大規模言語モデル（LLM）が注目を集める中、特定のタスクに特化したAIモデルが台頭している。本動画では、DeepLのCEOであるヤレク・クティロフスキを迎え、特化型モデルが最先端の汎用モデルにどのように挑戦しているかを議論する。翻訳における精度や処理速度の優位性、企業におけるモデルルーティングの重要性、さらには音声AIやリアルタイム翻訳の今後の展望について解説する。言語の壁を越えたコミュニケーションがもたらすビジネスチャンスと、AIが社会や人類の未来に与えるポジティブな影響に関する洞察も提示される。
特化型AIモデルが注目される理由
大規模なAIモデルが大きな注目を集めていますが、現在は特化型のモデルも台頭してきています。本日はDeepLが提供する対談として、同社のCEOであるヤレク・クティロフスキをお招きし、こうした目的特化型のモデルが現在の状況にどのような変革をもたらしているのかについてお話を伺います。ヤレク、ようこそお越しくださいました。
アレックス、ご一緒できて光栄です。ありがとうございます。
こちらこそありがとうございます。さて、DeepLが特化型モデルを構築しているのはご存知の通りです。その点については後ほど詳しく伺いますが、まずは汎用的な巨大モデルと特化型モデルという、より大きなテーマについて掘り下げたいと思います。最近の話題はもっぱら巨大な基盤モデルに集中していますよね。大きければ大きいほど良いと言われ、計算量とデータを増やせば増やすほど、汎用的な領域においてより良い結果が得られるとされています。しかし現在、より小規模で特化型のモデルが巨大モデルに挑み、特定の領域でそれを凌駕し始めているという見方もあります。モデルルーティングにおいて、巨大なモデルを使うか特化型を使うかを判断する際、特化型が選ばれるケースが出てきているわけです。特化型モデルの台頭が見られる理由と、今後の展望について少しお話しいただけますか。
ええ、もちろんお話しします。汎用モデル、つまりそれらの巨大なモデルが多くの注目を集めているのは、当然ながら同時に無数の異なるタスクをこなせるからです。私たちが毎日行う非常に多くのタスクに関して言えば、特化型のものをわざわざ作るほどのインセンティブやビジネスモデルが存在しないことも多いのです。私たちは毎日あまりにも多様なことを行っているため、そうした汎用モデルがそれらを非常にうまくカバーしてくれます。
しかしその一方で、特化型モデルが巨大モデルを実際に上回ることができる領域も存在します。特定のタスクにおける品質やパフォーマンスにおいて優れているだけでなく、パフォーマンス、品質、レイテンシつまり処理速度、そして価格という三角形のバランスにおいても優れているのです。モデルの実際のアプリケーションについて少し考えてみると、これら3つのパラメータはどれも非常に重要になります。特にモデルに大量のデータを処理させる場合ですね。特定のユースケースで大量のトークンを消費する場合、例えば企業が何百万もの文書を翻訳したり、カスタマーサービスなどの業務で何時間ものリアルタイム音声を翻訳したりする場合、そのタスクにより優れ、かつコスト効率よく処理できるモデルを採用するのは非常に理にかなっています。したがって、実際のビジネスアプリケーションにおいては、インフラを構築するチームが特化型モデルに大きく依存するケースが多く見られるようになるでしょう。
言語翻訳における特化型モデルの強み
なるほど。でも一つ質問させてください。現在の生成AIの時代は、トランスフォーマーモデルがきっかけとなって始まりました。そしてそれはそもそも言語を翻訳するために構築されたものです。DeepLの主要な業務も言語翻訳ですよね。例えばブラジルでの展開を考えているアメリカの企業に対し、自社のウェブサイトやカスタマーサービスをブラジルポルトガル語に翻訳して機能させるのを支援するといった具合です。そのために特化型モデルを構築されているわけですが、ここでお聞きしたいのです。生成AIブーム全体が言語翻訳を目的としたモデルの革新に基づいているのであれば、その基盤的な革新が組み込まれた巨大モデルではなく、なぜわざわざ特化型のものが必要になるのでしょうか。
おっしゃる通りです。トランスフォーマーモデルと言語翻訳は非常に密接に結びついていると思います。しかし同時に、かなり初期の段階からトランスフォーマーモデルがもっと多くのことをこなせることが明らかになっていました。ただ、モデルがより多くのことをこなすようになり、様々な目的のために作られるようになると、もともと翻訳専用に作られていた時に持っていた能力が少し失われてしまうのです。利用可能なパラメータのセット、つまりモデルの容量を決定づける要素が、あまりにも多くの異なるタスクに分割されなければならなくなります。
そのため、モデルの役割を特定のタスク、今回の場合であれば言語翻訳に厳密に限定しておけば、より優れたパフォーマンスを発揮できますし、一貫性も高まります。汎用モデルで見られる傾向として、どのような入力を与えるかによって結果の良し悪しにばらつきが出ることがあります。特化型モデルには、より優れた一貫性のレイヤーがあります。彼らはその点において非常に優れています。私たちが構築している品質保証システムも、翻訳対象がメールであれ、マーケティング資料であれ、あるいは専門的な特許申請であれ、すべてのケースで言語の品質が可能な限り高くなるように設計されています。
さらに、汎用的な用途を目的とした大規模言語モデルは、通常は英語と数種類の言語を中心にトレーニングされています。本当に幅広い言語に対応し、多言語化を進めたいのであれば、それらすべてを網羅できるだけのデータとモデルの容量が必要になってくるのです。
非常に興味深いですね。つまり、大規模言語モデルにはトランスフォーマーの機能が組み込まれており、Attention Is All You Needの論文から生まれた革新的な技術が活かされているものの、言語に関する質問をした場合、そのモデルは同時にフィットネスや科学、医学についてもアドバイスできる能力を持ったモデルであるということですね。特定のユースケースにおいては、海全体を沸騰させようとするかのように対象が広がりすぎるため、特定の分野に絞った場合にはかえってパフォーマンスが落ちる可能性がある。だからこそ、より特化型のモデルへと向かう動きがあるのですね。この理解で合っていますか。
ええ、その通りです。特にモデルをトレーニングする際の非常に重要な第2段階に関係しています。現在では、単に大量のトレーニングデータにアクセスさせるだけではありません。トランスフォーマーモデルの出発点は、大量のトレーニングデータを見てタスクを再現できるようにすることでした。しかし現在では、私たちがモデルに何をさせたいのかをより詳細に示すために、強化学習の側面が非常に大きな意味を持っています。この強化学習により、先ほどおっしゃったような、私のためにダイエットのメニューを考えてほしい、あるいはレシピを考えてほしいといった実生活のタスクを解決できるようになります。
しかし、あまりにも多くの異なるタスクに対してこの強化学習のステップを実行すると、モデルは確かにそれらすべてをこなせるようになりますが、やはり非常に広範で浅いものになってしまいます。特定のテキストや文書に対して可能な限り最高の翻訳を提供する必要があることをモデルが理解し、認識できるように注力すれば、そのタスクをより優れた方法で実行できるようになるのです。
精度と速度を両立するモデルルーティング
なるほど。つまり巨大なモデルを使う場合、これは私の推測ですが、あなたのお話からすると精度が多少犠牲になるということですね。また、より小規模で特化型のモデルを使えば確実により高い精度と低いレイテンシを得られるのに対し、巨大モデルでは処理速度も犠牲になる可能性があると。
はい、その通りです。精度こそがモデルの特化から得られる一つの要素です。レイテンシ、つまり速度は、モデルのサイズと、同じハードウェア上でどれだけ速く処理できるかという純粋な物理的機能に依存します。特にライブスピーチの翻訳のようなリアルタイム性が求められるアプリケーションでは、レイテンシがユーザー体験の鍵となります。精度そのものよりも、誰もが快適な体験を得られるように翻訳を提供する精度と速度の組み合わせが重要になることも多々あります。
確かに、ライブ翻訳を待っている時に、相手と一緒に座ってモデルが数分考え込んでいるような状態では、会話が台無しになってしまいますよね。
ええ、そんな状態では魅力的な議論などできません。人々が現在リアルタイム翻訳を使用しているユースケース、例えば交渉やビジネスの会話を考えてみれば、そこでのやり取りの往復は極めて重要です。
そうですよね。さて、あなたは言語に特化したモデルを構築していますが、最近では法律など他の分野でも特化型モデルが登場し始めています。例えばHarveyが最近、独自のモデルを構築すると発表しました。大規模言語モデルの能力を目の当たりにした今、次のステップとしては、ほぼすべての分野でこうした特化型モデルが構築されるようになるとお考えですか。
世の中のあらゆる分野がそうなるとまでは言えません。そこにはバランスが必要だと思います。ユースケースが十分に大きいか、企業がそれに投資するだけのビジネスモデルの規模があるかという点です。モデルのトレーニングは依然として高価であり、複雑で、それを実行する能力も必要です。ですから、最も重要な分野に限定されるだろうと考えています。しかし、そうした重要な分野においては、精度と速度を維持するだけでなく、デモや概念実証のためではなくビジネスで日常的に稼働するアプリケーションに求められる、あらゆるエッジケースをカバーする方向へ確実に進んでいくでしょう。
なるほど。では、特定の目的に対して特化型モデルの使用を選択した場合、巨大なモデルを使用する場合と比較して、認識しておくべきトレードオフは何かあるのでしょうか。それともメリットしかないのでしょうか。
実際にはメリットしかないと考えています。別のベンダーと契約する手間が増えるという点を除けばですね。企業内でどのようにモデルルーティングを行うか、ビジネスの様々な領域に対してどのようにベンダーやサプライヤーを選ぶかという問題はあります。ひとつの巨大モデルのベンダーとだけ仕事をする利便性は明らかに存在します。しかし、ある特定のタスクを本当にうまくこなす方法を考え始め、それがビジネスの中核に関わる重要な部分であるならば、特化型モデルを採用することは非常に理にかなっていると思います。
ヤレク、あなたが今触れたモデルルーティングについてですが、私もよく耳にしますし、視聴者も注目しているトピックなので、少し解説していただけると嬉しいです。これは最近になって浮上してきた概念だと思います。ツールを使用する企業や人々が、すべてのタスクを最大のモデルに依頼するのはコストがかかるし、必ずしも最善の方法ではないと気づき始めたのです。そこでモデルルーティングというアイデアが流行しています。質問を入力すると、ルーティング層がこの質問はFlashモデルに向いている、この質問はじっくり考える高性能なモデルに向いている、あるいはこの質問は私たちが話しているような特化型モデルに向いている、と判断するわけです。AIの世界でモデルルーティングがこれほど人気のある用語になり始めた理由と、これが今後どうなっていくとお考えか、少しお話しいただけますか。
ええ、最近になってこの話題が非常に頻繁に取り上げられるようになった最初の、そして最大の理由は、多くの企業が高性能な巨大モデルの使用によって発生するコストを見てショックを受けたからだと思います。誰もがこれらのモデルをどのように使うべきか合理化したいと考えているのです。実は言語翻訳の世界では、このアイデアは数年前からすでに存在していました。ビジネスの現場では、特定の言語ペアに強いモデルはどれか、特定の種類のコンテンツに最適な機能を提供するモデルはどれかという判断のために、モデルルーターがすでに導入されていました。
先ほども申し上げたように、現在の最近のトレンドにおいても、これがコストダウンのためだけでなく、モデルのパフォーマンスを最適化し、特定のタスクが本当に最善の方法で処理されるようにするためにも、今後ますます普及していくと予想しています。
では、AIの世界は今後どうなっていくと見ていますか。効果的なルーターが存在し、巨大で高性能な基盤モデルが一部のタスクを処理しつつも、大部分は小規模なFlashモデルや特化型モデルに振り分けられるようになるのでしょうか。それとも、基本的には巨大モデルが物事を処理し、時折別の場所にルーティングされるという形が続くのでしょうか。
現在は、ビジネス内で一般的とされるタスクの多くが大規模モデルによって非常にうまく処理されている段階だと思います。その筆頭がコーディングやソフトウェアエンジニアリングです。現在これらのモデルで実行されているワークロードの多くは実際コーディングに向けられていますし、その特定のユースケースにおいては巨大モデルが最も高いパフォーマンスを発揮するため、この状況は当面続くでしょう。
しかし現在、特化型モデルが他の方向へもどんどん進出しているのを私たちは目にしています。もしコーディングに特化した新しいモデルが登場したり、価格と機能のトレードオフのバランスが変化し始めたりすれば、より多くのユースケースが特化型へとルーティングされるようになるかもしれません。
ビジネス展開と言語の壁を越えるAI
AIのこのブームが持続可能かどうかを議論する時、よく話題になるのが、20ドルや200ドルのチャットボットやClaudeのサブスクリプションにどれだけの人がお金を払うのかということです。私はいつも、このテクノロジーが最終的に生き残るかどうかは、現実世界に真の変化をもたらし、ビジネスチャンスを創出できるかどうかにかかっていると答えています。DeepLのユースケースに戻りますが、まさにあなたがやっていることはそれですよね。英語圏の国でうまく機能している企業が他の場所で事業を展開したいと考えた時に、LLMを使って全く異なる言語を話す国でもシームレスに事業を立ち上げられるように支援する。これをどのように実現しているのか、少し詳しく教えていただけますか。
ええ、それには多くの要素が関わっています。私たちが顧客をどのように支援するかを考える際、大きく社内向けと社外向けの二つの側面に分けています。世界中にオフィスを持つ大規模な多国籍企業を思い浮かべてみてください。そこでは常に言語の問題が発生します。誰もが英語を話せると思い込みがちですが、正直なところ実際にはそうではありません。彼らは英語を話せませんし、自分では話せると思っていても実際にはそれほどうまくはないのです。
コンテキストの中でどれだけの情報が実際に失われ、それによってどれだけ生産性が低下しているか、また会議の中で従業員が英語やその場で話されている言語に自信がないために発言できず、素晴らしいアイデアがどれほど失われているかを示す研究結果もあります。ですから私たちは、企業が社内の言語の壁をすべて忘れられるよう支援しています。
これは最高の人材を採用する上でも役立ちます。その人がどこに住んでいようと関係ありません。例えばフランスに住んでいてフランス語しか話せない人が、英語を公用語とする会社に貢献できるようになります。優秀な人材を見つけるのが難しい時代において、最高のタレントをチームに迎え入れられるようになることは大きな違いを生み出します。
そして外的な側面、つまり新しい市場で顧客にサービスを提供することについてです。今日ではほぼすべての企業がグローバル企業になろうとしています。そのためには、営業やカスタマーサービス、技術文書の作成やその翻訳において、現地の言語を話せる人材を見つける必要がありました。それは、その市場が自社にとってうまく機能するかどうかも分からない段階で、多額の先行投資が必要になることを意味します。市場の特性もまだ分からない状態ですからね。
しかし現在は、AIツールを導入して既存の文書をすべて翻訳するなど、はるかに簡単に始めることができます。DeepLのようなAIツールを導入すれば、営業担当者が新しい市場の顧客とコミュニケーションをとることができます。チャットであれ、テキストであれ、メールであれ、あるいは電話を通じた音声であれ、カスタマーサービスがバックグラウンドで透明性を保ったまま翻訳されるようにできるのです。
これは企業にとって本当に大きな変化をもたらし、市場の開拓をはるかに容易にします。またある場合には、別の市場で事業を展開するためのプロセスがすでに存在していても、それが非常に洗練されていないケースもあります。バックグラウンドで人間による翻訳作業が大量に行われ、リードタイムが非常に長くなっているような場合です。私たちの顧客の中には、製品開発のサイクル全体を最適化したものの、プロセスの最後にあるローカリゼーションや翻訳の側面が常に市場投入の遅れの原因になっていたという企業がありました。今ではAIを導入することで、その問題に対する即時の解決策を手に入れています。
興味深いですね。LLMの能力の向上は、この業務の遂行にどの程度貢献しているのでしょうか。より優れたLLMが登場したことで、DeepLがA地点から現在の地点に至るまで、どのようなことができるようになったのか少しお話しいただけますか。
ええ、全くその通りです。ユースケースには大きな積み重ねがあり、AIで解決するのがどれだけ難しいかという複雑さの階層があります。一番下にあるのは、迷惑メールを送信するようなケースでしょうか。そこでは最高の翻訳は全く必要ありません。どのような内容のメールかさえ大体分かれば十分です。
そしてその最上位にあるのが、おそらくコンプライアンスを満たす必要のある規制関連の文書でしょう。そこには法的責任が伴います。例えば、医薬品と一緒に配布される説明書などを想像してみてください。ここ数年でモデルの品質が向上するにつれて、私たちはそうしたユースケースをどんどん開拓できるようになりました。
正直なところ、特定の仕事に対してモデルの品質が十分かどうかを見極めるのは、顧客にとって本当に複雑な課題です。だからこそ、DeepLとして介入し、顧客を支援するのが私たちの責任でもあります。彼らが求める品質レベルはどの程度か、そこでどのようなエラー率が発生しているか、そのエラーの原因は何かを探り、おそらくセットアップ全体を最適化して、最終的に彼らが抱えるユースケースの大部分を解決するソリューションを提供します。
そうしたユースケースに対応する能力という点で、数年前と現在とではどのような違いがありますか。
まさに昼と夜ほどの違いがあると言えます。AIやニューラルネットワーク全般について言えることですが、私たちがDeepLを立ち上げた2017年は、ちょうどニューラルネットワークが台頭し始めた時期でした。それはAI翻訳における大きなステップでした。それ以前のソリューションはどれも本当に機能していなかったというのが一般的な見解だと思います。2017年のあのステップはマイルストーンでした。
しかしその後も技術はどんどん良くなり、現在のソリューションの品質を見ると、しっかり書かれた文書を使って、英語からフランス語、英語からスペイン語など主要な言語ペアで翻訳を行えば、結果はほぼ完璧なものになります。時に完璧でない場合があるのは、モデルが不完全だからではなく、元の文書に問題があることを露呈しているからです。つまり、原文が曖昧に書かれていることや、元々理解しにくい形で書かれていることを実際に示しているのです。そのため、文書作成時に生じたミスを私たちが発見することもあります。
私の文章も、内容が明確かどうか確認するために使ってみる必要がありますね。
実際、それはとても役立ちますよ。自分が書いたばかりの文章を読んでいる時、脳は内容を知っているため、そのまま受け入れてしまう傾向があります。しかし、それを例えば私がドイツ語で書いて英語に翻訳した時、その翻訳が不自然だったとします。そこで、ああ、原文に問題があったのだと気づくことができるのです。モデルはその多くを把握し、ある程度テキストを改善する手助けをしてくれますが、彼らはあなた自身やあなたが本当に書きたかったことを知っているわけではないので、解決しきれない曖昧さのレベルは残ります。
ええ、その通りですね。自分が書いたものを10回も15回も読み直したのにタイポに気づかないことがありますから。でも少し視点を変えてみると、ああ、このアイデアは全く意味が通っていなかったとか、綴りが間違っていたとか、あるいは別の単語を使ってしまったといったことに気づきます。それに、ドイツ語に翻訳する時は文法ミスに全く容赦がない言語だと聞いています。
ええ、容赦ありませんね。複雑な言語です。
ひどい文法には厳しいですよね。私もちょうどドイツ語を学んでいる最中なんです。
それは素晴らしいですね。
私はこれを痛い思いをして学びました。
ありがとうございます。まあ、まだお祝いの言葉をもらうには早いですが。
言語の先の課題と音声AIの未来
では、次の質問をさせてください。言語は一つの要素ですよね。例えばアメリカの企業がブラジルで事業を展開したい場合、ウェブサイトやカスタマーサービスの一部をブラジルポルトガル語で機能させることはおそらく可能でしょう。しかし、そこには法律、規制、習慣というものも存在します。海外で事業を展開しようとする時、言語の解決は半分くらいの進捗になるのでしょうか。それともどこまで助けになるものなのでしょうか。
かなり大きな助けになると思います。現地のパートナーをより早い段階から活用し始めることができるからです。特定の側面で支援してくれる現地の法律事務所と連携することも、円滑に進めることができます。もし彼らが英語を話せれば簡単なことですが、そうでない場合でも、はるかに迅速に事業を開始できるのです。
新しい市場で構築しなければならない要素は間違いなく存在します。言語だけでなく他の側面もあります。しかし、必ずそこへたどり着くことができると考えています。実際、私たちもアジアなどのローカル市場でそうしています。ジャーナリストや顧客と話をしていますが、それらのやり取りはすべて私たちのテクノロジーとAIによって翻訳されています。もし私がこのポッドキャストを日本の市場向けに行うとしたら、間違いなくDeepLをバックグラウンドで動かして言語レイヤーとして使うでしょうね。
なるほど。ここまでカスタマーサービスや国境を越えたコミュニケーション、レイテンシについて話してきましたが、そこで私が考えていたことがあります。AIは現在のテキスト中心から、今後どの程度音声へと移行していくとお考えでしょうか。
先日、私たちのサミットでOpenAIのプレジデントであるグレッグ・ブロックマンと話す機会がありました。彼が最も興奮していたのは、新しい双方向の音声モデルについて話している時でした。私たちが今しているように、順番に話すのではなく、入力と出力がシームレスな会話ができるようになるというものです。私には、AIの未来には多くの音声が含まれているように思えます。
そしてその出発点は翻訳のような分野になるでしょう。例えば、あなたがドイツ語を話し私が英語を話していても、会話の最中にAIが即座に翻訳してくれる。それは最高に素晴らしいことですし、Googleなどの企業がすでにこれをスマートグラスに組み込もうとしているのも知っています。あなたのビジネスのユースケースにおいて、AIの音声領域はどこへ向かっているとお考えですか。
ええ、翻訳と言語に関して言えば、これこそがまさに次のフロンティアです。テキストや文書に関しては、現在までに本当に遠くまで来ました。多くのことが可能になっています。しかし、リアルタイムの音声や、会話をこれほどまでに魅力的で、素早く、高速にし、品質を適切なレベルに保つことに関しては、まだ初期の段階にあると考えています。
ですから、まだできることはたくさんありますし、その一方で、言語の壁があるために私たちが現在持てていない会話も本当にたくさんあるはずです。ですから、そうした会話が当たり前に行われる世界が来るのを本当に楽しみにしています。
より広い意味での音声、つまりAIと音声を考え、音声をインターフェースとしての入力方法として見た場合、私の考えは二つに分かれています。これらの対話型モデルは本当に素晴らしいですし、車を運転している時や料理をしている時など、タイピングができない状況で話し始めると、魔法のように感じられます。これまでに私たちが持っていたものとは全く違うように思えます。
しかしその一方で、過去10年ほどの間、コンピュータや電話への音声入力を普及させる試みは数多くありました。音声アシスタントも登場しましたが、決して本格的には普及しませんでした。おそらく私たち人間は、テクノロジーに対してそれほど多く語りかけたくないという心理があるのだと思います。書き込みを好むのは、書きながら考える時間がもう少し欲しいからかもしれません。これが具体的に何に起因するのかは分かりません。
そのため、対話型モデルがすでに存在し、かなり優れたものになっているにもかかわらず、私たちがそれをそれほど使っていない現状を見ると、音声AIの普及は技術の進化が本来可能にするほどのスピードでは進んでいないように思います。
なるほど。技術的な問題というよりは、利用形態の問題なのかもしれませんね。
ええ。それに、私の妻はAIモデルに話しかけ始めると少し気味が悪いと言っています。私は平気ですが、彼女は音声入力モデルというものに抵抗があるようです。
AIデバイスの可能性と人類の未来
AIデバイスについてはどのようにお考えですか。AIウェアラブルや、OpenAIが開発しているようなものは成功すると思いますか。
大いに理にかなっていると思います。デバイスを可能な限り小さくし、可能な限り私たちの身近に置くことは、特に言語翻訳のケースでは非常に意味があります。私は、リアルタイム翻訳に必要なデバイスはすでに私たちが持っていると強く主張しています。私たちが持っているワイヤレスイヤホンやスマートフォンで十分機能するはずです。
しかし、常に身につけられるデバイスを持ち、私たち自身のデータをより多く収集し、状況をコンテキストとしてより深く認識できるようになるのは、非常に素晴らしいことだと思います。
でも、スマートフォンではその役割を果たせないのでしょうか。
ある程度は可能です。本格的なAIを実行するために必要な計算能力と接続性を考えると、現在私たちが持っている最高のスマートフォンでさえ、現時点では極めて小さなモデルしか実行できません。そのためには大きなデバイスが必要になります。
しかし、私たちの周りで何が起きているかというコンテキストやデータを収集するという点では、スマートフォンはポケットの中にあるため、物理的な制約が大きすぎるかもしれません。そこでスマートグラスや体に取り付けるセンサーがあれば、私たちの周囲の物理世界で何が起きているかを把握するのに役立つでしょう。モデルが物事を正しく理解できないのは、自分たちが受け取ったプロンプトに限定されているため、実世界の状況が見えず、今ここで何が起きているのかを理解していないことが原因である場合が多いのです。
全くその通りですね。では最後にこの質問で締めくくりたいと思います。現在私たちは非常に興味深い局面にいます。AIの能力は向上し続け、多くの人がAIを盲信したり、AIなしでは生きられないAIサイコシスと呼ばれる状態になったりしています。しかし同時に、このテクノロジーに対する不安も社会で高まっています。データセンターが近くに建設されることや、AIが自分たちの仕事を奪ったり、現在見ている現実を作り変えてしまうのではないかと心配している人々がいます。
これがすべてどこへ向かっているのか、あなたの視点をお聞きしたいです。AIが懐疑論者の間でのネガティブな語られ方を実際に覆す世界があるとしたら、何がそのきっかけになると思いますか。
ええ、私たちの世界がどうなるかという点で、私たちが巨大な変革の初期段階にいることは明らかです。過去にも何度か技術革命がありましたが、知性というものは私たち人間にとってあまりにも中核的なものであるため、今回はおそらくこれまでで最大のものになるでしょう。この世界に別の形の知性が存在するというのは、私たちにとって全く新しい経験であり、それゆえに多くのことが変わるはずです。
私たちは仕事について多くを語りますが、最終的には仕事の問題だけでなく、人類として私たちが持つ能力の話に帰着すると思います。SpaceXが宇宙へロケットを打ち上げることができている一方で、私たち人類はまだ大勢の人々をどこかへ運べるような巨大な宇宙船を建造できていません。それに伴う工学的なハードルは、おそらく人類だけで解決するには大きすぎるのでしょう。
ですから、私たちはそこで何らかの支援を必要としています。そしてAIこそがその解決策になり得ると考えています。しかし同時に、こうした大きな変化が多くの人々を不安にさせるのも理解できます。私自身、進歩が速すぎて圧倒されてしまうと感じる瞬間もあります。
このような状況において、言語翻訳のことを考えると、これはAIの本当に素晴らしいユースケースだと思えるのです。文明全体が、私たちがお互いにコミュニケーションを取り、アイデアを交換し、世界を前進させ、対立に発展しかねない問題を解決する能力の上に築かれてきたという事実を考えてみてください。
この世界にいるすべての人が、同じくこの世界にいる別の人と話す能力を持つこと。これはAIの本当に美しい応用例だと思いますし、私にとってはビジネスの観点からだけでなく、人間としての観点からも、この会社を築く価値を実感させてくれるものです。
完全に同意します。私の周りにも、私たちが話している最中にAIによるシームレスな翻訳ができればどんなにいいだろうと思う人が確かにいます。あなたが言うように、それがなければ失われてしまうコミュニケーションやアイデアがあるのです。ですから、これは私たち全員が信じることができる前向きなビジョンの一つですね。
ヤレク、お話しできて本当に楽しかったです。今日は多くのことを学ばせていただきました。番組にご出演いただきありがとうございました。
アレックス、こちらこそお招きいただきありがとうございました。楽しかったです。
もちろんです。さて、DeepLについてもっと知りたい方は、どこを見ればいいでしょうか。
deepl.comにアクセスしてください。とても簡単です。
そういうことですね。ヤレク、ありがとうございました。そしてご視聴いただいた皆様もありがとうございます。また次回のチャンネルでお会いしましょう。
コメント