Google DeepMindのCEOであるDemis Hassabisが、AGI実現への道筋から製品戦略、AI業界の展望まで幅広く語った対談である。昨年話題となったLLMの進化停滞論を否定し、現在も着実に進歩が続いていること、しかしAGI達成には継続学習や長期推論といった1、2のブレークスルーがまだ必要であることを指摘する。Gemini 3を搭載したAIグラスの今夏投入計画や、広告モデルの慎重な検討、Claude Codeへの対抗策、さらにはAI業界のバブル懸念への見解など、技術と事業の両面から詳細に展開される。人間の労働や意味の変容、情報を宇宙の基本単位とする哲学的考察に至るまで、AI時代の本質に迫る内容となっている。
AIの進化は止まらない
Google DeepMindのCEOであるDemis Hassabisです。本日はAGIへの道筋について、そしてGoogleのAIグラスがいつ登場するのか、さらにAIの進歩のペースがこのまま維持できるのかについてお話しします。
Davosからお届けする特別版Big Technology Podcastへようこそ。私はAlex Kaneritzです。本日のゲストは、Google DeepMindのCEOであるDemis Hassabisさんです。Demis、番組へようこそ。
お招きいただきありがとうございます。
1年前は、AIの進歩が停滞しているのではないかという疑問が本気で議論されていました。LLMが壁にぶつかるのではないかと問うのが流行していましたが、そうした疑問は解決されたように見えます。この1年で途方もない進歩がありました。具体的に何が起きて、AI業界は昨年のあの疑問の時点から今日の地点まで到達したのでしょうか。
そうですね、私たちは内部では全くそんな疑問を持っていませんでした。はっきりさせておきたいのですが、私たちはずっと素晴らしい改善を目にしてきました。ですから、なぜそういった疑問が空気中に漂っていたのか、少し困惑していたくらいです。
一部はデータが枯渇することへの心配でした。そこには確かに真実が含まれています。全てのデータが使われてしまった。学習に役立つ合成データを作れるのか。しかし実際には、既存のアーキテクチャとデータからもっと多くのものを絞り出せることが判明しました。
ですから、まだ十分な余地があったと思いますし、事前学習、事後学習、思考パラダイム、そしてそれらが全て組み合わさる方法の両方で、今もそれを目にしています。すでに知っている技術や、その上での調整や革新によって、まだ十分なヘッドルームがあると思います。
LLMの限界と次のブレークスルー
さて、懐疑論者ならこう言うでしょう。LLMの上に多くのトリックが積み重ねられてきた。スキャフォールディングやオーケストレーション、ウェブ検索にツールを使えるAIについてよく聞きますが、学んだことは記憶しません。セッションを閉じるとすぐに忘れてしまう。これは大規模言語モデルのパラダイムの限界に過ぎないのでしょうか。
そうですね、私は確実に、AGIに到達するには1つか2つの大きなブレークスルーが必要かもしれないという考えの支持者です。それらは継続学習、より良いメモリ、より長いコンテキストウィンドウ、あるいはもっと効率的なコンテキストウィンドウと言うのが正しいでしょう。
全てを保存するのではなく、重要なものだけを保存する。それがはるかに効率的です。脳がやっていることです。そして、より良い長期推論と計画です。既存のアイデアや技術を単にスケールアップするだけでそれを実現するのに十分なのか、それとも本当に大きな洞察に満ちた革新があと1つか2つ必要なのか、それはまだ分かりません。
もし私に迫るなら、おそらく後者の陣営に入るでしょう。しかし、どちらの陣営にいようと、最終的なAGIシステムの重要な構成要素として大規模基盤モデルが必要になることは確かです。ですから、Yann LeCunのように、それらが単なる行き止まりだと考える立場には私は賛同しません。
私の考えでは、唯一の議論は、それらが重要な構成要素なのか、唯一の構成要素なのかということです。この2つの選択肢の間だと思いますし、私たちにとって、これは私たちが持つ1つの利点です。非常に深く豊かな研究基盤を持っているので、これら両方のことを最大限の力で追求できます。現在のパラダイムとアイデアをスケールアップすること、そしてスケールアップと言うときには革新も含まれますが、特に事前学習は非常に強力だと思います。そして本当に新しい青空のアイデア、新しいアーキテクチャなど、私たちがGoogleとDeep Mindとして過去10年間で発明してきた種類のもの、もちろんTransformerも含めてです。
ハードコーディングされたものが多く含まれるシステムは、AGIと見なされ得るのでしょうか。
いいえ、まあ、多くとは何を意味するかによりますが。私はハイブリッドシステムと呼んでいるもの、時にはニューロシンボリックと呼ばれることもありますが、それに非常に興味があります。
AlphaFold、AlphaGoがその例です。ですから、私たちの最も重要な仕事のいくつかは、ニューラルネットワークと深層学習をモンテカルロ探索のようなものと組み合わせています。ですから、それは可能だと思いますし、LLMを進化的手法、alpha evolveのようなものと組み合わせて実際に新しい知識を発見する、私たちが行っている非常に興味深い仕事があります。
既存の方法がやっていることを超えた何かが必要かもしれませんが、学習はAGI、汎用人工知能の重要な部分だと思います。実際、ほとんど定義的な特徴です。汎用と言うとき、私たちは汎用学習を意味します。新しい知識を学習できるか、あらゆる領域で学習できるか。それが汎用の部分です。
ですから私にとって、学習は知能と同義であり、常にそうでした。
継続学習の課題
なるほど。学習が知能と同義で、これらのモデルがまだ継続的に学習する能力を持っていないとすると、先ほど言ったように、金魚の脳を持っています。インターネットを検索して「これを理解した」となりますが、モデルは変わりません。セッション後には忘れてしまうだけです。継続学習の問題をどう解決できるかについて理論をお持ちですか、そしてそれを皆さんと共有したいですか。
いくつかヒントをお教えできます。私たちは非常に懸命に取り組んでいます。過去にAlpha Zeroのようなもので、この分野で最高の仕事をいくつか行ってきました。ゼロから学習しました。AlphaGoのバージョンです。
AlphaGo Zeroも、すでに持っていた知識の上に学習しました。ですから、はるかに狭い領域でそれを実現しました。ゲームは明らかに、混沌とした現実世界よりもはるかに簡単です。ですから、そうした種類の技術が本当に現実世界や実際の現実世界の問題にスケールして一般化するかどうかは、まだ分かりません。
しかし、少なくとも私たちが知っている方法は、かなり印象的なことができます。そして今、問題は、少なくとも私の考えでは、それをこれらの大規模基盤モデルと融合できるかということです。もちろん、基盤モデルは訓練中に学習していますが、私たちは野外で学習してほしいと思っています。パーソナライゼーションのようなことも含めてです。
それは起こると思います。そして、それが素晴らしいアシスタントを構築する上で重要な部分だと感じています。それはあなたを理解し、あなたのために働く、あなたのために働く技術です。そして、先週、その最初のバージョンをリリースしました。パーソナルインテリジェンスは、その方向への最初の赤ちゃんの一歩のようなものです。
しかし、コンテキストウィンドウにデータを入れるだけ以上のことをしたいと思います。それよりももう少し深いものが欲しいのです。おっしゃる通り、実際に時間とともにモデルを変化させるものです。理想的にはそれを持ちたいのです。そして、その技術はまだ解明されていません。
AGIの定義をめぐる議論
AGIについて何度か触れてきました。ですから、これを投げかけさせてください。年末にSam Altmanと話していて、彼に尋ねたんです。あなたは2つのことを言っているように見えると。私たちはまだAGIには到達していない、でも彼がGPTモデルができることについて話すたびに、それは彼の定義に当てはまるように見える。
そして彼は、AGIは定義が不十分だと言いました。そして彼が皆に同意してほしいのは、私たちがAGIを通り過ぎて超知能に向かって進んでいるということだと。それに同意しますか。
彼がそう願っているのは確かでしょうが、いいえ、絶対に違います。AGIがマーケティング用語や商業的利益のために変えられるべきだとは思いません。
それには常に科学的定義があったと思います。私の定義は、人間ができる全ての認知能力を示すことができるシステムです。全てという意味です。つまり、私たちが常に称賛する人間の創造性の最高レベル、私たちが賞賛する科学者や芸術家を意味します。
ですから、数学の方程式や予想を解くだけでなく、画期的な予想を思いつくこと、それははるかに難しいです。物理学の何かや化学の何か、AlphaFoldのようなタンパク質折り畳みの問題を解くだけでなく、実際に新しい物理学の理論を思いつくこと、アインシュタインが一般相対性理論で行ったようなことです。システムがそれを思いつけるか。なぜなら、もちろん私たちはそれができるからです。最も賢い人間が脳アーキテクチャで歴史的にそれを行うことができました。そして芸術の側面でも同様です。既知のものの模倣を作るだけでなく、実際にピカソやモーツァルトになって、私たちが見たことのない全く新しい芸術のジャンルを創造すること。そして今日のシステムは、私の意見では、それにはどこまでも及びません。どれだけ多くのエルデシュ問題を解こうと、それは私たちがそうしたことをやっているのは良いことですが、真の発明や、ラマヌジャンのような人ができたであろうこととは程遠いと思います。そして、これら全ての領域でそれを潜在的にできるシステムが必要です。
その上に、身体知能も加えたいと思います。なぜなら、もちろん私たちはスポーツができ、体を素晴らしいレベルでコントロールできるからです。今日ここDavosを歩き回っているエリートのスポーツ選手たちです。
そして、ロボティクスの例として、私たちはまだそこから程遠いです。ですから、AGIシステムは、AI分野の本来の目標を本当に満たすために、これら全てのことができなければならないと思います。そして、私たちはそこから5年から10年離れていると思います。
もし何かが全てのことができるなら、それは超知能と見なされるという議論だと思います。しかし、あなたはAGIが適切な定義だと思っているのですね。
いいえ、もちろん違います。なぜなら、個々の人間が新しい理論を思いつくことができるからです。アインシュタインがそうでした、ファインマンがそうでした、全ての偉大な人々、私の科学のヒーロー全員が、それをすることができました。人間の脳アーキテクチャでそれが可能でした。稀ですが、可能です。ですから、超知能は議論する価値のある別の概念です。
しかし、それは人間の知能ができることを本当に超えるものです。私たちは14次元で考えることはできませんし、気象衛星を脳に接続することもできません。少なくとも、まだできません。そして、それらは本当に人間を超えた、超人間的なものです。それはまた別の議論ですが、AGIに到達したらの話です。
AIグラスへの期待
最近あなたのお話を聞いていて、本当に驚いたことがありました。Google DeepMindのポッドキャストで尋ねられたのですが、素晴らしい番組ですよ。今日、AGIに近いシステムを持っているかと聞かれて、私はGemini 3かもしれないと思いました。
あなたはNana Bananaと名付けましたね。
はい。
画像生成ツールです。
はい。
何ですって。
そうですね、時には楽しい名前を付けて、それで楽しまなければなりませんし。
でも、画像生成ツールがどうしてAGIに近いのですか。
ああ、そうですね、もちろん、画像生成ツールについて話しましょうが、私たちのビデオ生成ツールVOについても話しましょう。これは動画生成の最先端です。AGIの観点から見ると、さらに興味深いと思います。10秒、20秒のリアルなシーンを生成できるビデオモデルは、物理世界のモデル、直感的物理学と私たちが物理学の世界で時々呼ぶものの一種です。そして、それは液体や物体が世界でどう振る舞うかを直感的に理解しています。
そして、理解を示す1つの方法は、少なくとも人間の目には正確に見えるほど十分に人間の目を満足させるように、それを生成できることです。明らかに、物理学の観点からは完全に正確ではありませんし、私たちはそれを改善しようとしています。しかし、それは世界モデル、世界とその力学と因果関係を理解できるシステムというこのアイデアに向けた一歩です。
そして、もちろんそれは、これらのシステムが現実世界で長期的に計画できるようにするために、AGIにとって不可欠だと思います。おそらく非常に長い時間軸で、もちろん私たち人間ができるように。4年間大学で学位を取って、もっと資格を得て、10年後にはもっと良い仕事に就けるように。
これらは私たち全員がかなり楽にやっている非常に長期的な計画であり、現時点ではこれらのシステムなしでは、私たちはまだどうすればいいか分かりません。1つの時間スケールで短期的な計画はできます。しかし、こうした種類の世界モデルが必要だと思いますし、ロボティクスを想像してください。それがロボティクスにまさに必要なものです。現実世界で計画するロボット、何らかのタスクを完了するために、現在の状況から多くの軌道を想像できるロボットです。
それがまさに望むものです。そして最後に、私たちの観点から、そしてGeminiが最初からマルチモーダルであることに取り組んできた理由、動画、画像を扱えて、最終的にはそれを全て1つのモデルに収束させる、それが私たちの計画ですが、それは普遍的なアシスタントにとっても非常に有用だということです。
製品について少し話しましょう。ドキュメンタリー「Thinking Game」を他の3億人の人々と一緒に見ました。
そこで興味深いことが起きました。ドキュメンタリー全体を通して、あなたと何人かの同僚が携帯電話を物に向けて、アシスタントのAlphaに何が起きているのか尋ねていました。
そして私はいつものようにコンピューターに向かって叫んでいました。「この人にはメガネが必要だ、スマートグラスが必要だ。携帯電話は間違ったフォームファクターだ。」
AIグラスに対するあなたのビジョンは何ですか、そしてロールアウトはいつ起きるのですか。
その通りだと思いますし、それが私たちの結論でした。こうしたものを自分たちで試してみると、内部で、映画で見たように、携帯電話を持ち上げて、現実世界について教えてもらっていました。それは驚くべきことです。
機能しますが、やりたい多くのことにとって明らかに正しいフォームファクターではありません。料理をしているときや、街を歩き回って道順や推奨を尋ねたいとき、あるいは視覚障害者を助けるときなど、そこには大きなユースケースがあると思います。
そのためには、ハンズフリーのものが必要だと思います。そして、少なくとも私のようにメガネをかけている人にとっての明白なものは、メガネに載せることです。しかし、他のデバイスもあるかもしれません。メガネが最終的なフォームファクターだとは確信していませんが、明らかに次のフォームファクターであることは確かです。
そしてもちろん、GoogleとAlphabetでは、メガネに関する長い歴史があります。過去には少し早すぎたかもしれませんが、私の分析と、そのプロジェクトに取り組んでいた人々との話では、いくつかのことがありました。フォームファクターが少し分厚くて不格好で、バッテリー寿命などの問題がありましたが、これらは今はほぼ解決されています。
しかし、欠けていたのはキラーアプリだと思います。そして、キラーアプリは、あなたと一緒にいて日常生活を助けてくれる普遍的なデジタルアシスタントだと思います。コンピューター上でも、ブラウザー上でも、携帯電話上でも、そして街を歩き回っているときにはメガネのようなデバイス上でも、あなたが利用できるものです。
そして、シームレスである必要があり、あなたの周りのそれぞれの文脈を知り、理解する必要があると思います。そして、特にGemini 3で、私たちは近づいていると思います。ついに、それを現実にするのに十分強力かもしれないAIを手に入れたと感じています。そして、これは私たちが取り組んでいる最もエキサイティングなプロジェクトの1つです。
そして、スマートグラスを本当に機能させることは、私が個人的に取り組んでいることの1つです。そして、私たちは素晴らしいパートナーシップを築いてきました。Warby ParkerやGentle Monster、Samsungとともに、次世代のメガネを作るために。そして、今年の夏までには見られるはずです。
Warby Parkerは、これらのメガネが今年かなり早く発売されると述べる申請を行いましたね。
そうです。プロトタイプのデザインは、プロトタイプの段階にあります。それがどれだけ早く進むかによりますが、非常にすぐに起こると思いますし、新しいカテゴリーを定義する技術になると思います。
あなたの個人的な関与を考えると、これはGoogleにとってかなり重要な取り組みだと言って良いですか。
はい、そうですが、重要であることは明らかですし、私は自分の時間を重要なことに使うのが好きですが、最先端のことに取り組むのが好きなんです。そして、それはしばしば最も難しいことです。中間目標を選び、信頼を与え、タイミングが正しいかどうかを理解することです。長年これをやってきて、何十年にもなりますが、それがかなり上手になりました。ですから、最も違いを生み出せると感じる最先端の部分にいようとします。ですから、メガネやロボティクス、世界モデルのようなものに時間を使っています。
なるほど、わかりました。では、メガネにとってタイミングが正しいのですね。
広告について話しましょう。
もちろん。
広告にとってタイミングが正しいのでしょうか。準備させてください。Geminiに広告が含まれるかもしれないというニュースがありました。競合他社のいくつかにも広告が含まれるかもしれないというニュースがありました。それについてソーシャルメディアで見た最も面白いことは、誰かが「これらの人々はAGIには全く近づいていない。ビジネスモデルが広告であるなら、世界を破壊する技術にはならない」と言っていたことです。同意しますか。
興味深いですね。行動は言葉よりも雄弁だと思います。最初の会話に戻りますが、Samや他の人々がAGIがもうすぐだと主張していることについてです。
なぜその時に広告を気にするのでしょうか。ですから、それは尋ねるに値する合理的な質問だと思います。しかし、私たちの観点から見ると、現時点ではGeminiアプリ、具体的に言えば、広告を行う計画はありません。明らかに、ChatGPTが言っていることの結果を非常に注意深く見守るつもりです。
非常に慎重に扱わなければならないと思います。なぜなら、私が見るジレンマは、あなたのために働くアシスタントが欲しい場合、最も重要なことは何か。信頼です。つまり、信頼とセキュリティとプライバシーです。なぜなら、そのアシスタントと自分の人生を共有したいと思うかもしれませんし、それがあなたの代わりに、あなたの最善の利益のために働いていると確信したいからです。ですから、方法はあると思いますが、広告モデルがそこに混ざり込んで、ユーザーを混乱させないように注意しなければなりません。このアシスタントが何を推奨しているのか。その空間で興味深い課題になると思います。
それがやってはいけないことで、Sundar Pichaiが最近の決算説明会で、Google内部には正しいアプローチ方法についていくつかのアイデアがあると言っていました。
広告にどうアプローチしますか。
まあ、それはまだブレインストーミング中ですが、メガネやデバイスについて考えると、他の収益モデルもあります。ですから、見ていくのは興味深いでしょう。まだ強い結論は出していませんが、非常に慎重な思考が必要な分野です。
あなたから決定的な答えを得るために、すでに与えられたと思いますが、もう一度やります。お会いする前に読んだのですが、「Googleは最近、広告主に対し、AIチャットボットGeminiに2026年に広告を導入する計画だと伝えた」というのが昨年からありました。
いいえ、現在の計画はありません。それだけしか言えません。
かなり明確ですね。では、競合他社について続けましょう。Anthropic。
Claude CodeとClaude Coworkは途方もない話題を引き起こしました。
はい。
何人かの人々がやったことを見るのは驚くべきことです。元Amazon幹部の投稿を見ましたが、彼は週末、実際には1日半でカスタムCRMを構築したと言っていました。
まあ、週末としましょう。
それについてどう思いますか。そして、それへの回答を計画していますか。
非常にエキサイティングです。Anthropicに賛辞を贈りたいと思います。Claude Codeで非常に良いモデルを構築したと思います。私たちは現在のGemini 3のコーディング能力に非常に満足しています。フロントエンド作業のような特定のことに非常に優れています。私はクリスマス休暇中にゲームのプロトタイプを作るのに使っていました。
素晴らしいです。私をプログラミングに戻してくれます。起きているバイブコーディングの波全体が大好きです。デザイナー、クリエイティブ、アーティストなど、プログラマーのチームにアクセスしなければならなかった人々に、生産性空間全体を開放すると思います。今では、おそらく自分でもっと多くのことができるでしょう。それがもっと一般的な方法で世に出れば、多くの新しいクリエイティブな機会を生み出すことになると思います。
私たちはコードに取り組んでいます。私たちのコードの仕事には非常に満足しています。まだやるべきことはたくさんあります。私たち自身のIDE、anti-gravityをリリースしたばかりで、非常に人気があります。実際、見ている需要全てに対応できていません。そして、Geminiのコーディングとツール使用のパフォーマンスを非常に強力に推進しています。
しかし、Anthropicが完全に集中していることの1つだと思います。画像モデル、マルチモーダルモデル、世界モデルは作っていません。コーディングと言語モデルだけをやっています。そして、それらは非常に、非常に優れています。そして、一方ではそれについてパートナーシップを組めることを嬉しく思っています。
そして、それは私たち自身のモデルで改善するために推進する何かを与えてくれます。
AI業界の展望と懸念
AI業界のビジネスについて広く話しましょう。これが全て崩壊する可能性についての理論があります。
あなたに提示したいと思います。3段階のプロセスです。第一に、大規模言語モデルのトレーニング実行が限定的なリターンを生み出すこと。
第二に、Gemini FlashのようなFlashモデルが、AI計算を検索と同じくらい安価に実行すること。そして第三段階は、行われた大規模なインフラ投資が、これら2つの要因を考えると、やや無用になり、連鎖的な崩壊が起こるということです。これは正当な懸念ですか。
それは妥当で可能性のあるシナリオだと思います。しかし、私の意見では、それが可能性が高いとは思いません。私の考えでは、AIはすでに十分に証明されたと言えます。私たちの科学、AlphaFold、創薬における仕事などで、ここに留まることは間違いありません。明日、AIが機能しないことが分かったというようなことはありません。私たちはそれをはるかに超えて突き進みました。ですから、それは明らかに人類史上最も変革的な技術になるでしょう。タイムラインについては疑問符があるかもしれません。2年なのか5年なのか。いずれにせよ、これほど変革的なものとしては非常に近いですし、私たちはまだそれを使いこなし、展開する方法を実際に理解する初期段階にあると思います。なぜなら、技術があまりにも速く改善しているからです。
実際、今日のモデルでさえできることについて、巨大な能力のオーバーハングがあると思います。それを構築している私たちでさえ、完全には知らないかもしれません。ですから、私たちが見る製品機会は膨大な量があると思いますし、私たちはGoogleとして、既存の素晴らしい製品にこれらのものをネイティブに組み込むことの表面をやっと引っかき始めたところです。新しいものを構築することは言うまでもありません。AI Inboxを試し始めたばかりです。誰がメール管理をやりたいと思いますか。私たち全員、それがなくなればいいと思うでしょう。それは私の仕事の日の一番の悩みの種です。そして、そのような例はたくさんあります。ブラウザーでのエージェント、YouTubeを助けること、明らかに検索を動かしていること。ですから、膨大な機会があると思いますし、AIバブルについて話しているなら、私はそれについて非常に喜んで答えたいと思います。なぜなら、私の見解では、バブルの中にいるか外にいるかは二元的ではないと思うからです。AI業界の一部はおそらくそうですし、他の部分はまだ分からないと思います。
バブルの中にいるのか外にいるのか。いくつかのことは、基本的に製品も研究もない、ただ何人かの人々が集まっているだけの会社の何百億ドルものシードラウンドを見ると、通常の市場では少し持続不可能に見えます。少し泡立っているように見えます。
一方で、私たちのようなビジネスでは、巨大な基盤ビジネスと製品があり、AIがそれらの製品の効率や生産性を向上させることは非常に明白です。そして、チャットボット、メガネ、これら全てのような新しいAIネイティブ製品の人気と収益化がどうなるかは、まだ分かりません。
私たちは見なければなりません。膨大な市場があると思いますが、まだ証明されていません。しかし、私の観点から、Google DeepMindを運営している者として、私の仕事は、AIバブルに何が起きても、それが弾けても、存在しなくて続いても、どちらにしても私たちが勝つことを確実にすることです。
そして、私たちはAlphabetとして、どちらの場合でも信じられないほど良い位置にいると思います。既存のビジネスを倍増することも、最前線とフロンティアにいることも。
Thinking Gameに戻ると、これが経済に与える影響について話すと、私はあなたの技術の対戦相手に対して申し訳なく感じ始めました。
李世ドル。
はい。
意気消沈しました。
もちろん。
StarCraftをプレイしたこのManaという人は、あなたのボットに勝ちましたが、人間対機械は基本的に終わったことに気づきました。今、私たち全員が何らかの形でこれに直面しています。これらのものが知識労働に進出するにつれて。
私たちのAI競合他社のことかと思いました。彼らについては大丈夫です。それについては悲しくありません。AIの容赦ない進歩ということですね。ゲーマーのことですね。
ゲーマーです。はい。
あなたは私にゲーマーに対して申し訳なく感じさせました。しかし、これについて尋ねたいのです。世界最高のStarCraftやGoのプレーヤーに対して見事に戦ったこれらのモデルが、今や私たちの仕事をし始めており、私たちは同じ立場に置かれることになるのではないでしょうか。
そうですね、ゲームを例に挙げられたので、ゲームで何が起きたか見てみましょう。チェスでは、私が10代の頃から、1990年代にGarry Kasparovよりも優れたチェスコンピューターがありました。それらは汎用AIシステムではありませんでしたが、Deep Blueがありました。チェスはかつてないほど人気があります。誰もコンピューター同士の対戦を見ることに興味はありません。
私たちはMagnus Carlsenが他の世界のトップチェスプレーヤーとプレイするのを見ることに興味があります。興味深いことに囲碁では、世界最高の囲碁プレーヤーは韓国人です。彼はAlphaGoの試合が行われたとき15歳くらいだったと思います。今は20代半ばで、ELOレーティングによればこれまでで圧倒的に最強のプレーヤーです。なぜなら、彼は十分若く、ネイティブに学んだからです。彼は、AlphaGoの知識が知識プールにある状態で学んだ最初の世代と言えます。そして、彼は実際、当時のAlphaGoよりも強いかもしれません。ですから、私たちは皆、StarCraftや他の全てのコンピューターゲームを楽しんでいます。私たちは人間の努力を楽しんでいます。
100メートル走のオリンピックレースを私たちはまだ愛しています。Usain Boltよりもはるかに速く走れる乗り物があるにもかかわらずです。しかし、それは違うことです。ですから、私たちは適応し、技術と共に進化する無限の能力があると思います。なぜなら、私たちは汎用知能だからです。それが重要なことです。私たちはAGIシステムです。明らかに、私たちは人工的ではありません。汎用システムです。そして、科学を発明できます。私たちは道具を作る動物です。それが私たち人間を他の動物から分けるものです。コンピューター、そしてもちろんコンピューターの究極の表現であるAIを含む現代文明全体の周りの道具を作ることができます。それは全て私たち人間の心から来ています。それは狩猟採集のライフスタイルのために進化しました。
ですから、私たちが現代文明に到達できたことは驚くべきことで、それは私たちがどれほど汎用的かを示しています。今日ここにある、AIや科学、物理学、これら全てのことについて話しているのです。そして、私たちは再び適応すると思いますが、仕事やそれらのことを超えた経済的なものについての重要な質問が実際にあります。それは目的と意味についてです。なぜなら、私たち全員が自分の仕事から多くの目的と意味を得ているからです。私は確実に自分の科学からそうしています。
では、その多くが自動化されたらどうなるのか。ですから、新しい偉大な哲学者が必要だと私が呼びかけてきた理由です。それは人間の状態への変化になるでしょうが、必ずしも悪化する必要はないと思います。産業革命のようなものだと思います。おそらくその10倍ですが、私たちは再び適応しなければならないでしょう。
そして、私たちは新しい意味や物事を見つけると思います。そして、私たちはすでに今日、経済的利益だけのためではない多くのことをやっています。芸術、エクストリームスポーツ、探検、これらの多くのことです。そして、おそらく将来、それらのものの、はるかに洗練された難解なバージョンを持つでしょう。
情報理論と宇宙の本質
さて、残り2分です。2つの質問があります。両方できるかどうか分かりません。最も知りたい答えの質問をさせてください。最近のインタビューで、情報が宇宙の最も基本的な単位であるという理論をお持ちだとおっしゃっていました。
エネルギーでも、物質でもなく、情報です。
はい。
どうやって。
そうですね、エネルギーを見れば、これを2分でカバーできるか分かりませんが、エネルギーと物質では、多くの人がそれらを情報と同型だと考えていると思いますが、私は情報が宇宙を理解する本当に正しい方法だと思います。生物学や生物システムを考えると、私たちはエントロピーに抵抗する情報システムです。私たちの構造、私たちの情報を、周りで起きているランダムさに直面して保持しようとしています。
そして、それをもっと大きな物理学のスケールで見ることができると思います。生物学だけでなく、山や惑星、小惑星のようなものです。それらは全て何らかの選択圧力を受けてきました。ダーウィン進化ではありませんが、何らかの外的圧力です。
そして、それらが長い時間安定していたという事実は、その情報が一種の安定した意味のあるものであることを意味します。ですから、世界をその複雑さ、情報の複雑さの観点から見ることができると思います。そして、私がこれら全てについて考えている理由の多くは、AlphaGoやAlphaFoldのようなものです。特にAlphaFoldでは、科学に知られているタンパク質構造を全て解決しました。
そして、どうやってそれをやったのか。なぜなら、ほぼ無限のタンパク質構造の可能性の中で、特定の数のものだけが安定しているからです。
そして、それらが見つけなければならないものです。ですから、そのトポロジー、その情報トポロジーを理解し、それに従う必要があります。そうすれば突然、干し草の山から針を見つけるなんて、どうやってできるのかと思われる、扱いにくいように見えた問題が、その周りのエネルギー景観または情報景観を理解すれば、実際には非常に扱いやすくなります。そして、それが最終的に私たちが、AIの助けを借りて、その情報景観をナビゲートすることで、ほとんどの病気を解決し、新しい薬、新しい材料、新しい超伝導体を思いつく方法だと思います。
Dennisさん、最後に、そうですね、多分これを簡単に、そして最後に大きな質問をしたいと思います。
Thinking Gameで、健康とAIについて話すと、この瞬間があります。ラボでAlphaFoldの結果を公開するかどうかについての議論があり、あなたはそこに断固として座って「なぜプロセスを経るのか。公開しろ。今すぐ公開しろ」と言っていました。
そこからの教訓について少し話してください。
そうですね、私たちはAlphaFoldを始めました。信じられないほど困難な科学的課題、タンパク質折り畳みとタンパク質構造予測の50年の大きな課題を解決するためです。そして、私たちがそれに取り組み、それに多大な努力を注いだ理由は、それが根源的なノード問題だと考えたからです。
それを解決し、世界に出すことができれば、人間の健康や生物学の理解のようなものに対して、驚くべき計り知れない影響を与えることができると思いました。しかし、私たちはチームとして、どれほど才能があり、勤勉であっても、その可能性の小さな表面をわずかに引っかくことしかできないことは明らかです。
ですから、その場合、そしてこの場合、世界への利益を最大化するために、それを科学界、大規模な科学コミュニティに出して、AlphaFoldの上に構築し、使ってもらうことが明らかに正しいことでした。そして、世界中の300万人の研究者がそれを重要な研究に使っているのを見るのは、信じられないほど満足です。
将来、ほぼすべての単一の薬が、今後発見される薬は、おそらくそのプロセスのどこかでAlphaFoldを使っていると思います。それは私たちにとって素晴らしいことで、それが私たちが全ての仕事をやる理由です。
私はその瞬間を、情熱的な小さなAI部門が大きな会社で「これを出せ、お役所仕事を切り捨てろ」と叫んでいるメタファーとしても読みました。
そうですね、可能性はありますが、私たちは最初からGoogleから素晴らしいサポートを受けてきました。私たちが2014年にGoogleと力を合わせた理由は、Google自体が科学研究、エンジニアリング、技術の会社であり、常にそうであり、それを核心に持っているからです。ですから、私たちがやる全てのことに科学的方法と科学的アプローチ、思慮深いアプローチ、厳密なアプローチを持っているので、もちろん彼らはAlphaFoldのようなものを愛するでしょう。
AGIの未来とその影響
さて、最後の大きな質問です。あなたはAlphaGoを構築しました。
人間の知識に基づいて囲碁をプレイするようコンピューターを訓練し、人間レベルのプレイを習得したら、AlphaZeroというプログラムで解放しました。
そして、それはあなたが想像もできなかったことをやり始め、あなたを驚かせるような方法で新しい回路を作りました。
最終的に、LLMまたはそれらの何らかのバージョンが、同じように人間の知識の習得に到達する時が来るかもしれません。それを解放してAlpha Zeroが行ったのと同じこと、潜在的に同じことを行うとき、何が起こるでしょうか。
非常にエキサイティングだと思います。私にとって、それがAGIの瞬間だと思います。そうすれば、新しい超伝導体、室温超伝導体を発見するでしょう。それは物理学の法則では可能ですが、私たちはまだその干し草の山の中の針を見つけていないだけです。または新しいエネルギー源、最適なバッテリーを構築する新しい方法です。
これら全てのことが可能になると思いますし、実際、可能になるだけでなく、起こると思います。まず、人間レベルの知識を持ち、その後、Alpha Zeroのようないくつかの技術があれば、それがそれらの技術のいくつかを発明するのを助けなければならないかもしれませんが、新しい未開拓の領域に進むことができるシステムに到達したら。
その、気象システムを脳に接続するというアイデアのように、それがその上にあるでしょう。
まさにそうです。
さて、エキサイティングな時代です。
Dennisさん、番組に来ていただきありがとうございました。
ありがとうございました。
皆さん、ありがとうございました。
ありがとうございました。
コメント