削除されたこのビデオの中で、グーグルの元CEOは多くの真実を語っている。

グーグルの元CEOで、「今はもうグーグルの社員ではない」エリック・シュミットが、少し前にスタンフォード大学で講演を行った。

その様子はビデオに収められ、スタンフォード・オンラインのYouTube公式ページにアップロードされた。

シュミットの分かち合いは、あまりに率直で正直だったため、ニュースになった。

スタンフォード大学の職員はビデオを隠した。

結局、シュミットは電子メールのインタビューで「虚偽記載」を謝罪した。

著名なテックブロガーAppendixは、シュミットのコメントを要約している。は、シュミット氏のシェアリングのハイライトを要約したもので、TLDR.記事の後には、シュミット氏との完全なQ&Aも掲載されている。

なぜグーグルは今、AIでOpenAIに押しつぶされているのか？グーグルは競争に勝つことよりも、従業員を早く家に帰らせ、仕事のバランスをとることの方が重要だと感じているからだ。

マスク氏を見よ、TSMCを見よ、これらの企業が成功しているのは、従業員を転がす能力があるからだ。TSMCは物理学の博士号を持つ学生を1年目から工場で働かせる。

私自身、多くの間違いを犯してきました。例えば、以前はNVIDIAのCUDAは愚かなプログラミング言語だと考えていましたが、今ではCUDAはNVIDIAの最も強力な堀であり、すべての大型モデルはCUDAで動作する必要があり、NVIDIAのGPUだけがCUDAをサポートしています。

そしてマイクロソフトもまた、OpenAIと提携したときに信じがたいと感じました。マイクロソフトはどうして最も重要なAIビジネスをあのような小さな会社に委託できたのでしょうか。そして、アップルのAIに対する生ぬるいアプローチを見ると、大企業は本当に官僚的で、物事を成し遂げるのに苦労しているのでしょうか？

TikTokはアメリカ人に教訓を与えた：もしあなたがこの国の若者なら、もしビジネスを始めるなら、もしあなたが音楽か何かを盗めるなら、素早くそれをやるべきだ--それはTikTokの海賊版BGMに対する初期の寛容さのハックのようだ。

OpenAIのスターゲートは1000億ドル必要だと宣伝していたが、実際には3000億ドルには届かないかもしれないし、エネルギー格差も大きすぎる。そこで私はホワイトハウスに、米国は水力発電資源が豊富で安い労働力を持ち、米国に近いカナダと良好な関係を築くか、アラブ諸国と親しくなって彼らに任せるべきだと提案した。ホワイトハウスは、米国は豊富な水力発電資源と安い労働力を持ち、十分に近いカナダとうまくやるか、アラブ諸国と親しくなり、彼らに主権投資をさせるべきだと提案している。

ヨーロッパは絶望的で、ブリュッセル（EUの本部がある）は技術革新の機会を破壊している。フランスには希望があるかもしれないが、ドイツにはない。

オープンソースは素晴らしいし、グーグルの歴史を通じてインフラストラクチャーの多くはオープンソースの恩恵を受けてきた。しかし正直なところ、AI産業のコストはオープンソースが手の届くものになるには高すぎる。ミストラル（Mistral）はフランスが投資した大きなモデルだが、クローズドソース路線に切り替えようとしている。メタ（Meta）のように、すべての企業が進んでできることではない。すべての企業がメタのような大物になることを望んでいるわけではないし、できるわけでもない。

AIは富める者をより富ませ、貧しい者をより貧しくするだろう。 これは強国間のゲームであり、技術的リソースを持たない国は強国のサプライチェーンに加わるチケットを手に入れる必要がある。

AIチップはハイエンドの製造業に属し、出力値は非常に高いですが、それは雇用を引っ張ってくることはほとんどありません、あなたは数人が機械化された生産の完全であるチップ製造工場にされていない可能性があり、人である必要はありません、人々は愚かで汚いですので、製造業が復活することを期待していない、アップルのMacBookの生産ラインは、低賃金のためではなく、テキサスに戻って移動し、別の大規模な生産の必要性がないためです。アップルがMacBookの生産ラインをテキサスに戻したのは、テキサスの賃金が低いからではなく、単に大規模に人を雇う必要がなくなったからだ。

歴史的に見ても、工場に電気が導入されたとき、蒸気機関以上の生産性は生まれなかった。分散型電力が現場のレイアウトを変え、組み立てシステムの出現を促したのは約30年後のことで、その後、生産性の飛躍が始まった。AIは現在、当時の電気と同じくらい価値があるが、本当に大きな成果を上げるには組織の革新が必要であり、今のところ、誰もが「低いところにある果実」を摘んでいるにすぎない。

ホスト：AIは短期的にどのように進化するとお考えですか？あなたの場合の短期という定義は、今後1、2年のことですよね？

エリック・シュミット：物事の動きはとても速く、半年ごとに未来についての講演をやり直さなければならないように感じます。コンピュータサイエンスを専攻している人はいますか？誰か100万トークンのコンテキストウィンドウが何なのか説明できますか？

聴衆：基本的には、質問プロンプトが100万トークンとか100万語とか、そういうもので質問できることを意味します。

Eric Schmidt: 100万トークンとは、100万語の長さの質問ができるということですね。

Audience: ええ、今のジェミニの大きな方向性ですよね。

ジェミニの公式サイトの説明（中国語翻訳）は以下の通りです。

エリック・シュミット：いいえ、彼らの目標は1000万台です。 アントロピックはすでに20万台で、成長を続けています。目標は100万人以上で、OpenAIも同じような目標を持っていると考えられます。次に、AIエージェントとは何なのか、技術的な定義を教えてください。

AUDIENCE: AIエージェントとは、ウェブ上でタスクを実行したり、あなたの代わりに何かを買ったりする人のことです。

Eric Schmidt: つまり、エージェントとは何らかのタスクを実行するもので、もう一つの定義は、メモリを持つ言語の大規模なモデルです。もう一つ質問ですが、コンピュータサイエンスの学生さん、Text-to-Actionとは何か説明できる人はいますか？

Audience : テキストをより多くのテキストに展開すること、テキストを入力すること、そしてAIがテキストに基づいてアクションをトリガーすることです。

エリック・シュミット：もうひとつの定義は、言語をPythonに変換することです。しかし、今ではAIのすべてがPythonで行われています。つい最近リリースされたMojoという新しい言語が、AIプログラミングの問題を最終的に解決してくれそうですが、Pythonの優位を保てるかどうか見ものです。

もう1つの技術的な質問ですが、なぜNvidiaは2兆ドルの価値があるのに、他の企業は行き詰まっているのでしょうか？

Audience: 技術的なことです。主に、実行中のコードの最適化に起因すると思います。今日のほとんどのコードは最適化された環境で実行する必要があり、それができるのはNvidiaのGPUだけです。事実、他の企業はあらゆる種類のテクノロジーを開発する能力を持っており、最大10年のソフトウェア開発経験を持っているかもしれないが、機械学習に特化して最適化されたチームを持っていない。

エリック・シュミット：CUDAはGPUのC言語だと考えています。そう考えたいのです。CUDAは2008年に誕生し、私はずっとひどい言語だと思っていましたが、今では主流になっています。CUDAに高度に最適化されたオープンソースのライブラリが一通り出回っている。このような技術スタックを構築する人は皆、的外れだ。私たちはこれをvlmテクノロジーと呼んでおり、その他にも同様のオープンソースライブラリがあり、それらはすべてCUDAに最適化されている。これは競合他社が複製するのは非常に困難です。

これは何を意味するのでしょうか？

今後1年間で、コンテキスト・ウィンドウ、エージェント、およびText-to-Action機能がはるかに大規模になることが予想されます。これらが大規模に適用されたとき、そのインパクトは、少なくとも私の考えでは、今ソーシャルメディアで見ている大きなインパクトよりも大きくなるでしょう。コンテキスト・ウィンドウでは、短期記憶として使うことができます。このような大規模なスケールができることはとても衝撃的で、技術的にはサービスも計算もとても複雑です。

短期記憶について興味深いのは、20冊の本を読ませ、その本の本文をクエリーとして入れ、その本の内容を教えてもらうことです。人間の脳は真ん中の部分を忘れてしまう。今、基本的なLLMエージェントを作っている人たちが何人かいる。彼らのやり方は、例えば化学の本を読んで、その中の化学を発見し、テストして、その結果を自分の理解に加えるというものだ。これは非常に強力だ。

3つ目のポイントは、先ほど述べた「テキストからアクションへ」です。例えば、政府は現在TikTokの禁止を検討しています。TikTokが禁止された場合、私はLLMにこう言うことを提案します：TikTokのコピーを作り、すべてのユーザーを集め、すべての音楽を入手し、私の好みを加え、30秒でそれを生成し、公開する。1時間以内に火がつかなかったら、代わりに似たようなことをやれ。バンバン、バンバン、すぐに。

わかりましたか？どんな言語からでも任意の数値コマンドを直接生成できるのであれば、Pythonがこのシナリオでやっていることは基本的に同じだ。私のために働いてくれるけど言うことを聞かないプログラマーの代わりに、自分の思い通りに動いてくれるプログラマーをみんなが持っていることを想像してみてほしい（笑）。(笑）プログラマーは私が何を言っているのかわかっている。横柄でなく、実際に自分の思い通りに動いてくれるプログラマーを想像してみてほしい。そして、このようなプログラマーは無制限に供給されている。そしてこれらの......

Hosts: 来年か再来年にはすべて実現するでしょう。

Eric Schmidt: すぐに実現するでしょう。次のテクノロジーの波で実現すると確信しています。

AUDIENCE MEMBER：拡張コンテキストウィンドウ、プロキシ、Text-to-Actionの組み合わせは、想像を絶するインパクトを与えるとおっしゃいました。まず、なぜこれらの組み合わせが重要なのでしょうか？第二に、未来を予測できないことは承知していますが、なぜこれが現在想像できる範囲を超えるとお考えなのでしょうか？

Eric Schmidt: 主に、拡張されたコンテキストウィンドウが適時性の問題を解決するからだと思います。現在のAIモデルは、準備に半年、訓練に半年、微調整に半年と、訓練に約1年かかるため、常に少し遅れています。しかし、拡張されたコンテキスト・ウィンドウを使えば、最新の情報を入力することができるので、グーグルがリアルタイムで更新できるのと同じように、このコンテキストは非常に強力です。

エージェントモデルについてですが、例を挙げましょう。私は非営利団体に資金を提供する財団を設立しました。彼らは化学を学習するための大きな言語モデルに基づいたシステムであるChemcrowというツールを使ってプロジェクトを開始しました。彼らはこのシステムを使って、タンパク質の観点から化学的仮説を生成し、夜間にラボでテストを行い、システムが学習を続けるというものだった。これにより、化学と材料科学の研究の進歩が大幅に加速された。

『Text-to-Action』は、多くの安価なプログラマーがもたらした効果として理解できると思います。

『テキストからアクションへ』は、安価なプログラマーがたくさんいることの効果として理解できると思います。

例えば、グーグルが嫌いだというシナリオを想定することができます。ただ、ウェブを検索し、インターフェイスを構築し、ジェネレーティブAIを追加し、30秒で準備できるグーグルの競合を作って、その結果を見てみましょう、と言うだけです。グーグルのような古い企業は、この種の攻撃に脅かされる可能性が高い。

2.「私はもうグーグルの社員ではありません」

Host: 長年グーグルにお勤めで、トランスフォーマーアーキテクチャを発明されました。グーグル・リサーチの元エンジニアリング・ディレクター、ピーター・ノービグ（Peter Norvig）は、その立役者の一人でした。ピーターやジェフ・ディーンのような賢い人たちのおかげです。しかし今、グーグルは主導権を失い、OpenAIが追いついてきたようだ。私が見た最新のランキングでは、Anthropicのクロードがトップだった。このことについてスンダー（スンダル・ピチャイ）に尋ねましたが、明確な答えは返ってきませんでした。もしかしたら、そこで実際に何が起こっているのか、より明確な、あるいは客観的な説明を持っているかもしれません。

Eric Schmidt: 私はもうグーグルの社員ではありません。正直なところ、グーグルはワークライフバランスを重視しており、戦いに勝つことよりも、仕事を早く切り上げたり、自宅で仕事をすることのほうが重要なようです。スタートアップの成功の秘訣は、社員が全力で働くことです。単刀直入に言って申し訳ないが、それが現実だ。君たちが新卒で会社を立ち上げたとしたら、社員が週に1日出社して、ほとんど家で仕事をしているなんてことはないだろう。他の新興企業と競争したいのであれば、それではうまくいかない。

Host: グーグルの初期は、当時のマイクロソフトとよく似ていました......

Eric Schmidt.strong>エリック・シュミット：はい。

ある企業が非常に革新的な方法で市場を獲得し、その空間を完全に支配した後、次のステージにスムーズに移行できないというのは、私たちの業界ではよくある現象です。

このような状況はたくさんあります。創業者は重要だと思いますし、これは非常に重要な問題ですが、彼らは会社の舵取りをしています。創業者は一緒に仕事をするのが難しく、従業員に厳しいことが多いのですが、会社を前進させる原動力にもなります。

イーロンの個人的な行動は好ましくないかもしれないが、彼が仕事でやってきたことを見てほしい。彼と食事をした日、彼は飛行機で行ったり来たりしていた。私はモンタナにいたが、彼はその日の夜10時にxAIとの早朝ミーティングに飛ばなければならなかった。

台湾に行ったとき、場所によって文化が違うということを感じました。TSMCには、物理学の新しい博士号取得者はまず工場の地下で働かなければならないというルールがあるという事実が印象的でした。アメリカの博士にそのような仕事を頼むことを想像できますか？ほとんど不可能だ。

仕事は違うことがわかった。私が仕事の問題に厳しいのは、こうしたシステムにはネットワーク効果があるからです。時間は非常に重要だが、ほとんどの業界ではそれほど重要ではなく、時間は十分にある。コカ・コーラとペプシは常に存在し、両者の競争は氷河のようにゆっくりと変化しながら続くだろう。

私が通信会社と仕事をしていたとき、典型的な通信契約は締結に18ヶ月かかった。私はそんなに長くかかる必要はないと思う。私たちは今、成長と収益のピークにあり、クレイジーなアイデアを出せる時期なのです。

たとえば、マイクロソフトがOpenAIとの提携を決めたとき、私は史上最も馬鹿げたアイデアのひとつだと思いました。マイクロソフトはAIのリーダーシップをOpenAIとサムのチームに譲った。しかし今日、彼らは最も価値のある企業の1つとして台頭し、アップルと互角に競い合っている。アップルはAIに対して良い解決策を持っておらず、マイクロソフトの戦略はうまくいっているように見える。

3. モデル格差は広がっている

Eric Schmidt: AIにおける格差について質問していましたね。strong>：次に何が起こるかという質問ですが、半年ごとに私の考えは揺れ動きます。私たちは、奇数と偶数の変動サイクルの中にいます。今現在、フロンティア・モデル（現在3つのモデルしかない）と他のモデルとの間のギャップは広がっているようです。半年前、私はその差が縮まっていると思ったので、中小企業に多くの資金を投資したが、今はそうではない。

私は大企業と話し始め、大企業は私に100 億ドル、200 億ドル、500 億ドル、あるいは1000 億ドルが必要だと言った。

ホスト：目標は1000億ですよね？

Eric Schmidt: はい、とてもとても難しいです。私はサム・アルトマンと仲が良いのですが、彼は3,000億ドル以上かかると考えています。私はすでに必要な電力を計算したと彼に言いました。私は先週の金曜日にホワイトハウスに行き、率直にカナダと良好な関係を築く必要があると伝えた。我が国には、この開発を支えるだけの電力がないのだ。

もうひとつの選択肢は、アラブ諸国に資金を提供してもらうことだ。私は個人的にアラビアが大好きで、多くの時間をそこで過ごしてきた。しかし、カナダとアメリカが協力できるのに対し、彼らは我々の国家安全保障規則を守らない。

Host: その通りです。1,000億ドル、3,000億ドルのデータセンターでは、電力は希少な資源になるでしょう。

Eric Schmidt: そうです。もし3,000億ドルがNvidiaに投資されるのであれば、どの株を買えばいいかわかりますよね？(笑）もちろん、株を勧めているわけではありません。

Host: その通りです。インテルはアメリカ政府から多額の資金を得ていますし、AMDも、みんなチップ工場を作ろうとしています。

エリック・シュミット：会場にインテルのチップを使っているデバイスがあったら手を挙げてください（会場挙手）。それが独占の終わりのようです。

ホスト：かつてインテルは独占していました。そして今はNvidiaの独占です。では、CUDAのような技術の壁があっても、これを実現できる企業は他にあるのでしょうか？先日、別の起業家と話していたのですが、彼は得られるリソースに応じて、TPUとNvidiaのチップを切り替えるそうです。

Eric Schmidt: 彼には他に選択肢がなかったからです。もし彼に無限の資金があれば、NvidiaのB200アーキテクチャを選んだでしょう。何かを暗示するつもりはありませんが、競争は確かに良いことです。私はAMDのリサ・スーとこのことについて長く話し合いました。 彼らはRocmと呼ばれる、CUDAアーキテクチャを自分たちのものに変換するシステムを開発しました。 まだ完全に機能しているわけではなく、まだ作業中です。

4.私たちは巨大なバブルを経験し、その後、市場は自ら調整する

AUDIENCE: あなたはAIの未来について非常に楽観的ですね。その進歩の原動力は何だと思いますか？より多くの資金でしょうか？それともデータの増加でしょうか？それとも技術的なブレークスルーでしょうか？

Eric Schmidt: 私は基本的に、目に見えるものなら何にでも投資しています。そして今、たくさんの資金が私についてきています。その理由のひとつは、初期の投資先が儲かったからだと思います。そして今、大金持ちの投資家たちは、AIのことをよく知らなくても、すべてのプロジェクトにはAIの要素が必要だと考えているので、今ではほとんどすべての投資先がAI投資になっています。彼らは良いものと悪いものの区別がつかないのです。私が理解するAIとは、本当に学習するシステムのことであり、それが重要なのだと思います。

また、Transformerアーキテクチャに限定されない、非常に高度な新しいアルゴリズムも出てきています。私の友人で長年のパートナーが、トランスフォーマーではない新しいアーキテクチャを作りましたし、パリで私が出資しているチームも同様のイノベーションがあると言っていますし、スタンフォード側でも新しい動きがかなりあります。

最後に、スマートテクノロジーの開発には莫大な報酬があるという信念が市場に広まっています。例えば、ある企業に500億ドルを投資したとしたら、スマートテクノロジーによってその莫大な資金が戻ってくることを期待するのは間違いないでしょう。ですから、巨大な投資バブルが発生するかもしれません。これまでもそうでしたし、今もおそらく同じでしょう。

ホスト：先ほど、ヘッドライン企業がどんどん離れていっているとおっしゃっていました。

Eric Schmidt: そうです。フランスにミストラルという会社がありますが、とてもうまくいっていて、私も投資しています。彼らはモデルの第2バージョンをリリースしましたが、第3バージョンはコストがかかりすぎるため、おそらく閉鎖されるでしょう。彼らは収益が必要で、これ以上無料でモデルを提供することはできない。

オープンソースとクローズドソースの論争は、この業界では非常に激しい。

オープンソースとクローズドソースの論争は、私たちの業界ではとても激しいものです。私がしてきた技術的な仕事はすべてオープンソースだし、グーグルのコア技術の多くはオープンソースだ。しかし今、もしかしたら資本コストが高すぎるために、ソフトウェアの開発方法が根本的に変わるかもしれない。

個人的には、ソフトウェアプログラマーの生産性は少なくとも2倍になると思います。今、この目標に向かって取り組んでいるソフトウェア会社が3、4社あり、私は彼らに投資しています。彼らの目標は、ソフトウェア・プログラマーの効率を向上させることだ。私が最近見た面白い会社のひとつはAugmentという会社で、私はいつも個々のプログラマーのことを考えていますが、彼らは本当に大規模なソフトウェア・チームをターゲットにしています。それはAIで解決するのに最適な問題だ。AIは儲かるのか？私はそう願っている。

ホスト：まだまだ議論することがたくさんあるわけですね。

AUDIENCE MEMBER: トランスフォーマー以外のアーキテクチャーに関しては、ステートモデルやそのようなものについてあまり議論されてこなかったと思います。

Eric Schmidt: 私は数学のことはよく知りませんし、この数学は非常に複雑です。しかし基本的には、勾配降下と行列の乗算をより速く、より良く行う異なる方法というだけです。Transformersは、私の理解では、乗算を同時に行う体系的な方法です。これと似ているが、数学は違う。

AUDIENCE MEMBER：あなたはエンジニアの訓練を受けていますが、これらのモデルが将来的にどのようなことができるようになるかを考えると、やはりプログラミングの学習に時間を費やす必要があるのでしょうか？

Eric Schmidt: すでに英語を話せるのに、なぜ英語を学び続ける必要があるのか、というようなことです。学習は常に次のレベルへと導いてくれる。このようなシステムの仕組みを理解する必要があるのです。

5.分散コンピューティングは AI

5. 分散コンピューティングは AI

の演算問題を解決することはできない。align: left;">AUDIENCE: 2つの簡単な質問：1つは、大規模な言語モデルの経済的影響は、最初に予想した市場への影響よりも遅いのでしょうか？そして2つ目は、学術界はAI補助金を得るべきだと思いますか？それとも大企業と協力すべきでしょうか？

Eric Schmidt: 私は大学のためのデータセンターを推進しようとしてきました。なぜなら、大学院生と一緒にアルゴリズムを開発することができず、大企業と仕事をせざるを得ないからです。私の意見では、そのような企業は十分なことをしていない。多くの教授と話をしましたが、彼らの多くはグーグル・クラウドの利用枠を待つのに多くの時間を費やさなければなりません。これは急成長している分野であり、大学がリソースを利用できるようにすることが正しいことであり、私はそれを推し進めようとしている。

ご指摘の労働市場への影響ですが、私は基本的に、高スキルの大学教育やそれに関連する仕事は問題ないと考えています。危険で人間の判断があまり必要とされない仕事は、いずれ取って代わられるでしょう。

AUDIENCE MEMBER：分散環境については検討されましたか？大規模なクラスターを構築するのは難しいので質問したのですが、MacBookは今でも非常にパワフルです。小型のマシンは世界中にたくさんあります。Folding@homeのようなアイデアはトレーニングに使えると思いますか？

注：「Folding@home」とは、世界中の参加者のコンピュータの遊休リソースを利用してタンパク質の折り畳み計算を行う、世界規模の分散コンピューティング・プロジェクトである。

エリック・シュミット：分散環境は確かにチャレンジです。大規模なクラスターを構築するのは簡単ではありませんが、MacBookはそれぞれ独自の計算能力を持っています。小型のマシンは世界中にたくさんあるので、それらを結合するというアイデアには本当の可能性があります。これはトレーニングに使えるかもしれないが、解決すべき技術的な詳細がたくさんある。

私たちはこれを詳しく調べ、これらのアルゴリズムがどのように機能するかを説明します。想像できるように、この処理は繰り返し行われる。これらのシステムの性能は、メモリからCPUまたはGPUへのデータ転送の速さに完全に依存します。実際、Nvidiaの次世代チップは、これらの機能をすべて1つのチップに統合している。そして、パッケージング工程は非常にデリケートで、チップとパッケージングはクリーンルームで行われている。ですから現時点では、スーパーコンピューター間の相互接続と光通信の速度、特にメモリが重要な要素となっています。ですから、おっしゃるように短期間で実現する可能性は低いと思います。

ホスト：大きな言語モデルを分割することは可能ですか？

Eric Schmidt: そのためには、何百万ものモデルが必要になります。質問の仕方も非常に遅くなります。

6.将来的には、AIを理解せずともやっていけるが、その境界を知る必要がある

6.align: left;">ホスト：話題を変えて、少し哲学的な話をしたいと思います。昨年、あなたはヘンリー・キッシンジャー、ダニエル・ハッテンローチャー一緒に記事を書いた知識の本質とその進化について。科学革命と啓蒙が起こるまで、歴史の大半において人類の宇宙に対する理解がいかに神秘的なものであったかをね。あなたの記事によると、現在、モデルはますます複雑化し、理解するのが難しくなっており、その内部メカニズムについては、もはやそれほど明確になっていないとのことです。

ファインマンはかつて、"What I cannot create, I cannot understand.」という言葉を残しましたが、今のところ、彼らでさえよく理解していないものを、人々は創造しているようです。これは、私たちの知識に対する理解が変化しているということなのだろうか？たとえ明確な説明がなくても、私たちはこれらのモデルの結論を受け入れ始める必要があるのだろうか？

エリック・シュミット：例えて言うなら、若者のようなものです。もしあなたの家族にティーンエイジャーがいれば、彼らが人間であることはわかっても、彼らがどう考えているかはわからない。しかし、私たちの社会は彼らの存在に適応することを学び、彼らがやがて成熟することを知っています。だから、私たちは完全に理解することはできない知識体系を持っているかもしれないが、その境界線を理解することはできる。私たちは、彼らが何ができて、何ができないかを知っている。それが、私たちが望むことのできる最善のことなのだろう。

ホスト：この限界を把握できると思いますか？

Eric Schmidt: なんとかなると思います。私たちが毎週話している小さなチームは、将来そのような敵対的なAI技術を使えるようになるかもしれないと考えています。お金を払えば、AIシステムをテストしてくれ、脆弱性を探してくれます。今の「レッドチーム」のようなものです。かなり頼もしいと思います。スタンフォードもこのような方向性を考えてもいいのではないでしょうか。このような大きなモデルをどのようにクラックし、どのように機能するかを研究することに興味を持つ大学院生がいれば、それは彼らにとって良いスキルポイントになるでしょう。ですから、この2つのことは一緒に進んでいくと思います。

AUDIENCE MEMBER: 先ほど、敵対的AIに関連するコメントにも触れられましたが、AIのパフォーマンスモデルの改善という当たり前のこと以外に、私たちが取り組むべき課題は何でしょうか？AIに私たちが望むことを実際にさせるための主な課題は何でしょうか？

エリック・シュミット：より高性能なモデルを後押ししなければならないのは事実です。AIが完全になくなるとは言いませんが、技術が進歩するにつれて、AIの幻想が薄れていくことは想定しておかなければなりません。また、効果を検証する方法があることも想定しなければならないので、結果が期待に応えているかどうかを知る必要があります。

先ほどのTikTokの競合の例のように。ちなみに、みんなの音楽を違法に盗めと言っているわけではありません。もしあなたがシリコンバレーの起業家なら、そして私はあなたがそうなることを望んでいる。しかし、誰もあなたの製品を使っていなければ、たとえあなたがすべてのコンテンツを盗んだとしても、それは問題ではありません。しかし、私の言うことを真に受けてはいけない。

シリコンバレーはこれらのテストを行い、修正する。それが私たちの通常の対処法です。

将来的には、より高性能なシステムが登場し、テストはより細かくなり、最終的にはAIが制御範囲内にあることを確認するための敵対的なテストが行われるようになると思います。技術用語では、私たちはこれを「連鎖的思考推論」と呼んでいる。今後数年のうちに、レシピを追うように1000ステップの連鎖推論を生成できるようになると予想されている。レシピに沿って一歩一歩進み、最終結果が正しいかどうかを検証することができる。それがシステムの仕組みだ。もちろん、ゲームをしているのでなければの話だが。

7.偽情報は短期的には克服不可能に見える

オーディオ：AIが偽情報を作り出すのを防ぐには？特に今度の選挙では。短期的・長期的な解決策はありますか？

エリック・シュミット：今度の選挙では、そして世界的に見ても、偽情報の大部分はソーシャルメディアを通じて拡散されるでしょう。.TikTokを見ると、TikTokはある種の偽情報を優遇していると批判する人もいます。私たちはその点で混乱しており、批判的に考える方法を学ぶ必要があると思います。困難な挑戦かもしれないが、誰かが何かを話したからといって、それが真実だとは限らない。

AUDIENCE MEMBER: 反対の極端な話ですか？本当のことを言う代わりに、誰も信じないということですか？この現象を「認識論的危機」と要約する人もいます。

エリック・シュミット：私たちは信頼の危機に直面していると思います。社会にとって最大の脅威は偽情報だと思います。私がYouTubeを運営していたとき、最大の問題は、人々が偽の動画をアップロードし、そのせいで命を落とす人さえいたことでした。

注意：YouTubeでは、身体への重大な危害や死亡につながりかねない危険な行為や違法行為を助長するようなコンテンツを許可していません。

これらの問題を解決しようとするのは本当に苦痛でしたし、当時は生成AIがなかったので、正直なところ、特に良い解決策はありません。

モデレーター：技術的な手段は万能ではありませんが、問題を軽減できそうな方法の1つが公開鍵認証です。例えば、バイデンが壇上に上がってスピーチするとき、SSLのように彼の発言にデジタル署名できないでしょうか？あるいは、有名人や公人がスピーチするとき、彼ら自身の公開鍵を持つことはできないだろうか？アマゾンにクレジットカード情報を渡すとき、その相手が本当にアマゾンであることがわかるように。

エリック・シュミット：これは本当に公開鍵認証の一形態であり、情報の出所を確認するためのその他の検証手段でもあります。

私は、今あなたが主張したことを支持する論文を共著で書きましたが、残念なことに、それはまったく大したものではありませんでした。つまり、あなたが言うように、問題を解決するためのシステムが組織化されていないのかもしれない。

全体として、CEOは収益の最大化を目指しており、そのためにはユーザーのエンゲージメントを最大化することを目指さなければならない。エンゲージメントを最大化するということは、より多くの怒りを刺激するということだ。 アルゴリズムは、人々を怒らせるようなコンテンツを優先的にプッシュする。つまり、全体的に過激なコンテンツが好まれる傾向があり、それは陣営を区別しない。これは私たちの社会で取り組まなければならないことです。

私たちは以前、TikTokの解決策について個人的に話したことがあります。私が子供の頃、『イコールタイムルール』というルールがありました。TikTokは実際にはソーシャルメディアではなく、プログラマーがコンテンツをコントロールするテレビのようなものだからだ。あるデータによると、米国の平均的なTikTokユーザーは1日90分かけて200本の動画を視聴しており、これはかなり多い。政府は平等な時間のルールを設けることまではしないかもしれないが、何らかの形でバランスをとることは必要だ。

8.ビッグモデルは、ほんの一握りの国だけが参加資格を得られる競争です

オーディオ：国家の安全保障や利益という観点から、どのような役割があるのでしょうか？国家安全保障や利益という観点から、中国との競争においてAIはどのような役割を果たすと思いますか？

Eric Schmidt: 私はAI委員会の委員長を務め、この問題を詳細に検討しました。報告書は752ページに及びます。簡単に要約すると、私たちは今、先を行っており、これからも先を行っていく必要があり、そのためには多額の資金が必要になるということです。

大まかなイメージとしては、最先端のAIモデルが進化し続け、一握りのオープンソースモデルが関与するようになれば、資格を得られるのはほんの一握りの国になるということだ。莫大な資金、強力な教育システム、そして勝利への決意を持つ国々だ。アメリカはそのひとつであり、中国もそうだ。他の国もあるかもしれない。しかし確かなことは、米国と中国の知識分野における競争は、あなた方が生きている間に最大の対決になるということです。

米国政府は、中国へのNvidiaチップの輸出を実質的に禁止しており、こう言うことは許されていないが、そうしている。我々はチップ技術において中国より10年ほど進んでいる。また、フォトリソグラフィーの分野でも10年ほど先を行っています。将来的には、さらに数年先を行くことになると思います。チップ法案はトランプ政権の決定であり、バイデン政権によって承認された。

ホスト：現政権や議会はあなたのアドバイスに耳を傾けていると思いますか？この規模の投資をすると思いますか？チップ法案を超えて、大規模なAIシステムを構築し続けるのでしょうか？

エリック・シュミット：ご存知のように、私は、通常のAI分野のすべてのプレーヤーが参加する、本来は公式ではない非公式グループを率いています。過去1年間、これらの参加者によってなされた提言は、AI分野におけるバイデン政権の意思決定の基礎となっており、この法案は史上最長の大統領令となるかもしれません。

注：バイデン大統領が昨年8月9日に発表した「特定の国家安全保障技術および製品への米国投資に関する大統領令」は、史上最長の大統領令である。

:特別競争調査プロジェクトを進めておられます。

Eric Schmidt: 執行部による法案の実際の実施です。彼らは実施に向けた細部の作業に忙殺されていますが、今のところ良い仕事をしています。一例として、昨年私たちはシステムの潜在的な危険性をどのように検出するかという問題について議論した。そのようなシステムは、危険について何かを学んでいるかもしれないが、何を聞けばいいのかわからない。言い換えれば、これは核心的な問題である。システムは何か悪いことを学習したが、何を学習したのかを教えてくれない。ここには多くの脅威がある。例えば、あなたが理解していない化学の混合方法を学習しているかもしれない。だから今、多くの人がそれを解決しようとしている。

結局、我々はメモの中で10^26浮動小数点という閾値を設定した。そのしきい値を超えると、政府に自分の行動を報告しなければならない。これはルールの一部で、EUは10の25乗のしきい値を設定していますが、大きな違いはありません。このような技術的な区別はいずれなくなると思います。技術的には現在、『連合型トレーニング』が可能になっており、異なるパーツを組み合わせてトレーニングすることができます。ですから、私たちはこれらの新技術がもたらす脅威を完全に避けることはできないかもしれません。

司会者 :OpenAIはすでにそうせざるを得なかったと聞いていますが、その理由のひとつは、消費電力が非常に高く、1カ所だけですべての計算を引き受けることができないからです。

9.AI is a rich man's game, 金持ちはより金持ちになる

オーディオ：ニューヨーク・タイムズ紙は、OpenAIが彼らの作品でモデルをトレーニングしたことを訴えました。これはデータ利用にとって何を意味すると思いますか？

Eric Schmidt: 私は音楽著作権について多くの経験があります。60年代には一連の訴訟があり、リスナーがあなたのことを知っているかどうかにかかわらず、あなたの曲が演奏されるたびに一定額の印税が入り、そのお金はあなたの銀行口座に振り込まれるという合意に至りました。将来も似たようなことになるのだろう。たくさんの訴訟が起こり、最終的には、これらの作品の使用に対して収益の何パーセントかを支払わなければならないという、ある種の契約が結ばれるのだろう。ASCAP（American Society of Composers, Authors and Publishers）やBMI（Broadcast Music, Inc.

AUDIENCE MEMBER：この分野を支配し、今後もAIであり続ける企業が2、3社あるように見えますが、これらはまさに独占禁止法が注目する対象になっているようです。この2つの傾向についてどう思われますか？規制当局はこれらの企業を解体すると思いますか？これは業界にどのような影響を与えるのでしょうか？

エリック・シュミット：私のキャリアでは、マイクロソフトを解散させようと働きかけましたが、解散には至りませんでした。また、グーグルが分割されないよう働きかけましたが、これも分割されませんでした。つまり、これらの企業がジョン・D・ロックフェラー（スタンダード・オイルの創業者）のような独占的巨大企業になることを避ける限り、傾向としては分割には向かわないということだ。独禁法はそこに由来する。

私は政府が動くとは思いません。このような大企業が市場を支配しているのは、データセンターを建設する資金を持っているのが彼らだけだからです。だから私の友人のリード・ヘイスティングス（ネットフリックス共同設立者兼CEO）やイーロン・マスクがやっているんだ。

だから金持ちはより金持ちになり、貧乏人は今あるものでやりくりするしかない。確かに、それは豊かな国のゲームであり、莫大な資本と多くの熟練した人材、そして政府の強力な支援が必要だ。このような資源を持たず、さまざまな問題を抱えている国は他にもたくさんある。

AUDIENCE：あなたは若者が富を創造するのを助けることに多くの時間を費やし、このことに非常に情熱を注いでいます。今の段階、そして将来のために、学生たちに何かアドバイスはありますか？

Eric Schmidt: 新しいアイデアを素早く発表する能力には感心しました。私が参加したあるハッカソンでは、優勝チームはドローンを2つのタワーの間を飛行させるという課題を与えられました。彼らはこれを仮想のドローン空間で行い、ドローンに「between...」の意味を理解させ、Pythonでコードを書き、シミュレーターでドローンをタワーの間を通過させることに成功した。プロのプログラマーがこれをやったら、1～2週間かかったかもしれない。

私が言いたいのは、素早くプロトタイプを作る能力は本当に重要だということです。起業家であることの問題の1つは、すべてが非常に速く起こるということです。さまざまなツールを使って1日でプロトタイプを作ることができなければ、競合他社はそれを成し遂げることができるのですから。

ですから、私のアドバイスとしては、起業を考え始めたら、ビジネスプランを書くのは良いことですし、ビジネスプランはコンピューターに書かせるべきです。そして、これらのツールを使って、アイデアを素早くプロトタイプにすることがとても重要です。なぜなら、別の会社や別の大学、あるいはあなたが行ったことのないどこかで、誰かが同じことをやっていることは間違いないからだ。