MicrosoftのコアAI部門を統括するジェイ・パリクが、AI基盤インフラ、OpenAIとの協業関係、データセンターの現状と制約、コーディングの未来像について包括的に語る。GPU調達よりも電力確保が現実的な制約となっている現状、オープンソースとクローズドソースモデルの使い分け、エンタープライズにおけるAIエージェントの活用方法、そしてセキュリティ上の課題まで幅広くカバーする。特に注目すべきは、コード行数ではなく実現可能になったことで成果を測るべきという彼の主張であり、技術的負債の解消など従来困難だった課題がAIによって取り組み可能になる点を強調している。
MicrosoftのコアAI部門を統括するジェイ・パリクへのインタビュー
こちらはMicrosoftのコアAI担当エグゼクティブ・バイスプレジデント、ジェイ・パリクへのインタビューです。このインタビューでは、AIインフラについて、ダークGPUは存在するのか、エネルギーは制約要因なのか、そしてもちろん彼のセキュリティ分野での経験を踏まえて、AIハッキングやAIセキュリティ全般について話します。そして、なぜ彼のチームが完全オフィス勤務に戻るのかについても触れます。
それでは、どうぞお楽しみください。
チームの統合と組織の役割
ジェイ、今日は参加していただきありがとうございます。
こちらこそ、光栄です。ありがとうございます。
それでは、あなたは約1年前にMicrosoftに入社されましたね。サティアに直接レポートしていて、新しく統合されたコアAIチーム、統合された開発者部門、コアインフラチームを統括されています。まず、それぞれのチームが何をしていたのか、そして今あなたのリーダーシップの下でこの新しいコアAIチームが何をしているのか、説明していただけますか。
もちろんです。私たちは今年の1月初めにコアAIチームを立ち上げました。そして今年5月のMicrosoft Buildカンファレンスで、この製品戦略、このビジョンを展開しました。これはAIの新しい世界において、ビルダー、開発者、企業がこのテクノロジーで成功するために何が必要かを考えるものでした。そしてたくさんの異なる要素があります。様々なモデルがあり、異なる種類のフレームワークがあります。今ではMCPのような異なるプロトコルもあります。そして、これらすべてを新しいスタックにどう組み合わせるか。
私が「スタック」と言うとき、ある意味引用符付きで言っています。なぜなら進化しているからです。これは「さあ、ここに設計図があります。構築方法を知っています。今はただのクッキーカッター的なものです」というようなものではありません。毎週変化しています。異なる働き方であり、顧客との異なる関わり方です。
私たちが最上層で注力しているのは、このAI時代においてソフトウェアを異なる方法で構築するために必要なすべてのツールを再発明し、再構想することです。それはファウンドリー、あるいは私たちのエージェント・ファクトリーと呼んでいるプラットフォームの上に位置しています。
そこでこれらのエージェント、これらのAIアプリケーションが構築され、デプロイされ、企業の職場空間でそれらのエンティティ、エージェントを観察できる場所となります。そして大小を問わず組織にとって、AIのセキュリティと信頼は最初から組み込まれていなければなりません。なぜなら、これらのエージェント、これらのAIアプリケーションは、私たちが過去に構築してきたソフトウェアのように決定論的ではないからです。過去のソフトウェアでは、コンプライアンスチェックリストや一連のセキュリティポリシーを通して正しく設定されていることを確認できました。
ここでは、ある程度の思考、計画、推論があり、異なるツールへの呼び出し、異なるデータへのアクセスがあります。つまり、これらは企業においてより複雑なタスクを実行することになります。したがって、セキュリティと信頼できるAIは最初から存在しなければなりません。そして企業には、柔軟なデプロイメント戦略を提供したいと考えています。現在、これらの多くはクラウドで実行されています。
しかし、異なる種類のセクター、世界の異なる地域について考えると、これらのエージェント的アプリケーションの一部はエッジデバイスで実行されることになります。したがって、私たちが構築しているプログラミングモデルは、これら4つの領域すべてにまたがる必要があります。
オフィス勤務への回帰と文化形成
これら2つのチームを統合することについて考えたとき、この単一チームを持つことに対するあなたのビジョンは何でしたか。組織の2つの異なる部分を実際に統合する必要があった理由は何でしたか。そして、2つの別々のチームで結束した文化をどう持つのか。すべてMicrosoft傘下ですが、その文化を整合させることについて、どう考えましたか。
そうですね。ある意味シンプルです。なぜなら、私たちの最終目標はビルダー、開発者にサービスを提供することだからです。したがって、すべてはこのペルソナ、開発者にサービスを提供することに帰結しなければなりません。しかし、今日の開発者という概念自体が変化しています。だから私は人々をビルダーと呼んでいます。私たちが製品面で行うすべてのこと、一緒に働く方法、進捗を測定する方法、エンドユーザーや協力する企業と関わる方法は、技術スタック全体を本当に見渡して、これらすべてがきちんと合算されるようにすることです。
開発者がこのテクノロジーを理解し、本当に使えるようにし、創造性とコラボレーションを本当に高められるようにする方法で。接続しないもの、難しいもの、安全でないもの、観察できないもの、単に欠けている部分があって苦労しないようにするためです。だからこそ、ある意味これは垂直統合された組織であり、最終目標は、そして私たちの焦点は、すべてのビルダーがAIで未来を形作ることを可能にすることです。そして、これがその焦点を達成するために必要だと思う構成要素です。
なるほど。録画を始める直前に、対面文化の構築について話していましたね。Microsoftとあなたのチームは新年から完全に対面勤務に戻ります。なぜそれがそれほど重要なのか、先ほど話していたことについて少し話していただけますか。
はい、もちろんです。私たちは今この旅の途中にいますよね。この10年は、10年の初めにCOVIDがあり、そこから抜け出し、全員が自宅にいて、その後一部の人々はリモートのままで、一部の人々は早期に戻ってきました。私は、人々が対面で協力し、創造し、お互いに指導し、コーチし、学べることが重要だと信じています。なぜなら、ある意味、これらのAIツールを使えるようになることの多くは、お互いから学ぶことだからです。このようなものは非常に速く変化しているので、誰かがこのタイプのタスクを解決するためにコパイロットを使う独特な方法を見つけるかもしれません。そうしたら、それを広めたい、他の人と共有したいと思いますよね。
あるいは「ねえ、このAIシステムをもっと複雑なことをするように押し進めるべきだ。チームとしてやろう」という感じです。チームとして戦略を立てて、このプロンプトをどう出すか、もっと多くの文脈を提供するか、欠けている他の足場を構築するかもしれませんが、チームとしてやりましょう。
だから第一に、テクノロジーは非常に速く変化しています。そして対面でいることで、より速く学べると思います。そうすることで、このテクノロジーが今進んでいる指数関数的な軌道に沿って本当に留まることができます。
ええ、それはとても興味深いですね。多くの企業がまだAIをどうデプロイするか理解しようとしています。個人でさえ、日常的にどう使うか理解しようとしています。私たちは非常に初期段階にいます。そして、あなた方のようなこのテクノロジーの最先端にいる方々でさえ、内部的にAIをどう活用するか理解しようとしているというのは興味深いです。それが私が聞いたことですか。
AIを活用した働き方の変革
私たちはテクノロジーが進歩しているのと同じ速さで進歩する必要があります。Microsoftという組織は、多くの異なる製品をカバーしています。多くの異なるエンドユーザーのペルソナをカバーしています。人事チームの誰か、財務チームの誰か、エンジニアリングチーム、セキュリティオペレーションセンターなど、私たちはこれらすべての異なるペルソナにサービスを提供しています。
そして、これらすべての異なる部門、すべてのエンドユーザーにAIをスーパーパワーとして提供する方法で製品を構築しようとしています。たとえば私たちコアAIには、EngeThriveと呼ばれるプログラムに焦点を当てています。このEngeThriveプログラムには3つの柱がありますが、大きな部分はマット、私たちがやろうとしているのは、時間をどう使っているかを理解し、ビジネスの運営やその他の時間を解放して創造的な時間に再配分できるようにすることです。そこで製品を作り、製品を改善し、顧客やパートナーにより多くの価値を提供できますが、AIを使ってビジネスの運営、私たちが行っている管理業務で実際により時間効率的になることができます。
たとえば今日、製品チームであれば、何かのプロトタイプを思いつきますよね。そしてそれを進めて、プロトタイプを作り、それについてユーザーフィードバックを得て、反復して、プロトタイプ2を作り、それを続けます。しかし今、AIの力を使えば、これをすべて書けます。Word文書のようなもので指定できます。そしてAIに、エージェントに「同時に5つのプロトタイプを作って」と言えます。つまり、1つではなく5つのプロトタイプを手に入れ、それらを反復させ、これらすべてのベストを取り、異なる消費者、異なるエンドユーザーを関与させて、そのフィードバックをより速く得られます。
製品作りは、第一にその創造的空間をもっと探索でき、顧客やエンドユーザーからより速いフィードバックを得られ、そのフィードバックのより緊密なループを得られます。それは最終的に、異なる働き方をすれば、エンドカスタマーがAIでより成功するのを助けられることを意味します。そして顧客やパートナーと話すとき、会話の約90%は文化変革について話すことになると言えます。文化というのは、働き方のことです。
働き方が変化しています。誰もがお互いから学ぼうとしています。このテクノロジーが異なる働き方を可能にし、一緒に働く方法を変えているのか、そしてそこからどう学ぶのか。なぜなら、完璧なレシピを持っている人はいないと思いますが、好奇心を持ち続け、常に実験し、何がうまくいっているか、何がうまくいっていないか、何を調整する必要があるか、もっとやることは何か、この新しいパターンが気に入ったら続けて仕事を変えていこうと、オープンに共有する必要があります。
役割の収束とAIによる変化
内部で何を見ていますか。多くの人が、プロダクトマネジメント、製品開発、開発者、デザイナーなど、役割が収束していると話すのを聞きます。これらの役割、その線引き、それらの間の境界線がAIによって毎日ぼやけています。内部で何を見ていますか。
まさに、私たちもそれを見ています。異なる機能が見えています。一つ言えるのは、これらのツールを使って、彼らにとって手が届かなかったり、近づけなかったことを理解し、できるようになるので、はるかに密接に協力するようになっています。たとえば、下位レベルのシステムエンジニアがいて、UIやウェブサイトのようなものをどう作るか本当に理解していなかったかもしれませんが、「ねえ、この新機能がエンドユーザーにどう表示されるかアイデアがある、モックアップしよう」と言えるようになっています。
今では任意のAIツールを使ってプロンプトを出し、何かを書いて、コンセプトを生成できます。そして視覚的なものを生成して、チームの他の人々に見せてフィードバックを得られます。同じことがプロダクトマネジメントやデザイン、他の機能の人々にも起こっています。彼らはプロンプトを出すだけでバグを修正できます。コパイロットに割り当てれば、プルリクエストができます。エンジニアはまだそれをレビューして、すべてのコードが私たちの基準に合っているか確認する必要があるかもしれませんが。
これは非常にクールだと思います。誰もがソフトウェアの連続体をもっと学べることです。何かを作れること、何かを構築できること、デプロイできること、運用できることが、会社のますます多くの機能にアクセス可能になっています。
AIのおかげで本当にスーパーパワーを得た特定の役割はありますか。あなたを驚かせたようなもの。
役割というよりも個人だと思います。個人が何をもたらすかということです。これについて考えるとき、2つのグループ、おそらく3つのグループの人々がいると思いますが、1つ目のグループがあります。誰もがこれに自己認識できると思いますし、テクノロジー分野のほとんどの人はおそらくどこかその中間にいますが、グループ1があります。コパイロットやAIパワードツールを使うたびに、これがいかに素晴らしいかに絶対的に驚き、感動し、驚かされる人々です。「なんてことだ、これがこんなことをした」という感じです。驚いています。
それからグループ2の人々がいます。グループ2の人々は、ほとんどの場合、AIツールやコパイロットが期待通りのものを提供していないことにイライラしています。通常、グループ1の人は、AIに対するあなたの野心、期待が低すぎて、十分な頻度で使用していません。
グループ2は、たくさん使っていて、AIの理解と能力を押し広げています。そこで本当に興味深いのは、人々が好奇心を持ち続けるということです。異なるモデルを試します。コンテキストエンジニアリングのための異なるテクニックを試します。評価、ファインチューニング、強化学習についてもっと学びます。
AIで起こっている指数関数的進歩の曲線、彼らはその学習曲線に乗っています。一方、グループ1で使っている人々は、おそらくあまり頻繁に使っておらず、ツールに対してあまりにも驚いていて、能動的なイライラがありません。なぜなら、非常に複雑なタスクを与えて押し広げているのに、常に提供されていないからです。
データセンターとインフラの制約
ええ。それはとてもエキサイティングな時期ですよね。なぜならとても新しいからです。従うべき黄金の道があまりありません。だからあなたはこれらの新しい道、これらのツールを使う新しい方向を切り開いているのです。あなたが言ったように、好奇心旺盛な人にとっては非常にエキサイティングです。
そうです。非常に広範なことをしているチームがあります。AIの使い方において非常に先進的だと思うチームがあり、彼らは大量の出力、構築している新しいものを生成しています。彼らはコードの1行も見ません。なぜなら、コンテキストエンジニアリングの方法と、検証と妥当性確認の方法のマスターになっているからです。
コードは彼らにとって中間的な状態です。そして、1つのエージェントに単純なタスクを委任するだけではありません。実際にエージェントのチームを編成し、組織化しています。異なるタイプのエージェントを起動できます。これらのエージェントはすべて、彼らが最初に指定したこの複雑なタスクで協力しています。そして検証システムを作成し、中には非常にクールなものもあります。検証エージェントがコーディングエージェントにフィードバックして、自分の問題を修正するようにしています。
少しギアを変えて、これらすべての素晴らしいイノベーションを支えることについて話したいと思います。データセンターについて考えるとき、まず、Fairwaterおめでとうございます。エキサイティングですね。
ええ、とてもクールです。
先週それを開始したと思いますが、開設しました。今日の最大の制約は何ですか。多くの人がGPU制約について話しているのを聞いていますが、ますます電力制約が真の制約、特に米国では、のように見えます。それはあなたが見ていることですか。
人々の野心や計画によると思います。そして、電力、土地、大型重機、変圧器など、ハイパースケールまたは大規模データセンターの運営に入るものなど、サプライチェーンの拡大が多く起こっていると思います。それらはすべて、業界が明らかに結集しているもので、私たちは皆、それらの変化に取り組むためにチームを組んでいます。そして、世界の地域によっても異なります。米国での制約が何であるか対ヨーロッパで何が真実かもしれません。
世界には、非常に長い間そのブームに乗ってきたために、もうデータセンターを建設しないというモラトリアムを置いた国もあります。今は一時停止していますが、一方で他の国々はビジネスに開かれていて、投資し、構築し、今より急速に拡大したいと思っています。
これはインフラの加速ブームのようなもので典型的なことだと思いますが、エキサイティングです。なぜなら、これらのことをより安く、より良く、より速くする方法について、多くの本当に興味深いエンジニアリングの課題が解決されていると思うからです。これには別の側面があり、実際のハードウェアです。これらのAIシステムが昨年対今年対来年に必要とするものは変化しています。
たとえばNvidiaのハードウェアロードマップを見ると、世代間の違いと、それらが冷却、電力、ネットワークがどのように見えるかなど、システム全体に何をするかがわかります。そして今、私たちが構築し、企業にデプロイし始めているこれらのより高度なエージェントでさえ。
興味深いのは、これらのエージェントが実際に多くのツール呼び出しを行うことです。多くの他のシステムと通信し、それが通常のコンピュート、ストレージ、ネットワークの量を増やします。GPU負荷ではありません。これらのエージェントが企業でより能力を持つようになればなるほど、より高いROIのワークフローやタスクやプログラムに取り組めるようになればなるほど、他の多くの企業システムと相互作用する必要があります。
これらの企業システムは、私たちが何十年も構築してきたすべてのものです。しかし今、はるかに多くのスループットを得られ、従来のものの利用率も上がります。ですから、システム全体のスケーリング問題があります。GPUやAIデータセンターに多くのお金と焦点があるのと同じくらい、それはGPU、チップ、特定のAIデータセンターだけを超えて、非常に速いペースで進化し、成長し、前進しているシステムです。
それは非常に理にかなっていると思います。しかしもちろん、この数週間特に、AIバブルとインフラ投資について多くの議論がありました。ガヴィン・ベイカーは90年代半ばのファイバー展開に例えました。インターネットのためにファイバーが展開されていたとき、95%がダークだったが、今日はダークGPUはないと言いました。
しかし、サティアは数週間前に、それは本当だが、実際には十分な電力を調達できず、実際にその電力を待っているだけでGPUがアイドル状態になっていると言いました。では、Microsoft内でのGPU利用率の現在の状態について少し話していただけますか。
私たちにとって、すべてのワークロードを確実にすることに焦点を当てています。これはGPUだけに当てはまるのではなく、CPUにも当てはまります。Microsoft全体のあらゆるワークロードの効率が私たちの最優先事項です。だから第一に、私たちには集中した取り組みがあります。集中したチームがあります。異なるコンポーネント、異なるサービス、テクノロジーがどのように機能するかを理解するための信じられないほどの科学があります。
CPU、GPUですが、ネットワーク、バンド、メモリ、帯域幅など、管理、検査している異なるコンポーネントがすべてあり、それから最適化を行います。おそらくモデルをトレーニングする方法、推論を行う方法などです。
Microsoftにとって素晴らしいと思うのは、多くの異なるワークロードがあることです。M365やGitHubなどのファーストパーティのワークロードがあります。そして、顧客からのすべてのサードパーティのワークロードがあります。これらの異なるワークロードを最適化でき、それらがどう変化しているかから学べることです。そして、ハードウェアスタック、ソフトウェアスタック、アプリケーションスタックを含む全体のスタックを最適化して、これらのGPUから最大限の利用を得られるようにすることは、私たちが多くの時間を費やし、毎日測定、調整、微調整、改善していることです。
ええ。しかし具体的には、Microsoftが今持っているすべてのGPUに電力を供給するのに十分なエネルギーがありますか。そして次の12、18、24ヶ月が経過するにつれて、それを行う方法には多くの制約があります。なぜならその一部は、この物理プラント、この容量を需要曲線にも基づいた方法で構築していることを確認することだからです。
それらをある程度似たような形で一緒に保つことは、私たちが行う重要なことです。そして、時には何かの余剰があり、時には何かの不足があることがわかります。それはチームが常に探している能動的なものです。だからサティアが「電力が不足している」と言ったら、より多くのGPU使用を点灯させるためにもっと電力を見つけようとしている多くの人々がいます。そして、私たちが持っているGPUとインフラから、可能な限り最大限のものを引き出し続けたいと思っています。
ですから、私たちはパートナーと協力し、ここのパートナーと多く働きますが、そのスタックを最適化するために内部的に多くの努力をしています。
モデル効率とエンタープライズ展開
モデル効率は、データセンター展開、エネルギー要件の広い図においてどれほど重要だと思いますか。これらのモデルは明らかにより賢く、より小さく、より効率的になっています。企業へのAI展開を考えるとき、全体の方程式においてそれはどれほど重要ですか。
そして、最後のトピックについて、どれだけ多くの電力が必要か、または十分な電力がないということについて話すことができますが、多くの場合、私たちが持っている電力、GPUがプラグインされて仕事をしているために立ち上がっている電力については、持っている電力から最大限のものを得たいということは言及する価値があると思います。なぜなら、それがリードタイムの観点から最もコスト効果が高く、最も速いからです。
私たちは大規模なGPUフリートを管理しています。そして、改善のわずかな割合を見つけることができれば、それは多くの能力を解放します。コパイロットファミリー製品を供給したり、顧客にサービスを提供したりするための多くの供給を解放します。ですから、これは、これら2つのことが本当にバランスを取り合うものです。なぜなら、これらのデータセンターを構築するには時間がかかるからです。
しかし、私たち自身のインフラをより効率的にするために、その垂直効率プログラムについて時間とともにできることは何でも。
モデルの面では、軌道は非常に明確だと思います。なぜなら、人々はコストを気にし、レイテンシを気にするからです。そしてマット、あなたは絶対に正しいです。企業には、大きく遅く高価なモデルを必要とするワークロードがあり、企業には、より小さなより対象を絞った、またはより特定の役割や仕事に特化したモデルを使用できる異なる形状のワークロードがあります。
彼らは通常、より小さなオープンソースモデルから始めて、そのモデルをファインチューニングしたり、蒸留したりして、そのエージェントやAIユースケースにサービスを提供します。ですから多くの場合、何が起こるかというと、新しいアプリケーションが大きなモデルに着陸し、それから学び、それからもっと多くのワークロードを投入したくなったら、フレームワークを最適化し、モデルを最適化し、ランタイムを最適化して、本当により速いパフォーマンスとより低いコストを得ます。
そして、精度、セキュリティ、安全性のある許容範囲内に保ちます。それらすべてが企業の一部です。それらのことは非常に重要です。だから、それらの要素について緩めることはありません。
つまり、あなたが顧客と話しているとき、彼らのために展開について考えているとき、最先端の高度なユースケースのために、彼らは最高のモデル、少しレイテンシが高く、少しコストが高い傾向のあるフロンティアモデルを取っているが、何がうまくいくかを理解しているうちに、彼らはほとんど垂直化できる、そのタスクのためのより具体的なモデル、より小さなモデルを取ることができ、それから並行して、より小さなモデルがより良くなっているということですよね。彼らはより大きなモデルから学んでいます。それはあなたが見ているトレンドですか。
モデルの多様性とエンタープライズへのアプローチ
これら2つの要素に2つの方法で追加します。1つは、企業に提供しているのは、異なるアプリケーション用に異なる範囲のモデルを管理できるプラットフォームです。なぜなら、彼らは複雑なデプロイメント、複雑な仕事があるからです。
たとえば、モデルルーターと呼ぶ機能があります。企業がAIでの野心とプロジェクトを拡大しようとしているときに、各アプリケーションにどのモデルを選ぶべきかを理解するのは難しいかもしれません。私たちには、モデルルーターと呼ぶ機能があります。
そして、アプリケーション、エージェントをモデルルーター経由で送ることができ、いくつかの入力を提供できます。低コストを気にしますか。速いパフォーマンスを気にしますか。絶対的な最高品質を気にしますか。そのダイヤルを設定できます。そうすれば、ルーターは、これらのモデルの特性を理解するように訓練された基礎となるモデルを選びます。
これらは、企業がそのオーバーヘッドを取り除き、複数のモデルを使用して各ワークロードを最適化できるようにするために、私たちが行いたいことです。
もう1つ追加するカテゴリーは、企業ではこれらのモデルは、ラボが行っていることやオープンソースで起こっていることだけでなく、企業データを持ってくることでより賢くなるということです。
ですから、顧客データ、サプライチェーンデータ、マーケティングデータをオープンソースモデルやクローズドソースモデルの隣に持ってきて、それらのモデルをファインチューニングしたり、強化学習したりできると言えます。それによって、これらのアプリケーションがより能力を持つようになります。
企業でより高いまたはより複雑なワークフローや仕事を扱え、最終的にはより顕著なROIを提供することになります。しかし、その企業データは重要な部分です。オープンソースやクローズドソースに何かを持っているだけではありません。その企業の文脈を近くに持ってくることができ、モデルも進化させることができなければなりません。
オープンソース対クローズドソースモデル
オープンソースとクローズドソースについて触れたので、もう少し深く掘り下げたいと思います。顧客にオープンソース対クローズドソースについてどう考えるべきかをどうアドバイスしますか。素晴らしいオープンソースモデルを出している中国の大手企業がいくつかあります。オープンソース対クローズドソースは本当に重要ですか。セキュリティ要素、安全性要素はありますか。それとも、このユースケースに最適なモデルは何でも構わないということですか。Microsoftとしてどう考えていますか。そして、顧客にそれについてどう考えるようアドバイスしますか。
そうですね。私たちにとって、プラットフォームを構築する一環として、私たちが大切にしているのは、その選択肢、そのエコシステムを持ってくることです。今日、Foundryには11,000のモデルがあります。あるいはGitHub Copilotを使っている場合、選択できる異なるモデルの長いリストがあります。あるいは、カスタムエージェントを構築でき、その方程式にカスタムモデルを持ってくることもできます。
選択肢をサポートしたいと思っています。なぜなら、第一に、この分野は非常に速く進歩しているからです。そして、一方または他方について独断的であることは、世界中のビルダーや開発者が望んでいることではありません。
第二に言えることは、顧客と協力するとき、彼らがどこにいて、何を達成しようとしているかを理解することから始まると思います。そしてそれは、発見と彼らが達成しようとしていることを理解することについてもっとです。そして、彼らにアイデアを与えたり、アドバイスしたり、証拠を与えたりしようとします。
たとえば、「こちらの別の顧客は、企業での同様のタイプのプロジェクトや目的を扱うためにこのタイプのモデルを使いました。こちらはオープンソースモデルでこれを行った別の会社です」あるいは「彼らはオープンソースで始めてクローズドソースに行った、クローズドソースで始めてオープンソースに行った」などです。
ですから、これを見る二元的な方法はないと思います。すべての顧客は、第一に、このAI変革の旅において異なる地点にいます。第二に、成し遂げるべき仕事は実際には非常に異なります。そして、より多くの例がある場合、あるいは何かをパッケージ化して「これは始めるために使えるパッケージです」と言える場合、これが顧客と協力する方法です。しかし、その多くは、パートナー、フィールドチームと一緒に、顧客の優先事項と目的を理解するために組み込まれています。
モデルの多様性についてちょっと触れさせてください。それはMicrosoftの戦略的決定だけでなく、オムニモデルの未来、必要なあらゆるAIワークロードの仕事をする1つの大きなモデルがあると聞いたことがあります。あなたはそれに同意しないようですね。
同意しないとは言いません。私は、今私たちがいる場所と、今エコシステムで見ているものを言うでしょう。テクノロジーは信じられない速度で進歩しています。
では、世界のすべてを行える1つのモデルはあるでしょうか。それはすぐには起こらないと思います。しかし、異なる仕事に異なるモデルを使用できるこの選択肢、企業のIP、組織のIPデータコンテキストのすべてを、私たちが提供している足場のモデルと一緒に接着できることは、より速い拡散、AIでのより多くの成功を可能にすると思います。
今、能力において本当に飛び抜けているモデルがあって、それらがデフォルトになるなら、それは別の日に、このプログラミングパラダイムがどのように見えるかを考えなければならないでしょう。しかし、非常に多くの文脈、非常に多くの異なる問題、医療、生物学、サプライチェーン、気候、財務プロセス、産業プロセスなど、解決すべきものがあります。1つのモデルがすべてにおいて最高であることは難しいと思います。
そして、それらの特定の問題のためのより小さなモデルやカスタムモデルの必要性は常にあると思います。AIが世界でますます拡散し、組織、企業でますます多くの採用が起こるにつれて、これは基礎となるコンポーネントの創造性とカスタマイゼーションを加速させるだけだと思います。
OpenAIとの協業関係
なるほど。では、OpenAIとのダイナミクスについて少し話しましょう。サティアは最近のインタビューで、MicrosoftがOpenAIからの最新のIPにアクセスできると述べました。最新のモデルを入手できます。それは素晴らしいことです。あなたとあなたのチームは、OpenAIが行った研究の上に構築することと、完全に異なる道を進んで、どう両者のバランスを取るかをどう考えていますか。
そうですね。両方とも私たちにとって焦点の領域です。OpenAIとのパートナーシップで行っていることの多くは、そのIP、そのテクノロジーから学び、それを取って、非常に洗練された方法で製品に入れることです。そして、それはプロンプトだけではありません。それらのモデルに関する他のポストトレーニングも含まれます。
これらの異なる機会を解決したり、製品にこれらの新しいパラダイムや機能を作成したりするために、これらのモデルを他のモデルと組み合わせることもあるかもしれません。そして反対側では、MAIチームで行っている作業は、自分たちのモデルを構築できるようにすることです。過去数ヶ月間にそれらのいくつかを発表しました。
ですから、私たちが推進しているのは2つの並行したスレッドです。そして、両方の側面、両方の努力から学べることは幸運です。
それでは、ムスタファとMAIチームとのあなたの相互作用とダイナミクスについて続けましょう。彼らが素晴らしいものを構築し、リリースしているとき、あなたは何をプロダクションに構築し、顧客に何をデプロイするかを決定する際のダイナミクスは何ですか。そのコミュニケーションはどのようなものですか。
ええ、私たちのコラボレーションという点では、高帯域幅です。インフラのコラボレーションです。アルゴリズム研究のようなコラボレーションです。評価でより良くなる方法です。安全性と信頼の問題について一緒に取り組んでいます。
大部分は、1つのチームと考えてください。チームは一緒に働いていて、異なる才能、異なる多様性をテーブルに持ってきて、私たちが持っているこれらの優先的な問題を解決しています。そして、それらのいくつかは、一方のチーム対他方のチームにより適しているかもしれません。
たとえば、ソフトウェア開発のためのモデル開発を推進するために行っていることは、主にGitHub copilotや開発者ツールにより接続されているチームと行われています。ですから、私たちが分担して征服する場所ですが、両者の間で多くのコラボレーションが起こっています。
AIのセキュリティと安全性
完璧です。安全性とセキュリティについて少し話したいと思います。あなたはLace Workにいて、クラウドセキュリティに何年も費やしました。明らかに、モデルウェイトの盗難、ウェイト自体のポイズニング、AIの使用など、人工知能には多くの攻撃ベクトルがあります。
Anthropicからの完全に自律的なシステムがハッキングに使用されることに関するその論文を見ましたか。何が一番心配ですか。どの攻撃ベクトルが、もしあれば、夜あなたを眠らせないようにしていますか。
ほとんどのセキュリティの人々が心配している攻撃ベクトルは、まだ知らないものだと思います。知っているものには、それらを防ぐため、またはそれらをキャッチして迅速に緩和するための緩和策を置くことができます。
過去に人類が何十年も解決できなかった問題を解決するために、AIが何を助けてくれるかについて話しているのと同じ場所にいると思います。今、それらのことは達成可能であり、発見可能です。しかし裏を返せば、このテクノロジーは、過去に私たちが持っていた多くのセキュリティの慣習を打ち破るために何ができるかということです。なぜなら、第一に、それは非常に速く動作できます。第二に、非常に速く進歩しています。そして第三に、それは途中で学習しているからです。
私たちが行っていることは、会社全体にわたっていますが、ここIgniteでさえ、私たちが行うすべてのことは、企業、組織の全体的なセキュリティに接続しなければなりません。たとえば、私たちのプラットフォームで作成されたエージェントはIDを取得します。そのIDはEntraで追跡され、ポリシーとコンプライアンスがあり、追跡でき、アクセスを許可または拒否できます。そして、すべきでないことをしている場合は、これを無効化できます。
これらは私たちにとって後付けではありません。プラットフォームの新しい部分やツールを構築しているときに、最初から設計されています。それが何であるかの理解、それが何であるかの観察可能性を提供し、あなたの会社のコンプライアンスやガバナンスやセキュリティガイドライン、持っている期待に確実に準拠し、それからこれらのことに対して行動できるようにします。
「このエージェントが昨日このカスタマーサポートケースで何をしたかトレースしたい」と言えます。そして、それが行ったすべてのこと、呼び出したすべてのツール、アクセスしたすべてのデータ、ループに人間がいた場合、彼らが承認または承認しなかったもの、そしてこれらのことがどのように動作しているかから本当に学べるように、行ごとに見ることができます。しかし、セキュリティは私たちにとって最初から存在しなければなりません。
コード行数を超えた測定方法
なるほど。最後の質問です、ジェイ。今日の人工知能についてあなたの最も逆張りの信念は何ですか。
これが私の最も逆張りかどうかわかりませんが、私たちが話していたことのいくつかに戻ります。私たちはよく質問を受けます。あるいはこのようなインタビューでの対話の一部は、AIがあなたのために何行のコードを書くかということです。そして、それは完全にナンセンスで馬鹿げた測定です。
ええ、絶対に。なぜなら、それはこの世界で本当に意味をなさない何かを測定していると思うからです。本当に焦点を当てなければならないのは、以前はできなかったことが今何ができるかということです。
例を挙げましょう。私は金融サービス業界の幹部の集まりと会っていました。彼らが話し、認識していたことの1つは、彼らには10年、5年の技術的負債があり、何年も缶を蹴り続けてきたということです。なぜなら、それは高すぎるからです。適切な人材がいません。時間がかかりすぎます。このようなものをクリーンアップするために逸らす対新しいものを扱う機会コストは、彼らにとってあまりにも難しいのです。
しかし今、突然、その技術的負債を縮小し、コードベースを近代化し、インフラを近代化し、より健全なセキュリティ姿勢に入る能力。これらすべてが今、より扱いやすくなりました。そして、それらの成果に焦点を当てることです。今日、私のAIが私のために何行のコードを書いたかではありません。
なるほど。ジェイ、本当にありがとうございました。あなたの時間に感謝します。
コメント