本動画は、機械学習研究者Nathan LambertとSebastian Rashkaのポッドキャストを受けて、現代のAI能力が到達した地点を解説するものである。フロンティアモデルの構築を除けば、今日のAIモデルは十分なコンテキストさえ与えれば、ほぼあらゆるソフトウェアを構築できる段階に達している。イノベーションの99%は再結合的であり、既存の解決策をGitHubやオープンソースプロジェクトから見つけ出し、それらをコンテキストとしてモデルに与えることで、専門知識がなくても革新的な製品を生み出せる時代が到来した。技術的スキルの習得障壁は極めて低くなり、2週間、場合によっては24時間から48時間で必要なスキルを学べる。重要なのは専門的な技術労働者になることではなく、技術を理解し wielder(使い手)となることである。人類は思考する機械を創造した今、真の意味で始まったばかりであり、この稀有な歴史的転換点を最大限活用すべき時である。
AIがもたらす能力革命の到来
やあ、みなさん。Neilです。チャンネルへようこそ。いつものコーヒーを持ってきました。コーヒーなしでは動画は作れませんからね。さて、この動画で具体的にお話ししたいのは、私たち全員が今日持っている能力についてです。つい先ほど、Lex Friedman、Nathan Lambert、Sebastian Rashkaのポッドキャストを見ていました。
この方々をご存じない方のために説明すると、特にNathan LambertとSebastianは、どちらも機械学習の研究者なんです。彼らはただの平均的な人や、あまり優秀でない平均的な開発者ではありません。彼らは本当に優秀な人たちです。本物のコンピュータサイエンティストであり、実際に本格的な機械学習研究を行っていて、素晴らしい開発者でもあります。
このポッドキャストから私が得た主なポイントは、私たちはすでに今年の時点で、これらのモデルがほぼあらゆるものを構築できる段階に到達しているということです。別のモデルを構築する以外は、ですけどね。ソフトウェアを構築しているのであれば、フロンティアモデルを構築するのでない限り、ソフトウェアにおいてほぼ何でも革新できます。基本的には、フロンティアモデルの構築以外なら、ソフトウェアで何でもできるということです。
革新は既にコンテキストの問題
皆さんは疑問に思うかもしれません。「それは違う。それは本当じゃない。これらのシステムで斬新なことなんてできない」と。でも実は、できるんです。それは単純にコンテキストの問題なんです。
OpenAIのGPT、Grok、Geminiで深い研究ができるなら、モデルを使ってリサーチし、「よし、この問題を斬新な方法で解決したいというビジョンがある」と考えたとき、解決しようとしている問題の断片、構築したいビジョンの断片が既に解決されている確率は、ほぼ100%に近いんです。少なくとも一部、少なくとも個々のピースは既に解決されていて、それらを新しい方法で再結合するだけなんです。
ちなみに、イノベーションの99%は再結合的イノベーションです。約束しますが、皆さんのアイデアはそこまで特別ではありません。イノベーションの99%は再結合的なものです。それ以外は、基本的に暗闇で撃ちまくって科学的方法に従うことです。
だから、それをやるつもりでない限り、まあ皆さんはそうしないと思いますが、最近ではモデルを使ってそれさえできるかもしれません。アイデアがあって、いくつかテストして、戻ってきて、科学的方法に従って、他のものをテストして、戻ってくる。それ以外では、やろうとしていることが既に可能である可能性は高いんです。何をすべきか全く知らなくても、GitHubリポジトリを調べて、可能性のあるオープンソースプロジェクトを見つけて、それらのリポジトリをクローンして、作業ディレクトリに置いて、それをモデルがこれらの異なるプロジェクトを見るためのコンテキストとして使うだけです。
ビジョンを説明して、やり取りを重ねる。そうすればモデルはビジョンを理解します。そして今や、何をすべきか全く知らなくても、斬新な製品を革新できるんです。私たちは本当にそこに到達しているんです。
学習曲線は驚くほど短い
「何をすべきか全く知らなくても」と言うとき、もちろん小さな注意点はあります。でも、私が説明していることを実行するために知っておく必要があることの学習曲線は、せいぜい2週間です。これらのことは2週間以内にできます。本当にそんなに難しくないんです。
2週間、いや、それより短いかもしれません。24時間か48時間で本当にできます。今日の世界では、どんなスキルでも2週間あれば学べます。本当にそうなんです。だから、フロンティアモデルの構築を含まない限り、今想像しているほぼあらゆるソフトウェアを革新できます。それはおすすめしませんけど、OpenAIには勝てないでしょうし、Anthropicには勝てないでしょうし、イーロン・マスクには勝てないでしょうから。
だから、自分のフロンティアモデルを革新するのでない限り、それには明らかに少し、ちょっとした何か特別なものが必要ですが、それ以外のほぼすべてのことは可能です。もちろん、心理学を理解する必要はありますし、ビジネスを理解する必要はありますし、良いユーザー体験とは何かを理解する必要はあります。そういったことは学ぶ必要がありますが、それらは非常に学習可能なものです。
参入障壁の劇的な低下
それらを学ぶのにそれほど時間はかかりません。参入障壁は今や極めて低くなっています。そして、低い状態が続くでしょう。低いままですが、今日これを理解している人の数と、将来理解する人の数との差は非常に大きいです。今のところ、ほとんど誰もこれを理解していません。私のチャンネルや他の人のチャンネルを見ている一部の人たち、最前線や最先端にいる人たちなど、おそらくかなりのグループの人たちはこれを理解していますが、ビジネスをしている人もそうでない人も、99%の人はこれを理解していません。
大きなチャンスが今ここにあります。そして私たちは文字通り革新できるんです。それが鍵です。それがこの動画の全体的な前提です。今日のAIで革新は可能なんです。確かに、これらのモデルはデータ分布を持っていて、必ずしも分布外のことが得意というわけではありません。
ええ、それは本当です。でもコンテキストはこれらのモデルで機能するんです。良い例の一つは、ExtropicのThermodynamic Computerです。彼らは独自のThermalというパッケージを持っていて、文字通りドキュメントに行って、これらのパッケージを使って、ドキュメントに行って、そのコンテキストを使うだけです。ChatやGeminiや使っているモデルが、その情報について分布内で何も知らなくても大丈夫です。
これは新しく出たパッケージです。まだ全く訓練されていません。全くです。真新しいものです。でもコンテキストを使うだけで、取得して実装できます。取得して実装。モデルはこれらのことをするのに十分賢いんです。今やコンテキストウィンドウは十分に大きくなっています。これらのことをするのに十分賢いんです。
コンテキストが全てを変える
そして、取り組んでいる本当に大きなプロジェクトにとってコンテキストウィンドウが十分に大きくない場合は、圧縮を使えばいいんです。モデルに分析させて、圧縮して、MDファイルに入れる。とても簡単です。すべてはコンテキストについてなんです。それだけなんです、今は。十分なコンテキストさえあれば、文字通り何でもできます。それが今日の状況です。
ほとんどの人はこれを理解していません。私たちはここにいるんです。十分なコンテキストがあれば、今や何でも構築できます。でも、コンテキストは今日、エーテルの中に存在する可能性が高いんです。存在する可能性が高いです。
解決しようとしている問題がどれほど難しくても構いません。すみません、解決しようとしている問題がどれほど難しくても構いません。コンテキストは存在する可能性が高いんです。もちろん、ある特定のフロンティアにあるようなものはおそらくあるでしょう。非常に難しい電気工学の問題を解こうとしているなら、コンテキストがないかもしれません。
あるいは、極めて難しい物理学の問題を解こうとしているなら、コンテキストがないかもしれませんよね。でも、ソフトウェア内の何でも、コンテキストはあります。GPT 3.5 Codecsや、すみません、GPT-4o Codecsで、比較的というか、比較的でさえなく、非常に洗練されたものを今や構築できます。私たちは今日ここにいるんです。
だから、他に何を言えばいいかわかりません。本当に必要なものはすべて目の前にあります。これらのモデルと話すだけでいいんです。おすすめすることの一つは、多くの人がやっていないことですが、私のようにYouTubeチャンネルを作ることです。これらのことについて話す。コミュニティを構築する。それが最終的な注意点の一つになると思います。
技術的専門性から拡張された汎用性へ
技術的なことは食い尽くされるでしょう。技術的な能力やスキルは食い尽くされるでしょう。このテクノロジーは、ほぼ誰でもテクノロジーに近づけるようにします。長い間、人間とテクノロジーの間には大きなギャップがあって、人間はテクノロジーを学ぶために専門家にならなければなりませんでした。今や、それは拡張された汎用主義者になることについてなんです。
テクノロジーはもはや学ばなければならないものではありません。テクノロジーは単にあなたに適応するものです。それはあなたに引き寄せられます。テクノロジストになることについてではないんです。テクノロジーを理解することについてなんです。
「テクノロジストになることについてではない」と言うとき、私が意味するのは、テクノロジーにおける特定の専門的な熟練労働者になることについてではないということです。それでもテクノロジーを理解すること、その意味でテクノロジストであることについてです。テクノロジーを理解すること、これらのものの形、それらがどのように機能するか。それは今でも非常に重要ですし、常に重要であり続けるでしょう。
でも、それがテクノロジーにおける専門労働者になることについてではないんです。それは、他の場所で労働し、テクノロジーを使って自分を拡張する、拡張された汎用主義者になることについてなんです。そして、それらの場所であなたを拡張するテクノロジーを構築するでしょう。
テクノロジーの使い手になるべきです、本当に。効果的にテクノマンサーのようになるべきです。そして、それが私たちが今日なれるものなんです。私が説明したように、そしてNathan LambertとSebastian Rashkaがすでに説明したように。この人たちは、企業の評価額を釣り上げようとしているような人たちではありません。
この人たちはそういう人たちではないんです。これらは科学者、研究者などです。彼らは気にしません。だから、これが今日の私たちの位置です。そして、かなりクールだと思いますが、これはそう長くは続かないでしょう。
宇宙規模で稀有な歴史的転換点
こういったチャンスは、どのくらいの頻度で訪れるんでしょうか。以前の動画で言及しましたが、銀河規模でズームアウトできたら、銀河や宇宙全体でこれはどのくらいの頻度で起こるんでしょうか。宇宙には技術を創造する知的な宇宙人がいると仮定しましょう。宇宙人の文明が、思考できる機械を創造する地点に到達するのは、どのくらいの頻度なんでしょうか。
今、本気で言っているんですか。それは狂気じみたことです。この出来事はどれほど稀なんでしょうか。このイベントはどれほど稀なんでしょうか。それを最大限に活用しましょう。宇宙における私たちの位置を最大化しましょう。素晴らしいことになるでしょう。未来は絶対に驚くべきものになるでしょう。
ほら、美しいことがあります。人類は、つい今まで始まってさえいませんでした。思考できる機械を手に入れるまで。今日まで、私たちは始まってさえいなかったんです。私たちはちょうど始まったばかりです。
さあ、やりましょう。わかりません。ただ本当に興奮しているんです。生きているのに最高の時代です。
コメント