AI技術の最前線を包括的に解説する動画である。動画生成における空間記憶の革新技術Anchorwave、自律消火ロボットの協調学習、AI時代の生産性と労働価値の変化、意識を仮想生命体として捉える新理論、暗号通貨とAIトークンの経済的競合、バイオサイエンスにおける生成AIのリスク、人間の網膜を模倣したニューロモーフィックチップ、AIによる共感認識の可能性、主要テック企業による年間6000億ドルのインフラ投資、自動運転車のサイバーセキュリティ脆弱性、AI企業の安全計画の実態、そしてLinkedInの本人確認における個人情報の流れまで、多岐にわたるトピックを取り上げている。最後には空間・時間に続く第五の次元「タウ」という哲学的概念で締めくくられる。
AI動画生成の空間記憶革命
まずはAnchorwaveについてお話ししましょう。これはAI動画の世界がゆがむのを防ぐ技術で、ローカルな空間とカメラの動きを記憶することで実現しています。それから未来のスマート消火器についても触れていきます。そうなんです。AI搭載のロボット車両が、あの昔ながらの消火器と組んで活躍するんです。
まあ、何でダメなんでしょうか。前回の動画ではスマート下着を取り上げましたからね。スマート消火器があってもおかしくありません。実際、下着より先に発明されてもいいくらいですよね。
それからスティーブ・ヤグの意見記事「AIバンパイア」についても深く掘り下げていきます。AIと同じ部屋にいると人々のエネルギーが吸い取られる、と彼が言うとき、一体何を伝えようとしているのか考えてみましょう。
意識を仮想生命体として捉える考え方についても見ていきます。これは不思議なほど説得力のあるモデルで、あなた自身であるところの「あなた」をどう理解するかという話です。
暗号通貨の価値とAIの価値は共存できないと主張する人たちもいます。それらは相互排他的なのでしょうか。その議論を見てみましょう。一見するとそう思いたくなりますが、何か真実が含まれているかもしれません。暗号通貨をマイニングすべきか、それともトークンを処理すべきか。ああ、ジレンマですね。
生成AIとバイオサイエンスが現在どこにあるのか、そして新たに出現しているバイオセキュリティの脅威と、現実世界のリスクがより現実的になるにつれてそれらを軽減するためのロードマップについても見ていきます。
ロボットに超人的な反射神経を与える可能性のある新しいマシンアイボールについてもお話しします。そう、実際にそういう話なんです。カメラではなく、脳のようなチップで動く眼球の話です。
チャットボットが人間に共感について教えられることについてもお話しします。思っているより多くのことがあるんですよ。
AI構築に費やされている金額と、それが元々のインターネット構築とどう比較されるか、数字をもう少し深く掘り下げたいと思います。
自動運転車を乗っ取ることを可能にする新しいAIの盲点ハックについてもあります。Substackのサラさんが、私たちの代わりに主要なAI企業の安全計画をすべて読んでくれました。閾値とトリガーのセクションは気に入らないかもしれませんが、緩和策の可能性については間違いなく気に入るはずです。
Local Stackが、LinkedInで本人確認を受けるときに実際に何を確認しているのかについて、技術的な詳細を公開しました。ええ、まあ、こういうことが起きているのはだいたい分かっていました。ただ今まで考えないようにしていただけです。
もしよろしければ、ハイプボタンを押していただけませんか。前回の動画で200ハイプにどれだけ近づいたか見てください。
Anchorwaveが解決する動画生成の記憶問題
さて、この論文の核心は何でしょうか。Anchorwaveは、新しい動画を生成する際の大きな問題に対する解決策です。それは物事がどこにあったかを記憶することであり、自分自身の記憶が薄れ始めるときの問題です。自分が住んでいる世界についての記憶が崩れ始めるのです。
ほとんどの長尺動画生成システムは、しばらくすると自分がどの世界にいるのか忘れてしまいます。カメラが元の位置に戻ってきたとき、部屋がずれていたり、物体が漂っていたり、新しいものが現れていたりすることさえあります。
新しいシステムの多くは、単一のグローバルな3Dメモリでこれを修正しようとします。つまり、過去のフレームから一つの大きな3Dシーンを再構築して、そこからアンカービデオと呼ばれるものをレンダリングし、次のフレームをガイドするわけです。これは少し機能しますが、実はこれらのグローバル3Dメモリシステムは徐々に自己中毒を起こし始めることが分かっています。
なぜなら、物事をつなぎ合わせているからです。小さな深度エラーがあると、壁が少し違う場所に再構築されることになります。そしてこれらの視点を一つのグローバルモデルに融合すると、エラーが積み重なり始めるのです。
Anchorwaveはメモリの考え方を反転させます。一つに融合された世界ではなく、フレームごとに多くの小さなローカルポイントクラウドを保存します。そして次のカメラパスが見るであろうものを最もよくカバーするいくつかを取り出し、複数のアンカーをポーズベースの重み付けと共有アテンションで織り合わせます。
メモリはクリーンなままです。モデルは小さな不一致を増幅するのではなく、調整することを学習します。
協調学習する自律消火ロボット
次は、チームを組んで火を消すことを学習しているAIロボット車両の話に移りましょう。あるチームが、マルチエージェント強化学習と呼ばれるものを使用しました。これは複数のAIエージェントが一緒に試行錯誤しながら学習することを意味します。
ただし、初日からロボットを混沌に放り込んだわけではありません。3段階のカリキュラムを構築したのです。最初に、1台のロボットが単純なナビゲーションを学習しました。障害物の周りを移動するだけです。
次に、複数のロボットがお互いと環境の周りを移動することを学習しました。そしてその後でようやく、完全な消火シナリオに直面させました。複数のロボット、複数の火災、至る所に障害物がある状況です。
このステップバイステップのトレーニングのおかげで、無人地上車両はシミュレートされたロボットとチームを組み、グループに分かれて、99.6%という完璧な精度で2つの火災を消火できました。
ロボットは自己組織化さえして、人間が制御しなければならない量を減らしました。研究者たちは、このモデルをさらに推し進めて、火を消している最中にセンサーから収集したデータを使って、独自に超高速の意思決定を行う群れにしようとしています。
かなりワイルドな群れシステムを構築しているわけです。構造化された学習です。まず基礎を教え、次にチームワーク、そして複雑さを教えます。それがこれをユニークなものにしているんです。でも、99.6%の火災が消火されるって、それは私が賛同できる未来ですね。
AIバンパイアと生産性の罠
さて、バンパイアについて話しましょう。普通のバンパイアは聞いたことがあるでしょう。それからタイムバンパイアも聞いたことがあるかもしれませんが、今度はAIバンパイアです。
スティーブ・ヤグがこの意見記事を書きました。基本的に、AIは私たちをより生産的にしているのではなく、ただ静かにあなたの余分な時間を誰が得るかを変えているだけだと主張しています。
彼は、AIの本当の危険性は、私たちを怠け者にすることではなく、私たちを10倍生産的にして、他の誰かがその価値を獲得することだと主張しています。あなたではありません。
1日8時間AIを使って、以前の10倍の仕事を生み出したとしましょう。あなたの会社はその恩恵のほぼすべてを得ます。多くの場合、あなたはおそらく同じ給料をもらうことになります。もっと疲れ果てるでしょう。追いつくために自由時間にこれらのツールの多くを学ばなければならないかもしれません。
それが彼が言うところのAIバンパイアです。タイムバンパイアなのです。反対に、AIを使って1日1時間だけ働くなら、すべての恩恵を自分で保持できますが、あなたの会社は損をして、最終的には崩壊するか、遅れを取ることになります。
本当の戦いは生産性についてではありません。価値がどこで獲得されているかについてです。9人のエンジニアに相当する余分なアウトプットを誰が手に入れるのか。
企業は従業員から価値を引き出すように構築されています。スタートアップはゴールドラッシュのようにこの未来に向かって疾走しています。そして経営幹部は、強化された開発者を見て、近い将来の人員削減を思い描いています。
従業員は、極端な早期採用者によって設定された非現実的な基準を追いかけて燃え尽きています。そして解決策はAIを止めることではありません。
あなたの時給は固定されたままですが、労働時間は固定されていません。AIがすべての時間を高強度の意思決定作業に変えるなら、あなたの労働日は縮小します。8時間ではなく、3〜4時間の集中した時間になります。
なぜなら、自分でダイヤルを設定しなければ、他の誰かがあなたのためにそれを設定するからです。そしてバンパイアは吸血をやめません。
だから、もっと生産的になっているなら、上司と話してください。周りの人と話してください。そんなに生産的であることがどれだけ多くの仕事であるかを説明してください。そうすれば、みんなが勝つことができます。でも燃え尽きたくはないでしょう。だから上司とそれを伝える必要があるかもしれません。
意識を仮想生命体として理解する
さて、話題を変えて意識について話しましょう。意識を仮想生命体として考えることができるという新しい考え方があります。そしてそれが最良の記述の一つなのです。
現代科学と古代の知恵の間のギャップを埋めていきましょう。ベン・ボラロが書いたエッセイは、現代科学と古代の知恵の間の長年のギャップを埋めようとする、意識の新しいモデルを提案しています。
彼はカール・フリストンの能動的推論理論を拡張していきます。さあ行きましょう。
ちょっと想像してみましょう。思考実験をするために外に出てみます。もしあなたの苦しみが現実そのものから来ているのではなく、生き残ろうとしているあなたの頭の中の仮想生物から来ているとしたらどうでしょう。興味深い質問です。
自己は幻想ではないかもしれません。ただ、あなたの中に住む仮想生命体のように振る舞うかもしれません。そしてこのエッセイは、その物語を3つの異なる部分から構築していきます。
まず、最も低いレベルである能動的推論から始めます。これは、生物が世界のモデルを構築し、何が起こるかを予測し、そして予測誤差を減らすために行動することで生き残るという考え方です。
その後、第2段階に進みます。脳がシミュレートされた自己を作り出すのです。それは「世界の中の私」という継続的なモデルです。おそらくあなたは他の誰かをモデル化したでしょう。そして、その他の人は私のようだから、私も自分自身をモデル化できる、と気づくわけです。ある意味でそこで目覚めるのです。
そして第3に、仮想化の抽象化されたレイヤーがあります。多くのレイヤーを下に隠しながら一つのディスクのように見えるクラウドドライブのようなものです。
これらをまとめると、意識はこの仮想生命体になります。それは独自のモデルを構築します。独自の「もしも」シナリオを生成します。そしてその「もしも」シナリオが、私たちが欲求や願望と呼ぶものなのです。
現実がそれに一致すれば、私たちは気分が良くなります。一致しなければ、予測誤差が積み重なります。その緊張が苦しみです。
そしてこれらすべてをまとめると、欲望を押しつぶすことで苦しみを排除することはできないという結論に到達します。この仮想生命体は現実をモデル化して生き残るように配線されています。シャットダウンされることに抵抗します。
唯一の本当の選択肢は、モデルを更新し続けること、認識を研ぎ澄まし、現実との整合性を改善し、最終的に現実をコントロールしようとすることから現実を評価することへとシフトすることです。諦めたからではなく、モデルが自分自身の限界を見るのに十分なほど成熟したからです。
私たちは一般的に、意識を私たちの中の小さな人として考えますが、これはその生命体のような性質の直感的な理解を示唆しています。
トークンという新しい通貨の可能性
次は、ビットコインマイナーがAI推論に切り替えている話に移りましょう。利益は確実に変わりつつあるからです。
しかしホセ・クレスポは書いています。「AnthropicがBitcoinを殺している。AIネイティブの通貨はすでに存在しており、誰の目にも触れないところに隠れていて、暗号通貨を6桁上回るパフォーマンスを発揮している」
何が起こっているのでしょうか。これはかなり型破りな記事です。Bitcoinが他の暗号通貨、SolanaやEthereumやCardanoのようなもので置き換えられると思うかもしれません。
しかし違います。おそらくAIインテリジェンスに使用されるトークンが新しい暗号通貨なのです。実際、この記事はAIが新しい暗号通貨を作るとは言っていません。通貨はすでに存在していて、私たちはすでにそれを使っていると言っているのです。
企業がClaudeのAPIを呼び出すたびに、トークンで支払います。比喩的なトークンではなく、測定された単位です。30万以上の組織予算がそれに向けられています。それらで予測を立てます。それらでコストを追跡します。それは勘定単位です。それはトークンであり、同時にAIで使用するものでもあります。
奇妙です。これについて考えるには、型にはまらない考え方をしなければなりません。しかし、API呼び出しが行われるたびに、それはリアルタイムの交換です。計算が入り、知能が出てきて、支払い設定が即座に請求されます。
つまり、それは即時決済を伴う交換媒体だと考えることができます。そして、すべてのトークンの背後には、この物理的なインフラストラクチャ、データセンター、チップ、長期電力契約が存在します。Anthropicだけで約1000億ドルの契約された計算能力があります。
それは生産的資産に裏打ちされた価値の保存手段であり、投機ではありません。その意味で、それは価値の保存手段よりも良い投資のように思えます。まあ、そうは言いませんが、単なる価値の保存手段とは違います。
Bitcoinのようなものに近いかもしれませんが、計算をどんどん追加し続けることはできないため、より希少性があるかもしれません。
いずれにせよ、トークンを暗号通貨に近いものとして考えることは、単なる何らかの計算の測定単位として考えるよりも興味深いことです。
著者の中心的な主張は構造的です。暗号通貨のアーキテクチャとAnthropicのインフラストラクチャは一対一でマッピングされます。トークン、台帳、決済レイヤー、インフラストラクチャへのコミットメントを通じたセキュリティ。
しかしBitcoinは2009年の設計で動いています。他のものはAIモデルが改善されるたびに改善されます。つまり、暗号通貨にもアップデートがあります。明らかに、その周りにも巨大なエコシステムがあります。でも興味深いんです。
暗号通貨はレンタルされたインフラストラクチャの上にお金を構築しようとしました。Anthropicは最初にインフラストラクチャを構築し、トークンシステムは自然に出現しました。
このシフトはイデオロギー的なものではありません。経済的なものです。同じ電力を使って建物を建てて、7倍のマージンを得ているのです。資本は物理学を通じて流れ、今やAIコインがすでに稼働しているのです。
暗号通貨でキャリアを築いた人々は、静かにチップを別のテーブルに移していると彼は言っています。インサイダーが自分のお金で救命ボートを作ったとき、それはサイクルではなく、爆発的な暗号通貨カンブリア紀の終わりです。
バイバイBTC。コインマイニング対AIデータセンターリース。営業利益率、なんということでしょう。15年間で2000億ドルが暗号通貨にもたらしたもの、それは興味深いです。15年間の採用と2000億ドルの投資が何をしたか。
今年だけでデータセンターに入った2000億ドル、あるいはそれ以上について考えてみると、それはすべてのコインを含めた暗号通貨全体に入った金額とほぼ同じではないでしょうか。
勘定単位、交換媒体、価値の保存手段、決済レール。分かりません。どういうわけか、この一対一の議論を完全には受け入れられませんが、考え続けます。なぜなら、このアイデアには何かがあるかもしれないからです。
将来、電力やトークンのようなものが最も重要な通貨になるように感じます。それがトークンの機能単位に分解されるでしょうか。それは興味深いですね。
バイオサイエンスにおける生成AIのリスク
さて、バイオサイエンスに移りましょう。いくつかの新たな脅威について話すとともに、バイオセキュリティへのロードマップもあります。
今日のバイオセーフティ政策のほとんどは、DNAやRNAが物理的に注文または組み立てられる瞬間のような、一つの瞬間を中心に構築されています。
しかしこの論文は、生成AIがその瞬間の前、設計段階でリスクを生み出すと警告しており、それは直ちに対処される必要があります。
モデルは、注文が行われることなくタンパク質バリアント、ウイルスのようなゲノム、または有毒な小分子を生成できます。つまり、通常の「配列をスクリーニングして注文、スクリーニングして封じ込め」という技術をスキップできるということです。
論文はこれがどのように起こり得るかの例をいくつか挙げています。ジェイルブレイクプロンプトはバイオサイエンスモデルをだまして安全でない出力を出させることができます。ガードレールが存在する場合でも、Safe Proteinと呼ばれるレッドチーミングフレームワークは、トップのタンパク質生成モデルに対して70%もの高い成功率でジェイルブレイクを報告しました。
それは設計だけではなく、スピードの問題でもあります。AIエージェントは複数ステップのワークフローを計画し、ツールを呼び出し、ラボ自動化ツールに接続することさえでき、曖昧なリクエストを即座にエンドツーエンドのパイプラインに変えます。
ロードマップは1つのチェックポイントから、考える必要があるさまざまなレイヤーにシフトします。リスクのあるトレーニングデータをフィルタリングする必要があります。ファインチューニング中にモデルを整合させる必要があります。そしてリアルタイムで入力と出力を監視してスクリーニングする必要があります。
著者たちは、今すぐ生成AIのライフサイクル全体にわたって多層バイオセキュリティガードレールを組み込む必要があると主張しています。トレーニングデータを制限およびフィルタリングし、DNA合成レイヤーが私たちを安全に保ってくれることを期待しないでください。
ロボットの超人的反射神経を実現する眼球チップ
さて、未来のロボットは目のアップグレードを受けるかもしれません。アイのアップグレードです。自我意識の「I」ではなく、目の「eye」です。
何があるかというと、より良いソフトウェアです。ロボットの視覚を良くするには、より良いソフトウェアが必要だと多くの人が考えています。しかしこのチームは逆のことをしました。ハードウェアを変えたのです。
通常のコンピュータビジョンシステムがすべてのピクセルを分析するように、技術的にはカメラであるマシンアイを通して見る代わりに、彼らは実際に網膜が機能する方法をコピーしたマシンアイを構築しました。
私たちの網膜が実際にこの周りの世界を見る方法では、シーン全体を取り込むわけではありません。カメラは実際にシーン全体を取り込みます。網膜は主に動きを監視します。
人間には、ちょうど見たものの短い記憶を保存する特別な細胞があります。明るさが変化すると、それらの細胞が発火します。その比較、過去対現在が、動きをほぼ瞬時に検出させるものです。
これらの研究者は、同じように機能するニューロモーフィックチップを構築することにしました。それはニューロンがするように、同じ場所に情報を保存して処理するので、従来のチップのようにデータを行ったり来たりさせて時間を無駄にしません。
チップはまず、画像の動いている部分だけにフラグを立て、次にそれらの領域だけで標準的なビジョンソフトウェアを実行します。
この単一のシフト、つまり動きを最初に重視することで、処理時間が約400%削減されます。あるテストでは、約100マイクロ秒で歩行者の方向を予測しました。それは人間の知覚よりも速いです。
画期的なのは、より賢いアルゴリズムだけではなく、動かないものを無視するようにマシンに教えることです。そして、テスラの外側、自動運転車にこの新しいタイプのチップの1つを想像できます。人々を見て、何かが通りに走り込んで素早く動くのを見て、たとえそれが他のカメラの上にあっても、そんなに速く動いてシステムに信号を送ることができるものがあれば、非常に役立つ可能性があります。
あるいは、動くものすべてを監視するだけのセキュリティロボットを想像してください。ミーアキャットを思い出させます。彼らはいつも立ち上がって悪者を探しています。常に動き、動作を探しています。
何を探しているんだい。動くもの、何でも動くものを、他の者に警告できるように。
AIが示す共感認識の可能性
さて、次は共感について話しましょう。驚くべきことに、AIはほとんどの人よりも本物の共感を見つけるのが上手かもしれません。信じがたいことですが、そうなんです。
ほとんどの人は、それが人間的なものだと考えています。共感は性格特性のようなもので、それを持っているか持っていないかのどちらかだと考えています。
しかしこの研究はそのアイデアを反転させます。ノースウェスタン大学の研究者たちは、共感を感情ではなくコミュニケーションスキルとして見ました。つまり、私たちが話す方法のパターンとして見たのです。
彼らは200の実際のテキスト会話を集めました。ある人が個人的な問題を共有し、他の人がサポートで応答しようとしました。
次に、3つのAIモデル、3人の人間の専門家、そして何百人もの一般の人々に、それらの応答がどれだけ共感的かを判断するよう依頼しました。
驚くべき部分がこれです。AIモデルは専門家とほぼ同じくらい共感を判断しました。そして平均的な人よりもはるかに優れていました。かなりワイルドです。AIモデルが平均的な人よりも共感をよく判断したのです。
なぜでしょうか。これらのモデルは、人々が他の人に聞いてもらったと感じさせようとする膨大な数の例を見てきたからです。共感的な言語の文法と構造を学習したのです。
この研究は少し不快なことを示唆しています。基本的に共感は本能だけではないということです。パターンがあるのです。そして私たちの多くは、それらのパターンを認識するように特別に訓練されたことがありません。ただ拾い上げただけです。
研究者たちは、AIが近いうちに医師、教師、セラピストがより良くコミュニケーションを取るためのトレーニングを支援できる可能性があると示唆しています。
奇妙に聞こえるかもしれませんが、AIが私たちから学んだことを研究することで、より人間らしくなる方法を学べるかもしれません。
主要テック企業の巨額AI投資
さて、クラウディオ・ルピによって書かれました。彼は水曜日の午後に四半期報告書をレビューしていて、Googleの親会社Alphabetから1850億ドルの設備投資について聞きました。
彼は決算説明会の記録を引っ張り出して、確かにそれは本当でした。誤植ではありません、1850億ドルです。
文脈として、これはGoogleが過去3年間を合わせて費やした金額よりも多いのです。ウォール街のアナリストが予想した額の2倍であり、ほとんどの国の全GDPよりも多いのです。
彼は過去10年間テクノロジーのすべてを見てきたと言いますが、これは何か違うものです。
Alphabetの発表を分解すると、昨年の支出は910億ドル、2026年の支出は1750億ドルです。ウォール街の予想は1190億ドルでした。つまり差分は、Googleが強気派が予測したよりも55%多く支出しているということです。
GoogleをMetaの上に見てください。Metaは1350億ドル、Microsoftは1400億ドル、Amazonは1250億ドルですが、Googleは1850億ドルです。2026年にこれらのサーバーに6000億ドルが費やされています。
比較のために、1990年代後半のグローバルな通信投資ブーム全体、大陸と海底に光ファイバーケーブルを敷設したものは、GDPの同等レベルでピークに達しました。
驚くべきことは、収益を上回ったにもかかわらず、Alphabetは実際に人々が予想したよりも多くのお金を稼ぎましたが、彼らがどれだけのお金を使おうとしているかを見たため、株価は実際には下がりました。
GoogleのCEO、スンダー・ピチャイは、すべてのCTOをまっすぐに立たせるべきことを認めました。「年間を通じて供給制約のある状態で過ごすことを予想しています」と。それを理解してください。
GoogleはAIインフラストラクチャに1850億ドルを費やす予定であり、そのCEOはすでにそれでは十分ではないと言っています。
自動運転車のサイバーセキュリティ脆弱性
さて、次は自動運転車のAIバックドアについて話しましょう。研究者たちは、ハッカーが静かに自動運転車を乗っ取ることを可能にする隠されたAIバックドアを発見しました。
ジョージア工科大学の新しいサイバーセキュリティ研究は、自動運転車を動かすAIシステムの深刻な弱点を明らかにしています。
この脆弱性はVillaNetと呼ばれており、スーパーネットワークとして知られるものを標的としています。スーパーネットワークは、運転条件に応じて切り替わる、サブネットと呼ばれる何十億もの小さなツールで構成されたマスターAIシステムのようなものです。
研究者たちは、攻撃者が1つの小さなサブネットワークを毒するだけで済むことを発見しました。そうすれば、その悪意のあるコードは完全に休眠状態を保ち、何十億もの通常の構成の中に隠れたままでいられます。
そして、降雨が路面状態に影響を与えるような特定の現実世界の条件が発生したときにのみ起動します。しかし一度トリガーされると、攻撃はほぼ毎回成功します。
テストでは、VillaNetはシステム内部に見えないまま、99%の確率で成功しました。検出は非常に困難です。研究者たちは、バックドアをチェックするには、現在の検証方法の66倍の計算能力が必要だと述べています。
そしてAIシステムがより複雑で適応的になるにつれて、このような隠された攻撃を発見することはより困難になり、展開することはより簡単になります。
研究者たちは、これらのシステムが公道で広く信頼される前に、より強力なAIセキュリティ防御のための警鐘だと呼んでいます。
AI企業の安全計画の実態
さて、これをここに置いておきますが、OpenAI、Anthropic、GoogleのDeepMindはすべて、実際に壊滅的に間違う可能性のあるものを構築していると言っています。サム・アルトマンはこれらについて話しています。
そこで、あなたは尋ねなければなりません。実際の安全計画は何を約束しているのか。どのように見えるのか。理論的ではなく、実際にどのような行動を取っているのか。
要約すると、それぞれが基本的に同じことをしようとしています。強力なAIモデルを危険な能力についてテストし、結果に基づいて安全策を適用します。
彼らは化学的、生物学的、放射線学的、核的、そのすべてのような恐ろしい能力を追跡します。また、モデルが独自に行動できるか、野生で生き残れるか、AI研究を加速できるかといった自律性も追跡します。
そしてサイバーリスクを追跡しますが、Anthropicはサイバーを様子見のように扱っています。OpenAIは説得と呼ばれる特別なカテゴリーを追加しています。つまり、人々の信念を変えることです。
3社すべてが、ファインチューニングやジェイルブレイクの試みの後でも、最悪のケースの動作を明らかにすることを目的とした評価、つまりevalの実行について話しています。
しかしサラは基本的に、どのevalを実行するか、将来どれを実行するか、どの正確なスコアが行動を引き起こすか、または正確にどの緩和策が機能するかを明確にリストしているものはないと言っています。
大きな持ち帰りは、これらの企業のどれもまだ完全な計画を持っていないということであり、おそらく物事が非常に変化しているためできないのかもしれませんが、彼女が説明した方法では、それらは計画を作るための計画のようなものです。
同時に、これらの研究所のCEOたちは、間違えた場合の賭け金が莫大である可能性があると警告し続けています。
LinkedInの本人確認で何が起きているのか
最後に、LinkedInのようなツールで身元確認のチェックマークの1つを取得しようとすると、実際に起こっている低レベルの検証ステップのいくつかを実際に理解する方法を知っているように見える、かなり賢い誰かによる本当に興味深い記事を分解しましょう。
このブロガーはLinkedInでこれらの青い検証バッジの1つを取得したかったのです。これはLinkedInだけである必要はありません。多くのソーシャルネットワークや多くの取引プラットフォームなどで非常に似たシステムになり得ると思います。
しかしこの場合、パスポートをスキャンするように求められました。彼はそれをしました。自撮り写真を撮りました。3分後に完了しました。チェックマークを取得しましたが、何が起こったかを分解しました。
LinkedInは確認自体を処理しません。Personaと呼ばれる米国の会社がそれを行います。そして彼はそこでかなり深刻になったと言いました。
このデータはどこに行くのでしょうか。LinkedInはあなたのフルネーム、生年、政府発行の身分証明書、確認結果、そしてあなたの身分証明書のぼかしバージョンを受け取ります。名前と肖像を除いてすべて編集されています。
Personaのサービスプロバイダー、彼らに代わって働くベンダー、データパートナーのグローバルネットワーク、関連会社、共通のデータシステムを共有する関連会社のような子会社もアクセスできます。
合併、買収、または破産でPersonaを買収する人は誰でも、あなたのデータは誰がそれを買っても行きます。そして法執行機関は、これが興味深くなるところです。これがすべてのサブプロセッシング会社です。AWS、Anthropic、Stripe、Twilioなどです。
そして彼らが収集している生体認証データは、あなたの顔の数学的幾何学です。それはあなたの自撮り写真またはパスポート写真から来ます。それは単なる写真ではありません。目の間の距離、顎のライン形状、特徴の幾何学の数値マップです。
それはあなたを一意に識別するデータです。そして彼は、パスワードとは異なり、侵害された場合に顔を変更することはできないと主張しています。
何を持っているか知りたい場合は、GDPRの下でデータをリクエストできます。彼らは30日以内に応答する必要があります。データの削除をリクエストできます。確認は完了しています。LinkedInには結果があります。Personaがあなたのものを保持する理由はありません。
ええ、つまり、私たちは皆、深いところで、どれだけプライバシーがないか、そしてどれだけの識別情報が存在するかの程度を知っていると思います。
歩行様式、歩き方でAIシステムがあなたが誰であるかを判断できるのを見たことがあります。マスクをしていても見分けられます。私たちのすべての行動からのパターンは非常に識別可能です。
将来、誰もが本当のプライバシーを保つことができるとは想像できません。つまり、それについて本当に本当に真剣に考えて、自分自身をプライベートに保つための深刻なシステムを持たなければならないでしょう。
しかし、うーん、分かりません。良くも悪くも、まあ、始まります。そしてAIはこのようなものを追跡することにおいて絶対に超人的になるでしょう。
人間関係における無意識の抑圧パターン
キャロル・ワーナーが、無意識のうちに周りの人々をどのように閉じさせてしまうかについてのいくつかの記事を持ち帰ってきました。これは洞察に満ちた小さなリストだと思いましたので、一緒に見ていきましょう。
ただコンピュータの前に一日中座っているのではなく、実際の人々と現実の世界でもう少し過ごそうとしています。そして分かりますか。瞬間を呼吸させる代わりに急がないことが重要です。
誰かが脆弱な何かを共有しているときに、私たちがあまりにも早く安心させたり、アドバイスしたり、解決したりすると、神経系はただ一つのことを聞きます。これは多すぎます。次に進みましょう。
急ぐことが身体にサポート的に感じられることはめったにありません。緊急性のように感じられ、緊急性はしばしば安全でないように感じられます。
だから、もしあなたのガールフレンドがあなたのためにそれを説明しようとしているなら、その瞬間を呼吸させなければなりません。
私たちが誤って人々を閉じさせてしまう別の方法は、感情ではなく事実に応答することです。「あなたはそれを間違って覚えている」とか「そんなことは起こらなかった」とか言うことです。
「そういう意味ではなかった」と。それは真実かもしれませんが、ある特定の方法で感じている誰かに対して、何らかの事実的で論理的な議論を構築しようとしているだけで、私たちは彼らを閉じさせています。
そして私たちがする必要があるのは、彼らを開かせ、落ち着かせることです。そして、それが論理的であろうとなかろうと、彼らの感情が正直に伝えられていることを信頼する必要があります。それが私たちが修正を始めたいもの、あるいは修正さえもです。
その響きでさえ、そのパターンに戻ったように聞こえます。ただ、彼らがどんな感情を望んでいるか、正しい感情を尋ねるように。安全だと感じること、落ち着いていると感じること、興奮していると感じること、好奇心旺盛だと感じること、情熱的だと感じること、怖くない、急かされていない、分かりますか。
3番目、私たちの注意が彼らと一緒にいる代わりに内側に向かいます。誰かが「あなたがそう感じていることを申し訳なく思います」と言うのを聞いたことがありますか。彼らに対する認識がまったくありません。ただあなたに戻っているだけです。ちょっとナルシシスティックになります。
完璧な応答を準備しながら誰かの話を聞いていますか、それとも彼らが言っていることを理解できるように、ただ聞くために実際に聞いていますか。
聞いてもらうことは愛されることに非常に近いため、ほとんどの人はその違いを見分けることができません。
オープンなままでいる代わりに自己防衛に移ることで、他の人々を閉じさせているかもしれません。これは瞬間を急ぐようなもので、ただ聞く意思があるようなものです。自分自身を守ることはできますが、同時に存在することもできます。めったに両方を同時にはできません。
だから、攻撃されていると感じているなら、それから離れようとしてください。「これは私についてではない。これは私が感じている感情だ」と言ってください。瞬間から一歩引いてください。
そして、判断を通じて人々を閉じさせることもできます。一緒にいることよりも正しいことを優先します。そして、もし誰かを本当に気にかけていて、彼らに閉じてほしくなくて、解決策にたどり着きたいなら、正しくなければなりません。
第五の次元「タウ」の理論
最後に、第5次元についてお話ししたいと思います。確かに、X、Y、Zは知っていますね。上、下、左、右、後ろ、前。そして時間にはかなり精通しています。他のものよりも少し風変わりですが、時間、時間は進み続けます。
でもタウはどうでしょう。これはかなり楽しいです。理論物理学とオントロジー。ジョセフ・ジュリアンのパート1、物事がついに現実になる理由を説明する静かな次元です。これはあなたを残すのに良いものになるでしょう。
今日はタウの次元について話します。私たちは空間を使って何かがどこにあるかを説明します。最初の3次元です。時間を使っていつ起こるかを説明します。
しかしこのエッセイは、私たちが第3の次元を見逃したと主張しています。それはタウと呼ばれます。ギリシャ文字のタウとして書かれます。そしてそれは位置や持続時間を測定しません。どれだけ完成しているか、どれだけ現実的であるかを測定します。
低いタウは、システムがまだ結果について決定していないことを意味します。言葉が到着する前にあなたの頭の中で形成されている文のようなものです。曖昧で、重なり合っていて、固定されていなくて、明確でなくて、固体ではありません。
しかし高いタウは、それがカチッとはまる瞬間です。一度言葉を声に出して言えば、すべての曖昧さが単一の結果に崩壊しました。今や高いタウを持っています。
量子物理学では、これは観察者が現実を崩壊させるという考えに取って代わります。代わりに、それは次元です。崩壊は、システムが十分なコヒーレントな深さ、十分な内部安定性に達したときに起こり、もはや未決定のままでいることができなくなります。
タウはその意味で一種の深さとして説明されます。物理的な深さではなく、コヒーレンスの深さです。システムは可能性を通じてぐらつき、その深さが十分に急になると定着します。
サイコロが跳ね回っているのを想像します。すべてがぐらぐらしています。そのタウは非常に低く、それから一方向に着地し、そのタウは非常に高くなります。
そしておそらくある時点で、2つの面だけにある高い確率を持ち、そのタウは上昇しています。
エッセイはこのアイデアをどこにでも見られるように拡張します。粒子の質量、ダークエネルギー、記憶、アイデンティティ。それらはすべて、一緒に保持するのに十分なタウに達したパターンとしてフレーム化されています。
核心的な主張はシンプルです。現実は静的なもので作られているのではありません。決定を終えたプロセスで作られています。そしてタウは、それが高くなると決定が完了したことを意味する次元です。
YouTubeでハイプボタンを押すかどうかについて、おそらく低いタウを持っているでしょうが、あなた方の一部にとっては、それが高いタウになり、固定されてクリックされるかもしれません。
チャンネルをサポートしたい場合は、ハイプボタンを押すか、通常のことをしてください。Patreonがありますし、コメントを残すか、共有するか、そのようなことをしてください。
そして、これらのビデオをすべて作り続けます。この常に変化する世界を日々受け止めていきます。そこでは狂ったことになっています。もっと興味深い記事を集めに行って、数日後にまたこれをやります。またお会いしましょう。さようなら。
コメント