AI業界を取り巻く混乱した情報と相反する見解に対し、データセンター投資とAI懐疑論の両面から整理を試みる動画である。データセンター建設はGDP比でマーシャルプラン以来最大規模の民間メガプロジェクトであり、バブルではなく長期的資産形成であると論じる。一方、Cal Newportらの学術界からのAI懐疑論は、実務経験の欠如と2~3年遅れたデータに基づいており、10倍から100倍の生産性向上を実現している現場のパワーユーザーの実態を見落としていると批判する。学術論文は発行までに時間がかかり、使用するモデルも旧式であるため、YouTubeやSNSの方が最新のAI能力を正確に把握できる状況にあると指摘する。
視聴者からの質問とテーマ設定
皆さんの多くがこんな質問を寄せてくれました。つまり基本的には、デイブ、世の中には混乱していて矛盾した情報がたくさんあるけど、それを整理するのを手伝ってくれないかということです。そこで視聴者の皆さんに聞いてみました。皆さんが矛盾していると感じる主要なアイデアは何ですか、と。そうしたら、データセンターとかAIバブルとか雇用とか、そういった話題を中心に意見が集まりました。
これが明らかに大きなクラスターですね。それで今日お話ししたいのは、2つの具体的な領域についてです。1つはより具体的で、もう1つはより物語的なものです。具体的な側面としては、データセンターとAIについて話しましょう。
データセンター投資はバブルなのか
皆さんは、AIはバブルでデータセンターがキャンセルされているといった話を聞いたことがあるかもしれません。そしてもう一方のより物語性の強い側面では、特定の名前が何度も出てきました。それがCal Newportです。Cal Newportをご存じない方のために説明すると、彼はテック系のライターでビジネスライターです。非常に人気があって有名です。私は彼の仕事をそれほど説得力のあるものだとは感じていません。それについてはすぐに詳しく話します。
でもまずはデータセンターから始めましょう。最も高いレベルで理解しておくべきことは、データセンターとAI全体の構築について、インフレ調整後で見ても、またGDP比で見ても、データセンターの構築は私たちがこれまで着手した中で2番目に大きなメガプロジェクトだということです。
これはマーシャルプラン以外のすべてよりも大きいんです、GDP比で。そしてこれは民間資金による唯一のものです。他のすべてはメガプロジェクトでした。メガプロジェクトというのは、マンハッタン計画とかアポロ計画とか州間高速道路システムとか、そういったもののことです。
他のすべてのメガプロジェクトは国家主導で国家が指揮していました。これは唯一民間のものです。だから当然、これだけの投資があると、人々が持っている数少ない思考モデルの1つが、民間投資が高すぎるならそれはバブルだ、というものです。政府が「ダムを建設する」とか「宇宙計画をやる」と言っている場合、それをバブルとは呼びません。
実際、宇宙計画には抗議した人々がいました。これは60年代や70年代についての映画を見るときに、どの映画を見るかによって見落とされがちなことです。なぜなら当時何が起きていたかというと、ベトナム戦争、公民権運動、その他いろんなことです。アメリカは当時めちゃくちゃでした。
だから「ザ・ライト・スタッフ」とか、その時代についての他のテレビ番組とかを見ると、通常はNASAだけ、宇宙飛行士だけに焦点を当てて、抗議については触れません。そして多くの人々は、NASAに使われているお金の額に満足していませんでした。だから抗議して「これは資源の誤配分だ」と言うのは1つのことです。
でも人々が「これはバブルだ。過剰にレバレッジがかかっている。投資収益率はどこにあるのか」などと言うのは別のことです。さて、私たちは過去に大規模な大規模な投資を見てきました。おそらくこれと同じくらい大きかった唯一の他の民間の構築は鉄道でした。
鉄道との比較と長期的価値
鉄道は、建設にかかった時間だけでコストを本当に回収するのに15年、20年かかりました。でも一度稼働すれば、実際に費用を正当化するのに十分高い利益率で運営しなければなりませんでした。だから、民間がこれだけ大きなものを構築する場合、それがデータセンターであれGPUであれその他のものであれ、データセンターは期限切れにならないんです。
データセンターは50年以上そこにあります。だからその投資は資本資産としてそこに留まり、ほとんどの不動産がそうであるように時間とともにより価値が高くなるだけです。だからデータセンターの構築をGPUを買うというレンズから見るとき、これは多くの人が区別していないことだと思うんです。
彼らは「GPUは2年で価値がなくなる」と言います。これは正しくありません。確かに減価償却します。確かに新しいGPUがあります。でもGPUは2年後に価値がなくなるわけではありません。動かなくなるわけではないんです。それはもはや最高性能のクラスターではないというだけです。それに多くの場合、転売もできます。そして税務の観点からも、その費用を償却できます。
だからGPUは、持っている2年間で元を取るだけでなく、税控除にもなるんです。だからGPUについて文句を言う人たちは、資本支出と運用支出について何も知らないことを告げずに何も知らないことを告げているようなものです。マジで。
これはCal Newportのような人々に対する批判につながるんですが、それはすぐに話します。でもざっくり言うと、学術論文には入り込まない多くのニュアンスがあるということです。業界の実務者であれば、こういったことを単純に知っていて、他の人が知らないことを忘れてしまうんです。それについてはすぐに話します。
失礼。すぐに話します。でも、このレベルの投資があるとき、民間であれ公的であれ何であれ、それは耐久性のある資産を生み出しているんです。だから、人々はマーシャルプランとか州間高速道路システムとか鉄道の構築とかその他のものについて文句を言ったかもしれませんが、作られている成果物があるんです。
成果物というのは、何千年も後に掘り出すようなものという意味ではありません。実際の財務的な成果物、そこにあって使用される資産という意味です。インターネットの構築でも同じことが起きました。だから人々は「インターネットは過剰に構築された」と言います。そして人々はいつも類推を探して、「データセンターの構築はインターネットの構築のようなもので、ただ構築して顧客が来ることを期待している」と言います。
そして「まあ、でも、それを構築した多くの会社は倒産したし、10年か15年経ってからようやく設置したすべてのインターネットインフラを本当に活用するようになった」と。仮に費用を完全に正当化するのに10年か15年かかったとしても、インターネットの停滞があったわけではありません。
ドットコムバブルが崩壊した2003年から2012年まで、すべてが追いつく間の大きなインターネットの停滞はありませんでした。2003年から2012年は、eコマースやいろんなものが立ち上がる点で非常に生産的な時代でした。以前のような熱狂的な勢いではなかっただけです。そしてこれは、人々がAIの構築をチューリップ狂乱のようなものと比較しようとしているもう1つのことです。
チューリップ狂乱との違い
チューリップ狂乱やチューリップマニアでは、チューリップには価値がありません。本質的な価値がないんです。食べられません。転売できません。非常に早く期限切れになります。でも、資本主義的な構築を見るたびに、耐久性のある資産が得られます。使い続けられる何かが得られます。
だからデータセンター自体を分けて考えると、それは基本的には専用の倉庫です。つまり、もちろんもっといろいろあります。三重冗長電源とかそういったものが必要だからです。そして私が認めるのは、前の動画でいくつかのデータセンターについて少し間違っていたということです。なぜなら最新の高性能データセンターは、私がこの10年から20年にわたって働いてきた典型的なデータセンターよりも多くの騒音と排気を出すからです。
でもそれは、データセンターが環境を破壊したり、どこに行っても不動産価値を破壊したりするという意味ではありません。それは主に地域のゾーニング法に帰着します。基本的に市や郡や州が「データセンターはこのデシベルレベル以下、この環境出力レベル以下を出さなければならない」と言えるということです。
これも、文字通りゾーニング法が存在する理由です。なぜなら初期の産業革命の間、人々は水銀やその他のものを大気中に排出する工場を住宅地に近すぎる場所に設置したからです。だからこういったことをもう少し詳しく読むと、「それがゾーニング法の目的だ」と気づくんです。
有害で汚染する産業を住宅地から分離するために。そしてもし地方自治体が追いついていなくて完璧に実施していないなら、素晴らしい。彼らはできます。それが許可プロセスの目的です。それは州全体のモラトリアムが必要だという意味ではありません。
連邦のモラトリアムが必要だという意味ではありません。それは、もっと地域の町議会の会議や地域選挙を開いて、「データセンターについてこういうルールを設ける」と言う必要があるという意味です。もちろん、たくさんの誤情報が広がっていたりもします。さて。
このトピックは十分にカバーしたと思います。長く話すこともできますが、これらが頭に浮かぶ大きな大きなアイデアです。さて、もう一方の側面は物語です。そして物語の側面は、Cal Newportを取り上げます。私はCal Newportを読んだことがありません。
Cal Newport批判と学術的距離
妻は読んでいて、彼女が彼について話すたびに、私は「何について話しているか分かっていないことを告げずに分かっていないことを告げている」と言います。彼は非常に博学な学術的な語り口で書いていて、多くの高学歴の人々にとって非常に説得力があります。でも、彼が以前効率性や組織やオフィスのことについて書いたとき、私は、彼が実際にオフィスで働いたことがないことが非常に明らかだと感じました。
そしてこの動画を作る直前に調べてみました。そしたら、そう、彼は象牙の塔に直行したんです。つまり高等教育から高等教育に留まっただけです。民間企業で働いたことがありません。彼が批判するようなオフィススペースで働いたことがありません。
さて、それは彼が間違っているという意味ではありません。壊れた時計でも1日に2回は正しい時刻を示します。だから彼が「オープンオフィスプランは有害だ」というようなことを言うとき、そう、誰もオープンオフィスプランは好きではありません。忙しく見えるためにみんなに話しかけるのが好きな超外向的な人々を除いて。彼らだけがオープンオフィスプランを好きです。
生産的でありたい他の誰もがオープンオフィスプランを好きではありません。それは良いです。彼はそれについて正しくても、他の多くのことの内側の経験はないままでいられます。そしてこれは実は学術界内部での大きな議論です。それは、学術的距離か何かそういった正確な用語があるかどうかです。
基本的にアメリカの学術界で、おそらく他の場所でもそうですが、私が最も詳しいのはアメリカの学術界なので、信念は、何かを一定の距離を置いて研究する場合にのみ客観的でいられるということです。その中にいない場合に。そうでなければ、研究している対象の信念や主観性やその他のものにあまりにも巻き込まれていて、実際に直接経験することができないということです。
もちろん、それが良いアイデアだと信じる理由がいくつかあります。なぜなら、社会学や人類学の側面で特に、主にキリスト教文化の内側の視点からキリスト教について書こうとしている場合、外側から研究したときに本当に明らかになる多くのことを見逃すことになるからです。
そしてだから外側から物事を研究することには非常に長い伝統があり、十分に正当化された伝統があります。私たちが、私が私たちと言うとき、白人の西洋人を意味します。私たちがたとえばベトナムの文化を見るとき、私たちがそれと共に育たなかったという事実によって、彼らが当たり前だと思っていることに気づきます。
同様に、人々がアメリカ人を見るとき、彼らは「本当にゴミみたいな食べ物を食べて、それが良いと思っているようなばかげたことをしているのに気づいていますか」と言います。そう、まあ、それは単に私たちが育ったものだから。多くの学術界の人々が、一定の距離を置いて何かを研究しなければならないと信じている非常に簡略化された理由です。実際に信号の源により近いと実際に信号を失うと。
そしてこれがCal Newportのような人々が犯す最も甚だしい間違いです。そして別の誰かを取り上げます。David Graeberです。彼は『ブルシット・ジョブ』という本を書きました。彼はまた『万物の始まり』みたいなタイトルの別の本も書きました。
そして『負債:最初の5000年』も。これらが私が話しているような人々です。彼らは、本を読んで他の人々が書いた科学報告書を読むだけで、自分で何かを経験することなく、実際に見たり経験したり、現代の専門家、実際に業界にいる人々と話したりすることなく、物事の現実をよく把握できると信じています。なぜなら彼らの見解では、唯一有効な、唯一有効な情報源は、ランダム化比較試験や、方法論的に検証されたデータの断片だからです。
そして彼らはそのデータの上に物語を紡ぎます。それが主要なポイントのための非常に長く elaborate なセットアップでした。そして主要なポイントは、Cal Newportのような人々が、MITの研究によるとAIパイロットの95%が失敗すると言う研究を引用するということです。
学術研究の構造的問題
そう、ほとんどのテクノロジーパイロットは失敗します。そしてそれはテクノロジーに携わったことがあれば知っていることです。それがパイロットの目的だと知っているでしょう。だから彼がそういった種類の情報や他のすべての研究を見て、AIは大したことがないと誤って結論づけるとき。そして彼は動画を公開します。Mythosは実際には専門家が考えるほど怖くない、と。
それで、サイバーセキュリティの専門家に疑問を呈するあなたは誰ですか、と。そして、でもこの研究が、この私が読んだ研究が、と。そして必ずと言っていいほど、これはソーシャルメディアで起きることですが、実際の技術者や実際の業界インサイダーの間で、AIがこれこれのことがひどく下手だと言う研究を見つけたとき。
研究を見てください。彼らは時代遅れのモデルを使っています。ChatGPT 3.5を使っています。Qwen 2を使っています。2年から3年前のもの、時にはもっと古いものを使っていて、AIはこれこれができないと結論づけ、非常に自信を持って結論づけているんです。だから心配する必要はないと。そして彼らの思考モデルは常に常に2年から3年遅れています。
これはテック系のライターに当てはまり、基本的に学術的視点から来る誰にでも当てはまります。別の例は、Daron AcemogluとRobinsonや他のすべての経済学者で、AIはタスクの約20%しかしないだろうと言っている人たちです。問題は、彼がGPT-4でそれらの意見を形成したことです。私たちが完全に1世代半先に進んでいることに気づかずに。なぜなら今GPT-5がリリースされているからです。
今は4です。そしてそれは推論が出る前でさえありました。だからこれらの学術系の人々のほとんどは、継続的改善の速度に対する思考モデルを持っていないし、また2年から3年遅れています。全員が。全員が。そしてこれが起こる理由は、学術界の構造的な問題です。
それが論文が発表されるまでにかかる時間だからです。いくつかの問題があります。1つは、それが論文が発表されるまでにかかる時間で、発表される頃には完全に無関係になっているということです。そしてまた問題があって、彼らは多くの場合非常に小さな予算しか持っていないので、最も安いモデルを選びます。それは多くの場合、最先端のモデルでもオープンソースのモデルでもありません。つまり彼らは書いている時点での最先端のものさえ研究していないということです。そしてたとえそうだとしても、論文が発表されるのに2年から3年かかります。
これは実際に私のチャンネルに教授や学生が連絡してくる理由の1つです。大きな大学の人々と関係があるのは、彼らが「デイブ、私たちは最新の情報が必要で、そこにあるすべての論文はでたらめだ」と言うからです。
彼らは私にそう言いません。文字通りではありませんが、彼らは「デイブ、最新の情報を保つ唯一の方法は、インフルエンサーのところに行くことです。なぜならあなたたちは毎日その中にいて、リアルタイムで報告しているからです。学術界のペースはあまりにも遅すぎるので」と。だから誰かがAIは決してこれやそれをしないだろうと話しているとき、彼らの経歴を見てください。
もし彼らが積極的に業界にいないなら、彼らの信頼性ははるかに低いです。さて、それは、繰り返しますが、壊れた時計でも1日に2回正しい時刻を示すという意味ではありません。でも同時に、ここで、これが本当に私に気づかせたことです。この話で終わりにしましょう。私はCal NewportやAcemogluや他のすべての人たちを調べていました。
10倍エンジニアの見落とし
そして、なぜ彼らの誰もがこれらのツールで10倍生産的または100倍生産的なエンジニアや他の人々について話していないのかと。私はClaudeとさえ議論していました。Claudeが「誰かが100倍生産的になれるという概念に異議を唱える必要があります」と言うようなものです。私は「数字を実行しろ」と。
そしてエージェントハーネスを見てください。何台のエージェントを並列で実行できますか。そして他のすべてのタスク。そしたら、オーケー、その数字が誇張的に見えたので少し急いでいました、と。私は気にしません。私はこれを使う実在の人間です。だから少しハイホースに乗ります。
演説台に立ちます。だから現実で起こる実際の具体的なことがあるとき、そして具体的なことは、私個人が日々、学習、読書、研究、モデル構築、データ構築という点で、以前よりも10倍以上生産的だということです。
なぜでしょうか。なぜなら10の異なるトピックで10の並列会話ができるからです。そして私は大きなADHD脳を持っているので、それらの間を切り替えることができ、それぞれが学習の点で、出力の点で、入力の点で、1日あたり何時間も何時間も節約してくれます。その事実、つまりそれは私です。
私はパワーユーザーですが、技術者でないパワーユーザーもいます。技術者であるパワーユーザーもいて、私よりもさらに先に進むでしょう。そしてこれらの学術界の人々は、Andrej Karpathyを決して研究しません。彼らは「彼は異常だ。外れ値だ」と。それが彼らが10倍から20倍から100倍のユーザーである全員を精神的に分類する方法です。彼らは単に外れ値だと言います。
それらは、ほとんどの人がそれほど生産的でないという規則を証明する例だと。そしてさらに研究を詳しく見ると。Cal Newportが引用するのが好きな研究で、仕事のゴミか何かと呼んでいますが。エンジニアにAIを使わせると、実際には20%遅くなり、バグが90%増えると。
その研究をより詳しく見ると、彼らがやったのは、エンジニアが慣れ親しんでいるコードベースで、何年も取り組んできたコードベースで、慣れていないツールを与えるということでした。
研究の欺瞞性
だからこれは非常に不誠実です。嘘をつくことと同等です。常識を持った誰もがこれらの研究のいくつかを見たときに言うのは、それは嘘だということです。もちろん、学術界の装いや、私たちはこれをやった、という装いで飾られています。
でもフレーミング、フレーミングと文脈と、トップラインとして宣伝しないもの。そう、もしエンジニアを取って、何年も取り組んできたので深く慣れ親しんでいるコードベースに置いて、それから慣れていないツールを与えるなら、そう、彼らは遅くなり、彼らがするよりも多くのバグを生成するでしょう。
しかし、それは本当のテストではありません。それは「エンジニアがゼロから動く製品に到達するのにどれくらいかかるか」という本当のテストではありません。その研究はまだ存在しません。学術界があまりにも遅く、学術界が何らかの理由で物語をコントロールしようとし、AIを妨害しようと完全に偏っているからです。単にそれが楽しいことだから。
それで、ダブルチェックせずにはほとんど何も信頼できません。そして、これらの研究の欠陥を理解すると、これは本当の科学ではないと気づきます。これは有用な情報ではありません。これは実行可能な情報ではありません。そしてここで私はJeff Bezosが言う何かを思い出します。逸話がデータと一致しない場合は、逸話を選べと。
そう、Jeff Bezosは億万長者で、彼はAmazonをひどい人間のように運営していると思いますが、同時に、彼は超金持ちになり、人々は今でもAmazonを使っています。なぜなら代替案よりも良いからです。だから、その例からどんな認識論的洞察を得られるでしょうか。そしてその例から得られる認識論的洞察は、最先端にいるとき、実際に非常にダイナミックで急速に変化する環境にいるとき、データを待つことはできないということです。そして、
10倍エンジニア、20倍エンジニア、100倍エンジニアを見ているいかなる研究も完全に欠如していること、特に私が話した教授や他の管理者が10倍エンジニアであるとき。問題は、学術界によって発表されるものは何でも、彼らは私にさえ言います。「AIでどれだけ生産的かを実際に示すことはできません。なぜなら学術界の他のすべての人の頭を越えてしまうからです」と。
だから、「ああ、それが私たちの現状だ」と。それが文字通り私たちの現状です。そしてまた、別の問題は、多くの学部で学生たちがAIを使うことを恐れているということです。彼らは文字通り、AIを使わないように強制されています。通常は盗作の名目で、何らかの理由でプログラムから追い出されることを恐れて。
そして、私には教授の友人がいて、文字通り「いや、AIを使わなければならない。このプログラムの目的は、AIを使ってより生産的になることに慣れることだ。それに気づくために」と言って戦っています。さて、すべての学部ではありません、明らかに。私が話した人々は非常に小さなスライスでしたが、学術界から出てくる逸話がそれらです。だから「なんてことだ」と。
何かがこれほど高速であるとき、もし論文で、それがアイビーリーグや技術系の学校に関連していたら、塩一粒分として受け取ってください。MITさえも、特にMITです。なぜならこれらの機関はすべて、シリコンバレーよりも、ソーシャルメディアよりもはるかに遅く動くからです。
情報源の選択
だからもしYouTubeやTikTokや、神よ助けたまえ、Redditや他のすべての場所からAIについて学んでいるなら、あなたはまだ、お墨付きを得た、象牙の塔の「そう、これが物事のあり方だ」というものを読んでいる人々よりも、AIが実際に何ができるか、実際に何が起きているかについてより情報を得ているでしょう。
これが私の長話で、これが何らかの明快さを加えたことを願います。そしてそれは、「覚醒した左派からは何も信頼できない」と言う人々のように聞こえるかもしれませんが、私はそう言っているのではありません。学術界のすべてが役に立たないと言っているのではありません。この特定の脈絡で、この特定の運用モードで、AIのペースがあまりにも速く、学術界の構造が、何か劇的なことが変わらない限り、彼らが曲線の後ろにいることを意味すると言っているのです。そしてその曲線は2年から3年です。
基本的にこれらの大きな大学によって発表されるものは何でも。さて、今は自分自身を繰り返しています。以上、終わります。
コメント