OpenAIのCEOサム・アルトマンが、スタンフォード大学のダン・ボネ教授とのインタビューで、AI分野におけるキャリア選択について語る貴重な対談である。現在のAIは深層学習という一つの大きな推進力を発見したに過ぎず、まだ初期段階にあると指摘し、データ効率性や自律的な科学的発見など多くの未解決問題が残されていることを強調する。アルトマンは、AIを現時代で最も重要な科学的フロンティアと位置づけ、将来的にはあらゆる製品やサービスにAIが統合される世界を予測する。また、AIセキュリティの重要性、ソフトウェア開発の変容、そしてコンピュータサイエンス教育の抜本的な見直しの必要性についても言及し、AI時代における人材育成のあり方について深い洞察を提供している。
AIキャリアの展望:サム・アルトマンとの対話
皆さん、おかえりなさい。このセグメントでは、特別ゲストのサム・アルトマンをお迎えして、キャリア選択としてのAIについてお話を伺います。サムはOpenAIの創業者でありCEOです。OpenAI以前は、サムはY Combinatorの社長を務めていました。その前は、Looptの創業者兼CEOでした。そしてそのさらに前は、スタンフォード大学の学生でした。
サムについて、一つエピソードをお話しなければなりません。スタンフォードでの私の授業では、よく学生たちに考えさせるための難しい問題を出題します。そして、長年の教職経験の中で申し上げられるのは、サムはこれらの問題のいずれかについて斬新な研究アイデアを思いついた唯一の学部生だったということです。それがサムという人物です。
サム、ようこそ。そして、私たちとお話しいただく時間を作っていただき、本当にありがとうございます。もちろんです。これができて本当に嬉しいです。素晴らしい。では、議論すべき質問がたくさんありますので、早速始めましょうか。
まず、全体的な雰囲気を設定するために、高レベルな質問から始めたいと思います。あなたの考えでは、人々が取り組むべきAIにおける最大の未解決問題は何だとお考えですか。
まだ本当にたくさんあります。つまり、私たちは深層学習というこの一つの素晴らしい推進力を特定し、それがどこまで行けるかを見てきたと思います。しかし、私たちはまだ非常に初期段階にいると思います。これらのシステムの作り方は毎年大幅に改善されています。それは長い間続くと思います。
データ効率性はまだ大きな問題です。それは人間がこれらのシステムとは非常に異なる方法でできることの一つです。事前学習と強化学習というこれらの概念を分離する方法にも、何か新しい発見があるはずだと思います。
しかし、私たちがまだ知らないことすべてについて、長い間話し続けることができると思います。
私たちには学習できるこのアルゴリズムという一つの魔法があり、それを使ってより印象的なことを行う新しい方法を見つけ続けています。ChatGPTが立ち上がってからまだ2年半しか経っていませんが、もしあなたが戻って元のバージョンを使ってみると、かなり悪いです。つまり、進歩の速度はまだ非常に急勾配ですが、私たちの前にある問題のリストと未知のもののリストは、まだ膨大なのです。
自律的に動作し、新しい科学を発見できるシステムを構築するために必要なこと、それは私にとって非常に重要なのですが、まだやるべきことがたくさんあります。
多くの人々がトレーニングデータの問題について話しています。私たちはトレーニングデータを使い果たしつつあると。これは、さらに多くの作業が必要な領域だと思いますか。
それはデータ効率性の問題を別の言い方で表現したものです。データの各テラバイトからはるかに多くのことを学習できれば、データが不足することはありません。私たちがただ感覚から学習できるのはどうしてなのか、知りたいですね。
それは興味深い…明らかに、これらのシステムが学習する方法と私たちが学習する方法は少し…少なくとも少し異なります。もしかしたら非常に異なるかもしれません。
しかし、そうですね、単一のデータポイントから学習する人間の能力、かなり印象的です。
そうですね、ほんの数個のデータポイントから、私たちは一般化できるんです。
これらのシステムは…何らかの理由で、多くのデータポイントを必要とし、そこから一般化します。だから、私たちが正確にどうやってそれをできるのかを解明することに関して、まだやるべきことがたくさんあると思います。
興味深いですね、出てくる質問の一つは、私たちはただ人間の能力を構築しようとしているのか、それとも人間の能力を超えようとしているのか、ということです。多くの点で、これらのシステムはすでに人間の能力を超えていると思います。すべてではありませんが、確実にいくつかのことでは圧倒的に人間を超えています。
そうですね、面白いことに、私たちのAI教員の一人がよく言うのは、AIの目標は人間を構築することではないと。私たちはすでに人間の作り方を知っています。
基本的に、どうやって何か違うものを構築するか、という問いなんですね。そして、あなたが向かっているのはそういう方向なのだと思います。
ある意味で、人間文明の物語を語ることができますが、重要なのは…すでに存在する超知能は、どんな天才の一人の脳でもなく、私たちが皆で創り上げる足場と、ある種の技術ツリーとツールチェーンなんです。
つまり、蓄積されたすべての知識、人工物、互いに時間をかけて構築されるツールチェーンです。一人の人間が地面から物を掘り出すところからコンピューターを生産するまでを行うことはできません。そこには多くのことが関わらなければなりません。しかし、集合的に、社会はこの驚くべきことをすることができます。そして私たちは科学的発見をします。物質を新しい方法で操作できます。これらすべての素晴らしいことができます。
そしてAIは、ある深い意味で、人間や人工的なものを問わず、誰のニューラルネットワークの外側にあるその足場への、単なる別の貢献者となるでしょう。そして、もしAIが行って新しい物理学を発見し、それから人間がそれを使って新しいことができるなら、それはAIが超知能だったように感じられるでしょうか。それとも足場がただ高くなったように感じられるでしょうか。分かりません。
AIキャリアの魅力と将来展望
ああ、なんてことだ。AIが実際に学術誌に掲載される最初の研究論文を書くまで待ちきれません。
そんなに遠くないかもしれませんね。
ええ、それは素晴らしいことでしょう。では、少し話題を変えたいと思います。明らかにAIにはまだやるべきことがたくさんあります。あなたの言っていることは、私たちは本当にこの旅の始まりにいるだけだということのようですね。
そんな感じがします。この分野は劇的に成長するでしょう。
AIでやるべきことが不足する恐れはありません。だから、もし学生たちがAIに進むことを決めたら、やるべきことはたくさんあるようですね。
見てください、私は偏っていますし、自分の本を宣伝する人には常に懐疑的であるべきですが、今これは進むべき最良の分野だと思います。
そう言っていただけて嬉しいです。なぜなら、それはまさに私が聞きたかったことだからです。この授業を受けている人々は、明らかに…一般的にコンピュータサイエンスで働く人々は、働ける異なる分野がたくさんあります。金融で働くことも、消費者向けアプリで働くことも、バイオテクノロジーで働くこともできますし、もしかしたら教育のための技術で働くこともできるかもしれません。
CS知識を持っていれば、社会に貢献できる様々な分野があります。では、例えばAI企業やAIスタートアップからのオファーと、金融やバイオテクノロジーで働いている企業からのオファーを検討している人に、どんなアドバイスをしますか。あるいは、これらの分野のどれに進みたいかをどう決めますか。
まず第一に、あなたが最もやりたいことをすべきで、一緒に働きたい人々や、あなたに語りかける問題や何であれ、それに取り組むべきです。そして、それはどんな一般的なアドバイスよりも重要だと思います。しかし、もし一般的なアドバイスが欲しいなら、
人類史のどの時点でも、押し進めるべき最も重要な科学的フロンティアはほんの一握りしかありません。そして歴史の異なる時期に、それは物理学だったり、生物学だったり、コンピュータサイエンスの一部だったり、インターネットの構築だったりしました。
今、私は一番のものは人工知能の知識と理解と展開を構築することだと思います。今、これが最も重要なトレンドだと思います。
おそらくこの世代で最も重要なトレンドです。もっと長い期間の最も重要なことかもしれません。そして、このような信じられないほど巨大な地殻変動の最中に生きて働いているのは、非常に幸運なことです。
そして、私の偏った一般的なアドバイスは、これがあなたの人生で触れる最も重要な仕事になる機会があるということです。そして、それに飛びつくべきです。
そうですね、これはある種のユニークな時代なんですね。非常に特別な時代のように感じられます。
ええ、AIが開発されている主要な技術です。だから、なぜこの一部にならないのでしょうか。
開発されている主要な技術であるだけでなく、おそらく他のすべてに対して最大の総合的影響を及ぼすものです。
ええ、それは実際に完全に理にかなっています。だから、私たちの聴衆が異なる求人オファーを評価する際には、明らかに開発を主導している会社に入りたいと思うのは理にかなっていると思います。
私もそう思います。
ええ、完全に理にかなっています。では、数年先に進んでみましょう。将来を予測するのは常に難しいですが、予測してみましょう。あなたがこれをどう考えているか興味があります。
5年、おそらく10年、あるいは20年先に進むと、AIは今日と同じくらい人気があると思いますか、それともある時点でピークを迎えて、他の分野が引き継ぐと思いますか。もちろん、それは最終的には起こるでしょうが、どのくらい時間がかかるでしょうか。
世界はそれにもっと依存するようになるでしょうが、世界がそれに慣れすぎて、同じように考えなくなるかもしれません。
私は覚えています…App Storeが2008年か何かにローンチしました。その直後の数年間、誰もがモバイルファーストだとか何だとか話していました。私はモバイル企業だ、モバイルこれだ、これだけどモバイルだ、と。
そして、10年前にインターネットブームに戻ると、誰もが…ドットコムブームでした。誰もがドットコムでした。それがホットなものでした。
そして、それぞれが信じられないほどの誇大宣伝と注目を集めた瞬間がありましたが、その後すぐに、もうインターネット企業であることについて話さなくなりました。なぜなら、すべての企業がインターネット戦略を持っていたからです。
そして、iPhoneでApp Storeがローンチしてからわずか数年後、誰ももうモバイル企業であることについて話さなくなりました。なぜなら、それは当たり前のことで、そうでなければ意味がなかったからです。
5年か10年後にAIもそのようになって、もう誰もAI企業であることについて話さなくなることを願っています。すべての製品とサービスが本当に賢いことを期待します。そして、私はその世界にワクワクしています。
それは、AIが今日よりも誇大宣伝が少ないことを意味するかもしれませんが、はるかに強力で、私たちの生活にはるかに統合され、すべてがAIを使用するようになるでしょう。
興味深いのは、テクノロジーの定義ですが、それはあなたが生まれた後に発明されたすべてのものです。だから、今日の幼稚園児たちは、ChatGPTのない世界を知らないということが驚くべきことです。
私には赤ちゃんがいますが、彼がAIよりも賢くなることはないだろうということについて多くの時間を考えています。
しかし、彼はまた、コンピューター、製品、サービスなど、何であれ、本当に賢くて彼を理解し、彼が必要とすることを何でもやってくれることを期待しない世界で育つこともないでしょう。
話が出たので、本当に興味があるのですが、そのような世界のために子供をどう準備しますか。
彼は驚くべきことができるようになるでしょう。私が子供の頃、コンピューターはこの素晴らしいものでした。私はそれらをはるかに得意としていました。両親よりもはるかに使いこなしていました。それらはまだ何というか…新しくはありませんでしたが、今ほど生活に統合されていませんでした。
そして、将来本当に価値のあるソフトウェアを作ることに貢献しようとする人の日々の仕事について考えると、私たちがそのクラスを教える方法とは大きく異なっているのではないかと思います。
では、この議論を試してみましょう。あなたがどう思うか興味があります。高校や小学校では、計算機があるのに、まだ数字の足し算や掛け算の仕方を学びます。しかし、私たちはそれをする必要がないにもかかわらず、やり方を学ぶ必要があります。私たちが生きている世界を理解するために。
オペレーティングシステムやコンパイラを学ぶことも同じだと思いますか。知っておく必要がありますが、使うことはないのでしょうか。
興味深いですね。小学校で、ある先生が、基本的な足し算を本当に学ぶ必要があると私に言ったのを覚えています。私は、まあ、計算機があるじゃないですか。だからなぜ?と言いました。そして彼らは、まあ、私がそう言ったからだ、と。
同じ先生が、筆記体、人々がかつて書いていた方法を学ばなければならないと言いました。そして、私はもう二度とそれをすることはないだろうということが非常に明確でした。それはただ狂ったことでした。そして、私は、これも意味がない、と思いました。
だから、どれが学ぶべき重要なことで、どれがそうでないかをどう知るか。非常に難しいようです。
繰り返しますが、学び方を学ぶというメタスキルは非常に価値があります。だから、ある意味で、何かを学ぶことは、何か他のことも習得するので価値があります。
オペレーティングシステムがどう動くか、コンパイラがどう動くかについて何かを知っていることを、私は非常に嬉しく思っています。ほとんどの人にとって、そこから得られる価値は、一般的なメタ学習と脳のストレッチ、知的好奇心だと主張します。
素晴らしいオペレーティングシステムをどう作るかの深いところを本当に理解しなければならない世界の人々の数は、おそらく、AIを使って私たちがまだ想像できない新しいことを行う方法を本当に理解する必要がある人々の割合と比べて減少するでしょう。
技術者、コンピュータサイエンスに限定したとしても。
技術者に限定したとしても、そう思います。確実に何人かは真の専門家である必要があります。世界のどこかの何人かの人々は、まだ全体のその小さな部分のためにアセンブリを手書きする必要があります。
しかし、私のポイントはここでは相対的な重要性の一つだけです。そして、例えば、今はコンパイラの手書き方法を学ぶよりも、ニューラルネットワークの訓練方法を学ぶ方が重要かもしれません。
そしておそらくさらに10年後には、コンパイラを書くことはあまり重要ではなくなるでしょう。ニューラルネットワークの訓練方法を学ぶことはまだいくらか重要ですが、主にそれが世界を理解するために知っておくべき良いことだからです。
そして、実際のフロンティアである新しい何かがあるでしょう。そしてそれが、本当に上手になりたいものです。
AIを使うこと、他の誰かが訓練したツールです。
なるほど。つまり、私たちが知る必要がある知識は、ネットワークの訓練方法すら学ぶ必要がなくなるほど変わっていくということですね。
ある時点では、ええ、なぜならAIに、新しいニューラルネットワークを訓練して、と言えばいいからです。それはこれが本当に得意で、それを非常にうまくやるでしょう。
なるほど。
ええ、ええ。ワオ、それは驚くべき見方です。
ええ、非常に興味深い。そして私たちは…
でも今は、ニューラルネットワークの訓練方法を学ぶことは、学ぶべき素晴らしいことだと思います。
今は?
ええ。
今?
はい、はい。そこに議論の余地はありません。はい。
ええ、それは非常に興味深い。
だから、5年後のCS教育がどのようになるかを考えるという良い宿題をいただきました。私はそれに非常に興味があります。
ええ。私の推測は…議論は、基本的なプログラミングはまだ学ぶ必要があるだろうということです。なぜなら、どうしてコンピュータサイエンティストでありながら、ソートプログラムの書き方すら知らないなんてことがあり得るでしょうか。これは基本的なスキルのようで、誰もが知っているべきもののようです。
だから、ええ、リスナーの皆さん、この時間を費やしたことに落胆しないでください。
いえいえ。それは単に、物事がどれだけ早く変化しているか、新しいパラダイムで本当に考えることがどれだけ難しいかというポイントでした。
ええ、ええ。理にかなっています。
AIコード生成と新しいプログラミング言語
同じ路線で、メタな質問をしなければなりません。これも、コードジェネレーターは素晴らしいです。つまり、それらで遊んでいると、これらのものが生成しているコードが生成されていることは驚くべきことです。
そうです。
しかし、それらはJavaやGo、Rustのような言語でコードを書いています。これらは人間のコーダーのために設計されたもので、MLコーダー、AIコーダーのためではありません。だから、AIコードジェネレーターのために特別に設計された新しい言語を発明すると思いますか。あるいは、AIがこれらの新しい言語を自分自身のために生成するかもしれません。
ええ、それについて考えます。
私は思います…まあ、人間と互換性があるものは非常に重要だと思います。そして、AIがこれを書けるという事実、しかし人間もそれを簡単に読んで、いくつかの調整を加えることができる、これは非常に、非常に価値があります。
だから、人間と互換性のあるプログラミング言語、人間が読みやすい言語は、計算効率の観点から最適であるよりも長く重要であると思います。
なるほど。
だから、可読性は重要なんですね。
可読性よりもさらに編集可能性です。
ええ。興味深いですね。もしかしたらこれは将来変わるかもしれませんが、今日、コードを生成するように頼むと、95%正確なコードを生成します。
ええ、常にコードを読み直して、いくつか変更を加える必要があります。
しかし、誰が知っているでしょう、もしかしたら数年後にあなた方がそれを完璧にして、常に完璧なコードを生成するようになるかもしれません。
そうなればいいですね。それは素晴らしいでしょう。
そうすればコードを読む必要がなくなります。そうすれば、それが望む言語でコードを生成し始めることができ、もしかしたら可読性も必要なくなるかもしれません。
しかし今のところ、おそらく人間が読める言語に固執すると言っていますね。そして学生たちはJavaやGo、Rust、これらのものが生成する言語を学ぶ必要があります。
そう思います。
これらのものが生成する言語。
でも将来は少し違うかもしれません。
ええ。本当に興味深い。
AIアーキテクチャの進化
では、異なるトピックについて少し話したいと思います。それはAIシステム自体のアーキテクチャについてです。
ええ。
AIに適したアーキテクチャに到達したかどうか、あなたがどう考えているか知りたいと思っています。私がこれを聞いている理由は、数年前、サポートベクターマシンとGANsが大流行でした。AI授業で議論するのはそれだけでした。
そして突然、すべてが変わりました。今は、深層ニューラルネットとそれらができること、Transformer、Stable Diffusionなどがすべてで、ここ数年で完全にシフトしました。
私が興味があるのは、あなたは、適切なAIアーキテクチャを見つけたと思いますか。これで決まりでしょうか。DNNsとStable DiffusionとTransformersのように、あるいは2、3年待てば、すべてが再びシフトして、完全に新しいアーキテクチャを学ばなければならないでしょうか。
どのくらいシフトするか分かりませんが、いくらかシフトするでしょう。いくらかシフトすることを願っています。つまり、狂っているでしょう…
もっと興味深い。
ええ。まだ巨大な発見がなされるべきだと思います。つまり、最初にTransformerと呼ばれたものから、今私たちが使っているものを見ても、かなり違います。
しかし、私たちはまだはるかに、はるかに遠くまで行けると思います。ここでロードマップの終わりに近づいているとは感じません。
ええ、でもこれは間違いなく皆さんにとって挑戦です。だから、あなたはまだそこに到達していないかもしれないし、新しいアーキテクチャが地平線上にあるかもしれないということに同意しているようですね。そして、研究すべきことはまだたくさんあります。
そう思います。それが私の直感です。
ええ。だから、ええ、聞いている皆さん、これはあなたかもしれません。そして、適切なアイデアを見つければいいだけです。
ええ、完全に理にかなっています。そして、まあ、それに関する追加の質問があります。私はただ興味があります。これはおそらく誘導的な質問かもしれませんが、これらの種類の新しいAIアーキテクチャ、これらの新しいアイデアは、学界から出てくると思いますか、それともスマートな博士課程の学生たち、あるいは業界から出てくると思いますか、OpenAIやGoogleなど、この分野で働いているすべての人々、あるいはオープンソースコミュニティで働いているランダムな人でしょうか。
全く分かりませんが、それが好きです。予測することはできません…私の経験では、これがどこから来るかを予測することはできません。
それは、新しい方向に押し進める一人か非常に小さなグループの本当に才能のある人々が必要なだけです。そして、それは世界のどこでも、どんな種類のセットアップでも起こり得ます。
ええ、それは本当に良いメッセージだと思います。なぜなら、それは適切な背景を持つ必要がないことを意味するからです。
誰でも能力があり、賢く、献身的であれば、これらの素晴らしいアイデアを思いついて世界を変えることができる、ということですね。
はい。
ええ、それは重要なメッセージだと思います。
素晴らしい。だから、おそらく最後に聞きたい技術的なことは、皆さんがいつもあなたに聞く質問だと思いますが、エネルギーの問題です。人間の脳は、行うすべてのことに約20ワットのエネルギーを使います。20ワット、それだけです。
ML訓練は今日、20ワットよりも少し多く使うと思います。
これは公平な比較ではないと思います。まず第一に、冷却システムとすべてのバランスオブプラントを数えなければならないと思います。
だから、人間全体で100ワットで妥協しましょう。
しかし、あなたは人間の推論コストをMLシステムの訓練コストと比較しています。もし20年間の100ワットの引き出しであなたを訓練することと、さらに進化の外側のループと、あなたの脳を今の構造にするための進化的圧力にかかった人数について話したいなら、エネルギーの数字ははるかに似てき始めると思います。
確かに、GPT-4が訓練している間、それはあなたよりもはるかに多くの瞬間的なワットを使いましたが、それは…あなたがしたほど長く訓練しませんでした。そして、多くの情報がすでに文章で圧縮されていたと主張することができます。
だから、おそらく長い進化的ループを相殺できますが、それは何かです。
しかし、公平な比較は、例えば、GPT-4が生成したトークンあたりのワット対あなたが生成したトークンあたりのワットだと思います。そしてその数字はかなり似ていると思います。
今私たちが話している時のように…
ええ。
推論トークン対推論トークン。
それほど離れていないと思います。
興味深いですね。その数字を今すぐには知りませんが、私の直感は、ええ、大きく離れていない、という感じです。
だから、問題は本当に会計処理だと言っているんですね。比較を行うとき、実際には会計処理を行っていない。
ええ、あなたが十分に賢くなって、それほど多くのエネルギーを使わずに素早い答えを出せるようになるまでに20年かかりました。なぜなら、あなたは速くやるからです。しかし、それはあなたの…人間の推論をAI訓練と比較することはできません。推論対推論、訓練対訓練を比較しなければなりません。
その通り。はい、はい。それには完全に同意します。
しかし同時に、消費されるエネルギー量を削減するという問題は、素晴らしい研究のように聞こえます。
そして、私たちには時間をかけて、おそらくさらに100倍の改善の余地があると思います。
つまり、もしかしたら、エキゾチックな何かが機能すれば、もっとかもしれません、もっとかもしれません。
ええ、実際に、あなたがどう思うか興味があります。私たちの脳では、脳の片側にすべての重みを保存し、脳の反対側で計算を行うということはありません。私たちはストレージと計算を混ぜ合わせています。しかし、GPUでは、一方にメモリがあり、もう一方に計算があり、すべてのエネルギーが一方から他方へのデータ転送に使われています。だから、物事を改善する完全に新しいハードウェアアーキテクチャの余地があると思いますか。
もちろん。つまり、新しいハードウェア基板も。もし光コンピューティングを機能させることができれば、それは明らかに巨大なエネルギー節約になるでしょう。
しかし、ええ、その間に既存の技術で新しいアーキテクチャがおそらくあるでしょう。
ええ。
そしておそらく、よりエネルギー効率的なより良いアルゴリズムも。だから、今日の会話を通じて歩んできて、どれだけ多くの新しい…この分野にどれだけの未開拓の領域があるかを示すことができればと思います。
愚かなことでさえ。チップを液体窒素温度まで冷やす方法を解明できれば、巨大なエネルギー効率の向上があると思います。だから、私たちがトークンあたりの大規模なワット節約を見つけるだろうことに疑いはありません。
ええ、探求すべきことがたくさんあると思います。本当に難しい研究問題、重要なエンジニアリング問題。何であれ。
だから、私たちが言っていたように、私たちはまだこの変革の初期、始まりにいるだけです。探求すべき領域はおそらくたくさんあります。
これは素晴らしかったです。そして最後に、サム、あなたの豊富な経験を使っていただかずには行かせられません。
あなたはスタンフォードにいてから、かなりの旅をしてきました。だから、コンピュータサイエンスのキャリアの初期にいる人に、あなたの経験の一部を共有してもらい、どんなアドバイスをしますか。
まず第一に、これはおそらく、少なくとも私の生涯で、コンピュータサイエンスのキャリアの初期にいるのに最高の時期です。なんてクールで、影響力の大きい時期でしょう。
明らかに私はAIに焦点を当てるでしょう。
私にとって常にうまくいってきたのは、楽観的で興味深い何かに取り組んでいる、私が見つけられる最も賢い集団を見つけて、彼らの周りにたくさんいることです。それはおそらく、キャリアアドバイスの偶然の最良の発見でした。
スタンフォードは…スタンフォードの一部は、そのための本当に良い場所でした。
狂ったような、深い、輝かしい洞察は、明白なもの以外にはありません。興味深い問題に取り組み、賢い人々の周りにいて、あなたがしていることでどんどん上達するためにタイトなフィードバックループを実行しようとする。そして、それだけです。
学部生活を楽しんでください。私はスタンフォードでの学部生活を愛していました。それは人生の非常に特別な時期でした。
そして、私が覚えていることは…まあ、実際にはそうではありません。教室の外のことだったと言おうとしていました。しかし、教室の部分は最高の部分のいくつかでした。それはすべて本当に良かったです。
素晴らしい。なんて素晴らしい終わり方でしょう。サム、これは素晴らしかったです。私たちの学生、聴衆などに話す時間を作っていただき、本当にありがとうございました。
ええ、幸運を。
本当に楽しかったです。ありがとうございました。
もちろんです。そしてまたすぐにお会いできることを願っています。
コメント