Google DeepMindの共同創設者兼CEOであるデミス・ハサビスがスタンフォード大学で語った対話の記録である。自身のキャリアの原点であるゲーム開発やチェスから、AIと神経科学の融合、そしてAlphaGoやAlphaFoldといった歴史的ブレイクスルーの裏側を解説する。また、数年以内に迫るAGIの到達と「シンギュラリティのふもと」にいる現状認識を示し、AI開発競争の加速に伴う動的規制の必要性、そして人類が直面するポスト希少性社会の経済的・哲学的課題について深く考察している。次世代の学生に向けたAI時代の生き方やキャリアへの指針も提示されている。
デミス・ハサビスとの対話へようこそ
デミス・ハサビスとの対話のために、皆様にお集まりいただき本当に嬉しく思います。本日はジョン・レビン学長にこのファイヤーサイドチャットの進行を務めていただけることを大変光栄に思います。
スタンフォード大学をこれほど特徴的なものにしている要素の一つは、最も重要なアイデアのいくつかが、単一の学部や分野の枠内からではなく、様々な学部や組織の交差点から生まれるという点です。AIの進歩が社会のほぼすべての領域を再構築し始めている現在、こうした大学全体での横断的なコラボレーションの精神は特に重要になっています。そして、このことが医学の分野ほど重大な意味を持つ場所はありません。私自身もそのことを、スタンフォード大学医学部との緊密なパートナーシップを通じて個人的に実感しています。医学部は、社会科学者、科学者、臨床医、エンジニア、そしてイノベーターを招集し、予防からサバイバーシップに至るまでの患者の道のりを変革することで、がんのイノベーションとケアを再構築するという並外れた取り組みを行っています。
そのビジョンは野心的であり、偉大な大学が協力して発揮する総合力が必要となります。スタンフォードの強みは、各分野における卓越性だけでなく、分野同士を結びつける能力にあります。私たちはAI研究者と医師を、組織のリーダーと科学者や起業家を、そして人類の幸福に深くコミットする人々を結びつけています。それが、今日の対話がこれほど重要だと感じられる理由の一つです。
デミス・ハサビスは、人工知能研究者であり、起業家であり、ノーベル賞受賞者でもあります。彼の仕事はまさにこうした分野の交差点に位置しています。彼は世界をリードするAI研究企業の一つであるGoogle DeepMindの共同創設者兼CEOです。
同社は2010年にDeepMindとして設立され、2014年にGoogleに買収されました。現在、同社はGoogleのAI開発の中心となっており、この分野を決定づけるようないくつかのブレイクスルーを生み出してきました。その中には、囲碁のゲームで世界チャンピオンを打ち破った初のプログラムであるAlphaGoや、タンパク質の立体構造を正確に予測することで50年来の大きな課題を解決したAlphaFoldなどが含まれます。これは病気の理解と創薬に計り知れない影響を与えるブレイクスルーでした。
この功績により、デミスはジョン・ジャンパー、デイヴィッド・ベイカーと共に2024年のノーベル化学賞を受賞しました。彼はまた、王立協会および王立工学アカデミーのフェローでもあります。さらに2024年には、人工知能への貢献によりナイトの称号を授与されました。タイム誌が選ぶ世界で最も影響力のある100人にも、2017年や2025年など複数回選出されています。
しかし、スタンフォードでのこの瞬間を特に魅力的なものにしているのは、ここでのAIに関する対話が単に能力や性能についてだけではなかったという点です。それは常に、人間の繁栄についても語られてきました。数年前、フェイフェイ・リー教授とジェニファー・エバーハート教授は、人間の繁栄のためのAIに関するスタンフォードの講義を立ち上げました。それは、人間であるとはどういうことか、繁栄とはどのような状態か、そしてテクノロジーはいつそうした目標を推進し、逆にいつそれを妨げるのかという、深遠な問いを中心にして構築されました。
この取り組みから得られた一つの洞察が、私の心に深く残っています。それは、ある種の摩擦は実は私たちを支える重要な役割を果たしているということです。適切な言葉を見つけるための葛藤、困難な対話における不快感、新しいことを学ぶ際の課題などは、排除すべき非効率ではありません。むしろ、それらこそが成長、主体性、レジリエンス、そして意味を生み出すまさにその経験なのです。
だからこそ、今日の私たちの議論は非常に重要なのです。スタンフォードにおいて、AIの進歩は抽象的なものではありません。それはすでに、発見、診断、リーダーシップ、学習、そして人間の可能性そのものに対する私たちの考え方を再構築しつつあります。AIの進歩はまた、判断力、倫理、制度、そして私たちが最終的にテクノロジーの助けを借りてどのような人生を築きたいのかという、より大きな問いに取り組むことを私たちに迫っています。皆様、本日はお集まりいただきありがとうございます。それでは、ジョン・レビン学長とデミス・ハサビスをステージにお迎えしましょう。
キャリアの軌跡：ゲームからAIへの道
デミス、ここスタンフォードにお迎えできて素晴らしい気分です。
ここに来られて本当に素晴らしい気分です。皆さん、来てくださってありがとうございます。
お越しいただき本当に感謝しています。いくつか質問をさせていただきますし、学生からの質問も受け付けます。あなたの考えをお聞きするのを楽しみにしています。最近、映画や本などでもあなたのことが多く取り上げられていますね。ですから、多くの人があなたのこれまでの軌跡について耳にしていると思います。それは本当に驚くべきものです。チェスの神童、ビデオゲーム開発者、科学者、テクノロジー起業家、そしてリーダー、さらにはノーベル賞受賞者。しかも、これはあなたのキャリアのまだ前半に過ぎません。もし、あなたがこれまでやってきたこれらすべての異なる物事を通貫する一本の線を描こうとするなら、それは何になるでしょうか。
そうですね、一見すると少し無関係に思えるかもしれないテーマの中に、実はいくつかの共通する線があると考えています。まず第一に、私は常に、創造性とテクノロジーの交差点で働くことを心から楽しんできました。これは非常に広く解釈しての話ですが。実は、私が90年代にキャリアの最初期を過ごしたビデオゲーム業界は、当時のあらゆる業界の中で最もクリエイティブな空間の一つでした。最先端のテクノロジーをアートやデザインと組み合わせることで、全く新しいエンターテインメントのメディアを創造しようとしていたのです。ですから、あれは本当に素晴らしい時代でした。実際、私のキャリアの中で最も楽しかった時期のいくつかは、90年代の初期にありました。
チェスや神経科学など、私がやってきたすべてのことは、ある意味でAIとAGIに取り組むことが、キャリアを費やす上で最も重要で、最も興味深いことだという考えに基づいています。これもかなり若い頃からの思いです。10代の頃、おそらくSFを読みすぎたのだと思います。ゲーデル、エッシャー、バッハのような本や、チューリングやファインマンといった私の科学的ヒーローたちの伝記を読んでいました。これらすべてが、私たちの周りの世界を本当に深いレベルで理解しようとする私のインスピレーションとなりました。そしてAIを構築することは、科学のための究極のツールを作ろうというそのミッションの、私なりの表現だったのです。
人生は短いので、私は自分が経験したすべてのことを、30年以上にわたって抱き続けてきたその大きな北極星のようなミッションのために再利用し、目的に合わせて作り変えようと努めてきました。
例えばチェスのトレーニングは、私がビジネスや組織作り、計画をどう考えるかという基盤になっています。非常に野心的な計画を、より小さく管理しやすいステップに分解することができたのも、すべてチェスの思考法から来ていると言えるでしょう。
そして、まずはゲームを作り、大規模なエンジニアリングプロジェクトや会社の経営、スタートアップについて学び、その創造性をエンジニアリングと融合させました。実はこれこそが、私たちが現在AIで行っていることなのです。AIはエンジニアリングの科学ですから、クリエイティブな作業や科学的な作業を、非常にハードコアで最先端のエンジニアリングと融合させているわけです。これらすべてが一緒に役立ってきました。そして最後にゲームについてですが、皆さんもご存知の通り、DeepMindの初期において、私たちはアルゴリズムのアイデアをテストするための完璧な実験場としてゲームを使用しました。おそらく最も有名なのはAlphaGoでしょう。ちょうど10周年を迎えたところですが、今振り返ってみると、あれが現代のAI時代の始まりだったのかもしれません。
DeepMindの創設とAGIへの野心
2010年頃にAIの分野へプロフェッショナルとして足を踏み入れ、DeepMindを立ち上げたとき、あなたには非常に野心的なビジョンがありましたね。まず知能を解明し、それを使って他のすべての問題を解決するというものでした。現在の進捗はどうですか。もう少し詳しく教えてください。計画通りに進んだことと、計画から外れたことは何でしょうか。
そうですね、大きな流れとしては、信じられないほどうまくいっていると言えます。2010年にDeepMindを始めたときを想像してみてください。当時はイギリスのベンチャーキャピタルを回ろうとしていましたが、その数自体があまり多くありませんでした。そして、ビジネスプランとして提示したのが、ステップ1で知能を解明し、ステップ2でそれを使って他のすべてを解決する、というものだったのです。人々はかなり困惑していましたよ。しかし私たちは本気でしたし、実際にそのミッションステートメントに立ち返ることになりました。
知能を解明するというのは、AGIを構築することを意味していました。理想的にはAGIを構築する過程で知能の本質を理解し、おそらくAGIを利用して私たち自身の脳や心をよりよく理解する手助けにしたいとも考えていました。意識の本質とは何か、創造性とは何か、夢を見るとはどういうことかといった、心の深い謎についてです。私が神経科学を学んだ理由の一つは、脳について私たちが理解していることから学び、アルゴリズムのアイデアのインスピレーションを得ようとしたからでした。
ですから、ステップ1はAGIを構築しようとすることでした。そして私たちは常に、実際に起こったことを思い描いていました。つまり、それが汎用技術であり、おそらく決定的な汎用技術になるだろうということです。もしそれが正しい方法で構築され、非常に汎用的な学習システムであったなら、それが適用できる限界はどこにあるでしょうか。ほとんどすべてのものに適用できるというのが私たちの夢でした。
そして、それが実証されてきたのだと思います。ステップ2に関して私が具体的に念頭に置いていたのは、科学と医学を前進させることでした。それが他のすべてを解決するために使う、という意味でした。私は科学における大きな疑問のすべてを意味していました。私はそのすべてに魅了されていました。時間の本質、現実の本質、これがおそらく最も根本的なものでしょう。学生時代は物理学が大好きで、一番のお気に入りでした。大きな疑問に興味を持つと、おそらく最終的には物理学を専攻することになるのだと思います。
しかし私が別の道を選んだのは、興味深い大きな疑問が多すぎると気づいたからです。一生の間にそのすべてにどうやって取り組めばいいのでしょうか。私にとってそれは、最高の科学者や専門家が、彼らの取り組む分野や重要で大きな疑問において、はるかに速く進歩を遂げられるよう支援するための新しいツールを構築することを意味しました。
そして当然ながら、AIそれ自体もまた、研究に値する魅力的な人工物であり、科学的な対象でもあります。ほとんど新しい分野と言ってもいいでしょう。ですから私にとって、これは人生を費やす上で最も魅力的で最も重要なことに感じられましたし、たとえうまくいかなくても、私はこれをやっていたと思います。学界であれどこであれ、何らかの形でこれに取り組む方法を見つけていたでしょう。これこそが、私が常に人生をかけて取り組むつもりだったことなのです。私が以前にやったすべてのことは、2010年に私たちが急速な進歩を遂げる準備ができたと感じてDeepMindのようなものに挑戦できるようになるための経験と知識を集める、異なる表現形態だったのです。
そしてもちろん、それを使って他のすべてを解決するという2番目の部分は、今や科学や医学だけにとどまらず、はるかに広範なものになっています。私個人としては、組織全体の経営と並行して、その分野での仕事に努めてきましたが、明らかにそれは生産性だけでなく、科学や医学以外の世界中の多くのことに対しても素晴らしい効果をもたらすでしょう。
ゲームを通じた初期のブレイクスルー
DeepMindでこれらの様々なモデルを構築していく中で、ゲームから始まり、次に科学の分野へと進んでいきました。初めから強い確信を持っていたと思いますが、実際にこれがうまくいく、AlphaGoが画期的な一手を打った時のように、そう確信した特定の瞬間はありましたか。
ええ、うまくいかないんじゃないかと思った瞬間は何度もありましたよ、そう言っておきましょう。特によく覚えているのは、ゲームから始めた時のことです。ゲームは自己完結しています。人間がプレイして挑戦的で楽しいと感じるように、他の人間によってデザインされたものです。私はゲームが大好きで、実世界のシナリオの多くを反映した小宇宙であることが多いからです。囲碁やポーカー、チェスについて考えるなら、MBAやビジネススクールのコースに組み込めるモジュールの一つになるだろうとよく思っていました。ディプロマシーといったゲームを研究するのです。それらはすべて、現実世界の本当に興味深い側面を持っており、安全なシナリオの中で何度も練習することができます。それこそがゲームが本当に役立つ理由だと思います。
そしてそれは学習するAIシステムにも当てはまります。きちんとした環境であり、挑戦的であり、明確な目的関数を持っています。これも初期の強化学習において非常に重要でした。当時、大規模な問題に強化学習を使っている人はほとんどいませんでした。学術的な分野であることは明らかでしたが、主に小さなグリッドワールドのようなおもちゃの問題に使われていました。何か大きなものにスケールアップできるかどうかは明確ではありませんでした。
そこで私たちは、世界中で人気を博していた最も基本的で有名なゲームのセットから始めました。70年代のAtariのゲームです。その中でも一番シンプルなポンというゲームから始めました。ご存知のように、2つのラケットと1つのボールだけのゲームです。対戦相手をコントロールするためのAIシステム、本当のAIというより組み込みのシステムですが、それがゲーム内のボールの位置などのすべての情報を使ってラケットを動かします。私たちがやりたかったのは、画面上のピクセルだけでポンをプレイできるかということでした。つまり、生のデータ、生の視覚入力だけで、ボールの位置や速度といったプログラム内部へのアクセスや特権情報を持たずにプレイするということです。相手のプログラムはもちろんそれを知っています。
しかし私たちは、DQNシステム、当時のAtariシステムにはそのような情報を一切与えませんでした。画面上の2万ピクセルを与えただけです。2万ピクセルというのは、今では些細なことに思えるかもしれませんが、2010年当時は膨大な入力データでした。それほど複雑なものを扱った人は誰もいませんでしたし、さらにそれを処理するすべてのフレームを掛け合わせるわけです。半年だったか、もしかしたら2ヶ月だったかもしれませんが、ポンで1ポイントも取れない時期が続きました。ラケットをカクカク動かしているだけで、ラケットを制御できるようになる日は来るのだろうかという感じでした。システムにはもちろん何の概念もなく、組み込みのAIに21対0で負け続けていました。
これを解決するためにいくつか異なるアプローチを試していましたが、お金はほとんどありませんでした。数百万ドルの資金しかなく、今ならインターン一人雇うのも難しい額ですが、それが私たちの全資金でした。給料も出ないような状態で、資金も底をつきかけていました。私は、もしかしたら私たちはまだ10年早すぎたのかもしれない、20年早すぎたのかもしれないと考え始めていました。すると魔法のように、システムが1ポイントを取ったのです。最初はまぐれかと思いましたが、その後たくさんのポイントを取り始め、ゲームに勝ち始めました。私たちはついに離陸したんだと思いました。
機械学習に携わっている方ならお分かりだと思いますが、足がかりを掴めば、通常は山登りのように最適化していくことができます。それがAIの歴史だと思います。何かが機能し始めれば、それをさらに最適化する方法がたいてい見つかるのです。Atariの時もまさにそうでした。これが私たちの最初の大きな成果となり、最初のネイチャー論文になりました。領域を学習し、知覚入力やその複雑さを処理してパターンを見つけるためのディープラーニングと、その上に構築されて意思決定や計画を行う強化学習を組み合わせた、真に大規模な最初の深層強化学習モデルでした。
そしてもちろん、それは常に私たちの目標であったAlphaGoへと結実しました。そのプロジェクトのリーダーだったデイブ・シルバーと私は、ケンブリッジ大学の学部生時代からの友人で、学部生の頃からこのことについてずっと話し合っていました。私たちが大学にいた90年代半ばに、ディープブルーとカスパロフの対戦がありました。もちろん私はチェスの観点からもAIの観点からもそれに魅了されました。しかし、私はディープブルーよりもカスパロフの頭脳の方に感銘を受けました。カスパロフは、史上最大のチェスの天才の一人であり、隣にあるスーパーコンピューターという力技の機械とほぼ対等に渡り合えたからです。さらに彼は、心を使って5つの言語を話し、政治活動を行い、車を運転し、人間ができるその他のすべてのことをこなすことができました。私にとってそれは信じられないほど素晴らしいことで、はるかに印象的でした。
ディープブルーのシステムには何かが欠けていました。手作業でヒューリスティクスをキュレーションし、その上に力技の探索を重ねるというエキスパートシステムの手法は、現在でも多くの伝統的なチェスプログラムの仕組みですが、チェスには機能しても囲碁には決して機能しませんでした。囲碁はあまりにも難解なゲームだからです。駒の価値といった概念がなく、すべての石の価値は同じで、すべてはパターンと直感にかかっています。トップの囲碁棋士でさえ、そのようにプレイしています。
そこで私たちは考えました。もし誰かが囲碁で世界チャンピオンのレベルに到達できたらどうだろうか、と。それは単にそのレベルに到達するという話ではなく、私たちが採用するアプローチが、おそらく非常に興味深いアルゴリズミックなアプローチになり、うまくいけば他の領域にも汎用できるだろうということでした。そしてAlphaGoでまさにそれが証明されました。
その後、私たちの最も野心的な夢さえも超える結果となりました。2016年にイ・セドルとの対局に勝っただけでなく、囲碁をプレイしてきた中で見たこともないような有名な新しい戦略を生み出したからです。囲碁は人類が発明した中で最も古いゲームで、2000年以上の歴史があり、何百年もの間プロによってプレイされてきました。それでも、私たちはその戦略を発見していなかったのです。私にとってそれは二重の衝撃でした。AIが何か斬新なものを生み出すその瞬間を待っていたのです。もちろんそれ以上の創造性のレベルもありますが、少なくともそれは斬新なアイデアでした。これこそが、私が科学にAIを使い始めるために待っていた瞬間でした。ソウルから戻ったその瞬間に、私たちはAlphaFoldプロジェクトをスタートさせました。
AlphaFold：タンパク質構造予測の解決とオープンサイエンス
科学の話に移りましょう。あなたはタンパク質の折りたたみ問題に取り組みました。この時もデータが存在し、タンパク質の折りたたみに関して明確な目的関数がある問題を選びましたね。そしてそれはうまくいきました。タンパク質の立体構造を予測するという長年の課題を実際に見事に解決したのです。AlphaFoldを生み出したとき、あなたは非常に興味深い決断をしました。それはノーベル賞に値する画期的な科学的ブレイクスルーであり、おそらく商業的価値も高かったはずですが、あなたはそれをただ無料で公開してしまいました。どのようにしてその決断に至ったのか興味があります。他の方法も考えたのでしょうか。なぜ無料で提供したのですか。
はい。私たちはタンパク質の折りたたみ問題を選びました。ケンブリッジの学部生の頃に初めてこれに出会って以来、ずっと目をつけていたんです。私には、タンパク質の折りたたみ問題にとりつかれた生物学者の友人が何人かいました。彼らは後に構造生物学者としてキャリアを築くことになります。特によく覚えている一人は、パブでテーブルフットボールなどをしているときでも、これが生物学においていかに重要な問題かということを執拗に話していました。さらに重要なのは、私がこれをルートノード問題だと考えていることです。もしこれを解明し、タンパク質の構造を見つけることができれば、それは創薬のような全く新しい研究の道を切り開くことになりますし、基礎生物学や病気の理解も進むでしょう。
これは、その下流への影響の大きさを考えると、本当に多くの注意と時間を費やす価値のある問題でした。同時に、私にとっては非常に魅力的な問題でもありました。アミノ酸の配列、つまり遺伝子配列がどのようにしてこの3D構造に折りたたまれるのかという、究極の3Dパズルのように感じられたのです。驚くほど興味深く、複雑なものです。タンパク質について調べれば調べるほど、生物学や、信じられないような小さな生体ナノマシンに対する尊敬と驚きが大きくなりました。地球上のあらゆる生命は明らかにタンパク質に依存しています。その構造を見始めると、その機能を理解し始めます。科学の疑問として、私にはこれがとても魅力的でした。
そして、システムの自由エネルギーを最小化するというような明確な目的もありました。おそらくこれが物理学のやっていることです。体内でこれらのタンパク質がミリ秒単位で、毎秒数十億回も折りたたまれるのはそのためです。ですから、物理学はどうにかしてこれを解決しているのです。ディープラーニングシステムで学習できるようなある種のトポロジーがあり、それが探索を導いてくれるに違いありません。AlphaGoで囲碁の素晴らしい一手を、宇宙の原子の数よりも多い可能性の中から見つけ出したのと同じです。タンパク質の折りたたみはそれよりもさらに巨大な探索空間ですが、それを合理的な方法で絞り込む何らかの方法があるはずです。ディープラーニングモデルを使ってある種のヒューリスティクスを学習し、その探索を扱いやすいものに導くのです。それは、私たちが囲碁で解決したことと科学的に非常に似ている問題だと感じました。同じアプローチや理論の一部をこの領域に適用するということです。
もう一つの要因は、多くの素晴らしい研究室や人々による50年分の骨の折れる結晶学や構造生物学の成果があったことです。そのすべての努力の結果、主要なデータベースであるPDBには約15万個の構造が登録されていました。実はこれは多くありません。膨大な努力が注ぎ込まれたことは明らかですが、タンパク質は2億種類あるのに対し、15万という数は機械学習システムにとっては非常に少ないデータ量です。そのため、これを解決するのに十分なデータと適切なアルゴリズムが揃うまでには、少なくとも10年から20年はかかると多くの人が考えていました。しかし私たちは、知っているすべての技術を駆使すれば、最終的には進歩を遂げられると感じていました。そしてそれは事実だと証明されました。
これをどうすれば最大のインパクトをもたらすことができるかと考えたとき、すべてのタンパク質を折りたたむべきだというのは私には明白でした。AlphaFoldは正確なだけでなく、非常に高速だったからです。タンパク質を数秒で折りたたむことができました。そこで、ケンブリッジにある欧州バイオインフォマティクス研究所と協力しました。ここは科学者が使用する最大の生物学データベースの多くをホストしています。そして、2億個のタンパク質構造全体を彼らのデータベースにホストし、Google検索のように簡単にタンパク質の構造を見つけられるようにしました。同時に、タンパク質構造のどの部分に確信があるかという機械学習システムの信頼区間も提示しました。これは生物学者にとって非常に重要だからです。私たちはこれらすべてを一つにまとめました。
もちろん、これは非常に価値のあるものになり得ました。それが何十億ドルの価値になるかは計算方法によりますが、これを実験的に行うと計り知れないコストがかかるため、独自の知的財産として保持することは非常に価値があったでしょう。しかし私たちにとっては、そのすべての構造を世界に公開することが下流に与える影響の大きさを考えると、自分たちだけでやっても表面をなぞるくらいしかできないだろうと感じたのです。AlphaFoldをほぼ毎日使用している研究者は世界中に300万人います。世界中のほぼすべての生物学者や医学研究者です。一つの組織でこれを成し遂げることは絶対に不可能です。ですから、これが正しい行動であることは明らかでした。
また、最初のバージョンのAlphaFoldを訓練する際には公開データに依存していました。ですから、構造生物学のコミュニティに対して、彼らが苦労して構築したリソースを飛躍的に拡張するこの素晴らしいリソースを還元することが正しいとしか思えませんでした。これは私にとって疑問の余地すらありませんでした。そして、Googleのエグゼクティブたちも科学を愛しており、このことを完全に理解してくれたのも素晴らしいことでした。すべての企業がこの決断を下したとは思えませんので、彼らも大いに称賛されるべきです。話し合いはとてもスムーズでした。
その後、私たちはアルファベットからスピンアウトしたIsomorphic Labsという企業を通じて、下流への影響を私たち自身でも推進しようとしています。これは、AlphaFoldレベルのブレイクスルーをさらにいくつか構築し、それらを組み合わせて創薬を加速させることを目指しています。数年かかっていたものを数ヶ月、もしかしたら数週間や1日に短縮できるかもしれません。私たちがタンパク質構造でやったようにです。以前は一つに何年もかかっていたのが、今では数秒でできるようになったのです。これこそ、AIの未来における本当にエキサイティングな分野の一つです。
シンギュラリティのふもとに立って
少し話題を変えて、あなたが今週発言されたことについてお聞きします。今週行われたGoogleの大きなイベントで、あなたは「私たちはシンギュラリティのふもとにいる」と発言し、ニュースになりましたね。
ええ、あの言葉はかなり取り上げられましたね。
かなり大きく取り上げられましたね。Googleの広報チームは少しハラハラしたかもしれませんが、公の場でそうおっしゃったわけですから、あの言葉の真意を教えていただけますか。
はい。あのカンファレンスを締めくくるために私が語った言葉の全体はこうです。私たちがこの時代を振り返ったとき、おそらくここから10年後のことだと考えていますが、私たちはシンギュラリティのふもとに立っていたことに気づくだろう、というものです。
私が意味したこと、そしてその言葉を選んだ理由はこういうことです。私たちがAGIと呼んできた真に汎用的な人工知能というテクノロジーがありますが、私たちはあと数年でそれに到達すると私は信じています。おそらくプラスマイナス1年で2、30年になると思いますが、本当に驚くべきことです。そしてその時代は、それほどまでに巨大で変革的なテクノロジーになるため、事実上新しい人類の時代になるだろうと私は考えています。私がシンギュラリティという言葉で意味しているのはまさにそれです。多くのSF作家が書いてきたように、AGIの出現が起こるその前後の時代を表現しているのです。
私が30年間これに向けて取り組んできたとはいえ、今年に入りエージェントの動作やツールの使用方法を見るにつけ、まだ初期段階ではあるものの、人々のワークフローにおいて真に役立ち始めたと感じています。私たちや最先端のラボはすべて、さらに何を行う必要があるかを見据え、そこに取り組んでいます。これはその始まりだと思っていますが、まだ多くの作業が必要な「ふもと」に過ぎないのです。
それは何か一つの技術ではありません。いくつかの異なるテクノロジーやユースケースの集積です。もう少し先になると思っていたことが、今すでに実現しつつあり、それらが統合されてきています。その総体として私にそう感じさせるため、あえてあの言葉を使いたいと思いました。なぜなら、その意味に備えるための時間はあまり残されておらず、社会はそれを聞く必要があると思うからです。
それは非常に深く影響を与えるものになるでしょう。未来はまだ書かれていないと私は考えていますが、これからの数年間は、それがどちらの方向へ進むのか、そして私たちが総体としてそれをどのようなものにしたいのかを決定する、極めて重要な時期になるはずです。
社会の懸念とポスト希少性時代への展望
特にこの国でAIが人々にどのように認識されているかの調査を見ると、現状では非常にネガティブです。おそらく他のどの国よりもネガティブかもしれません。プライバシーや国家の管理、巨大テック企業の規模、あるいは雇用についての懸念など、様々な要因があるでしょう。最先端のラボのトップとして、テクノロジーに対するこうした一般の懸念をどのように考えていますか。
一般の人々が懸念を抱くのは当然だと思います。私もテクノロジーのいくつかの側面については懸念しています。これはデュアルパーパスなテクノロジーです。非常に深遠なものです。私は時々、その影響力を産業革命の10倍、スピードも10倍だと定量化して説明します。1世紀ではなく10年で起こるわけですから、産業革命の100倍の影響があるということです。正直なところこれでも過小評価かもしれませんが、私たちが理解し対処しようとするには十分な規模でしょう。
もちろん、非常にエキサイティングな側面もあります。私たちがすべての病気を撲滅しようとしているように、素晴らしいことが起こるはずです。気候やエネルギー、病気に至るまで、今日社会が直面している他の多くの課題もAIによって支援されると確信しています。もしAIのようなものがやってくると考えていなければ、私はこれらの課題をもっと心配していたでしょう。しかし同時に、それは技術的、経済的、哲学的にも多くの変化と混乱を引き起こすことになります。
技術者だけでなく、社会のあらゆる部門を集めて、このことについて非常に深く考え、議論しなければなりません。テクノロジーとその安全性は一つの側面にすぎません。次に何が起こるかを描き出すためには、経済学者、社会科学者、そして人文科学の専門家が必要です。
ここでの受け止め方がネガティブである理由の一つは、他の国々と状況が違うからだと思います。例えばインドのサミットから戻ってきたばかりですが、そこでは若者たちに非常に人気があります。彼らは、これまではシリコンバレーに行かなければ得られなかったのと同じツールにアクセスできることで、民主化される機会をそこに見出しているからです。現在、誰もが最前線の研究室で起こっていることに数ヶ月の遅れでアクセスできるという、信じられないような世界に私たちは生きています。考えてみればこれは前代未聞のことです。
しかし同時に、私の同業者たちの発言の仕方に問題があるとも思います。彼らはコミュニケーションや理解に対してあまり慎重ではないと感じます。彼らの発言はあまりにも断定的すぎるのではないでしょうか。実際には大きな不確実性が存在しており、それ自体が懸念事項であるにもかかわらずです。しかしそれは、まだ何も決まっていないということも意味しています。未知なのだと思います。私は方向性についてはいくつか言えますが、その多くはこれからの数年間で取られる行動と、今日の若者、この部屋にいる多くの学生たちに懸かっていると思います。
私はコンピューターネイティブでしたが、皆さんは最初のAIネイティブとして育つ世代になります。そしてどの世代もそうであるように、皆さんはこれらのテクノロジーを習得し、それらを活用して極めて高い生産性を発揮するようになるでしょう。少なくとも今後10年間は、正しい使い方をすれば、皆さんはまるでスーパーパワーを得たかのようになると思います。個人の創造性や実行できるプロジェクトの規模は劇的に広がるでしょう。もしかするとそれが仕事の性質を変え、大企業ではなく小規模な起業家的プロジェクトが増えるかもしれません。どうなるかは分かりません。多くのことが変わるでしょう。
だからこそ、社会が一体となってこの指数関数的な変化を真剣に受け止める必要があるのです。技術者だけでなく、経済学者やその他の専門家も、今すぐこれを真剣に受け止め、それがどのようなものになるのかを描き始めなければなりません。例えば、ポスト希少性の世界において、全員がそこからどう恩恵を受けるのか。ごく一部の人や企業、あるいは一部の国家だけがこのテクノロジーの恩恵を受けるのは明らかに間違っています。それは広く共有されるべきです。全人類に影響を与えるのですから、恩恵は全員に行き渡らなければなりません。
しかし、それはどのように実行されるのでしょうか。私たちは皆このことについてしばらく話し合ってきましたが、今こそ答えと具体的な行動が必要です。私も自分なりの役割を果たすつもりです。長年このことについて考え、計画し、影響力を築いてきましたので、できる限りのことをします。もちろん私たちは重要なアクターではありますが、この領域における一人のアクターにすぎません。
良いニュースは、すべての主要なラボとそのリーダーたちが、多くのことで意見が対立しているにせよ、迫り来るこうした問題を心配しているということです。ただ、私たちがこれらのことについてもっと率直に話し合うためのフォーラムがさらに必要です。一般の人々が感じ取っているのは、何が起こるかについての少し偏った議論や、資金調達などの別の動機が隠されているようなメッセージングだと思います。私たちは科学的手法を用い、歴史上のこの重要な瞬間について、真に厳密かつ思慮深くアプローチする必要があります。
最後にもう一つ言いたいのは、この業界や分野は、その恩恵がいかなるものかをより明確に示す義務があるということです。単に語るだけでなく、実証しなければなりません。健康、医学、科学の分野において、これらはすべて私から見ればAlphaFoldのような疑いようのない善です。しかし、そうした例がまだ十分ではありません。AlphaFoldのようなものが20個あるべきです。がんを治すという仮説を語るのはやめて、実際にがんを治さなければなりません。
私たちがなぜこれほど興奮しているのか、なぜ人生をかけてこれを構築してきたのかを一般の人々に示し、私たちが望み社会が必要としている素晴らしいことを可能にしながら、いかにして具体的にリスクを軽減していくかを示すために、これらが必要なのだと思います。
素晴らしいポイントがたくさんありましたね。もし、AIのブレイクスルーによって人間の健康や創薬などに具体的な恩恵がもたらされれば、人々の認識も変わるかもしれません。そして、生産性などの面で大きく異なる世界について、もっと先を見据えようという提案も素晴らしいと思います。実はそれを行うのは非常に難しいことです。社会科学において、人々が現在の枠組みから抜け出し、はるか先を予測することは稀です。ケインズが恐慌の時期に書いた、孫の世代の経済生活を見据えた素晴らしい論文を思い出します。昨晩、今まさに私たちには新しいケインズが必要だとおっしゃっていましたが、もしかしたらこの聴衆の中にそれをやってのける人がいるかもしれませんね。
AI開発競争と動的規制の必要性
あなたが長年語ってきたことの一つに、最前線のラボは自らを規制する必要がある、というものがあります。つまり、安全性への脅威となる可能性のある特定のテクノロジーを公開しないという判断を時として下すということです。しかし現在、各ラボは猛烈な競争状態にあることは明らかです。彼らはすべてを投資し、全力を尽くしています。あなたは今でもラボが自己規制すべきだとお考えですか。それとも、政府が介入して何らかの形でAIを規制すべきだとお考えですか。過去に話されていたことと比較して、現在の力学をどのように見ていますか。
まず、歴史的な文脈を少し説明させてください。先ほどテクノロジーの進展について話しましたが、テクノロジー自体は驚くほどうまく進んでおり、20年前に私が想像していたよりも良い方向に進んでいるかもしれません。しかし、それが生まれてきた環境は理想的とは言えません。それどころか程遠いものです。
15年前や10年前、私はこの競争力学が起こることを非常に心配していました。より多くの人々、企業、野心的なテクノロジーリーダーたちが、このテクノロジーが将来いかに重要になるかという、私が20年以上前から知っていたことに気づき始めたからです。私たちはこの種の競争力学の危険性について話し合いましたが、テクノロジーの進展の仕方が原因で、残念ながら現在の状況に至ってしまいました。
もし私に魔法の杖があったなら、私がやりたかったのは、AGIという汎用技術をもっとCERNのような研究施設で構築することでした。そこでは最高の頭脳が集まり、互いのアイデアを批判的に検証し、科学的手法とテストを厳密に行い、踏み出す一歩一歩を理解しながら進めることができたでしょう。もちろん、それではAGIの完成は10年遅れたかもしれません。しかし、社会的な恩恵を得るためにそれを待つ必要はなかったはずです。なぜなら、同時にその技術の一部を切り離し、AlphaFoldのように病気を治すといった専門化されたシステムに活用することができたからです。AlphaFoldは汎用システムのアイデアの多くを使用しつつ、タンパク質の折りたたみに特化させたハイブリッドシステムです。それが私のビジョンだったのです。私たちが実際にそうしていたことからもお分かりいただけるでしょう。
しかし、チャットボットがその状況を変えました。過去15年間の科学的側面において私にとって唯一の驚きだったのは、トランスフォーマーが言語に対してこれほど効果的だったこと、そしてロボット工学やシミュレーションを通じて実世界で行動することなく、インターネットから言語を切り離して学習できるという事実でした。これは非常に興味深いテーマで、それだけで別の議論になるでしょう。人間によるフィードバックという強化学習から何らかのグラウンディングが来ているのだと私は推測しています。私たちは現実世界にグラウンディングされていますから、ある事柄に「はい」「いいえ」と答えるとき、そのグラウンディングが非常に低い帯域幅ではあるものの、基盤モデルの理解を修正することにつながっているのです。
こうした予期せぬ出来事により、それはエンジニアリングと資金によってスケールさせることができる、商業的に非常に重要なテクノロジーになりました。それが現在私たちが見ている状況であり、競争の力学を変えました。おそらくテクノロジー産業の歴史上、いえ、経営大学院の歴史家が違うと言うかもしれませんが、かつてないほど熾烈な競争環境が生まれました。その真っただ中にいると、信じられないほどの強烈さを感じますし、参加しているすべての人がそう感じているはずです。
そしてその上に、地政学的な複雑さが重なっています。これは二重の競争なのです。企業間の死活問題となる競争があり、同時に米中関係などの地政学的な競争があります。非常に厄介な二重構造です。
私は今でも、主要なラボのリーダーたちの間で安全性やセキュリティの要素について協力や協調ができるという希望を持っています。私たちは確かにこれについて議論していますし、誰も壊滅的な事態を望んではいません。問題は、私たちが囚人のジレンマのような状況にあることです。何かを公開するのに時間をかけたり、より安全なものにしたりする定義上、単に公開して何が起こるかを見るよりも難しくなります。つまり、ルールを破る者が何らかの優位性を得てしまうのです。これは底辺への競争という古典的な問題であり、どうにかしてこれを変えなければなりません。非常に緊急だと思います。そして、その一部として何らかの形で政府の関与が必要だと考えています。
もちろん難しいのは、規制に関わることはすべて遅すぎるということです。毎週新しいことが起こります。2年前のものを規制しようとしても、今では古代の歴史のようなもので、ほぼ間違いなく的外れなものになるでしょう。ですから、どのようなデザインにするにせよ、私が考えているアイデアについてはおそらく今年後半にお話しすることになると思いますが、それは動的でなければなりません。通常、規制という言葉に動的という言葉は似合いませんが、フットワークが軽く、最新の発展に基づいて情報を受け取り、事実ではないかもしれない認識されたリスクや重要でないことに囚われるのではなく、実際のリスクがある場所に適応できる必要があります。そうでないとAIには機能しません。
現在のところ、トップレベルの科学者たちでさえ、どのような牽制と均衡が必要かという短いリストに同意しないでしょう。チェック項目について確実に意見が割れるはずです。それは科学がまだ決着していないからです。これは単にスピードの問題だけでなく、進歩のペースが理解のペースを上回っているからです。それが競争力学の現実です。
しかし、私たちはなんとかそのバランスを取り戻す必要があります。時代に合わせて非常に素早く適応できる動的でスマートな規制が必要です。そしておそらくそれは、実際に最前線で何が起きているかを見ているトップのラボからの情報に基づいて行われるべきでしょう。
それは素晴らしいですね。AIの規制システムをどのように構築するか、そしてあなたが語った人間の健康や創薬などの前向きなブレイクスルーを妨げることなく、地政学やイノベーションをどう扱うか、議論すべきことはたくさんあります。善のユースケースを可能にしつつ悪を軽減する方法などですね。今年、あなたがその計画を発表されるのを楽しみにしています。素晴らしいものになるでしょうし、このキャンパスやあらゆる場所で多くの議論の種を提供してくれると思います。では、学生からの質問の時間を設けましょう。
学生とのQ&A：グローバルサウスへの貢献
デミスさん、こんにちは。ビジネススクール2年のアリンダです。質問ですが、AIのフロンティアを押し広げることと、最も必要とされているにもかかわらず、展開や研究のインフラが最も限られているアフリカやグローバルサウスなどの地域に、健康や科学の恩恵が均等に行き渡るようにすることを、どのように両立させているのでしょうか。
私たちはそのことについて非常によく考えています。その一例として、先ほどのAlphaFoldの話に戻ります。私たちはすべてのタンパク質を折りたたみ、それを世界中のどこからでもアクセスできるデータベースで公開しました。これを利用している300万人の研究者は190カ国から集まっています。つまり、ほぼすべての国のすべての研究者です。
AlphaFoldで何ができるかという初期のコラボレーションの種まきとして私たちがやった素晴らしいことは、スイスのWHOの一部門であるDNDI（顧みられない病気の新薬開発イニシアティブ）と協力したことです。彼らは、医療システムが十分に整っていない貧困地域の病気などに取り組んでいます。ご存知のように、大手製薬会社はそのような市場では利益を出せないため、これらの地域に主に影響を与える病気は軽視され、研究資源も十分に投じられません。
そこで私たちは、この研究所や現地の多くの大学と協力し、マラリアウイルスやジカウイルスなどの構造を解明するという骨の折れる構造生物学の作業を飛び越えられるようにしました。彼らはそれを前提条件としてすぐに創薬に取り掛かることができます。プロセス全体を大幅にスピードアップできるのです。関心のある構造を取り出し、そこから前進させることができます。
気候変動の影響を受ける作物の回復力についても同様です。私たちはジェニファー・ダウドナの研究所や他の多くの機関と協力しています。植物のタンパク質の多くはその構造がわかっていませんでした。構造研究の大部分は人間のタンパク質に集中しているため、動物や植物に関するデータはずっと少ないのです。したがって、こうした分野においてはさらに圧倒的なインパクトを与えることができました。
最後に言いたいのは、資本主義のエンジンを良い方向に機能させることができる分野だということです。もし私たちがIsomorphic Labsで取り組んでいる創薬プラットフォームを、何年もかかっていたものを数ヶ月に短縮できるほど効率化できたら。何十億ドルもかかっていたコストが数千万ドル、あるいは数百万ドルになったなら。
私たちがIsomorphic Labsで実現したいと願っているのは、豊かな地域に影響を与える恐ろしい病気を治癒し、それが利益を生んでエンジンを動かす一方で、慈善的な活動として、利益を上げる必要のない病気の治療法を見つけることです。スピードが速くコストも安いため、短期間でそれを行うことができます。これこそが、Isomorphic Labsが世界全体を助ける方法についての私の夢です。
学生とのQ&A：社会の再定義と哲学の役割
デミスさん、本日はお話いただきありがとうございます。スタンフォード・ドア・サステナビリティ・スクール4年のミキです。AGIが人類にとって最も変革的なテクノロジーになり得るということについて詳しくご説明いただきました。私が気になっているのは、AGIがもたらすこの知的な開拓や生産性の向上と並行して、その社会的影響や責任についてどのようにお考えかということです。特に、これが私たちが今日解決しようとしている課題や人々をどのように再定義し再形成していくのか、またそれがもたらす可能性のある下流の影響についてお聞かせください。
質問ありがとうございます。私はそのことについて常に考えており、最初から考えてきました。私たちは成功を前提に計画を立てていたからです。15年や20年前には非常にありそうもないことに思えましたが。だからこそ、私はこのような講演を行い、こうした場所で人々と出会うのが好きなのです。これは一種の招集のようなものです。二次的な影響について真剣に考えることが非常に緊急だからです。
この部屋にいる多くの皆さん、そして人文科学を専攻する皆さんにとって、今こそ皆さんの出番だと私は思っています。まず私たちはテクノロジーを正しく機能させなければなりません。そしてそれができたら、次は経済学の問いが待っています。さらにそれを乗り越えたら、人間の条件という哲学的な問いが待っています。
私は非常に楽観的です。慎重な楽観主義者と言っておきましょう。私たちがこれを正しくやり遂げると楽観視していますし、人間の創意工夫を強く信じています。特にプレッシャーがかかった時の力です。人類は困難な状況に陥ったとき、常に解決策を見出してきました。そして今がその時です。私たちはそれを本当に真剣に受け止め始める必要があります。技術者たちは真剣に受け止めていると思いますが、経済学者など社会の他の部分もそうする必要があります。
経済学者に何が起きているかを話すと、彼らがかなり懐疑的であることにいつも驚かされます。それがGDPのどこに現れているのか、と言うのです。見てください、産業革命の10倍ですよ、今すぐそのための計画を始められませんか、と私は答えます。昨夜もその話をしました。今の私たちにはケインズのようなこの分野の巨人が必要です。ポスト希少性の世界において、なぜ従来の経済が成り立つのでしょうか。もしテクノロジーを正しく使えば、人類史上初めて非ゼロサムの世界に入ることになります。新しいタイプの経済システムが必要にならないはずがありません。
これまで私たちが試してきた経済システムはすべて、ゼロサムであり資源が限られた希少な世界を前提としていました。私は、地球上の限られた資源だけでなく、太陽系にあるすべての資源を活用して星々へ旅することについて話しているのです。今後10年、20年、30年の間に私たちがテクノロジーを正しく扱えば、それは本当に起こるでしょう。
そしてそのすべてが終わった後には、私たちの社会をどう進化させたいのか、美徳とは何か、意味とは何か、目的とは何かという、さらに難しい問いが待っています。そのためには多くの優れた哲学者が必要になると思います。ですから、それらの分野の人々に対する私のお願いは、これです。ここで実際に何が起こっているのかを深く理解し、そこに向かって踏み込んでいく限り、今ほどエキサイティングな時代はないということです。
大学に対する素晴らしいメッセージですね。では、学生からの質問をもう一つ受けましょう。
学生とのQ&A：AIが触れるべきでない領域と学生へのアドバイス
デミスさん、こんにちは。MBA2年のジャナイです。私の質問は、あなたの生きている間にAIに触れてほしくないものは何ですか、そしてあなたの観点から秘密にしておきたいことは何ですか、というものです。
素晴らしい質問ですね。科学の世界において、AIは完全に汎用的なテクノロジーになります。私はこれをチューリングマシンとして考えています。これは大学時代の一番のお気に入りの講義でした。
私たちの心も実は完全に汎用的だと思います。私たちは一種の近似的な機械なのです。チューリングが示したように、計算可能なものはすべてチューリングマシンが計算できます。そして宇宙で私たちが知っている量子以外のほとんどのものは計算可能です。ですから、私たちが心を向けることができる一般的な事柄の集合はかなり大きいのです。それゆえに私たちは現代文明を築き上げました。立ち止まって考えてみれば奇跡的なことです。私たちは十分に驚嘆していないと思います。そのことに対する驚きの念を長く持ち続けていないのです。
しかしそれは同時に、私たちが構築しているこれらのシステムもチューリング的な力を持つようになるということを意味します。一つ言えることは、もっと時間をかけて取り組むべき非常に大きな問題が今後現れるだろうということです。現在話題になっている一例は意識です。
哲学や神経科学の観点からは、まだ十分に定義された問題とは言えません。もちろん、その重要な側面が何であるかについて私たちは皆直感を持っていますが。私の感覚では、現在のシステムはいかなる意識も示していませんが、他の人はそうは思わないかもしれません。
AIが触れるべきでない領域という点で私がお勧めするのは、最初のシステムをインテリジェントなツールとして構築するということです。私の意見では、それだけでもすでに十分な挑戦です。なぜならそれはすでにAGIだからです。そしてそのツールを使って、神経科学や哲学などを研究し、意識といったものについてより厳密な定義を導き出すべきだと思います。それは可能だと思います。
そして物事をそれに照らし合わせてテストし、少なくとも私たちにとって意識があるように見えるエンティティを作ろうとする第二のルビコン川を渡りたいかどうかを、社会として決定すればよいのです。私たちはその決定を下したくないと思うかもしれません。知能と意識は切り離し可能だと私は考えています。ですから、インテリジェントなシステムを持つために意識を持たせる必要はないと思います。これは選択の問題です。主要なチャットボットのいくつかを使ってみると、その意見の違いが透けて見えるのを感じるかもしれません。私の考えでは、これらを混同するのではなく、人類にとって非常に重要となるこの2つのステップを分けて進める方が良いと思います。
デミス、会場にはたくさんの学生が集まっています。もしあなたが今学生に戻ったとしたら、何を勉強しようと考えますか。彼らがキャリアの中で何を学ぶべきか、アドバイスをお願いします。
そうですね、もし今大学に戻れるなら、とてもワクワクするでしょうね。私のアドバイスとしては、科学やSTEM分野、数学やコンピューターサイエンスを学んでいる人は、引き続きそれらを学び続けるべきだということです。これらのツールがどのように組み立てられ、何ができるのかを理解していれば、よりうまく活用できると思います。それは少なくとも今後10年間は事実であり続けるでしょう。
同時に私は、それが消え去ることを願うのではなく、その流れに飛び込むことをお勧めします。魔神はもうランプには戻りません。これらのツールで何ができるのかを積極的に探求してください。最先端のラボはツールを作るのに忙殺されており、それらが実際に何を行えるかについて、まだ表面をなぞった程度に過ぎないでしょう。現在のツールでさえ、能力のオーバーハングと呼ばれるような、計り知れない可能性を秘めています。他のものと組み合わせたり、自分が専門とする別の領域と組み合わせたり、ワークフローに面白い方法で組み込んだりする方法を見つけ出せば、その可能性は無限大です。
皆さんはそのツールを持っています。誰もが持っている最も強力なツールです。それを手のひらに持っているのです。個人としてできることははるかに多くあります。それは創造性を解放するはずです。人文科学や製品開発、ビジネスを学んでいて、以前はコーディングのスキルがなかった人でも、もう必要ありません。これらのツールを使えば、頭の中にあるものの多くを生み出すことができます。一方で、コーディングの専門家であれば、実行できるプロジェクトの規模という点で100倍以上のことができるでしょう。つまり、専門外の人への民主化と専門家への強化の両方を可能にするのです。ですから、今は本当に素晴らしい時代だと思います。
しかし同時に、すべてが変わろうとしているため、不安になるのも理解できます。確実に言えるのはそれだけです。今後10年間で、おそらく人々が想定している以上にすべてが変わるでしょう。しかし、それほど巨大な変化が起きるときには、必ず巨大な機会も生まれます。そうでなければおかしいですよね。世界はまさに皆さんの思いのままです。皆さんを少し羨ましく思います。私がコンピューターとインターネットのネイティブ世代だったように、皆さんはAIネイティブとなる最初の世代だからです。
この部屋にいる学生の皆さん、未来の世界がどのように築かれるかは、最終的に皆さんの手にかかっています。正しい角度から、豊かな想像力と創造性を持って正しい方法で考えれば、非常にエキサイティングな時代になると思います。これは常に真実でしたが、このような巨大な変化の時代には、それがさらに際立ちます。
昨晩もお話ししましたが、未来がどうなるか正確には分からないような大きな変化の時代においては、適応力を持ち、幅広い知識の領域を持つことが求められます。まさに教養教育の黄金時代になるでしょう。
私が言いたい最も重要なことは、自分自身の主体性をさらに高めるということです。未来はまだ書かれていません。未来はすでに決まっていると言う人の言葉には耳を貸さないでください。
デミス、ご参加いただきありがとうございました。本当に素晴らしい時間でした。
ありがとうございました。
コメント