Google DeepMindの共同創業者兼CEOであるDemis HassabisがAxiosのサミットに登壇し、AI研究の最前線について語った。ノーベル賞受賞後の影響、Gemini 3の革新的な能力、そしてAGI実現までの道筋について率直に議論している。Hassabisは5〜10年以内にAGIが実現する可能性を示唆しつつ、現在のLLMには長期計画や継続学習といった重要な能力がまだ欠けていると指摘する。マルチモーダル理解、特に動画解析における深い洞察力や、エージェントベースシステムの進化について詳述し、AI安全性と責任ある開発の重要性を強調している。また、米中AI競争における現状分析や、AI人材獲得競争、さらにはゲームを通じた意思決定能力の訓練という独自の視点も披露している。
Google DeepMindのDemis Hassabisが語るAIの現在と未来
どうもありがとうございます。素晴らしいフィナーレですね。私はAxiosの共同創業者であるMike Allenです。共同創業者のRoy SchwarzとJim Vanheyに代わって、9年間にわたってAxiosのファンでいてくださった皆さん、そしてここサンフランシスコの歴史的な銀行という非常にクールな会場でのAxios AI plus SFサミットにお越しいただいた皆さんに感謝申し上げます。
世界中からご参加の皆さん、ようこそ。本日の大トリとして、Google DeepMindの共同創業者兼CEOであるDemis Hassabis博士をお迎えします。彼は神経科学者であり、起業家であり、AIのパイオニアです。Demisは5歳でチェスの神童となり、48歳でノーベル賞受賞者となりました。イギリス生まれの天才で、ナイトの称号も授与されています。Demis Hassabis、Axiosへようこそ。
拍手をありがとうございます。お招きいただきありがとうございます。
この対談を楽しみにしていました。お越しいただき感謝しています。あなたがノーベル賞受賞者だと知ったのはちょうど400日前でした。その瞬間、あなたは「これは超現実的だ。これこそが大きな出来事だ」と言いましたね。それ以来、あなたの人生や仕事について何が変わりましたか。それによって何が可能になりましたか。
正直なところ、今でもかなり超現実的です。まだ完全には実感が湧いていませんが、かなり大きな違いをもたらしています。違いが生じているのは、自分の分野以外の人々、例えば政府の要人など、AIについてあまり詳しくない人々と話すときです。ノーベル賞を持っていると、それがほぼ誰に対しても、自分がその分野の専門家であることを知ってもらうための近道になります。ですから、今後役に立つと思います。
あなたは無限のリソースを自由に使えていました。今、新たに得られたリソースや、これから活用できると思うリソースはありますか。
実際にはありません。その通りで、私たちはGoogleのDeepMindで幸運にも多くのリソースを持っています。ただし無限ではありません。どれだけ計算リソースがあっても、常にもっと必要になります。しかし、多くの素晴らしいものを持っているからこそ、幅広いポートフォリオの仕事ができているのです。主にこのノーベル賞が提供してくれるのは、自分が大切に思うことについて発言するためのプラットフォームです。
まだそれをあまり活用していませんが、重要になると思います。おそらくAI安全性などについて話すことになるでしょう。ノーベル賞とそれが与えてくれるプラットフォームは、そのために役立つと思います。
AI安全性に加えて、あなたのプラットフォームを使ってもっと話していきたいと思う短期的なリストには何がありますか。
そうですね、長期的なAGI安全性だけではありません。もちろんそれについては多く考えていますが、今日のAIの責任ある使用についても重要です。AIを使って改善し、パワーアップさせ、加速させるべきものは何か、そして近い将来においても注意すべきことは何かということです。
もう一つは、これから起こることに対して社会を準備させることだと思います。AGIはおそらく人類史上最も変革的な瞬間であり、それが目前に迫っています。社会として、そして種として準備する必要があります。もちろん政府や他の重要なリーダーたちがそこで重要な役割を果たすでしょうし、ノーベル賞というプラットフォームを持つことで、ほぼどんな扉でも開くことができると思います。
科学者としてのアプローチとビジョン
あなたを際立たせているものの一つは、科学に深く携わりながらも、企業間、ハイパースケーラー間、超大国間のこの戦いと競争の最前線にもいるということです。Steve Jobsのように、プロダクトマインドも持っています。人々のために喜ばれるものを作りたいと考えていますが、常に自分は科学者が第一だと言っていますね。
はい、科学者です。私が科学者が第一だと言うのは、それが私があらゆることに対して取るデフォルトのアプローチだからです。つまり科学的手法という考え方です。私は本当に、科学的手法は人類がこれまで持った最も重要なアイデアかもしれないと思っています。
啓蒙主義を生み出し、その後現代科学を生み出しました。つまり、現代文明は科学的手法という考え方、実験、そして仮説の更新などに依存しているのです。これは非常に強力な手法だと思いますが、科学だけでなくもっと広く適用できると思います。日常生活にも、そして実際にビジネスにも適用できます。
私が試みてきたのは、それを限界まで持っていくことです。それが研究組織として、エンジニアリング組織として、ある意味で優位性を与えてくれていると思います。はい、私たちは今、おそらくテック業界が経験した中で最も激しい競争の真っ只中にいます。
しかし、私たちに優位性を与えていると思うものの一つは、仕事に持ち込む厳密さと正確さです。なぜなら、その中心に科学的手法があるからです。世界クラスの研究と世界クラスのエンジニアリング、そして世界クラスのインフラを融合させています。AIのような最先端のものには、この3つすべてが必要だと思います。そして私たちは、これらすべての分野で世界クラスの能力を持っているという点で、かなりユニークだと思います。
AIの現状と今後12ヶ月の展望
さて、Axios流に、私たちの対談をズームアウトとズームインに分けましょう。ズームアウトでは、AIの現状についてあなたの貴重な見解を伺います。AIの率直な現状について話しましょう。お願いしたいのは、今日わかっている既知の事実を踏まえて、率直に、臨床的に、誇大広告なしで、ソフトな売り込みなしで答えていただけますか。
できる限り努力します。
では、今後12ヶ月の進歩はどのように見えますか。もし1年後の今日ここに座っているとしたら、そうしたいのですが、世界で何が変わっていると思いますか。
私たちが強く推進していることは、モダリティの収束です。Geminiは私たちのメインの基盤モデルですが、最初から完全にマルチモーダルでした。画像、動画、テキスト、オーディオを受け取り、今ではこれらのタイプの出力も生成できるようになっています。マルチモーダルであることで、非常に興味深い相乗効果が生まれていると思います。
最良の例は、私たちの最新の画像モデルImagegen 3です。ビジュアルに対する驚くべき理解を示していると思います。例えば、本当に正確なインフォグラフィックスを作成できます。来年にかけて、これが大きく進歩するのを目にすることになると思います。例えば動画において、それが言語モデルと収束すると、非常に興味深い能力の組み合わせが見られるでしょう。
来年見られると思うもう一つのこと、そして私が個人的に取り組んでいることは、ワールドモデルです。私たちにはGenie 3というシステムがあり、これはインタラクティブな動画モデルのようなものと考えることができます。動画を生成して、それからゲームやシミュレーションの中にいるかのようにその中を歩き回ることができ、1分間コヒーレントな状態を保ちます。これは非常にエキサイティングだと思います。
それから、エージェントベースのシステムもあります。この分野ではエージェントについて多くの議論がありますが、まだ完全なタスクを実行するには十分に信頼性がありません。しかし来年にかけては、今日このAxiosのステージで多く聞かれました。1年後、エージェントはどのように進歩していると思いますか。日常生活でどのように機能する例がありますか。
私たちには、最終的にGeminiに実現させたいユニバーサルアシスタントという概念があります。これも来年にかけて、より多くのデバイスで見られるようになると思います。ユニバーサルというのは、コンピューターやノートパソコンや携帯電話だけでなく、メガネや他のデバイスにも付いてくるかもしれないということです。
私たちが作りたいのは、日常生活で役立つもので、1日に何度も相談するものです。生活の一部となり、生産性を向上させるだけでなく、個人生活においても、本や映画、その他の活動についての推奨を提供します。しかし現時点でのエージェントは、タスク全体を委任して、そのタスク全体を完全に確実に完了してくれるという保証がありません。
しかし1年後には可能になると思いますか。
1年後には、それに近いことができるエージェントが登場し始めると思います。
ベストケースとワーストケースで、AIが世界のために何ができるかの最良のケースと、最も恐れていることは何ですか。
最良のシナリオは、私が常に夢見てきて、何十年も取り組んできたものです。私たちの多くが何十年も取り組んできたこの瞬間に近づいています。それは、ある種の、私が急進的豊かさと呼ぶものです。
今日社会と人類が直面している最大の問題の多くを解決するという考えです。それが無料の再生可能なクリーンエネルギーであれ、核融合を解決したり、より良いバッテリーや最適なバッテリー、ソーラー材料、半導体、材料科学などです。多くの病気を解決しました。そして、この新しい時代、ポスト希少性の時代にいる状況になり、人類は繁栄し、星々へ旅をし、意識を銀河に広げていく可能性があります。
そして最も恐れていることは何ですか。
そのユートピア的な見方でさえ、いくつかの疑問があります。もしこれらの技術が存在し、これらすべての問題を解決しているなら、人間としての私たちの目的は何になるのでしょうか。解決すべきものが何も残されていません。科学者として、そして科学的手法についても心配しています。
しかし、明らかに、AIに関するよく知られた課題とリスクもあります。二つあります。一つは、悪意のある行為者がAIを有害な目的に使用することです。もう一つは、AI自体がAGIに近づき、よりエージェント的になるにつれて、何らかの形で暴走して人類に害を与えることです。
破滅的な結果への懸念レベル
暴走について言及されましたね。これらの破滅的な結果についてどれくらい心配していますか。懸念のレベルを教えてください。いくつか挙げていきます。
一つ目、悪意のある行為者がAIを使って作成する病原体。
それは確かに、私たちが警戒しなければならない悪用ケースシナリオの一つです。
エネルギーや水のサイバーテロ、外国の行為者によるAIを使ったもの。
それはおそらくもう起こっていると言えるでしょう。まだ非常に高度なAIではないかもしれませんが、最も明白な脆弱なベクトルだと思います。
だからこそ私たちは、GoogleとしてもDeepMindとしても、AIによるサイバーセキュリティにかなり注力しています。その方程式の防御側をパワーアップさせるためです。
人間のコントロールの外で独自に動作するAI。
これはエージェント的なことに戻りますが、それがより洗練されるにつれて、アシスタントのようなものとしてより有用になるため、業界がそのようなものを構築する理由は明らかです。
ですから、それらは確実に起こるでしょう。しかし、よりエージェント的で自律的であればあるほど、最初の指示や最初の目標を与えたときに意図したことから逸脱する余地が大きくなります。これは非常に活発な研究分野で、継続的学習やオンライン学習が可能なシステムが、設定したガードレールの中に留まるようにする方法です。
良いニュースだと思うのは、AIが商業的にも企業にとっても非常に大きくなっているため、エージェントをモデルとしてレンタルまたは販売する、主要なモデルプロバイダーとして他の大企業に提供することを考えると、それらの企業はエージェントの動作、データの扱い方、顧客の扱い方について保証を求めるでしょう。
そしてそれらがうまくいかなければ、存続的な意味ではないでしょうが、確実にビジネスを失うでしょう。なぜその企業がそのプロバイダーを選ぶでしょうか。より責任があり、より良い保証を持つ別のプロバイダーを選ぶでしょう。素晴らしいのは、資本主義が自然により責任ある行為者を報酬するということです。
しかし、AIがその堀を飛び越え、ガードレールを飛び越える可能性があります。
間違ったやり方をすれば、常にその可能性はありました。本当に誰も知りません。それが大きな未知数の一つです。その可能性はゼロではないと思います。ですから、真剣に考慮し、緩和する価値があります。
しかし、人々がこのP-Doom、破滅の確率について非常に正確なパーセンテージを与えるのを聞きますが、それはナンセンスだと思います。なぜなら、誰もそれが何であるかを知らないからです。
あなたは数値化しないが、ゼロではないと言っています。明らかに、P-Doomがゼロでないなら、それに重要なリソースと注意を向けなければなりません。
米中AI競争の現状
米国が中国とのAI競争でどこで勝っていて、どこで負けていますか。
私は、米国と西側諸国がまだリードしていると思います。最新のベンチマークと最新のシステムを見ればわかります。しかし、中国も遠くありません。最新のDeepSeekや最新のモデルを見ると、非常に優れており、非常に有能なチームがいます。おそらく今の時点では、リードは年単位ではなく月単位です。
チップを除外すると、AI、中国はおそらく勝っています。
いいえ、チップは一つのことですが、アルゴリズム的に、イノベーションの観点では、西側がまだ優位性を持っていると思います。中国のモデルや企業のどれも、最先端を超える新しいアルゴリズム的なイノベーションを示したことはないと思います。彼らは現在の最先端を非常に迅速にフォローすることに非常に優れています。
AIで注目されていない驚くべきこと
最後のズームアウトの質問です。これは気に入っていただけると思います。AIについて最も驚くべきことで、ショッキングなほど注目されていないことは何ですか。
驚くべきことで注目されていないこと。うーん。私たちが取り組んでいて、すでに機能しているものを考えると、これらのモデルが持つマルチモーダル理解です。マルチモーダル、動画、はい、動画、画像、そしてオーディオですが、特に動画について考えています。
GeminiにYouTube動画を処理させると、その動画について驚くべきことをあらゆる種類尋ねることができます。それが概念的に理解できるというのは、私にとって本当に驚異的です。常にではありませんが、多くの本当に印象的なケースで、何が起こっているかを理解できます。
質問の例を教えてください。
私は先日Geminiでテストしたことがあります。映画「ファイト・クラブ」が大好きで、Brad PittかEd Nortonか忘れましたが、戦いの前に指輪を外すシーンがあったと思います。その行動の意義をGeminiに尋ねました。すると、日常生活を置き去りにすることについて非常に興味深い哲学的なポイントを提示し、それを象徴的に示していると。
これらのシステムが今持っている非常に興味深いメタ的な洞察でした。もう一つ評価されていないと思うのは、Gemini Liveというものです。携帯電話を何かに向けて、あなたは整備士だと言うことができ、目の前のタスクについて実際に助けてくれます。理想的にはメガネであるべきです。なぜなら、本当に手を自由にしたいからです。
しかし、人々はまだこのマルチモーダル機能がどれほど強力かを理解していないと思います。
Gemini 3の特徴と能力
素晴らしい橋渡しとズームインへの移行をしていただきました。先月のGemini 3、おめでとうございます。画期的なモデルですね。前例のない深さとニュアンスで推論すると言っています。Gemini 3のニュアンス部分で何がユニークですか。
それはほぼパーソナリティ、スタイルであり、能力でもあると思います。簡潔に答える方法が本当に気に入っています。あなたが言うことに単に同意するのではなく、少し反論します。意味をなさない場合は、アイデアに対して優しく反論します。
人々は、その知性と有用性に一段階の変化を感じていると評価しているようです。
Geminiが答えたり生成したりしたもので、これができるとは知らなかった、これをするとは知らなかったと思ったことは何ですか。
実際、これが私たちが仕事をとても愛している驚くべき理由です。研究が製品につながる今の時代では、素晴らしいのは、リリースした新しい技術をすぐに数百万人、Googleでは潜在的に数十億人のユーザーが利用できることです。
そして、これらのモデルを使って人々が非常に迅速に見つけ出すクールなことに常に驚かされます。それらの多くはバイラルになる傾向があります。しかし、Gemini 3で最も楽しんだのは、ゲームのワンショット作成です。
ゲームのためのAIを作る私の最初のキャリアに戻りますが、これらのモデルで今非常に近づいていると思います。おそらく次のバージョンのモデルでは、本当に商業グレードのゲームをバイブコーディングで数時間で作成できるようになるかもしれません。以前は何年もかかっていたのに。
それはニュアンスを示していますか。それはモデルについて何を示していますか。
これらのモデルの信じられないほどの深さと能力だと思います。非常に高レベルの指示を理解し、非常に詳細な出力を生成します。Gemini 3が特に優れているもう一つのことは、フロントエンドの作業とウェブサイトの開発です。技術的にも、美的にも創造的にもかなり優れています。
モデルの謎と理解の限界
私たちがAxiosでかなり書いてきたことの一つは、これらのモデルの作者や創造者でさえ、それらを完全には理解していないということです。Gemini 3について、完全には理解していないと感じることは何ですか。
実際、すべてのモデルについて、そしておそらく観客の皆さんも感じていると思いますが、イノベーションと改善のペースが非常に速いということです。
私たちはこれらのものを構築することにほぼすべての時間を費やしています。新しいバージョンをリリースするたびに、既存のシステムができることの10分の1さえ探索する時間がなかったという感覚があります。なぜなら、もちろん私たちは激しい競争の真っ只中にいるので、すぐに次のイノベーションに焦点を当てているからです。そしてもちろん、それが安全で信頼性があることを確認しています。
ですから、私たちのユーザーが、内部で試したよりもはるかに先まで持っていくことになります。
Gemini 3についてもう一つ質問です。少し背景があって、あなたにはいくつかの検討中の案件がありましたが、LLM、テキストベースの大規模言語モデルについて、必ずしも聖杯としてオールインしたわけではありませんでした。
偉大な作家であり思想家であり、あなたの友人でもあるWalter Isaacsonが私に言ったことは、あなたがLLMの力を見たとき、Walterが言うところのピルエットをして、大きな成功へと飛躍することができたということです。Walterのポイントは、ほとんどのビジネスパーソンは頑固で、他の賭けを倍増、3倍増させていたかもしれないということでした。どのようにしてLLMにオールインする決断をしたのですか。
これがまさに科学的手法の美しさと強さだと思います。真の科学者であれば、持っているアイデアについてあまりドグマティックになることはできません。経験的証拠があなたを導いている方向に従わなければなりません。
まず第一に、Walterはおそらく2017年から2018年の時代について言及しています。当時、私たちには多くの検討中の案件がありました。言ったように、私たちは非常に有能な独自の言語モデルを持っていました。ChinchillaやSparrowと呼ばれていて、さまざまなコードネームがありました。
公開リリースはされていませんでしたが、内部にありました。実際、スケーリング則のいくつかは元々私たちのチームによって解明されました。Chinchillaスケーリング則と呼ばれています。しかし、AlphaGoをベースにした純粋な強化学習システムであるAlpha Zeroなど、他のタイプのプログラムもありました。また、認知科学や神経科学にインスパイアされたアーキテクチャもいくつかありました。
当時、私たちは確信が持てませんでした。私の仕事は、AGIを最初に、速く、安全に構築することです。それが常にDeepMindでの私たちのミッション、知能を解決するというミッションでした。ですから、実際には取られるアプローチについては不可知論的です。その点ではかなり実用的です。
それはおそらく私のエンジニアリング側面です。良い科学者がそうであるように、いくつかの理論は持っていますが、最終的には実用的に機能しなければなりません。スケーリングが機能し始めているのを見始めたとき、私たちは研究ツリーのその枝にますます多くのリソースを投入していきました。
AGIへの道のりと必要な革新
あなたのアプローチで新鮮なのは、AGI、人間並みのAIについて、それを避けないことです。他の人々は「まあ、わからないだろう」とか「すでにそこにいる」とか「重要ではない」と言います。あなたは重要であり、わかるだろうと言います。そして、遠くないと言っています。
確かに私たちは今そこにはいません。そして実際にはかなり近いとあなたが言う通りです。もし私に聞くなら、5年から10年先だと思います。
もう一度言ってください。5年から10年先だと思います。ただし、私の基準はかなり高いです。私たちはAGIを、私たちが持つすべての認知能力を示すシステムと定義しています。それには発明的で創造的な能力も含まれます。
現在のLLMには欠けているものがあると思います。皆さんが使ってきたように、いくつかの面では驚くべきものです。いくつかの意味では本当に印象的です。いくつかの分野ではほぼ博士号レベルの主要なスキル、IMO金メダルなどを持っています。しかし他の分野では非常に欠陥があります。
ですから、これらはジャギーな知能の一種です。真のAGIからは全体的な一貫性が期待されます。そして、継続的学習、オンライン学習、長期計画、推論など、他の能力が欠けています。現在これらのことは何もできません。できるようになると思いますが、おそらくあと1つか2つのブレークスルーが必要になるでしょう。
素晴らしいIna Friedの質問です。彼女は今日お会いしましたが、Axiosの創刊当初からの彼女の報道がAxiosを今の姿にするのに貢献してきました。彼女は、あなたが明らかにAIがAGIから1つか2つの進歩離れているかもしれないと言ったと言っています。
はい。
LLMと生成AIを改善するだけでそこに到達するのでしょうか、それとも5年から10年でAGIに到達するには別のアプローチが必要だと思いますか。
これもまた経験的な質問だと思いますが、私が知っているのは、これが私の最良の推測ですが、現在のシステムのスケーリングを最大限に推し進めなければならないということです。なぜなら、最低限でも、それは最終的なAGIシステムの重要なコンポーネントになるからです。AGIシステム全体になる可能性もあります。スケーリングだけでそこに到達できる可能性はあります。
しかし、私の推測では、今の私の視点から推測すると、あと1つか2つの大きなブレークスルーが必要だと思います。ちなみに、既存の技術をスケーリングすることも含めて、常にイノベーションが起こっています。しかし、私が言っているのは、TransformerレベルやAlphaGoレベルのようなブレークスルーのことです。
AGIが完成したときに振り返ると、スケーリングに加えて、あと1つか2つのことが必要だったと疑っています。
バブルの懸念と人材競争
もうすぐ時間ですので、超高速ラウンドです。Inaからの別の質問です。あなたは明らかにAIの大きな信奉者ですが、使われているお金を見ると、経済を揺るがすほどの大きなバブルではないかもしれないという意味ではありません。それについてどれくらい心配していますか。
二者択一ではないと思います。AI業界のいくつかの部分はおそらくバブルです。例えば、500億ドルのシードラウンドのようなものは、少し持続不可能に思えます。
しかし一方で、私は誰よりもAIが史上最も変革的な技術だと信じています。ですから、時間の経過とともに、これはすべて正当化される以上のものになると思います。
Google DeepMindの責任者としてGoogleのエンジンルームにいる私の仕事は、どちらにしても勝つことを確実にすることです。いわゆるバブルが破裂しても、今のように状況が良好であり続けても、私たちは強い立場にいます。
AI採用戦争、この人材競争の最終状態は何ですか。
最近かなりクレイジーになっています。Metaがやっていることのようなもので、誰もが自分にとって意味のあることをしなければなりません。私たちにとって見つけたのは、ミッション主導型の人々が欲しいということです。
私たちは最高のミッションを持っていると思います。完全なスタックを持っています。ですから、最も影響力のある仕事をして、世界に最も前向きな影響を与えたいなら、Google DeepMindより良い場所はないと思います。
結局、最高の科学者、最高の研究者、最高のエンジニアは、最先端のものに取り組みたいのです。ですから、最高のシステムでリーダーボードのトップにいれば、それは自己増殖的です。
これはノースカロライナ州High Point Universityの起業家的な若い頭脳、James Vanderhighからの質問です。彼は「AIが独自の意思を持つことについて多くの会話があります。AIが自己利益のために行動する可能性があるシナリオはありますか」と言っています。
それは素晴らしい質問で、より破滅的な結果のいくつかに関連しています。それがうまくいかなければ、エージェントベースのシステムや非常に自律的なシステムの問題の一つになるでしょう。もし何らかの形で、設計者や人類が望むこととある意味で対立する自己利益を発達させたら。
ゲームから学ぶこと
楽しいことで締めくくりましょう。あなたはまだゲーマーですね。ゲームは世界について何を教えてくれますか。そして、これらのマシンがどこに向かっているかについて何を教えてくれますか。
私のチェスの背景とそのトレーニング、そしてその後の他のゲームは、ビジネスと科学の両方で私の仕事のやり方に重要でした。
ゲームについて愛していることはたくさんありますが、それらを作る創造性が大好きです。しかし、それらをプレイすることは、心を訓練する最良の方法だと思います。なぜなら、チェスや囲碁、ポーカーなどの最高のゲームは、現実世界の何かの縮図だからです。
しかし一般的に、現実世界では、その瞬間に正しい決定を下すための何度かの練習の機会は得られません。おそらく実際の人生では、そのような重要な瞬間は十数回しかありません。しかし、ゲームという、実際には世界のシミュレーションの中で、意思決定能力を好きなだけ練習できます。
そして、ゲームを非常に真剣に受け止める限り、決定に多くの思考を注ぎ込む限り、それは本当に意思決定と計画能力を訓練すると私は思います。
人類の適応能力と未来
あなたは、私たちの柔らかい脳が狩猟採集者として進化したことを指摘しました。それでも、Guardianに語ったように、産業革命の10倍の規模で、おそらく10倍の速さになる破壊に直面しています。ほとんどの人間が追いつけない、そしておそらくあなたを含めてどの人間も追いつけない状況に直面していますか。
良いニュースは、狩猟採集者についての私のポイントは、私たちの脳がどれほど適応力があったかを見てくださいということです。
私たちは狩猟採集者として進化しました。それでも、ここに現代の都市、現代文明、周囲のすべての技術とともに座っています。同じ人間の脳がそれに適応できたのです。ですから、私は人間の創意工夫を強く信じています。
私たちは無限に適応可能だと思います。私たちは既知の宇宙でおそらく唯一の、汎用知能の存在証明です。ですから、私たち自身が汎用知能であり、無限に適応できるはずです。
AGIポスト後、どのような技術を作成できるかという疑問があります。ブレイン・コンピューター・インターフェースや他のもので、私たちの一部が既存の技術に加えて使用することを選択できるものです。それが私たちが追いつくための一つの方法かもしれません。
最後に、あなたは生涯のリバプールファンですね。彼らの分析を手伝ってきました。AIはここ北米でのワールドカップにどのように影響を与え、情報を提供しますか。
多くのチームから助けを求められてきました。それに対して平等にしようと努力しなければなりませんが、リバプールの生涯のサポーターとして難しいです。
しかし、少なくともワールドカップ決勝には出かけたいと楽しみにしています。
しかし真面目な話、今からワールドカップまでに何が変わりますか。今からそれまでは、AIにとっては生涯ですよね。
はい。AIで何を、またはスポーツのためのAI、あるいは一般的に?
はい。スポーツには膨大な量のデータがあり、それはすべて極限のエリートパフォーマンスについてです。ですから、AIが入ってきてそのプロセスをさらに最適化するのを支援するのは自然な相性です。
企業秘密を明かさずに、ワールドカップチームのために何ができるようになりますか。
おそらくコーナーキックからのヘディングでもっと得点できるようになるでしょう。選手の正確な配置のようなものです。それが私たちのシステムが発見したことの一つだと思います。選手の正確な配置です。
Demis、Axiosへの出演をありがとうございました。
コメント