この動画では、著名な播客主であるドワルケシュ・パテルが、現在のAI技術の状況とAGIの将来性について詳細に議論している。パテルは多くのAI研究者との対話を通じて、AGIの到来時期についてやや慎重な見解を示しており、現在のAIモデルが職場での継続的学習能力に欠けることを重要な制約として指摘している。また、人類史の新たな発見や学習方法論、播客制作における準備の重要性についても語られている。
現在のAI技術と継続学習の課題
まず最初に、俺らは人類の進化についてどれだけ知らへんかったかを全然理解してへんかった。高校で習った話、全部少なくとも多少は嘘やってんで。いつ、どこで、誰がっちゅう話や。
どういう意味や？アフリカで起こったんとちゃうんか？そうや、大部分はそうやなかったんや。まあ、ある程度までは歴史はあるやろ？そうやな、それは良かったわ。
せやから、これはめっちゃ楽しみにしてたんや。時間作ってくれてありがとうな。呼んでくれてありがとう。まず、AIの現状についてのあんたの考えから話したいねん。あんたは明らかにそれにめっちゃ近いところにおるし、使ってるし、それを色んなレベルで知ってる人らとめっちゃ深く話してきた。最近、「なんでAGIがすぐそこまで来てるとは思わないか」っちゅう、めっちゃ興味深いブログ記事を書いてたな。それについてちょっと聞きたいし、この全般的な話題についても聞きたいねん。
これまでの俺のゲストの多くは、たぶん俺も含めて、ちょっと息切れしながら「これはもうここにある」って感じやった。もし俺らが今持ってるAI研究や能力を全部展開したら、とんでもないGDP成長があるやろうって。あんたは他のゲストとはちょっと違う見方をしてるみたいやから、まずAIの現状をどう見てるか聞きたいねん。
俺もあんたと似たような立場にあって、AIで何が来るかを息せき切って期待してる人らを色々インタビューしてきた。時にはAI研究者らがめっちゃ楽観的やったり、他の場合は2年で世界が終わるって心配してたりしてな。これらの超変革的な結果にどれだけ早く到達するかについて俺の考えが変わったのは、これらのAIを使って俺自身の播客のためのめっちゃ簡単なスクリプトキディみたいなタスクを手伝ってもらおうとしたからや。
フォーチュン500企業が今すぐAIをスタック全体で使ってない理由は、経営陣が頭が固すぎるからやって思ってる友達がいっぱいおる。O3を自分らのワークフローに組み込む方法について創造的やないだけやって。俺は播客のポストプロダクション設定でどうAIを使うかめっちゃ考えてて、100時間かけて役に立つようにしようとしたけど、あんまり役に立たへんかった。
それは、これらのモデルから人間みたいな労働を得るのが根本的に難しいからやと思う。なぜなら、これらのモデルは人間ができるような形で職場で学習できへんからや。人間の従業員について考えてみ。たぶん最初の3から6ヶ月は役に立たへん、特に知識労働に関してはな。時間が経つにつれて彼らがもっと役に立つようになる理由は、主に彼らの生の知性やないねん。もちろん生の知性も重要やけど、むしろ文脈を積み上げて、失敗からめっちゃ豊かな方法で学んで、それを検証する能力やねん。
現在のモデルは、セッションでできることだけを得られる。30分話したら、あんたのビジネスがどう機能するか、あんたの好みが何かっちゅうことを完全に認識や理解を失ってしまう。多くのタスクは、何かで10点中5点の仕事をして、それから上司と話して、消費者のところに行って、何がうまくいかんかったかを学んで、何がうまくいかんかったかを自分に問いかけて、それを繰り返し続けることが必要やねん。彼らはこの職場での訓練ができへん。これが人間を価値あるものにしてるんやと思う。
言語タスクとコンテンツ制作の限界
そうやな。特に言語タスクの中には、まだどれだけ良くなれるかっちゅう限界があるみたいやな。コーディングは全く違う獣やけど、言語タスクの中では限界があるように見える。例えば、播客から最も興味深いセグメントを抜き出そうとしたり、キャプションをつけたり、投稿可能なクリップを作ったりする場合でも、そのクリップは完璧である必要があって、人間の方をまだ信頼するやろうな。何が実際に興味深いかを選ぶのは難しいかもしれへん。
でも、そこでも、オフラインであんたの播客の何かのためにツイートをどう書くかっちゅう会話をしてたやろ？グループチャット用に書くっちゅう戦略もあるかもしれへんって話してた。これはまさにO1が得意なことやと思うやろ？ツイートを書く。これは言語を入力して言語を出力する。システムプロンプトがある。
でも、なんでAIにツイートを書いてもらうことであんまり役に立たへんのやろう？ツイートを書くことが経済で最も重要なことやからこれに焦点を当ててるんやないで。これは彼らが最初にできるはずのことやからや。なんで俺らはまだこれを彼らに委任してへんのやろう？
何かを投稿して、うまくいかへんことに気づいたら、何が間違ったかについて考えることができる。あんたのユーザーや フォロワーが何を求めてるかっちゅう経験もあって、これらのAIは拾えへんねん。実際、結構高いハードルやねん。TwitterやSubstackとかに何かを投稿することを考えてみ。あんたにとってそのハードルは実際めっちゃ高いねん。
言語モデルがめっちゃ役に立つ、もっと低いハードルのものもある。例えば、カスタマーサポートチケットや。そこではめっちゃうまくいく。言語が完璧である必要がないし、とんでもない微妙さも必要ない。ある種のことに対して97%の時間正しくて、間違った時に「ちょっと、俺が間違ってるで」って言う方法を知ってたら実際大丈夫やねん。
俺らがここで説明してることは、少なくとも特定の分野では多くのGDP成長を促進すると思う。どこでも高いハードルが必要やないからな。
市場規模とAGIの可能性
カスタマーサービス雇用の実際の数字がどうなってるか見てみたいな。俺が理解してる限りでは、そんなに減ってへん。そうやな。そういう分野でもこれらの変革的なインパクトを見てへんのは興味深いな。
ベンチャーの見方に対してはこうや：これはめっちゃ指数的な曲線の始まりで、これらのことは第1イニングの前半みたいなもんやけど、全ての曲線がこんな感じやから、3年後には現れるやろうって。俺もそれに同意する。3年やなくて、10年の間にやけどな。でも俺がそう思うのは、これがこれらのモデルを価値あるものにするためのめっちゃ大きなボトルネックやから、人々はそれを解決したがるはずやねん。
今、OpenAIやAnthropicの収益は約100億ドルのARRの規模やけど、それは明らかに多いけど、McDonald’sやKohl’sの方が儲けてて、それらの会社はAGIやない。本当のAGIがあったら、年間何兆ドルや。それは世界中の人間が賃金で稼ぐ額やねん。市場がそれだけの努力をこの問題に投入するやろうから、過去に多くの進歩があった。俺はAGIが来ないって人らの一人やない。もちろんや。俺はただ、そこに到達する前にこれは確実に解決される必要があるって言ってるだけや。
デジタル知性の可能性と規模の重要性
あんたが研究者らと話すのに多くの時間を費やしてて、それにめっちゃ近いところにおるのは明らかやけど、あんたのタイムラインがゲストらから得たもんと違うかもしれへんとしても、それについてまだ今まで通り確信を持ってる？
観察するのにめっちゃ興味深いことが一つある。彼らは推論を解明したんや。たまたま推論は俺らが当たり前やと思ってる何かよりもずっと簡単やったっちゅうことが判明した。それは日々職場で情報を拾うことや。
アリストテレスに戻ってみ。彼の大きな見解は、人間を特別にするのは推論できることで、他の動物はできへんっちゅうことやった。これらのモデルがまだそんなに役に立たへんのに、彼らができることはほとんど何もない。ただ一つできることは推論やっちゅうのは、ちょっと面白いな。
こういう曖昧な能力がオンラインになるっちゅう事実を考えると、継続学習も10年後には役に立つ何かかもしれへんって思わせる。深層学習はそんなに古くないことを覚えておくのも役に立つ。13、14年前や、少なくともAlexNetがそれくらい古いっちゅうことや、俺らがこれらのモデルを訓練し始めた時やな。10年か20年後に俺らがこの問題の解決策を見つけるのは俺には十分可能やと思う。
現在のAI能力の評価
あんたが「これらのモデルはまだそんなに役に立たへん」みたいな言語を使い続けるのを聞くのはめっちゃ興味深い。俺の一部はそれにめっちゃ同意するし、一部は俺が自分で使う時の経験に言葉を与えてる感じや。もう一方では、多くの場合で検索の素晴らしい代替品やし、コード生成をめっちゃ効果的な方法でやるし、医者らがスクライブみたいなことを扱うのに使えるみたいやし、明らかに機能してることがあるように見える。あんたもそういう風に見てる？いくつかのことは非常に役に立つって？
そうや、100%や。俺はAGIの本当の可能性、人間労働の本物の代替品っちゅう文脈でもっと言ってるねん。俺はそれが成長レベルの10倍の増加を引き起こすことを期待してる。だからインターネットの規模やったら、「うわ、AGIができることに比べてこれはめっちゃ短い」って感じや。だからこれがまだそんなに役に立たへんのは明らかで、この種の変化を期待するもっと具体的な理由もある。
一つは労働供給が劇的に増加することや。技術の人々は、特定の産業をより生産的にする方法にしばしば焦点を当てる。この狭い生産性改善で、世界に1兆人の人がいて、それぞれが専門化して新しい知識を発見したり、比較優位からこれらの利益を得ることを想像してみ。
もう一つは、これらの心がデジタルやから、同じ量の知性であっても、人間が心の働き方のために持てへん協力における優位性を持ってることや。一つの例は、職場で実際に学習できるっちゅうこの問題が解決されるとしよう。
デジタル知性の協力と学習能力
人間は職場で仕事から学んで、20年の間に自分の技術の達人になる。めっちゃ価値がある。あんたもそういう人の一人や。技術業界で会社を経営したり、会社に投資したりすることから、こういう文脈を全部拾ってきた。
この人間みたいな能力を持つモデルを手に入れたら、単一の仕事で学習できるだけやなくて、モデルのコピーが経済全体に展開されて、基本的に経済のあらゆる単一の仕事を同時にやることからの学習を統合できる。その時点で、さらなるアルゴリズム革新がなくても、機能的に超知能になるものを持つことになるけど、この広く展開された知能爆発がある。これは彼らがデジタルやっちゅう事実が蟻みたいな創発的知性を与える多くの方法の一つや。
あんたは1兆人の新しいホワイトカラー労働者を通じてインパクトが起こる世界を描いてるな。それが実際に正確にそれをやることは決してないけど、この他のことをするっちゅう別のバージョンもある。人間がこれまで遭遇したことのないより高いレベルの知性で、新しい道を作って、人間がまだできる新しい方法を特定するねん。
時々俺がこれについて考える方法は、400IQのAIが人でもできる全てのことができへんとしても、新しい薬を特定したり完全に助けたり、より効果的に宇宙に行く手助けをしたり、そういう革新を全部助けることができるやろうっちゅうことや。
これについて考える良い方法はたぶん中国やろうな。中国が科学技術で追いつくだけやなく、実際に多くの重要な分野でアメリカを上回ることに成功した理由は何やろう？明らかに中国には素晴らしい人らがいっぱいおる。だからそれは知性が大きな部分やっちゅうあんたの議論を支持する。
でも俺は根本的には、知性のベンチマークに達したら、規模が中国をそんなに成功させるものやと思う。製造業だけでも、中国には1億人の人がいて、彼らは作られてるものに関連するあらゆるサブドメインで、このプロセス知識を積み上げてきた。
中国は毎年何千万ものSTEM卒業生を輩出してると思う。彼らの誰もが超天才やっちゅうわけやない。ただそれぞれが専門化できるねん。BYDが必要とするレーダー技術や、必要な生産技術に関係なくな。
リーダーシップとデジタル知性
これを声に出して考えてるけど、1兆人のより多くの超接続された、超協力的な人間レベルの知性の人らからと、物事を理解して俺ら全員に何をすべきかを伝えることができる一人の半神レベルの知性からと、どちらからより多くのインパクトが起こるかっちゅう疑問が出てくる。シリコンバレーの歴史で後者の方が多いっちゅう証拠はあるか？俺には思える。
まあ、場合による。偉人理論的なものがあって、大きな飛躍がどう起こるかっちゅうのは、Steve JobsやElonみたいな特別な人らがいるっちゅうことや。一人の外れ値の人が資源を指揮して、その一人が偉大さを引き出すことができる。
俺は彼らを間近で見たことはないけど、ElonやSteve Jobsのような人らがめっちゃ大きなインパクトを与えてきたのは同意する。俺には彼らのインパクトは、「これをやれ、さもなくば俺がかんしゃくを起こす」っちゅう事実の産物により多く思える。それは良いことやろ？かんしゃくを起こすべきやし、俺は何年もオフィスで寝て、適切な時に適切な場所に人を置くねん。
でもそれは、Elonだけが SpaceXロケットのフィンがどう設計されるべきかを思いつくことができて、だから彼の超知性が5つの異なるハードウェア垂直分野にわたって設計することを可能にするっちゅうことやない。それはたぶん人を率いることと、ビジョンの明確さとかもっと関係があると思う。エンジニアリングの天才みたいなもんよりもな。
でも、これは実際にデジタル知性がそんなにアップグレードである理由を説明する別の方法や。Elonは明らかに多くの異なる技術分野でめっちゃ成功してきた。でも彼はただ一人の人やねん。彼について何かユニークなものがあったり、彼が組み立てた小さなチーム、初期のSpaceX、初期のTeslaについて何かあったとしても、もし彼らがデジタルやったら、初期のSpaceXチームを1万回複製して、千の異なるより困難な垂直分野に投げかけて何が起こるかを見ることができる。人間ではそれをスケールできへんからな。
デジタルリーダーシップと組織運営
俺が今話しながら考えてることは、デジタル知性が1万人のリーダーになれるかっちゅうことや。大きな社会的なことを成し遂げるには、大きなグループを調整することがめっちゃ重要やと思う。だから俺は疑問に思ってる。デジタルが上にいることができるか、それとも人間である必要があるか？
デジタルを動かす方がずっと簡単やと思う。これはデジタルであることの主要な利点の別の一つや。今、Elonは他の全ての人間が持ってるのと同じ10の15乗のflopsを頭に持ってる。これは否定的でもあり得るやろ？習近平も他の全ての人間が持ってるのと同じ10の15乗のflopsを頭に持ってる。
上層部対階層を通じて起こる計算や熟考の比率はめっちゃ一方的で、それは多くの委任を必要とする。それは自由社会的な意味では良いことや。大統領にあんたの人生をそんなにコントロールしてほしくない。でも、これらの特定のドメイン内で、俺らが望む会社には、失敗したらただ潰れることができるっちゅう外側のループがある。国とは違って。
だからそこでは、会社を単一の一貫したビジョンの産物にすることがもっと意味を成すかもしれへん。これはファウンダーモードのアイデアやろ？でも明らかにそれは、会社がある規模に達したら、一人の人がすべてを監視するのが困難やっちゅう事実によって制限される。
もしそれがAIで、特に推論スケールのMega Elonみたいなもん、彼専用の巨大なデータセンターで動いてるものを使えたら、Mega Elonは全てのプルリクエスト、会社への全てのコミュニケーションの入出力を読むことができる。彼は販売店の技術者まで全ての従業員をマイクロマネージできる。特に10年前のElonやったら、それはめっちゃ信じられないことやろうな。
AGIの到来と現在の制約
俺が疑問に思ってるのは、人間の下でAI COOが彼らに超能力を与えるのか、それともAGIが実際にリードするのかや。
短期的には後者みたいになると思うけど、長期的には明らかにAI CEOが基本的に長期的にはなるやろうな。
彼らが少なくとも今欠けてるのは、もっと味覚指向的なものみたいやな。彼らはあんたのために研究をすることができる。O3はあんたのために研究をしに行くことができるけど、あんたはそれに投資決定をさせへんやろ？それはあんたの分野への独自の洞察やあんたの独自の味覚に帰着する。
たぶん会社を経営することはしばらくこんな風に機能するやろう。彼らはあんたのために多くの情報をキュレートすることができて、それからあんたはまだ最終的な判断を下さなあかん。Steve Jobsモデルみたいに、彼が最終的な判断を下す、デザイナーらが彼のところに色々な異なるアイデアを持って来る。最終的にはそれも行くやろうけど、たぶん短期的にはそんな感じに見えるやろうな。
AGIに戻ってみよう。研究者や会社と過ごした全ての時間で、これを本当に検査して、あんたはめっちゃ真実を求めてるけど、AGIがちょうど目覚めるみたいにただ起こるって今でも信じてる？この全部がまだ起こるって思ってる？それとも去年ぐらいの間に学んだことで考えが変わって、「ええアイデアやけど、確実に起こるわけやない」って感じ？
そこでの最大の考慮事項は、過去10年間のAIの進歩や。実際は10年以上やけど、60年代まで遡っても、AI期間の進歩は計算の増加によって駆動されてきた。特に深層学習時代では、フロンティアシステムに専用された途方もない計算の増加やった。
計算実行の規模がどれだけ大きいかの公的発表を見るだけで、2012年から2016年以来のトレンドは年4倍やったように見える。だから4年間で、前のものから計算使用量の観点で160倍の最大システムが訓練された。それは物理的にこの10年を過ぎて続けることができへん。どれだけのエネルギーが使われるかから、TSMCで調達する必要がある先進チップのどの部分まで、GDPの生の部分まで。
計算制約とAGIのタイムライン
その後は、アルゴリズムの進歩から進歩が必要になるか、それだけでなければならない。このAI進歩への重要な入力が次の5年後に止まるから、AGIの年間確率が今めっちゃ高いっちゅうダイナミクスがある。それが起こるっちゅう意味やなくて、2030年まで毎年まあまあの確率があって、その後クレーターみたいになる。その後は何が欠けてるかを懸命に考えなあかん。もっと計算を投げることはできへんからな。
AIの知性への影響
今、AIは俺らを賢くしてるか、それとも脳の腐敗を増やしてるか？時間が経つにつれてそれが特定の方向に行くと思う？
この前の日のMeter uplift研究を見た？めっちゃ興味深かった。MeterはAIがどう進歩してるかについて基本的に進化させる組織や。この前、めっちゃ興味深い結果があった。
何万ものスターを持つレポジトリで作業してるオープンソース開発者らがいた。彼らは、これらの人らと無作為化比較試験をして、これらのレポジトリでオープンになってるランダムなプルリクエストを発行して、一つの場合は自分だけで作業して、もう一つの場合はCursorやClaude 3.5 Sonnetの助けを借りて作業した。
そして彼らは、AIと作業してる場合に、一つ目はどれだけスピードアップしたと思うかを測定して、二つ目は実際にどれだけスピードアップしたかを測定した。開発者らはAIの結果として20%生産的になったと思った。彼らは実際にはAIの結果として19%生産性が低かった。
参加した開発者らが説明しようとするスレッドを読むのはめっちゃ興味深かった。AIについてもっと強気な人らでも、実験設計がめっちゃ堅牢やったと思ってる。シニアエンジニアでさえ自分を誤読した。特にシニアエンジニアが。シニアエンジニアは俺が覚えてる限り、生産性の最大の減少があった。
これは数十年間それに取り組んできた人らが経験してることや。いくつかの説明がある。一つは、多くのドメインで、生産的に見えるけどボールをそんなに前に進めてない何かをやることによって先延ばしをデフォルトにするっちゅう知的労働の共通の失敗モードがあると思う。
AI使用における生産性の問題
この典型的な例は、大学で教科書を読み直すより、練習問題をやるべきやっちゅうことや。これらのAIツールを使って、完成を待ってる間にソーシャルメディアを30分見るのも、この例の別の例や。なんでこれが起こったんやろう？だから少なくとも今のところ、あんたの元の質問に戻ると、それが俺らを賢くしてるかどうかは俺には明らかやない。興味深いな。
みんなのバージョンは、この時点で多くの人がChatGPTに人生の指導をもらってるっちゅうことやと思う。何か巨大な哲学的な意味やなくても、場合によってはそうかもしれへんけど、日常的にでも人らは「これが俺の全体の設定で、これが俺についての全てや。何をすべきか」って感じや。それは大きな影響で、だからこれらのモデルが多くの人を静かに掴んでる程度まで、エンジニアリング作業を通じて、他の何かを通じて、これらが本当に良くなることはめっちゃ重要や。
でもあんたはそういうものが役に立つと感じた？可愛いデートを計画してくれとかそういうもの。俺はちょっと使う。俺は友達らよりは使ってないと思う。俺がコメントしてるのは、多くの人が広くそれを使ってると思うっちゅうことや。あんたや俺がたまたまちょっと少なく使うグループにいるとしても、多くの人が使ってると思う。
個人的なアドバイスとかを受けることも含めてな。それは多くの場合たぶん良いことや。それはめっちゃ賢いし、人らはそれの使い方を知ってるし、そういうことやから。でもそれは、エンジニアリングと同様に、人らが個人使用のための検索や質問で使うことにも、多くの影響があることを物語ってる。
生物学とAIの応用
それは俺を賢くしてくれたと感じる。特に、あまり書き留められてない分野の人らをインタビューする時や。生物学がその典型的な例や。合成生物学の有名なパイオニアであるGeorge Churchをインタビューする準備をしてた。
そこでは、俺の準備時間の大部分は、これらのモデルと話すことに支配されて、それから彼らに「ソクラテス式の家庭教師みたいに俺にこれを教えてくれ。俺が完全に理解したと満足するまで説明を進めるな」って言うことやった。
生物学の人らが他のドメインで時間を過ごしたかどうか興味がある。特に生物学について、Arcのパトリックと時間を過ごしたことはある？ちょっとや。
薬物発見とかをするAIの能力について生物学の多くの人らが持ってる強気さは、俺にはめっちゃ有望に見える。生物学で時間を過ごして何を見つけたか分からへんけど。
これらの人らに聞いた興味深い質問の一つは、生物学では思考空間で考えるモデルを使うことができるっちゅうことや。人間みたいに仮説を思いつくことができる。もしくは、タンパク質空間やDNA空間やカプシド空間で考えるモデルや。
人間はただ、「Gがここでめっちゃ良い音がするな。じゃあ次はTにしよう」って考えることができへん。だから俺は彼らがどちらがより有望で、現在の生物学の進歩にとってより有用な補完やと思うかに興味がある。AlphaFoldタイプのようなものでより良いモデルを持つことか、それともO3に仮説を思いつかせて英語で書き出させることか？
少なくともGeorgeは、アイデアを思いつくことができる何百万ものライフサイエンスPhDを持ってる一方で、シミュレーションでそれらを取り除くことができるバイオスペース、タンパク質やDNAで考えることの方やと思ってるようやった。
デジタル細胞みたいなもんやな。そうや。それがそこでより有用な補完や。
それは、俺らが生物学や薬理学とかを大幅に変えることができたら、人間にとってめっちゃ明確に肯定的な結果になるように思える。
技術進歩のリスク
長期的には、俺は物事がひどく間違う可能性がある方法を知ってるっちゅう事実をちょっと心配してる。異なるドメインで核兵器の等価物を持ってるようなもんや。生物学のミラーライフや。逆のキラリティを持つ生命があったら、防御がないらしい。地球上の多くの生命形態を生存不可能にする可能性があるねん。
だからGeorge Churchは「この物事は存在する。それに取り組まんとこう」って言う手紙を書いた人らの一人やった。でも100年の間に、ここでの平衡は何やろう？物理学では、俺はこの物理学者をインタビューして、彼が取り組んできたことの一つは真空崩壊っちゅうものについて考えることや。TLDRは基本的に文字通り宇宙を破壊することが可能かもしれへんっちゅうことや。
そこでのアイデアは何や？俺は播客主やから、物理学についてコンテンツクリエイターに聞いてるねん。だから最善を尽くすわ。
量子場理論では、俺らは準安定状態っちゅうものにいるらしい。巨大な谷があって、それから少しの丘があって、俺らはここのこの小さな尻にいる感じや。そんな巨大な量のエネルギーを投げることが可能で、起こることは、この泡が光速で拡大することで、それは完全な破壊になるやろう。
何か野生のSF的なもんに聞こえるけど、実際に俺が次に聞きたかったことに連れて行ってくれる。あんたは幅広いゲストと興味を持ってるからな。
多様な研究分野への興味
AI以外で、今最も興味を持ってるドメインは何や？政治やロシア、数学、科学、長寿について話してるのを見たような気がするから。今何に最も興味がある？
俺は2050年がどんな感じかに興味がある。明らかに、2050年に何が起こるかを理解するためにはAIを理解する必要がある。でも歴史を通じて、産業革命がなぜ起こったかを説明する単一の技術だけがあったっちゅう場合は一度もない。より良い繊維機械を作っただけやない。特定のセクターでの重要な革新によって可能になった、セクター後のセクターでの改善がある。
例えば、バイオやロボティクスなどで何が起こってるかを学ぶことは重要や。だから俺はそれらの分野に入りたい。また、俺らがついに歴史で以前に見たことがあるけど、長い間そうやなかった変化のペースに到達してることに興味を持ってる。
最近、Stalinの伝記作家であるSteven Cochenをインタビューした。Stalinは1870年代に生まれたと思う。1870年代以降の彼の人生について考えてみ。鉄道、飛行機、蒸気船、ラジオ、電信、電球、燃焼。
第一次世界大戦はクレイジーな例で、戦争を始める時、Wright兄弟は飛んでたと思うけど、世界には何百機程度の飛行機しかなかった。戦車もなかった。戦車っちゅうもんは存在してへんかった。
第一次世界大戦は戦車戦、飛行機戦で終わる。そんなに長くない年月で。ほとんどトラックがない状態から何万台ものトラックに行く。4年の間に。飛行機もそうや。戦争前は飛行機が極めて低いレベルやったのが、明らかに戦争中の軍事使用で。
ドイツが勝つと思った理由は、この鉄道ネットワークを持ってて、どうやって二正面戦争をやって、鉄道物流がすごいことによって同時にフランスとロシアの両方を倒すことができるかっちゅう計画があったからや。ドイツ司令部のリーダーが戦争の終わりに「俺らはトラックのせいで負けた。敵の戦闘員を前線に運ぶ別の方法があることを予想してなかった」って言ったと思う。
学習方法と知識の統合
俺らはこの多くの異なるセクターにわたってこのレベルの変化を見ることになる。Twitterで誰かが投稿した、Buckoが、あんたについて興味深いポイントやと思ったものがあった。それが真実かどうかは分からへんけど、あんたがどう反応するか興味がある。
あんたがAIについてめっちゃ学んでて、AGIが来ると信じるようになって、それからあんたの興味が地政学、生物学、他の全ての分野みたいな他の全てのことに拡大し始めたように見えるっちゅう進化を経たように見えるって。技術が変化の瞬間を作るけど、世界のこの背景が実際にそれに影響を与えるっちゅう感じで。
あんたの興味の年代記は、たぶんその枠組みとはちょっと違ったと推測するけど、それについてどう思うか興味がある。
俺がやってることを考えると、他の分野から学ぶことについて実際めっちゃ悲観的や。19世紀の哲学者を読んで「これがシリコンバレーの仕組みを説明してる」とか「これがAIを説明してる」って思う人らを知ってるけど、「いや、AIについての論文を読まなあかん」って感じや。一般化するのはめっちゃ難しいと思う。
技術を理解するためには論文を読まなあかんっちゅうことやな。人らは歴史の壮大な理論を思いつくっちゅうアイデアを持ってると思う。それは哲学やなくて科学やって。でも俺はどのドメインでも、この手放しなことを持つのはめっちゃ難しいと思う。これができる人を何人か知ってて、めっちゃ印象的やと思う。
でも俺が彼らについて気づいたのは、彼らは全然手放しやないっちゅうことや。だから例えば、AIが経済成長にどう影響するかをモデル化しようとしてる人らがいる。一つの方法は、1500年代を経験してる人らの第一次アカウントを読むことや。「Mediciの伝記を読もう」とかそんな感じで。
それから他の人らは「1万年前まで遡る成長率を見よう。長期的な世俗的トレンドは何や？実際に何が変化を説明するか？」内生成長理論があって、重要な変化は人口成長で、より多くの人がより多くのアイデアを思いつくっちゅうことや。「AIはより多くの人や。彼らはより多くのアイデアを思いつく。より多くの専門化がある」だから、他の分野から学ぶのにめっちゃ異なるモードがある。実証的で、実証的は多分間違った言葉やけど、反証可能で根拠のあるものと、図書館に行って適当な本を読むだけっちゅうもんとや。
個人的な学習スタイル
あんたの興味はどう互いに繋がってるんやろう？特定のスレッドを追ってるか、一つが特定の方法で別のものに繋がってるか？時間の経過とともに様々な興味を生み出すものは何やと言える？
正直、それはめっちゃその週にたまたま興味があることによる。面白い本を読んでたら、時間をどう過ごしてる？読書が多い？主に読書を通じて学ぶ？人と話すこと？他の方法もある？
読書や。話すことから多くを学ぶことができる人が何人かいると思う。一般的に、俺は話すことについてちょっと失望してきた。最も賢い人らの何人かと話してるのに。
一部のドメインでは、人らが自分らのドメインの外でめっちゃ生成的になれることもあるから、めっちゃ興味深い。第一次世界大戦の歴史家や石油の歴史について話して、それからこれがAIにどう適用されるかについて洞察を持ってることを期待するかもしれへんけど、実際には、それらの繋がりは彼らからやなく、あんたから来る可能性が高い。
Daniel Yerginをインタビューしてた時、彼は『The Prize』の著者で、石油の200年の歴史についての本や。めっちゃ興味深いと思ったことの一つは、Drakeが1850年代にペンシルベニアで最初の油井を発見したことや。それからModel T車か、1905年頃やと思うけど、ついに人らが世界中の輸送に使ってる内燃エンジンを持つ車がある。これが石油の産業使用例や。
その前は、石油の大部分はただ無駄にされてた。ケロシン成分だけやった。だからRockefeller、金めっき時代の石油王みたいに考える歴史の全て、それは電球が発明される前に照明のためだけに石油の小さな部分が使われてる時に起こってる。
実際、電球が発明された時、Model Tと電球の日付を間違えてるかもしれへんけど、その辺りや。電球が発明された時、人らは「石油は潰れる。Standard Oilは潰れる。石油の他の使用例は何や？」って感じやった。
油を発見してから何十億ガロンものこの物を使う方法までに50年以上かかったのは興味深いと思う。そしてそれはAIについて興味深い含意があるかもしれへん。俺らは基本的にAIがどれだけ安いかはめっちゃ衝撃的や。だから俺は人らがコストを最適化してるのがいつも混乱するねん。100万トークンあたり2セントか2セントかを望むかって。
俺らは潜在的に産業規模で使うことができるこの商品を持ってる。そして俺らはそれらのトークンをより価値あるものにする方法を知らへん。その一部は技術的や。その一部は俺らがただ何をするかや。AIのための内燃エンジンの等価物はどこにある？
人間関係と学習
でもあんたは読むことからよりも、人との会話から学ぶことが多いと感じる？
俺は人と話すことからより多くを学ぶと思う。また、あんたが求めることができる異なる種類のものがあると思う。真実を求めることと良い決定を求めることはめっちゃ関連してるけど、全く同じやない。
例えば、どうやって素晴らしい才能を見つけるか、誰かから何を拾うことができるかを人らから学ぼうとしてる場合、真実には到達せえへん。他の人らにとって役に立ってきた技術や物事を得て、それを自分に適用しようとするだけや。そういうことのために、どうやってそれについて読むかも分からへん。
でも客観的レベルのことでは、ロボティクスで何が起こってるかを学びたい場合、俺にはただ分からへん。俺は人らがどれだけ期待を下回ってるかにちょっと失望してきた。俺にとっての思想学派は、自分で本当にそれを学ぼうとするか、もしくはその丘が登るには高すぎる場合、俺にとってはロボティクスに入って白書の方法で、俺は何にでも追いつけるって自分を騙してるやろうし、重要な時間スケールで端に到達するのも。
だから俺にとっては、もしそうするなら、決定を誰かにショートカットする方法があるかっちゅう他の動きがある。だから誰を最も信頼して良い情報をもらえるか、そういうことや。
俺らは十分な公的なアウトプットを持ってるから、人らに連絡を取ることができて、彼らがイエスって言ってくれるっちゅう幸運な立場にもいる。
19歳で「生物学について学びたい」っちゅう場合、この立場にいるのは大変や。多くの異なるドメインで素晴らしい仕事をする多くの人らがいるから、俺はめっちゃ幸運やと感じる。俺のはたまたまデフォルトで公に向けられてる。だから俺は私的な素晴らしい仕事よりも、人らに連絡を取る能力をより多く得られる。
それは、もし俺が良いコンテンツを作れば、賢い人らが俺と話してくれるっちゅうフライホイールを作る。それが俺がより良いコンテンツを作るのを助ける。それは実際に、ただの視聴者が人らに話すっちゅう自然なフライホイールよりも、播客が成長する理由により関連してると思う。
興味深いアイデアと人類史の発見
新しいトピックに移る前に、そこで言及しためっちゃ興味深いアイデア、石油と歴史とStalinと生物学について聞きたかった。最近あんたがめっちゃ気になって考えるのを止められない、本当に掴まれたアイデアが他にもあるか聞きたい。そういうのを聞くのが大好きやから。
長い間俺の心にあったのは、古代DNAの遺伝学者であるDavid Reichをインタビューしたことや。彼の研究室と研究が明らかにしたのは、人類史について、まず俺らは人類の進化についてどれだけ知らへんかったかを全然理解してへんかったっちゅうことや。高校で習った話、全部少なくとも多少は嘘やねん。いつ、どこで、誰がっちゅう話について。
どういう意味や？アフリカで起こったんか？そうや、大部分はちゃうかった。40万年前に出て行ったグループがあって、それから7万年前にアフリカから出て行ったグループと混ざり返した。人類のこの枝に導いた進化の多くは、アフリカで起こってへんかったかもしれへん。
いつ起こったんや？俺らはそれについてもっと学んでる。俺らが学んでる重要なことは、どうやって起こったかや。歴史で何度も何度も見るパターンがあるように思える。めっちゃ邪魔やけど、めっちゃ繰り返されるのは、小さなグループが何かを理解して、遺伝記録からそれが何かは明らかやないけど、7万年前に近東、中東と北アフリカが今ある場所に1から1万人のグループがいた。彼らは何かを理解して、ユーラシア全体の他の全ての人類種を一掃した。
半ダースの異なる人類種がいた。ホビットがいた。明らかにネアンデルタール人も。ホビット。彼らの本当の生物学的名前を忘れたけど、ホビットって呼ばれてると思う。それは本当やないやろ。そうや、それで良い。デニソワ人も。
1から1万人で始まったこのグループによって全部一掃された。1万年前にアナトリア農民も現在の中東から拡大した。彼らはヨーロッパとアジアの狩猟採集民の90%を殺した。これはアメリカへの陸橋を通って行ったグループでも起こる。彼らもこれを続けてやる。複数の波があって、波の一つが残りの人らを殺した。
ちなみに生き残った唯一の人らは、興味深いことにアマゾンのグループで、アマゾンが通り抜けるにはめっちゃ密集してるから、大量虐殺が完了せんかって、もっと混合みたいになった。
それから5000年前に、ステップ遊牧民のグループであるヤムナが、ユーラシア全体を再び席巻した。国内人口の90%の死亡率について話してる。複数の大陸、ヨーロッパ全体、ストーンヘンジを建てた人らは、これらの人らによって殺された。これはクレイジーや。
俺らはこれが正しいってかなり確信してる？そうや。
ちなみに、それが大量虐殺やったか暴力的やったかを学ぶ方法は、在来人口対侵入人口からの母系対父系DNAの割合を見ることや。そして彼らが見つけるのは、母系DNAは在来人口から独占的に来ることや。父系DNAは全て侵入人口から来る。それは男らが殺されたっちゅうことや。
それはまた、今日のインドがインダス渓谷文明の混合やっちゅうことも説明する。3から5000年前のプラスヤムナで、だからインド全体は基本的にこのグラデーションや。北はよりヤムナ系統、南はこのインダス渓谷文明系統。
基本的に俺らはこの多くを間違ってた。でもここで本当に興味深いのは他にもある。何百年もの間、人類学者、考古学者はインディ・ジョーンズ的なことをやってきた。リスを読んで、ここで何を言おうとしてるかを懸命に考えて、文学を読んだりしてた。
一人の数学者がこの分野に入って「HLOタイプを見て、どう比較されるかを見よう」って言ったのと比較して、それはめっちゃ役に立たへんかった。基本的に何百万年前に遡る歴史の全体、500年前に起こったことまで、俺らの理解を完全に再定義した。
ミノア文明がなぜ崩壊したか、ギリシャのミノア人が正確に誰やったかみたいな謎、世界中で、俺らは歴史のある程度まで物事を持ってるやろ？そうや、少なくとも掴めるものがある。
でも俺はそれが実際めっちゃ興味深いと思う。例えば500年に何が起こってたかについて、それがめっちゃ間違ってる可能性があるっちゅう、全てのこの秘教的な読みと理解みたいなものやった。
実際にめっちゃ興味深いことを学んだのは、500年について話すと、ローマ帝国について、540年頃やったと思うけど、基本的に黒死病がローマ帝国の半分近く、大きな部分を殺して、これはローマ帝国が崩壊する頃や。2世紀、3世紀のアントニン疫病みたいな以前の疫病もあった。俺はこれについて誰かをインタビューして、ローマが実際に黒死病と同じくらい悪いものを持ってて、それが彼らの崩壊にどう貢献したかの程度を理解してへんかった。
歴史で俺らが持ってる別の偏見は、4人の良い皇帝がいて、彼らがめっちゃ良い仕事をしたけど、次の男がそれを台無しにしたって考えることや。そうやない。いわゆる4人の良い皇帝の間に気候最適期があって、パンかごが文明で、一定の時間後に崩壊する傾向があった。そうやない、何かが起こったんや。
基本的な知識の不確実性
過去数百年の間に、地球が丸いとか重力がこう働くとか、俺らが完全に間違ってた新しいことを学び続けてるから、俺はよく疑問に思う。人類史みたいなもんで、俺らはまだ大きな基本的なことを間違ってるはずや。
俺の5歳の子が最近、面白い質問をした。「木星を信じる？」って。俺は「信じるけど、それは素晴らしい質問やな」って言った。宇宙の他のことについて俺に聞いたら、俺らがめっちゃ間違ってるかもしれへんけど、俺らはまだ大きな基本を間違ってるはずや。
物理学者と話す時、俺はこの感じを特に感じる。宇宙は無限か？そうやないか？俺らは全然分からへん。無限にも多くの異なる種類がある。でもそれはめっちゃ重要に思えるし、時間が違う速度に行く時に歪むっちゅう事実みたいなもんや。
俺らは全部を正確に正しく持ってるはずがない。それはクレイジーすぎる。ダークマターみたいなもんや。そんな大きなものが十分にあるから、俺らは正しく持ってへんに違いない。でもそれは、PhD物理学者が聞いてて「このアホなJackが今何について話してるんや？」って言いそうな感じかもしれへん。俺らが答えを持ってるとは言わへんけど、多くの人らが「そうや、多くのことが」って同意するやろうと思う。
これは俺が次に聞きたかったことに流れてく。学習が起こってる方法と、あんたが明らかに公に学んだり、多くの自主的な教育とかをやったりしてることについての、あんたの広範囲な認識や。でもあんたは学界のトップの研究分野の人らにもめっちゃ結びついてる。
学習と、人らが物事が消費されるべきやと思う方法が自主的で、大きな機関の一部やないっちゅうこの移行についてのあんたの意見に興味がある。
学習の質とメディアの信頼性
人らがこのことが本当か？本当に信じるか？持ってる基準はめっちゃ劣化してる。特に播客界では、俺自身の部族を批判するけど、人らはただめちゃくちゃなことを言うねん。学界について何を言おうとも、これは意味を成すか？明確な議論をしたか？明確な最終陳述を持ってるか、それとも人らが言ってることだけか？っちゅうアイデアがある。
一方で、歴史を読んで、これまでに起こった最悪のことについて読んだら、中国の文化大革命、ソビエト連邦の大粛清、Twitterの平均IQが低いって文句を言うことができるし、会話がめっちゃダメになってるって言えるけど、文化大革命が悪いって理解するのにそんなにIQポイントは必要やない。ただ何かのメカニズムが必要で、「なんで毛沢東は俺らに雀を全部殺させてるんや？害虫駆除にとってめっちゃ悪いんとちゃうか？」って言えて、この神格化を馬鹿にするだけや。
俺はそれが実際に機能したと思う。ウォークは一瞬流行ったけど、ソーシャルメディアがそれを減らすのに貢献したと思う。Trumpを馬鹿にするのも人らがやることで、機能してると思う。だから正味で、最悪のアクセスを取り除くことは、いつもこれらの巨大脳の天才レベルの見解を持つことができることを確実にするよりも、歴史をうまく行かせるためにずっと重要や。
ソーシャルメディアは最悪のアクセスを修正するのにまあまあ良い仕事をしてると思う。
真実のポイントについて。問題の一部は、レガシーメディア企業が俺を含む人らから信頼をかなり失ったように見えることや。彼らはアジェンダを持ってるように見えるし、利益のため、視聴率を最大化するためみたいに見えるから、俺はTwitterの市民ジャーナリズムを完全に信頼してるわけやないけど、機関も完全に信頼してないから、一方が他方よりそんなに良いとは分からへん。
俺はこれに同意せえへん。この事をやろうとする俺の試みは、実際にメディアへの敬意を高めてくれた。いくつかの方法で。一つは、独立系クリエイターよりも権力に責任を持たせることに本当に優れてると思う。
めっちゃ強力な政治家やビジネスリーダーと話して、厳しい質問をするっちゅうのは、メディアがやることで、彼らが選択の播客に行くだけやったらしばしば起こらへんことや。それは見た目より難しいし、彼らはこれらのインタビューをする時にこれらの基準を維持することを喜んでやる。
彼らがそれをする時に偉そうになることがよくあるのは同意するけど。
それは人か機関と関係あるか？例えば、Tucker CarlsonがFox NewsからIndieに行く、理論的には同じ男や。それは彼の真実性を変えるか？
それは彼の番組と多くの他の番組の例やと思う。俺は政治的なポイントを作る場所から来てるわけやない。俺はリバタリアンや。これらの人らに十分近い空間を埋めてる。でもこれらの新しい場所での言説の基準はめっちゃひどい。
会話をしてたら、千のうちの一つを言うことができて、この一つで止まって「ここで正確に何を意味してる？なんでこれを思う？」って言うことができる。「グループチャットで何かを聞いた」とか何でも明らかになる。New York Timesについて何を言おうとも、彼らはコンテンツを検査するファクトチェッカーを本当に持ってる。
彼らが自分らの基準で失敗した多くの場合を知ってるし、特に技術ジャーナリズムで彼らの偏見が好きやないけど、基準は桁違いや。
俺の見解では、最初AIではNew York Timesにとって大きな問題になるように見えたかもしれへん。ある意味ではそうかもしれへんけど、時間が経つにつれて、俺らはある意味でこれらの機関をこれまで以上に必要としてるやろうと実際に思う。
AIは今、ディープフェイクやどこでもボットによるランダムなコンテンツ生成で、何が真実かっちゅう全く新しいFUDの層も持ってくる。だからある時点で、可能な限り真実の基準を本当に保持する誰かが必要になる。だからそれはこれらの機関をより必要にするはずや。
俺らはいつも反実仮想と比較しなあかん。これは俺らを賢くしてるか馬鹿にしてるかに戻る。彼らは幻覚を起こすか？でも俺がAIと話す時、これは10年前に人らが「誰でも編集できるからWikipediaを信頼できへん」って言ってたことを思い出させる。いつもまあまあ信頼できるサインオフがあったと思う。
AIに対してこの態度を持つバージョンが一つある。直接聞いてるバージョンがある。プロパガンダの意図を持つ誰かがそれを自分の利益のために使うっちゅう別のバージョンもある。
播客制作の成功要因
時間があまりなくて、最後のトピックに移りたかった。これまでの俺のゲストは全員、VCかファウンダーで、俺は彼らから公に学ぶ言い訳としてこれを使ってきた。
あんたから学びたかった一つは、播客のやり方についてや。あんたは俺が見た中で誰よりもうまくやってる。俺が始めた時にアドバイスを求めて連絡した一人の人やった。あんたは本当に良いアドバイスをくれた。基本的に本物でいる、興味に従う、恥ずかしいと思うことを投稿しないとかいう、全てが中心に戻ってくることやった。それが俺が持ってた基本的に唯一の北極星やった。
あんたがそれでそんなに成功したから、何がうまくいったのか、なんでそんな風に展開したのかについて反省できるか興味がある。
内側からはめっちゃ言いにくい。俺の仕事が、今朝座って「次の数週間で何について学びたいか？」を決めることができることを極めて幸運やと感じる。その分野で世界で最高の人をインタビューする。数時間彼らに質問を浴びせることができて、それを毎週繰り返すことができる。
俺は本当に答えを知りたい質問をしようとする。その分野で2週間の準備をして、前の年にそれについて学んだ後に答えを知りたい質問も含めて。
多くのコンテンツは「本のイントロ章をもう一度やってくれ。あなたの分野のめっちゃ基本的なことを説明してくれ」みたいな感じや。人らは壁の蝿になってる感覚を本当に感謝してると思う。サンフランシスコにいることが価値ある理由の一つは、人らが知ってることがいっぱいあって、彼らが何について話してるか分からへんコンテクストを見逃すディナーやイベントに行けることや。でもそれはハードルを上げて、没入学習が機能する。
俺は学ぼうとしてる分野でその種の環境を提供しようとするし、人らは馬鹿にされてない感覚、ホストが聞いてる質問に実際に興味があるっちゅう感覚を感謝してると思う。これらは彼らがプライベートディナーをしてたらっちゅう感じの質問や。
複製しようとするダイナミクスは、プライベートディナーパーティーにいたらっちゅうことや。ディナーパーティーでは恭しくないやろ。何かについて彼らと意見が合わへんかったら彼らを困らせるやろう。楽しい雰囲気があって、「ここにいる他のみんなのためにこの概念を説明してくれ」みたいなダイナミクスはないやろう。
準備の重要性
最近話した人で、もうすぐ播客にも出てもらう予定のSteve Jobsと密に働いてた人が、俺がめっちゃ好きやったことを言った。Steve Jobsを特別にしたことの一つは、日常的に運営する基本、人との話し方、フィードバックの与え方、質問の仕方の基本がめっちゃ良かったっちゅうことやった。
始める前に、会話について何を学んだかを聞いた。それをみんながやる大きな基本的なことやと俺は見てるけど、あんたはめっちゃ練習してる。でも重要なのは実際準備で、それが中心点やし、あんたの基本やっちゅうポイントを作った。
それはみんなにめっちゃ適用できると思う。俺らはみんな候補側か雇用者のどちらかでインタビューに行くし、みんな色んなことで人に会うけど、みんな準備してる。あんたにとって準備って何や？「これのためにめっちゃ準備してる。これがYouTubeの中心や」って言う時、それは何を意味する？
ある意味では、めっちゃ明らかなことや。分野の研究者をインタビューするなら、重要な論文を読む。数年前、俺がAIに入り始めて Ilyaをインタビューしようとしてた時、「トランスフォーマーをプログラムしよう。これが俺がこれについて学ぶ方法や」って感じやった。それからできるだけこれらの研究者と話そうとした。
分野の学者をインタビューするなら、実際にニューヨーク市でモーゼスがどう変えたかについての本である『The Power Broker』への反駁を書いた人をインタビューした。それ自体1500ページの本やと思う。俺はそれと彼の本への反駁とニューヨーク建設史についての色んなことやレビュー記事とかを読んだ。
俺は全てのゲストに対してこれをしようとする。でもある意味では、めっちゃ明らかや。潜在的に関連する可能性があることを読んで、質問を書き留める。
明らかに、去年変えたことは、間隔反復を使い始めたことや。間隔反復は基本的に自分のためにフラッシュカードを書いて、このソフトウェアが数ヶ月ごとにそれをあんたに提供するツールや。何かのために十分前もって準備してなあかん。
そうやない。これはインタビューを越えて知識を統合するためや。だからインタビューをしたら、学んだことを実際に保持するねん。多くの概念が繋がるから。特にAIで。
AIでは、異なる種類の存在の将来の文明がどんな感じかを予測しようとしてるだけや。この質問に関連やない知識のドメインはない。明らかに技術的なことは関連やけど、歴史、人類学、霊長類学まで、霊長類と人間の間で何が起こったか、全てが関連してる。インタビューで出てくるやろう。
だからツールを通じてそれをキャッシュしてることはめっちゃ価値がある。
それはクールやな。基本的にあんたの全ての仕事のカリキュラムを保持してるようなもんやな。
本を読んでる時、学習のためにやってるって思うなら読まへんか、俺がカードを作るっちゅうめっちゃ集中的な実践を持つべきや。レビューを書く、勉強しようとしてるドメインのための練習問題をやることと等価なことをやる。
俺がめっちゃ基本的やから書き留める必要がないと思うトピックのフラッシュカードを作る頻度に俺は衝撃を受ける。でも今何かをしなあかんし、一週間後に忘れる寸前やったことに気づく。あんたの人生で何冊の本を読んだか考えてみ。何百冊やろ？そこから何を取り去ったか、会話、他のメディアでも、ここでの効率の欠如はめっちゃ印象的や。
だから俺は、これから数年の間にどうやってより良くなっていけるかについてめっちゃ考えてきた。ただ次のことをやるんやなくて。
記憶と学習の本質
それは、あんたが持ったあらゆる会話を覚えてて、いつでもそれに戻ることができるように、常に聞いて記憶してくれるAIのアイデアの精神的な反対や。全てがあんたのために捕獲されてるから、何も覚える必要がない。
あんたは「次のことを学ぶために俺の脳に入る必要がある」って感じや。これは俺らが始めた場所から完全に一周してる。人らは職場での継続学習の訓練に対応して「外部記憶システムを持つことになる。モデルが学んだことのドキュメントみたいになる。ChatGPTはもうこれを持ってる」って言うやろうから。
多くの認知はただの記憶やと思う。それは搭載されてなあかん。ずっとキャッシュされてなあかん。
これは終わるのに素晴らしい場所や。これをやってくれてありがとう。ゲストになるのを嫌がらへんかったことを望むし、素晴らしい仕事を続けてくれ。見るのが大好きや。
めっちゃ楽しかった。呼んでくれてありがとう。
コメント