開キーの形式です。

ジョナサン・ハイトと論文を発表しましたが、何の影響もありませんでした。彼はとてもコミュニケーションが上手ですが、私はそうではないかもしれません。私の結論は、このシステムは私たちが言うように組織されていないということです。 CEO は収益を最大化することが多く、そのためにエンゲージメントを最大化します。エンゲージメントを最大化する方法は怒りを最大化することです。アルゴリズムはより多くの収益を生み出す怒りを選択するため、人々は極端なことを支持する傾向があります。これはあらゆる面で問題であり、対処する必要があります。

民主主義において、TikTokに対する私の解決策は、以前に私たちが非公開で話し合った内容に基づいています。私が子供の頃、平等時間ルールというものがありました。 TikTok は実際にはソーシャル メディア プラットフォームではなく、テレビの一種です。米国の各 TikTok ユーザーは 1 日平均 90 分間アプリを使用し、200 本のビデオを作成しています。これは非常に多くの使用量です。政府は均等時間ルールを強制していませんが、これは検討に値する方向性であり、何らかの形でバランスを取る必要があるかもしれません。

学生：

一つ目は、労働市場への経済的影響についてです。特に労働市場への影響は当初の予想よりも緩やかだった。カスタマーサービススタッフについての質問もあります。学術界は AI に対して補助金を出すべきだと思いますか、それとも大企業と提携すべきだと思いますか?

シュミット:

私は大学にデータセンターの建設を強く勧めてきました。もし私がコンピュータ サイエンス学部の教員だったら、企業と協力しなければならないため、博士課程の研究のために大学院生と一緒にアルゴリズムを開発できないことに不満を感じるでしょう。そして、これらの企業はこの点において十分寛大ではありません。多くの教職員が Google Cloud のクレジットを待つのに多くの時間を費やしているのはひどい状況です。私たちはアメリカの大学がこの分野で成功することを望んでおり、彼らにこれらの単位を取得させることが正しいことだと考えています。

労働市場への影響については、本物の専門家の意見を聞きたいと思います。アマチュア経済学者として、人々がこれらのシステムを利用するようになるため、大学教育と高度なスキルを要する仕事には良い未来があると信じています。これらのシステムがこれまでのテクノロジーの波と根本的に異なるとは思いません。危険な仕事や人間の判断を必要としない仕事は代替されます。

学生：

テキストからアクションへの移行と、それがコンピューター サイエンス教育に与える影響については?コンピューターサイエンス教育は時代の変化に適応すべきだと思います。

シュミット:

学部生のコンピューター科学者には常にプログラマーの友人がいると思います。初めて for ループを学習するときに、自然に役立つツールが 1 つあるでしょう。教授がコンセプトを説明し、あなたはそのように参加します。

学生：非Transformerアーキテクチャの議論に関しては、状態モデルが議論されている方向だと思いますが、今はコンテキストに注目が集まっています。

シュミット:

私は数学を十分に理解していませんが、ここでの数学は非常に複雑なので、これによって数学者の雇用が創出されていることを嬉しく思います。基本的にはこれらが実行されます勾配降下法行列乗算のさまざまな方法で、より高速かつ優れたものを目指しています。ご存知のとおり、トランスフォーマーは乗算を同時に行う体系的な方法です。ここに私の考えがあります。これと似ていますが、計算が異なります。見てみましょう。

学生：

国家安全保障に関する論文の中で、今日の中国、米国、その他の国の状況について言及されました。次のクラスターから下の 10 か国は、米国の同盟国であるか、米国の同盟国になる可能性があります。これら 10 か国についてのあなたの考えを知りたいです。彼らは正式な同盟国ではなく、仲介業者のようなものです。彼らが私たちの安全を守る取り組みに参加する可能性はどのくらいでしょうか?彼らの参加を妨げているものは何でしょうか?

シュミット:

最も興味深い国はインドです。人工知能のトップ人材がインドから米国にやって来るからです。私たちはインドが優秀な人材を全員ではなく一部ではあるが保持できるようにすべきである。そして、彼らには私たちがここで持っているような豊富なトレーニング施設やプログラムがありません。私の意見では、インドはこの点においては問題のある国です。日本と韓国は明らかに我々の陣営だ。台湾のソフトはひどいので、これでは動作しません。ハードウェアは素晴らしいです。そして世界の他の場所では、他に良い選択肢はそれほど多くありません。ブリュッセルのせいでヨーロッパがめちゃくちゃになっているのは今に始まったことではない。私は10年間彼らと戦い続けました。私は彼らにEU法を変えてもらうために一生懸命働きました。これらには依然としてさまざまな制限があり、ヨーロッパで研究を行うことが非常に困難になっています。私のフランス人の友人たちはブリュッセルとの戦いにいつも時間を費やしています。私の個人的な友人として、マクロン氏はこのことに熱心に取り組んでいます。だからフランスにはチャンスがあると思う。ドイツは来ないと思うし、他の国は十分な力がありません。

学生：

あなたは訓練を受けてエンジニアであることは知っていますが、コンパイラーと呼ばれていると思います。これらのモデルに備わっていると想像している機能を考慮すると、それでもコーディングの学習に時間を費やす必要がありますか?

シュミット:

はい、結局のところ、それはありきたりな質問ですから、英語が話せるのになぜ英語を学ぶ必要があるのでしょうか？より良く学ぶことができます。これらのシステムがどのように機能するかを本当に理解する必要がありますが、私もそれに共感します。

学生：

分散セットアップを検討したことがあるかどうか知りたいです。この質問をしたのは、大規模なクラスターを作成するのはもちろん難しいですが、MacBook は強力だからです。世界中には小さな機械がたくさんあります。では、自宅で折りたたむことなどは、これらのシステムのトレーニングに応用できると思いますか?

シュミット:

はい、私たちはこの問題を非常に注意深く検討してきました。したがって、アルゴリズムがどのように機能するかというと、非常に大きな行列があり、基本的には乗算関数があります。したがって、それは前後にあると考えてください。そして、これらのシステムは、CPU または GPU へのメモリの速度によって完全に制限されます。実際、次世代の NVIDIA チップでは、これらすべての機能が 1 つのチップに統合されています。チップは非常に大きくなり、互いにくっつきます。実際、パッケージは非常にデリケートなため、パッケージとチップ自体の両方がクリーン ルームで組み立てられます。したがって、答えはスーパーコンピューターと光の速度、特にメモリの相互接続が実際に優れているようです。大規模言語モデル (LLM) をセグメント化することは当面は可能性が低いと思います。

教授：

Jeff Dean は昨年の講演で、モデルをさまざまな部分に分割し、個別にトレーニングしてから組み合わせることができると述べました。

シュミット:

しかし、これを実現するには、そのようなモデルが何千万も必要となり、質問のスピードが非常に遅くなります。同氏は、これを達成するには8台、10台、または12台のスーパーコンピューターが必要になると述べたが、それは彼のレベルではない。

学生：

データプライバシーの問題に関しては、ニューヨークタイムズがOpenAIをトレーニングに利用したとしてOpenAIを訴えたことを知りました。

シュミット:

将来的には同様の訴訟が数多く起こる可能性があり、最終的には音楽業界のASCAPやEMIのように、特定の作品の使用に対して収益の一定割合の支払いを義務付けるなど、何らかの合意に達することになるだろう。 。このモデルは少し時代遅れに見えるかもしれませんが、最終的にはそれがどのように機能するかだと思います。

学生：

AI の分野では、市場を支配しており、独占禁止法が焦点を当てている大企業と重複している企業がいくつかあるようです。

シュミット:

私はこれまでのキャリアの中で Microsoft の分割訴訟に関与しましたが、最終的には失敗に終わりました。また、Google の分割を阻止するために懸命に努力しましたが、これも失敗しました。したがって、分裂しない傾向にあると思います。これらの企業がジョン・D・ロックフェラーのように独占にならない限り、政府が行動を起こす可能性は低い。

これらの大企業だけがデータセンターを建設する資本を持っているため、優位に立っています。私の友人にリードとムスタファがいますが、彼らは数百億ドルを調達できなかったため、事業をマイクロソフトに分離する決断をしました。正確な数字については、リードに尋ねる必要があるかもしれません。

学生：

最後に、これらの開発は、最先端のモデル開発や計算に関与していない国にどのような影響を与えるのだろうかと思います。

シュミット:

豊かな国はさらに豊かになりますが、貧しい国は最善を尽くすことしかできません。これは実際には富裕国向けのゲームであり、莫大な資本、技術的才能、そして政府の強力な支援を必要とします。世界的に見て、多くの国がさまざまな問題に直面しており、特に資源が不足している場合に顕著です。これらの問題を解決するには、パートナーを見つけ、他の人たちと協力する必要があります。

教授：

最後に会ったときのことを覚えています、あなたは汎用性 ハウスはハッカソンに参加します。あなたが若者が富を築くのを支援することに多くの時間を費やし、情熱を持っていることを私は知っています。コースのビジネスプランを書いたり、キャリアの中で政策提案書や研究提案書を書いたりしている人々にアドバイスはありますか?

シュミット:

私はビジネススクールでこれに関するコースを教えていますので、ぜひ聞きに来てください。新しいアイデアをすぐに提案することに驚かされます。

私が参加したあるハッカソンでは、優勝チームには 2 つの塔の間でドローンを飛ばすという任務が与えられました。彼らは Python を使用して仮想ドローン空間でコードを生成し、シミュレーターでタスクを正常に完了しました。優秀なプロのプログラマーであれば、これを行うのに 1 ～ 2 週間かかる場合があります。起業家が直面する問題の一部はスピードにあるため、プロトタイプを迅速に作成する能力は非常に重要だと思います。これらのツールを使用してプロトタイプを 1 日で作成できない場合は、競合他社がまさにそれを行っているため、再考する必要があります。

したがって、私の最大のアドバイスは、会社を設立することを考え始めたら、事業計画を書いても大丈夫だということです。実際、合法である限り、コンピュータにそれを書かせることができます。別の会社、大学、またはあなたが行ったことのない場所で同じことをやっている人がいる可能性があるため、これらのツールを使用してアイデアをできるだけ早くプロトタイプ化することが重要です。

教授：どうもありがとう。