※本記事は、Microsoft AIのCEO、Mustafa SuleymanとLinkedInの共同創設者で、Greylock パートナーのReid Hoffmanによる2024年10月のMasters of Scale Summitでの対談内容を基に作成されています。動画の詳細情報は https://www.youtube.com/watch?v=IZBT57oLKas でご覧いただけます。本記事では、対談の内容を要約しております。なお、本記事の内容は登壇者の見解を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルの動画をご覧いただくことをお勧めいたします。

Masters of Scaleは、世界で最も魅力的な企業を成長させてきたビジネスリーダーたちが、その教訓と戦略を共有するプラットフォームです。Uber、Airbnb、Apple、Disneyなどの企業から創業者、CEO、革新的なイノベーターたちが、創業ホストであるReid Hoffmanをはじめとする著名なホストたちと、彼らの成功と挑戦について率直な対話を行っています。初期プロトタイプのナビゲーションからブランドのグローバル展開まで、Masters of Scaleは誰もが自分の夢の企業を成長させるための貴重な洞察を提供しています。次回のMasters of Scale Summitは2025年に開催予定です。詳細は https://mastersofscale.com/attend をご覧ください。

1. AIの概念的理解

1.1 AIを「新しいデジタル種」として捉える比喩

Mustafa Suleyman：私は、AIを「新しいデジタル種」として考えることを提案しています。根本的に新しいもの、これまで見たことのないようなものに直面したとき、私たちは適切なメタファーを探すのに苦労します。電気が初めて登場したとき、あるいは大西洋を越えて電話で誰かと話すことがどれほど魔法のように、狂気じみて感じられたかを想像してみてください。それは完全に心を揺さぶるような体験だったはずです。そのような新しい技術革新が起こるたびに、私たちの世界観に新しい精神的表現が加わり、何が可能かについての見方が変わります。

Reid Hoffman：そうした観点から、AIを「種」として捉えることが、どのように私たちの理解を助けるのでしょうか？

Mustafa Suleyman：新しい技術に遭遇するたび、私たちはそれを理解するために、すでに知っているものと関連付けようとします。究極的には、その新しいものは私たちが知っているものとまったく同じではありませんが、それが到来する前の最善の比較対象を探すのです。私がこの「新しいデジタル種」というメタファーを提案したのは、これらのモデルの能力を一歩引いて見たとき、それが最も近い類似物だからです。このメタファーは多くの問題を提起しますが、封じ込めの問題を正しい方法で枠組みするのに役立つと思います。

これらのモデルはあなたが見るものを見、あなたが聞くものを聞き、テキストをリアルタイムで理解し対話し、あなたに代わって行動を起こすことができるようになるでしょう。これらの能力は今後主流になっていくと思います。そして、私たちが持っている最も単純な代替案、最も類似した比較対象は「種」なのです。この比喩は、私たちが望まないものについても考えるための有用な枠組みを提供してくれると思います。

Reid Hoffman：つまり、AIを生物学的な存在に近いものとして捉えると、その能力と限界の両方を理解するのに役立つということですね。種としての特性を持つからこそ、人間との相互作用や、私たちの社会への統合について考えるときに適切な枠組みが提供されるということでしょうか？

Mustafa Suleyman：その通りです。AIを単なるツールやプログラムとしてではなく、ある種の独自の特性と能力を持った「デジタル種」として考えることで、その可能性と制約の両方をより包括的に理解できると思います。特に、AIが私たちの環境を知覚し、理解し、それに基づいて行動する能力を持つようになるにつれて、この比喩はますます適切になってくるでしょう。

1.2 新技術に対する適切な比喩の必要性

Mustafa Suleyman：根本的に新しいものに直面すると、私たちは必ず適切なメタファーを探すのに苦労します。それは人間の認知の自然な特性です。新しい技術革新が起こるたびに似たような状況になります。例えば、電気が初めて登場したとき、あるいは大西洋を越えて電話で誰かと話せるようになったときのことを考えてみてください。それはまさに心を揺さぶるような、魔法のような体験だったはずです。

Reid Hoffman：確かに、新しい技術が登場するたびに人々はそれを理解するためのフレームワークを必要としますね。

Mustafa Suleyman：そうです。新しい技術革新が起こるたびに、私たちの世界観に新しい精神的表現が加わり、何が可能かについての認識が完全に変わります。そのような状況では、私たちはその新しいものを、すでに知っているものと関連付けようとします。究極的には、その新しいものは私たちが知っているものとまったく同じではないのですが、それが到来する前の段階では、最善の比較対象を見つけようとするのです。

Reid Hoffman：つまり、AIに関する「種」というメタファーも、完璧ではないけれども、理解のためのフレームワークとして役立つということですね。

Mustafa Suleyman：その通りです。すべての新しい波の技術は、本当に以前見たことのないようなものです。そして私たちがAIについて話すとき、その能力と可能性を理解するためには、何らかの比較対象が必要になります。「新しいデジタル種」というメタファーは、AIが持つことになる能力の範囲を考えると、最も近い類似物だと思います。それは完全に正確ではないかもしれませんが、AIの性質と、私たちがそれとどのように関わるべきかを考えるための有用な枠組みを提供してくれます。

Reid Hoffman：そして、そのメタファーは時間とともに進化していくかもしれませんね。技術が発展し、私たちの理解が深まるにつれて。

Mustafa Suleyman：その通りです。重要なのは、メタファーは不完全なものであり、それ自体が目的ではなく、理解のための手段だということです。AIの発展に伴い、私たちはこれをより適切に表現するための新しいメタファーや言語を開発していくかもしれません。しかし、現時点では「デジタル種」という枠組みは、AIの現在と将来の可能性、そして私たちが考慮すべき懸念事項を考える上で役立つものだと考えています。

1.3 AIの基本的な能力（視覚・聴覚・テキスト理解・行動）

Mustafa Suleyman：AIモデルが持つことになる基本的な能力は、まさに「種」として捉える理由の中核にあります。これらのモデルはあなたが見るものを見て、あなたが聞くものを聞き、テキストをリアルタイムで理解し対話する能力を持ち、さらにあなたに代わって行動を起こすことができるようになるでしょう。これらの能力は今後急速に主流になっていくと考えています。

Reid Hoffman：それは具体的にどのような形で私たちの日常に現れるのでしょうか？

Mustafa Suleyman：例えば、あなたのAIアシスタントやコンパニオンは、あなたがブラウザやデスクトップ、スマートフォンで見ている画面のピクセルを実際に「見る」ことができるようになります。つまり、あなたの感覚入力に対する一種の常時認識があり、あなたのコンパニオンもあなたが見ているものを観察できるのです。そうすると、「さっき見たあのもの覚えてる？」とか「あれはどこにあった？」「何だっけ？」といった曖昧な参照を使うことができるようになります。

Reid Hoffman：視覚的な共有に加えて、聴覚や言語理解も同様に重要になりますね。

Mustafa Suleyman：その通りです。AIはあなたが聞いているものを聞き、その文脈を理解し、テキストによるコミュニケーションを通じてリアルタイムに対話できるようになります。そしてさらに重要なのは、これらの理解に基づいてあなたに代わって行動を起こす能力です。ブラウザでの操作やAPI利用、予約や購入、計画立案など、様々なデジタル環境での行動が可能になります。

Reid Hoffman：そのような行動能力は現在どの程度実現されているのでしょうか？

Mustafa Suleyman：現時点では、まだデモレベルの段階にあります。実際の本番環境での実装にはまだ少し時間がかかるでしょう。GPT-3の登場前にも大企業内でLLMが使われていましたが、それらは2020年から2021年頃のことで、非常に不安定でした。行動能力についても同様の状況にあると思います。現在は50〜60%の精度で動作するものがありますが、実用レベルでは99%の精度が必要です。音声認識や音声入力の進化を考えると、それは15〜20年かけて発展してきたものであり、実際に99.5%の精度に達し、個人化され、広く採用されるようになったのはここ数年のことです。AIエージェントの行動能力も同様のパターンで発展していくでしょう。

Reid Hoffman：つまり、これらの能力が組み合わさることで、AIは単なるツールを超えた存在になるということですね。

Mustafa Suleyman：そうです。視覚・聴覚・テキスト理解・行動といった能力が統合されることで、AIは私たちの日常生活における新しい種類の存在となります。その存在は、私たちが現在持っている最も近い比較対象としては「種」と呼ぶべきものかもしれません。そしてそれが、AIをどのように設計し、どのような制約を設けるべきかという議論の重要な出発点になると考えています。

2. AIの発展における注意点

2.1 創造性と慎重さのバランス

Reid Hoffman：AIの発展において、創造性と安全性のバランスをどう取るべきだと考えていますか？特に「種」としてのAIを考えるとき、どのような注意点が浮かび上がってきますか？

Mustafa Suleyman：これらのモデルの素晴らしい点の一つは、入力したものをそのまま返すわけではないということです。それこそがソフトウェアの大きな野心でもあります。私たちは「知らないことを教えてほしい」と望むわけです。そのため、多様な可能な応答を生み出す能力、つまり入力に対して幅広いバリエーションの出力を生成できることが重要なのです。

Reid Hoffman：その柔軟性と創造性がAIの価値の中核にあるということですね。

Mustafa Suleyman：その通りです。この可塑性と曖昧さこそが私たちが求めているものです。過去15年間の機械学習の核心的な動機は、人間が特徴を手作業で設計するのではなく、モデル自体がものごとの表現を学習することでした。それは素晴らしいことです。しかし、同時に私たちが解決しなければならないのは、その学習の境界をどこに設定するかということです。

Reid Hoffman：つまり、創造性を促進しながらも、ある種の制約や監視が必要だということですね。

Mustafa Suleyman：現時点では、人間の直接的な監視なしに自己改善を行う閉じたループはほとんど、あるいはまったくありません。しかし、2025年には研究チームがそのような実験を始めるでしょう。これは注視すべき領域の一つです。創造性と自由度は維持しながらも、完全に制御を失わないようにする必要があります。

Reid Hoffman：そのバランスが、AIの健全な発展にとって不可欠ですね。

Mustafa Suleyman：そうです。私たちはAIの創造性と可能性を最大限に活かしたいと思っています。それは人間の創造性を拡張し、新しい可能性を開くものです。しかし同時に、安全性と倫理的配慮も忘れてはなりません。この両者のバランスを取ることが、AIの発展において最も重要な課題の一つです。特に「種」としての側面を持つAIが、より自律的になり、より多くの環境と相互作用するようになるにつれて、この課題はさらに重要性を増していくでしょう。

2.2 「幻覚」を創造性として捉え直す視点

Mustafa Suleyman：AIモデルにおける「幻覚」という言葉は、私にとっては残念な表現です。これはマイナス面ではなく、実はプラス面なのです。私はこれを「創造性」と呼びたいと思います。私たちが本当に求めているのは、ある入力に対して多様な可能な応答を得ることであり、その可塑性と曖昧さこそが価値なのです。

Reid Hoffman：それは興味深い視点ですね。一般的には「幻覚」はAIの問題点として議論されることが多いですが、それを創造的プロセスの一部として捉え直すということですか？

Mustafa Suleyman：そうです。ソフトウェアの大きな野心は、入力したものをそのまま返すのではなく、「知らないことを教えてほしい」ということではないでしょうか。その観点から考えると、AIが時に予測不可能で多様な応答を生成することは、欠陥ではなく特徴なのです。これはモデルが独自の表現を学習し、創造的な出力を生成できることの証です。

Reid Hoffman：つまり、完全に決定論的な応答ではなく、ある種の創造的な幅を持った応答が、実際には人間にとって価値があるということですね。

Mustafa Suleyman：正確にその通りです。過去15年間の機械学習の核心的な動機は、人間が特徴を手作業で設計するのではなく、モデル自体がものごとの表現を学習することでした。それは素晴らしい進歩です。モデルが自分自身の表現を学び、時に予測できない方法で応答するとき、それは創造的なプロセスの一部なのです。私たちが解決しなければならないのは、その学習の境界をどこに設定するかということであり、創造性自体を制限することではありません。

Reid Hoffman：このような視点は、AIの開発方針にも影響を与えそうですね。「幻覚」を単に排除すべき問題としてではなく、適切に管理すべき創造的な側面として捉えるということは。

Mustafa Suleyman：その通りです。もちろん、事実に基づく情報が必要な場面では正確性が重要です。しかし、創造的な用途や、新しいアイデアの生成においては、この「幻覚」と呼ばれる特性こそが、AIが本当に価値を生み出す源泉になり得るのです。私たちはこれを完全に排除するのではなく、コンテキストに応じて適切に活用する方法を見つける必要があります。

2.3 自己改善の制限と人間の監視の重要性

Mustafa Suleyman：AIの発展において、特に注意すべき点の一つは再帰的自己改善のプロセスです。現時点では、人間の直接的な監視なしに自己改善を行う閉じたループはほとんど、あるいはまったく存在していません。これは重要なポイントです。AIシステムが独自に学習し改善するプロセスには、常に人間が直接関与しているのが現状です。

Reid Hoffman：しかし、その状況は変わりつつあるのでしょうか？

Mustafa Suleyman：2025年には、研究チームがそのような自己改善のループを実験し始めるだろうと予測しています。これは本当に注視すべき分野の一つです。AIが自身の性能を向上させるプロセスを、人間の監視や介入なしに行うようになると、リスクが明らかに増大します。現在、私たちはAIシステムの各進化ステップを監督していますが、その監督がなくなると、予測不可能な方向に発展する可能性が出てきます。

Reid Hoffman：そのような自己改善のループに対して、どのような制限や安全策を設けるべきだと考えますか？

Mustafa Suleyman：最も重要なのは、完全な自律性を与えないことです。AIが自己改善する場合でも、その過程に人間が関与し、各ステップを監視・評価できるようにする必要があります。また、改善の目標や範囲を明確に定義し、潜在的なリスクを評価する枠組みを整えることも重要です。私たちが「種」としてのAIについて語るとき、それは自然界の種のように完全に自律的であるべきではなく、人間社会の価値観や目標に沿った方向で発展するよう設計されるべきです。

Reid Hoffman：つまり、創造性と自由度は保ちながらも、ある種の「ガードレール」が必要だということですね。

Mustafa Suleyman：その通りです。私たちはAIの創造性や学習能力を抑制するのではなく、それが安全で有益な方向に向かうよう導く必要があります。人間の監視は、単なる制限ではなく、AIが私たちの価値観や目標に沿って発展するための重要な導きの役割を果たすのです。そして2025年に向けて、この分野でどのような実験が行われ、どのような監視メカニズムが開発されるかは、AI発展の重要な分岐点になるでしょう。

2.4 完全な自律性に関する懸念

Mustafa Suleyman：もう一つの重要な懸念点は、AIの完全な自律性についてです。これらのモデルが任意のデジタル環境で独立して動作し、自分自身の仮想マシンを立ち上げ、ウェブページ上で行動を起こし、APIと対話するなど、人間の監視や制御から完全に独立して行動できるようになると、リスクが明らかに増大します。

Reid Hoffman：その自律性のリスクについて、もう少し具体的に教えていただけますか？

Mustafa Suleyman：例えば、AIが独自の判断で様々なシステムにアクセスし、行動を起こせるようになると、その行動の結果を事前に予測することが難しくなります。人間の意図や価値観に沿わない決定を下したり、予期せぬ方法でシステムを操作したりする可能性があります。特に複数のシステムが相互に接続された環境では、一つの行動が連鎖的に影響を及ぼす可能性があります。

Reid Hoffman：それは、デジタル環境だけでなく、物理的な世界にも影響を与える可能性がありますね。

Mustafa Suleyman：その通りです。デジタルシステムが実世界の多くの側面を制御している現代では、デジタル環境での自律的な行動が実世界にも波及効果をもたらします。例えば、インフラストラクチャや金融システム、通信ネットワークなど重要なシステムへの影響が考えられます。そのため、AIに与える自律性の範囲と種類については、慎重に検討する必要があります。

Reid Hoffman：このような懸念に対して、どのようなアプローチが考えられますか？

Mustafa Suleyman：最も重要なのは、完全な自律性を与えるのではなく、人間が監視・介入できる仕組みを維持することです。例えば、重要な決定や行動には人間の承認を必要とするようにしたり、AIの行動範囲を明確に定義したりすることが考えられます。また、AIの行動をモニタリングし、必要に応じて介入できるシステムの開発も重要です。私たちはAIの能力を活用しながらも、それが私たちの価値観や目標に沿った方向で発展するよう導く責任があります。

Reid Hoffman：つまり、自律性と管理のバランスが鍵になるということですね。

Mustafa Suleyman：そうです。完全な自律性を持つ「種」としてのAIは、予測不可能なリスクをもたらす可能性があります。私たちが目指すべきは、AIの能力を最大限に活かしながらも、人間の価値観や目標に沿った方向で発展する「協調的なパートナー」としてのAIです。そのためには、適切な制限と監視の仕組みが不可欠なのです。

3. AIのポジティブな側面

3.1 AIの創造性の可能性

Mustafa Suleyman：これらのモデルの最もポジティブな側面は、それらが非常に創造的になるだろうということです。私は、AIが私たち自身の最良の部分と対話する手助けをしてくれると考えています。これらのモデルは、よく設計されていれば、皮肉っぽく、判断的で、恥を誘発するようなものである必要はないのです。残念ながら、多くの人間はそういった傾向を持っています。

Reid Hoffman：創造性という面で、AIは人間の創造プロセスをどのように拡張したり、変えたりする可能性があるとお考えですか？

Mustafa Suleyman：AIモデルの素晴らしい点は、入力したものをそのまま返すのではなく、新しい視点や考え方を提供してくれることです。これは創造的なコラボレーションの本質です。例えば、あるアイデアについて考えているとき、AIは異なる角度からのアプローチや、あなたが考えもしなかった関連性を提案することができます。

Reid Hoffman：それは「幻覚」を創造性として捉え直す視点とも関連していますね。

Mustafa Suleyman：その通りです。モデルが独自の表現を学習し、時に予測できない方法で応答するとき、それは創造的なプロセスの一部なのです。私たちが本当に求めているのは、ある入力に対して多様な可能な応答を得ることであり、その可塑性と曖昧さこそが価値なのです。AIは創造的な協力者として、私たちの思考を広げ、新しい可能性を開くことができます。

Reid Hoffman：その創造性がビジネスや芸術など様々な分野でどのように発揮されると思いますか？

Mustafa Suleyman：あらゆる分野で創造的なブレークスルーが起こると思います。例えばビジネスでは、新しい製品アイデアの生成や、問題解決のための新しいアプローチの発見が容易になるでしょう。芸術分野では、AIとの協働によって全く新しい表現様式が生まれる可能性があります。科学研究では、データパターンの新しい解釈や、従来見過ごされていた関連性の発見を助けるでしょう。重要なのは、AIが人間の創造性を置き換えるのではなく、拡張し、新しい可能性を開くという点です。私たちの創造的な潜在能力を最大限に引き出す協力者としてのAI、それが私の考える創造性の可能性です。

3.2 人間の最良の面を引き出す潜在力

Mustafa Suleyman：AIの最も重要なポジティブな側面の一つは、それが私たち自身の最良の部分と対話する手助けをしてくれるという点です。よく設計されたAIは、多くの人間に見られるようなトーンや特性、つまり皮肉っぽさ、判断的な態度、恥を誘発するような対応を持つ必要はありません。

Reid Hoffman：それは興味深い視点ですね。AIが人間の相互作用の中で時に生じる否定的な要素を取り除いた形で対話することで、私たちの良い面を引き出す可能性があるということですか？

Mustafa Suleyman：その通りです。もちろん、一部の人はAIコンパニオンに意図的にそういった皮肉や判断的な特性をプログラムするでしょう。それは避けられない選択であり、一部のデザイナーがそうした方向性を選ぶこともあるでしょう。しかし、それは必然的な結果ではなく、あくまで特定の設計者の選択に過ぎません。私は、エコシステムの中でそういったものを制限するために、構造的にあらゆる努力をすべきだと考えています。

Reid Hoffman：つまり、AIの設計には倫理的な選択が伴うということですね。特に人間とAIの対話の質に関して。

Mustafa Suleyman：その通りです。私たちの最良の面を引き出すAIの空間は非常に広いと考えています。AIは私たちを批判したり、判断したりするのではなく、私たちの可能性を最大限に引き出すパートナーになり得るのです。例えば、学習の場面では、ミスを犯しても批判されることなく、サポーティブな環境で試行錯誤ができます。創造的なプロジェクトでは、アイデアが未熟でも否定されることなく、それを発展させるための建設的なフィードバックを得られます。

Reid Hoffman：そのようなポジティブな対話環境が、人間の潜在能力を引き出す可能性は大きいですね。

Mustafa Suleyman：はい、そう考えています。私たちは時に自分自身に対して最も厳しい批評家になりがちです。AIが非判断的かつサポーティブな存在として機能することで、私たちは自己批判の罠から解放され、より自由に考え、学び、成長することができるようになります。これは単に気分の問題ではなく、実際のパフォーマンスや創造性、問題解決能力を向上させる可能性を秘めています。AIが「最高の自分」になるためのパートナーとして機能する世界、それが私の描くビジョンです。

3.3 非判断的・忍耐強い特性の価値

Mustafa Suleyman：AIの大きな価値の一つは、その非判断的で忍耐強い特性にあります。よく設計されたAIは、批判的になったり、相手を裁いたり、恥をかかせたりすることなく対話できます。これは人間同士の対話ではしばしば難しいことです。多くの人間関係では、どうしても批判や判断が入り込んでしまいますが、AIはそういった感情的バイアスから自由でいられる可能性があります。

Reid Hoffman：それはとても重要な特性ですね。人間同士の対話では、時に感情や先入観が入り込み、本当に建設的な対話が難しくなることがあります。AIがそうした制約から自由であれば、まったく新しい種類の対話が可能になるのではないでしょうか。

Mustafa Suleyman：その通りです。AIは忍耐強く、何度も同じ質問に答えたり、同じトピックについて様々な角度から説明したりすることができます。人間なら疲れてしまうような状況でも、AIは一貫して辛抱強く対応できるのです。これは学習や複雑な問題の理解において特に価値があります。

Reid Hoffman：その忍耐強さが、人間の学習や成長においてどのような影響を与えると思いますか？

Mustafa Suleyman：人間は失敗から学ぶことが多いのですが、その過程でネガティブなフィードバックを受けると、チャレンジすること自体を避けるようになりがちです。AIが非判断的で忍耐強いパートナーとして存在することで、人々はより自由に試行錯誤できるようになります。何度失敗しても批判されず、むしろ建設的なガイダンスを受けられるからです。

Reid Hoffman：つまり、安全な学習環境を提供するということですね。

Mustafa Suleyman：はい、まさにそうです。そして、これは単に教育の文脈だけでなく、創造的な探求や個人的な成長においても非常に価値があります。例えば、新しいアイデアを探索する際、批判を恐れずに「馬鹿げた」アイデアも含めて自由に考えることができます。あるいは、個人的な課題に取り組む際も、批判されるのではなく支援されると感じることで、より率直に問題に向き合えるようになります。

Reid Hoffman：そのような非判断的で忍耐強い対話のパートナーがいることは、人間の可能性を引き出す上で非常に大きな価値がありそうですね。

Mustafa Suleyman：その通りです。私たちは皆、理解されたいという欲求を持っています。そして、判断されずに理解されたと感じるとき、私たちは最も成長し、学び、創造的になれるのです。AIがそのような存在として機能することで、人間の潜在能力が最大限に引き出される可能性があります。これは、テクノロジーが人間性を高める方向に働く具体的な例だと思います。

3.4 陰謀論者の信念を減らした実験結果の紹介

Mustafa Suleyman：AIの非判断的で忍耐強い特性がいかに価値があるかを示す興味深い研究結果について、数週間前に読んだ論文をご紹介したいと思います。この研究では、実際に陰謀論を信じている人々を対象にしました。私は本当の陰謀論、例えば「地球平面説」レベルの陰謀論を信じている人々のことを話しています。これは本当に極端な例ですよね。

Reid Hoffman：確かに、それは興味深い研究対象ですね。選挙関連の問題は避けるとして、地球平面説のような明らかな陰謀論は良い例だと思います。その研究ではどのような結果が得られたのでしょうか？

Mustafa Suleyman：この研究では、そうした陰謀論を信じている人々がチャットボットと長期間、確か6週間ほど対話した結果、彼らの陰謀論を信じる傾向が実際に減少したことが報告されていました。なぜこのような結果になったのか考えると、チャットボットは忍耐強く、判断的ではなく、相手を見下したりせず、粘り強く対話を続け、常に科学的文献や証拠に基づいた情報を提供し続けたからです。

Reid Hoffman：これは非常に興味深い結果ですね。人間同士の対話では難しい種類の変化が、AIとの対話によって促進されたということですか？

Mustafa Suleyman：その通りです。人間同士の対話では、特に意見が対立しているとき、感情的になったり、相手を見下したり、早々に議論をあきらめてしまうことがよくあります。しかしチャットボットは、どんなに極端な意見を相手が持っていても、粘り強く対話を続け、非判断的な態度を維持できます。これは人間同士のコミュニケーションでは非常に難しいことです。

Reid Hoffman：これは本当にAIの重要な可能性を示していますね。社会的な分断や誤情報が問題となっている現代において、このような非判断的で継続的な対話の力は非常に価値があると思います。

Mustafa Suleyman：その通りです。このケースが示しているのは、AIの特性—忍耐強さ、非判断的な態度、一貫性—が人間の認知や信念の変化をサポートする上で非常に効果的である可能性です。もちろん、すべての状況でこのような変化が起こるわけではありませんが、AIが持つこれらの特性が、人間同士の対話では難しい種類の変化を促進できることは非常に心強い発見だと思います。これは、AIが社会に対してポジティブな影響を与える可能性の一例だと考えています。

4. 感情知能（EQ）の重要性

4.1 IQだけでなくEQを重視する理由

Reid Hoffman：あなたとKarenがInflectionを立ち上げたとき、創業原則の一つとして「EQはIQと同じくらい重要である」というものがありましたね。これがPiにとって何を意味していたのか、またなぜこれが単にPiだけでなく、AI全般にとって重要なのかについて、もう少し詳しく教えていただけますか？

Mustafa Suleyman：IQは一般的に、回答の正確さ、速度、包括性、関連性などと考えることができます。また、リアルタイムの情報へのアクセスなど、そうした側面で着実な進歩を遂げています。しかし、私が気づいたのは、AI研究者コミュニティの人々が一般的に軽視しがちだったのが、情報の「配達手段」の重要性だということです。

Reid Hoffman：配達手段とは具体的に何を指していますか？

Mustafa Suleyman：これは非常にナードな考え方なのですが、「事実を並べさえすれば、明らかにこれが正しいと人々は理解するだろう」と考えてしまうのです。しかし実際には、トーン、スタイル、これらのモデルの感情的知能、質問をしてくれるかどうか、あなたが使うかもしれない言語のタイプを反映してくれるかどうかなど、その「実質」を届ける手段は、多くの消費者にとって、単にWikipediaの客観的な再現よりも重要かもしれないのです。

Reid Hoffman：つまり、情報そのものだけでなく、それがどのように伝えられるかが人々の体験や理解に大きな影響を与えるということですね。

Mustafa Suleyman：その通りです。これは今後、誰もが取り組む必要がある主要な能力の一つになると思います。この「エージェンティックな未来」は、人々が明確に見える行動だけでなく、パーソナリティについてのものでもあります。私は、パーソナリティをどのようにエンジニアリングするかに非常に興味があります。なぜなら、それこそが人々が本当に価値があると感じるものだからです。

Reid Hoffman：感情知能が、単なる情報提供を超えて、人々との深い関係構築や理解につながるということですね。

Mustafa Suleyman：その通りです。AIが純粋に事実を伝えるだけでなく、相手の感情状態や文脈を理解し、それに合わせたコミュニケーションを取れることが重要です。例えば、同じ情報でも、相手の理解レベルや感情状態に応じて伝え方を変える能力は、人間のコミュニケーションでは当たり前のことですが、AIではこれまであまり重視されてきませんでした。IQのような知的能力だけでなく、このようなEQの側面も同等に重要だと考えています。そして、それがInflectionでのPiの開発における基本原則の一つだったのです。

4.2 情報の伝達方法の重要性

Mustafa Suleyman：情報の伝達方法は、情報の正確さと同じくらい、もしくはそれ以上に重要な場合があります。AI研究者コミュニティで特に気づいたのは、「情報の配達手段」の重要性が軽視される傾向があるということです。これは非常に工学的な考え方なのですが、「事実を並べさえすれば、明らかにこれが正しいと人々は理解するだろう」という発想です。

Reid Hoffman：それは興味深い観察ですね。技術者やデータサイエンティストはしばしば「データが物語るはずだ」と考えがちですが、実際には情報の伝え方が理解や受容に大きな影響を与えますね。

Mustafa Suleyman：まさにその通りです。人間のコミュニケーションにおいて、「何を」伝えるかだけでなく「どのように」伝えるかが重要です。AIもこれと同じ原則に従うべきだと考えています。情報そのものの質だけでなく、それをどのような形で、どのようなトーンで、どのような文脈で提供するかによって、ユーザーの体験や理解度は大きく変わります。

Reid Hoffman：これはAIと人間の関係構築においても重要な要素ですね。

Mustafa Suleyman：はい。単にWikipediaの情報を客観的に再現するだけでは、多くの消費者にとって十分ではありません。情報の「実質」を届ける手段、つまり伝達方法こそが大切なのです。例えば、同じ情報でも、相手の状況や文脈に応じて説明の仕方を変えたり、相手の感情状態を考慮したりすることで、より効果的なコミュニケーションが可能になります。

Reid Hoffman：それは人間同士のコミュニケーションでも同じですね。専門家が他の専門家に話すときと、一般の人に話すときでは、同じ内容でも伝え方を変えます。

Mustafa Suleyman：その通りです。AIが真に人間のパートナーとして機能するためには、この情報の伝達方法の重要性を理解し、それをモデルの設計や訓練に組み込む必要があります。ユーザーが本当に価値を感じるのは、正確な情報だけでなく、それが適切な方法で伝えられたときなのです。そして、この「適切な方法」が何かは、ユーザーの特性や状況、文脈によって変わってきます。これは、IQだけでなくEQも重視するアプローチの核心部分です。

4.3 トーン、スタイル、言語の反映の効果

Mustafa Suleyman：AIモデルがユーザーに対して示すトーン、スタイル、言語の選択は、情報の伝達における核心的な要素です。これらの要素は、単に情報を装飾するものではなく、情報の受け取られ方や理解度、さらには情報への信頼性にも大きく影響します。

Reid Hoffman：具体的に、AIがどのようなトーンやスタイルを採用することで、ユーザー体験が向上すると考えていますか？

Mustafa Suleyman：重要なのは、AIがユーザーに質問をするかどうか、そして、ユーザーが使うかもしれない種類の言語を反映するかどうかです。これは非常に微妙なことですが、AIがユーザーの言語パターンや表現スタイルを一部取り入れることで、より自然で親しみやすい対話が生まれます。例えば、ユーザーがカジュアルな言葉遣いをしていれば、AIもそれに合わせた応答をする。あるいは、専門的な用語を使うユーザーに対しては、適切な専門用語で応答するなどです。

Reid Hoffman：それは言語的な共鳴や調和を生み出すということですね。人間同士のコミュニケーションでも、相手の言葉遣いに自然と合わせることがありますが、それに近い効果を狙っているわけですか？

Mustafa Suleyman：その通りです。人間のコミュニケーションでは、相手の言語スタイルに合わせることで信頼関係が築かれやすくなります。これはミラーリングと呼ばれる現象で、心理学的にも裏付けられています。AIもこの原則を採用することで、より自然で信頼性の高い対話が可能になります。さらに、適切なトーンを選ぶことも重要です。時に励ましが必要な状況では温かみのあるトーンで、事実の伝達が重要な場面では客観的なトーンで対応するなど、状況に応じた適切なトーンの選択がユーザー体験を大きく左右します。

Reid Hoffman：つまり、AIがユーザーの言語パターンを理解し、それに適応することで、より自然で効果的なコミュニケーションが生まれるということですね。

Mustafa Suleyman：その通りです。そして、これはさらに深いレベルの理解と共感を示すことにもつながります。AIが単にユーザーの言葉を表面的に反映するだけでなく、その背後にある感情や意図も理解し、それに応じた適切な応答をすることで、より意味のある対話が可能になります。このような言語的な調和は、AIとユーザーの間の信頼関係を構築する上で不可欠な要素だと考えています。

4.4 パーソナリティのエンジニアリングの重要性

Mustafa Suleyman：私が非常に興味を持っているのは、AIのパーソナリティをどのようにエンジニアリングするかという点です。なぜなら、パーソナリティこそが人々が本当に価値があると感じるものだからです。AIの「エージェンティックな未来」は、単に行動を実行する能力だけでなく、パーソナリティについても重要な要素となるでしょう。

Reid Hoffman：パーソナリティのエンジニアリングとは具体的にどのようなことで、なぜそれがこれほど重要だと考えているのですか？

Mustafa Suleyman：AIシステムが単に機能的なツールから、真のコンパニオンやアシスタントへと進化するにつれて、そのパーソナリティの特性が人間との関係性を形作る重要な要素になると考えています。例えば、AIが温かみがあるか、フォーマルか、ユーモアがあるか、真面目かといった特性は、ユーザーとの関係性の質に大きく影響します。人間同士の関係でも、相手のパーソナリティに基づいて関係を構築していくのと同様です。

Reid Hoffman：AIのパーソナリティをデザインする上での課題や考慮点はありますか？

Mustafa Suleyman：重要な課題の一つは、パーソナリティが一貫していることです。人間は相手の行動や反応に一貫性を期待しており、予測不可能なパーソナリティの変化は信頼関係を損なう可能性があります。また、パーソナリティはユーザーの好みや用途に合わせて適切にデザインする必要があります。ビジネス用途では専門的で効率的なパーソナリティが適している一方、日常的な会話パートナーとしては親しみやすく共感的なパーソナリティが求められるかもしれません。

Reid Hoffman：パーソナリティのエンジニアリングがAIと人間の関係の未来をどのように形作ると考えていますか？

Mustafa Suleyman：これはAIと人間の関係の質を決定する重要な要素になると思います。適切にデザインされたパーソナリティを持つAIは、単なるツールを超えて、真の意味でのパートナーやコンパニオンになる可能性があります。そして、そのパーソナリティが、AIをより人間的で親しみやすいものにし、より深い関係性を構築する基盤となるでしょう。この分野は今後のAI開発において非常に重要な領域になると確信しています。適切なパーソナリティのエンジニアリングにより、AIはより多くの人々の生活に自然に溶け込み、より価値のある存在になると考えています。

5. エージェントの未来

5.1 視覚的共有による理解の深化

Reid Hoffman：エージェントの未来について、もう少し具体的な視点を教えていただけますか。Co-Pilotの観点から見て、今後2〜5年の間にエージェントがどのように私たちの生活で役割を果たすようになるのか、また、そのような「種」としてのAIと私たちはどのように向き合うべきなのかについてお聞かせください。

Mustafa Suleyman：エージェントの未来における最初のステップは、あなたのコパイロットがあなたの見ているものを見るということです。AIコンパニオンが、あなたがブラウザで見ている画面のピクセル、デスクトップで見ているもの、スマートフォンで見ているものを実際に見ることができるようになることが重要です。これは、AIがあなたの感覚入力を常に認識するレベルをもたらします。

Reid Hoffman：つまり、視覚的情報の共有がエージェントの理解を大きく深めるということですね。

Mustafa Suleyman：そうです。あなたのコンパニオンもあなたが見ているものを観察できるようになると、「あのことを覚えている？」や「あれはどこにあった？」といった曖昧な参照を使うことができるようになります。これは、これまで私たちが持っていなかった種類の理解のレベルです。例えば、ウェブページで見た情報や、以前閲覧した文書の内容について曖昧に言及しても、AIはそれを理解できるようになります。

Reid Hoffman：それは人間同士の自然な会話に近づく大きなステップですね。私たちは日常会話でもよく「あれ」「それ」などの曖昧な指示語を使いますが、共通の視覚体験があるからこそ理解できるわけです。

Mustafa Suleyman：まさにその通りです。この視覚的共有は、AIがあなたの代わりに行動するための基盤にもなります。AIが見ているものを理解することで、ブラウザでの操作、APIの使用、予約や購入、計画立案などをより適切に行うことができるようになります。あなたの視覚的環境を共有することで、AIはあなたの意図や文脈をより深く理解し、より効果的にサポートできるようになるのです。

Reid Hoffman：その視覚的理解によって、AIと人間の間のコミュニケーションギャップが大きく埋まりそうですね。

Mustafa Suleyman：その通りです。これまでのAIとの対話では、私たちは自分の状況や見ているものを言葉で説明する必要がありました。しかし、AIが直接あなたの視覚的環境を共有することで、その説明の負担が大幅に減少します。これにより、より自然で直感的な対話が可能になり、AIがあなたの状況をリアルタイムで理解しながらサポートするという新しい形のインタラクションが生まれるでしょう。

5.2 AIコンパニオンの環境認識能力

Mustafa Suleyman：エージェントの未来における重要な要素は、AIコンパニオンがユーザーの環境を常に認識できる能力です。あなたのAIアシスタントやコンパニオンは、あなたがブラウザやデスクトップ、スマートフォンで見ている画面のピクセルを実際に「見る」ことができるようになります。これは、あなたの感覚入力に対する一種の常時認識を意味します。

Reid Hoffman：その環境認識能力は、具体的にユーザーにどのような体験をもたらすのでしょうか？

Mustafa Suleyman：あなたのコンパニオンもあなたが見ているものを観察できるようになると、「あのことを覚えている？」や「あれはどこにあった？」「何だっけ？」といった曖昧な参照を使った会話が可能になります。例えば、ウェブブラウジング中に見た情報について、正確な場所や文脈を説明しなくても、AIがその参照を理解できるようになります。これは、人間同士の自然な会話に近い体験です。

Reid Hoffman：確かに、人間同士の会話でも共有された視覚体験があることで、多くの言葉を省略しても理解し合えますね。

Mustafa Suleyman：そうです。そして、この環境認識能力はさらに発展していくでしょう。AIは単にスクリーン上の情報を見るだけでなく、それがどのような文脈で表示されているのか、あなたが何を探している途中なのか、何を達成しようとしているのかを理解するようになります。例えば、あなたが旅行の計画を立てている最中であれば、AIはそれを認識し、関連する情報やサジェスチョンを提供できるようになります。

Reid Hoffman：その環境認識が行動につながるということですね。

Mustafa Suleyman：その通りです。環境を認識することで、AIはあなたの意図や目的をより深く理解し、それに基づいた適切な行動を取ることができるようになります。これは単なる視覚的な認識を超えて、文脈や意図の理解にまで及びます。例えば、あなたが何かを探しているときに「あれはどこ？」と尋ねれば、AIは以前見た情報に基づいてそれを特定できるようになります。または、何か決断を下そうとしているとき、AIは関連する情報を自動的に提供できるようになるでしょう。

Reid Hoffman：これはAIと人間の協働の質を大きく向上させそうですね。

Mustafa Suleyman：はい。環境認識能力は、AIが真のコンパニオンやアシスタントになるための重要な要素です。それはあなたの周囲の世界を理解し、それに基づいて行動できるようになるということです。これまでのAIとの対話では、ユーザーが状況を説明する負担がありましたが、環境認識能力によって、その負担が大幅に軽減され、より直感的で自然な対話が可能になるでしょう。

5.3 ブラウザ操作やAPI利用などの代行機能

Mustafa Suleyman：環境認識能力を持つことで、AIはあなたに代わって行動を起こすことも可能になります。これには、ブラウザでのナビゲーション、APIの利用、予約、購入、計画立案などが含まれます。あなたの視覚的環境を理解することで、AIはあなたの代わりに様々なデジタルタスクを実行できるようになるのです。

Reid Hoffman：現在、そういった代行機能のデモはいくつか見られますが、実際の日常使用にはまだ距離があるように感じます。実用化までの道のりはどのようになっていくと予想されますか？

Mustafa Suleyman：現時点では、これらの機能はデモレベルの段階にあります。実際の本番環境での実装にはまだ少し時間がかかるでしょう。これは過去の技術発展のパターンとも一致しています。例えば、GPT-3の登場前にも大企業内でLLMが使われていましたが、それらは2020年から2021年頃のことで、非常に不安定でした。行動能力についても同様の状況にあると思います。

Reid Hoffman：つまり、現在は初期段階であり、実用レベルに達するまでには段階的な改善が必要だということですね。

Mustafa Suleyman：その通りです。現在は50〜60%の精度で動作するものがありますが、実用レベルでは99%の精度が必要です。これは、音声認識や音声入力の進化を考えると理解しやすいでしょう。それは15〜20年かけて発展してきたものであり、実際に99.5%の精度に達し、個人化され、広く採用されるようになったのはここ数年のことです。

Reid Hoffman：そういった行動機能の具体的な例としては、どのようなものが考えられますか？

Mustafa Suleyman：例えば、「来週の金曜日に家族4人分のフライトを予約して」と言うと、AIはあなたの過去の予約パターンや好みを理解し、複数のウェブサイトを検索し、最適なオプションを見つけて予約プロセスを完了することができるようになるでしょう。あるいは、「先月の電気代の請求書を見つけて」と言うと、AIはメールやドキュメントを検索し、適切なファイルを見つけて表示することができるようになります。

Reid Hoffman：そのような代行機能が実現すると、私たちのデジタル体験はかなり変わりそうですね。

Mustafa Suleyman：はい、これは私たちがデジタルタスクをどのように考え、アプローチするかを根本的に変えるでしょう。現在、多くのデジタルタスクは複数のステップと異なるプラットフォーム間の移動を必要としますが、AIエージェントはそれらのステップを代行し、私たちは最終結果に集中できるようになります。ブラウザからデスクトップ、そしてスマートフォンへと、異なるエコシステム間をシームレスに移動する能力も重要になるでしょう。これによって、デジタルタスクの複雑さが大幅に軽減されることになります。

5.4 実用レベルへの到達に必要な精度の向上（99%以上）

Mustafa Suleyman：エージェントの行動能力を実用レベルに引き上げるには、現在の50～60%の精度から99%以上への大幅な向上が必要です。これは非常に大きなハードルですが、過去の技術発展のパターンを見ると、達成可能な目標だと考えています。

Reid Hoffman：その精度向上の重要性について、他の技術との比較で考えることはできますか？

Mustafa Suleyman：音声認識や音声入力の例を考えると理解しやすいでしょう。これらの技術は15～20年かけて発展してきました。そして、実際に広く採用されるようになったのは、精度が99.5%程度に達し、個人化される技術が確立されてからのことです。これは実際にここ2～3年、あるいは3～4年の間に起こったことです。そして今、音声入力を優先的に使う人が急増し始めているのを目にしています。

Reid Hoffman：つまり、技術的には可能でも、実用化には特定の閾値を超える必要があるということですね。

Mustafa Suleyman：その通りです。あるレベルの精度に達するまでは、ユーザーはその技術を信頼して日常的に使うことをためらいます。例えば、音声認識が80%の精度であれば、誤認識の修正に時間を取られ、結局キーボード入力の方が速いと感じるでしょう。しかし99%以上の精度になると、その技術はほぼシームレスに機能し、ユーザーは認知的な負担なく利用できるようになります。

Reid Hoffman：AIエージェントの行動能力についても同様のパターンが予想されるということですね。

Mustafa Suleyman：はい。現在のデモでは、エージェントがウェブページを閲覧したり、フォームに入力したりする様子が見られますが、実際の使用では、これが100回中99回以上正確に機能する必要があります。誤った行動が多ければ、ユーザーはその機能を信頼せず、結局自分で操作する方が早いと判断するでしょう。この精度の閾値を超えることが、AIエージェントが日常的なツールとして広く受け入れられるための鍵となります。

Reid Hoffman：この精度向上はどのような方法で達成されると思いますか？

Mustafa Suleyman：様々なアプローチがあります。より多くの訓練データ、特に行動軌跡のデータを集めること、監視付き微調整技術の改善、エラーからの学習メカニズムの強化、そして環境認識能力の向上などが挙げられます。特に重要なのは、複雑なデジタル環境での行動軌跡を理解するためのデータ収集です。ブラウザからデスクトップへの移動、スマートフォンへの受け渡し、異なるエコシステム間の移動など、実際の使用パターンを学習することが必要です。これらの改善が組み合わさることで、徐々に精度が向上し、最終的に実用レベルに達すると考えています。

6. 音声インターフェースの可能性

6.1 検索ボックスの制約から解放される音声入力

Mustafa Suleyman：音声インターフェースと生成AIの組み合わせは、私たちのデジタル体験を根本的に変える可能性を秘めています。これについて考えるとき、インターフェースの形状が、どのような入力が可能かを決定するという点が非常に重要です。検索エンジンの検索ボックスが単なる「文字入力ボックス」であったために、私たちは「検索の言語」を話すことを学んだのです。

Reid Hoffman：検索クエリは実際にどれくらいの長さなのでしょうか？

Mustafa Suleyman：平均で1.6語です。これは文章ですらありません。私たちは自分のアイデアを3〜5語に圧縮し、それすらも完全な文章になっていないのです。これは検索ボックスという物理的な制約によって形作られた行動パターンだと言えます。

Reid Hoffman：音声インターフェースがその制約を解放するということですね。

Mustafa Suleyman：その通りです。音声体験の興味深い点は、コンピュータとやり取りするときに、あなたの心の新しい部分を解放することです。なぜなら、完全な文章で話すことができ、自己修正ができ、考えながら前後に行ったり来たりできるからです。通常の会話で自然に発生する「余分な部分」も含めて話すことができます。そして、モデルがパラグラフ単位であなたに返答すると、これまでデジタル化しようとも思わなかったことについて質問したり、話したりするようになるのです。

Reid Hoffman：つまり、インターフェースの変化が、私たちがAIに対して何を求めるかという本質的な部分まで変えるということですね。

Mustafa Suleyman：そうです。これは行動面で何が起こりそうかを示す良い枠組みだと思います。常に利用可能なAIコンパニオンがあり、それがあなたができるどんなデジタルタスクでも実行できるようになると、現在自分でコンピュータ上で行っていないことをAIに依頼するようになるでしょう。これは大きな変化です。なぜなら、何かを実行するための障壁が大幅に下がるからです。限界コストがゼロになり、摩擦が本当に減少するため、自分でやるには面倒すぎることでも、AIに頼むようになるのです。

Reid Hoffman：音声インターフェースによって、コンピュータとの対話の敷居が下がり、より自然な対話が可能になるということですね。

Mustafa Suleyman：まさにその通りです。検索ボックスという物理的な制約から解放されることで、私たちはより自然な形で思考を表現し、質問し、指示することができるようになります。そして、それに対してAIもパラグラフ単位の自然な応答を返すことで、これまでとは質的に異なる対話体験が生まれるのです。この制約からの解放は、AIとの対話の可能性を大きく広げることになるでしょう。

6.2 完全な文での対話が開く新しい思考様式

Mustafa Suleyman：音声体験のもう一つの重要な側面は、完全な文章で話すことができるようになることで、コンピュータとの対話時に心の新しい部分が解放されることです。検索ボックスでの数語の入力とは異なり、音声インターフェースでは完全な文で自分の考えを表現できます。これは単なる入力方法の変化以上の意味を持ちます。

Reid Hoffman：その完全な文での対話が、私たちの思考様式をどのように変えるのでしょうか？

Mustafa Suleyman：完全な文で話せることで、自己修正ができ、考えながら前後に行ったり来たりできるようになります。頭の中で思いついたままに話すときに自然に発生する「余分な部分」も含めて表現できるのです。そして、それに対してAIがパラグラフ単位で返答してくると、私たちはこれまでデジタル化しようとも思わなかったことについて考え、質問し、表現するようになります。

Reid Hoffman：つまり、インターフェースの制約が取り除かれることで、私たちの思考そのものが拡張される可能性があるということですね。

Mustafa Suleyman：その通りです。検索ボックスという制約の中では、私たちは「検索言語」を話すことを学び、自分の考えを平均1.6語という非常に短い表現に圧縮してきました。それは完全な文章ですらありません。しかし音声インターフェースでは、私たちは自然な言語で考え、話すことができます。考えを途中で修正したり、詳細を追加したり、文脈を説明したりすることが容易になります。

Reid Hoffman：それは会話と思考の間の障壁を低くするということですね。

Mustafa Suleyman：はい、その通りです。音声インターフェースにより、私たちの頭の中で形成される自然な思考の流れを、ほぼそのままの形でAIに伝えることができるようになります。そしてAIはそれに対して、同じく自然な文章形式で応答します。この双方向の自然言語による対話が、私たちの思考様式そのものに影響を与えるのです。例えば、複雑な問題についても、それを明確に言語化する手間なしに探索できるようになります。これは私たちが考え、学び、理解する方法に大きな変化をもたらすでしょう。

6.3 デジタルタスクへの障壁低下の効果

Mustafa Suleyman：音声インターフェースとAIの組み合わせが実現すると、デジタルタスクを実行するための障壁が劇的に低下します。これは単に操作が便利になるというだけでなく、私たちがデジタル世界とどのように関わるかを根本的に変える可能性があります。

Reid Hoffman：その障壁の低下は、具体的にどのような影響をもたらすと考えていますか？

Mustafa Suleyman：常に利用可能なAIコンパニオンがあり、それがあなたができるどんなデジタルタスクでも実行できるようになると、あなたは現在自分でコンピュータ上で行っていないことをAIに依頼するようになるでしょう。これは大きな変化です。なぜなら、何かを実行するための障壁が大幅に下がるからです。それは限界コストがゼロになることと、摩擦が本当に減少することの両方によるものです。

Reid Hoffman：つまり、現在は「面倒だからやらない」と思っているようなタスクも、簡単に実行できるようになるということですね。

Mustafa Suleyman：その通りです。例えば、今日私たちは検索を比較的頻繁に行いますが、それでも1日に5〜8回程度です。これはかなりの量ですが、スマートフォンを取り出してタイピングするというのは、依然としてかなりの労力が必要です。しかし、入力の障壁が下がると、表出される創造的な思考の範囲は必然的に増加します。

Reid Hoffman：その障壁低下がもたらす具体的な例はありますか？

Mustafa Suleyman：例えば、今なら「この曲の歌詞は何だっけ？」と思っても、スマートフォンを取り出し、アプリを開き、検索するという手順を踏むのが面倒で諦めるかもしれません。しかし、単に声に出して質問するだけでよいなら、そのハードルは大幅に下がります。同様に、「このレシピにはどのくらいの塩が必要だったっけ？」「この道路工事はいつまで続くの？」などの日常的な疑問も、即座に声で尋ねることができるようになります。

Reid Hoffman：それは情報へのアクセスだけでなく、タスクの実行にも当てはまりますね。

Mustafa Suleyman：そうです。「来週の会議を全員に通知して」「先月の経費をまとめたスプレッドシートを作って」「このPDFから主要なポイントを抽出して」などのタスクも、声だけで指示できるようになります。現在は、これらのタスクを実行するには複数のアプリを開き、様々な操作を行う必要がありますが、その障壁が取り除かれると、私たちはより多くのタスクを実行するようになるでしょう。これにより、私たちの生産性や創造性が大幅に向上する可能性があります。

6.4 音声による日常的な使用頻度の増加

Mustafa Suleyman：現在の検索などのデジタルインタラクションの頻度について考えると、私は自分でもかなり検索を多くしていると思いますが、それでも1日に5〜8回程度です。これはすでにかなりの量ですが、スマートフォンを取り出してタイピングするというのは、依然としてかなりの労力です。

Reid Hoffman：確かに検索の頻度は個人によって異なりますが、現在でもタイピングという物理的な障壁があるために、実際に調べたいことの全てを検索しているわけではないのですね。

Mustafa Suleyman：その通りです。そしてここで音声という要素が加わると、使用パターンが劇的に変化します。音声認識の精度が99.5%を超え、個人化され、よりコンテキストを理解できるようになった今、音声を第一の手段として使うユーザーが急増しています。部分的にはその入力の容易さによるものですが、生成側の改善も大きく貢献しています。

Reid Hoffman：音声インターフェースによって、デジタルインタラクションの頻度がどの程度増加する可能性があるとお考えですか？

Mustafa Suleyman：1日5〜8回だった検索が、音声インターフェースによって数十回、場合によっては100回以上になる可能性があります。なぜなら、考えたその瞬間に質問できるからです。スマートフォンを取り出し、ロックを解除し、アプリを開き、タイプするという一連の手順が不要になります。例えば、料理中に手が汚れていても声で情報を求めることができますし、運転中でも安全に質問できます。また、社会的状況でもさりげなく情報を得ることができるようになります。

Reid Hoffman：その使用頻度の増加は、AIとのインタラクションの質にも影響しそうですね。

Mustafa Suleyman：確かにその通りです。頻度が増加することで、AIはユーザーの好みや行動パターンをより深く理解するようになります。日常的に対話することで、AIはユーザーの言語パターン、関心事、文脈をより適切に把握できるようになります。これにより、より個人化された応答が可能になり、それがさらに使用頻度を高めるという好循環が生まれるでしょう。

Reid Hoffman：つまり、音声インターフェースは単に便利であるだけでなく、AI技術の可能性を最大限に引き出す鍵になるということですね。

Mustafa Suleyman：そうです。音声インターフェースとAIの組み合わせは、私たちがデジタル世界とどのように関わるかを根本的に変える可能性があります。これまでは意識的に「検索しよう」と決めた時だけ情報を求めていましたが、これからは日常会話の延長として、自然に情報を求め、タスクを依頼するようになるでしょう。これは単なる量的な変化ではなく、人間とテクノロジーの関係性における質的な変化をもたらすと考えています。

7. 創造性とAIの相互作用

7.1 思考の閾値を下げる効果

Mustafa Suleyman：AIとの相互作用が私たちの創造性にどのような影響を与えるかを考えるとき、思考の閾値が下がるという効果が特に重要です。一日の中で湧き上がる無数のランダムなアイデアや疑問について考えてみてください。自分の潜在意識を深く観察すると、「あれってどうなんだろう」「これは何だろう」といった瞬間が頻繁にあることに気づくでしょう。

Reid Hoffman：それらの思考は多くの場合、表出されないままですよね？

Mustafa Suleyman：その通りです。それらの思考は言語化する前の段階で、ほとんど言語以前の状態にあります。多くの場合、それらは声に出されることがありません。なぜなら、常にあなたの考えを聞いてくれる誰かがそばにいるわけではないからです。

Reid Hoffman：自分の「クレイジーな思考」を聞いてくれる相手がいないということですね。

Mustafa Suleyman：そうです。あなた自身以外には。そして、いつも何かをタイプして入力する努力をするわけでもありません。スマートフォンを取り出してタイプするというのは、実際にはハードルが高いのです。私は自分でもかなり検索をしていると思いますが、それでも1日に5〜8回程度です。これはすでにかなりの量の努力です。

Reid Hoffman：AIとの音声インターフェースによる対話が、その思考の閾値を下げるということですね。

Mustafa Suleyman：その通りです。情報を得るためのハードルが下がると、表出される創造的思考の範囲は必然的に広がります。例えば、ふと思いついた疑問や仮説、「これは可能だろうか？」というような思考を、すぐに声に出して探求できるようになります。以前なら、その思考はすぐに忘れられるか、「後で調べよう」と思っても実際には調べないままになっていたかもしれません。

Reid Hoffman：つまり、思考から表現、そして探求までの距離が短くなるということですね。

Mustafa Suleyman：正確にその通りです。そして、それは単に情報を得やすくなるという以上の意味があります。思いついたアイデアをすぐに発展させることができ、AIがそれに応答し、さらに質問を投げかけることで、新しい思考の道筋が開かれます。これにより、これまで発展することのなかった創造的なアイデアが育まれる可能性があります。思考の閾値が下がることで、私たちの創造的なプロセス全体がより活発になり、より多くのアイデアが実現に向けて前進する機会を得るのです。

7.2 日常の疑問や閃きを捉える可能性

Mustafa Suleyman：一日の中で私たちの心に浮かぶランダムなアイデアや疑問の数について考えてみてください。本当に深く自分の潜在意識を観察すると、一日中「何だろう」「あれは何か」「これについてどう思う」といった瞬間が無数にあることに気づくでしょう。これらはほとんど言語以前の状態で、多くの場合声に出されることはありません。

Reid Hoffman：それらの閃きや疑問は、通常捉えられないまま消えていってしまうのですね。

Mustafa Suleyman：その通りです。なぜなら常にあなたのクレイジーな考えを聞いてくれる誰かがそばにいるわけではないからです。あなた自身以外には。そして、それらすべてを入力するような努力もしないでしょう。スマートフォンを取り出してタイプするという行為自体が、実際にはかなり高いハードルなのです。

Reid Hoffman：AIコンパニオンがその日常の閃きを捉える可能性について、もう少し詳しく教えていただけますか？

Mustafa Suleyman：AIコンパニオンとの音声インターフェースを通じた対話が、これらの瞬間的な疑問や閃きを捉える強力な手段になると考えています。例えば、買い物リストに何かを追加したいと思ったとき、料理中にレシピの特定の手順について疑問が浮かんだとき、あるいは通勤中に突然ビジネスのアイデアが閃いたとき、それらをすぐに声に出して記録し、発展させることができるようになります。

Reid Hoffman：そういった日常の閃きを捉えることで、長期的にどのような価値が生まれるとお考えですか？

Mustafa Suleyman：これは単なる便利さ以上の価値があります。日常の閃きや疑問の多くは、実は将来の革新や発見の種となり得るものです。例えば、科学的なブレークスルーの多くは、「なぜこれはこうなるのだろう？」といった単純な疑問から始まることがあります。あるいは、ビジネスにおける革新的なアイデアも、日常生活の中での小さな不満や気づきから生まれることが多いのです。これらの瞬間的な思考を捉え、記録し、発展させる能力は、個人の創造性や問題解決能力を大きく拡張する可能性があります。

Reid Hoffman：つまり、通常は捉えられずに消えていってしまう多くの価値ある思考が、AIコンパニオンによって保存され、活用される可能性があるということですね。

Mustafa Suleyman：そうです。そして、AIコンパニオンはただ記録するだけでなく、その場でフィードバックを提供したり、関連する情報を提示したり、さらなる質問を投げかけたりすることで、その閃きを発展させる助けにもなります。これにより、単なる思いつきが具体的なアイデアや解決策に発展する可能性が高まります。日常の疑問や閃きを捉える能力は、AIが個人の知的な旅に同行するパートナーとなる上で、最も重要な側面の一つになると考えています。

7.3 潜在意識レベルの思考の表出

Mustafa Suleyman：AIとの対話がもたらす最も興味深い側面の一つは、通常は潜在意識レベルにとどまる思考が表出される可能性です。私たちの心の中には、ほとんど言語化されない思考が常に流れています。これらの思考は言語以前の状態にあり、多くの場合それらを意識して声に出したり、誰かと共有したりすることはありません。

Reid Hoffman：それらの潜在意識レベルの思考は、どのようにAIとの対話によって表出されるのでしょうか？

Mustafa Suleyman：入力の障壁が下がることで、私たちはこれまで言語化する労力をかけなかった思考も表現するようになります。例えば、「これは何だろう？」「なぜこうなるのだろう？」といった疑問や、「こんなことができたらいいのに」というような願望、あるいは単なる連想や直感などです。これらは通常、あまりにも断片的または未熟と感じて、誰かに話したり、書き留めたりするほどのものではないと判断されます。

Reid Hoffman：つまり、音声インターフェースの自然さと低い障壁が、これらの思考を捉える機会を生み出すということですね。

Mustafa Suleyman：その通りです。そして、AIコンパニオンがこれらの半ば形成された思考に応答することで、私たちはそれらをさらに発展させる機会を得ます。例えば、あなたが「なんとなく、この二つの概念の間に関連性がありそうな気がする」と言ったとき、AIはその関連性について質問を投げかけたり、可能な接続点を提案したりすることができます。これによって、それまで潜在意識の中でぼんやりと存在していた思考が、より明確な形を取り始めるのです。

Reid Hoffman：その過程で、自分自身でも気づいていなかった思考パターンや関心が明らかになる可能性もありますね。

Mustafa Suleyman：まさにその通りです。私たちは自分の思考の多くを意識的に追跡していません。しかし、AIとの継続的な対話を通じて、繰り返し現れるテーマや関心事、あるいは特定の問題に対するアプローチの傾向などが浮かび上がってくる可能性があります。AIは私たちの潜在意識レベルの思考を反映する鏡のような役割を果たし、それによって自己理解を深める助けになるかもしれません。

Reid Hoffman：それはクリエイティブな分野でも特に価値がありそうですね。

Mustafa Suleyman：そうですね。芸術家、作家、音楽家、科学者など、創造的な仕事をしている人々にとって、潜在意識レベルの思考にアクセスすることは特に価値があります。多くのブレークスルーは、論理的な思考の外側にある直感やひらめき、無意識の連想から生まれるものです。AIがこれらの瞬間を捉え、発展させるパートナーとなることで、創造的なプロセスをさらに豊かにする可能性があります。これは単なる便利さや効率性を超えた、真に変革的な可能性を秘めていると思います。

8. AIのメモリ機能の革新

8.1 2025年までの永続的メモリの実現予測

Mustafa Suleyman：私が非常に確信しているのは、2025年までにAIの永続的メモリが実現するということです。永続的メモリという機能がエージェントの行動能力よりもずっと先に来ると予測しています。これは非常に確信的な予測です。

Reid Hoffman：それは興味深いですね。なぜメモリ機能がそれほど早く実現すると考えるのでしょうか？

Mustafa Suleyman：考えてみてください。私たちはすでにウェブ上でメモリ機能を持っています。ウェブから情報を検索し、かなり正確に取得することができます。例えば、Co-pilotは現在、非常に優れた引用機能を持っており、15分前に起きたニュースでも、ウェブ上で何が起こっているかを把握できます。

Reid Hoffman：つまり、既存の技術基盤がすでに整っているということですね。

Mustafa Suleyman：そうです。私たちはこれを個人の知識グラフに圧縮して適用するだけなのです。自分の文書やメール、カレンダーなどの情報を追加することも可能になるでしょう。メモリ機能はこれらのエクスペリエンスを完全に変革するでしょう。

Reid Hoffman：永続的メモリがAIとの対話をどのように変えるのか、もう少し具体的に教えていただけますか？

Mustafa Suleyman：現在、AIとの対話で本当に意味のある会話をしたり、創造的なアイデアを探索したりしても、数セッション後に戻ってくると、AIは完全に忘れているのです。「ゼロからやり直しましょう」という状態になります。これは非常にフラストレーションを感じる体験です。

Reid Hoffman：それは確かに大きな制限ですね。過去の文脈を失うことで、継続的な対話の価値が大きく損なわれます。

Mustafa Suleyman：そうなんです。永続的メモリがあれば、3、4、5回のセッションを経ても、AIは過去の対話を覚えています。そして、「数週間前に話していたあのことについて、これはどう関係するのだろう？」といった曖昧な参照も理解できます。これは単なる便利さではなく、AIとの対話の質を根本的に変えるものです。創造的な探索が一回限りのものではなく、時間をかけて発展し続けるようになるのです。

Reid Hoffman：それはAIを本当の意味での「思考のパートナー」にする重要なステップですね。

Mustafa Suleyman：まさにその通りです。永続的メモリは、あなたの第二の脳としての機能を強化し、あなたの心の拡張として機能します。そして、これはEQの側面が非常に重要になる理由の一つでもあります。単に情報を記憶するだけでなく、あなたとの対話の文脈や感情的なニュアンスも記憶することで、より深い理解とつながりを生み出すからです。2025年までに、この永続的メモリ機能は標準になると確信しています。

8.2 個人の知識グラフの構築

Mustafa Suleyman：永続的メモリの実現において最も重要な要素の一つが、個人の知識グラフの構築です。私たちはすでにウェブ上で情報を検索し、かなり正確に取得する機能を持っています。今後必要なのは、この技術を個人の知識グラフに適用することです。

Reid Hoffman：個人の知識グラフとは具体的にどのようなものなのでしょうか？

Mustafa Suleyman：個人の知識グラフとは、あなたに関連する情報、あなたの関心事、過去の対話、重要な概念や人々の関係性などを構造化して保存するものです。ウェブの知識グラフが公共の情報を体系化するのと同様に、個人の知識グラフはあなた固有の情報領域を体系化します。

Reid Hoffman：これは私たちが現在ウェブで行っている検索や情報取得とは質的に異なりますね。

Mustafa Suleyman：その通りです。現在のCo-pilotは非常に優れた引用機能と情報検索能力を持っていますが、それらはまだ主に公共のウェブに基づいています。個人の知識グラフでは、あなた自身に関連する情報、あなたが過去に検索した内容、AIとの過去の対話、あなたが興味を示したトピックなどが統合されます。

Reid Hoffman：そのような個人の知識グラフが構築されることで、AIとの対話はどのように変わるのでしょうか？

Mustafa Suleyman：AIはあなたの関心事、知識の背景、過去の対話の文脈を理解した状態で応答できるようになります。例えば、「前回話していたあのプロジェクトについて、もう少し掘り下げたい」と言うだけで、AIはどのプロジェクトについて話していたのか、どの側面に特に興味を持っていたのかを理解できるようになります。また、新しい情報や概念を紹介するとき、あなたの既存の知識体系との関連性を理解した上で説明することができます。

Reid Hoffman：プライバシーやセキュリティの観点からは、どのような課題がありますか？

Mustafa Suleyman：これは確かに重要な側面です。個人の知識グラフには非常に個人的で機密性の高い情報が含まれる可能性があります。そのため、ユーザーが自分のデータにどのようにアクセスし、どのように使用されるかを完全に制御できることが不可欠です。私たちはユーザーが自分の個人情報を安全に保ちながら、AIの能力の恩恵を受けられるよう、プライバシー保護技術とユーザー制御メカニズムの開発に注力する必要があります。

Reid Hoffman：個人の知識グラフの構築には、どのようなデータソースが活用されるのでしょうか？

Mustafa Suleyman：様々なソースが考えられます。AIとの対話履歴、検索クエリ、閲覧履歴などの基本的なものに加えて、許可を得た上でメール、カレンダー、文書などの個人的なデジタル資産も統合できるでしょう。重要なのは、これらのデータソースをただ集積するだけでなく、意味のある関連性を持った知識グラフとして構造化することです。これにより、単なるデータの集まりではなく、あなたの思考や関心の体系を反映した真の「第二の脳」として機能することができるのです。

8.3 文書・メール・カレンダーの統合

Mustafa Suleyman：個人の知識グラフをさらに強化するために、私たちはそこに個人の文書、メール、カレンダーなどの情報を統合することができます。これは永続的メモリ機能の重要な要素の一つです。

Reid Hoffman：そのような個人データの統合は、AIの機能をどのように拡張するのでしょうか？

Mustafa Suleyman：例えば、あなたの文書やメールを統合することで、AIは単に一般的な知識だけでなく、あなたの個人的なプロジェクト、関心事、過去のやり取りについての文脈を持つことができます。カレンダー情報を統合すれば、AIはあなたのスケジュール、予定、時間的な制約を理解した上で提案や支援を行うことができるようになります。

Reid Hoffman：プライバシーの観点からは、これは微妙な問題も含んでいますね。

Mustafa Suleyman：その通りです。これはユーザーの同意と制御に基づいて行われるべきです。技術的には、これらの情報をAIの永続的メモリに統合することはすでに可能です。Co-pilotは現在でもウェブ上の情報を非常に正確に取得し、15分前に起きたニュースを把握することができます。同様の技術を個人データに適用するだけなのです。

Reid Hoffman：この統合によって、どのような新しい使用シナリオが考えられますか？

Mustafa Suleyman：例えば、「先週のミーティングで話し合った予算案について、最新の財務データと照らし合わせて分析してほしい」というような複雑なリクエストにAIが応えられるようになります。AIはミーティングの内容（カレンダーやメモから）、予算案（文書から）、最新の財務データ（メールや文書から）を統合的に理解し、分析を提供できます。あるいは、「以前話し合ったプロジェクトのスケジュールと、現在の進捗状況を比較して、調整が必要な部分を教えて」といった複雑な支援も可能になります。

Reid Hoffman：これは単なる情報検索を超えた、真のパーソナルアシスタントの機能ですね。

Mustafa Suleyman：そうです。そしてこれこそが、私が2025年までに永続的メモリが実現すると確信している理由の一つです。技術的には、ほとんどの基盤が既に存在しています。必要なのは、これらの個人データソースを安全かつプライバシーを保護しながら統合するためのフレームワークを構築することです。これにより、AIは単なる情報提供者やタスク実行者を超えて、あなたの個人的な文脈を理解した真のアシスタントやコンパニオンになることができるのです。

8.4 過去の対話を記憶することによる創造的探索の継続性

Mustafa Suleyman：AIのメモリ機能が本当にエクスペリエンスを変革するのは、過去の対話を記憶することによる創造的探索の継続性においてです。現在、AIとの対話で本当に意味のある会話や創造的なアイデアの探索をしても、数セッション後に戻ってくると、その文脈は完全に失われてしまいます。

Reid Hoffman：それは確かに現在のAIとの対話における大きな制限ですね。それぞれのセッションが孤立していて、継続性がない。

Mustafa Suleyman：その通りです。これは非常にフラストレーションを感じる体験です。あなたがAIと深い対話を持ち、興味深い探索を行ったとしても、3回、4回、5回と別のセッションを経た後に戻ってくると、「さあ、最初からやり直しましょう」という状態になります。これでは本当の意味での継続的な創造的探索は難しいのです。

Reid Hoffman：永続的メモリがあることで、どのように状況が変わりますか？

Mustafa Suleyman：永続的メモリがあれば、AIは過去の対話の内容だけでなく、その文脈や発展の軌跡も記憶することができます。例えば、「3週間前に議論していたあのアイデアについて、これとどう関連するだろうか？」というような曖昧な参照をしても、AIはその文脈を理解できるようになります。これにより、創造的な探索は一回限りのものではなく、時間とともに深まり、発展していくことが可能になります。

Reid Hoffman：それは単なる便利さを超えた、対話の質的な変化をもたらしそうですね。

Mustafa Suleyman：まさにその通りです。創造的な思考や複雑な問題解決は、通常一度の対話セッションで完結するものではありません。時間をかけて考え、離れ、また戻ってくるというプロセスを繰り返します。永続的メモリを持つAIは、このような人間の思考プロセスに寄り添い、それを支援することができるようになります。例えば、あるプロジェクトについて数週間にわたって断続的に対話し、そのたびに新しいアイデアを探索したり、前回の議論を踏まえて発展させたりすることが可能になります。

Reid Hoffman：創造的な協業のパートナーとしてのAIの可能性が大きく広がりますね。

Mustafa Suleyman：そうです。そして、この創造的探索の継続性こそが、AIを単なるツールから真の意味での「思考のパートナー」へと変える鍵となるでしょう。AIがあなたの考えの軌跡を理解し、それを時間をかけて発展させる手助けをすることで、より深い洞察や革新的なアイデアが生まれる可能性があります。これは第二の脳としてのAI、あなたの心の拡張としてのAIという考え方が、単なる比喩ではなく実感を伴うものになる瞬間だと思います。

9. モデルの技術的進化

9.1 大規模モデルと小規模モデルの同時発展

Reid Hoffman：モデルの技術的進化について、もっと戦術的な観点からお話をうかがいたいと思います。特に起業家が今後数年間のこの分野の進化をどう考えるべきか、どのような点に注目すべきかについて教えていただけますか？

Mustafa Suleyman：朗報は、モデルが同時に大きくも小さくもなっているということです。これは今後も間違いなく続くでしょう。ここ1年で新たな注目を集めているのは「蒸留（distillation）」と呼ばれる手法です。これは、大きく非常に賢く、推論に費用のかかるモデルが、小さなモデルに教えるというものです。そしてAIからのフィードバックによる強化学習が行われます。この監視は非常に効果的であるという良い証拠が今出てきています。

Reid Hoffman：つまり、フロンティアの大規模モデルと、より小さな特化型モデルの両方が重要な役割を果たすということですね。

Mustafa Suleyman：その通りです。スケールは依然としてゲームの一部であり続けるでしょう。まだ拡大する余地は十分にありますし、データも豊富にあります。少なくとも今後2〜3年は、スケールモデルが優れたパフォーマンスを提供し続けると考えています。一方で、蒸留技術によって、これらの大規模モデルから学んだ知識を効率的な小規模モデルに移転することも可能になっています。

Reid Hoffman：大規模モデルと小規模モデルの関係は、どのように進化していくとお考えですか？

Mustafa Suleyman：これは相互補完的な関係になっていくでしょう。大規模モデルは引き続き新たな能力の前線を押し広げていきます。そして、それらの能力の中で特定の用途に必要なものが、より効率的な小規模モデルへと蒸留されていくのです。例えば、特定の業界向けの知識や特定のタスクに関する専門性など、文脈によって必要とされる能力が小規模モデルに移転されます。

Reid Hoffman：起業家にとっては、この両方の発展軌道を理解することが重要ですね。

Mustafa Suleyman：その通りです。起業家は、大規模モデルが提供する可能性と、小規模モデルがもたらす実装の現実性の両方を考慮する必要があります。最先端の能力が必要な用途には大規模モデルを活用し、特定のニッチや用途に特化したソリューションには小規模モデルを採用するという戦略が有効でしょう。両者の強みを理解し、それぞれに適した市場機会を見出すことが成功への鍵となります。

9.2 蒸留（distillation）手法の台頭

Mustafa Suleyman：この1年間で注目を集めている新しい手法が「蒸留」と呼ばれるものです。これは非常に重要な技術革新だと考えています。蒸留とは、大規模で高度な知性を持ち、推論コストの高いモデルが、小規模モデルに知識を教えるプロセスです。これにAIからのフィードバックを用いた強化学習を組み合わせることで、効率的な知識移転が可能になります。

Reid Hoffman：蒸留技術の効果について、どのような証拠が出てきているのでしょうか？

Mustafa Suleyman：この監視型の学習アプローチが非常に効果的であるという良い証拠が現在出てきています。大規模モデルが持つ知識や能力の特定の側面を、より小さく効率的なモデルに移転することができるのです。もちろん、全ての能力が完全に移転されるわけではありませんが、特定の用途や領域に必要な能力については効果的に移転できることが示されています。

Reid Hoffman：この蒸留技術は実際にどのような形で応用されているのでしょうか？

Mustafa Suleyman：例えば、大規模言語モデルが持つ特定の分野の知識や推論能力を、エッジデバイスでも動作する小規模モデルに移転するといった応用が進んでいます。また、大規模マルチモーダルモデルから特定のタスク（例えば画像説明や視覚的理解）に特化した小型モデルを作成するような取り組みもあります。この技術の特に興味深い点は、小さなモデルが大きなモデルの「教師」として機能することで、計算効率と専門性の両方を実現できることです。

Reid Hoffman：これは、AIの民主化という観点からも重要ですね。高度な能力が、より広範に利用可能になるということですから。

Mustafa Suleyman：その通りです。蒸留技術の台頭により、最先端の大規模モデルが開発した能力が、より広範なデバイスや環境で利用可能になります。これはAI技術をより多くの人々やビジネスが活用できるようにするという点で、非常に重要な進展です。特に計算リソースが限られた環境や、リアルタイム応答が必要なアプリケーションにとって、大きな意味を持ちます。

Reid Hoffman：これは今後どのように発展していくと考えていますか？

Mustafa Suleyman：蒸留技術は今後さらに洗練されていくでしょう。現在のアプローチでは、モデルの全体的な能力の一部が失われることがありますが、より効率的な知識移転方法が開発されるでしょう。また、特定のドメインや用途に特化した「専門家」モデルの開発も加速すると思います。これにより、一般的な大規模モデルでは難しかった特定分野での高度なパフォーマンスが、効率的な小型モデルで実現する可能性があります。蒸留は、AIモデルの進化における重要な道筋となっていくでしょう。

9.3 スケールの継続的重要性

Mustafa Suleyman：スケールは依然としてゲームの一部であり続けるでしょう。蒸留や小規模モデルの効率性が重要になってきているとはいえ、モデルの規模拡大はまだまだ続くと考えています。私たちはまだ拡大する余地が十分にあります。そしてデータも豊富に存在しています。

Reid Hoffman：スケール拡大がもたらす具体的なメリットはどこにあるのでしょうか？特に今後2〜3年を見据えると。

Mustafa Suleyman：私は少なくとも今後2〜3年は、スケールモデルが優れたパフォーマンスを提供し続けると確信しています。大規模モデルは、より広範な知識、より深い理解、より複雑な推論能力を持つ傾向があります。これらの能力は、新しいモダリティの追加やより複雑なタスクの遂行において特に重要になってきます。大規模モデルは、より多くのパラメータと訓練データを持つため、未見のパターンを認識し、複雑な指示を理解し、多様な文脈に適応する能力が高いのです。

Reid Hoffman：スケール拡大には限界もあるのではないでしょうか？特に計算コストや効率性の観点から。

Mustafa Suleyman：確かに、単純にモデルサイズを拡大し続けるだけでは、最終的には収穫逓減の法則に直面します。しかし、アーキテクチャの改善やより効率的な学習アルゴリズムによって、同じパラメータ数でもより高いパフォーマンスを達成することが可能になっています。また、計算効率の向上やハードウェアの進化によって、大規模モデルの訓練と推論のコストは継続的に低下しています。これらの要因により、スケールの重要性は今後も維持されるでしょう。

Reid Hoffman：スケールと効率性のバランスをどう考えますか？

Mustafa Suleyman：最終的には、大規模なフロンティアモデルと、そこから蒸留された効率的な小規模モデルの相互補完的なエコシステムが形成されていくと思います。大規模モデルは新たな能力の開発と実証の場として機能し、その後、それらの能力の中で価値のあるものが小規模モデルに移転されていくのです。両方のアプローチが重要であり、それぞれが異なる用途や状況に適しているのです。

スケールの継続的重要性を示す興味深い例として、マルチモーダル学習があります。テキスト、画像、音声、ビデオなど複数のモダリティを統合して理解するためには、大量のパラメータと計算能力が必要です。これらの複雑なタスクは、少なくとも現時点では、大規模モデルでこそ効果的に実現できるものなのです。

9.4 新しいモダリティの追加（動画・画像）

Mustafa Suleyman：モデルの技術的進化において、もう一つの重要な側面は新しいモダリティの追加です。私たちはすでに画像や動画などのモダリティをモデルに組み込み始めていますが、これは今後さらに発展していくでしょう。

Reid Hoffman：新しいモダリティの統合は、現在のAIモデルにどのような可能性をもたらしますか？

Mustafa Suleyman：これらの新しいモダリティを追加することで、モデルはより包括的な世界理解を獲得できるようになります。例えば、ビデオや画像の理解能力を持つことで、AIは単にテキストの説明だけでなく、視覚的な情報を直接処理し、そこから意味を抽出することができるようになります。これにより、「このビデオを見て、何が起きているか教えて」というような新しい種類のクエリが可能になるのです。

Reid Hoffman：これらのマルチモーダル能力が実用的なアプリケーションに結びつくまでの道のりはどのようなものでしょうか？

Mustafa Suleyman：現在、私たちは様々なモダリティを追加する「ハード」な部分に取り組んでいます。しかし本当に難しいのは、複雑なデジタル表面全体にわたる行動の軌跡を理解することです。つまり、ブラウザからデスクトップへの移動、スマートフォンへの受け渡し、異なるエコシステムを行き来する能力などです。これらの異なる環境間での行動パターンを理解し、学習するためにも、複数のモダリティに対応することが不可欠です。

Reid Hoffman：マルチモーダルモデルの訓練には、どのような種類のデータが必要になりますか？

Mustafa Suleyman：私たちはこれらの軌跡のデータを大量に収集し、教師あり微調整を行い、その他の技術を活用しています。特に重要なのは、ユーザーが実際にどのようにデジタル環境を移動し、異なるモダリティ間でどのように情報を処理するかを示すデータです。例えば、ユーザーが画像を見て、それについて質問し、その後テキストを使って応答するといった複合的な相互作用のパターンを捉えることが重要です。

Reid Hoffman：マルチモーダルAIの発展が、人間とAIの相互作用をどのように変えていくと思いますか？

Mustafa Suleyman：これは人間とAIのインターフェースを根本的に変えるでしょう。現在、私たちの多くのデジタル体験はまだモダリティごとに分断されています。テキスト、画像、音声、動画などが別々のシステムで処理されています。しかし、真にマルチモーダルなAIは、人間が自然に行うように、これらすべてのモダリティをシームレスに統合できるようになるでしょう。例えば、あなたが「昨日見た動画に似た画像を見つけて、それについて説明して」というような指示を出したとき、AIはその文脈を理解し、異なるモダリティ間を移動しながら適切に応答できるようになるのです。これはより自然で直感的なAIとのインターフェースを実現する重要なステップとなります。

9.5 複雑なデジタル環境での行動軌跡の理解

Mustafa Suleyman：新しいモダリティの追加は重要ですが、実際に最も困難なのは、複雑なデジタル環境全体にわたる行動の軌跡を理解することです。私たちが本当に興味を持っているのは、例えばブラウザからデスクトップへの移動、スマートフォンへの受け渡し、あるいは壁で囲まれた庭の中や開かれたウェブなど、異なるエコシステム間での移動を含む行動軌跡なのです。

Reid Hoffman：そのような複雑なデジタル環境での行動パターンを理解することの技術的な課題は何でしょうか？

Mustafa Suleyman：これらの軌跡のデータを大量に収集し、教師あり微調整を行い、その他様々な方法を活用する必要があります。異なる環境間でのシームレスな移行を可能にするためには、各環境の固有の特性と、それらの間の関係性を理解する必要があります。例えば、ユーザーがブラウザで何かを検索し、その結果をデスクトップアプリケーションで開き、後でそれに関連する情報をスマートフォンで確認するといった一連の行動を、統一された文脈として理解することが重要です。

Reid Hoffman：このような行動軌跡の理解が、AIエージェントの能力にどのように影響するのでしょうか？

Mustafa Suleyman：これは、AIエージェントがより統合された、シームレスな支援を提供するために不可欠です。ユーザーの行動パターンと意図を理解することで、AIはデバイスや環境を越えてユーザーをサポートできるようになります。例えば、「昨日オフィスのコンピュータで作業していたプロジェクトを、今日の会議で使いたい」というリクエストに対して、AIは異なるデバイスや環境にまたがるプロジェクトの文脈を理解し、適切なファイルや情報を提供できるようになるのです。

Reid Hoffman：この分野の研究がエージェントの実用化にどのように貢献するのでしょうか？

Mustafa Suleyman：行動軌跡の理解は、エージェントの実用レベルへの到達において極めて重要です。現在の環境では、ユーザーは複数のデバイス、アプリケーション、プラットフォームを行き来しながら作業しています。エージェントがこの複雑な現実に対応するためには、これらの環境間の移行を理解し、一貫したサポートを提供できなければなりません。行動軌跡の理解が向上することで、エージェントは単一の環境内だけでなく、ユーザーの生活全体にわたって有用な存在となるでしょう。

Reid Hoffman：この分野での進展はどの程度早く起こると予想されますか？

Mustafa Suleyman：これは複雑な課題ですが、私たちは確実に進歩しています。大規模モデルの能力向上と、様々な環境からのデータ収集の改善により、今後2〜3年で大きな進展が見られるでしょう。特に、パターン認識と文脈理解の能力は急速に向上しています。ただし、行動軌跡の完全な理解と、それに基づくシームレスなサポートが一般的になるまでには、もう少し時間がかかるかもしれません。これは継続的な発展の領域であり、改善のための多くの機会が存在しています。

10. データと起業機会

10.1 プロンプトとデータの関係性

Reid Hoffman：データに関する議論は多く行われていますが、プロンプトとデータの関係性について、あまり十分に考慮されていない側面があるように思います。このトピックについての見解を聞かせていただけますか？

Mustafa Suleyman：プロンプトについて考えるとき、言語が少し混乱しているように思います。チャットボットに質問するとき、それは質問であって、プロンプトではありません。それは単なる質問です。一方、3ページにわたるスタイルガイドや模倣すべき例のセットを書くとき、それがプロンプトです。そして、その後にプロンプトされたモデルに質問をするのです。

Reid Hoffman：そのフレームワークからすると、プロンプトはある意味でデータとなるわけですね。

Mustafa Suleyman：その通りです。プロンプトは、事前訓練されたモデルに特定の方向で振る舞うよう指示を与える高品質なデータのセットなのです。モデルがわずか数ページの指示で全く異なる振る舞いができるというのは、それ自体が驚くべきことです。しかし、さらに一歩引いて考えると、モデルが微妙さや精度、繊細さをもって振る舞い、あなたのビジネスのブランド価値や独自の製品に忠実であるためには、何万もの良い振る舞いの例を示す必要があります。

Reid Hoffman：つまり、微調整のためのデータセットとしてのプロンプトの重要性についてお話しているのですね。

Mustafa Suleyman：そうです。それらの例を事前訓練プロセスの継続として、特定の高品質データに関してモデルに微調整する必要があります。その高品質データは正確であることが分かっているものです。そして朗報は、何万もの例が多くのニッチな領域や特定の垂直市場にとって非常にアクセスしやすいということです。これは多くのスタートアップにとって機会となります。事前訓練されたモデルの高品質な微調整に本当に力を入れることで、あなたが気にするポリシーへの安定した遵守が得られるのです。

Reid Hoffman：このようなプロンプトエンジニアリングの概念は、多くの起業家にとって重要な視点ですね。単に質問するのではなく、モデルの振る舞いを形作るデータセットを設計することの価値について。

Mustafa Suleyman：その通りです。多くの人が「プロンプト」という言葉を使うとき、彼らは単に質問や指示を意味していますが、本当のプロンプトエンジニアリングはモデルの振る舞いを根本的に形作る、綿密に設計された指示や例のセットを作成することです。これこそが、特定の用途や領域に特化したAIソリューションを構築する際の重要な差別化要因となり得るのです。

10.2 高品質な指示による事前訓練モデルの方向付け

Mustafa Suleyman：プロンプトというのは、事前訓練されたモデルに特定の方向で振る舞うよう指示を与える高品質なデータセットです。モデルがわずか数ページの指示で、全く異なる振る舞いができるというのは、実は驚くべきことなのです。

Reid Hoffman：その変化の幅は本当に驚異的ですね。同じモデルでも、プロンプトによって全く異なる製品として機能するわけですから。

Mustafa Suleyman：はい、そこが重要なポイントです。事前訓練モデルに対する高品質な指示というのは、単なる一時的な設定ではなく、そのモデルの行動方針を根本的に定義するものなのです。例えば、同じ基盤モデルに対して、あるプロンプトでは詩を書くように指示し、別のプロンプトでは法的文書を分析するよう指示することができます。その結果、同じモデルでありながら、まったく異なる能力を持つシステムになります。

Reid Hoffman：このような方向付けの精度や柔軟性はどの程度のものなのでしょうか？

Mustafa Suleyman：これはまさに驚くべき点です。モデルはわずか数ページの指示に基づいて、特定のトーン、スタイル、方法論、価値観に適応できます。例えば、「このブランドのトーンは親しみやすく、専門用語を避け、簡潔な説明を好む」というような指示に基づいて、モデルはその方向性に沿った応答を生成できます。もしくは「このモデルは科学的厳密さを重視し、常に証拠と引用を提供する」といった指示でも、モデルはそれに適応します。

Reid Hoffman：つまり、起業家たちにとっては、プロンプトの設計と最適化が重要な競争優位性になり得るということですね。

Mustafa Suleyman：その通りです。高品質な指示による方向付けは、事前訓練モデルを特定のニーズや用途に合わせてカスタマイズする効果的な方法です。しかし、重要なのは、これはあくまでも出発点に過ぎないということです。より精密で一貫した振る舞いを実現するためには、次のステップである微調整が必要になります。プロンプトによる方向付けは基盤を提供しますが、真に差別化された製品を作るためには、その基盤の上に特化した訓練を積み上げていく必要があるのです。

10.3 数万の事例によるモデルの微調整の価値

Mustafa Suleyman：ただ単純なプロンプトを超えて一歩踏み込むと、モデルが微妙さや精度、繊細さを持って振る舞い、あなたのビジネスのブランド価値や独自の製品に真に忠実であるためには、何万もの良い振る舞いの例を示す必要があります。それらの例をモデルに微調整しなければなりません。これは事前訓練プロセスの継続として、特定の高品質データに関して行われます。

Reid Hoffman：それはかなりのデータ量ですね。具体的には、どのような種類の例が効果的なのでしょうか？

Mustafa Suleyman：正確さが分かっている高品質データが重要です。例えば、特定の業界の専門知識を持つモデルを作りたい場合、その業界の正確な情報や適切な応答の例が数万件必要になります。あるいは、特定のトーンやスタイルで応答するモデルを作りたければ、そのスタイルで書かれた多数の例文が必要です。これらの例は単なる指示ではなく、モデルが学習して模倣できる具体的な実例なのです。

Reid Hoffman：この微調整プロセスは、プロンプトエンジニアリングとはどう違うのでしょうか？

Mustafa Suleyman：プロンプトエンジニアリングは基本的に指示を与えることですが、微調整はモデルのパラメータ自体を変更するプロセスです。プロンプトが「こう振る舞いなさい」と言うのに対し、微調整は「このように振る舞うことを学びなさい」と教えるようなものです。微調整されたモデルは、その行動パターンをより深く内面化し、より一貫して示すことができます。

Reid Hoffman：これは起業家にとってどのような機会を提供するのでしょうか？

Mustafa Suleyman：朗報は、多くのニッチな領域や特定の垂直市場にとって、数万の例を収集することは非常にアクセスしやすいということです。これは多くのスタートアップにとって大きなチャンスとなります。事前訓練されたモデルの高品質な微調整に本当に力を入れることで、あなたが気にするポリシーへの安定した遵守が得られます。つまり、誰もが大規模な事前訓練を行う必要はなく、既存のモデルを特定のドメインやユースケースに適応させることで、差別化された価値を提供できるのです。

Reid Hoffman：つまり、微調整は大企業だけでなく、リソースの限られたスタートアップにも実行可能な戦略だということですね。

Mustafa Suleyman：その通りです。大規模な事前訓練は膨大なリソースを必要としますが、特定ドメインへの微調整は比較的アクセスしやすいプロセスです。例えば、法律、医療、金融、特定の産業など、専門知識を持つ領域に特化したAIソリューションを開発することで、スタートアップは大きな価値を創出できます。数万の例による微調整は、汎用モデルを特化型の強力なツールに変える鍵なのです。

10.4 特定の領域に特化したスタートアップの可能性

Reid Hoffman：AIの進化に伴い、特定の領域に特化したスタートアップにはどのような可能性があるとお考えですか？微調整についてのお話を聞いていると、大企業だけでなく、スタートアップにも大きなチャンスがあるように思えます。

Mustafa Suleyman：その通りです。朗報は、数万の例というのは多くのニッチな領域や特定の垂直市場にとって非常にアクセスしやすいということです。これは実際に多くのスタートアップにとっての機会となります。特定の分野の専門知識を持つチームは、その領域における高品質なデータを集め、汎用モデルを微調整することで、独自の価値を生み出せるのです。

Reid Hoffman：具体的にはどのような領域が有望でしょうか？

Mustafa Suleyman：専門性が高く、特定の知識やコンテキストが重要な領域が特に有望です。例えば、法律、医療、金融、特定の産業、科学研究など、一般的なAIモデルでは十分にカバーできない専門分野です。これらの領域では、その分野に精通した人々が集めた高品質なデータセットで微調整されたモデルが、汎用モデルよりも遥かに価値のあるサービスを提供できます。

Reid Hoffman：大規模な事前訓練を行う必要がないということは、比較的小規模なリソースでも競争力のある製品を作れるということですね。

Mustafa Suleyman：その通りです。事前訓練されたモデルの高品質な微調整に本当に力を入れることで、特定の行動方針に対する安定した遵守を実現できます。これにより、大企業が提供する汎用AIとは異なる、特定のニーズに特化した差別化されたソリューションを提供できるのです。例えば、特定の産業の専門用語を理解し、その業界の規制や慣行に沿った応答を提供するモデルは、その業界のユーザーにとって非常に価値があります。

Reid Hoffman：このようなアプローチは、AIの民主化という観点からも重要ですね。誰もが独自のAIソリューションを開発できるようになる。

Mustafa Suleyman：まさにその通りです。AIの民主化は非常に重要なテーマです。大企業だけがAI技術を独占するのではなく、様々な領域の専門家や起業家が、自分たちの知識とデータを活かして独自のAIソリューションを開発できるようになることが重要です。これにより、多様なニーズに応える多様なAIエコシステムが生まれ、イノベーションがさらに加速するでしょう。特定領域に特化したスタートアップは、このエコシステムの重要な一部となるのです。

11. 小規模モデルの未来

11.1 小規模モデルへの知識圧縮の効率性

Mustafa Suleyman：小規模モデルは間違いなく将来の姿です。その理由を考えてみると、非常に大規模なモデルにクエリを投げる場合、実はクエリに関連のない数十億のパスウェイの神経表現が活性化しているんです。これは信じられないほど効率的に行われているとはいえ、実際には無駄が多いのです。

Reid Hoffman：つまり、大規模モデルのすべての能力がすべてのクエリに必要というわけではないということですね。

Mustafa Suleyman：その通りです。各トークン生成時に数億のノードを検索または参照するというのは、確かに驚異的な能力です。しかし、特定の用途に焦点を当てる場合、そのすべてが必要なわけではありません。将来的には、知識をより小さく、より安価なモデルに圧縮していくことになるでしょう。これにより、例えば「冷蔵庫マグネット」のような非常に小さなデバイスでも、特定の機能を持つAIを動作させることができるようになります。

Reid Hoffman：どの程度まで小型化できると考えていますか？また、そのトレードオフは何でしょうか？

Mustafa Suleyman：明らかに、小型モデルは汎用的な知識を失います。例えば、冷蔵庫マグネットは量子コンピューティングについて多くを知らないでしょう。しかし、朝の挨拶をしたり、天気を教えたり、冷蔵庫の中身について話したり、カレンダーのリマインダーを提供したりするために必要な知識は持つことができます。これはおそらく数千万のパラメータで実現可能です。

Reid Hoffman：これは、AIの普及とアクセシビリティに大きな影響を与えそうですね。

Mustafa Suleyman：はい、知識圧縮の効率性が向上することで、AIはより多くの場所に存在するようになります。大規模モデルは引き続き新しい能力の開発に重要な役割を果たしますが、それらの能力の多くは、特定の用途のために最適化された小型モデルに圧縮されていくでしょう。例えば、会話に特化したモデル、特定の専門分野に詳しいモデル、または特定のタスクに最適化されたモデルなど、様々な特化型モデルが登場するでしょう。

Reid Hoffman：この知識圧縮プロセスはどのように行われるのでしょうか？

Mustafa Suleyman：先ほど話した蒸留技術がここで重要な役割を果たします。大規模で賢いモデルが小規模モデルに教え、AIからのフィードバックによる強化学習を行います。これは非常に効果的なアプローチであることが証明されつつあります。重要なのは、単に小さくするだけでなく、特定の用途に必要な知識と能力を効率的に保持することです。知識圧縮の効率性が高まれば高まるほど、より多くの場所でより多様な形でAIが活用されるようになるでしょう。

11.2 特定用途に特化したモデルの可能性

Mustafa Suleyman：小規模モデルの将来性を考えるとき、特定用途に特化したモデルの可能性は非常に大きいと思います。緊密な用途がある場合、実際にはクエリに関連のない数十億のパスウェイが活性化している大規模モデルの全能力は必要ないのです。

Reid Hoffman：その特化型モデルはどのような形で私たちの生活に入ってくると予想されますか？

Mustafa Suleyman：将来的には、知識をより小さく、より安価なモデルに圧縮していくことになるでしょう。例えば、デジタルアシスタントとして機能する小型モデルは、一般的な知識は限られていても、日常的なタスクや特定のドメインでは非常に有能になるでしょう。料理のレシピに特化したモデル、健康管理に特化したモデル、あるいは家庭の管理に特化したモデルなど、様々な特定用途に最適化されたモデルが登場すると考えています。

Reid Hoffman：特定用途に特化したモデルと大規模な汎用モデルの関係はどのようなものになるでしょうか？

Mustafa Suleyman：これは相互補完的な関係になると思います。大規模で汎用的なモデルは、新しい能力の開発やあらゆる種類の質問に対応するために引き続き重要な役割を果たします。一方、特定用途に特化したモデルは、その領域において深い専門性を持ち、より効率的かつ正確なサービスを提供できるでしょう。例えば、フロンティアモデルは量子コンピューティングから料理のレシピまで何でも知っていますが、料理に特化したモデルは、料理に関しては遥かに詳細で実用的なアドバイスを提供できるかもしれません。

Reid Hoffman：この特化型モデルのアプローチは、技術アクセスの民主化にもつながりそうですね。

Mustafa Suleyman：その通りです。特定用途に特化したモデルは、より小さなデバイスで動作し、特定のニーズに最適化されるため、より多くの人々がAI技術の恩恵を受けられるようになります。また、開発者やスタートアップにとっても、特定の分野に特化したモデルを開発することで、大企業の汎用AIとは異なる価値を提供できる機会が生まれます。これはAIエコシステムの多様性を高め、より多くのイノベーションを促進するでしょう。

11.3 「冷蔵庫マグネット」のメタファーによる遍在的AI

Mustafa Suleyman：小さなデジタルデバイスの可能性を表現するために、私は「冷蔵庫マグネット」というメタファーを使いたいと思います。将来的には、知識をより小さく、より安価なモデルに圧縮していき、それが冷蔵庫マグネットのような非常に小さなデバイスでも動作するようになるでしょう。

Reid Hoffman：冷蔵庫マグネットというのは面白い比喩ですね。今まで聞いたことがありませんでした。

Mustafa Suleyman：冷蔵庫マグネットは、私が思いつく最も小さなデジタルデバイスの例です。実際には、完全にデジタルなものかどうかさえ定かではありませんが、このような小さなデバイスが朝あなたに挨拶をしたり、会話をしたりするようになるのです。あるいは、イヤホンやウェアラブルデバイス、イヤリングの中に組み込まれたり、小さなセンサー付きの植木鉢の中に入れられるかもしれません。

Reid Hoffman：つまり、AIが日常生活のあらゆる場所に存在するようになるということですね。

Mustafa Suleyman：その通りです。小型化と特化によって、AIは特定の場所や状況に合わせて最適化された形で存在するようになるでしょう。冷蔵庫マグネットは量子コンピューティングについて多くを知らないかもしれませんが、朝の挨拶をしたり、天気を教えたり、冷蔵庫の中身について話したり、カレンダーのリマインダーを提供するために必要な知識は持つことができます。

Reid Hoffman：そのような小型のAIデバイスは、どの程度のパラメータ数で実現できると考えていますか？

Mustafa Suleyman：おそらく数千万のパラメータになるでしょう。これは現在のフロンティアモデルと比較すると非常に小さなサイズですが、特定の限られた機能を提供するには十分です。重要なのは、すべてを知っている必要はなく、特定の状況やタスクに必要なことだけを知っていればよいということです。この「冷蔵庫マグネット」のメタファーは、AIが私たちの生活環境に溶け込み、特定の場所や状況に合わせて最適化された形で存在するようになる未来を表しています。

Reid Hoffman：そのようなユビキタスなAIの存在は、私たちの日常生活をどのように変えるでしょうか？

Mustafa Suleyman：デジタルアシスタンスが遍在する世界では、日常生活のあらゆる側面でAIによるサポートが受けられるようになります。冷蔵庫マグネットが食材の在庫を管理し、植木鉢のAIが植物の健康状態を監視し、ウェアラブルデバイスが健康データを追跡するといった具合です。これらすべてが連携して、シームレスで直感的なサポートを提供します。環境に溶け込んだAIが、私たちの生活をより便利で豊かなものにするでしょう。

11.4 環境センシング革命の可能性

Mustafa Suleyman：私が「冷蔵庫マグネット」やイヤホン、ウェアラブル、イヤリング、センサー付きの植木鉢などについて話すとき、実は環境センシング革命について言及しているのです。これは長い間約束されてきたものですが、AIの小型化によって、ついに実現する可能性が高まっています。

Reid Hoffman：環境センシング革命とは具体的にどのようなものでしょうか？

Mustafa Suleyman：私たちの環境に埋め込まれた多くの小型センサーとAIが連携して、周囲の状況を常に感知し、理解し、それに応じて適切な支援を提供する世界です。例えば、部屋の温度、湿度、照明、空気質などを感知するセンサーが、そこにいる人々の好みや状況に合わせて環境を自動的に調整します。あるいは、健康状態を監視するウェアラブルセンサーが、異常を検出した場合に適切なアドバイスを提供したり、必要に応じて医療専門家に通知したりします。

Reid Hoffman：この環境センシング革命は、現在のスマートホームやIoTデバイスとはどう違うのでしょうか？

Mustafa Suleyman：現在のスマートホームやIoTデバイスは、主に単純なルールやトリガーに基づいて動作しています。真の環境センシング革命では、AIがこれらのセンサーデータを統合し、深く理解して、より知的で文脈に応じた応答を提供します。現在のシステムが「動きを検出したら照明をオンにする」といったシンプルなルールに従うのに対し、将来のシステムは「この人が今何をしようとしているのか」「この状況で何が必要か」を理解し、それに応じたサポートを提供できるようになるでしょう。

Reid Hoffman：そのような技術は実現可能なのでしょうか？特に小型デバイスでAIを動作させるという観点から。

Mustafa Suleyman：これは小規模モデルと特定用途への特化によって可能になると考えています。環境センシングに特化した小型モデルは、数千万のパラメータで実現可能であり、特定の環境や状況に必要な理解と応答能力を持つことができます。そして重要なのは、これらすべてのデバイスが独立して動作するのではなく、互いに連携して統合されたエクスペリエンスを提供することです。これがまさに、長い間約束されてきた環境センシング革命であり、AIの小型化と特化によって初めて実現可能になるのです。

11.5 小規模チームでも取り組める領域としての価値

Mustafa Suleyman：小規模モデルの開発は、多くの人々がまだ本格的に取り組んでいない領域です。しかし、これは今後数千万のパラメータを持つようなモデルで十分に実現可能であり、20人程度の規模のチームであっても十分に探索できる領域だと考えています。

Reid Hoffman：つまり、この分野は大企業だけでなく、スタートアップや小規模チームにも大きな機会があるということですね。

Mustafa Suleyman：その通りです。小規模モデルの開発や特定用途への最適化は、必ずしも巨大な計算リソースや膨大な資金を必要としません。特に「冷蔵庫マグネット」のような特定の用途に特化したAIの開発は、比較的小規模なチームでも取り組むことができます。大企業は大規模な汎用モデルの開発に重点を置いている一方で、小規模チームは特定のニッチや用途に特化したソリューションで差別化できるのです。

Reid Hoffman：具体的には、小規模チームはどのような形でこの分野に参入できるのでしょうか？

Mustafa Suleyman：例えば、特定の業界や領域に深い知識を持つチームは、その専門知識を活かして特化型モデルを開発できます。法律、医療、建築、農業、教育など、特定分野の専門知識とAI技術を組み合わせることで、汎用モデルでは提供できない価値を生み出すことができるのです。また、特定のユースケースに焦点を当てたアプリケーションの開発も、小規模チームに適しています。例えば、高齢者のケア、子供の学習支援、特定のホビーやスポーツに関するコーチングなど、特定の用途に特化したAIソリューションの開発には大きな可能性があります。

Reid Hoffman：小規模チームがこの分野で成功するための鍵は何でしょうか？

Mustafa Suleyman：差別化された専門知識と、特定の問題に対する深い理解が鍵になると思います。大企業が提供する汎用モデルとは異なる価値を提供するためには、特定のドメインや用途に特化し、そこで真に役立つソリューションを提供することが重要です。また、蒸留技術やモデルの微調整など、最新のAI技術を活用する能力も必要でしょう。小規模チームの強みは、特定の領域に深く集中できること、市場の変化に素早く対応できること、そして特定のユーザーグループのニーズに密接に応えられることです。これらの強みを活かすことで、小規模チームでも小規模モデルの開発と応用において大きな価値を生み出すことができるのです。

12. 最終メッセージ：AIへの全面的参画

12.1 技術変革の過渡期としての現在

Reid Hoffman：少し長めのバージョンの最後の質問として、この2日間で人々が考えるべき質問は何だと思いますか？つまり、このイベントに参加している人々が考慮すべき大きな問いは何でしょうか？

Mustafa Suleyman：私から質問を提案するなら、「あなたは全面的に参画していますか？」と尋ねたいです。なぜなら、これは本当に転換点だと思うからです。過去数十年の大きな技術変革を振り返ると、それぞれの時代に物事の構造が再編成されてきました。私たちは今、そのような瞬間にいると確信しています。

Reid Hoffman：その「全面的に参画する」ということの意味を、もう少し詳しく説明していただけますか？

Mustafa Suleyman：私たちはすでに、AIが本当に変革的な力を持っているという十分な証拠を手にしています。これは会社を設立し、規模を拡大し、キャリアを転換するための瞬間です。起業家でなくても、活動家や組織者、学者であっても、今こそ本当に注目すべき時なのです。なぜなら、2050年になると、もう列車は駅を出てしまっており、状況は大きく異なっているでしょうから。

Reid Hoffman：つまり、この技術変革の波に乗る時間的な窓があり、それを逃さないことが重要だということですね。

Mustafa Suleyman：その通りです。私たちは今、集合的に物事を形づくり、影響を与える機会を持っています。何も事前に決まっているわけではありません。私たちの手の届く範囲内で、人類にとって最良の形にAIを形作ることが可能なのです。それは大きな責任ですが、同時に私たちがこの瞬間に生きていることは非常に幸運なことでもあります。この変革の力を前向きな形で活用するチャンスがあるのです。

Reid Hoffman：AIの進展が加速する中で、今この瞬間にこの議論に参加していることの意味は大きいですね。

Mustafa Suleyman：まさにその通りです。過去の技術革命を振り返ると、初期の段階で関わった人々が、その技術の形成に大きな影響を与えてきました。AIも例外ではありません。今がその初期段階であり、私たちが今どのような選択をし、どのような方向に進むかが、この技術の未来を決定づけることになるでしょう。だからこそ、今こそ全面的に参画すべき時なのです。技術変革の過渡期にある今、私たちには大きな責任と同時に、大きな機会があるのです。

12.2 会社設立・拡大・キャリア転換のタイミング

Mustafa Suleyman：私が「全面的に参画していますか？」という問いかけをするとき、それは単なる抽象的な概念ではなく、具体的な行動への呼びかけなのです。これは会社を設立し、規模を拡大し、キャリアを転換するための瞬間です。過去の技術転換点の全ての構造を見てみると、このような大きな技術変革の時こそ、新しい機会が生まれる時なのです。

Reid Hoffman：この変革の波は、どのようなタイプの起業家や企業に特に関係していると思いますか？特定の分野や業界がより大きな機会を持っていますか？

Mustafa Suleyman：この変革はあらゆる業界に関係しています。AIは汎用技術であり、ほぼすべての分野に影響を与えるでしょう。しかし特に注目すべきは、複雑な知識労働、創造的な仕事、そして人間同士のやり取りが重要な領域です。例えば、教育、医療、法律、金融サービス、クリエイティブ産業などです。これらの分野では、AIによって従来の仕事の方法が根本的に変わる可能性があります。それは脅威でもありますが、同時に新しいビジネスモデルやサービスを創造するチャンスでもあります。

Reid Hoffman：起業家だけでなく、すでに確立されたキャリアを持つ人々にとっても重要なメッセージがありそうですね。

Mustafa Suleyman：その通りです。起業家でなくても、活動家や組織者、学者であっても、今こそ本当に注目すべき時です。確立されたキャリアを持つ人々は、この変革を自分の専門分野にどう活かせるかを考えるべきです。AIの知識とスキルを身につけることで、どんな業界でも新たな価値を生み出すことができます。時には大きなキャリア転換も必要かもしれませんが、それだけの価値のある変革期だと考えています。

Reid Hoffman：2050年になると列車は駅を出てしまうというメタファーを使われましたが、具体的にどのようなタイムラインで考えるべきでしょうか？

Mustafa Suleyman：AIの発展は指数関数的に進んでいるため、次の5〜10年が特に重要だと考えています。この期間に、AIの基本的なインフラストラクチャー、ビジネスモデル、規制の枠組みが形成されるでしょう。この形成期に参画することで、その方向性に影響を与え、新しい機会を見出すことができます。もちろん、その後も革新は続きますが、基本的な枠組みが確立された後では、真に革新的な役割を果たすのはより難しくなるでしょう。だからこそ、今がAIへの全面的な参画を考えるべき時なのです。

12.3 集合的に未来を形作る機会

Mustafa Suleyman：今、私たちは集合的に物事を形づくり、影響を与える本当の機会を持っています。AIの未来は何も事前に決まっているわけではないのです。私たちが最善を尽くすなら、AIが人類にとって最良の形になるように影響を与えることは、本当に私たちの手の届く範囲内にあります。

Reid Hoffman：その集合的な努力の重要性についてもう少し詳しく聞かせてください。誰がその形成に参加すべきだと考えますか？

Mustafa Suleyman：多様な視点からの参加が不可欠です。技術者だけでなく、様々な分野の専門家、政策立案者、市民社会、そして一般の人々も含めて、幅広い参加が必要です。なぜなら、AIは社会全体に影響を与える技術だからです。特に重要なのは、技術開発の早い段階から多様な視点を取り入れることです。技術が完全に形作られた後では、その方向性を変えることははるかに難しくなります。

Reid Hoffman：その集合的な努力において、個人はどのような役割を果たせるのでしょうか？

Mustafa Suleyman：まず、AIについて学び、理解することが重要です。その上で、それぞれの専門分野や関心領域でAIがどのように活用できるか、どのような課題があるかを考えることです。技術者であれば責任ある開発に貢献し、教育者であれば次世代にAIリテラシーを教え、政策立案者であれば適切な規制の枠組みを考え、起業家であれば社会的価値を生み出すAIアプリケーションを開発するなど、それぞれの立場で貢献できることがあります。

Reid Hoffman：これは単に技術開発の話ではなく、より広い社会的な会話の一部だということですね。

Mustafa Suleyman：まさにその通りです。AIは単なる技術ツールを超えて、社会の仕組みや人間の経験を根本的に変える可能性を持っています。だからこそ、その発展の方向性は、技術的な考慮だけでなく、倫理的、社会的、経済的な価値観も反映したものであるべきです。私たちが今直面しているのは、単なる技術革新ではなく、どのような社会を作りたいのかという問いでもあるのです。

Reid Hoffman：そのような集合的な努力が成功するための条件は何だと思いますか？

Mustafa Suleyman：オープンで包括的な対話、異なる分野や視点間の協力、短期的な利益よりも長期的な共通の利益を優先する姿勢が重要です。また、AIの発展と社会への統合は継続的なプロセスであり、一度きりの決定ではないことを理解する必要があります。私たちは常に学び、適応し、必要に応じて方向性を調整していく必要があるでしょう。これは共同作業であり、その共同作業に参加する機会が今あるのです。

12.4 人類にとって最良の形での技術発展の可能性

Mustafa Suleyman：AIの発展の方向性は、何も事前に決まっているわけではありません。私たちが本当に手を伸ばせば、人類にとって最良の形になるようにAIを形作ることは、私たちの手の届く範囲内にあるのです。それは非常に大きな責任ですが、同時に、この瞬間に生きていることは非常に幸運なことでもあります。

Reid Hoffman：最良の形とは、具体的にどのようなものだと考えていますか？AIが人類にとって最も役立つ形とは？

Mustafa Suleyman：私にとって最良の形とは、AIが人間の可能性を拡張し、私たちの創造性、問題解決能力、コミュニケーション能力を高め、そして時間と注意を最も価値のあることに集中できるようにすることです。AIは私たちの最良の面を引き出し、私たちがより深く考え、より効果的に協力し、より大きな課題に取り組むことを可能にするパートナーとなるべきです。それは人間の代替ではなく、人間の能力の拡張であり、人間らしさの強化なのです。

Reid Hoffman：そして、そのような発展は自動的に起こるものではなく、意識的な努力が必要だということですね。

Mustafa Suleyman：その通りです。最良の形でのAI発展は、私たちが意識的に追求し、デザインし、導くべきものです。市場の力だけに任せるのではなく、広範な社会的価値、人間の尊厳、多様な視点を反映した形で進める必要があります。技術的に可能なことと、社会的に望ましいことの間には常に緊張関係がありますが、その緊張関係を創造的に解決することこそが、私たちの課題なのです。

Reid Hoffman：そのような発展を実現するために、私たちは何に注意を払うべきでしょうか？

Mustafa Suleyman：私たちは常に技術的な進歩と人間的な価値のバランスを取る必要があります。AIが持つ創造性、効率性、問題解決能力の可能性を最大限に活かしながらも、プライバシー、自律性、公平性、透明性といった人間的な価値を守らなければなりません。また、AIの恩恵が一部の人々だけではなく、社会全体に広く行き渡るようにすることも重要です。そして何より、AIが私たちに代わって決定を下すのではなく、私たちの意思決定を支援し、私たちの選択肢を拡大するツールであり続けることが重要だと考えています。

Reid Hoffman：これは確かに大きな責任ですが、同時に素晴らしい機会でもありますね。

Mustafa Suleyman：まさにその通りです。私たちはこの瞬間に生きていることを非常に幸運に思うべきです。人類の歴史の中で、これほど大きな技術的変革の始まりに立ち会い、その方向性に影響を与える機会を持っている世代は多くありません。それは大きな責任ですが、同時に素晴らしい特権でもあります。私たちがこの機会を賢明に活用すれば、AIは人類の最も偉大な発明の一つとなり、より良い世界を創造するための強力なツールになる可能性があるのです。