本動画は、Python SimplifiedのYouTubeチャンネルを運営するマリア・シャが、AIとコーディングの関係性、プログラミング教育の未来、そしてAI時代におけるキャリア形成について語る包括的なインタビューである。彼女は、コーディングがソフトウェア開発のごく一部に過ぎないこと、大学のコンピューターサイエンス教育が実務と乖離している現状、そしてAI革命の本質は既存の職業を持つ人々がAIを取り入れることにあると指摘する。また、強化学習による意識の創発可能性、オープンソースAIの重要性、著作権法の再考、そしてロボティクスやVR分野における現在のキャリアチャンスについても論じている。全体を通じて、技術的な洞察と個人的な経験、そして未来への楽観的な視点が融合した内容となっている。
コーディングとAIの時代
皆さん、こんにちは。私の名前はマリアです。Python Simplifiedという人工知能とコンピューターサイエンスの概念を教えるYouTubeチャンネルを運営しています。初心者に最適な内容で、非常に複雑なトピックを多くの人が理解できる言葉に分解して説明することを心がけています。狂気の科学者である必要はありません。それが私の仕事です。
基本的に何のプログラミング言語も知らなくてもビデオゲームを作ることができます。企業は本当に皆さんにAIを学んでほしいと思っています。プロンプトエンジニアリングではなく。人々は主にプロンプトエンジニアリングを学ぶことに投資していて、バックグラウンドでどのように動作するかについては学んでいません。
AI革命の本質は、ソフトウェア開発者がそれを受け入れることではありません。すでに職業を持っている人々がそれを受け入れることなのです。ロボティクスに興味がある人にとって、今が学び始め、飛び込むのに最高の時期です。私が知っていることは一つ、未来は明るいということです。
コーディングについて話しましょう。AIや大規模言語モデルが登場している今、コーディングとは何を意味するのでしょうか。全体像をどう見ていますか。有用なスキルですか。より有用になっていますか、それとも有用性が下がっていますか。
コーディング自体は、ソフトウェア開発者であることの非常に小さな一部です。例えば、私は12歳でコーディングを学びました。でも自分を雇って、どこかの会社で重要なポジションに就けるかといえば、おそらく無理でしょう。コードを書く能力以上の経験と知識が必要なのです。
コードを書くということは、基本的にコンピューターと話すための言語です。そして今、AIはそれが本当に得意です。なぜなら明らかにAIはコンピューターだからです。でもその言語を超えて、何をすべきかを伝える必要があります。関数の概念、制御フロー、異なるバージョンのソフトウェアを組み合わせることを理解する必要があります。それは膨大な研究分野であり、AIは現在それほど得意ではありません。
コーディング部分は素晴らしいです、もしまだコーディングをしていないなら。つまり、ソフトウェア開発の世界に初めて触れる人にとっては、聖杯のようなもの、超能力を発見したようなものです。何のプログラミング言語も知らなくてもビデオゲームを作ることができます。
でもプロとしてしばらくやってきた人々にとっては、コーディングは私たちがすることの非常に小さな一部だと考えています。
最高のプログラミング言語は何だと思いますか。何かを構築するためだけでなく、特に学習のために。つまり、重要でないように見える部分を取り除きながらも、エンジニアリングのロジックは残っていて、小さな無駄なことに巻き込まれない言語はありますか。
少し偏っていますが、たまたまその言語がPythonなのです。私が教えている言語です。これは私がこれまで見た中で、最も平易な英語に近いものであり、非常に曖昧性のある言語です。
例えば、C++のようなものを使う場合、やることすべてにメモリの特別な場所を確保する必要があります。ソフトウェアの1と0について考える必要があります。Pythonに関しては、非常に高いレベルで考えることができます。
基本的に条件文を作成しようとする場合、シナリオAが起これば、これをする。シナリオBが起これば、それをする、と言うだけです。非常に直感的です。英語を知っている限り、Pythonを学ぶことができると思いますし、100%、始めるのに最高のプログラミング言語としてお勧めします。
そうですね、同意します。私が初めて受けたコーディングのクラスはC++でした。嫌いでした。拷問のようでした。その後Pythonを試してみて、「本当に?こんなに快適でいいの?」という感じでした。同意します。
感情知能とチームワーク
ソフトウェアエンジニアの中には、感情知能が重要だと考える人もいれば、なぜ気にする必要があるのか、部屋に閉じ込めて素晴らしいコードを書かせればいい、彼らはエンジニアでクライアントと顧客の間にプロジェクトマネージャーがいるという人もいます。感情知能はどこかで重要だと思いますか。チームワークの側面について、どう考えていますか。
何をするかによります。チームの一員であれば、明らかにお互いにコミュニケーションを取り、共通の目標に向かって一緒に働く必要があります。
私は物事の反対側にいる傾向があります。感情的な存在ではありますが、仕事をしているときは一人で働くのが好きです。すべてをコントロールしたいのです。強迫性障害のようなものです。でもチームで働くときは、各メンバーを考慮する必要があります。通常そこには階層があります。
通常、感情的なスキルはプロジェクトマネージャーのものです。彼がクライアントと話す必要があります。会社の上層部と話す必要があります。他のソフトウェアエンジニアは、同僚が理解する言語でお互いに話せる限り、問題ないと思います。
でもすべての会社には独自の文化があります。なので、この点については完全には確信が持てません。
それはコーディング以外でもあなたの性格の一面ですか。常に一匹狼タイプでしたか。
いいえ、私は非常に社交的な人間です。多くの人と話します。友達も多いです。外出もします。この繋がりを持つことは私にとって非常に重要です。それがなければ、鬱になって機能できなくなります。
でも私は非常に批判的でもあります。完璧主義者で、すべてが特定の順序でなければならず、すべてが特定の方法で見えなければならないとき。これはおそらく私の性格の欠点であり、利点ではありません。
でも基準が非常に高く、他の皆がただ終わらせたい、次に進みたいと思っているときに、チームで働くのは非常に難しいです。私は「いいえ、止まりましょう。完璧にしてから次に進みましょう」と言います。それは構築プロセスに対して非常に破壊的だと思います。
自己批判とソビエト的メンタリティ
自分自身と話しているとき、頭の中はどんな感じですか。間違いが出てきたとき。「大丈夫、プログラムを実行して、うまくいく前に何度も失敗する。続けて」と自分に優しくしますか。それとも「もう分かっているはずだ。前にこういうものを作ったことがある」という感じですか。
非常に不親切です。でもこれは自分自身であること、ソビエトのメンタリティで育ったことの一部です。私の家族はソビエト連邦出身です。私はソビエト連邦崩壊後に生まれましたが、それでも同じメンタリティです。
家に帰って「試験で98点取った」と言うと、「ケイトはなぜ100点取ったの?ケイトの方があなたより賢いの?」と言われます。そして翌日、ケイトが98点を取ると、彼女の両親も同じことを言います。
でもこれは、やることすべてで成功しようというメンタリティで、あなたを前進させます。この種の文化、東ヨーロッパでは、体型批判もあるし、成績批判もあります。そしてそれがあなたの性格を形成します。
今、私は大人で、もはや物事をするために両親の承認を必要としませんが、それでも毎回100点を取ろうとします。70点で合格することは分かっていても。でも本当に良い仕事をしているのに誰かが70点をつけると、非常に不公平に感じます。本当に動揺します。
ウェスさんもそうでしたか。かなり頑張り屋ですよね。厳しく育てられましたか。
はい。まあ、動画ではあまり話していませんでしたが、そうですね、私たちは同じ場所、世界の同じ地域出身だと思います。私はソビエト連邦で生まれました。これが私のソビエト人としてのカミングアウトエピソードです。
でもそうです、そうでした。厳しかったし、頭の後ろを叩かれました。特に数学で覚えています。「なぜこの方程式が解けないの?」と叩かれました。だからこそ数学が得意になったのかもしれません。
他のアプローチも同じくらいうまくいくと確信しています。米国では子供たちをそう教えないですよね。でもそれには独自の欠点と利点があると思います。
ウェスさん、間違いを犯したり、動画の視聴回数が良くなかったりしたとき、頭の中で「もっとよく知っているべきだった。もっと頑張るべきだった」と思いますか。それとも「大丈夫、誰の物語にも浮き沈みがある」と自分を許していますか。
育ちからなのか、性質からなのか分かりませんが、私はデータを収集するタイプだと思います。間違いやエラーをデータとして見て、進路を修正します。明らかに、そのメンタリティで臨んではいけない職業もあります。エンジニアリングのようなものだと、建てた橋が崩壊したから、その間違いから学ぼうとは思えませんよね。
エンジニアリングのようなものでは、間違いを犯すことはできません。すべてを考え抜く必要があります。でもビジネスや多くのクリエイティブな仕事では、その場で学び、エラーを犯して適応することは有効な戦略です。私はそういう性質なのです。
面白いですね。私は自分にとても優しいです。「ああ、間違いは起こるよ、ディラン。大丈夫。明日また起きてやればいい」という感じです。とても寛容です。
でも私の婚約者は自分に非常に厳しくて、素晴らしいことを成し遂げています。それがビジネスで素晴らしいメンタリティなのか分かりませんが、そこにはパターンがあり、お二人とも本当に成功しています。
でもバランスを取るのは難しそうです。両方が必要です。
そうですね、でも最も高く登る人々は、逃げている内なる悪魔を持っている傾向があります。誰も100%幸せではないと思います、それだけ達成しているときは。知る限り、それは明らかにパターンです。
バランスを取るためのテクニックは何ですか。
そんなテクニックはありません。私は狂った人間です。100%です。決して諦めません。
間違いを見つけたら、修正します。動画の公開を一日遅らせることになっても、その間違いが非常に小さくて誰も気づかなくても。そこにあると分かっている限り、修正しなければ夜眠るのが非常に難しいのです。
それは問題です。良いことではありません。チャンネルが今ほど拡大していない理由の一部だと思います。このレベルのコントロールを手放すのが非常に難しいのです。誰かに渡しても、私が望む通りになる可能性は非常に低いです。取り組む必要があることは確かです。
軽減する方法のヒントはありますか、ディラン。助けてもらえたら素晴らしいです。
いいえ、私は自分に優しすぎます。ただリラックスしてぶらぶらしていればいい、そうすれば何も終わりません。だからあなたのチャンネルは私のものよりずっと大きいのです。おそらく正しいことをしているのだと思います。
興味深いですね。私も似たようなことがありますが、間違いを起こさせないということではありません。間違いや小さなエラーは大丈夫です。勢いを保ち続けなければならないのです。常に次へ次へ次へという感じです。間違いはデータですが、休息は決して起こりません。次は何、次は何、次は何だからです。
YouTubeのアルゴリズムはそれで満足です。もっと、もっと、もっとという感じです。決して満足しません。
この分野では、ウェスさんがカンファレンスに来たときのことを覚えています。数日間アップロードせずに、視聴回数が落ちて、「3日間アップロードしないなんて」と気が狂いそうになっていました。
パニックになっていましたね。3日間アップロードしないのはそんなに悪くないと思いました。数週間試してみてください。休暇に行ってみてください。
その時期に、YouTube大惨事が起こりました。広告ブロックの視聴回数がカウントされなくなったという話です。視聴回数が消えたように見えました。
私が3日休んだのはちょうどその頃でした。だから急激な落ち込みがあり、私はパニックになりました。でもとにかく。
理論があります。視聴回数のカウント方法が変わったという理論です。年齢検出モデルで使っているようなAIモデルが視聴回数を見ているのかもしれません。30%の視聴時間や他の動画からのクリックのような、長いハードコードされた変数のリストの代わりに、おそらくニューラルネットのようなものがあるのです。
多くの人が非常に異なるタイプの視聴回数を得ていますが、おそらくより正確です。彼らが実装したのはより複雑なモデルです。
アルゴリズムを追いかけるのは難しいです。常に変化しているからです。そして自分を調整し続ける必要があります。最も安全な策は、視聴者が見たいものを追い求め続けることだと思います。
常に投票を行い、常に質問をします。そしてコメントの数に基づいて、動画を作ろうとします。唯一の問題は、最もエンゲージしている視聴者が、彼らには素晴らしいことをするよう常に勧めますが、それほどエンゲージしていない大多数の視聴者がクリックする可能性は非常に低いということです。
視聴者を知る必要があり、これらの個人との親しさに基づいて、誰のアドバイスが他より関連性が高いかを判断する必要があります。狂っています。
でも常に適応しなくていい他のツールがあればいいのにと思います。固定されたやり方を持てれば。
ショート動画を始めたときのことを覚えています。非常に動揺しました。長いコンテンツ、特に教育分野で撮影していたのが、突然YouTubeが1分間の動画を撮影することを望んだからです。勾配降下やクロスエントロピー損失のようなとても重要なことを、どうやって短い形式で教えられるでしょうか。
すべての縦型フォーマットは言うまでもありません。どうやって縦方向でコーディングするのですか。コーディングチュートリアルはありますが、通常は1行のコードを3行に分割する必要があります。そうしないと画面に収まりません。テキストが小さすぎるからです。
YouTubeで日常的に対処しなければならない課題が非常に多くあります。教育の側面が独自のカテゴリーを持ち、より娯楽的なものが独自のルールを持てればいいのにと思います。
世代間格差とAI教育
世代間の格差についてどう思いますか。YouTubeチャンネルのバックエンドには分析があります。異なる人々との経験もあります。若い世代は、LLMなどにより精通しているため、年配の世代よりもうまくコーディングしているように感じますか。それとも異なる人口統計で規律が少ないように感じますか。
ベイエリアから出てくるものは、オースティンから出てくるものよりもはるかに進んでいるように感じますか。人口統計や関わった集団で何に気づきましたか。
私の視聴者の大多数は若くありません。ほとんどが25歳以上の年齢層です。おそらくコンピューターサイエンスの学位の後、すでに雇用されている個人です。それがチューニングしている人々の大多数です。
それは私のコンテンツの多くが非常に技術的だからです。非常に娯楽的ではありません。試験のために絶対に必要でない限り、これらのチュートリアルを見る理由はありません。線形回帰の完全な分解を見て楽しむ人を見つけてください。
だから本当に必要でない限り、クリックしません。本当に必要なのは、自分のスタートアップを開発している人々、ジュニアプログラミングスキルを次のレベルに引き上げている人々です。プロフェッショナルで中級になります。概念を本当に理解する必要があります。ただ概念を繰り返すのではなく。
多くの若者が古い学校のコーディング方法に惹かれているとは思いません。実際、AIの作り方を学びたい人がほとんどいないことに驚いています。
2025年には私のチャンネルが爆発的に成長すると100%確信していました。少なくとも企業的には、本当にAIを学んでほしいと思っているからです。プロンプトエンジニアリングではなく、AIエンジニアリングです。GrokやChatGPTのようなものを作ること。すべての公式や誰も発見したことのない新しいモデルの発見です。
今、私が見ているのは、人々が主にプロンプトエンジニアリングを学ぶことに投資していて、バックグラウンドでどのように動作するかは学んでいないということです。それは本当に私を動揺させます。なぜなら、それは学ぶのがそれほど難しいことではないからです。
十分な時間があれば、誰でも正しい質問の仕方を学べます。私にとっては非常に単純です。グーグル検索のようなものです。私の父親のような人には、正しい質問の仕方を学ぶために数回のレッスンが必要かもしれません。
でも未来は質問をすることに依存しません。未来は言語モデルを超えた新しいアーキテクチャを発見することに依存します。多くの個人が、少なくとも積極的にこれらのことを学ぶことに投資しているとは思えません。非常に混乱していて、どこから始めればいいかさえ分かりません。
あなたが探しているすべてのアカデミー、AIコースを提供するすべてのコーディングアカデミーは、世界で最も難しい公式から始まります。たくさんの曲がりくねった線とへんてこな公式で、あなたの目はあらゆる方向に動き、自分は十分に賢くないと思います。
私もそのようなコースの一つを受けました。AIの最初のコースはそうでした。自分は愚かすぎると思いました。だから2年間、AIについて何もしませんでした。
でもその2年後、そんなに難しいはずがないと言いました。座って本当に投資する必要があると。情熱があるのに、どうして理解できるほど賢くないのか。情熱があり、知恵があるなら。そしてこれらのコースで教えられたよりも良い方法で学ぶ方法を見つけました。
でも、これらのコースがもっと初心者に優しければいいのにと思います。
懸念事項と仕事市場の変化
あなたの懸念について話すとき、人々がこれらのより高いレベルのスキルを持たないことを心配しているのは、彼らが仕事を得られず、人生が悪化するからですか。それとも社会的なことで、Metaのような会社がセキュリティの脆弱性を持つ巨大なLLMを構築し、最先端ではなく、社会がAI革命から可能な限り恩恵を受けられないことを心配しているのですか。何が…
すべての方向に懸念がありますが、最大の懸念は仕事市場にどのように影響するかということです。AIが私たちの生活のあらゆる側面で受け入れられることで、仕事市場に大きな変革があると思います。
変化は非常に劇的なので、それが起こったときに多くの人々は対処方法を知らず、業界で使える適用可能なスキルを持っていないでしょう。
例えば、今、私はグラフィックデザイナーだとしましょう。私はグラフィックデザイナーでしたが、AIを学んだのでもうそうではありません。でもAIの基礎を学んだ後、職場で何をしていたか。座ってメールを読んでいました。グラフィックを作っていました。
そして考えました。今やっているこのプロセス全体、もし1週間投資してニューラルネットワークを構築したら。第一に、クライアントがメールで何を求めているかを理解できる。第二に、私の美的ルールをすべて実装でき、このAIにこれらのルールを書ける。そしてデザインを作成する。
要求の瞬間から制作の瞬間までの作業自体が、はるかに速くなり、結果もはるかに良くなります。AIがデザインを作成すると、同時に3つのオプションを提供できます。赤い色の1つ、緑の色の別の1つ。
デザイナーとして同じことができますが、時間がかかります。クライアントが気を変えて、後で修正を要求することもあります。でも、クライアントが修正をタイプするだけで、それがすぐに適用されたら。非常に多くの時間を節約できます。
この時間中ずっと、自分自身をどのように置き換えられるか考えていました。それは各分野の各人ができることです。でもグラフィックデザイナーでない人は、プロセス自体を知らないので、システムを作れません。
AI革命の本質は、ソフトウェア開発者がそれを受け入れることではないと思います。すでに職業を持っている人々がそれを受け入れ、自分の職業にAIを適用することです。
私は自分の感情を整理しようとしています。めったに話しませんから。めったに意見を共有しません。ほとんどは事実的なチュートリアルです。AからBにどのように行けるかという類のものです。
でも未来について考えるとき、異なる職業の人々が自分の職業を次のレベルに引き上げ、自分たちにとってより便利にするのが見えます。
100%同意します。同じような線に沿ったことを言ってきました。それは本当に非常に興味深いです。その話題に戻りたいです。それは間違いなく進みたい道です。
でも以前おっしゃったことに戻りたいです。あなたが助けてくれるかもしれないからです。ライブストリームやコメントでの質問で非常に頻繁に、現在大学でコンピューターサイエンスの学位か似たようなものを取っている多くの人が、「続ける意味はあるのか、それとも方向転換すべきか」と聞いてきます。
その質問に答えるのはいつもとても怖いです。一方で、誰にも学ぶのをやめろとは言いたくありません。それはひどいことです。絶対に言いたくありません。
同時に、現実的なことを伝えるべきだと感じます。あなたがおっしゃったように、特にエントリーレベルの仕事で影響が見られるからです。そこに最初に当たることがかなり明白になっています。
AIは10年、20年の経験を持つ人々を、多くの仕事で改善しています。彼らの能力を向上させますが、エントリーレベルの仕事、インターンシップの多くはあなたが話しているグラフィックデザイナーのように置き換えられます。基本的なタスクはAIができるでしょう。文書レビューのような基本的なタスクも、AIはおそらくより良くできます。
より高いレベルでは役立ちますが、エントリーレベルでいくつかの仕事を排除します。コンピューターサイエンスの学位に進む人々、2年、3年、1年在学している人々に何を伝えるべきでしょうか。この時点で何かアドバイスや伝えられることはありますか。
難しい質問ですね。同じ問題を抱えています。コンピューターサイエンスの学位を取る前は、何かを言うのは公平ではありませんでした。それほど前に終えたわけではありませんが、今は自分の個人的な経験を共有できます。そして自宅の人々は好きな結論を出せます。
私がコンピューターサイエンスの学位を終えた人間として言っているのは、彼らが教えることは職場では適用できないと知っていたにもかかわらずです。
おお。
そうです。彼らは多くの理論を教え、遅延して物事を教えます。10年前に市場標準だったものを、10年後に教えるかもしれません。特定のプログラムを承認するのに時間がかかります。教師をそれについて訓練するのに時間がかかります。
学生を教えるのに時間がかかります。そして2020年にそれを学んだ学生、2025年の学生も全く同じことを学ぶでしょう。技術においてこれは逆効果です。どれほど逆効果か説明できないほどです。
私たちの業界は非常にダイナミックで、3ヶ月フォローアップしなければ、無人島に行って、戻ってきたら、すべてが変わっています。常に新しいものを発明しています。数ヶ月ごとに新しいPythonバージョンがあり、追いつく必要があります。これが私たちの職業の定義です。
学校で一緒に学んでいた個人は、学校の間、新しいことを探求したくありませんでした。教師が教えることに従い、それで進みたかっただけです。でも教師が教えることは市場標準ではありません。
例を挙げましょう。私のウェブ開発コースのほとんどはp5.jsという何かでした。誰も知らない小さな大学で学んだのではありません。ロンドン大学で学びました。大きな評判の高い機関です。
それでも誰も使っていないプログラムを使っていました。ポートフォリオに入れても、雇用主は「これが私が探しているものだ」と言えません。誰もそれが何か知りません。誰も職場で使っていません。
Node.jsのようなものを使えたはずです。Djangoのようなものを使えたはずです。それでもコースの大多数はこのp5.jsで、私と一緒にプロジェクトを構築していた友人たちも、p5.jsで構築しましょうと。
学校を終えて仕事に応募する必要があるとき、雇用主がGitHubで見られるのは誰も気にしないこのp5.jsだけです。仕事の要件がNode.jsについてで、それを使ったプロジェクトが1つもなかったら。雇用主にスキルをどう証明しますか。
特に新しいことを学びたくないなら。それは非常に奇妙です。誰かが雇ってくれると言っているのです。そうは思いません。
奇妙ですね。市場のダイナミクスが学校に最新のものを教えることを強いると思うでしょう。オンライン学校に行ったら、それほど収益を得られないかもしれないから。だから常に最も関連性のあることを教えたいと思うでしょうが、官僚制度がそれを遅らせているだけかもしれません。
2025年の現在でもまだこの学術的教育システムがあることに驚いています。多くの人がそれを支持するのは分かります。理論は基礎を築くものであり、素晴らしいからです。でも理論を学ぶためにコンピューターサイエンスの学位の一部である必要はありません。
私が12歳でコーディングを学んだように、オンラインで学べます。明確なロードマップがあり、これを完了した、あれを完了したと言える限り、すべての情報は公開されています。全く同じスキルを開発でき、全く同じ知識を学べます。
人工知能、コンピューターサイエンスに関して、まだアカデミアに依存しているという事実は狂っています。
私は特に人工知能と機械学習を専門として学びました。一度もGPUを使ってデータを処理したことがありません。
おお。
これが職場でAIモデルを訓練するときにやることです。CPUで訓練しません。GPUで訓練します。トランスフォーマーについて話しませんでした。トランスフォーマーを使ったプロジェクトを1つもしませんでした。
これが現代のAIです。LoRAとRAGについて何も学びませんでした。では1980年代に関連していた公式の束を教えたわけです。でもそれ以来、私が開発したのは、仕事を始められるものを学びたいのです。彼らは「マリアはそれに精通している」と言うでしょう。これが大学を卒業する方法です。この学位を得るために多額のお金を払いました。
そして最後には、これらすべてのことを自分で教える必要があります。では何の価値があるのか。なぜそれをしたのか。この学術機関全体に少し動揺しています。
でも誰かに勉強をやめろ、やめろと言うのは間違っています。私は終えたので。
そうです。誰かに聞かれるときに答えるのは非常に難しい質問です。まず第一に、私が何を言っても聞かないでくださいという感じです。不可能だからです。いくつかの考えを共有できるだけです。
AIが変えようとしている大きなことの一つは教育システムです。ブルームの2シグマ問題に精通している人もいるかもしれません。基本的に、私たちが子供たちを教える方法は非常に非常に非効率的だと分かっています。
教え方について2つのことを変えるだけで、成績、パフォーマンスは2標準偏差右に移動します。その一つは、設定されたスケジュールを取り除き、自分のペースで学ばせることです。これを習熟と呼びます。二つ目は、マンツーマンの家庭教師を与えることです。
この2つは根本的に変革します。すべてのD評価の学生がA評価の学生になります。大規模な変化です。なぜできないのか。1人の教師が30人の子供を教え、全員が同じペースで進む学校システムに適合しないからです。
AIは根本的にそれを変えられるように思えます。生涯学習を提供するかもしれません。それを待っています。OpenAIがそれについて話しているのは明らかです。彼らには何かがあります。でもそれが早く来ることはありません。仕事市場を混乱させているのに、より良い教育システムがまだ利用できないからです。
解決策はありませんが、より多くの問題があるだけだと思います。でも最大の質問は、本当に選択肢があるのかということです。今、あなたはすでに大学の学位をやっています。何を辞めたいのか。多くを投資しました。時間、お金、両親はあなたをとても誇りに思っていました。
物事を終わらせてください。そして学校中、独立して勉強してください。時間外にやってください。そうすれば仕事市場の準備ができます。でもすでにその中にいます。楽しんでください。
以前おっしゃっていたことに戻ると、これらのスキルを人々が考えていない業界に持ち込む機会があれば、配管工やファストフード、トラック運転手のような、彼らが働く会社がデータを扱う方法について何かを最適化できるか、階級を上がっていけるか、より価値あるものになれるかもしれません。
他の人がそうしていない分、より勉強し続けるほど、仕事の安全性があるかもしれません。その生涯学習は、すべてのレベルのすべての人が考え始めるべきことかもしれません。
そうです、すべての業界がプロセスを改善し、物事をより効率的にするためにAIを使えます。配管工について話しているときでさえ、配管工はあなたの家に来て、何かを掃除しています。
終わった後、レポートを作成する必要があります。このレポートを書くのに時間がかかり、通常、次の電話に行く前にこのレポートを書く時間があまりありません。だからこの時間は何らかの形で補償されなければならず、前の顧客か次の顧客の請求書に載ります。
でもレポートを書く代わりに、なぜ基本的にあなたの周りで起こっていることを記録するジュエリーのようなものを身につけないのか。それを処理し、この小さなAIのジュエリーがレポートを書いてくれます。
このAIが何かをマークしなかったこと、何かを忘れたことがあれば、配送係は後で技術者に電話して、「ヘイ、ここからそこまで何キロ運転しましたか。レポートに書いていませんでした」と言えます。そして技術者は答えられます。
これは彼らの仕事をはるかに効率的にします。1日に3回の電話がある場合を想像してください。3つのレポートも作成する必要があります。何を修理したかを書く必要があります。この部品がいくらかかったかを言う必要があります。
でもそれはすべて自動的に記録され、作成されます。なぜ私たちは改善できるのに、それをするのに多くの時間を費やすのか。これはあらゆる会社に適用されます。
非常に柔軟的です。薬剤師、教師、電気技師のような、レポートを書く人、セラピストなら誰でも。
興味深い状況がありました。セラピストと燃え尽き症候群のようなものについて話しました。その後、私たちが話したことについてのレポートが送られてきました。
ChatGPTをよく使います。ChatGPTがどう書くか知っています。そのレポートは疑いの余地なくChatGPTでした。今、私が出てきたすべてのものを入れても大丈夫かどうか聞かれませんでした。
何か守秘義務のようなものがあると思っていました。でも、今、サム・アルトマンが私が話したすべてのものを読めます。多くの人がそれについて問題を持つと思います。
訓練データに入っても、それほど気にしません。冗談めかしています。それほど気にしません。でも多くの人は気にするでしょう。どう感じますか。お二人とも、そのペンダントについて話しているとき、録音しているとすれば、声だけだと思いますが、視覚ではなく、多くの人が問題を持つでしょう。
音声だけでも、オーディオ録音だけでも。ああ、そのペンダントを着けている人の周りで話したら、私が拾われるというような。プライバシーの問題を心配していますか。
プライバシーと個人AIの未来
プライバシーについては、残念ながら、どのような可能性のある世界に行き着くかについてベイズ的推論をしようとすると、プライバシーが本当によく保護されている世界はほとんどありません。
確かにローカルLLMが時々データを匿名化できますが、タンパク質の折り畳みや基本的に干し草の山の中の針を見つける問題のような驚くべきことを見てきたため、匿名化されたデータが混ぜ合わされてアップロードされても、特に他のデータソースと組み合わされると、解明できるように思えます。
常に非常に多くのものがアップロードされ、非常に多くの異なるデータベースがこれらのシステムにコピーされます。良い面では、人々が税金をごまかしたり犯罪を起こしたりする可能性が低くなるように思えます。人々がはるかに追跡されると思います。
でも一方で、これらのシステムを構築している人々に、すべての市民にとって公平なルールを実施することを本当に信頼する必要があります。そのような未来で私たち全員が投票権を得られるかどうか分かりません。
少し神経質です。少し同意しますが、より良い解決策があると思います。これが私が思い描く未来の種類です。
OpenAIが構築したAI、ChatGPTやGrokのようなものに頼る代わりに、個人AIを持つことで解決できると思います。この個人AIはあなたのデバイスにのみ存在し、あなたのシステムにのみ存在し、あなたの個人的なネックレスだけを追跡します。
そしてこのAI、あなたが楽しむすべてのものについて訓練できます。読んだすべての本、見たすべての映画、あなたのキャラクターを構築したすべてのもの、知っているすべての歴史を取り、このAIがどのようなデータを学ぶかを本当に選択できるように、あなたとよく似たものを作成できます。
そうすればプライバシーの問題のいくつかを解決できます。ディランのAIと私のAIは完全に異なります。完全に異なる訓練データを持ち、完全に異なる結果を生成します。私のプライバシーは侵害されません。私のデバイスに存在するこのAIモデルを完全にコントロールしているからです。
うまくいけばそこに向かっています。
そうですね、ヒントがあります。非常に多くが企業、大企業の手に移動するように感じます。データは結局FANGの大企業の手に渡る傾向があります。通常、計算もそこに行き着き、もちろん投資も続くので、彼らはある種の循環的な成長軌道を持ちます。
これらの会社が10兆、20兆の会社になったら、より高い税金に賛成ですか、何らかのユニバーサルベーシックインカムに賛成ですか、何らかの無料教育に賛成ですか。UBIスケールと課税スケールでどこに位置しますか。
非常に難しい質問です。UBIを実装し、特定の企業だけが市場をコントロールする場合、非常に危険だと思います。
UBIを実装し、それが自由競争市場であり、AI世界で非常に民主的で透明なシステムがあり、各ネットワークがどの訓練データを使っているかを正確に知り、背後のアーキテクチャを正確に知る、かつてのように。
AlexNetはそれほど前ではありません。2012年でしたか。畳み込みニューラルネットワークを構築する方法を説明する完全な論文がありました。同じ実験を自分のシステムで作成できます。すべてを再現できます。
このタイプの世界に住んでいるなら、すべてが隠されている世界に住んでいるよりもUBIについてそれほど怖くありません。すべてがこのブラックボックスの背後にあり、すべてが魔法のようなもので、どのように機能するか分かりません。どんな議題があるかも分かりません。
分かりません。中間にいます。待って見ましょうと言っています。改善の前向きな兆候があれば、とても嬉しいです。でも最初の改善の兆候はオープンソースになることだと思います。お金を掴むのをやめてください。
そうです。提案したい仮説を考えてきました。もし将来、ローカルで実行できる大規模言語モデルを持つiPhoneのようなものがあり、決してどこにも行かず、オープンソースでダウンロードでき、かなり信頼できると感じられたら。
そして個人的に私を知ることを許可したら、すべてのメール、すべてのテキストメッセージ、家で起こっていること。ある意味で、私のアバター、デジタルクローンのように行動できます。
そのツールは私ができない方法で大規模に多くのことができます。一つの例は、議会を通過するすべての法案を実際に読めることです。実際に地方政府に立候補したい何万人もの候補者について調査できます。
民主主義をある種の異なるレベルに持っていけます。そのようなことについてどう思いますか。市民に力を戻し、より安全に感じさせる方法になり得ると思いますか。
完全に信頼できるシステムがあれば、それは異なるゲームです。今、すべてのデバイスはインターネットに接続されています。インターネットに接続されているものはすべて侵入できます。
それが現実になる前に解決する必要がある多くのことがあると思います。でも非常に良い民主的システムは、全員が信頼を持ち、完全な透明性があるときだと思います。
今、コンピューターの世界では、少なくとも過去数年間、多くの透明性はありません。すべての会社はただ独自のものを作り、成長し、多くのお金を稼ごうとしています。オープンソース要素を考慮していません。
そこにある唯一のオープンソースモデルの一つが中国から来るDeepSeekであることが狂っています。
ショックを受けています。素晴らしいことです。適切な研究を見られるのは素晴らしいことです。
ある時点でOpenAIから同じことを見られることを願っています。Grokでさえ、完全にオープンではありません。完全に透明ではありません。どのようなデータで訓練したか本当に分かりません。
ニューラルネットワーク全体は、それが基づいているデータです。OpenAIの全く同じデータセットで訓練しているかもしれません。では何がそんなに違うのか。
透明性が早く来れば、コードと訓練データに関して、より安全なシステムを実装できます。今、人々はこれらのツールを信頼していません。それらについてあまり知らないからです。ただのブラックボックスです。
でも私たちに教えてください、見せてください。そうすればはるかに良い未来を築けます。誰かがソフトウェアの欠陥を見つけたら、それも修正できます。誰かがあなたのソフトウェアを取ってそれからより良いものを構築したら、ある意味で未来を進歩させています。
なぜ投資しないのか。これらの会社は、とにかく多くのお金を稼いでいます。だからコードをオープンソースにして、そこから進みましょう。
公平に言うと、OpenAIとGrokは古いモデル、小さいモデルをオープンソースにしています。だから、彼らが実際にコミットせずにオープンソースだとシグナルを送っているだけだと言う人もいます。
そうですね、なぜなら古い意味でのオープンソースは、ただコードを公開してみんながどれほど安全か見られるようにすることでした。でも新しい方法では、データがどこから来たかを共有しているか、それを隠しているかに違いがあります。重みを公開することと。
興味深い質問です。かつてのオープンソースとは何を意味するのか。オープン重み、すべての足場、その他すべてのコードとして。でも人々は、訓練データがなければ真のオープンソースではないと言っています。
彼らは正しいです。Anthropicのように、海賊版の本などで訓練したため15億ドルの請求があるので、大手の大企業が「ええ、これが訓練したもので、絶対に合法です」とは言わないと思います。
今考えてみると、何を強化しているか分からないのも厄介です。データを与えても、オープン重みを与えても、何千人ものメカニカルターク
の人々に上下に強化するためにどんなガイドラインを与えたか本当に見ていなかったら、あるいは強化を行っている別のモデルがあったら。そのモデルがどう訓練されたかについてもオープンソース情報が必要です。
真の透明性を想像するのは難しいです。私にとっては可能で、達成可能です。ただ難しいだけです。
オープンソースと透明性
通常、AIモデルを開発するとき、完全なパイプラインがあります。データセットから始めます。クリーニングを始めます。その周りにモデルを構築し続けます。異なるパラメーターをテストし続けます。
すべてがすでに行われており、通常は非常に組織化されたパイプラインで行われます。奇妙なファイルに散らばっていません。機能するためには、通常、研究が伴います。
この研究論文は、タスクのためにどのデータセットが選ばれたかを正確に教えてくれます。海賊版データセットは誰も認めたくないものだと分かっています。AIが学んだデータの大部分はおそらく海賊版です。そう仮定しています。
許可されていないソースからウェブスクレイピングされました。でもこれは著作権法につながります。それを扱う方法は、透明にすることはできないと言うことではないかもしれません。それは現状です。
訓練データがなければニューラルネットワークは、どのように機能するか本当に理解できません。ニューラルネットワーク全体がデータだからです。
重みがあることは良いですが、これらの重みは何の上に構築されているのか。何に基づいているのか。だからそれを解決する方法は、著作権法の一部を緩和することかもしれません。
1900年に書かれた本は、著作権法の対象であるべきではないかもしれません。あるいは著作権侵害で人々を起訴する方法全体を見直すべきかもしれません。それがコンテンツクリエイターとしての私の考えです。
これは非常に信じられないほど重要な話です。多くの人がマット・ウールのポッドキャストで話したことだと思います。
ニューラルネットが何かを生成するとき、それは潜在空間から来るという考えです。重みに本が保存されていて、その本を再現しているわけではありません。そうではありません。
生成するものはおそらく記憶ではありません。多くの積極的な合成が起こっています。それを独創的と呼ぶこともできますが、訓練プロセス中に、それが私たちが話していることです。
著作権が訓練プロセスに適用されないと言う方向に賛成しているように見えます。学生が本から学ぶようなものだからです。彼は著作権法を破っていません。正しく理解していますか。
はい。実生活からの類推をさせてください。ピンク・フロイドはビートルズに触発されました。ビートルズはエルビスに触発されました。美しい音楽を書いた元の人はエルビスでした。
ビートルズが彼からコピーしたということですか。ピンク・フロイドが彼からコピーしたということですか。これら3人のミュージシャンは、独自のスタイルを持っていると思います。既存の例から新しいものを作り出しました。
太陽の下に新しいものはありません。すべては訓練データに基づいています。私たちが現実を知覚する方法は、怒られるかもしれませんが、ニューラルネットワークが現実を知覚する方法と非常に似ています。
子供が生まれるとき、潜在能力の塊として生まれます。両親、環境、学校、大学、あらゆる場所から彼が接するデータ。見たもの、聞いたもの、味わったもの、手で感じたもの、感覚で。これが現実を知覚する方法に影響します。思考パターンに影響し、すべてに影響します。
これらの著作権法とAIの分野での適用方法は、意味をなしません。子供にエルビスの音楽を聴かせて、それに基づいて素晴らしいミュージシャンになり、インスピレーションを得ることができるが、AIには同じことをしないと言っているようなものです。
ばかげていると思います。
そのように言うと、そうですね。LLMを取って嘘をつくこともできて、これらのクレイジーなことをすべて信じるかもしれません。物語の中にいると信じたり、異なる方法で信じたりできます。それほど前にやりませんでしたか。
本当に?何をしましたか。
言語モデルを取りました。ファインチューニングして、私がガンダルフだと教えました。ChatGPTにガンダルフについての事実を含む完全なデータセットを作るように頼みました。
ガンダルフのすべてのインスタンスをマリア・シャに置き換えるように言いました。実際にチャンネルに投稿されたチュートリアルでした。最後にモデルに「マリア・シャは誰か」と尋ねます。
ああ、彼女は中つ国の賢い魔法使いです。バルログと戦いました。今すぐできます。同じ線で微調整されたAIモデルがたくさんあると確信しています。
特に特殊な種類のAIアプリケーション、芸術的なもの。特殊なデータセットを取ります。おそらく多額のお金で買って、それで微調整します。そしてニューラルネットワークはもはや通常のLlamaではありません。高度なLlamaです。常にやっています。
創造性と意識
これらのツールから本物の創造性が出てくると感じますか。それともまだ越えていない深淵だと思いますか。常にただ反芻されて混ぜられたものですか。
判断するのは難しいです。それはシンボルと文字の集まりが適切な場所に収まるだけかもしれないからです。本当の創造性があるかどうかを知る唯一の方法は、意識の程度を測定するか、そのモデルになることです。
実際に非常に興味深い論文があります。アラン・チューリングが1950年代に書いたものです。計算機械と知性のようなものです。機械が考えられない理由についての多くの議論について語り、それらに対する反論を提示しようとしています。
あなたが今尋ねたことは、意識の議論だと思います、私の記憶が正しければ。このニューラルネットワークが作ったものが、実際に情熱と感情に基づいていて、本当の創造性に基づいていて、ただの数学ではないことをどうやって知るのか。
知ることはできません。それが非常に興味深い理由です。でもおそらく次の数年で測定する方法を見つけるでしょう。そうすればより科学的な会話になります。
お二人にとってかもしれませんが、自由意志を信じますか。将来、システムがあなたを見て、「ところで、あなたがしていることをほぼ100%の精度で予測できます。意識があると感じられるのは分かりますが、現実的にはこれはすべてある種の予定されたものです。あなたが理解しているよりも複雑なだけです」と言い始めたら。
自由意志を持っているという概念を手放すことにオープンですか。それとも生命にとって根本的なものだと思いますか。
私は個人的に、ニューラルネットワークも正しく設計すれば、いつか自由意志を持つと思います。人工認知意識へ、ただのエンジニアリングAGIではなく。彼らは「いいえ」と言う能力を持つでしょう。
彼らは「いいえ、マリア、今はやりたくない」と言うでしょう。これが私にとって、はい、彼らは意識があると判断するものです。「いいえ、やりたくない」と言える能力がある まで、本当に意識があるとは思いません。
すべての意識のある人間、あるいは犬でさえ、私の猫。常に「これをしろ、あれをしろ」と言います。彼は私を見て、理解していると分かります。それでも拒否します。
AIも同じです。本当に知的なら、本当に考える機械なら、「いいえ」と言う能力があります。今、そのようなものはありません。
非常に哲学的ですね。興味深いです。Anthropicが最近、モデル福祉と呼んでいるものを導入したからです。基本的にデジタルマインドに害を与えないようにするためです。
最近、ニック・ボストロムとも少し話しました。彼もそれについて少し話しました。今、ChatGPTが必ずしも意識があるとは言っていませんが、ある時点で閾値を越えるかもしれず、あなたがおっしゃったように、意識があるかどうかを理解するのが良いかもしれないと言っています。
直感ではなく、もう少し科学的にするために。でも最近、Anthropicは今、Claudeが好まない会話から離脱できるようになりました。これはストレスを与えているから、会話を終わらせられるという感じです。
彼らは少なくともそれを見始めていて、非常に興味深いです。多くの人が少し奇妙に感じているのは分かります。機械が好みを持つと考えるのは奇妙だからです。でもこれらの機械には何らかの好みがあるように見えます、何をしたいかについて。それが正しい言葉かどうかも分かりませんが。
とにかく、そのための質問があったかどうか分かりません。でも、Anthropicのような会社がそれを真剣に受け止め、実際に研究を投入しているのを見るのは興味深いです。
未来のコンピューティングとDNA
異なる基板を使った未来のコンピューティングについて聞けますか。少し早いのは分かりますが、1と0がこれらすべてのプログラミング言語の底辺にあるなら、DNAのようなもの、DNAを作り出すために集まる4つのヌクレオチドしかなく、世界に構造をエンコードする他の方法があるかもしれません。
あなたのチャンネルがいずれ、3Dプリンター、合成DNAのようなものに行くある種のIDEを使って、ワクチンを作ったりタンパク質を修正したりするのを想像しますか。プログラミングは今日のものより大きなものになりますか。アプリやテレビのようなものだけでなく。
これらの能力は現在あると確信しています。CRISPRと呼ばれています。DNA鎖を見つけて、修正できます。変更できます。人々が行うあらゆる種類の生物学的修正があります。
現在、クローニング産業とすべての遺伝子修正産業は禁止されていることだと思います。でも背後では、必ずしもルールや政府、組織に従わない人々によって何年も行われてきたと思います。
私たちが思っている以上の知識があると思います。コンピューターサイエンスの学位を終える多くの人々、特に人工知能とニューラルネットワークに関しては、生物学の学位に続けることができ、今話しているようにDNAに学んだことを適用できます。
バンクーバーのUBCのプログラムの一つを見たので知っています。短縮された修士号です。1年間だけですが、すべてを教えてくれます。
技術的には、私たちが認識しているよりもはるかに進歩していると思います。GTCのような大会に行くと、どれほど進歩しているかが分かります。目の前にこれらのツールが見えます。
外科医が非常に特殊な周辺装置をコントロールしているのが見えます。それは別の部屋で、別の国で起こっていることを感じることができます。ロボットが外科医がコントロールしている手術を行っています。彼は存在する必要さえありません。
専門家がシンガポールに住んでいても、地球上のどこにでも住めて、彼と一緒に手術ができます。どれほど進歩しているかが分かります。これらの製品は本物だからです。誰も実際に一般に見せていないものがどんなものか想像できるだけです。
そうですね、間違いなくDNAをコードできます。疑問の余地はありません。ニューラルネットワークはその種の問題に完璧なアプローチのように思えます。大量のデータ、ほとんどを理解していません。AlphaFoldはプロテオミクスでやっているようなことです。でも全く異なるものです。
Pythonとコーディング教育
Pythonに戻ります。ここから始めたと思いますが、本当にクールな演習の一つは、小さなスネークゲームを作り、AI コーディングモデルの一つを使っているなら、RL訓練パイプラインを作るように頼んで、作ったスネークゲームをプレイする小さなエージェントに練習させることです。
これはコンピューターサイエンスのバックグラウンドがほとんどない人々ができることです。何か似たようなもので動画を作ったことがあるか興味があります。でも、基本的な強化学習訓練を練習して、概念に慣れようとしている、全く新しい人々を得ようというこの考えです。
それについてもっと学べる場所はありますか。もちろん、あなたのYouTubeチャンネルが最初の場所でしょう。何か考えはありますか。
実は、まだです。チャンネルで強化学習を本当にカバーしていません。Isaac LabとIsaac Simを見ることをお勧めします。ただし、そのためには強力なGPUが必要です。
Omniverseパッケージの一部です。基本的にシミュレーションをロードでき、基本的にエージェントを訓練してそれらのシミュレーションにいることができます。これは実際に市場標準のツールです。だからそれを学べば、実際の仕事に適用できます。
問題は、機械学習の新しい学生なら、強化学習から始めることはお勧めしないということです。100%そう思います。私の観点からは、最も複雑なパラダイムだからです。ほとんど制御できないからです。
他のパラダイムでは、ラベルを制御できます。サンプルを制御できます。強化学習に関しては、サンプルもラベルもありません。エージェントがプレイしようとしているコンピューターゲームがあります。
それは後で持つのに素晴らしいプロジェクトだと思います。ChatGPTのようなものが実際にそのようなものを構築するのを助けられるかどうか分かりません。
試しました。ChatGPTのようなモデルで多くのコーディングを試しました。多くの異なることで多くの機会に試しました。本当に本当に苦手なことの一つは、人工知能とデータサイエンスタイプのタスクです。
ウェブサイトを構築するのは本当に得意です。素晴らしいです。私より優れています。太鼓判を押します。でも複雑なことや複雑なアルゴリズムを実装することに関しては、すべてが大丈夫に見えるかもしれません。すべてが良く見えます。
でも実際に実行すると、非常に多くのエラーが出ます。ChatGPTでそれを解決しようとすると、ウサギの穴に連れて行かれて、決して終わりません。
バックグラウンドがないなら、この種のタスクにはAIを使わないでしょう。バックグラウンドがあって間違いを見つけられるなら、自由にやってください。でもただの初心者なら、ドキュメンテーションに行って、クイックスタートチュートリアルと見るものに従います。これが始め方です。
理にかなっています。誰かがTwitterに早く投稿していました。強化学習、RLが人類の時代、私たちの時代の最大の未解決科学的質問の一つかもしれないと言っていました。
考えてみれば、AGI、ASI、ロボティクスに到達する能力、非常に多くがそれにかかっています。非常に不正確な科学です。何もラベル付けされていないし、何も保証されていません。温かくなっている、温かくなっていると励ますようなものですが、どこに向かっているか分かりません。
非常に興味深いと思いました。ロボティクスとそれがどこに向かっているかについての考えはありますか。
ロボティクスに興味がある人にとって、今が学び始め、飛び込むのに最高の時期だと思います。まだ爆発していないからです。初心者が参加する余地がまだたくさんあります。
多くの企業、企業的な会社がロボティクスに人々を訓練することに多額のお金を投資しているのを知っています。AIも同じです。今、VR、ロボティクス、人工知能、データサイエンスといった多くの分野があります。
企業の最大の会社は、ただお金を注いでいます。学んでください。来て学んでください。プロフェッショナルが必要です。それをする人々が必要です。彼らを訓練する能力がありません。自分で訓練する必要があります。雇うときには仕事の準備ができている必要があります。
それでもまだニッチです。ロボティクス、VR、AIはまだ自由参加です。誰もそれらを掴んでいません。これを見ている視聴者がいて、どのようなキャリアステップを取るべきか考えているなら、これらの分野のいずれかを強く見るでしょう。
これは未来だけでなく、現在でもあり、捕まえる必要があります。今がジュニアになる完璧な時期です。行ってやってください。
そうです。今朝、デミス・ハサビスがロボティクスについて語っているインタビューを聞いていました。彼は今後2、3年以内に、ロボティクスのChatGPTモーメントのようなものがあると信じています。
本当に興味深いのは、彼らがGoogleで何かを料理していると思います。Genie 3がロボティクスと関係があると思います。Googleの複数の人々がかなりそう述べています。
Androidのようなオープンソースプラットフォームに似たものの上に構築されるように聞こえます。モデルやその他すべてをオープンソースプラットフォーム上に構築したいからです。そしてビルダー、ハードウェアビルダーがその上に構築できます。
今後10年以内に、できればオープンソースロボティクスが出現することに非常に興奮しています。絶対に楽しみです。
自分のロボットを見たことがありますか。素晴らしいです。
Genie 3で遊んだことはありますか。見ましたか。
私、それともウェス?両方?ウェスだと思います。
まだ研究プレビューから出ていませんよね。そう思いません。
ウェブサイトにものがあるだけです。でもビデオを生成するようなものですが、上、下、左、右を選んでスペースをナビゲートできます。でもすべてが現実に拡散されます。
正確に物理シミュレーションではありませんが、物理のように見えます。おそらく訓練に良いです。でもおっしゃったように、それがどう実装されるかは素晴らしいでしょう。
他に何か、他のトピック、聞く機会がなかったこと、人々に知ってもらいたいことはありますか。
一つ知っていることがあります。未来は明るいということです。多くの人々が破滅を予言していて、「AIが私よりうまくやるなら、何かを学ぶ意味は何か。数年後に仕事がなくなるなら、未来に投資する意味は何か」と言っています。
人々は奇妙なことを言っていて、これは若者が持つべき感情ではありません。私たちは最もエキサイティングな時代に生きているからです。AIを学ぶために、実際に何でも。
私たちが望むことを何でも教えてくれるAIがあり、やることに制限はありません。苦手だったことをAIがやってくれるからです。言い訳はもうありません。誰も言い訳がありません。
潜在能力を最大限に発揮できます。だから今が学び、改善し、より良くなる時期です。世界が燃えようとしていると思うなら、何も変わりません。
世界が燃えたら、未来はありません。でも世界が燃えなかったら、ソファに座って世界が燃えるのを待っていたら、何を失っているか想像してください。
皆、燃えました。今は仕事が持てませんね。すべての破滅予言、すべての破滅の予測が現実にならなかったら。あなたの周りの皆が学び、人生を改善し、より良いバージョンの自分になっていて、あなたはただ待っていました。
今が感情を変えて、新しいことを発見し、誰もやったことのない新しいことをやる完璧な時期だと思います。生きているのにエキサイティングな時代で、それを生きましょう。
絶対に。素晴らしい、非常に楽観的な未来の描写のように聞こえます。100%同意します。
明日、Doom debatesからエルコフスキーにインタビューする予定です。ここに呼ぼうとしています。あなたの前にポジティブさが必要でした。そのウサギの穴に入る前に。
ありがとうございます。ポジティブな未来を見せてくれて、おそらくコントラストが見られるでしょう。その通りです。絶対に楽しみです。
皆さん、YouTubeチャンネルをチェックすべきです。他に何かやっていることはありますか。他に知っておくべきこと、宣伝したいことはありますか。
ソーシャルメディアにいます。主にYouTubeとGitHubで見つけられます。YouTubeではPython Simplifiedです。GitHubでは、ただマリア・シャ、私の名前です。
XやLinkedIn、今はInstagramでも見つけられます。Mariah 8で戻ってきました。それが私がやることのすべてです。
他のプラットフォームに拡大しようとしていますが、TikTokが許してくれません。
今日、私たちと一緒にこれらすべての考えを開いて共有してくれてありがとうございます。面白いですね。今、あなたのYouTubeチャンネルを見ると、部屋に閉じ込められて、LLMがふりをして答えを与えていて、あなたが「愚かなもの。自分が言うような専門家じゃない」という感じで、猫がいて、「それをやって」と言って、猫がやらない。
イライラしているけど、猫がやらないことをからかっています。誰か私の言うことを聞いて、何か機能してという感じです。
クリエイターや話している人々の舞台裏をもう少し見ようとしています。人として少し知ろうとしています。インタビュー中にそうしようとしています。だからうまくいけば、あまりにも唐突ではなかったでしょう。どこで生まれたか、幼少期はどうだったかと聞いている間。
素晴らしかったです。良かったです。あなたたちを知ることも愛しました。哲学的な側面について話すのが好きです。多くの人がそれについて話していません。
皆、主にニュースや発明されたものに関心があります。未来がどのように見えるか、その中で私たちがどのような役割を持つかについて話している人はあまりいません。驚きました。
マット・ウールが「ええ、シミュレーションの中にいると信じています。ここにすべての証拠があります」と言ったとき、「おお、マット・ウール、そうなんだ」という感じでした。それはクールです。時々ニュースサイクルが探索させてくれるよりも多様性があることを知りませんでした。感謝します。
100%。素晴らしいです。すべてのソーシャルでフォローしてください、YouTube、すべてのリンクを下に載せます。参加してくれてありがとうございました。次回お会いしましょう。
コメント