22,583 文字
製品を作るとき、GPT-4o持っててソフトウェアエンジニアの軍隊抱えてるような人らでも苦労するんは、信頼性の高いデータ対話アプリケーションみたいなもんやねん。GPT-4oでも、そのままやと45%くらいの信頼性しかないわけや。つまり、半分くらいの質問に間違った答えを出すってことやねん。
うちらは90%台に到達してて、99%の信頼性を目指して急ピッチで開発しとるわ。もちろん、領域を限定して、純粋なAIモデルの問題やなくて、ソフトウェアエンジニアリングの問題に変えるんやけどな。
でもこれこそが、どのスノーフレイクの顧客も「ほしい!」言うて飛びつくもんなんや。お金とリソースがあって、ソフトウェアエンジニアリングチームに投資できる人らでも、これは自分らじゃ突破できへん壁やって、すぐ気づくねん。
今日はスノーフレイクのCEOであるシャル・ラマスワミーをお迎えして、お話を伺います。スノーフレイクは、上場企業の中でも最も重要なエンタープライズ企業の1つやね。クラウドデータプラットフォームのデファクトスタンダードとも言えるけど、今日の大きな疑問は、AIの世界でスノーフレイクがどんな役割を果たすんかってことやな。
シャルは何十年も知っとる仲やけど、実は我々のパートナーであるビル・コーンとGoogle入社した日が一緒やったんや。2003年4月のことやね。我々はシャルの起業したNeva、AIを使った検索エンジンにも出資させてもらったんや。スノーフレイクがNevaを買収して、シャルがフランク・スルートマンの後継者になったんやけど。
シャルほど技術に精通しててしかも商売上手な人はめったにおらへんわ。今日は彼の視点から、AIがスノーフレイクにとってどういう意味を持つのか、安全性の重要性、オープンソースコミュニティ、競合状況、そして彼がスノーフレイクのCEOとして見てるエンタープライズにおけるAIの実用的な応用について、お話を伺います。楽しんでいってください。
さて、シャル。今日はお越しいただいて嬉しいわ。あんたは生粋の技術者やけど、長いことコンシューマー界隈で仕事してきて、今はこの世代で最も重要なエンタープライズ企業の1つのかじ取り役やねんな。本題に入る前に、エンタープライズAIについていろいろ聞きたいことがあるんやけど、その前にちょっとあんたの経歴と、知らん人向けにスノーフレイクについて簡単に説明してもらえへんか。
シャル: ああ、バッドソニア、アイコニックなセオアに来られて超興奮してるわ。ここは尊敬する多くのレジェンドたちの本拠地やからな。
せやな、ワイは元々コンピューターサイエンティストで、最初はアカデミックのキャリアやったんや。冗談で「改心したアカデミック」言うてるけど、もっとインパクトのあることをしたくなってな。
Googleの初期メンバーになれたんは超ラッキーやったわ。人類が生み出した最高のビジネスの1つ、検索広告ビジネスに携わったんや。10年近くそこにおって、広告とコマースの全てを5年間見てたわ。そのビジネスを15億ドルから1200億ドル以上の売上にまで成長させるの手伝ったんや。
それからセオアの出資を受けて、Nevaっていう野心的なスタートアップを立ち上げたんや。検索の意味を根本から考え直そうっていう、控えめに言ってもでかい野望やったな。そんで、スノーフレイクに買収されてCEOになったってわけや。
スノーフレイクはAIデータクラウドや。うちの基本的な考えは、データを中心に据えたクラウドコンピューティングプラットフォームの方が、汎用的なクラウドよりも、エンタープライズのお客さんがデータを活用するのに断然ええっちゅうことや。
AIについては、データの保存や移動、アクセスの仕方を根本から変える革新的な技術やと考えとるわ。
1万以上のお客さんがいて、去年は26億ドルの売上があったんやけど、要はエンタープライズとデータの中心にいる会社っちゅうことやな。これで簡単な説明になったかな。
人間: 完璧です。素晴らしい翻訳をありがとうございます。続けてください。
シャル: そやな、今では数百人のお客さんに会うてるわ。
人間: なるほど。ってことは、エンタープライズAIの世界で何が起こってるか、かなり把握してはるんちゃうか。まずそこから始めましょか。エンタープライズAIの世界で今、何が起こってるんですか? お客さんの様子はどうでっか?
シャル: まず第一に、みんなこれが革命的な変化をもたらすもんやって分かってるんや。多くの技術には懐疑的な人もおるもんやけど、多分あんたも「あー、モバイルなんてたいしたことないわ」とか「このブラウザ、大したことないわ」みたいなこと言う人に出くわしたことあるやろ?
新しい技術が浸透するまでには時間かかるもんやけど、AIの場合は違うんや。まず何より、これが何をできるか、みんな分かってるんや。ChatGPT-4oの魔法みたいな能力を見た人なら誰でも、詩を書かせたり、画像を作らせたりして、「わお、これはすごいもんや」って思うはずや。だから、認知度が異常に高いんや。
うちには何千ものお客さんがいて、みんなAIソリューションの導入を様々な段階で進めてるんや。幅広いニーズがあるわ。
例えば、バイエルみたいな会社は、ビジネスユーザーがアナリストやBIツールを通さんでも、すぐにビジネスデータにアクセスできるようにするアイデアにめっちゃ興奮してるんや。今までは「アナリストが必要で、BIツールが要って、ごちゃごちゃ…変更するのに1週間かかります」みたいな感じやったけど、彼らは「必要な人にすぐデータを渡したいだけや」って言うてるんや。
でも、AIを変革のエンジンとして使ってる数十の企業もあるんや。例えば、非構造化データ、画像やトランスクリプトみたいなもんがあるとするやろ。今までやったら、それが何やねんって分かるようにするのにソフトウェアエンジニアリングのプロジェクトを立ち上げなあかんかってん。でも今や、モデルに入力して質問するだけで答えが得られるんや。
人々はこういうことにめっちゃ興奮してるんや。うちにはドキュメントAIっていう製品があって、これは文書から構造化された情報を抽出するんや。契約書なんかがええ例やな。どの会社にもフォルダにいっぱい契約書が眠っとって、そこには魔法の数字みたいなもんがいっぱい書かれてる。本来なら分析したいもんなんやけどな。
人々が実装して本番環境に投入しようとしてる用途は幅広いんやけど、ワイが言えるのは、下の方では「どうやってデータをより効果的に、柔軟に変換するか」、上の方では「どうやってデータをあらゆる種類のビジネスユーザーが新しい方法で、インタラクティブな方法で簡単に利用できるようにするか」、この2つがサンドイッチみたいに挟まってる感じやな。これが人々がデータでやりたがってることの全体像や。
人間: なるほど、よく分かりました。では、スノーフレイクの強みについてもう少し詳しく聞かせてください。データ変換など、スノーフレイクの中核事業に非常に近いものもあれば、少し離れたものもあるように思います。例えば、誰かが企業向けのエージェントを導入したいと思えば、スノーフレイクを使ってそれを行うこともできますよね。この全体的な状況の中で、スノーフレイクはどのように適合していて、どこに強みがあるのでしょうか?
シャル: まず第一に、うちがAIをスノーフレイクに組み込む基本的なアプローチは、スノーフレイクでできることすべてを強化するものであるべきやってことやねん。それがCortex AIの本質で、モデルガーデンやけど、それ以上のもんなんや。
スノーフレイクは様々な製品機能を非常にタイトに統合することを誇りにしとるんやけど、これは単なるスノーフレイクの別サービスやない。スノーフレイクに組み込まれとるんや。つまり、SQLにアクセスできるアナリストなら誰でもAIにアクセスできるってことやねん。これは大規模な民主化のメカニズムになるんや。
それから、ドキュメントAIみたいな初期のアプリケーションは、人々が次にやりたがることの自然な進化やねん。つまり、スノーフレイクが扱えるデータに対して行動を起こしたいってことや。Icebergみたいなもんを通じてスノーフレイクがアクセスできるデータを拡大する。これは基本的にクラウドストレージの相互運用可能なストレージフォーマットやねん。
そして、ドキュメントAIみたいなもんを提供することで、以前はソフトウェアエンジニアリングのプロジェクトやったAIアプリケーションの多くを、アナリストが2つのコマンドで実行できるようにしてるんや。
うちの最初の視点は、AIがスノーフレイクに入ってるデータに対して簡単に、当たり前に使えるようにすることやねん。もちろん、最先端のアプリケーションや、多くの異なるサービスを含むものもあるやろうけどな。
でも、そういったお客さんに対しても、うちが提供するのは信頼性のあるAIやねん。これについてはもっと詳しく話せるけど、例えば言語モデルの生の出力をそのまま信じるのは、ビジネスではあかんのや。真実と嘘を区別できへんし、権威も理解してへんからな。
だから、例えば根拠のあるチャットボットを作るのも、さっき言うたように2つのコマンドでできるんや。ソフトウェアエンジニアリングのプロジェクトは必要ないんや。同様に、Cortex Analystっていうデータ対話APIでも、スキーマに関するすべての情報、そのスキーマで実行されたすべてのクエリ、スキーマのセマンティックコンテキストなどの全力を活かして、他の人が作るのに苦労するような信頼性の高いアプリケーションを作れるんや。
つまり、うちはデータに関する強みを活かして、AIプロダクトをより良いものにしとるんや。GPT-4oと他のものをカスタム統合したような専門的なアプリケーションもあるやろうけど、それはうちが目指すとこやない。うちのお客さんの大半は仕事をこなしたいだけで、AIの研究をしたいわけやないからな。
人間: なるほど、よく分かりました。では、これまでスノーフレイクに入っていなかったデータを、AIサービスのためにスノーフレイクに持ち込むお客さんは増えていますか? また、スノーフレイクにまだ入っていないデータに関して、スノーフレイクの強みをどのように考えていますか?
シャル: これは、もっと広い質問やね。実はワイ、スノーフレイクが扱うべきデータの範囲を広げるのに一役買ってるんや。ご存知の通り、スノーフレイクは基本的にクローズドソースのソフトウェアなんや。検索エンジンと同じで、コアエンジンはクローズドソースやねん。
でも、独自のストレージフォーマットも持っとってな。データをスノーフレイクに取り込んで、そのフォーマットで保存するんや。けど、お客さんから一貫して聞いとるのは – きっとあんたらもよく聞くと思うけど – クラウドストレージに置かれてるデータの量は、スノーフレイクみたいな専門プレイヤーの中にあるデータの100倍か1000倍もあるってことやねん。
業界のトレンドはどんどん相互運用可能なデータに向かっとるんや。人々は自分らのデータに複数の場所からアクセスできるようにしたがってる。例えば、独自のアプリケーションを書きたい場合 – ほとんどの人はそんなことしたがらへんけど、大手はしたがるんやけどな – データをクラウドストレージに置いて、スノーフレイクが読み書きできるけど、他のアプリケーションも読めるようにしたいんや。
そこで、うちはIcebergっていう相互運用可能なフォーマットを大々的に押し出したんや。最近はクラウドカタログも発表したしな。うちの考えでは、10年後にはデータのほとんどがクラウドに、しかもほとんどがクラウドストレージに置かれるようになるんや。それも非常に安価で、主に相互運用可能なフォーマットで、オープンなカタログを通じてアクセスできるようになる。
ここがスノーフレイクからもっとデータにアクセスできるようになる場所やと見とるんや。データエンジニアリングからAIまで、すべてがうちの視野に入ってくるわけや。
例えば、S3に置かれたデータに対して、スノーフレイクのコンテナサービスを使ってビデオモデルを実行し、トランスクリプトを抽出してスノーフレイクに入れるみたいなことをしとるお客さんもおるんや。つまり、うちが扱う世界はまったく違うもんになってきとるんやね。
人間: なるほど、よく分かりました。では、現在ハイパースケーラーの1つに置かれているデータについて考えてみましょう。会話の始めに、データ処理を中心にインフラを構築すると、より良いことができるとおっしゃいましたね。スノーフレイクに現在置かれていないデータに関して、ハイパースケーラーが既に行っていることと比べて、どのようにより良いAIサービスを提供できるのでしょうか?
そして、もう1つ付け加えさせてください。お客さんから聞いた話では、スペクトルの両端に2つの選択肢があるんです。一方の端では、OpenAIと直接やり取りしてデータを彼らのクラウドに送り込む。でも、そのデータがモデルに漏れ出ないか、適切なセキュリティとプライバシーのガバナンスがあるのかと心配する。
もう一方の端では、すべて自分でやる。Hugging Faceからモデルを取得して内部で構築する。超安全で超セキュアだけど、それをすべてやるのはかなり大変。
そして真ん中には、Amazon BedRockやスノーフレイクがあって、両方とも「両方の良いとこ取り」的な価値提案をしている。簡単にできて、かつ安全で信頼でき、セキュアで、そういった良いところをすべて兼ね備えている。
そこで、ソニアの質問に関連して私の視点から聞きたいのは、実際の意思決定をする人にとって、スノーフレイクで構築すべきか、BedRockや同様のクラウドサービスで構築すべきか、どちらに傾くのでしょうか?
シャル: それは、データのセキュリティ、データガバナンス、使いやすさなど、欲しいものすべてが最初から付いてくるからやね。コアのスノーフレイクプラットフォームがもたらす信じられないようなパワー、コラボレーションや他社アプリケーションなんかも含めて、うちはAIを簡単にしとるんや。
確かに、「クラウドストレージにあるデータ、あるいは他のアプリケーションにあるデータを持ってきて、クラウドストレージに入れて、アクセス制御リストを再作成して、それから専用のベクトルインデックス作成ソリューションを使ってベクトルインデックスを作成して…」って言う人もおるやろう。
「そんで、APIを使うか自分でホストするか、どのモデルを使うか決めて、LangChainを使ってアプリケーション用にカスタムルーティングロジックを書くんや」みたいな。
でも、はっきり言うとるけど、うちのお客さんの99.9%はそんなこと全然やりたくないんや。現実はそうなんや。
そういう人らが本当に欲しかったのは、持っとる10万件の文書に対して動くチャットボットで、サイトのFAQ用の面倒くさい検索ボックスを、ちゃんと動く解決策に置き換えたいだけやったんや。
うちの考え方は、今までのガバナンスがそのまま使えるってことや。データはどこにも行かへんし、スノーフレイクが顧客間のモデルを訓練するためにデータを使うことは絶対にないっていう、同じ強固な保証があるんや。
そして、ソリューションを実行するための全体的なコストの面でも非常に効率的で費用対効果が高いんや。でも、スノーフレイクの魔法は本当に、難しいことを簡単にすることなんや。
総所有コストみたいなもんがあるやろ。うちのお客さんの多くは銀行や医療機関、金融関係、メディア業界なんかや。ほとんどのお客さんは問題を解決したいだけで、技術のための技術を解決したいわけやないんや。
うちには基盤モデルチームもおって、根拠のある生成をより良くするにはどうすればいいか、指示にうまく従うにはどうすればいいか、答えるべきでない質問にはどう「ノー」と言うかみたいなことに非常に集中してる。データ対話に関しても同じやね。
だから、うちの多くのお客さんがスノーフレイクを使う最大の理由は、10%のソフトウェアエンジニアリングプロジェクトで、データとセキュリティに関する大きなリスクがあるものが、アナリストの6時間の作業で済むようになるってことなんや。うちはそれが得意で、誇りに思っとるんや。
人間: なるほど、よく分かりました。つまり、一言で言えば、これらの製品と交差するレベルや層の違いということですね。パブリッククラウドを使う場合は、まだかなりインフラ層で、多くを自分で構築する必要がある。一方、スノーフレイクではプラットフォーム層にいて、難しい作業の多くは既に行われているということですね。
パットとソニア、うちらの長期的な賭けは、エコシステムが上流に移動するっていうことなんや。そう遠くない昔、うちらの親や祖父母は車のパーツのすべてを知っとったんやで。「キャブレターを交換したり、爪の間に油を挟むのは男らしいことや」みたいな感じやった。正直言うて、ワイの父親が車の何が悪いのか正確に分かるたびに今でも感心するわ。
ワイは毎日筋トレに行く気はあるけど、車で指の間に油を挟むのは魅力的には聞こえへんな。
そやから、CSP(クラウドサービスプロバイダー)と仕事して、「ここにモデルガーデンがあって、ここにキャッシングサービスがあって、ここにデータベースがある。これら全部を組み合わせるんや」みたいなことができる。でも、さっき言うたように、すべてがソフトウェアエンジニアリングプロジェクトになってまうんや。
うちでは、「いや、それは設定するちょっとしたデータパイプラインやで。チャットボットが欲しいんやったら、ここに素敵なUIがあるで」って感じや。もちろん、もっとやりたければできるけど、そこまでせんでもええんや。
人間: お客さんはスノーフレイク上で何を構築しているんですか? また、スノーフレイク上で構築するのに適したAIアプリケーションの種類はありますか?
シャル: さっき言うたように、AIアプリケーションのカテゴリーは、既にあるデータの種類から自然に出てくるんや。
一番広く使われとる用途は、SQLを通じてCortex AIを使うことやね。これは対話型のクエリやダッシュボード、あるいは人々が実行してるジョブで使われとる。これらは感情分析のような小さなモデルを使うもんから、それほど高価である必要もないんやけど、それこそ本当に関数呼び出し1回で済むもんまで幅広いんや。
あるいは、他の種類のデータ抽出。例えば、トランスクリプトや医師のメモみたいなもんがあるとするやろ。それを取り出して構造化データにするんや。
それから、さっき話したドキュメントAIっていうのもあって、これは領収書や契約書なんかから構造化データを抽出するんや。これがうちの得意分野やね。
でも正直言うて、GPT-4oを持っててソフトウェアエンジニアの軍隊を抱えてる人らでさえ苦戦する製品があるんや。それが信頼性の高いデータ対話アプリケーションなんや。GPT-4oでも、そのままやと45%くらいの信頼性しかない。つまり、質問の半分くらいに間違った答えを出すってことやねん。
うちは90%台に到達してて、99%の信頼性を目指して急ピッチで開発しとるわ。もちろん、領域を限定して、純粋なAIモデルの問題やなくて、ソフトウェアエンジニアリングの問題に変えるんやけどな。
でもこれこそが、どのスノーフレイクの顧客も「ほしい!」言うて飛びつくもんなんや。お金とリソースがあって、ソフトウェアエンジニアリングチームに投資できる人らでも、これは自分らじゃ突破できへん壁やって、すぐ気づくねん。
人間: それはすごいですね。では、どうやってそれを実現しているんですか? もう少し詳しく教えてください。90%台の精度を達成する方法について。独自のモデルをトレーニングしているんですか? どうやってこれが可能になるのか、教えてください。
シャル: それはシステム設計の問題やね。
例えば、コーディングエージェントを効果的に動かす魔法みたいなもんがあるやろ。必ずしも巨大なモデルじゃなくて、問題を慎重に分解して、モデルに正しいコンテキストを提示することなんや。
質問に答えるかどうかの問題と、どう答えるかの問題は別もんやって判断して、これらの異なるサブタスクに特化した別々のモデルを持つこともできる。
それに、ワイが「問題定義」あるいは「製品構造」の問題って呼んでるもんもあるんや。Cortex Analystの製品構造を、自由な領域よりも制限的になるように設計したんや。
これはどういうことかって言うと、スキーマって奇妙なもんで、人々は適当なことをするし、ひどいカラム名をつけたりするんや。完全に逆の意味を持つこともある。どの会社も「収益」の定義が違うんや。
世界最高のモデルを使って任意のスキーマに放り込んでも、そこにある微妙なニュアンスを実際に理解できる可能性は限りなくゼロに近いんや。うちの大規模な導入では、例えばお客さんが20万のテーブルを持ってて、「収益」という言葉が入ったテーブルが数万はあるんやけど、それらが同じ意味を持つわけがないんや。
だからワイにとっては、これは本当に問題定義の問題なんや。ちなみに、これは製品の魔法に通じるもんがあるな。すごい創業者や素晴らしいプロダクトマネージャーは、幅広く適用できるものを作るために、どんなトレードオフをするのが正しいかを想像できる人やと思うんや。それがうちがここでやったことなんや。
問題を制約するけど、さっき言うたように、すべての質問に答えようとするんじゃなくて、質問を拒否するタイミングも明示的に訓練するんや。
もちろん、精度とリコールのトレードオフはあるよ。どの質問にも答えへんかったら100%の精度は出せるけど、それが目的やないからな。役に立ちつつも正確でありたいんや。でも、これには多くのソフトウェアエンジニアリングが必要なんや。
人間: 少し違う方向に話を向けてもいいですか?
シャル: ああ、もちろんや。
人間: なぜか思い出したんですが、スノーフレイクの製品開発のスピードが、ここ半年くらいでポジティブに変化したように見えるんです。多くの創業者と仕事をしてきましたが、会社が大きくなればなるほど、開発速度が遅くなっていくのが普通です。スノーフレイクの規模の組織で製品開発のスピードをポジティブに変えるのは難しいと思うのですが、どのようにしてそれを実現したんでしょうか?
シャル: ワイはこれを何度もやってきたんやけど、基本的な方法はいつも同じやね。
まず何より大事なんは、信頼できるセーフティネットを持つことや。大きな機能を壊さへんように回帰テストを行うんやけど、ガンガン攻めてったら間違いは起こるもんやからな。
だから、異なる種類の間違いを区別せなあかんのや。データベース企業にとっては、データを間違って書き込むような致命的なミスがあるんや。そういうのは修復に何ヶ月もかかってまうからな。だからリスクを理解して、問題が起こる前に検出するためのセーフティネットを作る必要があるんや。でも問題が起こった場合でも、素早く対処できるようにせなあかん。
例えば、Googleでは自動実験スケーリングフレームワークを作ったんや。新しい実験や変更を思いついたら、すべてこの実験フレームワークを通すんや。そしたら、この仕組みが自動的に「これを1台のマシンで実行して15分間観察し、マシンがクラッシュしないことを確認してから、0.1%、1%、10%と段階的にロールアウトして、その過程で測定を行う」ってやってくれるんや。
そうすると急に開発速度が上がるんや。なぜなら、誰もが一連の実験をデザインできて、それがある意味で自動的にプッシュされていくからな。
だから、最初の部分はセーフティネットで、うちはそれにかなりの時間を費やしとる。
二つ目は内部ループの生産性や。つまり、1つの変更をどれだけ素早く行えるかってことやね。結局のところ、これが何個の変更を通せるかの決め手になるんや。
それからシステム設計。スノーフレイクは実は2年ほど前から、ワイが始める前からやけど、システムを拡張可能にするプロセスを経てきたんや。さっき言うたように、うちは単一の統一された製品を誇りにしとるんやけど、それがスピードの妨げになることもあるからな。だから、どうやって拡張可能にするかを慎重に設計せなあかんかったんや。AIみたいなもんは、基本的にそのフレームワークを活用したんや。
ある程度まではな、正直に言うと、リーダーシップが何が重要かにフォーカスを当てる必要があるんや。すべてのチームに対して、常に明確さを推進する。やるべき仕事は無限にあるからな。
AIチームの例でいうと、ワイはすべてのチームに3ヶ月の約束をさせるんやけど、次の2週間で何をするかも決めさせるんや。そして、やると言ったことをやったかどうかを自分で評価させるんや。
ワイの考えでは、もっと良くなりたいなら、やることを言って、言ったことをやる。そして、検証して改善することや。これに尽きるんや。
だから、スノーフレイクでもいろんなことを積み上げてきたんやけど、確かにこの品質とスピードの両立が必要やっていう感覚を持ち込んでるんや。
これは変化やけど、みんな好きみたいやね。ただ単に、もっとたくさんのことをやり遂げられるっていうアイデアがな。
ソフトウェアエンジニアで「うん、明後日にリリースしたいな」って言う人に会ったことないやろ? みんな今日中に終わらせたいもんなんや。だから、たくさんの製品をリリースして、多くのお客さんに使ってもらえると、それがチームにとってポジティブなエネルギーになって、そこに至るまでの良い行動をさらに積み重ねていくんや。
だからワイは、チームの反応がすごく良かったと思うわ。「AIの世界では毎週何かが変わるんや。だからそのスピードで構築せなあかん」って言うたんや。チームの反応にはすごく満足しとるよ。
人間: これまでにAIで行ったことの中で、特に誇りに思っているものはありますか?
シャル: Cortex Analystは、多分うちが設計してローンチした中で一番難しい製品やな。
うちのAIプラットフォーム層であるCortex AIにも誇りを持っとるよ。でも、それはある意味予測可能なインフラ作業やったんや。もちろん、その下には多くのものがあるけどな。VMを使うべきか他のものを使うべきか、推論をどう最適化するか、GPUの入手が異常に難しいこの狂った世界でどうやって容量を確保するかとかな。いろいろあるんやけど。
でもワイにとっては、Cortex AnalystやDocument AIみたいなものこそが、うちの強みを新しい分野に適用して、お客さんに大きな違いをもたらせる独特な組み合わせなんや。
でもパット、あんたも知ってるやろうけど、これはちょっと「一番好きな子供は誰?」みたいな質問やからな。本当にそんなことは言えへんのや。
Polarisっていううちのクラウドカタログにしても、わずか3ヶ月で完成させたしな。だから、チーム内にはすごくエネルギーがあるんや。ゆっくりとしたメッセージやけど、スピードと品質は同じ問題の異なる側面やっていうことが浸透してきとるからな。
ワイの人生を通じての強い信念は、「巧みさは戦略に勝る」ってことなんや。これはどういう意味かっていうと、実行のスピードや状況への対応のスピードは、戦略にすぐに勝ってしまうんや。もちろん戦略も必要やけどな。
でも人生は固定された戦略だけじゃあかんのや。だってめちゃくちゃダイナミックな世界に生きてるからな。どの製品が大成功するか、競合が何をするか、予測するのは難しい。GPT-5oの話をするとしても、それが出てくるかどうか、どんな影響があるかは大きな未知数やからな。
だからワイは、とにかく本当に素早くあることに大きな重点を置いとるんや。それがチームに伝えようとしてるメッセージなんや。
人間: それは非常に…スルートマン時代からシャル時代への素晴らしい継続性が感じられますね。フランクが少なくとも数回、ジョージ・パットンの「今日、激しく実行される良い計画は、明日の完璧な計画よりも優れている」という言葉を引用しているのを聞いたことがあります。
シャル: そう、100%そのとおりや。そして、ワイが言うた適応性について、ナポレオンの有名な言葉があるんや。彼以前からあった言葉やけど、大体「私は決断し、そして適応する」って意味なんや。
つまり、重要な分野に足を踏み入れるときは、すべてを知ることはできへんってことを知っとるんや。そして、実際に直面する状況に適応していくんや。
人間: スノーフレイクとAIについて、払拭したい誤解はありますか?
シャル: うちは本物のプレイヤーやってことやな。
昔は、スノーフレイクはAIをあんまり理解してへんって思われとったんや。最初のうちは、AIに関してはどっちかっていうとパートナーシップ重視の戦略に頼っとったんやけどな。
でもワイの大きな観察と気づきは、AIはプラットフォームの変化やってことや。つまり、あんたやワイ、世界中の誰もが、ソフトウェアやアプリケーションにアクセスする新しい方法になるってことなんや。
そういう認識ができたら、一連の製品の結果が出てきたわけや。AIはスノーフレイクの中心にならなあかん。アプリケーションを構築するのを超簡単にせなあかんし、最も重要なアプリケーションは自分たちで構築せなあかん。
例えば、Cortex Analystはビジネスユーザー向けの直接のアプリケーションや。うちはこれまでこんなもん作ったことなかったんや。これは、AIが情報の消費方法を非常に広範囲に破壊的に変えるっていう強い信念に基づいてるんや。
ワイは、基盤モデルから推論の専門家、AIを統合するプロダクトエンジニア、そしてAIの上にアプリケーションを作るプロダクトエンジニアまで、世界クラスのチームを持っとることを誇りに思ってるわ。
これに、PolarisやIcebergみたいな幅広いデータアクセスを組み合わせると、うちはかなり良い位置にいると思うんや。
人間: AIの未来についてのあなたの仮説やホットな意見を聞かせていただけますか? あなたは非常に良い立場にいらっしゃると思います。NevaでLLMネイティブの消費者向けアプリケーションを最初に、少なくとも最初期に構築された1人だと思いますし、今はスノーフレイクの立場から多くのことを見ていらっしゃいます。
まず、LLMのスケールへのレースについてどう思われますか? スケールの限界に達しつつあるのでしょうか? 彼らにとって次は何でしょうか?
シャル: まあ、これはいくつかの方向に行く可能性があるな。
ワイは多くの専門家と話をするんやけど、GPT-5oが地平線上にあるっていう集団的な信念があるんや。でも、誰も何を表すのかはっきりしたバーを持ってへんと思うわ。
GPT-4oはめっちゃクールやったな。かなり速くなったし、マルチモダリティもネイティブに統合されてて、それはかなりすごいもんやった。
でも、推論能力や、実行するための計画を立てる能力を考えると、大きな飛躍を表すようには感じへんかったな。
エージェントは今めっちゃホットやけど、Cortex Analystが出てくるまでは、信頼性の高いデータ対話アプリケーションが作れるって信じてる人はあんまりおらへんかったんや。いつも隠されてたんやな。
そして覚えといてほしいんやけど、ビジネスユーザーにデータを提供する場合、ハードルはめっちゃ高いんや。75%の精度っていうのは、4回に1回は間違えるってことやからな。
だから、大きな未知数は、これらのモデルが多段階の推論みたいなことで大きな飛躍を遂げるかどうかやね。もしそれができたら、あんたやワイが今想像もできへんような、まったく新しいクラスのアプリケーションが生まれる可能性があるんや。
一方で、広く採用を推進するっていう意味では、既存のモデルでもできることはたくさんあると思うんや。あんたやワイが毎日使えるような便利なもの、メールを見たりPDFを見たりするときに使えるもの、うちらが日々こなさなあかんTDM（テキストデータマイニング）のことを考えてみてな。
だからワイは、AIテクノロジーが単にうちらの知ってるソフトウェアに浸透するだけでも、特にユーザー入力の部分で、社会に大きなインパクトがあると思うんや。
他のテクノロジーと違って、AIはもう十分なものを提供してて、それが社会に意味のある大きな影響を与えると思うんや。ただ、それが行き渡るのには時間がかかるだけやね。
正直言うて、新しい素晴らしいモデルをトレーニングするのに10億ドル必要になるような段階には行かへんことを願ってるわ。確かに、そういうモデルができることはクールやけど、そういうモデルを持てる人の数が非常に少なくなってまうと思うんや。競争は全体的に健全やと思うからな。
でも、判断するのは難しいな。
人間: 少し触れられましたが、もう少し詳しく聞かせてください。GPT-5oが遅れたり、大きな進歩がなかったりした場合、あるいは現在の基盤モデルの能力がこれだけだと想像してみてください。それを実装し、最適化し、調整することに焦点が当たる世界です。
AIを構築している多くの人から聞く話があります。最初の数週間は魔法のようで、すべてが驚くほど素晴らしく、素晴らしいと感じます。
シャル: そやな。
人間: しかし、その後の数ヶ月はかなり苦痛です。「あ、このケースには対応できない」「あのケースには対応できない」「十分な精度がない」などと、人々はかなりフラストレーションを感じます。時にはエンジニアリングで解決できることもありますが、できないこともあります。時には、人々が「これほど良くないんだ」「まだ時期尚早かもしれない」と幻滅してしまうこともあります。
今日の基盤モデルの能力を凍結したとしたら、今後数年間でエンタープライズの景色はどのように変化すると思いますか? また、まだ準備ができていないために見られないものは何でしょうか?
シャル: ワイにとって、これは正直なところ、ソフトウェアエンジニアリングの魔法の部分なんや。
ChatGPT-4oで暗黙のうちに受け入れてしもたことの一つは、ある種の全知全能さやねん。何でもできるって感じや。実際には言うてへんし、むしろ言わんように気をつけてるんやけどな。
Googleの検索だって「それは馬鹿な検索やで、考え直せ」なんて言わへんやろ? 言うたら面白いかもしれんけどな。でも、人々は馬鹿な検索をたくさんするもんなんや。Googleは「はい、あんたの馬鹿な検索に対して1億ページあって、パットにぴったりの10ページはこれやで」みたいな感じやねん。
ワイが思うに、これは古き良きAIへの熱狂の一部やな。「何でもできる」みたいな。でも、正直言うて、そんなんただの馬鹿げたことやで。そんなことすべきやないんや。
ワイにとって、ここが大事なんや。例えば、情報とやり取りするための根拠のあるチャットボットを標準にするとか。モデルはもうあるんやから。
このアプリケーションは情報をどこから得たのか教えるべきやし、その情報を簡単に確認できて、本当に何か価値のあるものを得てるって実感できるようにすべきやねん。
同様に、テストフレームワークも必要や。ハリソンが言うてた、継続的に行うための観測可能性フレームワークみたいなもんやな。でも、チャットボットみたいなものに関しては、人々は回帰テストみたいなもんがあることを忘れてまうんや。ソフトウェアの受け入れ基準みたいなもんもな。
あんたの創業者の誰かが新しいアプリケーションを作るとしたら、あんたの期待は、彼らがちゃんと準備して、お客さんに渡す前にちゃんとテストしてるってことやろ?
でも、なぜかAIの世界では「いや、いや、それは関係ない」みたいになってまうんや。これらのモデルは、プロンプトにピリオドを1つ追加しただけでめちゃくちゃ反応が変わったりするんやで。
だからワイは、良き古きソフトウェアエンジニアリングが必要で、これらのパフォーマンスを測定する必要があるっていう考えが必要やと思うんや。
そやから、これは趣味のプロジェクトから、当たり外れのあるもんから、実際にソフトウェアエンジニアリングできるものへの移行やと思うんや。うちはこれをコアの強みと考えとる。予測可能な方法で「このチャットボットはこう動きます」とか「このエージェントのようなアプリケーションはこのくらいの成功率です」とか「Cortex Analystはあんたの領域でこういうことをします」って言えるようにせなあかんのや。そうすれば、デプロイすることに自信を持てるやろ?
だから、たとえGPT-5oが来なくても、まだまだ魔法みたいなことはたくさんできると思うんや。でも、それはただの作業でもあるんやけどな。
人間: そうですね。誰が言ったか忘れましたが、たまに使う引用があります。「人々は大抵、素晴らしい機会を見逃すんや。だって、それらは作業着を着て、仕事に見えるからな」って。これもそういうケースの一つやと思います。他の何かと同じように、素晴らしいものを作りたいなら、かなり頑張らなあかんってことですね。汗をかかなあかん。
シャル: そうやな。ワイにとって、これはリコールを調整すべきものとして考える場所でもあるんや。リコールをこれらのアプレーションを考える上で重要な部分として捉えるべきやね。
価値のある機械学習エンジニアなら、すぐに「AUCカーブがあるんや」って言うてくるやろ。彼らが言いたいのは、モデルにどれだけ押し込むかと、どれだけ良いかの間にはトレードオフがあるってことや。完璧な答えはないんや。それがAUCカーブが表してることなんや。
AIアプリケーションもこのAUCカーブを持っとると考えるほど、信頼性と応答能力の間にトレードオフがあることを意識的に考慮せなあかんってことに気づくんや。これは、どこで価値を届けられるかを考える上で重要なファクターやと思うんや。
人間: 先ほど少し触れられた推論のことに戻りたいんですが、GPT-5oやClaude等で次の大きな飛躍をもたらすかもしれないと。多くの人が採用しているアプローチは、推論時に検索を組み込んだり、推論時の計算をもっと増やしたり、AlphaGoスタイルの検索をしたりしているようですね。
あなたは世界最高の検索の専門家の一人ですが、これが一般モデルに推論をもたらすための研究面での約束の地への道だと思いますか?
シャル: もう少し文脈を教えてくれるかな。確かに検索がこれらのモデルの動作に役割を果たすのは分かるんやけど、もう少し詳しく説明してくれへん?
人間: はい、もちろんです。例えば、AlphaGoを例に取ると、次の一手を決める時に、可能な手のすべての分岐木を作って、その中から次の手を決めるための検索をするわけですよね。人々はこのロジックをゲームの世界から持ってきて、コーディングなどの領域に適用しようとしているんです。
例えば、Devinの認知システムを見たことがありますか? 彼らは効果的にコーディングで何ができるかを検索しているんです。つまり、推論時にモデルに可能な経路を検索する能力を与えて、次に何をすべきかを決定させているんです。
シャル: ああ、なるほど。これについては多くの論文があるんやな。Nevaにもいくつかあったと思うわ。計画を立てる時にドメインを検索するってやつや。
ワイにとって重要なのは、これらが基本的に、ニューラルネットワークのようなモデルが状態空間の特定のポイントを評価できることに依存してるってことなんや。
例えば、AlphaGoは有利な位置と不利な位置についてかなりしっかりしたアイデアを持ってて、検索はそれによって導かれるんや。
でも、非常にオープンエンドな質問に対して、検索空間の代替案を考え出す時に、それらを効果的に評価できるかどうかが明確じゃないんや。
構造のあるゲームでは、これらのテクニックがうまく機能するのは確かや。最適とは何かを学習して、それに向けて最適化し始めることができるからな。
でも、例えば料理みたいな単純そうに見えるものでも、10個の材料と20のステップがあって、各ステップで様々なことができるとしたら、すぐに異なるやり方の組み合わせ爆発に直面するんや。それでも、完璧なレシピは1つか2つか3つしかないんやけどな。
正直、認知能力の飛躍を測定し始める方法について、ワイにはあんまり感覚がないんや。構造化された環境では簡単やけど、複雑なことをやろうとする現実世界では、もっと難しくなると思うんや。
うちはプロトタイプを作ったことあるんや。エージェントアナリストみたいなもんやけど、これも構造化された空間なんや。
ワイがやってきたことの一つは、数字を扱うことやった。10歳の時から父親の家計を管理してたんや。ノートに書いてな。
過去20年間、毎日メールを受け取ってて、前日の会社の業績を教えてくれるんや。Googleではビーカウンターって呼んでたけど、毎日成績表をもらうみたいなもんや。
数週間ごとに何か問題が起こるんや。どこかで金を稼げなかったりしてな。そしたら、予測可能な問題解決の練習が始まるんや。かわいそうなアナリストが様々なことを掘り下げて調べて、最終的に「シャル、ドイツのイースターとブラジルの昇天祭が原因で数字が変だったんです」って言うてくるんや。
世界の複雑なことをすべて予測モデルにモデル化するのに10年かかったんや。でも、考えてみたら、彼らがやる分析は制約されてるんや。メトリクスが間違ってたら、10の異なる次元でスライスして、結果を見て、どこに問題がありそうかを見るみたいな感じやな。
確かに、うちはこのAIアナリストのプロトタイプを作って、実際に問題を診断するのに必要な作業の60-70%を削減できるようになったんや。かなり自由な形式やけど、言語を作ることはできるんや。
言語モデルにこれらは属性やって教えて、「これらのパラメータでCortex Analystを呼び出して、出力を取得して、それを見て、次に何をすべきか教えて」って言えるんや。そうすると、ある程度自動化できるようになる。だから、実際に役立つものができるんや。
そういうことはできるんやけど、もっとオープンエンドな問題、例えば100の異なることがあって、それらが比較不可能で、どう判断して、どう枝刈りするかっていう部分については、正直なところ、ワイにはあんまり直感がないんや。
人間: 分かりました。では、別の意味で検索について聞きたいのですが、よろしいでしょうか?
シャル: ああ、もちろんや。
人間: Googleでのご経験とNevaでのご経験から、検索について非常に優れた見識をお持ちだと思います。今、消費者の世界は、新しい「検索の王様」が誕生するかどうかを、興奮しつつも不安を抱きながら見守っているように思えます。AI検索の世界全体について、あなたの見解を聞かせていただけますか? Perplexityについてホットな意見はありますか?
シャル: ほな、Perplexityについて率直に言うとな。
Perplexityのことは嬉しく思ってるわ。これはまた、タイミングが重要やっていうことを思い出させてくれるな。Nevaでは、Perplexityと非常によく似た検索のビジョンに辿り着いてたんやけど、ただ2、3年早すぎたんや。タイミングが全てってことやな。
Perplexityは、情報とどう付き合いたいかっていう消費者の表れやと考えられるわ。正直に言うて、8ページの文書を読んで本当に気にしてる2行を見つけたいって人はおらへんやろ。でも、それが検索なんや。
その意味では、絶対に正しい場所にいるわ。でも、もっと重要な質問は、検索のビジネスについてや。これは消費者の選択じゃなくて、ビジネス契約で注意深く守られてるんや。
消費者の選択なんて、うちらがやってることの多くでは fiction（フィクション）なんや。目の前に出されたもんを食べるし、ブラウザに最初から入ってる検索エンジンで検索するんや。抵抗するかもしれんけど、人類全体で見ると、それが現実なんや。
だから、これが大きな課題やと思うわ。検索は主に、入り口をコントロールする少数のプレイヤーによってロックされてるからな。でも、これが根本的な問題やと思うわ。検索のビジネスに参入するのは非常に難しい。消費者は何かをするのが好きじゃないんや。
これは、今のAIの世界におけるより広い質問の一つにもつながるな。既存企業 vs スタートアップの話や。歴史的に見ると、この戦いは「配信力を持つ既存企業がクールな製品Yを作れるか」vs「クールな製品を持つスタートアップが配信力を構築できるか」って感じやった。
検索はその良い例やな。世界一クールな製品を持ってても、消費者の行動を変えるのは非常に難しいんや。
人間: そのとおりですね。AIは、この点で興味深いテストケースですね。製品のクールさの多くがオープンソースの世界やサードパーティのモデルを通じて利用可能なので、スタートアップよりも既存企業が有利な状況になる可能性がありそうです。この点についてはどうお考えですか?
シャル: この質問に対しては、2つの異なる視点から答えたいな。
まず、モデルについて言うたことやけど、オープンソースモデルと、メタのように無限の予算を持って喜んでモデルをオープンソース化する企業がおるっていう状況やな。
ゼロからモデルを作ることは、ハイパースケーラーがくっついてるか、くっついてるビジネスがない限り、非常に難しく見えるわ。
だから、さっき言うたように、世界にGPT-5oクラスのモデルが3つしかないっていう状況にならんことを願ってるわ。世界にとってはあんまり良くない結末やと思うからな。
だから、間違いなく、強力なビジネスを伴わない基盤モデル企業は難しいと思うわ。それは製品かもしれんな。OpenAIはかなりしっかりした製品を作ったと思う。単なる基盤モデルじゃないからな。
これは覚えておくべき一つのことやと思うわ。
2つ目の質問、つまり破壊的イノベーションについては、歴史的な視点から答えたいな。
ワイは、シリコンバレーの各世代の企業が前の世代から学んでると思うんや。彼らはより賢くなって、物事がどのように破壊されるかを知ってて、それにかなり強く傾倒するんや。
例えば、IBMからミッドレンジコンピューターへの破壊的イノベーションとか、DECやSGIがマイクロソフトに破壊されたとか、ウェブの登場でGoogleみたいな企業が台頭したとか、モバイルとかな。
これらの移行の一つ一つで、非常に大きなポケットを持つ強力な既存企業が、より早く、より速く傾倒する能力を示してきたんや。
例えば、ワイがGoogleにいた時、Alexaが世界を支配して、あんたやワイ、他のみんなが検索する方法になるって恐れて、ホームアシスタントにめっちゃ力を入れたんや。めちゃくちゃ金をつぎ込んだけど、何も出てこなかった。でも、それは問題じゃなかったんや。
なぜかって? 破壊のコストは、投資しなきゃいけない金額よりずっと高いからや。
ワイから言わせると、これは5世代目くらいやと思うわ。既存企業は全部、何が破壊される可能性があるかをよく分かってて、それに強く傾倒するんや。
戦略的思考家がたくさんいるからな。さっき言うたように、ワイはAIを基本的にエンタープライズソフトウェアのタイルをシャッフルするもんやと思ってるわ。
ワイの一部は「スノーフレイクがAIをリードするなんてありえへん。それが発展するのを待つなんてありえへん」って思うかもしれんけど、どのエンタープライズAI企業も同じように傾倒してるのが見えると思うわ。
だからワイにとって、これがAIが消費者向けソフトウェアにどれだけの破壊をもたらすかっていう問題になるわけや。
確かに新しいカテゴリーはできるやろうな。ワイがスタートアップやったら、新しいカテゴリーを作ることにずっと安心感を覚えるわ。大規模な画像生成は明らかにすごいし、ビデオも音声も同じや。ここではたくさんの特化ができるからな。
マーケティングへの新しいアプローチも同じやな。新しいものは、AI世界ではずっと安全な賭けに感じるわ。「AI対応だからXYZをより速くできる」みたいなのは、あんまり長続きせえへんと思うわ。
人間: ChatGPT-4oがGoogleの次になる可能性はあると思いますか? そして、消費者の選択が幻想で、ビジネス契約がこういったものをロックダウンするという話に関連して、AppleとChatGPTの提携についてどう思われますか?
シャル: ChatGPT-4o…うーん、スマートフォンはかなり面白い場所やと思うわ。
ワイにとって、スマートフォンは管理された環境やから、消費者にとって大きな可能性を提供してるんや。
ワイはよく人に言うんやけど、カレンダーやメールからアドレスをコピーして、Uberに貼り付けるみたいな馬鹿げたことが、なんでこんなに難しいんやって。Siriがこれをやってくれると思うかもしれんけど。
「このパットからのメールからアドレスをコピーして、Uberに貼り付けて、Uberを呼んでくれ」みたいなことができたらええのにな。
だからワイは、ありふれたアプリケーションにも大きな可能性があると思うんや。モバイルエコシステムはかなりクローズドなもんやから、Appleが「言語モデルを使って機能にアクセスできるAPIを必ず持たなあかん。さもないとトラフィックを得られへんかもしれんで」みたいなことを命令できるんや。これはみんなが足並みを揃えるかなりええインセンティブになると思うわ。
ここには大きな可能性があると思うわ。正直、この分野にもっとイノベーションがあればええのにと思う。だってこれ、全部超簡単にできる技術やからな。
クラウドでやるべきか、スマートフォンでやるべきかって議論はできるけど、消費者としてはどうでもええやろ? ワイとしては、インターネットに接続してる時しか動かへんのなら、それでもええわって感じや。
ワイにとっては、そんなのは細かい話やな。
ワイは実際、ChatGPT-4oはすごい製品やと思うわ。基礎技術もあるけど, いろんな面で驚くほど美しい製品体験を作り出してるんや。
視覚的に不器用な人間をちょっとしたアーティストに変えるところから、言葉が得意な人間が言葉で魔法みたいなことができるところまで、幅広いんや。
ワイはよく言うんやけど、言葉は得意で、一日中しゃべったり書いたりできるんやけど、ChatGPT-4oでできる魔法は本当にすごいわ。
例えば、ワイは今ヒンディー語を勉強してるんやけど、ある時数字で苦労してて。そしたら「数字の文字列をヒンディー語に翻訳したCSVファイルが欲しい。Quizletにインポートできるようなやつ」ってプロンプトを出したんや。
これ、ワイが説明するより早くタイプできるんや。10秒でCSVファイルが出てきて、ダウンロードしてQuizletにインポートしたら、すぐにクイズができるようになったんや。
ワイが以前Pythonスクリプトで構造化データに対してやってたことのほとんどを、今は英語でやってるんや。CSVファイルをアップロードして「この2列を足して、こうして、あーして、きれいな表にして出力して」みたいなことがすぐにできるんや。これは魔法みたいなもんや。
だからワイは、すごい製品とすごいビジネスとしての可能性は絶対にあると思うわ。でも、検索の王様になるには、もう少し桁が違うんや。そう簡単には来へんのや。
人間: いくつかクイックファイアの質問で締めくくりましょうか?
シャル: ええよ、やってみようか。
人間: AI界で最も尊敬している人は誰ですか?
シャル: AI界で最も尊敬してる人か…うーん、ワイは基盤モデルの研究をしてる人らを尊敬してるな。無限のリソースなしで、安価にやってのける人らや。
例えば、アーサーやダニーみたいな人らやな。ダニーはReAのヨーガットやけど、彼らは本当に驚くほどのことを成し遂げてる。
うちのチームでも、サマムやユーシャンみたいな人らがおるわ。ワイにとって、彼らは驚くほどの創造性を持ってる。ワイが「予算は限られてるけど、何ができる?」って言うたら、彼らはすごいもんを作り出すんや。
本当に素晴らしい、真面目な人らがおって、制約の厳しい中で研究を進めてる。そういう人らがたくさんおるけど、ワイが大ファンなのは、実際に作業をして、うちらの未来を想像してる「実行者」たちやな。
人間: お気に入りのAIアプリケーションは何ですか?
シャル: 断然ChatGPT-4oやな。簡単な答えやわ。日々得られる便利さは本当に驚くべきもんやからな。
人間: では、あったらいいなと思うAIアプリは何ですか?
シャル: うーん、実際にスマートフォンと対話できて、アプリ間を仲介してくれるようなものやな。それはめっちゃクールやと思うわ。
さっき言うたように、アプリケーション間を行ったり来たりして、ちょっとしたことをするのがめちゃくちゃ面倒くさいからな。
人間: 最後に、楽観的な質問で締めくくりましょう。今後5年から10年のAIの世界で起こり得る最高のことは何でしょうか? AIの世界から出てくるものの中で、何に最も期待していますか?
シャル: ソフトウェアは、うちらの考えをコード化し、現実世界の状況で考えて行動する能力を捉えたものやと考えられるわ。これは過去50年以上にわたって、明らかに変革をもたらしてきたんや。
ワイにとって、AIは両方の意味でアクセスを可能にするものやと思うんや。ソフトウェアを作ることと、ソフトウェアを使うこと。世界中のすべての人々にとってね。これは大きな進歩になると思うわ。
さっき言うたように、たくさんの新しい派手な技術は必要ないと思うんや。新しい技術は確かに役立つし、新しいクラスのアプリケーションを可能にするかもしれんけどな。
ワイは、Androidのおかげで、実質的に地球上のほぼすべての人間にGoogleの検索を届けられたことを誇りに思ってるんや。技術に対して皮肉な見方もできるけど、これは人類にとって本当の進歩やったと思うわ。
ワイにとって、AIモデルが人間とソフトウェアの間の新しい層になり、ソフトウェアとソフトウェアの間の新しい層になることは、実際にかなり大きな一歩前進やと思うんや。
この機能が、はるかに多くの人々にとって、はるかにアクセスしやすくなるってことやな。さっき言うたように、作成の面でも消費の面でもな。
これは、楽しみにできるかなりクールなことやと思うわ。
人間: シャル、ありがとうございました。
シャル: ありがとう、パット。ありがとう、ソニア。
コメント