Forward Future Live | 9/12/25

AIニュース
この記事は約60分で読めます。

この動画は、AI業界の最新動向と技術革新を扱った情報番組である。AI エージェントがウェブブラウジングを行う技術、OracleとOpenAIの巨額クラウド契約、新しい推論モデルの登場、そしてAI投資の現状について専門家へのインタビューを交えて解説している。特にBrowserbaseのCEOによるウェブエージェントの技術説明や、Untapped Capitalの投資家による市場分析が注目される内容となっている。

Forward Future Live | 9/12/25
Download Humanities Last Prompt Engineering Guide (free) 👇🏼 The Matthew Berman Vibe Coding Playbook (free) 👇🏼
www.youtube.com

AI業界の最新動向とウェブエージェント技術の進化

こんにちは、皆さん。Forward Future Liveへようこそ。ビルダーによるビルダーのための番組です。今日は2025年9月12日、私たちは通常の場所に戻ってオンラインで配信しています。昨夜、チームと一緒にサンフランシスコから戻ったばかりです。今日は私が一人でホストを務めます。共同ホストのニックは体調を崩しているんです。今週はあまりにもハードすぎました。

あまりにも多くのことが起こっていて、彼の体調が良くないんです。でも、今日は素晴らしいショーをお届けします。ゲストリストも充実しています。今日の番組では、BrowserbaseのファウンダーでCEOのPaul Kleneさんと話をします。彼がAIエージェント向けのブラウザレイヤーをどのように構築しているか、そしてエージェントがインターネットのあらゆるものに浸透し続ける中で、ブラウザとウェブがどのようになっていくかについて話します。

そして私のお気に入りのゲストの一人、Semi AnalysisのファウンダーでCEOのDylan Patelさんと話をします。グローバルなAIチップ競争、ボトルネックがどこにあるか、そして他にもいくつかの非常に興味深いトピックについて話します。最後に、Untapped CapitalのゼネラルパートナーであるYohi Nakajimaさんと話をします。AIネイティブな投資家として、最近どんなツールで遊んでいるかなど、詳しく聞いていきます。

でも最初に、いつものように今週の大きなニュースから始めましょう。ちなみに、どちらから視聴されているか教えてください。チャットに書き込んでくださいね。世界中から番組を見てくれている方々を見るのはいつもクールです。

OracleとOpenAIの歴史的契約とAI推論インフラ

さて、まずはOracleとOpenAIが3000億ドルの巨額クラウド契約を締結したニュースです。これはクラウドコンピューティング史上最大級の契約の一つです。昨日お話ししたことですが、Oracleがどこからともなく現れたというか、少なくとも私は彼らがそんなに深く推論サービングに関わっているとは知りませんでした。ちょっと驚きでした。

今週の初めに、Oracle株が40%急騰し、Larry Ellisonが再びElon Muskを抜いて世界一の富豪になりました。私がOracleと聞くと、本当に古いハードウェアとネットワーキングを思い浮かべます。推論サービングやGPUについては考えません。でも、どうやら彼らはそれをやっていて、しかもうまくやっているようです。

問題は、OpenAIが3000億ドルの現金を持っていないことです。もちろん調達するでしょうし、この3000億ドルの契約は時間をかけて行われるものでしょう。そして、Stargateパートナーを覚えていますか？OracleはSam Altmanや他の関係者と一緒にそこにいました。

ChatGPTの開発者モードとMCPツール統合

次に、ChatGPTの開発者モードにMCPツールが追加されました。これは非常に良いニュースです。基本的に、開発者が通常得られるすべてのツールを、今度はChatGPTで得ることができます。開発者モードでは、開発者がコネクターを作成し、チャットで書き込みアクションに使用できます。検索や取得だけでなく、Jiraチケットの更新、Zapierワークフローのトリガー、または複雑な自動化のためのコネクターの組み合わせも可能です。

特にZapierについて考えると、これは番組のパートナーでもありますが、基本的に8000の異なるツールを簡単にプラグインできるようになります。これがすべてChatGPTで利用できるようになったのは非常に良いことです。ちなみに、このビデオでデモを行っているEdwinですが、彼はOpenAIの開発者リレーションズの人で、長年勤めた後に退職することを発表しました。Edwinの次の冒険に幸運を祈ります。おそらく休憩を取ってから、また戻ってくるでしょう。私たちは自分たちを抑えることができませんからね。

Microsoftの独自AIモデル開発とOpenAIとの関係変化

次に、Microsoftが独自のAIモデルの訓練に大きな投資を行っているというニュースです。これは9月11日、昨日のことです。今日の従業員限定のタウンホールで、Microsoft AI CEOのMustafa Suleymanが、さらに大きな社内AIモデルを訓練するという会社の野心を明らかにしました。これは正しい方向です。

先週、MAI Voiceと MAI Foundationモデルが登場しました。これらは本当にMicrosoftから出た最初の基盤モデルです。OpenAIとMicrosoftの関係が変化する中で、これは非常に理にかなっています。彼らが独自のモデルを構築することは理にかなっています。AzureでインフラストラクチャーやAzureを使ってサービスを提供する能力があります。他のプラットフォーム、特にOpenAIだけに依存することには多くのリスクがあります。

彼らは大幅な投資を続けていくでしょう。私がいつも言っていることですが、競争が激しいほど、これらのモデルの消費者である私たちにとって良いことです。私はそれにとても興奮しています。

OpenAIとMicrosoftの共同声明と営利転換の可能性

次の話題です。OpenAIとMicrosoftからの共同声明があります。残念ながら、これは多くの内容がない声明です。OpenAIとMicrosoftは、私たちの関係の次の段階について拘束力のない覚書（MOU）に署名しました。この用語は実際に聞いたことがありませんでした。私たちは確定的な合意において契約条件を最終決定するために積極的に取り組んでいます。

私たちは一緒に、安全性への共通のコミットメントに基づいて、皆のための最高のAIツールを提供することに焦点を当て続けています。これは何についてのものでしょうか？多くの言葉がありましたが、その小さな声明では実際にはあまり意味がありませんでした。これはおそらく、MicrosoftがOpenAIの営利企業への転換にOKを出すということを意味しているのでしょう。

実際に法的にそれができるかどうかは分かりません。OpenAIは、カリフォルニアの制限を回避するために、カリフォルニアを離れて他の州に行くと脅迫しています。でも、また見てみましょう。これはMicrosoftとOpenAIの関係で今後起こることのヒントです。基本的に、「何かが来ることを知らせているだけです」という感じです。

Alibabaの新しい推論モデルQuen 3 Nextの登場

Artificial Analysisによると、AlibabaはQuen 3 Next ADBをリリースしました。ちなみに、Alibabaは最近絶好調です。多くのモデルをリリースしています。今週の初めには最大のクローズドソースモデルをリリースしたと思います。今度は、わずか30億のアクティブパラメータでDeepSeek V3.1レベルの知能を達成するオープンウェイトのハイブリッド推論モデルがあります。

これは30億パラメータのモデルではないことに注意してください。これは30億のアクティブパラメータです。おそらく数倍大きいでしょう。新しいアーキテクチャで、AlibabaのQuen 3 Next基盤モデルを導入する最初のモデルです。高スパース性で3.8%のアクティブパラメータシェアです。興味深いですね。

Artificial Analysis Intelligence Indexで54のスコアを獲得し、DeepSeek V3.1 Reasoningと並んでいます。非推論版は45のスコアで、GPT OSS 20BやLlama Nematron Super 49B V 1.5 Reasoningと同等です。オープンウェイトモデルです。私はそれを見るのが大好きです。価格を見てみましょう。入力と出力でそれぞれ100万あたり50セントと6ドルです。非推論版では50セントと2ドルです。

これは素晴らしいモデルになるでしょう。コンテキストウィンドウは256Kです。これらは単一のH200 GPUで動作します。ローカルハードウェアでも動作させることができるでしょう。

UAEのK2 Thinkモデルとオープンソース推論の進歩

最後の話題に移りましょう。K2 Thinkの話をしてから、最初のゲストを呼びましょう。UAEがK2 Think、世界最速のオープンソースAI推論モデルを発表し、AI スケーリングについて私たちが知っていたすべてを破壊しています。ちょっと誇張気味ですが。

320億パラメータです。それだけです。20倍小さいのにGPT-4レベルの推論にマッチしています。この時点で、これは驚くべきことではないと思います。これが人工知能の曲線です。これが私たちが見るべきものです。モデルは信じられないほど効率的で、信じられないほど安くなり、それでも品質を維持します。

明らかに、フロンティアは進歩し続けるでしょうが、フロンティアの残りが改善し続ける中で、より良いオープンソースのオープンウェイトモデルがパイプラインから出てくるのを見ることになるでしょう。

Browserbase CEO Paul Kleneとのインタビュー：AIエージェントのウェブブラウジング技術

それでは、最初のゲスト、BrowserbaseのファウンダーでCEOのPaul Kleneさんをお呼びしましょう。

やあ、Matt、お元気ですか。Paul、お会いできて良かったです。番組に呼んでくれてありがとう。お話しできることを楽しみにしています。まず、あなたが誰で、BrowserBaseが何をしているか教えてください。

もちろんです。皆さん、こんにちは。私はPaulです。Browserbaseの創設者です。私たちはAIエージェントとアプリケーションのためのウェブブラウジング機能を提供しています。私たちをAIのためのブラウザツールだと考えてください。

AIエージェントを構築していて、それがインターネットに出て行ってウェブサイトと相互作用する必要がある場合、ウェブサイトからデータを取得したり、より一般的にはそのウェブサイトと実際に相互作用したり、ボタンをクリックしたり、フォームに記入したり、ファイルをアップロードやダウンロードしたりします。

MCPやAPIがないウェブサイトから適切な価値を得るために、あなたと私が毎日使っているもの、つまりウェブブラウザを使う必要がある場合があります。Browserbaseではクラウドやクラウドインフラサービスで多くのウェブブラウザを実行しています。

また、Stage Handという非常に人気のあるオープンソースフレームワークがあります。これはPuppeteer、Playwright、Seleniumの現代版です。自然言語でブラウザを制御して、エージェントにウェブブラウザ機能を簡単に追加できます。

また、Director.AIという新製品もあります。これはウェブエージェントビルダーのようなものです。プロンプトを使って、自動化したいウェブベースのタスクのための再利用可能な自動化スクリプトを生成できます。

Paul、あなたはウェブブラウジングの未来について多くの洞察と予測を持っています。明らかに、今は大きく変化しています。エージェントが人間の代わりにウェブを使い始めることが増えています。それがあなたが支援していることです。

人間とウェブの間の主要な相互作用レイヤーが実際にエージェントになるタイムラインについて少し話したいと思います。

それはまだ時間がかかるでしょう。私たちはこのAI革命の非常に初期段階にいると思います。Karpathyのソフトウェア3.0の講演で、彼は多くのソフトウェアがエージェント的に構築されていなかったと話しています。統合で構築されたか、構築されたソフトウェアのボックス内に本当に留まっていました。

しかし今、人々はツールを使えるソフトウェア、より動的な方法で実際に物事を行えるソフトウェアを再構築しています。あなたが期待していなかった機能をユーザーが使用するソフトウェアがあるかもしれません。しかし、公開するツールのおかげで、TurboTaxに税金を促すこともできるし、会社を立ち上げてデラウェア州で申請することもできます。なぜなら、そこにはより多くのネイティブ機能があるからです。

AIがインターネットの主要ユーザーになる長い道のりはまだかなり長いです。しかし、コンプライアンスや金融、さらにはeコマースや調達などの分野で、特定のカテゴリーの最先端の使用例を顧客から見ています。AIは毎日ウェブを閲覧して退屈で面倒なタスクを行う人々を増強できます。

私がよく考えることは、人工知能のためにウェブ上の信号対ノイズ比が負の方向に偏り始めるということです。信号よりもノイズの方がずっと多くなるでしょう。私のためにすべてをフィルタリングしてくれるエージェントを持つことがますます価値を持つようになるでしょう。

そこで2つの質問があります。1つ目は、その評価に同意しますか？そして、ソーシャルメディアで遭遇したようなエコーチェンバー、恐怖や怒りの増幅といった課題に遭遇すると思いますか？そして、このエージェントがフィルタリングするものという点で、どれほど重要になるでしょうか？

インターネット上の信号対ノイズ比はすでにかなり悪いと言えるでしょう。そこには何十億のウェブサイトがあり、検索の問題で、数ヶ月前に見たもの、気になった記事を発見しようとしています。すでにたくさんのことが起こっています。間違いなくそれを良くする方法が必要です。

しかし、エージェントがインターネットの良い市民である必要もあります。私たちがCloudflareと行っているWeb Bot OffやSigned Agentsに関する作業の一部だと思います。インターネットは人間がブラウジングするために構築されたようなものです。そして今、ウェブをブラウジングするボットやエージェントがますます増えています。

良いボットと悪いボットをどう区別しますか？これは個人の代わりに行動している良いボットだと特定するのにどう役立ちますか？過去のウェブスクレイピングの世界で見たのは、多くのアクションを取る、不公平なリソースを取るアプリケーションを構築する個人がいたということです。千のテーブルを予約したり、千枚のTaylor Swiftのチケットを注文したりしていました。それがこれまでオンラインに存在していた悪いボットでした。

しかし今、良いボットがますます増えています。一人のユーザーまたは一人の人間の代わりに行動している良いボットです。私たちが考えているのは、私がブラウザに求められるタスクをエージェントに求められるようにし、エージェントが私を代表してくれるようにすることです。これは認証問題を解決することを意味し、アクセス問題を解決することを意味し、エージェントが人々がこれらの良い意図をオンラインで行うときに持つのと同じ信頼を持てるよう本当に助けることを意味します。

Cloudflareパートナーシップとウェブエージェントの認証システム

Cloudflareパートナーシップについてもう少し話しましょう。正確に何を発表したか、どのように機能するか、そしてエージェントがそれと相互作用できるように何を期待できるかを教えてください。

これはまだかなり初期段階です。オンライン上のエージェントの主な問題の一つは、このエージェントがPaulの代わりに行動していることをどう知るかということです。それを実際に言う方法はありません。認証が最初の方法です。エージェントがあなたとしてログインできれば、私はPaulの最善の意図で行動していると言えます。認証は、このエージェントがPaulの代わりに行動していると言う大きな方法の一つです。

しかし、エージェントが非認証の方法で行動している場合はどうでしょうか？エージェントが公開されているウェブサイトに行く場合はどうでしょうか？そのウェブサイトは、Paulが自分の使用例のためだけにウェブサイトを使用していることを確認したいと思うでしょう。Paulがウェブサイト全体の情報をダウンロードしようとしていないことを確認したいのです。

そうすれば区別できると思います。ウェブサイトは、Paulがレシピを調べているだけなら大丈夫でしょう。しかし、Paulが大規模言語モデルを訓練するためにウェブサイト上のすべてのレシピをスクレイピングしているなら、ウェブサイトはおそらく大丈夫ではないでしょう。

ほとんどのウェブサイトはエージェントをスクレイパーやスパイダーとして見ているだけで、多くはそれを許可していません。

まさにその通りです。不公平な経済格差です。私はこれが、これらのモデルが訓練された多くの方法によるものだと思います。コンテンツを不公平に取得しています。最近のAnthropic和解を見ました。彼らは著者の許可を得たことがなかったので、本を書いた著者全員にお金を払わなければなりませんでした。

著者は、エージェントが本の中のページを引用し、エージェントがPaulの代わりに行動していることを知っていれば、非常に大丈夫だったでしょう。なぜならPaulが研究レポートを行っているからです。しかし、大規模言語モデル会社がすべてのコンテンツを取得してモデルに詰め込んでいる場合、著者はあまり大丈夫ではないでしょう。

だから区別が必要です。明確でない意図で何らかのウェブサイトと相互作用している会社なのか、それともウェブを閲覧するための拡張としてエージェントを使用している個人なのか。新しい標準やパラダイム、Web Bot OffやSigned Agentsが人々に言えるようになると思います。「私はPaulです。これが私の意図です。Airbnbでホテルを予約したいと思います。私のエージェントがそれを行う場所はここです。これは個人の代わりに行動していると言うオプトイン方法の一つです。」

エージェントにウェブを代わりに閲覧する許可を与えるとしましょう。認証です。ウェブサイトの所有者がそれを取得するにはどうすればよいですか？ボットが実際にすべてをスクレイピングするのを防ぐにはどうすればよいですか？それとも私が署名をしているだけで、私が責任を負うということですか？

もし私のエージェントで悪い行動をした場合、「もうあなたはそのシグネチャーを私のウェブサイトで使えません」というリストが作られるかもしれません。そのように機能するのですか？

それは良い例です。まず、すべての中に当事者がいますよね。BrowserbaseやCloudflareチームからの私が本当に興奮していることの一つは、彼らは人間が自分のエージェントにウェブを閲覧させるべきだと信じているが、これは一人の個人、一人の人間だと言う方法も必要だと信じているということです。

Web Bot OffとSigned Agentsは、「こんにちは、私はここにいます。ウェブ上で私を追跡できます。私がエージェントとどこに行くか見ることができ、私が実際にインターネットの良い市民であることを見ることができます」と言えるオプトイン方法です。私がそれをTSA Pre-Checkのように説明します。「私はオプトインするつもりです。これは私のエージェントだと言うつもりです。」

そうすることで、ウェブサイトの所有者が実際に「彼らはその1ページにアクセスしているだけで、一度だけ行ったようです」と言えるようになります。それはおそらく彼らを通すのは大丈夫でしょう。しかし、多くの暗号署名が署名されている場合、それらを効果的に生成することはできず、長期的には高ボリュームの使用例を持つ人々にとって、ウェブサイトの所有者は意図や起源に基づいてそれらを許可できるかもしれません。

Airbnbのような非常に大きな会社で、近くのレストランをもっと見つけられるよう人々を助けたいと思っている場合、Google Mapsは、Google Mapsの競合を構築している誰かがそのインターネットをスクレイピングしているのとは対照的に、それでより大丈夫かもしれません。結局のところ、すべては意図を特定し、アイデンティティを特定することです。ウェブサイトの所有者がIPアドレスとユーザーエージェント以外の従来の方法で、これは私であり、あなたは私を信頼できると実際に言うための少しの明確さを持てるようになります。

これに収益化コンポーネントがあるでしょうか？あるいはすでにありますか？高ボリュームの使用例があって、それで問題ないとしましょう。それを支払いたいと思います。パブリッシャーが「実際にそれを許可したいが、合理的な範囲内で」と言う場合、収益化コンポーネントはありますか？

私たちの観点からは、ありません。BrowserbaseでWeb Bot OffやSigned Agentsを収益化する計画はありません。モデルが広告駆動である特定の種類のコンテンツプロバイダーやウェブサイトプロバイダーは、エージェントのためのある種のマイクロトランザクションでの支払い方法について話しています。

私はそれについてどう感じるかよくわかりません。結局のところ、広告駆動の収益が必要なら、人間の目玉をその前に持ってくる必要があり、エージェントの目玉ではありません。しかし、長期的には、広告駆動の場合にウェブサイトをどう収益化する必要があるかを本当に決めるのはコンテンツプロバイダー次第だと思います。

エージェントがそれを行える多くの異なる方法や、コンテンツプロバイダーができる多くの異なる方法があるでしょう。その未来がどうなるかはわかりませんが。

興味深いですね。私は、エージェントが私の代わりにブラウジングし、情報を統合して、私に持ち帰ってくれる未来を見ています。あなたの言う通り、パブリッシャーのウェブサイトに人間の目玉が行く可能性が減る可能性があり、したがってCPMはそこにないでしょう。私はパブリッシャーに直接支払える未来を望んでいます。

私自身がコンテンツクリエイターであり、その反対側にいるので、誰かが実際にサイトに来て、自分で読んで、広告を見ることを望まないなら、それは問題ありません。それがメンバーシップの目的です。すでにその例がたくさんあります。私は気にしません。

最初に発表したときに少し否定的な反応があったようですね。その否定的な反応が何だったか、そしてそれに対するあなたの反論は何かを説明できますか？

Gary Tanが私たちを「evil axis」と呼びました。BrowserbaseとCloudflareを「evil axis」と呼んだのです。これは、技術的にはエージェントがウェブをブラウジングできるよう助けてきた側にいたBrowserbaseからすると、少し過激な見解だと思いました。パートナーシップを見つけようとしていました。

エージェントがウェブをブラウジングすべきかどうか、これが良いか悪いかについて多くのコメントがありました。私たちは前進する方法を見つけようとしていて、うまくいけばCAPTCHAを解決するかもしれないBrowserからCAPTCHAプロバイダーと実際にパートナーシップを組んで、両側が同意できるより実行可能な方法を見つけるよう希望しています。

Web Bot Offのアイデアについて、私は個人的にこれを感じています。私はTwilioでサイバーセキュリティとプライバシーのバックグラウンドから来ています。アイデンティティと認証管理を行っていました。「さて、みんながウェブをブラウジングしている場所を知っているなら、それはプライバシーを侵害しないでしょうか？」というのは少し心配です。だからこそオプトインであることが重要だと思います。

これはpre-checkになるでしょう。エージェントがオンラインでブラウジングできるよう道にあるかもしれないガードレールを通過できるようになりますが、それはデフォルトの方法であるべきではありません。Web Bot Offがボット用であることを知ることは本当に重要です。人々用ではありません。私は、人々がウェブをブラウジングするためのsigned agentsやsigned identitiesに非常に反対です。人々が匿名性を維持できることは非常に重要です。

世界中のすべての人にブラウザに署名を使用することを強制すべきではありませんが、自動化された使用例にはより理にかなっているかもしれません。なぜなら、これは再び古いインターネットに新しい世界がボルトで接続されているからで、それはエージェントがブラウジングするためにインターネットを変更する新しいシステムが必要だということを意味します。

Web Bot Offを使用するときにプライバシーを侵害する可能性があるというのは何を意味するか説明できますか？どの部分が公開されるのでしょうか？

違いは、IPアドレスを追跡する代わりに、私たちのほとんどはIPアドレスを持っており、時々それらは静的で動的だということだと思います。以前は、このIPアドレスがすべてのページに行ったとよく言えましたが、はるかに限られたIPv4アクセスの世界では、IPアドレスは常に変化しています。

だから、ウェブサイトに移動する人々を特定する方法として、IPアドレスとブラウジングしているデバイスの種類を説明するユーザーエージェントをもう使用できません。10年前のMattなら、これがあなたのIPでこれがあなたのユーザーエージェントだと知ることができ、あなたがアクセスしているページを見ることができたので、よりよく調整できました。「このウェブサイトを使いすぎていますか？10,000ページをスクレイピングして私のサーバーを落としていますか？」

今はそれをより困難にする多くのことが変わりました。Web Botを使えば、ブラウジングにオプションで追加のヘッダーを追加して、「私がこのリクエストに署名した方法を見ることができます。それは私から来ました」と言えます。そして、あなたは私が正確に何にアクセスを取っているかを見ることができ、なぜ私を入れたいと思うかもしれないかを知ることができます。

繰り返しますが、ウェブ上のすべての人がリクエストに署名する必要があるとなれば、それは少し心配だと思います。それが未来であるべきだとは思いません。しかし、ウェブをブラウジングする特定のエージェントにとって、これは私のエージェントです、これが何をしているかです、と言う方が、このエージェントがMattに属していると推測しようとするよりもずっと良いと思います。

ウェブブラウジングエージェントの信頼性向上への取り組み

ウェブブラウジングエージェントの信頼性について話したいと思います。明らかに、見ているのは非常に魅力的ですが、まだ頻繁に失敗します。ブラウジングエージェントのフロンティアを改善するために、BrowserBaseは現在何をしていますか？

それは素晴らしい質問です。最近、コンピューター使用について話していたDwareshのポッドキャストを見ました。彼はコンピューター使用がまだ早期段階で、エージェント向けの大規模言語モデルに多くの変化があると話していました。

長いコンテキスト推論で、多くのウェブアクションは多くのステップを取り、より多くの使用例を可能にするためにモデル機能を改善する必要があります。私たちがこれをより良くしようとした方法はStage Handです。Stage Handで作業する方法は、オープンソースです。

コードを見ることができ、私たちは最新かつ最高のモデルを取って、ページのコンテキストを改善し、コンテキストエンジニアリングを行って、ウェブをより効果的かつ確実にナビゲートできるようにする方法について本当に考えています。

私たちにとって、ページの完全なHTMLを取ってモデルに渡し、「何をすべきか？」と言う代わりに、ページ要素をモデルにとってより読みやすい方法でレイアウトするページのサブセットであるアクセシビリティツリーを取ります。

私たちの側では、研究や論文の出版を常に見ており、それらの洞察をStage Handに組み込んでいます。そうすることで、お客様は新しいリリースが更新されるたびにウェブエージェントを変更し続ける必要がありません。Stage Handを使い続けることができ、私たちが彼らのためのベストプラクティスで作業します。

それに加えて、新しいモデルリリースで、私たちはBrowserBaseで本当に幸運です。ウェブをブラウジングしたいエージェント、またはウェブをブラウジングしているモデルのためのevalのセットを維持しています。それらのevalを公開しています。Alexさん、チャットにそれを入れてもらえますか？

それは、どのモデルがウェブタスクで最も良いパフォーマンスをしていると思うか、どれが最も速いか、どれがより高価かを正確に示しています。もちろん、しばしばトレードオフがありますよね？最も速いものがもう少し高価であったり安価であったりします。私たちはお客様が最適な選択をするのを助けたいと思っています。

休暇を取ろうとするたびに、新しいモデルがドロップします。Paulさん、私の世界へようこそです。AIは常に変化しています。私たちにとって、モデルが改善されるにつれて適応できるものを構築するのを本当にお客様に助けてもらいたいと思っています。

私たちの側では、いくつかのラボと直接作業もしており、いくつかのモデルへの早期アクセスも持っています。何が機能して何が機能していないかを見ることができます。言えることは、次の6ヶ月間のモデル機能について本当に楽観的だということです。コンピューター使用が本当に良くなりそうです。

長いコンテキスト推理が本当にずっと良くなっているようで、人々がウェブを効果的にナビゲートできるモデルの構築をどう助けるかにずっと多くの注意を払っています。

決定論的コードと非決定論的コードの最適バランス

Stage Handについて続けましょう。Stage Handは本当に決定論的コードと非決定論的コードの組み合わせです。そのバランスについてどう考えているか、何を見ているか、そして一方向に傾いているのか説明してください。

絶対に。Stage Handは約1年半前に、playwrightやpuppeteer、seleniumのより良いバージョンになるというアイデアで生まれました。古い世界では、100のウェブサイトを自動化するために100のスクリプトを書く必要がありました。Stage Handでは、どんなウェブサイトでも自動化できる1つのスクリプトを書くことができます。

そこでの重要な機能は、プロンプトを与えて独自のパスを発見しようとするフルエージェントを構築する代わりに、ファジネスを持ついくつかの原子的ステップを与えることです。これらのステップは自然言語として記述されているからです。

例はありますか？

例えば、クッキーストアに行ってクッキーを買いたいとしましょう。今、cookieはプレゼントなので悪い用語かもしれません。ブラウニーストアと呼びましょう。ブラウニーストアに行ってブラウニーを買う、というようにエージェントに言うかもしれません。

ブラウニーを買ってください。チョコレートでなければならない。この価格でなければならない。この住所に配送してください。それは、エージェントがすべてのステップを通る間に覚えておかなければならない多くのコンテキストです。

このブラウニーストアのウェブサイトに行き、チョコレートブラウニーを見つけ、カートに追加し、この住所に配送するということを知っているなら、代わりにそれを4つの異なるプロンプトに分けて、順次ステップバイステップで行うことができます。何らかの理由でチョコレートブラウニーがない場合、そのステップで失敗し、前に進みません。

決定論的と非決定論的のそのブレンドです。エージェントを本番で構築したことがあるなら、ツールコールの抽象化レイヤーが効果性にとって非常に重要であることがわかります。最近Claude Codeで多く遊んでいて、ツールを構築するときに、適切なツールインターフェースが本当に効果的なエージェントを構築するために重要であることに気づきました。

Stage Handでは、ツールコールへの入力は自然言語です。act、extract、observeの3つがありますが、それらは自然言語です。実際にサブステップを生成している推論モデルがあるエージェントパラダイムで本当によく機能し、サブエージェントのようなものがあり、それらのサブエージェントまたはそれらのプロンプトはより定義されたコンテキストを使用して公式なステップを取ります。

推論部分の方程式はより限られたコンテキストを持ち、これらのステップを撃ち、実際のブラウジングタスクは個々のアクションだけに制約されます。ここでコンテキストエンジニアリングが少し重いです。高度なエンジニア向けのコンテキストエンジニアリングに関する友人Dexterの講演を強く推奨します。

コンテキストとサブエージェントを効果的に使用してずっと多くのことを成し遂げるエージェントを構築する方法についての本当に良い講演です。

Paulさん、フロンティアラボと作業していると言いました。早期アクセスを得ています。共有できるなら、BrowserBaseエコシステム内でどのフロンティアラボまたはどのモデルが最高のパフォーマンスを発揮していますか？

私は好きな子供を選ぶことはできませんよね。各モデル、各ラボが多くの興味深い研究を行っていると思います。現在公開されているevalを見ると、Gemini 2.5 Proが本当に多くの良いことを具体的に行っていると言えます。

これはコンテキストウィンドウのためですか？

実際にはコンテキストウィンドウです。しかし、ウェブタスクのevalとさまざまなモデルを見ると、より良いかより悪いかが異なります。結局、一つのモデルが良いか悪いかを言うためではないと思います。

最終的に重要なのは、Paulさん、これは完璧です。ありがとうございます。最終的に選択するモデルは、使用例に適したモデルであるべきです。非常にシンプルなウェブサイトであるCraigslistとの相互作用に使用するモデルは、Airbnb.comとの相互作用に使用するモデルとは大きく異なるかもしれません。

私たちのお客様にとって、常に独自のevalを構築すべきということを考えることです。Stage Handで何かを構築しているときでも、私たちがevalを公開していても、作業している使用例に本当に依存するでしょう。すべてをキャプチャしようとする一般的なevalではあまり高いスコアを取らないかもしれない特定の使用例で、モデルが本当によく機能することがあるかもしれません。

AIエンジニアの皆さんに本当に強調したいポイントです。ベンチマークを見て「これが最高のベンチマークです。そのモデルを使うべきです」と言うのは簡単です。それは出発点であるべきですが、常に適切なモデルを選択し改善しようとするべきです。Stage Handでそれを可能にする方法は、すべてのモデルで機能することです。

使用例に最適なモデルをプラグインして使用できるよう、モデルに依存しません。

最も正確なモデルのグラフで、90%が何を意味するか説明できますか？

90%は、私たちが構築したすべてのevalに合格したことを意味します。WebBenchや他の人気のあるウェブエージェントevalフレームワークでは実行しません。特定のモデルと特定のフレームワークでStage Handエージェントのパフォーマンスを比較する公開作業をもっと行っています。

ブラウザインフラストラクチャーは悪名高く信頼性が低いと言えます。本番で多くのブラウザを実行するときに起こり得るすべてのことがあります。これはすべてBrowserBaseのインフラストラクチャー上で実行されています。独自のブラウザインフラストラクチャーや他のプロバイダーでこれらのモデルをウェブエージェントで実行している場合、サーバー環境のブラウザで実行しているときにそのページがうまく機能しない理由で、異なる結果を得るかもしれません。

モデルのパフォーマンスだけでなく、最良の結果を得るための本当に信頼できるインフラストラクチャーと組み合わせることも重要だと考えることが重要です。しかし、私たちは公開されたオープンソースのevalのセットを持っており、それらを見ることができ、正確性はタスクを完了したかどうかだけでなく、モデル間で変更しないプロンプトが与えられたときに、タスクの各ステップを効果的に完了したかどうかです。

90%でリーダーボードのトップに座っているGemini 2.5 Proですが、2番目は何ですか？

Claude Opus 4.1が90%です。90%は飽和に近いようですが、それとも90%の品質の最後の10%なのか、それともベンチマークの難易度を上げる必要があるのでしょうか？

私たちは確実により多くの難易度を上げるべきです。今、私たちが投資していることは、本当に素晴らしいevalを作ることです。Stage Handがオープンソースであることのクールなところは、チームが取り組んでいることを見ることができることです。最近のプルリクエストを見ると、より包括的なevalを可能にするeval CLIでの多くの作業があります。

私たちのevalの多くは、さまざまな種類の相互作用要素により重点を置いていると言えます。スケジューリング用に4つまたは5つの異なる日付ピッカーやドロップダウンがあります。ウェブサイトで日付を選ぶ方法を人々がどれだけ多く構築したか信じられません。日付ピッカーの無限の順列があります。各モデルがすべての日付ピッカーとどのように相互作用するかが重要なことです。

私たちが本当にテストしているのはそれです。推論をあまりテストしていません。HTML、CSSを解析し、特定のプロンプトが与えられたときにクリックするアイテムの正しい選択をする能力を本当にテストしています。

品質、速度、コストのバランスとプラットフォームリスク

明らかにPaulさん、品質は非常に重要ですが、考慮すべき他に2つのことがあります。速度とコストです。Alexさん、少し下にスクロールしてもらえますか？ここでコストの一部を見ることができます。品質がまだ取り組むべき第一のことだと思っていると仮定して、あなたにとって第二は何でしょうか？速度ですか、それともコストですか？

今、数千のお客様がいますが、誰に聞いても皆異なる答えを持つでしょうが、全員が正確性が第一だということに同意するでしょう。その後はコストや速度を最適化することはできません。一部のお客様は、本当に低ボリュームですが高価値のタスクを構築しています。だから彼らは本当に速度を気にします。

一部のお客様は高ボリュームですが、おそらく低価値のタスクを行っています。だから彼らはコストを気にします。構築しているワークフローの種類に依存します。個人的に、私はBrowserBaseで速度を気にします。私は物事ができるだけ速くスナッピーであることが好きですが、お客様にとって、本当に彼らの使用例に依存して何を最適化するかが決まります。

品質が現状維持または向上すると仮定すると、速度は私にとって完全なアンロックのようです。物事を素早く完了させたいです。私は速度マキシです。LLM一般に特にブラウザ使用だけでなく。多くの例で速度よりも品質を選ぶと思いますが、また私は少数派だと思うので、あなたの見解を聞けて良かったです。

あなたはフロンティアプロバイダーからのすべてのこれらの異なるモデルの上に構築され、統合されていますが、彼らとのパートナー緊張を感じますか？OpenAIが構築したり、Anthropicが何かを構築したりするかもしれない中で、彼らのモデルを使用するプラットフォームリスクを感じますか？その戦略的リスクをどう考えますか？

私たちにとって、実際にはどのモデルの上にも構築していません。私たちはモデルに依存せず、実際にお客様がBrowserBaseにモデルを持ち込みます。私たちは純粋にブラウザインフラストラクチャーであり、私が構築するすべては、お客様がこれらのモデルをより効果的に使用できるようにすることです。

スイスであることによって、ラボの外にいることによって、お客様に多くの選択肢を提供するのを助けます。Stage Handでモデルを本当に簡単に切り替えることができます。彼らがすべてを自分たちのエコシステムに深く組み込んで構築してほしいと思うラボにとって、それは困難だと思います。

しかし、私たちは皆、これらのラボが超競争的であることを知っています。常にお互いを上回ろうとしています。最新かつ最高のAIエージェントを構築するつもりなら、あなたが複数のものの間で切り替えるつもりなら、一つのラボプロバイダーへのインフラストラクチャーロックインを持ちたくありません。

Stage Handは、より堅牢で回復力のあるエージェントを切り替えて構築するのを助けるフレームワークだと思います。緊張について、これは本当に本当に大きな市場です。収益で1億ドル未満の競合他社については心配していません。私たちはまだ1億ドルの収益を持っていません。

私たちがBrowserBaseの完全なポテンシャルを実現するために、モデル機能が改善される必要があります。BrowserBaseで素晴らしいものを構築してくれる人がもっと増える必要があります。そして世界が前進し、エージェントがウェブにアクセスしてブラウジングすることをより簡単にする必要があります。それらが私たちが焦点を当てている最大のハードルです。

ラボがBrowserBaseを構築することについてはそれほど心配していません。繰り返しますが、統合されたオファリングを持たないオープンソースモデルの世界でも、BrowserBaseは本当に良い選択だと思います。私たちにとって、心の最上位にあることではありませんが、全体的に、お客様が素晴らしいものを構築するのを助けることにもっと焦点を当てています。

私たちはまだ構築すべきことがもっとたくさんあると思います。ソフトウェア3.0がここにあります。すべてのインターネットとすべてのソフトウェアをエージェントファーストになるよう書き直す必要があります。今あなたの番組を見ているビルダー、つまり人々が、それを前進させる人々です。だから、彼らが何を構築するかを見るのを楽しみにしています。

専用モデル vs 汎用モデルとブラウザ競争の展望

ブラウザユースケースまたはブラウザユースケースの最適な基盤モデルは、大きな汎用モデルになると思いますか、それともウェブブラウジングの特定のタスクにより微調整されたものになると思いますか？

ワンサイズフィットオールではないと思います。ちょっと難しい答えのようですが、それが真実です。私がいくつかの講演で言ったことのようですが、実際に多くのコンテキストを取る推論エージェントまたは推論モデルを本当に持ちたいと思います。他のツールも使用するかもしれません。ログインで2FAコードを取得するためにメールに入る必要があるかもしれません。

コンテキストとツールコールを管理でき、Stage Handや BrowserBaseである可能性があるブラウザツールにツールコールをディスパッチし、ウェブベースのブラウジングを行うことができる必要があります。実際により賢いのは、ウェブページの種類に基づいて、そのウェブページの複雑さに基づいて使用する適切なモデルを選ぶことかもしれません。

私の考えでは、構築しているシステムの各部分に最適なモデルをどう使用するかについて本当に考えています。もう一つのモデルだけを使用すべきではありません。ワンサイズフィットオールモデルは実現するのがかなり困難だと思います。代わりに、最適なツールコールに最適なモデルを使用すべきです。

ツールコールがある種のエージェント的ツールアクションを行うためにモデルを必要とする場合、そのツールコールに使用しているモデルがその仕事を本当に得意であることを確認したいと思います。

BrowserBaseに直接関連しているわけではありませんが、Perplexityのcomet、その他すべての新しいブラウザについてどう思いますか？ブラウザ戦争とどのブラウザを使用しているかについてどう思いますか？

AtlassianやThe Browser Companyに買収されていないことを確認させてください。私たちはBrowser Baseであり、ブラウザを構築していません。私たちはChromeを使用しています。私たちのブラウザはChromiumを実行しています。私たちはブラウザ世界のプレイヤーではありません。私たちはインフラストラクチャー会社です。

買収についておめでとうのテキストメッセージをいくつか受け取ったので、それを思い出すことが重要です。私たちはJiraに買収されていません。私たちはBrowser Base会社です。インフラストラクチャーを構築しています。

私はChromeを使用しています。ブラウザ戦争については、本当にエキサイティングで、そこでのイノベーションを見るのが興味深いと思っています。しかし、新しいブラウザが離陸するのは非常に非常に困難になるでしょう。The Browser Companyでそれを見ました。人々にブラウザを変更させるのは非常に困難です。

私の両親は持っているブラウザから決して切り替えないでしょう。私の祖父はまだInternet Explorerを使用しています。ブラウザ戦争が私たちが思うほど速く展開されるとは思いません。しかし、インターネットの使用方法について再考し、挑戦していると思います。

エージェントがデスクトップのブラウザ内に住むか、ソフトウェアの一部として背景エージェントにいるかどうかです。私にとって、ラップトップのブラウザにタスクを実行させるという解決策は少し還元的に見えます。ボタンをクリックすると、そのボタンが背景エージェントをディスパッチし、その作業を私のために行うソフトウェアの方を好みます。

それが私たちがBrowserBaseで構築しているものです。最後に、ブラウザ戦争について、人々がGoogleのProject Marinerについて本当に寝ていると思います。これをほぼ1年前に見ました。彼らは待機して準備ができていると思います。いつかChromeにネイティブなAIブラウジングを見ることになると思います。それは物事をかなり変えるでしょう。

新しい相互作用パラダイムのためにUIが劇的に変更される必要がありますよね？今日見ているブラウザのようには感じません。完全に異なるように感じます。しかし、ブラウザが存在しているようです。

私はそれが変わらないと思います。実際に起こっている楽しいブラウジングがたくさんあると思います。新しい靴を買いたいとき、私は実際に靴を見ることを楽しみます。ウェブサイトに行くことを楽しみます。楽しいブラウジング体験を楽しみます。

私が楽しまないのは、カリフォルニア州務長官のウェブサイトに行って、オフィスの新しい保険を取得できるよう情報声明を取得することです。退屈なブラウジングを取り除きたいと思い、その多くはますます背景エージェントにディスパッチされると思います。ブラウザから、または使用するAIクライアント、チャットアプリから、または電話で使用する個人アシスタントアプリからディスパッチするかもしれません。

AIと相互作用する多くの方法があると思います。それらの方法は、今使用しているアプリケーションにネイティブかもしれません。新しいアプリケーションかもしれませんが、すべてがある程度ブラウザを必要とするでしょう。なぜなら、それは変わらないレガシーインターネットへの橋だからです。

Paul、素晴らしい時間をありがとうございました。これは素晴らしかったです。成功おめでとうございます。ビルダーのために構築していることが大好きです。また参加してくれてありがとうございました。いつでも戻ってきてください。

もし視聴者の皆さんにお伝えしたいことがあれば、このようなことについて質問があるときは、いつでもチャットを楽しみにしています。私のメールはpaulbrowserbase.comです。メッセージを送ってください。これらのメールはいつも見ていますし、皆さんが素晴らしいことを願っています。

チャットに入れて、説明にも載せます。Paul、お会いできて良かったです。本当にありがとうございました。

さあ、ニュースストーリーがもう少しあります。それから次のゲスト、Dylan Patelを呼びます。彼はSemi Analysisの創設者でCEOです。

アルバニアのAI汚職対策大臣とガバナンステクノロジー

まず、AlexさんはAlbaniaがAIを汚職コントロールに使用という最初のストーリーを出してください。Peter Souzaさんが「買収おめでとう、Peter」と言っています。面白いですね。いいえ、それは間違ったブラウザ会社です。

アルバニアがAIボットを汚職対策大臣に任命しました。Alexさん、少しズームインしてからスクロールダウンしてください。最初を読みたいと思います。

公的調達を扱う責任を持つアルバニアの新大臣は、賄賂、脅迫、または便宜を図ろうとする試みに影響されません。明らかに、彼らはPrompt the Prompterについて聞いたことがありません。Deliaと呼ばれる理由は、彼女がAI生成ボットだからです。

これは本当に興味深いです。政府でテクノロジーを使ってより効率的で費用対効果的にすることには大賛成です。しかし、賄賂には影響されず、確かに脅迫にも影響されないと考えることには、すべてのAIはジェイルブレイク可能です。

人間をループから外すことで、技術的には賄賂に影響されなくなりますが、他の攻撃ベクトルに対して脆弱になります。しかし、興味深いです。見ていて興味深いです。

Deliaは、物理的に存在しないが、AIによって仮想的に作成された最初の閣僚メンバーです。これは非常に興味深いフォローになるでしょう。私は述べたように、政府でのAIに大賛成です。実装方法については非常に慎重である必要があります。

AnthropicのTeams向けメモリ機能とワークプレースAI

次にAnthropicに移りましょう。AnthropicがTeams at workにメモリを導入しています。これは小さな発表です。今日、私たちはClaudeアプリにメモリを導入しています。Claudeがあなたとあなたのチームのプロジェクトと好みを覚え、コンテキストを再説明する必要を排除し、複雑な作業を前進させ続けます。

これは非常に興味深いです。これは私たちがこのチャンネルで多く話してきたことです。仕事、個人、仕事間のメモリの区別です。昨日まさにこれについて話していました。AIとの短縮言語や略語を開発し、あなたの個人的なAIを持つと、それはあなたを知っているのでずっと効率的になります。あなたが何を見たいか知っています。どのように働きたいか知っています。

しかし、そのAIを仕事に持ち込むことができるでしょうか？なぜなら、突然IP問題を扱うことになるからです。仕事で作成するものはすべて仕事が所有します。そして突然、この記憶、この短縮言語を個人エージェントとは異なる仕事エージェントで再開発しなければならないと考えます。

そして、個人エージェントで開発されたものと仕事エージェントで開発されたものを人間が覚えるための認知的オーバーヘッドがすべてあります。仕事を辞めたら、そこで何が起こるでしょうか？

仕事の文脈内でエージェントとのメモリを開発している場合、それは同僚、チーム、組織全体と共有されるべきでしょうか？これらはすべて非常に興味深い質問です。

メモリは、Claudeが何を覚えているかを管理するのに役立つ詳細なユーザーコントロールで完全にオプションです。また、会話履歴に表示されず、メモリに保存されない隠密チャットも導入しています。

メモリを使用して、Claudeは生産性を最大化するためにあなたの専門的なコンテキストと作業パターンを学習することに焦点を当てます。チームのプロセス、クライアントのニーズ、プロジェクトの詳細、優先事項を覚えています。

この個人従業員のメモリ対チームのメモリとして何が保存されるかについて、おそらく多くのニュアンスがあるようです。非常に興味深いことです。

ヒューマノイドロボットの近い将来とPhysical Intelligence

次に移りましょう。Dwarkeshが素晴らしいインタビューをしました。主要なロボティクス研究者の一人、Physical Intelligenceの共同創設者です。私たちは皆が思っていたよりもずっと早くヒューマノイドロボットを手に入れるようです。実際、私はかなり先だと思います。かなり先と言うとき、おそらく10年くらいです。

彼は完全に自律的なロボットが人々が認識しているよりもずっと近いと考えています。私が予測を押したとき、彼は自律的にあなたの家庭を運営できるロボットまで5年と言いました。

Figure Robotics、Figure O2ロボットが皿を積み込み、洗濯物を折ることができるのをすでに見ています。明らかに非常に遅く、まだあちこちで少し助けが必要ですが、進歩は驚異的です。5年でできるかもしれませんが、確実に5年以内に大多数の家庭に展開されることはありません。

ちなみに、あなたの家庭にヒューマノイドロボットを置くかどうかチャットにコメントしてください。私の答えを少しで与えます。

彼の見解では、これは大きなゲームチェンジャーです。ついに常識を持つLLMが手に入りました。それがヒューマノイドロボットの本当のアンロックで、ロボットを足場にできる事前知識でした。

皆さんが意見を書き込む時間を1分与えたいと思います。ヒューマノイドロボットを家庭に置きますか？私はこう言います。私の妻は置かないでしょう。私が置くかどうかは、少しで共有します。

私たちには何人かいます。私は確実に置くでしょう。Heatherのretirement shenanigansさん。笑、なぜダメですか？とにかく一日中一人で家にいます。Dotさん、置かないでしょう。Fragrant Windさん、置くでしょう。

答えはイエス、私は確実に置くでしょう。実際、中国のヒューマノイドロボットの一つを取得する過程にありました。今名前を忘れています。彼らはIPOを申請したばかりです。とにかく、私は確実に皿洗いをするロボットが欲しいです。洗濯はそれほど気にしませんが、皿洗いは本当に嫌いです。だから、絶対にヒューマノイドロボットを置くでしょう。

Higsfield50億ドル調達とAIベンチャー投資

最後のストーリーです。次のゲストを呼ぶ前に。Higsfieldが5000万ドルを調達しました。Higsfieldが5000万ドルを調達し、Higsfield Venturesを立ち上げています。彼らはtext-to-videoをやっています。多くのクリエイティブAIをやっています。

Unitry、ありがとうございます、Fragrant Windさん。Unitryは私がロボットを取得しようとしていたロボティクス会社です。Juice Brotherさんもありがとうございます。

おめでとうございます、Higsfield。たくさんのお金を調達しました。繰り返しますが、追加の競争は大好きです。これは他のAI会社への投資用です。

それでは、次のゲスト、Semi AnalysisのCEOで創設者のDylan Patelを呼びましょう。Dylan はまだここにいないようです。申し訳ありません。1分待ってください。

次のストーリーに移りましょう。皆さん、1秒待ってください。チャットにコメントを入れてください。今話したいストーリーがあれば教えてください。

My questionについて、Asaen77さん、あなたの質問を探させてください。「Matthew、私たちはLLMでできることのピークにいると思いますか？もう一つのDeepSeekモーメントはないでしょうか？」

いいえ、ピークにいるとは思いません。ピークにいると思うたびに、何か新しいものを見ます。実際に起こっていると思うのは、私たちが物事に慣れてきて、物事が私たちをそれほど驚かせなくなっているということですが、進歩の速度はまだ驚異的です。

だから、いいえ、Nvidia が市場で20%下落するようなDeepSeekのような世界的に衝撃的なニュースストーリーが必ずしもあるとは思いません。しかし、信じられない革新が起こるでしょう。

イノベーションの速度はまだ加速していると思います。私たちが見ているものにただ慣れてきているだけで、あまり明白ではないように思えるかもしれません。

新しいQuen Nextについてどう思うかについて、まだ試していません。AlexさんQuen Nextストーリーを出してもらえますか？少し前にそれに戻りましょう。

ショーで前に取り上げました。Quen Next ADB。Alibabaです。どう思うかについて？オープンウェイトハイブリッドモデルです。実行するのが小さいです。比較的大きいがアクティブパラメータが非常に小さいモデルがある場合、実際にAppleの推論ライブラリであるMLXで非常によく動作します。それについて非常に興奮しています。使えることを願っています。

Max Mollyさん「Seed Dream 4.0についてどう思いますか？」内部でテストしています。私は個人的にまだテストしていませんが、チームがテストしており、素晴らしいと思います。見た限りでは素晴らしく見えます。Nano Bananaに匹敵するように見えます。一貫性についてはまだわかりません。それがNano Bananaで際立っていることです。テストするのを本当に楽しみにしています。

Untapped Capital CEO Yohi Nakajimaとの投資・AI活用インタビュー

それでは、早く来てくれたYohiに感謝します。Untapped CapitalのゼネラルパートナーYohi Nakajimaさんを呼びましょう。Yohey、お会いできて良かったです。柔軟でいてくれてありがとう。問題ありません。こういうことがどういうものかわかります。

Yohi、Untapped Capitalは何ですか？何に投資していますか？何を探していますか？Untapped Capitalは初期段階のベンチャーファームです。通常はプレシード段階、誰も知らない前のインセプション段階に投資します。

私は自分をジェネラリストだと考えていますが、与えられた瞬間にスペシャリストのように行動するジェネラリストだと言います。興味を持った主題について深く掘り下げる傾向があり、その分野で投資を探し、さまざまな興味の間を行き来します。

もちろん、最近はAIが私の焦点でした。

私があなたを最もよく知っているのは、これらすべてのもののテストの最先端にいることです。最近何で遊んでいますか？最も興味を持っていることは何ですか？投資に最も興味を持っている会社が構築しているものは何ですか？個人的に何を使っていますか？

それは4つの非常に異なる質問のようです。何を楽しんでいるかについて？個人的に最近のビデオモデルの多くを楽しんでいます。オーディオとビデオを同時に生成できるという点で本当に良くなりました。

この週末、Runwayで遊んでいて、小さな広告を作ることで遊んでいましたが、できたことに本当に感動しました。子供たちと画像からビデオもやっていました。おもちゃをセットアップして写真を撮り、それをビデオに変換していました。

実際に、一連のシーンでナラティブを作って、すべてをビデオに変換してクリップを一緒につなげたものがあります。おもちゃで遊ぶようでしたが、写真を撮ってビデオに変換するだけでした。とても楽しかったです。

何を使っていますか？広告にはRunwayを使いました。Text-to-videoについて、Grokが本当に速いことがわかりました。Grokを使っています。写真を撮ると、その瞬間にビデオに変換されます。

Nano Bananaを使っていますか？Geminiを使っているときにNano Bananaを使っていると思ったことがありますが、Nano Bananaは画像だけですよね？Image-to-videoは実際にはV3だと思います。

面白いのは、「Nano Bananaを使ってこの1フレームやシーンの異なるフレームの部分を生成する」というワークフローを持つ人をたくさん見ていることです。それからimage-to-videoの他のツールを使います。

子供たちとは画像を生成していません。おもちゃをセットアップして写真を撮っているだけだからです。それが画像です。作った広告については、実際にはChachi PTを使いました。とても慣れているからです。だからNano Bananaで遊んだことはありませんが、V3は素晴らしいです。

ビルディング側について、新しいUXフォームで遊んでいます。いつかオープンソースにするつもりです。喜んでそれも共有します。投資側では、ホットな話題はRL環境などですが、アジア人をより良く機能させるものなら何でも…

RLEnvironmentが弱気だという誰かのツイートを見たばかりではありませんでしたか？

多くの意見があります。人々は…RL環境とは何ですか？説明できますか？

技術的に正確に説明するのに最適な人ではないかもしれません。なぜなら、私はオーケストレーション側により多くいるからです。モデルを与えてください、それをより良く機能させることができます。オーケストレーションによってです。

RLはモデル構築側にもう少し入りますが、率直に言って私の強みではありません。だから最も事実に基づいて答える最適な人ではないでしょうが、効果的にはモデルやエージェントがたくさんのことを試せる環境です。

何がうまくいっているか、何がうまくいっていないかを追跡できるので、報酬メカニズムが組み込まれており、うまくいっているときのデータを取ってモデルを改善するために使用できます。通常はモデルを改善します。

最近、私たちはエージェント的オーラル環境についての議論を聞いていますが、これは追跡についてより多くです。少し戻ると、最初にGPT-3はテキスト補完だったので、文の最初を与えるとそれを完成させ、質問をするとフォローアップはテキストでした。

それから会話型AIに移行しました。ChatGPTが爆発したときで、LLMに送るデータを会話として構造化しています。ユーザーがこれを言えば、アシスタントがこれを言うべきです。

しかし今、私たちは多くのエージェントを実行しており、エージェントは自分たちでループしています。ツールを使うことを決定し、ツールが正しいものを出力したかどうかを考え、他に何かする必要があるかどうかを決定しています。

だからそれは実際には会話ではありません。それはより意思決定フローです。これらのRL環境で、チャットでやっているなら、AIが与えた答えが良いかどうかを把握することについてかもしれません。それをフィードバックします。良くなければ、フィードバックしません。

エージェント側では似ていますが、ツールを使うことを決定します。正しいツールなら、良い報酬です。それをモデルにフィードバックします。間違ったツール、間違った次のステップの推論を選択した場合、フィードバックしません。

アイデアは、これらのAIを改善するために実行できる環境を作ることです。

投資側にいるあなたは、会社、スタートアップがはるかに少ない資本を必要としているのを見ていますか？一人の創設者が10億ドルの評価に到達できるソロユニコーンにどれほど近いと思いますか？

仮説的には可能ですが、それは哲学的に目指すことが理にかなっているかわかりません。理想的にはAIはすべての人に機会を作ります。しかし現実は、AIをよりよく活用できる人々がより多くのことをするでしょう。

投資しているときに何を見ていますか？より少ないリソースでどこまで到達できていますか？会社は資本調達を減らすでしょうか？

はい、会社はより少ないリソースでより多くのことができます。それは確実に真実です。シリーズAで見ています。データによると、シリーズAの収益の中央値は2〜3年前は1〜1.5だったと思いますが、今は2.5くらいまで上がっています。だからシリーズAの平均収益は上がっています。プレシードでも同様だと思います。

AI前に戻ると、プレプロダクトでも時々大丈夫でした。今日はプレプロダクト会社に投資するのは難しいです。会社と段階によりますが、少なくともプロトタイプを作っていませんか？何かを始めていませんか？

あなたの名前が主要な研究論文にない限り、それは少し違います。なぜならその場合は10億ドルを得るからです。それは少し違います。なぜならその場合はモデルを構築しているからです。しかし、より一般的な創設者にとって、もっと先に進むことができます。プロトタイプを構築できます。顧客と話し始めることができます。少しでも支払ってもらうことさえできるかもしれません。

ソロ人としてでもそれができるので、プレシードでもある程度それを期待します。

エンジェル投資家として非常に小さいですが、見ている取引から、彼らははるかに早い段階ではるかに高い評価でより多くのお金を調達しているようです。同じことを見ていますか？

二つの都市の物語のようです。非常に少ないトラクションでたくさんのお金を調達している人々を見て、たくさんのトラクションを持ちながらたくさんのお金を調達している他の会社も見ます。何だと思いますか？

評価と段階に関しては常に非常に広いベルカーブがありました。出口を持つ経験豊富な創設者は常に高い評価で調達できました。そのベルカーブがさらに拡張されたと思います。

一つの理由は、会社がますます速く収益を生成するのを見ているからです。だから最も速い会社は非常に速く収益を成長させています。

本当にすぐに割り込ませてください。だからゼロから1億、1000万から1億ARRを成長させ、それからマスクを引っ張り返すとそれは1億2000万ドルのAnthropic請求書だというミームを見ました。それも見ていますか？

ええ、その一部は見ています。再び、プレシードに投資するので、それは日常的に私が接している データではありません。シリーズAやシリーズB投資家と話すなら、それは彼らの仕事の一部として摂取しているデータです。

私にとって、時間を費やしている会社のほとんどはまだそこまで到達していません。だからそれを見ていますが、後期投資家ほど深くはありません。

でも、VCが初期成長を補助するというアイデアは必ずしも新しくありません。Uberも素晴らしい例です。しかし、2ドルを取って1.8ドルに変える能力がずっと速いと思います。だからずっと速く成長でき、世界は今日ずっと相互接続されています。ニュースはずっと速く広がると感じます。

だからずっと速く誇大宣伝を得ることができ、一部の会社は多くの注目を得て、確実に巨大なファーストムーバーアドバンテージがあります。

ファーストムーバーだから勝つということではありませんが、今日配布がとても重要なので、最初の注目を得ることには信じられない利益があります。

シリコンバレーへの移住とシアトルのAIエコシステム

シリコンバレー、ベイエリアの魅力について話したいと思います。あなたはシアトルにいます。しかし最近サンフランシスコをよく訪れています。エネルギーのため、そこに移住したいという強い引力を感じています。

VC支援の大型AI会社を始めようとしている創設者は、サンフランシスコにいる必要があると思いますか？

サンフランシスコにいることには間違いなく利益があります。必要だと思いますか？いいえ。しかし、それは有利でしょうか？そう思います。スタートアップでは、すべての有利さが助けになります。

構築している会社にもある程度依存すると思いますし、訪問する能力やソーシャルオンラインで人々とつながる能力にも依存します。例えばdev toolを構築している場合、devインフラのオープンソースなら、SFにいることには巨大な利益があります。

AIデベロッパーが日常的に複数回集まって話し合っているのを見るので、巨大な利益があります。しかし、ニッチまたは垂直特化AIをアプリケーションレイヤーで構築している場合、購入者こそが本当につながりたい人で、購入者は必ずしもサンフランシスコに集中していないので、あまり重要ではないかもしれません。

構築しているコンストラクションアプリを作っているなら、サンフランシスコにいる必要は必ずしもないと思います。だからそこにいる要件は作業しているものによって変わりますし、一部の人々は対面で人々とつながることがより得意です。

そこにいることの利益がありますが、一部の人々は非常にネイティブにオンラインです。若くなるほどよりネイティブにオンラインになり、今日物理的にそこにいなくても内輪の一部になる方法があると思います。

多くの人が私がベイにいると思っています。「ベイを訪問しています。会えますか？」と連絡してくる人がいつもいます。私はオンラインプレゼンスのために、そこにいるようです。そこの人々とつながっているようなので、人々は私がベイにいると思います。

あなたのTwitterバイオにはシアトルと書いてありますが。あなたもそれを得ることがありますか？オンライン活動を通して内輪に入ることができたからです。創設者もそれができます。もしそれができるなら、物理的にSFにいる要件は少ないと思います。

私がAIで何でもする仕事を始めて以来、2番目に最も訪れた都市はシアトルで、Microsoft、Amazonという小さな会社がいくつかあります。そこでの感じはどうですか？過去数年でAIとエネルギーの変化をどう見ていますか？

明らかにシリコンバレー、特にサンフランシスコはこのAIブームを見ています。シアトルでも同じことを感じていますか？

確実に感じています。シアトルは素早く地図に載ったエコシステムの一つのように感じますが、長い間同じレベルに留まっていて、サンフランシスコのような活動のホットベッドのようには感じませんでした。そしてLAとニューヨークがたくさん取り上げられました。

部分的に文化的理由だと思います。LA、サンフランシスコ、ニューヨークに移住した人々は、歴史的にテックが存在する前でも、夢を追いかけるためにそこに移住しました。それは夢の都市でした。

シアトルは文化的にはるかに家族と時間を過ごすことです。それが私がここに住んでいる理由の一つで、私はそれが大好きです。シアトルは常に良い会社を生み出してきたと思います。セクシーでないかもしれませんが、より基本的で良い、率直なビジネスです。不動産からeコマースまで、シアトルは多くの会社を生み出してきました。

最近のAIブームで、シアトルには以前に見たことがないAI周辺のエネルギーの復活を感じています。主にシアトルに地元で関連する才能がたくさんいるからです。長い間存在している大きな研究ラボであるAI2から始まって、MicrosoftやAmazonから来る多くのクラウド人材まで。

シアトルでAI周辺のエネルギーを感じています。これまで見たことがありませんでした。

起業家精神のエネルギーも、シリコンバレーで見るレベルまたはその近くのレベルまでそこにありますか？

それは言うのは難しいでしょう。シリコンバレーは、それが存在する産業で完全にユニークだと思います。石を投げれば、おそらく創設者に当たるでしょう。それがサンフランシスコです。

AI と子供の教育についての考察

あなたには子供がいます。AIと子供について話したいと思います。私には2人の小さな子供、8歳と3歳がいます。私は矛盾しています。一日中オンラインで、一日中スクリーンを使っていますが、子供たちにはスクリーンを使わないように言います。

それから、人工知能を学ばなければならないと考えます。スクリーンなしのAIがあるかもしれません。ただ話しかけるだけの。音声AIについて話しています。

まず自分の子供たちから始めて、AIとどのように相互作用するか、または子供たちがAIとどのように相互作用するかという一般的な概要を教えてください。そして学校におけるAIの位置についてどう思いますか？

私の子供たちは8歳、5歳、3歳です。あなたのように、私も一日中コンピューターで過ごしています。彼らはそれを見ています。しかし、あなたのように、私は彼らに常に外で遊ぶ、おもちゃで遊ぶ、工作をするように言っています。

私がこれまでのところ取ったアプローチは、本当に彼らがAIが何ができるかについてネイティブな感覚を持つのを助けることです。使い方を教えているのではなく、何ができるかに慣れ親しんでもらいたいのです。驚くべきことではなく、能力を追跡している感じにしたいのです。

Dallyが出たときを覚えています。楽しく遊び心があるようにし、好奇心を築こうとしています。Dolly 2が最初に出たときでした。Dallyセッションと呼ばれるセッションをしていました。今でもやっていますが、集まって、私がDallyを出し、私と各子供がテーマを出して、それをDallyに投げ込み、Dallyがそれらのテーマを組み合わせた1つの画像を生成します。

一緒に物語を語るようですが、それをするためにAIを活用しています。Sunoのtext-to-musicでも同じことをしました。ジャンルやテーマを出すことができ、3人の子供と私のグループがいます。だから私たちはそれぞれテーマを出し、それをSunoに投げ込みます。一部はジャンルで、そして音楽を吐き出します。そういうことをするのは本当に楽しかったです。

最近は、text-to-videoと述べました。これらを通して、AIが何ができるかに非常に慣れ親しんでいます。「サーフィンする忍者のビデオを生成してもらえますか？」と私に聞いてきます。しかし今のところ、私が仲介者です。それが安全な方法だと感じています。

今のところ、技術的には手渡せばコンテンツに逸脱できるChatGPTを主に使っています。私が彼らに見てもらいたくないコンテンツに。

学校内ではどうですか？学校がAIを使うべきか、どのように使うべきだと思いますか？テクノロジーがもっと必要ではないと思いますか？どうバランスを取りますか？

バランスとはどういう意味ですか？私の子供たちの学校はすでに多くのテクノロジーを使っており、私が快適に感じるよりも多いです。これもまた、私がどれだけテクノロジーを使っているかを考えると奇妙で矛盾しています。

しかし、彼らには子供でいてもらいたいのです。遊んで、汚れて、外に出て、社交してもらいたいです。でも同時に、また矛盾していますが、これらの新しいツールを学んでもらいたいとも思います。

学校はこれら2つの対立する点をどうバランスを取るべきだと思いますか？

良い質問です。テクノロジーの使い方を学ぶことは、この時点で教育の重要な部分だと感じます。数学を学んでいるなら、代数に入っているなら、TI83を使い始めて、そのテクノロジーを使ってより速く物事を行う方法を学び始めます。

おっしゃったように、バランスの問題です。一部の学校は偏りすぎているでしょう。一部の学校はそれほどやっていません。私たちの学校、子供たちの学校はそれほどやっていないと思います。

しかし、私が幼稚園にいたときを覚えています。これはしばらく前の幼稚園でしたが、学校には古いMacの一つがあり、タートルプログラムがありました。本当に得意になって、クレイジーな円形の奇妙な軌道の星を作ったり、他の子供たちにやり方を教えたりしていました。

だから、それは非常に影響力のあるテック体験でした。だから、子供たちが教師が子供にテクノロジーの使い方を教えるようなものを経験してもらいたいです。実際には驚くべきことではありませんが、子供が教師の使用能力を簡単に上回ることができ、その種の体験が子供たちに多くの自信を生み出すと思います。だから、それらは彼らにとって重要な体験だと思います。

何かを思い出させてくれました。たぶん同じ年齢かもしれませんが、私が小学校にいたときタイプライターか箱型のMacの選択肢をくれました。私は誰がタイプライターを選ぶのかと思いました。それを使い始めて恋に落ちました。その瞬間を覚えています。一目惚れでした。

私とテクノロジーはそれ以来離れたことがありません。子供たちにそのような情熱を育んでもらいたいです。テクノロジーに興味を持つかもしれないし、持たないかもしれませんが、ただ触れさせることは良いことです。

未来のスキルと味覚の重要性

AIが良くなり続け、多くの知識労働で人間よりも良くできるようになる中で、最も重要なスキルは何だと思いますか？子供たちに何のスキルを教えていますか？子供たちの未来に最も重要だと思うスキルは何ですか？

特定のスキルとしてではなく考えています。彼らの世代はAIネイティブになると考えています。そう考えています。Googleを振り返ると少し方向性がわかります。

20年前に戻ると、「あなたはGoogleが得意ですね」と言う人がいました。それはどういう意味でしょうか？今日は皆それを使います。皆Googleが得意です。しかし、一部の人がGoogleが得意で一部の人がそうでない期間がありました。

誰かをGoogleが得意にしたのは、Googleに物事を尋ねる方法を知っていることと、GoogleでおそらくGoogleで見つけられるものを知っていることの組み合わせでした。Googleで見つけられない質問をした場合、イライラするでしょうが、それはGoogleで見つけられるものではないと仮定するかもしれません。それが本当に大きな違いの一部でした。

AIに関しては、何ができるかについて好奇心を持ち、どのように助けてくれるかを見て、どのように楽しめるかを見て、それを自分の一部に組み込んでいけば、大丈夫だと思います。それが私の簡単なアプローチです。

私がよく考える一つは、これがスキルなのか、成長できるものなのかわかりませんが、味覚です。味覚は信じられないほど重要な質量のようです。うまくいけば学ぶことができます。

AIからのすべての出力を取って、他の人間のための信じられない体験を作る能力は、将来信じられないほど価値があるもののようです。まず同意しますか？そして味覚をどう教えますか？

味覚とは、良い味覚の一つのタイプはありません。味覚を見つけることはある程度自己探求です。アイデンティティが誰であるかを見つけることです。結局、私たち全員の人生の旅は自分が誰であるかを見つけることです。

音楽のタイプを聞いてそれがあなたに響くとき、おそらくそれに引かれる傾向があり、たとえばアートを作るなら、おそらく好きな音楽、好きな映画、好きなアート、持っている友達にある程度インスパイアされるでしょう。

だから、それは自分にとって良い気分になるもの、共鳴するものを見つけて、アイデンティティの感覚を築くことです。

より実用的に言えば、AIは新しいアイデアを思いつくのが信じられないほど得意です。しかし、創造的思考を発散思考と収束思考として考えています。発散思考では悪いアイデアはありません。たくさんのアイデアを思いつき、収束思考では追求したいアイデアを絞り込みます。それが行ったり来たりです。

AIは発散思考が信じられないほど得意です。より多くのアイデアを思いつき、すでに持っているアイデアを拡張します。しかし、収束思考でAIを使いすぎると、皆同じAIを使っているので、味覚が消えます。

AIを使うなら、より多くのアイデアを生成するためにAIを使うべきですが、どのアイデアを追求するかを決めるのはあなたであるべきです。それは味覚を築き続けるためのAIの良い使い方の少なくとも一つの方法だと思います。

投資における新興分野とゲーミング業界の展望

投資に戻りましょう。RL環境について話しました。現在投資が不足している他の分野で、エンジェルやビルダーによる再検討に値すると思うものはありますか？

はい、常に多くの機会があります。すべての産業、すべてのジョブを追列し、たくさんのスタートアップアイデアを生成するようAIに取得させる演習をしました。それは興味深い結果を生み出しましたが、私が具体的に興味を持っているものがあります。

消費者側では、Gen AIネイティブIPが魅力的で、そこでいくつかのものを見ていますが、テクノロジーの歴史を見ると、テクノロジカルシフトがあるたびに、そのテクノロジーにネイティブな新しいゲーミング会社を見ます。

Zyngaはソーシャルゲーミングにネイティブでした。Supercellはモバイルゲーミングにネイティブでした。既存企業も参入しましたが、新しいテクノロジーにネイティブでIPを築く会社を見ました。

同様に、Gen AIネイティブゲーミング会社、その上でIPを生成するGen AIエンターテインメント会社があると仮定します。それは私たちがいくつかの活動を見ている分野ですが、まだたくさんの余地と機会があると思います。

先週Supercellの人と話しました。彼らはサンフランシスコで彼らのAIラボを始めたばかりで、投資というか、エクイティを取らないアクセラレーターで、AIネイティブゲーム体験を探しています。だからSupercellや他の会社がそれについて考えていると思います。

ゲームをしますか？たくさんゲームをプレイしますか？

中毒性のある性格なので、始めると止まらないので、しないようにしています。

近い将来、AIがビデオゲームに組み込まれる方法についてどう考えているかについては考えているでしょう。何を楽しみにしていますか？

楽しいデモの一つは、モバイルでは、実際にモバイルゲームを試さなければ、鳥をただ弾くゲームがそんなにうまくいくと推測することは不可能だったでしょう。アングリーバードは非常にモバイルな体験でした。

片手でデバイスを持ち、親指だけを使ってプレイするモバイル体験にネイティブでした。だから同様に、適切なGenAIネイティブゲーミングを正確に知らず、まだ興味深いパターンを探しています。

これまでで最も楽しく遊んだのは、Zeran Novaと呼ばれるハッカソンプロジェクトだったと思います。たくさんのAIがいる部屋に入り、人間の侵入者がいるというアラートを見て、AIと話してAIに人間として特定されることなく秘密コードを取得することが仕事でした。

AIで構築するための非常にユニークで創造的なアプローチだと思いました。その反復も想像できます。誰がAI対実際に人間かを見つけようとしながら歩き回っているメタバースゲームを想像できます。AIは人間のように行動しようとしています。人狼のバリアントのようですが、AI人狼のようです。そこには楽しいものがあると思います。

Genie 3を見ると、プレイしながらゲームを作り出す生成ゲームを構築する新しいアプローチがあります。私の心では、それからはまだ遠いように思えます。私にとって適切なゲームプレイに実際に翻訳されていませんが、そこに種があると感じ、そのテクノロジーを取って適切なメカニックを重ねれば、本当に興味深い新しいタイプのゲームになり得ると思います。

Yohi、人々があなたにピッチしたい場合、あなたについてもっと学びたい場合、どこで見つけられますか？

Twitterが最もアクティブな場所です。X、私が出会った多くの会社、人々がDMを送ったり、スレッドに返信したりしています。私のメールはそれほど見つけにくくありません。特に今日あるツールでは。だから冷たいメールを送ったり、紹介パスを見つけたりする人もいます。典型的なPCです。

Yohi、Untapped Capitalをチェックしてください。Yohi、柔軟でいてくれてありがとうございました。問題ありません。いつでも戻ってきてください。本当に感謝しています。お会いできて良かったです。

番組はここで終了します。ゲストに感謝します。BrowserbaseのPaul Klein、Untapped CapitalのYohi Nakajima、Dylan Patelは少し遅れて参加したので、再スケジュールします。すぐに出演してもらいます。それが楽しみです。

視聴してくれた皆さんもありがとうございました。Twitterでフォローすることを忘れずに。Matthew Bermanでフォローできます。Forward Futureもforward_Futureでフォローしてください。ニュースレター、forwardfuture.aiもチェックしてください。

コメント

タイトルとURLをコピーしました