23,793 文字
この宇宙を表現する最も短い記述とは何か。私たちにはまだわかりません。しかし、今日では、この宇宙を計算する最も短いアルゴリズム、あるいは非常に短いアルゴリズムを書き記すことができます。副次的な効果として、このとても短いアルゴリズムは、他のすべての計算可能な宇宙も計算します。自然法則が少し異なる宇宙や、全く異なる宇宙、あるいは現在の宇宙との関連性がまったくない宇宙など、他にもたくさんあります。
このアルゴリズム、この短いアルゴリズムはどれくらい短いのでしょうか。たった10個の数字です。この宇宙と他のすべての論理的に可能な宇宙を計算するアルゴリズムを10個の数字で書き表すことができます。
では、私たちがシミュレーションの中で生きている可能性、つまり誰かが私たちの世界のためのソースコードを持っている可能性があるとお考えですか？
OMRポッドキャストへようこそ。今日のゲストは簡単にご紹介します。私だけでなく、本当に世界中の、知る人々や調査したメディアからAIの父の一人と呼ばれている方です。ドイツ人で、ミュンヘン生まれのユルゲン・シュミットフーバーさんです。こんにちは、ユルゲン。
こんにちは、フィリップ。
どうしてAIの父になることができたのですか？
それは、私たちが非常に早い段階でこのテーマに興味を持ち、競争相手がほとんどいなかったからです。当時、このテーマに取り組んでいた人はごくわずかでした。
つまり、比較的普通に、ミュンヘン工科大学で情報工学を勉強し、その後この興味を持ったということですか？
いえ、その興味はもっと前からありました。70年代に10代だった頃、人生で何をしようかと考えていました。私には宇宙の謎を解き明かしたアインシュタインという理想がありました。物理学者になることは素晴らしいと思いましたが、もっと素晴らしいことができるかもしれないと気づきました。それは、私自身よりもずっと優れた科学者になれる人工的な物理学者を作ることかもしれない、私ができることすべてを私よりもずっと上手くできるように学習できる存在を作ることかもしれない、というものでした。それが私の人生のモットーとなり、その結果として、いつか情報工学を学ぶことになったのです。
でも、それはかなり自信に満ちていますね。私が学生だった頃、アインシュタインは私にとってとても遠い存在でした。つまり、あなたは特別な才能があったのですか？それとも創造的な問題に対する強みがあることが早くからわかっていたのですか？それとも普通の学生で、ただ自信があっただけですか？
かなり早い段階で、私自身の創造性にはそれほど大きなものがないことに気づきました。しかし、私よりもずっと創造的になれる機械を作るには、私の能力で十分かもしれないと考えました。そのようにして、私の限られた能力を無限に増幅させるという考えでした。
当時、先生たちはそのような発言を少し変に見なかったのですか？
みんな私のことを変な目で見ていました。母も同様でした。しかし、私は数十年待つだけでよかったのです。そうしたら、突然、私が正しかったと思うようになりました。
では、あなたのキャリアについて。現在、DeepMindなど主要なAI企業や、それぞれの企業の重要人物の多くを教育されましたよね。彼らはあなたから学びました。本題に入る前に、あなたの経歴について少し話していただけますか？今日まで、基本的に科学者なのでしょうか？
一方では学者であり、他方では起業家でもあり、商業の世界とも多くの関わりがあります。しかし、心の中では、私は主に物事を前進させたいと考える学者です。私の生きている間に、あらゆる面で私よりも本当に賢いAIが初めて生まれることに貢献したいと考えています。そうすれば、私は引退することができます。
それまでどのくらいかかるでしょうか？
数十年前から、私はこの質問に対して同じように答えています。心配する必要はありません、数ヶ月かもしれませんし、数年かもしれません。
より正確な答えは得られないのですね。
はい、将来を詳細に予測することは非常に難しいです。将来を大まかに描くことはできますし、長期的に何が起こるかは明確に見えています。しかし、いつ、どのようなブレークスルーが来るのかを正確に予測することは非常に困難です。
予測可能な島のようなものがあります。例えば、2042年3月24日にサハラ砂漠で太陽が輝くことは言えますが、来週のロンドンの天気は予測できません。つまり、AIに関して言えば、AIが将来何ができるようになるのか、あるいはいつできるようになるのかを言うのは簡単ではありません。
今日、AIは特定の分野で既に人間を超える能力を持っていることは知っています。そしてそれは続いていくでしょう。AIが人間よりもはるかに優れている分野は増えていき、やがて、ほぼすべての人間よりもほぼすべてのことができるAIが登場するでしょう。それが正確に3ヶ月と7日後なのか、15年と2ヶ月後なのか、誰にもわかりません。しかし、今後数十年の間に、私たちに向かって巨大な、世界を変えるような何かが来ることは確かです。私の希望は、私がまだ生きている間に、私の古い夢が実現し、AIが人間を超越する様子を目撃することです。
それは良いことなのでしょうか？あなたはそれを夢見ているとおっしゃいましたが、一般的な人々の価値観や、例えばドイツで知られているような社会的な観点から見て、これは良いこと、ポジティブなことだとお考えですか？
基本的にはそうです。すべての人々が大きな恩恵を受けることになりますし、既に受けています。AIは実際に、多くの人々の生活をより長く、より健康に、より楽にしています。それは私たちの企業のモットーでもあります。人々の生命をより長く、より健康に、より楽にすることです。
そしてそれは既に始まっています。私たちが数十年かけて開発してきたAIは、今日では、がんや動脈の詰まり、糖尿病から心臓の不整脈に至るまで、様々な病気をより良く発見することに貢献しています。さらに、私たちのAIは人々の間のコミュニケーションを大幅に改善し、国家間のコミュニケーションの障壁さえも取り除きました。
したがって、今日でも、私たちが持っている限られたAIが多くの面で非常に有用であることを言うことができます。そして、いつか人間が最も重要な存在ではなくなるかもしれませんが、それは問題ありません。ほとんどの人々は、アインシュタインが自分たちよりも賢かったことを問題にしていません。
そして、AIが制御不能になって人類を支配するというような恐怖のシナリオは、それはすべてSFフィクションとナンセンスだとお考えですか？
アーノルド・シュワルツェネッガーの映画のように、悪いロボットが人間を絶滅させようとするようなことは確実に起こりません。より賢い存在が、単に他者が愚かだという理由だけで彼らを絶滅させようとする動機はありません。私たち人間も様々な蟻たちよりも賢いですが、だからといって意図的にすべての蟻を絶滅させようとはしていません。
しかし、それが間違った手に渡る可能性についてはどうでしょうか。AIの専門家たちが予測する大きな懸念から始めましょう。まず人類との戦いについては、それは起こらないとおっしゃいました。しかし、間違った手に渡ることについては…
誤解しないでください。もちろん、あらゟる種類の技術には軍事的な応用があります。今日でも、ウクライナやガザ地区では常にドローンが使用されており、少ない労力で敵を特定し、発見し、排除することを目的としています。つまり、もちろんAI兵器は存在し、それを止めることはできません。
これは新しい展開でもありません。人類の大きな発明はすべて、常に少なくとも2つの用途がありました。善用と悪用です。これは80万年前の火の発見の時からそうでした。80万年前、制御された火が発明され、簡単な道具を使って、この熱を生み出す火の源を何度も新たに利用できるようになりました。
そして当時の人々は既に、火が利点だけでなく欠点も持っていることを理解していました。一方では、夜に暖かく過ごすことができ、料理をすることができます。他方では、他の人々を焼き殺すこともできます。火にはAIに似た性質もあり、森林火災では人間の介入なしに自ら広がることができます。
これらの理由から、当時の人々は委員会のようなものを作りました。火の利点と欠点について議論され、この委員会は最終的に、確かに欠点はあり注意が必要だが、利点が欠点を大きく上回っているため、火の開発を続けるべきだという結論に達しました。そのおかげで、私たちは今ここに座っているのです。
例えば、雇用についての別の懸念として、AIが多くの仕事を不要にすることで、現在の経済システムが機能しなくなるのではないかという心配があります。
機械にできる仕事を本当にしたいと思いますか？人々が本当はしたくない、すべての重労働をAIとロボットにさせるべきではないでしょうか？そして、それらが税金を払って、基本所得のようなものを提供し、人々がより幸せで満足できるようにすべきではないでしょうか？
しかし、それは人々が何もせず、基本所得を受け取り、生産的な感覚を持てず、自分で努力する必要がないという人間像が存在するのかという疑問になりますね。つまり…
はい、その質問はもはやAIを超えていますね。200年前は、今日よりもずっと少ない仕事しかありませんでした。当時は60%の人々が農業に従事していましたが、今日のドイツではおそらく1.5%程度です。何が起こったのでしょうか？
農業機械が登場し、それらが非常に効率的だったため、多くの重労働を人間がする必要がなくなりました。興味深いことに、これらの農業機械が多く使用されている国々では、失業率が非常に低いのです。
同様に、40年前に産業用ロボットが登場した時も、人々の仕事を奪うだろうと言われました。当時、自動車工場では数百人の人々がBMWを組み立てていました。今日、同じ工場には数百台のロボットがあり、おそらく3人の監督者がいるだけです。それでも、日本、韓国、ドイツ、スイスなど、人口あたりのロボット数が多い国々では、失業率は低いのです。
なぜでしょうか？確かに、いくつかの仕事は消えましたが、常に多くの新しい仕事が生まれているのです。その多くは、40年前には誰も予想していなかった贅沢な仕事です。40年前、産業用ロボットの時代に、World Wide Web（WWW）のような発明が間もなく登場し、何百万人もの人々がYouTubeのビデオブロガーとしてお金を稼ぐようになるとは、ほとんど誰も予想していませんでした。
人間は常に新しい仕事を生み出しています。それらは人類の生存に必要不可欠というわけではありません。YouTubeのビデオブロガーは誰も本当に必要としているわけではありませんが、彼らに対する大きな需要があります。そして、その多くは、食料を生産する農家など、本当に重要な人々よりもずっと多くの収入を得ています。なぜなら、他の人々がこれらのブロガーが提供するコンテンツに興味を持っているからです。
そしてこれは続いていくでしょう。人々は基本所得を受け取って家で何もせずに座っていたいとは思いません。他の人々との交流に関係する何かをしたいと考えます。他者からの認識を求め、そのためにお金を使う意思があり、他の人々もそれに対してお金を支払う意思があるのです。
ChatGPTが登場してから一般の人々が体験できるようになるまで、AIは水面下で進んでいたと思います。あなたは初日から体験されてきましたが、その歴史を数文で説明していただけますか？誰がいて、ChatGPTが誰もが話題にするAIという言葉になる前に何が起こっていたのでしょうか？
ChatGPTを挙げられましたので、そこから始めましょう。Transformerと呼ばれる人工ニューラルネットワークがあり、これがChatGPTの背後にあります。つまり、ChatGPTはTransformerですね。
最初のTransformerのバリエーションは1991年、約3分の1世紀前に私が発表しました。今日では「非正規化線形Transformer」と呼ばれています。これは特別な種類のニューラルネットワークで、今日のものと全く同じではありませんが、似たようなもので同じ原理を持っています。
前世紀には、今日のChatGPTや他の多くの興味深いものの背後にある基礎の多くが作られました。例えば、ディープフェイクという人気のある概念があります。AIによって生成された、非常にリアルに見える説得力のある写真です。
これも1990年にミュンヘンで始まりました。私たちは互いに戦うネットワークを持っていました。1つのネットワークだけでなく、2つ目のネットワークがあり、1つ目は出力を生成し、2つ目はその出力の結果として環境で何が起こるかを予測しようとしました。2つ目のネットワークは常にその誤差を減らそうとし、より良い予測をしようとしました。
同時に、1つ目のネットワークは2つ目のネットワークを驚かせようとし、2つ目が適切に評価できない出力を生成しようとしました。そして彼らは互いに戦い、1つ目は2つ目のネットワークが最大化しようとしたのと同じ誤差関数を最小化しようとしました。
今日、これは実際の写真なのか偽物なのかわからないような画像を生成するためのネットワークを訓練するのに広く使用されています。
私たちが知っている多くのものは、3分の1世紀以上前にミュンヘン工科大学で生まれました。しかし、人工ニューラルネットワークの起源はさらに遡ります。1800年には、ガウスとルジャンドルが今日でいう単純な線形ニューラルネットワークと呼べるものを持っていました。もちろん、別の名前でした。線形回帰と呼ばれていました。
ニューラルネットワークとは何を想像すればよいのでしょうか？どのように機能するのか、1分程度で説明していただけますか？
はい、喜んで説明します。ニューラルネットワークは、確かに人間の脳からインスピレーションを受けていると今日よく言われています。人間の脳で何が起こっているのでしょうか？
目というカメラがあり、常に何百万もの入力が脳に流れ込んでいます。これらの小さな入力の各々は0から1の間の数字として考えることができます。数ミリ秒ごとに、視線を変えると、これらの流れ込む数字が変化します。マイクロフォン（つまり耳）や触覚センサーについても同じことが言えます。これらは常に小さな数字を生成し、それらは配線のようなネットワークを通って脳に入っていきます。
脳には約1000億個の小さなプロセッサがあり、これらはニューロンと呼ばれています。これらの小さなプロセッサの各々は、おそらく1万個の他のニューロンと接続されています。つまり、脳には100万億の接続があるということです。
これらのニューロンの中には、スイッチを入れると筋肉を動かすことができるものがあります。例えば、私の発声筋や指の筋肉などです。そして、これらの接続の各々には強さがあり、それはあるニューロンが次の時点で別の接続されたニューロンにどれだけ強く影響を与えるかを示しています。
始めは、まだ愚かな赤ちゃんの時は、私たちが知る限り、これらの接続強度はかなりランダムです。赤ちゃんは何も理解していません。しかし、学習を通じて、いくつかの接続は強くなり、他は弱くなり、システム全体が以前にはできなかったことができるようになります。
例えば、運転です。運転には何が必要でしょうか？目を通して流れ込む映像と、耳（マイクロフォン）を通して流れ込む音を、ハンドルの動きやアクセルやブレーキを踏む足の動きに変換する必要があります。すべての運動機能はこの同じ方式で機能します。
素晴らしいことに、私たちの人工ニューラルネットワークは、脳の中の自然なニューラルネットワークと同じように、経験を通じて以前にはできなかったことを学習することができます。そして今、これらのネットワークを様々に組み合わせることで、より複雑なシステムを作ることができます。例えば、先ほど少し触れた、より現実的な偽画像を生成するために戦い合う2つのネットワークのようなものです。
それは私にとってはとても抽象的ですが…
いいえ、そんなに抽象的ではありません。なぜなら、あなたの脳の中にまさにこのようなものがあるからです。あなたにもそういう時期がありました。お父さんの言っていることが理解できない時期が。しかし時間とともに、彼が似たような音を繰り返し発することを学び、彼がどのような音を出すかをより良く予測できるようになりました。
やがて、これらの音で彼が特定の意図を持っていることを予測できるようになりました。つまり、あなたが何かするべきことがあったということです。時間とともに、これらの音の深い意味、つまり言語とその構文を理解することを学びました。さらに後には、この言語を別の言語に翻訳することも学びました。学校でフランス語や英語を教わった時のように。
私たちの人工ニューラルネットワークも同じです。2006年から2007年頃、私たちの非常に有名なLSTMネットワークが言語を理解し始めました。そしてその後すぐに、2015年までには、これらのLSTMネットワークは世界中のすべての電話に搭載されていました。
GoogleとAppleは、何十億人ものユーザーのためにそれをロールアウトし、突然、人々は自分の電話と会話ができるようになり、ある言語から別の言語に翻訳できるようになりました。Facebookもそれに続きました。このように、世界中の電話が本当に言語の障壁を克服できるようになったのです。
中国に行った時のことを覚えています。タクシーの運転手に私のホテルの写真を見せて、どこに行きたいのかを伝えなければなりませんでした。しかし約10年前から、運転手は電話を私の前に差し出し、私が何か言葉を話すと、それが中国語に翻訳され、運転手も中国語で話し、私たち二人は合理的な会話ができるようになりました。
このように、AIによって実際に国々の間のコミュニケーションの障壁が崩れたと言えます。これはChatGPTによって世界的に注目されるようになった事柄ではなく、約10年前から既にあったのです。
つまり、AIというテーマは常に、過去20年間ずっと存在していたということですね。既に何十億台もの電話の中にありましたが、ChatGPTが登場してから1年半前ほどまでは、このように認識されていませんでした。その間に重要なブレークスルーがあったのでしょうか？それとも、ChatGPTは一般の人々への開放だったのでしょうか？それとも結局は、みんなを感動させたマーケティングソリューションだったのでしょうか？どのように整理されますか？
はい、大きな進歩は、前世紀に遡るアルゴリズムの分野ではそれほどありませんでした。むしろハードウェアの分野で進歩がありました。5年ごとに計算コストは10分の1になります。つまり、10年で100分の1、30年で100万分の1になるということです。
これは古いトレンドで、1997年に私が卒業論文を書いた時にも既に古いものでした。このトレンドは少なくとも1941年、コンラート・ツーゼがベルリンで最初の汎用コンピュータを作った時まで遡ります。プログラム可能で、原理的に計算可能なことは何でも計算できるものです。
当時は、おそらく1秒間に1つの演算しかできませんでした。1つの演算だけです。そして30年後、同じ価格で1秒間に100万の命令を実行できるようになりました。1987年、私の卒業論文の時には、ツーゼが1つの命令のために支払った価格で、1秒間に10億の命令を実行できるようになっていました。
そして今、次の45年が経過しようとしています。あと数年で、同じ価格で1秒間に10億の10億倍の命令を実行できるようになるでしょう。そうすれば、人間の脳とほぼ同じくらい計算できる小さなコンピュータができるでしょう。まだそこまでは至っていませんが、かなり近づいています。
大きなブレークスルーは、これらの古いアルゴリズムが突然、大量の計算時間を利用できるようになり、学習を通じて多くの計算時間を必要とする可能性を実現できるようになったことです。
おそらくご存知だと思いますが、ChatGPTを訓練するには、おおよそ1億ユーロ程度の費用がかかります。これは、このかなりシンプルなニューラルネットワークをWWW上で見つけられるすべてのデータを使って訓練するためのコンピュータとデータセンターのためだけの費用です。
つまり、結局のところ、NVIDIAや他の企業の貢献は、OpenAIなどよりも大きいとお考えですか？
はい、OpenAIは実際にはあまり重要なアルゴリズムを発明していません。彼らが常にしてきたのは、主に既存のアルゴリズムをスケールアップすることでした。他の人々によって公開されていた古い技術を、さらに大規模なデータセットでより多くの計算時間を使って、より大きなネットワークを訓練することで、他の人々よりも少し早かったのです。
やがてネットワークは非常に優れたものとなり、ChatGPTのように印象的なものになりました。これは実際には、シンプルな原理に基づいています。多くのデータから、データの一部を使って他のデータを予測することを学習しようとしています。データの一部を見て、そのネットワークを訓練して、データの他の部分を予測しようとします。
例えば、議論の始まりを見て、それがどのように続くかを予測しようとしたり、本の始まりを見て、その本がどのように続くかを予測しようとしたりします。彼らは他の人々より数年か数ヶ月早くそれを行い、すべてのコンピュータのための適切な資金を持って、適切な時期に適切な場所にいたのです。そのように進んできました。
サム・アルトマンとは接点がありましたか？
私は多くの有名な人々と話をしてきました。NVIDIAのCEOであるジェンセン・ファン、テスラのCEOであるイーロン・マスクなどです。サム・アルトマン本人とは話したことはありませんが、彼の会社であるOpenAIは私たちのDNAと、私たちの研究室のDNAを深く内包しています。
それは競合会社のDeepMindでも同じです。DeepMindはロンドンで設立され、私の研究室の元学生が共同設立者の一人でした。彼らは私の研究室から多くの人材を採用し、私たちが過去数十年間に発表してきた技術の多くを活用しています。
もし今あなたに聞くとすれば、これらすべてのAI企業は同様のデータにアクセスしているはずですよね。データソースはよく知られています。WikipediaからインターネットやRedditなど。誰か本当に優れたモデルを持っている人はいますか？それともOpenAIからDeepMind、ヨーロッパのモデル、Anthropic、Mistralなど、私が今耳にする多くの名前がありますが、資金も多く投入されていますが、これらは似たようなものなのでしょうか？それとも誰か本当に抜きん出ている人がいるとお考えですか？あるいは、何が彼らを区別しているのでしょうか？
はい、それらは非常に似ています。なぜなら、すべて同じ種類のニューラルネットワークに基づいているからです。もちろん、彼らはそれぞれ研究部門を持っていて、ここでイプシロンの改良、そこで別の改良を行い、おそらくパフォーマンスを5%、あるいはそれ以上向上させるかもしれません。
また、大きなモデルを蒸留して、同じことをより小さなモデルでより安価に実行できるようにすることもあります。この蒸留手法も、私たちが1991年に初めて発表したものです。
つまり、確かに様々な違いはありますが、これらの違いは根本的なものではありません。彼らはみな同じ水で料理をしているのです。それは前世紀からの数多くの貢献によって発展してきた同じ水です。そして、これらの貢献の大部分は、有名な商業研究所からではなく、世界中に散らばる小さな研究グループから来ていることが多いのです。
例えば、コンピュータビジョンの分野では、多くが日本から来ています。畳み込みニューラルネットワーク（コンボリューションネットワーク）は、70年代末の福島という重要な研究者にまで遡ります。彼が基本的なアーキテクチャを開発し、その後、日本で働いていたドイツ人のアレックス・ヴェーベルが87年にそれを別の手法であるバックプロパゲーションと組み合わせました。
バックプロパゲーションは1970年にフィンランド人のセッポ・リンナインマーが最初に開発しました。そして1988年、チャンという中国人研究者がこれらを現代的な形で組み合わせ、日本で発表しました。当時、日本は未来の国と考えられていました。世界で最も価値のある7つの企業は、今日のように米国ではなく、すべて日本の企業でした。
しかし、あなたが今挙げた名前について、インターネットには有名なTシャツの画像があり、AIの創始者たちがロックスターのように書かれていますが、そこにはヒントンやルカンなどの名前がよく出てきます。あなたはそれらの名前を挙げませんでした。つまり、これらの人々は、数十年前の業績の上に立っているとお考えですか？
はい、確かにそうです。私にとって、ヒントンもルカンも実際には基本的な貢献をしていません。彼らは常に、他の人々によって開発された既存のアルゴリズムを、時には適切な引用もせずにスケールアップする際に関わっていました。
80年代末、例えばベル研究所は当時、世界の他の学術研究所と比べてかなり高速なコンピュータを持っていました。そこで初めて、これらの古いアルゴリズム、例えば畳み込みネットワークなどを使った実験が行われ、注目を集めました。当時としては高速なコンピュータが、当時は難しいと考えられていた単純なタスクを解決することを可能にしたからです。
OpenAIが今、企業価値として800億ドルほどと言われていることについて、あなたは経済的な考え方もされる方で、資金調達やこれら資本主義についても知っておられ、科学だけでなく、そのような価値があり得ると考えられますか？それともそれについて意見はありませんか？あるいは過大評価だとお考えですか？
それが正しい価値である可能性はあります。NVIDIAも非常に興味深いですね。今では2兆ドル以上の価値があります。しかし、彼らは異なることをしています。彼らは実際にハードウェアを作っていて、既に実際の売上と結果があり、それがある程度合理的に見えます。OpenAIの場合は、まだすべてがかなりの想像の域を出ていません。
いえ、でもOpenAIの背後にはMicrosoftがいます。彼らは約3兆ドルの価値があり、NVIDIAよりもさらに大きいのです。そして彼らは非常に多くのNVIDIAプロセッサを購入しました。つまり、OpenAIのために、台湾で製造された（NVIDIAそのものではなく）NVIDIAのGPUで満たされた巨大なデータセンターを持っています。
これはMicrosoftにとって非常に価値のあるものとなっています。なぜなら、多くの人々が、Microsoft Officeがある場所すべてに、すぐにこれらのAIアシスタントが導入されると予測しているからです。そしてMicrosoftはOpenAIの49%を所有しています。つまり、これは彼らの研究所の一つのようなものですが、おそらく将来IPOを行う際には非常に注目されることでしょう。
最近、イーロン・マスクがツイートで「シュミットフーバーはすべてを発明した」と書いていました。彼もあなたのファンのようですね。彼との関係はどのようなものですか？それはどのように始まったのでしょうか？そもそもどのような関係があるのでしょうか？
イーロン・マスクは以前、とても親切でした。何年も前のことですが、彼は私をスペインでの家族の集まりに招待してくれました。彼はAIについてあらゆることを知りたがっていました。そこで私は彼の魅力的な母親や、当時の妻、そして子供たちに会う機会がありました。
私は子供を投げ上げて受け止めることがとても上手で、特に男の子たちはそれが大好きでした。そのようにして関係が始まりました。当時、彼は単純にこのテーマに非常に興味を持ち、すべてについて知りたがっていました。それ以来、彼が築いてきたものについては、メディアで素晴らしい展開を見せています。
ビジネスの世界には引き込まれないのですか？例えば、彼が最近設立したAI企業、確かxAIという名前だと思いますが、彼や他の人々があなたにアプローチしても…
はい、それは常にありました。おそらく私は学者としてオープンソースの人間として、これまでのところビジネスパーソンとしてよりもはるかに成功してきました。しかし、私たちは素晴らしい会社NNAISENSE（エヌエヌエーアイセンス）を設立しており、私に関連する多くのスタートアップや商業企業があります。
では、今後数ヶ月や数年の間に、AIの分野で何か飛躍的な進歩を期待されていますか？企業家や投資家として賭けることができるような進歩について、それとも、すべてが予測が難しく、見通しが立てにくいとお考えですか？
いいえ、もちろん私はこれらの商業的な面から完全に距離を置いているわけではありません。私の分野では常に投資家や新しい企業の創業者と関わっており、ある人々は他の人々よりも説得力があります。
私にとって明確なのは、私たちが本当に望むものからまだ遠く離れているということです。今日、AIで本当に上手く機能しているものはすべて、画面の裏側で起こっています。文書のテキストを非常に上手く要約し、それについて詩を書き、絵を描くことができるプログラムがあります。
人工的なビデオゲームのプレイヤーは人間よりも上手くプレイできます。チェスプレイヤーについては、4半世紀以上前から、最高のチェスプレイヤーは人間ではなくなっています。つまり、画面の裏側で、コンピュータ上でできることについては、今日既に多くの超人的なAIが存在します。
しかし、現実の世界、本物のロボットに関わることは、今日まだまだうまくいっていません。私たちが本当に望んでいるのは、映画で見るようなAI、つまり人間のように複雑な指を使うことができる本物のロボットです。
物体を掴み、感じ、慎重に手に取り、置くといった人間の能力に近づくロボットは存在しません。縫い物をしたり、iPhoneを組み立てたりといった複雑なことをするために、人間が必要です。これらができるロボットはありません。小さな赤ちゃんほどサッカーが上手いロボットさえありません。
私たちの生きている間にそれは来るでしょうか？
はい、それらはすべて実現されるでしょう。それはそれほど長くかからないでしょう。実際、このような分野でドイツは大きなチャンスを持っているはずです。これは2015年にも言いましたが、伝統的な機械工学と、機械を作るために必要な教育は、AIとの組み合わせによって大きな飛躍を遂げるための基盤を提供するはずです。
しかし、過去10年間、この方向での進展は比較的少なかったと言わざるを得ません。依然として、ロボットは比較的愚かで、小さな赤ちゃんのように自ら実験を考え出して常により良い問題解決者になることを学習することができません。
実際、私たちはそれをどのようにすればよいかを知っています。しかし、ロボット側のハードウェアは、コンピューティング側に比べてはるかに進歩が遅れています。NVIDIAのGPUは非常に高速で印象的であり、画面上で処理できるあらゆる種類のアプリケーションには十分な性能を持っています。
しかし、現実の世界ではそれほどうまく機能しません。現実の世界での問題は次のようなものです。ビデオゲームがあれば、それに対処する方法を学ぶことができます。10億回そのビデオゲームをプレイして、おそらく何度も撃たれるかもしれません。しかし、次のビデオゲームで再び生き返ります。
現実の世界では、それはまったく機能しません。現実の世界では、ロボットで3回実験を行うと、何かが壊れて技術者が修理に来なければなりません。これは全く持続不可能です。
今日のプログラムのように、ビデオゲームを非常に上手くプレイすることを学習する方法とは全く異なる方法で現実の世界に対処する必要があります。現実の世界からの訓練例は非常に少なく、それらの訓練例の数をできるだけ少なく保ちたいにもかかわらず、世界がどのように機能し、特定の目標を達成するためにその中でどのように動く必要があるかについて、できるだけ多くを学ぶことができるように、それらをできるだけ的確に選ぶ必要があります。
例を挙げましょう。私は今、実世界でのこのことについて考えていました。素人として、画面上のすべてのことはかなりうまくいっているのに、触覚的な実世界では、「ここでAIが働いている」と思えるようなものにまだ出会っていないことに気づきました。
そして、もしどこかで実現するとすれば、おそらくテスラの自動運転の周りだろうと考えました。車に搭載された何千台ものカメラを通じて、交通状況における数多くの状況を観察し、学習できるという考えです。そこから最終的に何が起こるかを非常によく理解し、このセルフドライビングが、カメラと組み合わさったAIが実世界に飛び込む最初の瞬間になるかもしれないと。しかし、それはナンセンスでしょうか？
いいえ、そのとおりです。しかし、これはテスラやGoogleに始まったわけではありません。これも、かつてミュンヘンで起こったことに遡ります。1980年代末、世界初の自動運転車がどこを走っていたか知っていますか？
いいえ、言えません。
空いたバイエルンの道路です。エルンスト・ディクマンス教授とそのチームでした。当時の巨大なコンピュータを積んだ大きなメルセデスを使用していました。1986年頃、まず空いたバイエルンの道路で走行を始め、その後コンピュータはどんどん高速になり、より良くなっていきました。
1994年には、トランスピュータと呼ばれるコンピュータを搭載したSクラスを持っていました。今日でも必要な安全運転手を乗せて、この自動運転Sクラスは1994年、つまり約30年前に、時速180キロでアウトバーンを走行しました。今日のGoogleの車よりもずっと速かったのです。
彼らは高速だったため、ライダーセンサーのGoogleの車が前方を見る程度ではなく、もっと遠くを見なければなりませんでした。対向車は何をしているかなどを見るために、少なくとも300メートル先を見る必要がありました。つまり、重要なポイントに焦点を合わせる能動的な制御を持つカメラを持っていたのです。
多くのことが事前にプログラムされていましたが、ニューラルネットワークではなく、カルマンフィルターと呼ばれるもので学習する部分もありました。専門家で聞いている人ならわかると思います。1980年代から90年代のこの古いAIは、時速180キロの車を自動運転でアウトバーンを走らせることができるほど上手く機能していました。
私が話してきたことの多くは、カリフォルニアからではなく、ドイツから来ているのです。そして一般的に、ドイツは実際に素晴らしいAI大国だとお考えですね。教育、つまりここの学校や大学から輩出される人材は、世界的に見ても非常に高い質を持っているということですか？
私たちはドイツで多くの問題があり、多くのことが停滞していると常に言いますが、ここの大学などにあるこのAIインフラは本当に素晴らしいのでしょうか？
私たちはドイツにまだ素晴らしい才能を持っています。しかし、学校の質は徐々に低下しており、小学校から始まっています。多くの人々が適切なドイツ語を話せないなど、大学教育の質も低下させる要因となる多くの問題があります。
そして、依然として非常に優れた教育を受けた人々を、残念ながらドイツは維持するのが非常に難しい状況です。
なぜでしょうか？彼らはどこへ行くのですか？
彼らは全員、海外でずっと良い条件を得られるからです。例えば、私に博士課程の学生がいるとします。その学生は博士論文を書き、その過程で既にいくつかの論文を発表し、少し注目され、引用され始めています。
そして今、ドイツでより良くなることを考えるかもしれません。ドイツでは年間10万ユーロ未満の給与かもしれません。そこで、これらの素晴らしい研究所、FacebookやMicrosoft、Googleなどに行けば、最初の年に35万ドルを得られ、さらにストックオプションもあり、教授としてできることはすべてできる、論文も発表できる、しかし研究費申請を書く必要もない（お金は既にある）、大型コンピュータへのアクセスを得るための戦いも必要ない（既にある）と考えるわけです。
つまり、そのような機会を選ぶことには大きな利点があります。残念ながら、ドイツではこれらの人々が非常に良い教育を受けた後、彼らを国内に留めるために何か提供することがいかに重要であるかを誰も理解していません。その結果、最高の人材の多くがドイツを去るという大きな問題を抱えています。これは私を本当に悲しませることです。なぜなら、このような大規模な流出は、どの国にとっても良いはずがないからです。
そして、彼らのほとんどはアメリカに行くのですか？つまり、みなアメリカの企業に行くのでしょうか？
現在は主にアメリカです。しかし、もちろんドイツよりもAIに遥かに多くの投資をしている他の国々もあります。
あなた自身、サウジアラビアにいらっしゃいますよね？確かサウジアラビアで教授をされていると思います。
そうです。KAUSTという大学です。キング・アブドゥッラー科学技術大学で、ここ紅海のすぐそばです。窓から外を見ると紅海が見え、KAUSTの港も見えます。
ここには、AIのリーダーになりたいという強い願望があります。そこで海外から優秀な人材を募集しようとしています。興味深いプロジェクトを実行するための十分な資金もあります。このようにして、ここのキャンパスにいる人々の多くは、これらの良い条件に引き付けられて世界中から来ています。キャンパスには100の異なる国籍の人々がいます。
残念ながら、ドイツにはこのような環境はありません。それは本当に残念なことです。ドイツはサウジアラビアよりもはるかに多くのお金を持っています。また、中国のように一人当たりの所得がドイツよりもはるかに少ない国々でも、AIにはるかに多くの投資をしています。
上海だけでも、スイスと同程度の国内総生産（約1兆ドル/年）を持つ中国の一部分に過ぎませんが、AIに150億ドルを投資しています。一方、はるかに大きなドイツは、一部が再分類された数千億ドルしか投資していません。
2015年のことを覚えています。フランクフルター・アルゲマイネ・ツァイトゥングに、AIがドイツにとって大きなチャンスを意味するという記事を書きました。そしてフォルカー・カウダー、当時のCDU/CSUの連邦議会会派長がそれを読んで、「これはCDUの全員が読むべきだ。シュミットフーバーを招いて、これがすべてどのように進むのか少し説明してもらおう」と言いました。
そこで私は国会議事堂に行き、良い雰囲気でした。ベルリンかミュンヘンでのAIパークについて、数十億の資金提供を伴うようなものについて話し合いました。それは新聞にも掲載されました。そのようなことをすべきだと。
しかし何が起こったでしょうか？2週間後、フォルカー・カウダーは会派長ではなくなり、この分野への投資は非常に控えめなものとなり、お金は主に全く別のことに使われました。これが、ドイツでAIに関して大きな成果があったにもかかわらず、今日、特にこれらの大規模なアプリケーションでドイツが大きな役割を果たしていない理由の一つです。
シュヴァルツグループ（リドルを展開する企業グループ）の取り組みは注目されていますか？彼らもこの分野に大きく投資しようとしていることが報道されていますが。
はい、それは素晴らしいことだと思います。ドイツには、別の方法で非常に裕福になった起業家がいて、もはやただ見ているだけではいられないと考え、そのような共同活動、つまり企業やAIパークなどに、自身の資産の相当な割合を投資しているのです。
興味深いことに、誰と組んだのでしょうか？チューリッヒ大学と組みました。ドイツの大学ではなく、スイスに目を向け、チューリッヒ大学を巻き込んだのです。これは、ドイツという場所にとって何を意味するのでしょうか？なぜそうなったのか、そうでなかったのかをよく考えてみる必要があります。
世界最高のAI大学はどこでしょうか？もし現在ランキングをするとすれば、最高のAI人材はどこから来ているのでしょうか？例えば、誰かがスタンフォードでAIを学んだと聞いたら、それがゴールドスタンダードだと考えるべきでしょうか？それともチューリッヒの方が良いのでしょうか？あるいはリヤドでしょうか？どこで学ぶべきなのでしょうか？
スタンフォードの人々は、スタンフォードでしていることをしているのではありません。彼らは私たちがしてきたことをしているのです。彼らは、私たちがドイツやスイスで開発した技術やアルゴリズムを使用しています。そういう意味で、私は常に比較的感銘を受けていません。
しかし全体として、スタンフォードのAI研究者の数は、今ではどのドイツの大学よりもはるかに多くなっています。一人当たりで見ると、スイスは依然としてAI分野で最も成功している国です。人口は800万人しかいませんが、主要な会議での論文発表数は人口当たりで2位の国（おそらくシンガポールだと思います）の約2倍です。
スイスは、第二次世界大戦後にドイツが経験したような壊滅的な崩壊を経験しなかったため、非常に良い立場にあります。当時のドイツの科学の破壊は、スイスには及びませんでした。彼らはそれを何とか維持することができました。
今日、彼らはAI分野だけでなく、物理学などの他の分野でも、人口100万人当たりで最も成功しており、一人当たりの特許数も最も多いのです。
では、なぜスイスはドイツよりも一人当たりでこれほど成功しているのでしょうか？ドイツの政策立案者は、スイスから何か学ぶべきことがあるのかもしれません。
NVIDIAの創業者であるジェンセン・ファンとも接点があったとおっしゃいましたが、今や非常に成功している企業ですね。どのような関係なのでしょうか？あるいは彼をどのように見ていらっしゃいますか？
彼は2010年頃から私たちに興味を持っていました。約15年前のことです。当時、コンピュータは今の約1000分の1の速度でしたが、私たちは何をしていたでしょうか？
私たちは、今日のAIを支えているこれらのNVIDIAのGPU、つまりグラフィックプロセッサを使って、ニューラルネットワークを訓練していました。当時これらのNVIDIAコンピュータを購入していた人々のほとんどは、全く異なることをしていました。彼らはビデオゲームを作っていました。
NVIDIAはビデオゲームに適していました。なぜなら、ビデオゲーム、特に一人称シューティングゲームをプレイする時、仮想世界を移動し、自分の動きに応じて画面の内容が変化して、その環境の中を歩いているような感覚を得ます。そのためには、基本的に並列コンピュータ上で大量の行列乗算を実行する必要があります。
これらのNVIDIAのグラフィックカードは、この現実的な印象を作り出すための並列な行列乗算を実行することが非常に得意でした。当時もそうで、今日も同じです。そして私たちは、これらと同じ特性が、ニューラルネットワークを本当に高速にするためにも必要だということに気づきました。
当時私が持っていた素晴らしいポスドク研究員、ルーマニア出身のダン・チレシャンは、私たちのチームと共に、前世紀からの古いアルゴリズムを使って、深いネットワークをNVIDIAのグラフィックカード上で初めて実行させることができました。そして突然、私たちはあらゟる種類のコンペティションで勝利するようになりました。
MNISTというベンチマークから始まりました。今日では誰も知りませんが、当時は最も重要なものでした。この論文は大きな注目を集めました。十分に高速なコンピュータ上での深いネットワークを通じて、それまで不可能に思えた多くのことを達成できるようになったのです。
2011年には畳み込みネットワークを持ち、突然それらは画像認識コンペティションに勝てるほど優れたものになりました。2011年には、あるコンペティションで初めて超人的なパフォーマンスを達成しました。それはシリコンバレーで行われた自動運転車のための交通標識認識に関するものでした。
ジェンセン・ファンは当時既にNVIDIAのCEOであり創業者でした。彼は当然、これに非常に興味を持ちました。しかし、当時のNVIDIAの株価は、今日の100分の1程度だったことを付け加えなければなりません。私は当時既に、人々がこれらのNVIDIAグラフィックカードがAI、つまり深層ニューラルネットワークにいかに適しているかに気づき始めると、すぐに株価が急上昇するだろうと考えていました。
しかし、株価は少し上昇し、2015年頃には以前よりも少し良くなりましたが、その後また下がりました。NVIDIAを信じられないほどの高みへと押し上げた最近の爆発的な成長まで、10年待つ必要がありました。
私とジェンセンが握手している写真があります。それは、私たちがこれらのグラフィックカードが前世紀からの古い技術に基づく現代のAIにこれほど適していることを示せたことに関連して、彼が私たちに賞を贈った時のものです。
レックス・フリードマンのポッドキャストであなたのインタビューを聞きました。私たちの会話の準備のために聞いていたのですが、ある時点で、私は完全に驚きました。あなたはAIの実践的な問題、つまりアルゴリズムやGPUなどだけでなく、宇宙のソースコードや宇宙がいくつあるのか、宇宙を再現できるのかといった問題についても深く考えていらっしゃると。
私が見落としている関連性があるのでしょうか？それとも、これは少し哲学的な、あるいは趣味的なものなのでしょうか？それとも、これらはすべて繋がっているとお考えですか？
私にはデジタル物理学者としての秘密の生活があります。私が常に魅了されてきたのは、この環境だけでなく、宇宙全体の最もシンプルな説明は何かという問いです。
すべての物理学は、宇宙をどのように説明するかということを中心に展開しています。情報科学者の視点から見ると、問いは「宇宙の全進化を記述する最も短いプログラムは何か」となります。
宇宙は複雑に見えますが、おそらく非常にシンプルかもしれません。なぜそう考えられるのでしょうか？138億年前、すべてが始まった時、すべては非常にシンプルでした。自然法則は数個しかなく、初期条件もおそらく非常に単純で、重元素もなく、ヘリウムさえほとんどありませんでした。宇宙の構成要素はとても単純なものだけでした。
時間の経過とともに、数十億年の進化の中で、すべてがより複雑になっていきました。そして約35億年前に地球上で最初の生命が誕生し、最終的に13,000年前に最初の文明が生まれました。
すべてが非常に複雑に見えますが、おそらく、これらすべてを記述する非常に短いプログラムが存在するのです。それを展開させるだけでよいのです。
大きな問いは、この宇宙の最も短い記述は何かということです。私たちにはまだわかりませんが、今日では既に、この宇宙を計算する最も短いアルゴリズム、あるいは非常に短いアルゴリズムを書き記すことができます。
副次的な効果として、この非常に短いアルゴリズムは、他のすべての計算可能な宇宙も計算します。自然法則が少し異なる宇宙や、全く異なる宇宙、あるいは現在の宇宙との関連性がまったくない宇宙など、他にもたくさんあります。
いずれにせよ、1997年、つまり4半世紀以上前に、「Computer Scientist’s View of Life, the Universe, and Everything」というタイトルの論文を書きました。そこで、この宇宙だけでなく、すべての可能な計算可能な宇宙を計算する、最も優雅で短いアルゴリズムを記述しました。
ある意味で、私たちの周りに見えるすべてを含む、非常に短いコードです。その後、このテーマについての続編となる論文があり、これは物理学だけでなく、あなたが言ったように生物学や哲学にも関わる非常に中心的で本質的な問いなのです。
このアルゴリズム、この短いアルゴリズムはどれくらい短いのでしょうか？
たった10個の数字です。この宇宙と他のすべての論理的に可能な宇宙を計算するアルゴリズムを10個の数字で書き表すことができます。このアルゴリズムはとてもシンプルです。
すべての可能なプログラムをリストアップ（列挙）し、それぞれに少しの計算時間を割り当てるプログラムを書くだけです。あるプログラムが停止すれば、それで終わりですが、中には常により多くの計算時間を要求するものもあります。
そして、それぞれのプログラムに計算時間を割り当てる巧妙な方法があり、それによって各プログラムは、それを計算できる最速のアルゴリズムによって計算されるのと同じくらい速く結果を出すことができます。
私はその最速のアルゴリズムを知りませんが、このメタアルゴリズムは、宇宙の大きさに依存しない定数因子を除いて、最速のアルゴリズムと同じくらい速く結果を出すことができます。理論的な観点からは、この定数因子は無視できます。
つまり、すべての可能な宇宙を計算する最適な方法があり、偉大なプログラマーがいるとすれば、彼は私たちの宇宙だけでなく、他のすべての可能な計算可能な宇宙を計算するために、このアルゴリズムを使うべきだということです。
もしそれが正しく、偉大なプログラマーが倹約的で効率的であることを前提とするなら、この仮定は私たちの宇宙の未来について非常に強力な主張をするのに十分です。このテーマについて、私はいくつかの論文を書きました。
これらは私たちの最も人気のあるAI論文ほど注目されていませんが、私は依然として重要だと考えています。これらの論文も、いずれその時が来るでしょう。
これは本当に文字通り「larger than life（生命を超えた）」ように聞こえます。とても理論的ですが、あなたの人生観、子供たちに伝えることなど、実践的な面でこれから何か学んだことはありますか？専門的な理論以外で、現実の世界について学んだことは何でしょうか？
まず、これはそれほど理論的ではありません。子供たち、あるいはほとんどの子供たちは、既にこれらのシミュレートされた世界を経験しています。多くの子供たちはビデオゲームを知っています。これらのビデオゲームでは、世界はかなりリアルに見えます。
まだ完全にリアルというわけではありません。現実の世界との違いはまだわかりますが、近い将来、これらのシミュレーションが違いがわからないほど良くなることを想像するのにそれほどの想像力は必要ありません。
多くの子供たちは、おそらく宇宙全体、私たちの周りのすべてがコンピュータプログラムの計算の結果に過ぎないという考えに全く問題を感じていません。その意味で、これは子供たちが今日既に知っているものからそれほど遠くないのです。
では、私たちがシミュレーションの中で生きている可能性、つまり誰かが私たちの世界のためのソースコードを持っている可能性があると考えていらっしゃるのですか？
はい、そのソースコードは、私が先ほど説明した、すべての可能なプログラムを列挙して計算する非常に短いプログラムです。これらのプログラムの中には、特定のビデオゲームを実行するものもあれば、私たちには理解できないものを計算するものもあり、また私たちの宇宙を計算するものもあります。
もし計算可能だとすれば、ですが。しかし、この宇宙が計算不可能だと示す物理的な理由はありません。誰もそれを示していない限り、私たちは常にオッカムの剃刀の仮定、つまり最もシンプルな説明が私たちの視点から最良だという仮定を使います。
おそらく、この宇宙は計算可能でしょう。したがって、私たちが見て、周りにあるすべてのもの、私たちが今行っている会話のすべての詳細を含めて、それらがただ単にこの宇宙を計算するプログラムの計算の表現に過ぎないということを、比較的簡単に受け入れることができるかもしれません。
あなたに自由意志として現れるものも、運命の一撃や偶然、そういったものすべても、実際には予め決められているのです。
多くの物理学者が偶然だと考えているもの、例えば量子効果、つまり素粒子のスピンがアップなのかダウンなのかを測定するような量子測定なども同様です。
ツァイリンガーのような物理学者もいます。彼は偶然がすべてだと信じており、Nature誌に記事を書きました。ドイツ語に翻訳すると、「20世紀の根本的な洞察の一つは、自然の基本的な構成要素が量子化されており、それも偶然的な方式で量子化されているということだ」と書いています。
つまり、偶然がこの宇宙の進化の計算において本質的な役割を果たしており、量子効果が起こるたびに、常に新しい情報のビットがこの進化に入ってくるということです。そして毎10億分の1秒ごとに、1兆個単位でそれが起こっています。
これは、私たちの宇宙の歴史全体の記述が非常に複雑になることを意味します。なぜなら、これらの余分なビットをすべて保存し、この歴史の正確な再現を可能にするために使用しなければならないからです。
ツァイリンガーの記事を読みながら、私はもちろん同時にNatureへの返信を打ち始めていました。小さな読者の手紙です。彼らはそれを掲載せざるを得ませんでした。なぜなら私が正しかったからです。
その中で、この仮定が本当に当てはまるという最小の証拠さえないと述べました。私たちが非常に短いプログラムによって計算されている可能性があり、私たちに偶然に見えるすべてのものが、実際にはπ（パイ）の小数点以下の展開のようなものである可能性を否定できないのです。
あなたはπを知っていますね。3.1415926…という数字です。この数列は無限に続きます。そしてそれは偶然のように見えます。非常に偶然のように見えます。
なぜなら、例えば’4’のような3桁の特定の数列を取り出すと、それをどこかで見つける確率はおよそ1000分の1です。これは3桁の数字に対して期待される通りです。4桁の数字でも5桁の数字でも同じです。
つまり、非常に偶然のように見えますが、偶然ではありません。なぜなら、πを計算する非常に短いアルゴリズムが存在し、πの小数点以下の展開におけるこれらの一見偶然の出来事をすべて計算するからです。
同様に、シンプルさの中に美を見出す私のような人間は、この宇宙で私たちに偶然に見えるすべてのものが、実際には擬似乱数生成器、おそらくπか何か似たようなものかもしれないと考えます。
私たちに複雑に見えるすべてのものは、実際には非常に短いプログラムに圧縮できるのかもしれません。人生の大きな問題について考える時、哲学を読むのですか？それとも物理学ですか？あるいは人生の大きな問題への答えはどこにあると思いますか？その間のどこかでしょうか？
はい、私は既にすべてを読みましたが、大きな答えはまだどこにも書かれていません。だから、私自身で定式化しなければならないのです。
それは、若い頃からあなたが常に持っていた自信ですね。前進し続けるということですね。例えば、あなたはアインシュタインに魅了されたとおっしゃいましたが、40年か50年後に、今日の子供たちが「あの頃のシュミットフーバー」と言うようになる可能性はあるのでしょうか？つまり、アインシュタイン、シュミットフーバーという論理的な継承関係があるのでしょうか？
アインシュタインは科学の歴史における例外的な存在で、おそらく史上最も有名な科学者です。そして、私は自分の知的能力がそれほど大きくないことを言いましたが、それでも、私自身よりも賢くなることを学ぶ何かを作るには、おそらくちょうど十分な能力があるのかもしれません。そして、それが一度できれば、私がどんなに愚かでも構いません。なぜなら、それは自分自身で改良を続けることができ、もはや私に依存しないからです。
ユルゲン、これは私にとって魅力的な会話でした。私には少なくともよく理解できたと感じましたし、あなたについていくことができたと思います。最初は、ウィキペディアの記事を読んだ後、心配していました。記事の中には、私の通常の専門知識をはるかに超える部分があったからです。
ウィキペディアに書かれていることは決して信じないでください。ウィキペディアのページはありますが、たくさんのナンセンスもあります。
はい、そして引用されている内容や、私が聞いたことのない定理について述べられている部分もありました。いずれにせよ、実世界の質問と実在の人々、そして私たちが今観察している世界と、あなたの大きな世界観や理論との間のこのやり取りは、とても新鮮でした。
数日後にハンブルクでお会いでき、大きなステージでヨナタン・ルースとともにこれを続けられることを楽しみにしています。デミス・ハサビスは知っていますか？確か一度お会いしたことがあると思います。さて、どうなるか見てみましょう。私たちのステージでお会いできることを楽しみにしています。
ありがとう、フィリップ。楽しかったです。
いいですね、では、またお会いしましょう。さようなら。
さようなら。
コメント