この動画は、AI時代における知識経済の根本的な変化について論じたものである。知識の倍増カーブが急激に加速し、従来の大学教育や就職システムが意味を失いつつある現状を分析している。話者は、AIが得意でない5つの分野（趣味嗜好、極度の主体性、学習速度、意図の持続性、割り込み処理能力）を特定し、人間がこれらの領域に特化すべきだと提案している。知識の蓄積よりも判断力が重要な時代への転換を呼びかけている。
知識経済の根本的な問題
私たちは知識経済について話し合う必要があります。知識経済は根本的に破綻しており、私はそれを分解して各部分について話したいと思います。大学について話し、就職活動について話し、経済において知識がどのように蓄積されるかについて話します。そしてその全ての根底にはAIがあります。ですから、最後まで付き合ってください。
知識倍増カーブの加速
まず第一に、知識倍増カーブについて学びましょう。知識倍増カーブは実際にバックミンスター・フラーが20世紀に提唱したものです。彼が気づいたのは、人類が知識を獲得するペースがどんどん速くなっているということです。
1900年まで、バックミンスター・フラーは人類の知識が倍増するのに約1世紀かかることを観察しました。第二次世界大戦後、倍増率は4倍速くなり、25年まで短縮されました。2000年代初頭の資料では、それが12から13か月ごとまで速くなったことが示唆されています。
皆さん、推測してみてください。それはさらに速くなりました。AIによって巨大なソフトウェア全体が3から4か月ごとに再リリースされ続ける能力を持つとき、あなたはこの知識カーブにおいて超線形的な世界にいることの兆候を見ているのです。
私がそれと呼ぶのは知識ハイパーインフレーション経済です。知識があまりにも遍在するようになり、追いつくことがほとんど不可能な世界です。あなたはそれを全て読むことはできませんし、全て消費することもできません。そして、これは私たちが住んでいる世界のように見えませんか？
私は毎日非常に多くのダイレクトメッセージやメールを受け取り、「ネイト、どうやってそれら全てに追いついているのですか？」と言われます。正直な答えは、私にはできませんし、あなたにもできませんし、誰にもできません。私たちは皆、ただ最善を尽くしているだけです。
しかし、AIニュースに追いつくだけではありません。この新しい経済に必要なスキルをどうやって身につけるか、どこに学びに行けばよいかという問題でもあります。MBAを取り直すべきでしょうか？AIのMBAのようなものがあるでしょうか？大学に行ってコンピュータサイエンスを専攻しようとすべきでしょうか、コンピュータサイエンスのカリキュラムは変わっていないのに？それとも、アンドレ・カルパシーが未来のプログラミング言語は英語だと言っているので、リベラルアーツに行って、私のトルストイを倍増させるべきでしょうか？どうなるのでしょうか？
知識の文化的意味の崩壊
この不確実性自体が、知識の文化的指標が崩壊していることの兆候です。人間社会において知識が意味していたことはもはや真実ではなく、知識に伴う全ての文化的儀式がその価値を失っているのです。
だからこそ人々は大学を疑問視することができると感じるのです。だからこそ学生たちは、ChatGPTを使って可能な限り良い成績で大学を乗り切ることが合理的だと感じるのです。それは意味を失った儀式なのです。学ぶための学習ではなく、成績を取り、ネットワークを築き、仕事に就くためのものです。
これがロイとクルーニーがこれほど共感を呼んだ理由です。彼らは多くの人々が心に抱き、声に出して言いたくなかった真実を語っているからです。これは不正なシステムのように感じられ、不正なシステムにおいて合理的にできる唯一のことは、先に進むために何でもすることです。
就職市場の破綻
残念ながら、知識経済は大学の状況で止まるわけではありません。スキルを習得する方法で止まるわけでもありません。それは就職市場にも浸透しています。私たちの周りを見回すと、就職申請システムも破綻しているのです。
Monsterが破産申請をしました。Monster社の広告、スーパーボウルの広告を覚えていますか？あれは大きな話題でした。とにかく、Monsterは最初のインターネット企業の一つで、インターネット上で仕事を見つけるのが簡単になると言って成功を収めました。そして今、推測してみてください。履歴書はそれほど価値がなく、Monsterは生き残っていません。何をすればよいのでしょうか？
私がこれから得た教訓は、知識の蓄積が意味を失ったものになった世界に私たちがいるだけでなく、求職者と雇用者への知識の実証も同じことです。求職者は知識を実証しなければならず、それは私たちがいつもそうしてきたので履歴書によってしかできません。そして、私たちがいつもそうしてきたので履歴書によってしかできないなら、確率的オウムが履歴書を完璧にシミュレートできるため、応募者が優秀かどうかを知る方法がありません。では、どうすればよいのでしょうか？
新しい働き方の模索
そして今、真実は誰も知らないということです。大企業の中には直接来てもらうと言っているところもあります。ホワイトボードで何かをする、明らかにAIが手伝っていないところで何かを書くと言っているところもあります。少なくとも今のところ、AIが私のメガネに入るまでは、AIは私のメガネに入っていません。
要点は、知識に依存しない仕事の答えが必要だということです。大学に行ったことを示し、全てのことを知っているということを示すことに依存しない仕事の答えが必要です。なぜなら、それらのものはもはや意味を失っているからです。
ですから、人間の仕事を面白く、やりがいがあり、意味のあるものにするものを根本から再考しなければなりません。そして、周りの皆がAIが仕事を奪うと叫んでいる中でそれを行うのは簡単ではありません。
AIの得意分野と不得意分野の分析
座ってAIが得意なこと、そしてAIが建築的におそらくそれほど得意でないことについて私たちが知っていることを実際に自問する方が、はるかに生産的です。そして、それらのことを知っているなら、将来において私たちのスキルがどこにあるかもしれないかの感覚を得ることができるでしょうか？
ですから、私はあなたに短いリストを提案したいと思います。ギザギザした知性がどこに向かっているかを考えると、AIによって破壊される可能性が低いと私が思う5つのことです。
第一は味覚です。これはよく話題になりますが、私が最初に言っているふりをするつもりはありません。しかし、何を構築するかを知ることは重要です。問題を解決する方法を知ることは重要です。AIがあなたに与える百万の選択肢から正しいものを選ぶことは重要です。何を構築しないかを理解することは重要です。味覚は重要です。
第二は極度の主体性です。最小限の指示で動作する能力、所有権を最大化することです。AIが実行に優れているなら、人間は目標設定に優れなければなりません。優先順位の定義、軌道修正、システム構築に優れなければなりません。主体性は高く評価されるでしょう。
第三は学習速度です。これはそれほど話題になりません。知識の蓄積についてではありません。適応の速さについてです。技術的スキルの半減期がどんどん圧縮されているなら、価値は知識がインフレするよりも速く学ぶことができる人々、その中でただ溺れるのではなく陳腐化の波に乗ることができる人々に蓄積されるでしょう。それが重要です。
そして、実際にLLMは今のところ学習があまり得意ではないことをあなたに提案したいと思います。モデル作成者もそれを知っています。現在、どのLLMも本当に根本的にはリリース後に学習しません。今、彼らはその問題に取り組んでいますか？はい、その問題に取り組んでいますが、それは取り組むべきことがたくさんあり、現在のAIのギザギザした知性の弱点の一つとして記述するのが公平です。
第四は意図の水平線です。一貫した目標を維持する能力です。これについては以前このチャンネルで言及しましたが、本当に重要なことだと思います。なぜもっと注目されないのかわかりません。あなたのAIが3時間から7時間になっても構いません。戦術的タスクには良く、役立ちますが、ゲームチェンジャーではありません。私たちには非常に長期的な思考が必要で、それには先週のアンドレ・カルパシーのY Combinatorトークで説明されたような、単にインスタンス化されて現れるときに記憶喪失症になるのではないシステムが必要です。彼らには以前の記憶がなく、ただインスタンス化されて、これがチャットですということです。それは根本的な問題です。
第五は割り込み可能性です。割り込まれたときに何をするかです。ほとんどのLLMにとって、それはベストプラクティスに反します。チャットを割り込むのは悪いアイデアです。そんなことはしないでください。チャットを本当に一貫性を保つようにしてください。一体何をしているのですか？人間は割り込まれることができます。人間は切り替えることができます。人間はそのシフトを理解します。
判断経済への転換
ですから、私が提案したいのは、これらがAI知性のギザギザしたパターンが私たちに教えている、大規模言語モデルアーキテクチャが直感的に得意でないスキルの種類の例だということです。それは資本がそれらの弱点を修正するために配分されていないことを私たちに教えているわけではありません。配分されています。ただ、それらは弱点であり、知識のようにLLMが非常に強い分野での獲得ペースほど、知性の最前線でのそれらの弱点の獲得ペースは速くないかもしれません。
私が理解していると思います。次の10年を定義する選択はこれです。私たちは知識がハイパーインフレする経済に住んでいます。必死にマシンを上回ろうとし、ハイパーインフレの渦の中で資格を蓄積し続けるのでしょうか？それとも判断経済に入ることを始めるのでしょうか？マシンがいつ間違っているかを知ること、いつ硬直しているかを知ること、いつ破滅に向かっているかを知ること、知識に満ちた世界で良い判断を持つ方法を知ることを考え始めるのです。
私があなたを残したい場所はそこです。そして、ギザギザした最前線で現在AIがあまりうまく示していない他のスキルは何かを私に教えてくれるよう、あなたに挑戦したいと思います。
乾杯。
コメント