本動画では、AI研究機関Epoch AIの研究者たちが、超知能の実現時期やAI産業の現状について包括的な分析を展開している。彼らは現在のAI投資が真のバブルではないという見解を示し、その根拠として実際の収益性とユーザーの支払い意欲を挙げる。数学問題の解決において5年以内に大きな突破口が開かれる可能性を指摘する一方、生物学や医学分野では物理的な実験が必要となるため進展は緩やかになると予測している。労働市場への影響に関しては、次の10年間で5%から10%の職が自動化される可能性があり、特に6ヶ月間で5%の失業率増加が起きた場合、政府の対応は劇的かつ迅速なものになるだろうと述べている。超知能の実現時期については2045年を一つの目標年として設定しつつ、AGI達成後は指数関数的な進展が予想されるため、その後の予測は極めて困難であるとしている。データセンターの大規模な建設計画についても詳細な調査結果を共有し、エネルギー供給は予想されるほどの障壁にはならないという見方を示している。
AIへの投資は本当に価値を生んでいるのか
人々はこれらのモデルに多額の資金を費やしています。おそらく彼らがそうするのは、そこから価値を得ているからでしょう。もちろん、ああ、でもその価値は本物じゃないと思う、人々はただ遊んでいるだけだ、とあなたは主張できるかもしれません。でも、何であれ、彼らはお金を払っているんです。それはかなり確かな兆候ですよ。
私たちはここで、バブルだとは思わないという便利な答えをほぼ提供していますね。なぜなら、まだ弾けていないからです。弾けたときに、それがバブルだったとわかるでしょう。人々はよく、ああAIはまだ利益を上げていない、そして彼らは利益を上げるためにもっと支出している、という主張をします。実際には、彼らは過去に行ったすべての開発コストをまもなく回収することになるでしょう。
ただ、彼らは将来のためにさらなる開発を行っているだけなんです。彼らはその支出を後悔するでしょうか。彼らはどれくらい支出しているのでしょうか。Nvidiaを見て、彼らが毎年どれだけ販売しているかを確認できますし、それが成長し続けているかどうか、そして物事が順調に進んでいるように見えるかどうかを確認できます。
数学はAIにとって異常なほど簡単なようです。正直に言いますと。人々はよく、これは直感的で深遠なものだと主張し、AIがそれを解決することはAIが何か巨大なレベルの知能を達成したことを意味すると言います。でも実際には、これは芸術作品を作るようなものだと思います。人々が推測していたよりも、能力ツリーのかなり下の方にあることが判明するんです。
私たちは何十年も前にチェスで同じような経験をしましたよね。コンピューターがチェスを非常によく解決し、誰もがこれを推論の頂点だと考えていました。そして結果として誰もが、ああそうだ、当然コンピューターはチェスができると結論づけたんです。
考えるべき興味深いシナリオは、次の10年間で20%の確率、30%の確率でこのようなことが起こる可能性があるということです。つまり、AIによって非常に短期間、たとえば6ヶ月で5%の失業率増加が起こるということです。これに対する公衆の反応が多くのことを決定するでしょう。
これが起こると、AIについて非常に非常に強い感情が生まれるでしょう。私たちが通常は人々が検討していると考えないようなことについて、何をすべきか非常に強いコンセンサスが生まれると思います。新型コロナウイルスでこれが起きたとき、数週間から数日という期間で数兆ドルの景気刺激策がまとめられたことを知っています。それは驚異的なスピードでした。
AIについてそれがどのようなものになるかはわかりませんが、AIにおける他のすべてのものと同じだと思います。指数関数的であり、人々がある程度気にかける段階から本当に気にかける段階まで、かなり速く通過するということです。私たちがどこに行き着くにせよ、1年前には想像もできなかったと考えられるような、ある種の確かなことが起こると期待しています。
マクロ経済とバブル論について
みなさん、マクロについて、あるいは私たちはバブルの中にいるのかという多くの議論がありますよね。この質問についてどう考えるべきでしょうか。後で予測について詳しく話しますが、まずこのような大きな一般的な質問にどうアプローチするか、最初の試みを話してもらえますか。
そうですね、少なくとも私にとっては、この問題について少し考えた方法は、大きな指標として人々が計算リソースのようなものにどれだけ支出しているかを見るということです。そしておそらく、彼らがその支出を後悔するかどうかという感覚も関連していますね。
彼らがどれだけ支出しているかについては、Nvidiaを見て、彼らが毎年どれだけ販売しているかを確認できます。それが成長し続けているかどうか、物事が順調に進んでいるように見えるかどうかを確認できます。彼らがそれを後悔するかどうかという側面については、実際に待って見なければならないですよね。
ほとんどの計算リソースは推論に費やされているようで、企業はこれまでのところ、製品を提供するために使用することを後悔していないようです。だから、その点では、私はまだそれほどバブルっぽくないと考えています。でも、自信はそれほどありません。考えるべき他のこともありますからね。
現在、企業が実際に利益として得ている金額は、モデルを最初に開発するコストを含めなければ、非常にポジティブなようです。もし彼らがより大きなモデルの開発をやめて、今持っているモデルに固執するなら、現在のマージンでかなり早く利益を上げていたでしょう。この意味では、バブルのようには見えません。
一方で、いつの時点でも彼らはさらに大規模なモデルの構築に投資しています。もしそれがうまくいけば、彼らはもっとお金を稼ぐでしょう。もしうまくいかなければ、今どれだけ利益を上げていても、それは彼らが費やしたであろう金額と比べると少額になるでしょう。
だから今のところ、実際にバブルがあるという財務上の兆候はないと思います。バブルを心配している多くの人々は、必ずしもこのレベルの支出に慣れていないだけで、スケーリングで起こった成功のレベルにも慣れていないんです。
でも、もしバブルがあるなら、それは非常に突然起こり、かなり悪いものになる可能性があります。そうですね、私たちはここで、バブルだとは思わないという便利な答えをほぼ提供していますね。なぜなら、まだ弾けていないからです。弾けたときに、それがバブルだったとわかるでしょう。
そうですね。でも、すべての支出があり、現在の成功レベルが、人々がよく主張するようなことにならない世界を想像することはできると思います。ああAIはまだ利益を上げていない、そして彼らは利益を上げるためにもっと支出しているが、今のところ何も作っていない、と。
でも実際には、彼らは過去に行ったすべての開発コストをまもなく回収することになります。ただ、彼らは将来のためにさらなる開発を行っているだけなんです。だから、もし明らかなバブルがあるなら期待しないような、根底にある財務的成功がこれまでのところあると思います。
そうですね、それは非常に関連性があるように思えます。人々はこれらのモデルに多額の支出をしています。ユーザーがそれらを使用するために支出しています。おそらく彼らがそうするのは、そこから価値を得ているからでしょう。もちろん、ああ、でもその価値は本物じゃないと思う、人々はただ遊んでいるだけだ、とあなたは主張できるかもしれません。でも、何であれ、彼らはお金を払っているんです。それはかなり確かな兆候ですよ。
モデルの能力向上とプレトレーニングの現状
これに関連して一つ簡単な質問があります。2030年のAIについてのレポートで話されていましたが、基本的にこれらのモデルが頭打ちになっているという兆候は見られないとのことでしたね。能力は増加し続けており、ベンチマークもあり、データの量も増えており、計算リソースの量も増えていると。でも、モデルの段階や部分が頭打ちになっていると思いますか。たとえばプレトレーニングはどうでしょうか。その部分で何らかの頭打ちが見られますか、それとも人々はまだその段階で何らかのイノベーションを探求していると思いますか。それについてどう考えるか興味があります。
そうですね、これは少し見極めが難しくなってきます。多くを語るための公開データがそれほどない領域に入っていくからです。プレトレーニングは以前ほど焦点ではないように見えます。部分的には、ポストトレーニングという、彼らが推論などについて多くのことを行ってきた新しい、まあ比較的新しい方向性があるからです。
でも、だからといって、ああ違う、つまりプレトレーニングをさらにスケールできないということの証拠だとは必ずしも受け取りません。外には意味のあるほど多くのデータがあるようです。おそらく、この多くのことはかなり相乗的です。より良いモデルを開発します。ポストトレーニングを使ってそれをさらに良くします。モデルが実際に使用されて成功したか否かのデータを大量に得ます。その多くはおそらく次回のプレトレーニングに組み込むことができるでしょう。
あなた方は、AI研究を自動化できるAIによるソフトウェアのみの特異点を予測していません。なぜなら自動化されたフィードバックループがあるからです。なぜでしょうか。
そうですね、私はこれに答えるかもしれませんし、もっと詳しく話します。私にとっては、そのレポートは一人の人間の、ああこれが予測だ、これが予想だというものではないんです。そのレポートは非常に具体的に、現在のトレンドは何か、それらが明らかに続けられない理由や続かない理由があるか、もし続いたらどこに導かれるかを見ているんです。
この自己改善のようなものが見られるかどうか、それはトレンド外挿の基礎からやるのは非常に難しいですよね。現在、AIのものはデータセットの選択やそれらの作成など、コーディングなどの面で少なくとも少しはAIの研究開発を助けています。でも、実際に測定するのはかなり難しく、この種の自己改善が示唆するような大きな方法では実際には役立っていません。
それが非常に困難である可能性がある理由があります。以前、人々は、物事が本当に計算リソースのスケールアップに大きく依存するなら、おそらく研究開発の多くを自動化することはそれほど役立たないかもしれないと議論してきました。私はそれをある程度説得力があると思いますが、かなり不確実でもあると思います。そのようなレジームから外れたものについて推測するのはかなり難しいです。
ソフトウェアのみの特異点の可能性
ソフトウェアのみの特異点が起こるために必要なことの一つは、研究開発時間の量をスケールアップすることが基本的に、実験的な計算リソースやプレトレーニングをスケールできないことを補うほどAIを改善できる世界にいる必要があるということです。
もしこれが事実なら見られると予想されることの一つは、実際にはそれほど多くの実験的な計算リソースが使用されず、代わりにすべての資金が研究者に向けられるということだと思います。研究者に向けられている非常に大量の資金があるという非常に良い事例があります。でも、私たちが知る限り、研究を行うために必要と思われる実験的な計算リソースも同様の金額を受け取っており、実際には実際にリリースされているモデルの最終的なトレーニング実行の何倍もの資金を受け取っています。
私の心では、これは、ああ実際にはこれが必要なんだ、より多くの実験を行うために非常に大規模な実験を行う必要があるんだ、という強い更新です。そして、研究者だけ、ただの研究者だけでは、より多くの実験を行わずに物事をスピードアップできるという良い証拠は実際にはないということです。
しかしながら、実際には、この両側にかなり良い議論があります。私は、いや、実際にはより多くの実験を行う必要があり、それはソフトウェアのみの特異点を得ることができないことを意味すると考える方に傾いています。でも、反対の主張をする人々がおかしいとは思いません。彼らは非常に合理的な違いを持っていると思いますし、私たちは両方とも、現在データがかなり少ないものについて推測しているんです。
実際にそれに関連して、もしあなたが研究者が試みている探求のいくつかを持っているなら、明らかに人々は検証可能なドメインを超えて進もうと強化学習で多くの探求を行っています。たとえば、勾配降下法は現在与えているデータセット上の学習に本当に優れているという議論についてどう思いますか。もしこれを何度も何度もトレーニングし続けたら、以前に訓練されたことを忘れ始めるでしょう。つまり破滅的な忘却ですよね。
そしてこういう議論があります。まあ、子どもたちはそうやって学ばない、あるいは子どもたちが行うかもしれない模倣学習があるかもしれない、彼らが行う何らかの探求があるかもしれない、とあなたはどう思いますか。
AIと人間の学習の比較
もしそれが正しくて、子どもたちが本当に模倣学習だけで学ぶなら、親は子どもを育てるのに素晴らしい時間を過ごすだろうと思います。でも親が子育てにそんなに苦労する理由は、子どもたちがこれらすべての異なることを探求するからのようです。データと計算リソースを超えて、これらのモデルを何度も何度も改善し続けるために必要なアルゴリズムや事柄について、どう思いますか。
私は、AIがどのように学ぶかと人間がどのように学ぶかを比較することには慎重です。それらが比較できないと思うからではなく、人間がどのように学ぶかよりも、今のところAIがどのように学ぶかについてずっと多くのことを知っていると思うからです。
人々は人間の学習がどのように機能するかについて仮定を立て、ああAIはそのようにはやらない、と言うのが好きです。まあ、それが真実かもしれません。子どもたちは強化学習を通じて学ぶかもしれません。私はそれについて強い意見を持っていません。
今、私たちが子どもたちがやっていると考えるような方法により近い方法に変更する必要があるかどうかについては、強い意見を持っていないと思います。私は、人々は利用可能な計算リソースを使用するために機能する何らかの方法を見つけるだろうと疑っています。なぜなら彼らは過去にこれができてきたからです。
私もまた少し躊躇しています。破滅的な忘却の例のように特定の問題を指摘するとき、まあいいけど、でもスケールアップしてきた中で、私たちはますます多くのことを記憶するモデルを持つことにかなりうまくできてきました。
これは問題が解決された、だから終わった、だからこれ以上のイノベーションは必要ない、といったことを言っているわけではありません。でも、正確に書き捨てるつもりもありません。
そうですね、人々が持っているこれらの懸念から、能力の減速は全く見られていないと確かに思います。人々は常にこの種の懸念を持っています。私は、それが実際にグラフで見られる数字に現れるまで、それらの特定のものを信じることには消極的です。それはまだ起こっていないと思います。
AI企業の予測とタイムライン
Anthropicのダリオは、2025年3月に、6ヶ月以内にAIがコードの90%を書くようになるだろうと言いました。もちろん、それはまだ起こっていません。彼はまた、2026年か2027年には早くも、データセンターに国全体の天才たちに相当するAIシステムを持つことができるとも言いました。Anthropicがなぜそれほど強気なのか、あるいは彼らが信じていることとあなた方が信じていることの違いの核心は何だと思いますか、どう評価しますか。
少なくとも私のモデルは、これが正しいかどうかわかりませんが、彼らはR&Dを自動化すると信じている人々のようにもう少し考えているということです。それが非常に速いテイクオフをもたらすと。彼らは、そうだ、私たちは研究や工学タイプのコーディングに優れたこれらのAIに取り組んでいて、ある時点でそれらが役立つようになり、それが次のものを開発するために私たちを急速に加速させ、そうすると速い進歩になる、と見ているんです。
そうですね、彼らのこのソフトウェアのみのテイクオフのような見解が間違っているという証拠をどの程度得たかを判断するのは難しいと思います。AIがそこに到達するための最低限の能力レベルに到達するのに少し時間がかかるというのは確かにそうですが、私たちがこれについて実際に重要な更新を得たかどうかを判断するのは難しいです。
ダリオはよく、早ければとか何かそういったことを言って、彼が言うことを条件付けていると知っています。だからこれは、彼が示すより速いタイムラインかもしれません。ただ、私は確信がありません。
そうですね、人々がコードの何行がAIによって生成されているかを注意深く見て、ダリオの言ったことと、Anthropicの一部のチームで生成されるコードの行数のどれだけがClaude Codeによって生成されているかについての他の人々の議論の言葉遣いを比較する、タルムード的な解説もあったと思います。だから少し難しくなります。
Upliftペーパーを覚えています。実際にモデルが遅くなると主張していたものです。でも、彼らがその時点で使用していたモデルが何だったかが大いに重要だったと思います。なぜなら、レポートが出た時点ではかなり時代遅れだったと思うからです。
私の個人的な経験では、確実にはるかに速くなりますし、あなたのために本当に多くのことをしてくれます。コードベース全体のコンテキストを持っているだけで、それは人間にとっては本当に難しいであろう巨大な利点です。
私が最近書くコードの90%以上はAIによって書かれています。でも、私は平均的なコーダーとは全く違うことは知っています。でも確かに、コードの90%がAIによって書かれるようになるというのは、この時点では途方もない予測だとは思いません。
OpenAIのどこかに、Alpha Codeで進化的アルゴリズムを使って、何百万回も試行を重ねて、難しい問題を百万ショットしようとしている人がいるかもしれませんし。実際にどれだけの行のコードがAIによって書かれているかは本当に不明確です。
私はそれがそれほど途方もないとは思いません。多くの人々の直感的な感覚の観点からは、ああプログラマーの仕事の90%がAIによって行われているかというと、確実にそうではありません。でも、どれだけがAIによって書かれているかというより複雑な意味では、おそらく90%ではないですが、判断するのは難しいです。
そうですね、それは非常に意味のある区別だと思います。タブ補完によって何行のコードが書かれているかを測定するなら、おそらくかなり高いでしょう。でも、それがプログラマーの本当に難しい仕事の多くを引き受けているとは必ずしも期待しません。
あなたが言及したUpliftペーパーは、本当に興味深く、本当に良いものだと思いますし、驚くほど最近のものでもあります。モデルが時代遅れだと言いましたが、これは2025年初めのことでしたから、これらは人々が実際に役立っていると思っていたモデルでした。
論文では、事前にこれがどれだけあなたをスピードアップすると思うかと彼らに尋ねました。彼らは、ええ、これくらいだと思うと言いました。その後、これがどれだけあなたをスピードアップしたと思うかと尋ねると、彼らは、ええ、ええ、スピードアップしたと言いました。
これは実際に、私たちが加速されたかどうかを判断するのが難しい可能性があることを明らかにしていると思います。
AIによるコード生成の実態
ここで起こっているかもしれないことの一つは、AIによって書かれているコードの多くが、そうでなければ書かれなかったであろうコードだということです。だから、通常起こるであろうことを実際にスピードアップしているわけではありません。
でも、そうでなければ書かれなかったかもしれない、多くの簡単なグラフやシミュレーションを実行します。だから、ここで正確に何が起こっているのか、影響の観点から判断するのは難しいです。
結局のところ、ここでの最も信頼できる指標は、これらの人々がプログラマーから、そして一般的にサブスクリプションからどれだけの金額を稼いでいるかということになると思います。そして、それは多額の金額です。人々が確実にそれらの使用法を見つけているという兆候があり、おそらくその使用法のかなりの量はコーディングのためですが、既存のコーダーの仕事の90%を行うという指標には正確には当てはまりません。
バイオロジーでは、最近多用されているフレーズがあります。AIはエンドツーエンドではなく、ミドルツーミドルだということです。これは、私たちが必要とするであろう人間の関与が、一部の人々が通常考えるよりもはるかに多いことを意味するとされています。
次の10年間、たとえば労働市場に対してAIが何をすると思うか、下位層と上位層の両方で、あなたの心的モデルは何ですか。
次の10年間では、上位層では確実に新しい仕事が作られると予想しています。誰もがまだインフルエンサーになれるかもしれませんが、上位層では、この時点でAIが自動化できないことが非常に明白な個別のものはあまりありません。
まあ、いくつかの未知のものがあると主張できますし、それはかなり合理的だと思いますが、そういった未知のものは、AIが限界に直面してそれが何であるかを私たちが理解し、それからそれを学んで超えることがあります。上位層では、肉体労働を必要とする仕事や、人々が実際に人間によって行われることを気にかける仕事を除いて、基本的に既存の仕事のすべてを自動化できる可能性が確実にあります。
それが起こることは全く信じられないことではありません。あるいは、それが非常に速く起こる可能性があります。ただし、それが起こった場合、おそらく何らかの規制的な反発があるでしょうという注意書きがあります。
下位層では、バブルかもしれず、何の影響もないかもしれません。私が話す興味深いシナリオは、私が知らない、20%の確率、30%の確率で次の10年間にこのようなことが起こる可能性があるということです。つまり、AIがリリースされることによって、6ヶ月のような非常に短期間で5%の失業率増加があるということです。
これは、人々がAIについてどう考えるか、そしてどれだけ注目を集めるかの両方の観点から、世界に非常に大きな影響を与えると思います。起こり得るようですが、保証されているとは程遠いです。
そうですね、私は非常に不確実であることに強く同意します。この世代が、まさに私たちが進歩を使い果たすところになる可能性は非常に高いようです。それはちょっとおかしいでしょうが、起こり得ます。
そうすると、すべては技術者がすでに人々が行っている既存の仕事のために、役立つけれどもぎこちないことをするためにそれを統合しようとする、より多くの仕事を生み出すことになります。
本当にクレイジーな暴走的なことになり、リモートワークの大部分を本当に自動化できるようなものは。私のタイムラインは、他の人たちよりもおそらく少し長いと思いますが、まあ、10年間で本当に大きなことが起こらないとしたら驚くでしょう。10年というのはかなり長い時間です。
労働市場への影響予測
次の10年間で、現在存在する仕事の5%がAIによって自動化されていなかったら、私は驚くでしょう。正直に言うと、10%でなかったら驚きます。現在存在する仕事の10%だと思います。
それがどれだけ速く起こるか、そしてそれらの人々が他の仕事を見つける程度について、私はどちらの方向にも説得力のある証拠を見たとは思いません。そしておそらく、様々なことがどれだけ速く進むか、そして正確にどの仕事が自動化されるかに依存します。
次の10年間で現在の仕事の10%は、かなり合理的な下限だと思います。正確に私の下限ではありませんが、かなり合理的な数字です。でも、これは全体的な雇用数には現れないかもしれません。
そうですね、これは興味深いです。この種のことについての主流の経済学の見解がある程度存在するなら、おそらく自動化は職業のレベルではなくタスクのレベルで起こるということでしょう。そして結果として職業はかなり減少する可能性がありますが、多くの場合、多くの仕事にわたって類似したタスクを自動化しているんです。
これはあなたが言っていることと互換性があると思います。ただ、いくつかの仕事はそれによって本当に打撃を受けるということです。仕事が存在しなくなることの歴史的な基本率さえ何なのか、よくわかりません。これについて問題があることは知っています。歴史的な雇用データシリーズには。仕事内のタスクが変化する、仕事自体が変化する、仕事が消えたり現れたりするという、かなり高い基本率が実際にあると信じています。
だから、この5%のことさえ、どう考えたらいいのかわかりません。それは大きな効果になるでしょう、あるいは何というか。実際、それはソフトウェアのようなものからすでに見られた効果の規模とほぼ同じです。ソフトウェアが存在する前に存在していた仕事の約5%がもはや存在しないと思います。それはかなり合理的です。でも、私はこれに自信がありません。
特に収益トレンドが続けば、1年か2年、おそらく1年以内にこれについてもっと多くのことを知るようになると期待しています。なぜなら、AIが経済の実質的な部分となるほど十分な収益を上げているという場合になるからです。もしそれが失業率に現れていなければ、それが何をしているかについて何かを学んだことになります。失業率に現れずにこれができることを学んだのか、あるいは失業率に現れるかもしれず、正確に何が起きているかを見ることになります。
これを見る初期の作業がいくつかありました。これを調べることを複雑にする多くのことがあります。金利もあなたが気にするかもしれない種類のことに影響を及ぼすからです。通常の離職もあります。あるいは、テクノロジー企業が、データセンターを建設するための資本を持つために、多くのプログラマーを解雇するかもしれません。そして、それらのプログラマーはAIのために解雇されているのでしょうか。わかりません。
若者へのキャリアアドバイス
もしあなたに大学1年生の子どもがいて、彼らが、ねえ、素晴らしいキャリアを持ちたいなら何を専攻すべきか、と尋ねてきたら。コンピューターサイエンスや数学、あるいはプロンプトエンジニアについて尋ねてきたら。
はい、まさに。そうですね。何と言いますか。プロンプトエンジニアとは言わないでしょうね。一般的に、人々はAIを使うのがうまくなります。AIは使いやすいです。そうですね。そうですね。良い質問だと思います。
彼らがプログラミングを専攻すべきなら、探すべきものは、プログラミング言語を知っているような人になることではありません。役立つスキルはより汎用的なスキル、他の人々と一緒に働く能力、コミュニケーションスキル、この種のことになるでしょう。
これが特定の専攻を指し示すかどうかは本当にわかりません。ほとんどの専攻は、おそらくあなたの仕事に実際に関連する専攻ではありません。
まあ、超クレイジーな未来を計画するためにできることはあまりないでしょう。だから、情熱を持っていて世界で役立つ何かを選べばいいと思います。でも、その方向で狂ったようにはならないでください。
実際に、コンピューターサイエンスや数学は、もしあなたがそれらに情熱を持っているなら、非常に良いと思います。なぜなら、多くの世界で価値のある興味深いことを学ぶからです。
でも、最近若い親戚にアドバイスをしましたが、彼らは代わりに演劇を勉強することを選びました。だから、大学でより良い時間を過ごすことができれば、それはあなたの人生の4年間をより良く過ごしたということだと思います。結局のところ、どちらが実際に将来より良い時間を与えるかは運任せです。現在のために計画する方がはるかに簡単です。
コンピューター使用の現状と課題
確かに、何を知ればいいのか本当に難しくなっていますよね。2年前、誰もがプロンプトエンジニアが何らかの実行可能なものだと信じていたので、明らかに冗談でしたが、明らかにモデルは素晴らしいプロンプターになることに驚異的に優れています。
だから明らかに、それは起こっていることの一種です。これらのモデルが良くなり続けるにつれて、何が起こっているかを予測するのは本当に難しいです。
これに関連して一つ質問があります。明らかにコードはそのような大きな市場であり、そのような大きな影響を与えてきました。私が非常に興奮しているが、まだはるかに初期だと思うものの一つは、コンピューター使用です。基本的にあなたがコンピューター上で行っているすべてのデジタルタスクを自動化することです。
これについては、Web ArenaやWorld、そしてあなたがレポートで少し話しているベンチマークなど、非常に少数のベンチマークがあります。この分野で何が欠けていると思いますか。たとえば、Sonnet 3.5が出たとき、Claude CodeやCodexで、コーディング全般で大幅な改善を見たような瞬間を、コンピューター使用ではまだ迎えていないのはなぜだと思いますか。
興味深いですね。コンピューター使用には確かに改善がありました。これはおそらく少し危険を冒していますが、モデルがその視覚能力によって少し人為的に制限されていると思います。
GUIで物事をやらせようとすると、モデルがそれを操作することについて少し混乱するというパターンが一般的に見られます。これはあなたの一般的な傾向、つまり長い難しいコーディング問題で混乱するような傾向と相互作用していますが、物事を振り返って見て、ああ間違っていたと簡単に見ることができないために悪化しています。
代わりに、ただこれを何度も何度もクリックするだけのようなひどい行き止まりに進んでしまいます。だから、それが一部だと思います。
おそらくある程度、長いコンテキストの一貫性のようなものについてもあると思います。GUIを表現するためのトークンはかなり大きく、それから以前に起こったこのすべてのものがあったというようなことでコンテキストウィンドウを埋めていきます。そして、ますます意味のない出力のスパイラルに陥るようです。
だから、これらが2つの大きなことだと感じていますが、あなたの質問に答えているかどうかわかりません。
私はコンピューター使用が実際に役立つと感じた最初の年を見つけました。私たちは、データセンター研究でChatGPTエージェントを使用しています。なぜなら、私たちがしなければならないことの多くは、許可証を見つけることで、それらはすべて、テキサス州アビリーンがある郡の大気許可証のための、郡ごとのぎこちないデータベースにあるからです。
米国のすべての郡にどんなデータベースが存在するかわかりません。ChatGPTは通常のChatGPTはそれらを検索できません。なぜなら、これらは実際のユーザーインターフェースだからです。URLで検索することはできません。なぜなら、それらは確実にそれほどうまく機能しないからです。
そしてそれはこれをナビゲートすることができるので、特定の都市のデータセンターの許可証を見つけるよう頼むことができ、大気汚染許可証や税制優遇文書など、私が多くのことを学ぶことができるすべてのものを持って戻ってきます。
そしてこれは、過去1年間ほどで見られたコンピューター使用の改善のおかげです。私は興奮しています。そこからただ良くなっていくだけだと思いますが、実際に役立つようになってきた点に到達し始めていることは確かに見つけました。
経済成長とAGIの影響
生産性、あるいは経済統計全般に何が起こると思うか、より広くあなたの心的モデルは何ですか。GDPの成長率は5%になると言う人もいます。それはタイラー・コーエンの見解だと思います。
いや、10%成長まで、あるいは私たちが理解しているようなAGIを本当に持つなら、もっと高くなるかもしれないと言う人もいます。生産性に何が起こるかについてのあなたのモデルは何ですか。
私の基本的な推測は、収益がこれまでのように成長し続けるとしたら、理論的には、それにそれだけ費やす価値があるためには、それらのチップに推論をさせるために、それらのチップから似たような価値を得るべきだということです。だから、そこから2030年まで外挿できます。
レポートには載っていましたが、私は計算しましたが、数パーセントのGDP増加のオーダーだったと思います。それは数年後のことですよね。それはAGIを前提としていません。それは、Nvidiaの収益が以前のように成長し続け、以前と同じくらいの計算リソースをそれから作ると仮定した場合です。
もし実際に何か、AGIのようなものを得たら、人々はそれを様々なことを意味するために使いますが、人間ができるあらゆるタスクを遠隔で行うことができる何かを実際に得たとしたら、おそらく多くの成長を見るでしょう。正確にどのような遅れが見られるかを推測するのは難しいように感じます。
ああ、人々は物事を採用するのが遅いかもしれない、どうやってそれを信頼することを学ぶか、という理由があると思います。人々はすでにこれらの技術を使っているので、その多くは実際にほとんどの成長よりも速いかもしれないと考える他の理由があります。実際、LLMの採用は以前の多くの技術よりも速くなっています。
だから、その時点ではモデル化が難しくなると思います。私たちのサイトで、もし仮想労働力を2倍にしたら、10倍にしたらどうなるか、といった大まかな数字がありました。そうするとこれらのクレイジーなGDPブーストが見られます。それが最も合理的な考え方かどうかはわかりません。
多くはあなたが想像するかどうかに依存すると思います。本当にすべてができる何かを得るのか、最初に意味のある部分のリモートタスクができるが、おそらくそれらの全体のバケットはできない何かを得て、それからもっとボトルネックになるのか、という。
だから、現在のトレンドについての私の最良の推測は、この非常に明確に定義された、2030年にGDPの数パーセントというもので、それはすでに経済基準ではかなりクレイジーです。
でも、それからもっと先に行くと、神様、私の予測はさらにクレイジーになるでしょう。私は躊躇してそれらを作ります。
私は少し躊躇が少なくなるつもりです。そしていくつかの主張をします。それが私たちがここにいる理由ですから。
AGI実現後の世界
次の10年間で、人間ができるあらゆるリモートの仕事を人間と同じくらいうまくできるAIを得ると仮定すると、30%のGDP成長は合理的なものの下限のように思えます。
これはあなたが得るという大きな仮定で、多くの人々がその仮定に多くのことが起こっていますが、それが起こると仮定すると、30%のGDP成長を得るか、あるいは皆が死んで-100%のGDP成長を得るかのどちらかだと思います。
結局のところ、スケールできるAIを持つことになるように思えます。でもそこでスケールできるAIを持つなら、おそらくさらにスケールできるAIを持つことができるでしょう。そして今のところ、私が見てきた、もしこの種の完全な置き換えを得た場合、仕事を自動化できる場合に何が起こるかという経済モデルは、この種の非常に速い激しいテイクオフを示すか、あるいはAIがGPT-3と同じくらい有能であると仮定している、というようなことを言おうとする人々がいて、何段落か見ていくとそうなっています。
より小さな数字は、より短期の予測か、次の10年間で見られるかもしれない能力の上限を見ていない予測だと思います。
実際に、人間ができるあらゆるものを文字通りできる仮想労働力の供給を持ち、それがクレイジーなことにつながらない世界を想像するのは難しいように思えます。私は確かにそれには同意します。おそらく何らかの厳しい規制状況かもしれませんが、そうですね、その後で物事がクレイジーにならない世界は存在すると思います。
それらの世界は無期限に安定した状態にはないように思えますが、不可能ではありません。でも、デフォルトはあなたがクレイジーに上がるか、クレイジーに下がるかのどちらかで、AIが人間ができるあらゆる仕事を人間と同じくらいうまくできる世界に到達すれば、おそらくそれら2つのうちの1つになるでしょう。
人々が、デフォルトケースは超ばかげた変化ではないべきだと主張するのは、私には途方もないことに思えます。あなたのAIができることはたくさんあり、それは根本的に経済を一方向または別の方向に変えたはずのように思えます。
多くの不一致についての私の直感は。おそらくその一部は人々がすでに持っているキャッシュされた信念に帰着しますが、人々がああAGI、リモートの仕事ができるAIについて話すとき、同じことを話しているように感じていても、おそらく時にはそうではないということもあると思います。
ああAGIは、リモートの仕事ができるAI、と言って、それからそれができないことについて議論する会話の例が確かにありました。そしてそれができないことは、まあ違う、それもリモートの仕事だ、それは現在人々が行っている種類のことだ、というようなことです。だから、この一部があると思います。
ベンチマークの進化と評価
レポートでベンチマークについて話していますが、2027年、2028年に、経済成長以上に、モデル上の能力、モデル上の知能を測定する正しいベンチマークは何になると思いますか。
2012年にAlexNetがありましたが、それはずっと前に解決されました。でも、それはおそらくどんな意味でもAGIの測定ではなかったでしょう。
現在持っているベンチマーク、たとえばSWE-bench、MMLUでも同じことが起こると思いますか。それらのベンチマークで最大に達したとしましょう。その後に来るものは何ですか。それをどう測定すると思いますか。これらのモデルによるGDP成長のようなものでしょうか。科学における突破口のようなものでしょうか。今後の正しい測定方法をどう考えますか。
そうですね、私たちが持っているもののほとんどは解決される可能性が高く、実際にあなたが挙げた例はかなり近づいています。MMLUは基本的に解決されています。SWE-benchは、質問の一部がどれだけ曖昧かに少し依存しますが、おそらく近いです。いくつかの詳細がありますが、本当にそこに到達しています。
いくつかの方向は明白だと思います。同じようなことをするけれども、より難しく、少し良くして、もっとリアリスティックにしようとします。人々はこれをやっています。
人々が、たとえばより大きなタスクをカバーするソフトウェアベンチマークをより難しくして、それらをキュレートしようとより努力してきました。
おそらく関与する予算についてのある種の質問もあると思います。明らかに、単にお金を燃やすだけでは本質的にベンチマークを良くしないですが、おそらく平均してより多くのリソースを捧げなければならない何かが見られるでしょう。
もしより高いレベルの能力をより高い証明基準で証明しようとしているなら、おそらくそれらを開発するのにより多くの努力を伴うでしょう。
でも、比較的小さな数の、非常に印象的なものの例も見られると思います。それらも価値のあるシグナルです。たとえば、LLMがああそうだこのコードベース全体をリファクタリングして、本当に役立ったというようなことができるのを見たとき、これは役立つでしょう。たとえそれがまだベンチマークに形式化されていなくても、もし自分でそれを見たなら、証拠としてある種役立つでしょう。
そしておそらく人々は、これらのようなことをカバーするベンチマークを作って、それらを体系化しようとするでしょう。
数学、生物学、そしてAGIのタイムライン
タイムラインについての質問に戻りたいと思います。いくつかの異なるマイルストーンについてあなたの見解を聞きたいと思います。まず最初は、AIによって未解決の主要な数学問題が解決されるおおよそのタイムラインは何でしょうか。
ああ、実際に疑問に思っていました。あなたが私たちに見るように言ったこれらのいくつかがあったからです。あなたが言うとき、それが解決するというとき、これは完全に無支援ですか、それとも誰かがツイートしたりニュースレポートがあったりするような種類のものですか、ねえGPTにこれを投げ込んだらそれが解決した、そして何が主要とカウントされますか。
私たちが皆同意するような実質的なものです。単なる逸話的な、それを記述する人ではありません。でもそれは自分で解決しなければなりませんか。
そうですね、それでいきましょう。確かに。はい。正直に。ああそうですね。なぜなら、すでにLLMが役立っているように見えるケースがあるからです。
そうですね、人々は少し議論していますが、信頼できるように見える数学者は、わあこれを使ったら自分の証明の間本当に役立った、と言っています。
AIが、次の5年間でリーマン予想のような主要な未解決の数学問題や同様のものを解決しても、私は驚かないでしょう。それが私の中央値ケースだとは必ずしも言いませんが、確かに驚かないでしょう。
今のところ、数学はAIにとってそれほど難しく見えません。いくつかのことは難しいことが判明し、いくつかのことはそうではありません。数学は、RLがかなりうまく機能するように見え、ほとんどの他のドメインでは、数学に対してと同じ程度に正教授に役立つポイントには達していない、あるいは数学に対して非常に近づいているドメインの一つです。
そしてまた、それが持っている特定の能力が実際に非常に非常に役立つことが判明する程度は非常に不明確です。おそらく、結合されると何らかの大きな予想を解決する曖昧な結果を持つ、そこにある4つの論文があるということが判明するかもしれません。それは、人間が理解するよりもAIで理解する方がはるかに実現可能である可能性がある種類のものです。あるいは同様の何か。ここには多くの不確実性がありますが、単にAIが実際に苦労するようなものには見えません。
人々はよく、これは直感的で深遠なもので、AIがそれを解決することはAIが何か巨大なレベルの知能を達成したことを意味すると主張します。でも実際には、これは芸術作品を作るようなものだと思います。AIは他の多くのことができる前に、それができることが判明しました。何ヶ月以上にわたって物事を覚えることができるようになる前に、あるいは何であれ。
それは人々が推測していたかもしれないよりも、能力ツリーのかなり下の方にあることが判明します。
そうですね、私も強気だと思いますが。本当に良い予測を得ることを望むなら、それをかなりよく定義する必要があるというのは、それらのことの一つだと思います。
私は知りません、私たちは数学をベンチマーキングするという経験をしてきました。数学者に、あなたが話しているような問題ほど難しくないと思う問題を考え出してもらいました。それにもかかわらず、彼らは、もしAIがこれを解決できたら、それはAIの進歩にとって大きなことになるだろう、それは私にとって何かを意味するだろう、と言っています。
そしてAIはそれらを解決しました。通常、彼らの反応は、ああそれは私を少し更新するが、見ると、ああこれをブルートフォースできる、これをごまかすことができる、通過できる、と気づくというようなものでした。
私たちが何らかの大きいと考える問題があり、それをああ解決したというようなものだったらどうなるでしょうか。私たちは何十年も前にチェスで同じような経験をしましたよね。コンピューターがチェスを非常によく解決し、誰もがこれを推論の頂点だと考えていました。そして彼らが解決すると、結果として誰もが、ああそうだ、当然コンピューターはチェスができると結論づけました。
だから、わかりません。数学はAIにとってかなり良いものだと疑っています。次の数年間で、ああ確実にAIはミレニアム懸賞問題のいくつかを解決するだろう、と断言することには消極的ですが、次の数年間でかなり印象的に見えることを解決しても全く驚かないでしょう。
生物学や医学における突破口はどうでしょうか。私たちはすでに、何て言ったかな、AlphaFoldでその一部を見てきました。
数学はAIにとって異常なほど簡単なようです。正直に言いますと。だから、ああそれが独自で、人間に大きく見えるこの巨大なことをしたというようなまったく同じレベルのことをするかどうかという程度で言うと、それは私にとってはるかに大きなストレッチのように思えます。
確実に起こり得ますが、そこには多くの他の懸念があります。実験を行ってデータを得て、数学では全く起こる必要のない方法で現実世界と相互作用する必要があります。
特に、そうですね、実際にはもっと先のように思えます。私にとってもっと起こりそうに思えるのは、生物学や化学、あるいは何か役立つような何かの側面でAIを使う何らかのツールが遍在するようになるのを見るということです。特定の側面が強化されるというようなことです。
AIが人間なしで信じられない進歩を遂げることも可能ですが、それはより難しいです。
そうですね、再びあなたがどこに線を引くかが少し難しいと思います。つまり、AlphaFoldのようなツールをカウントしていないと思います。なぜなら、もしそうなら、おそらくそれを主張するでしょうよね。発明者たちはノーベル賞を共同受賞しました。
でも、生物学には異なる方向性があると思います。AIがこのような特定のことを予測できるようになるかもしれません。あるいは、より汎用的な何か、いわゆる共同科学者のようなアプローチがあるかもしれません。それは、ああ文献を見て良いアイデアを持つことができた、というようなことについてもっとであり、人間の関与の異なる程度があります。
印象的なことが起こっているいくつかの結果がすでにあるように思えます。私は、ああ本当にこれはあなたが探している印象的さのレベルをすでに満たしているとカウントされるだろうか、というような感覚を持つために、それらを十分に吟味していません。
意味のあることを見つけることは、もしまだ起こっていないなら、かなりすぐに起こるだろうと何となく思います。でも、おそらく疑問があります。いいけど、それは実際に人間の研究者と同じくらいうまく、取り組むべき最良のいくつかを優先しているだろうか、という。
これらの共同科学者の結果のほとんどは、おそらくかなり関与する人間が優先していたと思います。ただ、再び私は十分に見ていないので断言できません。
超知能実現のタイムライン
最後に、本当の超知能について、あなたの超知能の定義についてはどうでしょうか。
私は記録に残っていると思います。私が議論したモーダルタイムライン、ごめんなさい、私が議論したモーダルタイムライン、そうですね、モーダルだと思います。それは私の中央値があるところよりも早い側にあるかもしれませんが、2045年です。それは、私がDwarkeshとポッドキャストをしたときに、私たちの予測が崩壊し、すべてがバナナになる、という私が使ってきた用語を議論したところです。
そしてそれは超知能のように見えます。もし近い将来、人間ができるすべての仕事を、人間がその仕事をできるのと同じくらいうまくできるAIを得たなら、これはスケーリングが物事をはるかにはるかに良くするために機能することを意味し、おそらく人間ができることをはるかに良くできるAIを得るためには、ほんの少しのスケーリングが足りないだけだということを意味します。
それは予測が難しくなります。そして、適切にモデル化できるものから少し切り離される予測になると思います。私の、あなたが知っている、私の推測、判断的予測という派手な用語を使うと、あらゆるリモートワークタスクができるものは、おそらく約20年から25年の中央値を持っています。
人々がそれを展開し、研究を行っていて、それでもはるかに良くできることへのさらなる進歩を遂げていない世界を想像するのに苦労します。だから、超知能のある定義のためには、それからそれほど長くないはずだと思います。でも、すべて非常に不確実で、崩壊し始めるようです。
ロボティクスとワールドモデル
あなた方はデータセンター、ベンチマーク、生物学の進歩について多くを話していますが、私が気づいた興味深い部分の一つは、ロボティクスの分野が、ワールドモデルや物理空間のようなもので多くの進歩を遂げているということです。ここでのあなたの見解に少し興味があります。
ロボティクスの多くの問題は、純粋に模倣学習で解決できるように思えます。数学における突破口のような多くのものは必要ないかもしれません。基本的に多くのデータから学ぶことができます。そして、過去数年間でロボティクスとワールドモデル全般において目覚ましい進歩があったと思います。この分野であなたの見解と、何らかの研究を行ったかどうかに興味があります。
私たちは、これらのトレーニング実行を行うために実際にどれだけの計算リソースが使用されているかを調査しました。そして私たちが発見したのは、ロボティクスに使用されているトレーニング実行は、フロンティアモデルに使用されているトレーニング実行よりも100倍小さいということです。
だから、そこには多くのスケーリングができます。おそらく非常に最近まで、大規模にロボティクスのためにデータを収集する真剣な試みはなかったと思います。まあ、必要ならモーションキャプチャスーツで動き回る多くの人々を雇うことができるという場合です。
そして、それを行う多くの試みがありましたが、これは変わっているかもしれないと思います。私はロボティクスを主にハードウェアの問題だと考えています。
ハードウェアと、そうですね、もしロボットを構築するのに10万ドルかかるなら、それは必ずしも年間2万ドルで働くことができる人間よりも良くないという経済学の問題です。あるいは特定の国での非常に安価な人間、あるいは何か。
ごめんなさい、労働を買える可能性のあるいくつかの国での最低賃金のようなものです。ここにソフトウェアの問題があるとは私には明白ではありません。
ハードウェアは、どれだけのハードウェアの問題が残っているかは非常に不明確です。特に、ロボットができるかもしれない特定のタスクがありますが、それらは実際にあなたがロボットにできることを気にかけるタスクでしょうか。
もしロボットに、重いものを持ち上げながら器用に歩き回り、速く動き、反応することを望むなら、それは難しいです。それは、まだ解決策を見ていないハードウェアの問題です。
そうですね、私の印象は大体これと一致すると思います。人々はこの遠隔作業と物理的作業の区別についてかなり頻繁に話します。ロボティクスの進歩が少し遅れているという認識があり、この物理的操作のものが実際にはより難しいかもしれないという直感さえあるからだと思います。
でも、私はそれほど確信を持って結論づけません。あなたが言ったように、まあいいけど、同様の方法でスケールアップされたらどうなるかを見て、ああいいから実際により難しかったのか、それとも単に優先順位が下げられていただけなのか、という感覚を得たいと感じます。
データセンターのインフラ整備
私たちがカバーしなかったもので、視聴者に残すことが重要だと感じることはありますか。あなた方がちょうど行ったデータセンターのリリースについて議論しました。視聴者にそれを残す良い方法があるかどうかわかりませんが。
そうですね、それについて話しましょう。さて、あなた方はプロジェクトをリリースしたばかりです。そこで何を達成しようとしていたか、人々にそこから何を得てほしいかについて少し話してもらえますか。
そうですね。私たちは見つけることができる最大の13のデータセンターを取り上げました。これらには米国の主要なラボのそれぞれからいくつかが含まれます。そして私たちは許可証を見つけました。これらすべてのデータセンターの衛星画像、新しい衛星画像も含めて取りました。
彼らが建設している冷却インフラストラクチャと、それらがいつオンラインになるか、そして将来のタイムラインに基づいて、それらにどれだけの計算リソースがあるかを決定する方法を理解しました。
だから私たちはこの現実世界のデータを理解しており、それはすべて私たちのウェブサイトで無料でオンラインで入手可能です。この巨大なインフラ構築が起こっていることとそのペースについての洞察を与えるためです。
それについて私を非常に驚かせることがいくつかあります。たとえば、最初のギガワット規模のデータセンターを持つ最も可能性の高い候補がAnthropicであることを学びました。それは私の選択ではなかったでしょう。
でもAmazonのAnthropic向けの新しいProject Rainier開発は、1月にオンラインになる軌道に乗っているように見えます。その直後にColossus 2が続きます。
また、最大の具体的な計画が、マーケティング計画だけではなく、何であるかについても多くを学びました。私たちが実際に真剣に進行中で、許可証があり、電気インフラを設定しているものを見つけたのは、Microsoftによるもので、少なくとも部分的にはOpenAIによって使用されるMount Pleasantのものです。
彼らはそれをMicrosoft Fairwaterと呼んでいます。そしてそれは、ニューヨーク市と同じくらいではないが、半分以上の電力を使用するサイズになるでしょう。
クラスターを大幅に増やすことを妨げているものは何ですか。コストでしょうか。供給のリードタイムでしょうか。必要とされる他の工学的突破口はありますか。
電力です。私は、人々が大体、何かが私たちがスケールアップすることを妨げているということについて間違っていると思います。お金をスケールアップするためにある限り、私たちは大体スケールアップしています。
彼らは文字通りすべてのクラスターを今日持ちたいと望むかもしれませんが、彼らは本当にかなり速くスケールアップしています。
あなたが見ているこれらのデータセンターは、それがあるインディアナ州の州都とほぼ同じくらいの電力を使用しています。そして、これらのいくつかのタイムライン、たとえばColossus 2のようなものは、2年以下です。それは、都市と同じくらいの電力を使用するこのものを建設するための狂気のことです。
おそらく、今チップを買いたくないでしょう。より良いチップが出るのを待ちたいです。物事が困難でスケールアップすることについて多くのノイズがあると人々が考えていると思います。そして、これは人々が通常費やすべきよりも少し多く費やさなければならないからだと思います。
通常の電力パイプラインを使用することはできません。それはゆっくりとしたペースでこの手頃なインフラを提供するように設計されています。通常購入する必要のないものを購入し、通常費やすべきよりも多く費やさなければなりませんが、それを遅くするほど購入する必要はありません。
これらすべてのことは、GPUのコストと比較すると色褪せます。だから、これらの多くからの私の実際の持ち帰りは、ああスケールアップするのにあまり苦労していない、というものでした。でも、これらの計画は本当にかなり速く進んでおり、人々が実際にそれらをもっと速く行う財政と欲求を持っているとは明白ではありません。
人々がエネルギーを主要な潜在的ボトルネックとして、あるいは私たちの能力を大幅に増やさなければならないと話しているとき、それが持続可能なボトルネックになることを心配していませんか。それはそうではないのですか。
人々は、安価で手頃な電力のために、4年後のパイプラインで従来のグリッドに接続することができないので不満を言うのが好きだと思います。結局のところ、今存在する高価な技術があります。ソーラーパワーにバッテリーを加えたものにお金を払うことができます。これはかなり短いリードタイムです。
通常の電力の2倍のコストがかかるかもしれませんが、それでもGPUよりもはるかに安いです。だから、しなければならないならやるでしょう。そして、人々がこの種の、少しコストがかかる緊急的なことをしているのを見ます。
データセンターを始めるのを見る一般的なことは、人々がグリッドに接続される前にデータセンターを始めることです。Abileneが例だったと思います。
XAIのColossus 1は、これを回避する方法を見つけることの顕著な例です。それは高価で、安い方法でできたらいいのにと不満を言います。誰もこの高価な方法をしなければならないことに慣れていません。
でも結局のところ、解決策が十分にあるように見えないようには見えません。特に、AIの人々がそうであるように喜んで支払う意欲があるなら、それが重要なボトルネックになることは実際には期待していません。
政府の対応と将来予測
おそらく、これで締めくくりましょう。もしこれらのシステムが私たちが議論しているのと同じくらい強力になるなら、政治システムがどのように反応するかに興味があります。アシェン・ブレナーの見解、何らかの国有化が起こる可能性があるという見解に共感するかどうかに興味があります。
でも一般的に、政府がどう反応すると予想しますか。現在どれだけ強力であるかを考えると、政治的議論にどれほど含まれていないかは驚くべきことです。それについてどう考えるか興味があります。
以前に言及したこの概念、6ヶ月で5%の失業率増加の可能性を呼び戻すことを期待しています。これに対する公衆の反応が多くのことを決定するでしょう。これが起こると、AIについて非常に非常に強い感情が生まれるでしょう。
何をすべきか、私たちが通常は人々が検討していると考えないようなことについて、非常に強いコンセンサスが生まれると思います。
新型コロナウイルスでこれが起きたとき、数週間から数日という期間で数兆ドルの景気刺激策があったことを知っています。それは驚異的なスピードでした。
AIについてそれがどのようなものになるかはわかりませんが、AIにおける他のすべてのもののようだと思います。指数関数的であり、人々がある程度気にかける段階から本当に気にかける段階まで、かなり速く通過するということです。
どこに行き着くかわかりません。ただ、私たちがどこに行き着くにせよ、1年前には想像もできなかったと考えられるような、ある種の確かなことがあることを期待しています。それは国有化のように見えるかもしれません。一時停止のように見えるかもしれません。より速く進むように見えるかもしれません。より良い失業手当を保証するように見えるかもしれません。わかりません。
ただ、何らかの強い反応があると思います。そして、それは非常に速いでしょう。
そうですね。あなたが政府が今期待されるよりも興味を持っていないという指摘をしますが、現在の影響は本当にそれほど大きくないと思います。
AIが今のところそれほど強力だとは思いません。それでも、注目は大きくなっていますが、AIは今のところそれほど強力ではありません。それでも、政府はすでにそれについて多く話していますよね。
様々なハードウェアメーカーやAI企業から国家元首と会っている人々がいて、国々が彼らのAI戦略などについて話しているようなものです。だから、国家政府がかなり関与することは明らかに感じます。
ただ、どのようにかという問題で、そうですね、私もそれについて少し不明確です。
今のところ、私たちは収益と財務でこのものを見てきて、それは毎年2倍または3倍になっています。私のデフォルトの仮定は、AIが政策立案者や政府から得る注目は同様のトレンドに従うということです。それは毎年2倍、3倍になるでしょう。
これは、将来、トレンドが続けば、膨大な量の注目があることを意味し、今のところ昨年よりもはるかに多くの注目があることを意味しますが、突然非常に少ない注目からすべての注目までスキップするわけではありません。ただ、私たちはかなり速く動いていると思います。
私たちは十分な予測をしたと思うので、来年、そして年末にチェックインして、私たちがどこにいるかを見て、来年のために作らなければならないでしょう。デビッド、ポッドキャストに来てくれて本当にありがとうございました。ありがとうございました。こちらこそありがとうございます。お招きいただき本当にありがとうございました。
コメント