※本記事は、Y Combinatorが制作・公開している「How To Build The Future」シリーズの一環として配信された、Sam AltmanとGarry Tanの対談内容を基に作成されています。元動画はY Combinatorの公式YouTubeチャンネル（https://www.youtube.com/yc ）でご覧いただけます。 本記事では、OpenAIのCEOであるSam Altmanが語る、OpenAIの創設からAI革命の未来に関する対談内容を要約・構造化しております。なお、本記事の内容は原著作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視聴いただくことをお勧めいたします。また、より詳細な情報については、Y Combinator（ycombinator.com）のウェブサイトや、Sam Altman氏の個人ブログもご参照ください。なお、本動画は「How To Build The Future」シリーズの再開第一回として制作されたものです。 本記事で引用している発言やエピソードは、すべて動画内で公開された情報に基づいています。動画は全編英語で、チャプター機能（Powered by https://bit.ly/chapterme-yc ）により、テーマごとに内容を確認することが可能です。
1. OpenAIの創設と初期の取り組み
1.1 創業チームの形成と初期メンバー採用
私たちのOpenAI創設チームの形成は、まさに映画のモンタージュシーンのような展開でした。最初のメンバー探しは、Greg BrockmanとIliaとの出会いから始まりました。特にIliaについては、彼の知性と先見性に強く惹かれました。YouTubeで彼の講演を見て、すぐにこの人と会わなければと思いました。最初にメールを送ったのですが返信がなかったので、彼が講演するカンファレンスに直接出向いて会いに行きました。その後、私たちは頻繁に対話を重ねるようになりました。
Gregについては、初期のStripe時代から知っていました。彼は若くして卓越した技術力を持っていました。このように、私たちは一人一人と個別に会い、そして様々な組み合わせでグループミーティングを重ねながら、約9ヶ月かけてチームを形成していきました。
2015年12月に私たちはOpenAIの立ち上げを発表しましたが、実際の活動開始は2016年1月でした。最初の正式な活動日、私たちは約10人でGregのアパートに集まりました。それは記念すべき瞬間でした。しかし同時に、スタートアップの創業者がファンディングラウンドを終えた後によく感じるような「さて、これから何をすべきか？」という moment にも直面しました。
チーム構成の特徴として、私が30歳で最年長だったことが挙げられます。若いチームでしたが、それは私たちの強みでもありました。従来の常識にとらわれず、大胆な目標に向かって突き進む姿勢を持っていたからです。「無責任な若者たち」と批判する声もありましたが、その批判を受け入れる人材こそが、私たちが求めていた人材でした。「I'm a sophomore and I'm coming」というような精神を持った人々が集まったのです。
この初期チーム形成のプロセスは、まさに私たちの価値観を体現するものでした。従来の常識や慣習に縛られることなく、純粋に技術への情熱と革新への意欲を持った人々が集まり、共通の目標に向かって歩み始めたのです。
1.2 AGIへの大胆な挑戦表明とその批判
私たちは設立当初から、AGIの実現を目指すことを明確に宣言しました。当時のAI業界では、AGIについて言及することさえタブー視されていました。それは「不可能に近い狂気の発想」とされ、業界の有識者からは「無責任だ」という強い批判を受けました。
特に強かった批判は、私たちの挑戦がAI winterを引き起こすというものでした。つまり、実現不可能な目標を掲げることで業界全体への投資が冷え込み、AI研究全体が停滞するという懸念でした。また、リソースの無駄遣いだという批判や、複数の研究アプローチに分散投資すべきだという指摘もありました。
しかし、このような批判的な声は、逆説的に私たちにとって良い兆候でした。特に、優秀な若手研究者たちの注目を集めることができました。彼らは従来の常識に縛られず、大きな挑戦に魅力を感じていたのです。一方で、中庸な批判者たちからの否定的な反応は、私たちが正しい方向に進んでいることの証左だと感じました。
私たちの若いチームは、この批判を恐れることなく、むしろそれを原動力として受け止めました。「不可能」と言われることに挑戦する精神こそが、YCで培った「I'm a sophomore and I'm coming」という姿勢そのものでした。結果として、この大胆な目標設定は、私たちのチームの結束を強め、明確な方向性を与えることになりました。
この経験から、世界が眠っているときこそ、大きな挑戦をする絶好の機会だと学びました。批判や否定的な見方は、むしろ革新的なアイデアの指標となり得るのです。私たちの若いチームは、この逆風を追い風に変え、AGIという大きな目標に向かって突き進むことができました。
1.3 深層学習とスケーリングへの集中戦略
私たちはDeepMindと比較して、明らかにリソースの制約がありました。そのため、戦略的な選択が必要でした。彼らは多様なアプローチを試すことができましたが、私たちはそのような贅沢はできませんでした。そこで私たちは「彼らは多くのことを試すだろうから、私たちは一つのことを選んで本気で集中しよう。それが私たちが勝つ方法だ」と決断しました。
特に深層学習とスケーリングについては、私たちは早い段階から重要性を認識していました。当時から、ニューラルネットワークを大きくすれば性能が向上することは明らかでした。しかし、その改善がどれほど予測可能なものなのかは、数年後までわかりませんでした。それは最初は直感的なものでしたが、後にスケーリング則として実証されることになります。
業界の著名なリーダーたちは、「これは本当の学習ではない」「本当の推論ではない」「単なる見せかけのトリックだ」といった様々な理由を挙げて、この方向性を否定しました。しかし、私たちは実際の結果を見て、これが継続的に改善していくことを確信していました。最終的にスケーリング則の結果を得たとき、私たちの直感が正しかったことが証明されました。
学習というものは、根本的で重要な現象として現れ始めていました。その詳細なメカニズムは当時も、そして今でも完全には理解されていませんが、何か本質的なことが起きているという確信がありました。私たちは目の前にある明確な方向性に集中し、それを突き詰めていくことを選択しました。
この「一つの方向性への集中」という戦略は、典型的なスタートアップの戦略でもあります。他の試みは賢すぎる方向に行き過ぎていたかもしれません。私たちは「わからないことはわからない。でも、これが機能することは確かだ」という姿勢で、目の前のことに集中し続けることを選択しました。この決断が、後の私たちの成功の重要な要因となったのです。
1.4 初期の実験と方向性の模索
私たちの初期の方向性は、Gregのアパートでのホワイトボード会議から始まりました。実は私は当時の状況を正確に説明できればいいのですが、私たちは多くの迂回路を経て現在の地点にたどり着きました。しかし、驚くべきことに、Iliaを中心とした初期メンバーが描いた大きな構想は、様々な紆余曲折を経ながらも、驚くほど正確でした。
初期のオフサイトミーティングで、私たちは3つの重要な目標を設定しました。一つ目は教師なし学習の実現、二つ目は強化学習の解決、そして三つ目は組織を120人以下に保つことでした。最後の目標は達成できませんでしたが、最初の二つの技術的な方向性の予測は驚くほど的確でした。
正直に言えば、私は「私たちは完全に何が起こるか分かっていて、言語モデルについてのアイデアを最初から持っていた」とは言えません。OpenAIの歴史は、科学的理解の発展には貢献したものの、必ずしも最短経路を進んだわけではありませんでした。もし今の知識を持っていれば、この全プロセスを信じられないほど速く進められたはずです。
私たちは技術の方向性だけでなく、会社の構造や、AGIがどのように実現されるかについても、多くの仮定を持っていました。そしてその多くの仮定で、私たちは謙虚に、そして時には痛烈に間違いを認識することになりました。しかし、私たちの強みは、打撃を受けても立ち上がり、前進し続ける能力でした。これは科学的な賭けについても、世界の仕組みや製品の形についての考え方についても同様でした。
例えば、私自身は言語モデルが重要になるとは全く予想していませんでした。もしかしたらAlec Radfordは予見していたかもしれませんが。私たちはロボット工学やエージェント、ビデオゲームなど、様々な方向性を探求しました。しかし、数年後にGPT-3が登場し、状況は大きく変わることになったのです。このような予期せぬ展開も、私たちの journey の重要な一部となりました。
2. 技術的進展とブレイクスルー
2.1 GPTシリーズの進化
GPTシリーズの始まりは、Alec Radfordによる画期的な発見にさかのぼります。Alecは、非監視学習の感情分析に関する研究を単独で行っていました。彼は生成的なAmazonレビューの分析において、ポジティブまたはネガティブな感情を切り替える単一のニューロンを発見したのです。当時、非監視学習はほとんど機能していないとされていた中で、これは革新的な発見でした。
Alecは控えめな性格で、この発見を大々的に宣伝することはありませんでした。そのため、この発見の重要性が業界全体に認識されるまでには少し時間がかかりました。この発見は後にGPT-1の開発につながり、その後別のチームがそれをスケールアップしてGPT-2を開発することになります。
非監視学習における感情分析の発見は、言語モデルにおける重要な転換点となりました。一つのニューロンが感情の極性を制御できるという発見は、言語理解における深層学習の可能性を示す重要な指標となったのです。
その後のGPTシリーズの進化は、各バージョンで重要なブレイクスルーを達成していきました。GPT-3は、その規模と機能性で注目を集めましたが、商業的な成功という観点では、コピーライティング以外での顕著な事業化は限定的でした。GPT-3.5では大きな進展があり、YCのスタートアップたちが本格的に製品開発に取り組み始めました。
そしてGPT-4の登場は、私たちにとって重要な転換点となりました。初期のテストで、これまでにない性能を示し、私たち自身も「本当にこれができるようになったのか」と驚くような結果が得られました。例えば、韻を踏んだ文章を作成したり、適度に面白いジョークを言えたりと、これまでのモデルでは難しかった課題をこなせるようになりました。
しかし、真の成功を確信したのは、実際のユーザーからのフィードバックを得た時でした。特に印象的だったのは、ユーザーたちが「GPUをできるだけ多く使わせてほしい」と要求してきたことです。これは、私たちが本当に価値のある製品を作り出したことを示す明確なシグナルでした。このように、GPTシリーズは技術的な進歩と実用的な価値の両面で、着実な進化を遂げてきたのです。
2.2 ユーザーフィードバックの重要性と製品検証
私たちがGPT-3を最初にファウンダーたちに販売しようとした時、彼らの反応は「すごいデモだ。何か驚くべきことが起きている」というものでした。しかし、コピーライティングを除いて、GPT-3上で素晴らしいビジネスを構築できた例はほとんどありませんでした。つまり、技術的には印象的でも、実用的な価値の創出には至らなかったのです。
その後、GPT-3.5の登場で状況は大きく変わりました。特にYCのスタートアップたちが実際にこの技術を活用し始め、私たちはもはや「製品を売り込む」必要がなくなりました。顧客が自発的に製品を求めてくるようになったのです。これは、私たちが「巨大な石を上り坂で押し上げる」ような状況から脱却できた重要な転換点でした。
そしてGPT-4の登場は、さらに劇的な変化をもたらしました。ユーザーたちに提供を始めてすぐに、「使えるGPUをできるだけ多く提供してほしい」という要望が殺到したのです。このような反応は、私たちが本当に優れた製品を手に入れたことを示す明確なシグナルでした。例えば、Case TextのJake Heller氏は、GPT-3.5では法的な設定で使用するには幻覚（誤った情報の生成）が多すぎましたが、GPT-4では適切にプロンプトを設計することで、正確な結果を得られるようになったと報告しています。実際に、彼は包括的なテストケースを構築し、その後6億5000万ドルでの企業売却を実現しました。これは、GPT-4を商業的に活用した初期の大きな成功事例の一つとなりました。
この経験から、私たちは製品開発において二つの重要な教訓を得ました。一つは、自社の技術に対する印象がどれほど良くても、実際のユーザーの手に渡るまでは本当の価値は分からないということです。もう一つは、ユーザーフィードバックこそが、製品の真の価値を測る最も重要な指標だということです。GPT-4での経験は、この原則を強く裏付けるものとなりました。
2.3 実験から得られた知見と方向転換
私たちは技術の方向性だけでなく、会社の構造やAGIの実現方法についても、多くの仮説を持って始めました。そして、その多くの仮説で私たちは謙虚に、時には痛烈に間違いを認識することになりました。しかし、私たちの強みは、どんなに打撃を受けても立ち上がり、前進し続ける能力でした。
特に重要だったのは、高い確信を持つことと、データに基づいて柔軟に方向転換することのバランスです。単なる固執のために高い確信を持つのは効果的ではありません。私たちは常に結果に耳を傾け、間違いに気付いた瞬間には、すぐにその認識を受け入れ、完全に受容する姿勢を心がけました。
実際、私たちは多くの科学的な賭けや、世界の仕組み、製品の形についての考え方で間違いを犯しました。しかし、これらの失敗は、むしろ私たちの強みとなりました。なぜなら、私たちは目の前の事実に基づいて行動し、仮説が間違っていると分かった時点で、迅速に方向転換する能力を培ったからです。
この柔軟な姿勢は、特にGPTシリーズの開発過程で重要でした。私はGPT-4の開発時、私たち自身のテストでは素晴らしい結果が出ていても、実際のユーザーの手に渡るまでは真の価値は分からないと考えていました。そして、ユーザーからのフィードバックを得た時に初めて、私たちは本当に素晴らしいものを作り出したという確信を持つことができました。
このように、私たちは「確信を持って進みながらも、データに基づいて柔軟に方向転換する」という原則を確立してきました。これは単なる妥協ではなく、イノベーションを推進する上で必要不可欠なアプローチだったのです。目の前の結果に真摯に向き合い、必要な変更を躊躇なく行う。この姿勢が、私たちの継続的な進歩を可能にしてきました。
3. スタートアップとイノベーション
3.1 若手起業家としての経験
19歳でLooptを立ち上げた経験は、明らかに成功とは言えないものでしたが、学びの速度は信じられないほど速いものでした。私たちは本当の意味での製品市場フィットを見つけることができず、事業として脱出速度（escape velocity）に到達することもできませんでした。それは非常に苦しい経験でしたが、同時に教育的な価値は計り知れないものでした。
PGが言っていた「20代は常に見習い期間だが、何の見習いなのかは後になってわかる」という言葉が、私の経験を完璧に表現しています。当時は失敗のように感じた経験も、後になって振り返ると、それは将来の本当の仕事のための準備段階だったのです。
私が経験したことで最も高い学習率をもたらすものは、間違いなくスタートアップを立ち上げることでした。それは机上の学習では得られない、実践的で包括的な学びを提供してくれました。人材管理、製品開発、そしてエンタープライズセールスなど、多岐にわたる経験を積むことができました。
この経験を通じて、私は技術への情熱をより具体的な形で追求する方法を学びました。モバイルフォンが単なる通話装置から、私たちがポケットに入れて持ち歩けるコンピュータへと進化しつつある時期でした。その変革期に若手起業家として身を置いた経験は、後の OpenAI での取り組みにも大きな影響を与えることになりました。
3.2 モバイル革命期の教訓
私がモバイルに興味を持ち始めたのは、iPhoneが登場する3年も前のことでした。当時のモバイルフォンは本当に「電話」でしかありませんでした。私は高校生の時に初めてインターネット接続機能付きの携帯電話を手に入れました。それは恐ろしく遅い、ほぼテキストベースのブラウザでしたが、メールチェックができるというだけで革新的でした。
その瞬間から、私はこれが単なる電話ではなく、私たちが持ち歩けるコンピュータになるという確信を持ちました。当時は数字キーパッドという歴史的な制約があったにもかかわらず、その潜在的な可能性は明らかでした。これは「電話」ではなく、私たちがポケットに入れて持ち運べるコンピュータだったのです。
プラットフォームシフトの渦中にいることは、非常に混沌としていましたが、同時に貴重な学びを得られる機会でもありました。App Storeの立ち上げに関われたことは、私にとって大きな経験となりました。プラットフォームシフトがどのように起こり、初期の段階でどれほど混沌としているか、そして小さな決定が後にどのように大きな影響を及ぼすかを、直接見ることができました。
この経験から、私は技術変革期における重要な教訓を学びました。変革の初期段階は常に混沌としており、完璧な道筋など存在しません。しかし、その中にいることで、変化の方向性を理解し、それに適応していく術を学ぶことができます。この経験は、後のAI革命における私たちの取り組みにも大きな影響を与えることになりました。
現在、携帯電話を使う何十億もの人々にとって、コンピュータとは私たちが育った時代のデスクトップマシンではなく、この小さな黒い鏡のようなデバイスを意味します。この変化は、技術の進化がいかに急速で劇的なものになり得るかを示す良い例です。
3.3 プラットフォームシフトの特徴と機会
プラットフォームシフトの最も興味深い特徴は、それが常に若い世代によって構築されるということです。私がモバイル革命期に学んだ最も重要な教訓の一つは、プラットフォームシフトは常に、事前の知識や経験のない若い世代によって推進されるということでした。
この現象の典型的な例として、Facebookのケースが挙げられます。彼らは優れたウェブソフトウェアを作ることに長けていましたが、モバイルシフトをほぼ見逃すところでした。結果として、InstagramやWhatsApp、Snapchatといった企業を買収する必要に迫られました。これは、既存の成功企業が新しいパラダイムシフトに適応することがいかに難しいかを示す良い例です。
現在、私たちはAI革命の只中にいますが、世界の大部分はまだこの変革の大きさに気付いていない状況です。これは、スタートアップにとって信じられないほど大きな機会を意味します。特にYCのファウンダーたちは、この状況をしっかりと理解し、驚くべきスピードで素晴らしいものを作り出そうとしています。
今はスタートアップを始めるのに最高の時期です。少なくとも、これまでで最高の時期です。将来はさらに良い時期が来るかもしれませんが、各々の主要な技術革命により、それ以前よりもより多くのことが可能になってきました。そして今回のAI革命では、企業がより素晴らしく、より大きなインパクトを与えることができるようになるでしょう。
このような大きな技術革命の時期には、大企業が持つ優位性は薄れていきます。彼らは四半期ごとの計画サイクルに縛られ、Googleに至っては10年単位の計画サイクルで動いています。一方、スタートアップは新しい技術の進化に即座に対応し、製品を作り出すことができます。この機動性こそが、現在のAI革命期における最大の競争優位性となるのです。
4. AIの発展段階と将来展望
4.1 レベル1からレベル5までの進化モデル
私たちはAGIという言葉が様々な文脈で使用され、その意味が曖昧になっていることに気付きました。そこで、AIの進化を明確に示すために、5つのレベルでモデル化することを試みました。これは、私たちの考える発展の順序に関する最善の推測です。
レベル1は、現在私たちが目にしているチャットボットの段階です。これは基本的な対話能力を持つシステムで、人間とのコミュニケーションは可能ですが、より複雑な推論や長期的なタスクの実行には制限があります。
レベル2は、推論能力を持つシステムです。私たちは今年初めにClaude-01のリリースでこのレベルに到達したと考えています。このレベルのAIは、より深い思考プロセスを示し、複雑な問題解決が可能になります。
レベル3は、エージェントの段階です。このレベルのAIは、より長期的なタスクを実行し、環境と相互作用し、必要に応じて人間に助けを求めることができます。また、他のAIと協力して作業を行うことも可能です。私の予想では、このレベルへの到達は多くの人が考えているよりも早く実現するでしょう。
レベル4は、イノベーターの段階です。これは科学者のように、長期間にわたって未知の現象を探索し、理解することができるAIです。例えば、ある現象について深く研究し、新しい発見を行うことができます。最近のCAD/CAMスタートアップによる空力設計の最適化デモなどを見ると、このレベルへの到達も予想以上に早まる可能性があります。
レベル5は、組織レベルの自律性を持つシステムです。これは会社全体や組織全体の規模で、より高度な自己組織化と意思決定が可能になる段階です。このレベルは少し曖昧で形が定まっていませんが、前段階の能力をより大きな規模で適用できるようになると考えています。
この進化モデルは、レベル2からレベル3への移行が比較的早く起こり、レベル3からレベル4への移行にはより大きな breakthrough が必要だろうと考えていました。しかし、最近の開発例を見ると、現行のモデルを創造的に使用することで、予想以上のイノベーションが可能かもしれないと考え始めています。
4.2 イノベーションの加速に関する観察
私たちは最近、予想を超えるペースでイノベーションが加速していることを観察しています。特に印象的だったのは、YCの01ハッカソンでの出来事です。CAMPERという、CAD/CAMのスタートアップが参加していましたが、彼らはハッカソン中に、飛行しないエアフォイルを競争力のある揚力を持つものへと反復的に改良するシステムを構築しました。これは、私たちが考えていたレベル4（イノベーター段階）の能力に近いものでした。
このような成果は、私の従来の予測を覆すものでした。私は以前、レベル2からレベル3への移行は比較的早く起こるが、レベル3からレベル4への移行には何か中規模か大規模な新しいアイデアが必要になると考えていました。しかし、CAMPERのデモや他のいくつかの事例を見て、現在のモデルを創造的に使用するだけでも、驚くほどのイノベーションが可能だということが分かってきました。
特に興味深いのは、AIが言語を介して既存のソフトウェアツールを使用し、さらにコード生成によって自身のツールを作り出し、それらを組み合わせて使用できるという点です。これは、思考の連鎖（chain of thought）のような概念と組み合わさることで、01のような高度な能力を実現可能にします。
このような観察から、イノベーションの速度はさらに加速していくと考えています。現在のモデルの創造的な活用方法が次々と発見され、それぞれが新たなブレークスルーを生み出していく可能性があります。私たちの予想をはるかに超えるスピードで、技術の進化が起こっているのです。
4.3 AGIへの展望と課題
今、私は初めてAGIに向けた道筋が本当に見えてきたと感じています。AGIの構築までには依然として膨大な作業が必要ですが、既知の未知（known unknowns）はあるものの、基本的に何をすべきかはわかってきました。これは私たちにとって、これまでにない画期的な状況です。
具体的には、現在の私たちの取り組みが複利的に重なっていき、今後3年、6年、あるいは9年（約3,500日）にわたって、この進歩の速度を維持または加速できれば、システムは非常に高い能力を持つようになるでしょう。実際、現在のGPT-4でさえ、限定された明確な課題における純粋な認知的IQという観点では、かなり高い能力を示しています。そして、私たちはまだ限界には程遠い状況にあります。
私が特に興奮を覚えているのは、これまで夢物語と思われていた多くの課題が、現実的な射程に入ってきたことです。例えば、気候変動問題の解決、宇宙コロニーの建設、物理学の全容解明、そして限りない知性と豊富なエネルギーの実現など、これらはもはや遠い未来の話ではありません。さらに、私たちがまだ想像もできていない可能性も数多く存在するでしょう。
特に、知性とエネルギーという二つの要素は、私たちが望む他のすべての進歩への鍵となります。より良いアイデアをより早く生み出し、それらを物理的世界で実現する能力。AIの実行に必要なエネルギーの確保。これらが実現されれば、世界は劇的に変わるでしょう。
これらの変革が同時期に起こっているのは、単なる偶然なのか、それとも技術進歩の加速度的な性質の自然な結果なのかはわかりません。しかし、確実に言えるのは、今が生きていて最も興奮する時代であり、スタートアップを始めるには最高の時期だということです。いずれ私たちの子孫は、現在の私たちが「豊富」だと感じているエネルギーを、極めて限られたものだと感じるでしょう。そして、ダイソン球について語り合う日が来ることでしょう。この広大な宇宙には、まだまだ多くの物質が存在しているのです。
5. スタートアップへのアドバイス
5.1 AI時代における競争優位性の構築
今は確実にAIのテクノロジートレンドに賭けるべき時期です。モデルはこれからさらに急速に改善され、スタートアップが持つスピードと集中力という利点が、これまで以上に重要な競争優位性となります。
大企業との決定的な違いは、意思決定とアクションのスピードにあります。大企業は四半期ごとの計画サイクルに縛られており、Googleに至っては10年単位の計画サイクルで動いています。これに対して、スタートアップは技術の進化に即座に対応し、その日のうちに何かを構築することができます。特に、AIの技術進化が急速な現在、この機動力の差は決定的な優位性となります。
中規模企業でさえ、四半期ごとの計画サイクルに縛られています。これは彼らがAIの急速な進化に追いつけないことを意味します。一方、スタートアップは新しい発見を見つけ、その日のうちに何かを構築できるのです。この、スピードと焦点を絞った取り組みができる能力は、スタートアップの持つ最大の強みです。
私は、技術革新の歴史を振り返ると、このようなダイナミックな変革期には常にスタートアップが優位性を持っていたことがわかります。モバイル革命期、インターネット革命期、半導体革命期、そしておそらく産業革命期においても、新興企業が主導的な役割を果たしてきました。現在のAI革命も例外ではありません。
特に今回のAI革命では、1人のファウンダーと10,000台のGPUという組み合わせが、驚くべき力を発揮する可能性があります。小規模なチームでも、AIを活用することで、これまでは大企業でしか実現できなかったような規模のインパクトを生み出せるようになっているのです。これは、スタートアップにとって非常に刺激的な機会です。
5.2 テクノロジートレンドの活用方法
私の最も強い助言は、このAIテクノロジートレンドに賭けることです。世界はまだこの変革の大きさに気付いていないほど、驚くべき状況にあります。モデルは急速に改善を続けており、あなたが今日できることと、AIを使わずにできることの差は、驚くほど大きいものになっています。
スタートアップにとって、この技術トレンドを活用する際の最大の強みは、速度と反応性にあります。新しいことを発見したその日のうちに、何かを構築し始めることができます。これは四半期ごとの計画サイクルで動く中規模企業や、10年単位の計画サイクルで動くGoogleのような大企業には真似できない強みです。
私たちの経験からも、早期に重要な技術トレンドを見極め、そこに集中投資することの価値は明らかです。私たちはDeepMindと比べてリソースが限られていましたが、深層学習とスケーリングに集中することで成功への道を見出すことができました。
しかし、ここで重要なのは、単にAIを使うということだけではありません。新しい技術がより速く、より良くなっていくことを前提に、その進化に合わせて迅速に適応していく必要があります。例えば、GPT-3からGPT-3.5、そしてGPT-4への進化を見ても、各バージョンで劇的な改善が見られました。この進化のスピードに追随し、時には先回りすることができる組織であることが重要です。
そして、このトレンドへの投資は、まだ飽和点には程遠い状況です。むしろ、私たちは大きな変革の入り口に立ったばかりです。こうした状況で成功するためには、技術の進化を予測し、それに備えながらも、現在利用可能な技術で最大限のことを成し遂げる能力が必要となります。これは、スタートアップにとって、前例のない機会を意味しています。
5.3 ビジネスの基本原則の重要性
新しい技術プラットフォームが登場すると、その魔法のような力に惑わされ、ビジネスの基本原則を忘れがちになります。AIを使っているというだけで、収益性やビジネスの持続可能性、競争優位性の構築といった基本的な要素を無視してもよいと考えてしまう危険性があります。
しかし、私の経験から言えることは、「AIを使っているから、あなたではない誰かがそれを使っているから」というだけでは、十分な差別化要因にはならないということです。確かに、新しい技術を他社より早く採用することで短期的な成長の爆発的な機会を得ることはできます。しかし、それだけでは長期的な成功は保証されません。
むしろ、重要なのは、AIを活用しながらも、本質的な価値を提供し続けることです。他社が真似できない独自の強みを構築し、持続可能な競争優位性を確立する必要があります。これは、デモを作るだけではなく、実際のビジネスを構築することを意味します。
私たちのGPTシリーズの開発過程でも、技術的な進歩だけでなく、実際のユーザーニーズに応える価値提供が重要でした。GPT-3は技術的には印象的でしたが、実用的な価値創出には限界がありました。GPT-4で大きな成功を収めることができたのは、ユーザーの実際のニーズに応える価値を提供できたからです。
このように、AIスタートアップであっても、あるいはむしろAIスタートアップだからこそ、ビジネスの基本原則を忘れずに、持続可能な価値創造の仕組みを構築することが重要です。技術の進歩は急速ですが、ビジネスの成功の本質は変わっていないのです。
6. 個人的な洞察と経験
6.1 YCでの学びとpeer groupの重要性
YCでの経験を通じて、私が最も重要だと感じたのは適切なピアグループを見つけることでした。これは私自身の経験でもあり、また多くの若手起業家に伝えたい最も重要な助言の一つです。
私はスタンフォードとYCの両方を経験しましたが、その環境の違いは顕著でした。スタンフォードはすばらしい大学でしたが、そこでは自分をより良くしたいと感じさせてくれるような、より野心的で刺激的な仲間たちに囲まれているとは感じませんでした。むしろ、当時の競争は「どの投資銀行でインターンシップを得るか」といった方向に向かっており、恥ずかしながら私自身もその罠に陥っていました。これは、ピアグループの影響力がいかに強いかを示す良い例です。
一方、YCの環境に触れた途端、私はもう大学に戻る気が失せました。そこには「ただやってみよう」という精神を持った、不思議な人々の集まりがありました。彼らは常識に縛られることなく、自分のやりたいことを追求していました。長い間、私はこの違和感を持ち続けていましたが、YCで初めて「自分の居場所を見つけた」と感じることができました。
若い頃、私は「適切なピアグループを見つけることが重要だ」ということを理解していませんでした。「自分で何とかできる」と思っていたのです。しかし、今振り返ってみると、刺激的な仲間たちと早い段階で出会えたことが、私の人生において極めて重要だったことがわかります。
YCの特別な点は、一人の素晴らしい人物（PG）が「あなたにはできる、私はあなたを信じている」と言ってくれることだけではありませんでした。それは確かに若いファウンダーにとって特別で刺激的な経験でしたが、より重要だったのは、同じような思いを持つ仲間たちのピアグループでした。このことに気付くまでに、私は長い時間を要しました。
このように、適切なピアグループを見つけることは、誰も免れることのできないピアプレッシャーを、成長のための積極的な力に変える鍵となるのです。そして、それは可能な限り早い段階で見つけることが重要です。
6.2 技術の発展における世代交代の意義
私は技術の進歩について深く考えるとき、自分が子供の頃に使っていたコンピュータのことを思い出します。私の最初のコンピュータはLC2でしたが, そのマシンを作った人々のことを考えると、深い感謝の念を覚えます。私は彼らの名前も知らず、多くの方々はすでに引退されているでしょう。しかし、当時の技術の限界に挑戦して作られたそのコンピュータは、私の人生を完全に変えました。そして、それは私だけでなく、多くの人々の人生に影響を与えました。
この経験は、技術の発展における世代間の貢献の連鎖の重要性を示しています。各世代は、前の世代が築いた基盤の上に新しい革新を積み重ねていきます。そして興味深いことに、新しいプラットフォームは常に、事前の知識や経験のない若い世代によって構築されています。
この現象は、私たちがモバイル革命で目の当たりにしたものです。そして今、AI革命でも同じことが起きています。若い世代は既存の制約や常識に縛られることなく、新しい技術に対して純粋な好奇心と情熱を持って取り組むことができます。
私たちは今、この長い進歩の道のりに自分たちのレンガを一つ加える機会を得ています。そして、それは将来の誰かの人生を変えるかもしれません。彼らは私たちに直接感謝を伝えることはできないかもしれませんが、私たちが過去の革新者たちに感謝しているように、彼らもまた私たちの貢献に感謝してくれるでしょう。
このように、技術の進歩は単なる技術的な進化ではなく、世代を超えた人々の努力と影響の連鎖なのです。そして、各世代がその時代の最先端の技術に挑戦し、次の世代のための基盤を築いていくことで、技術は進歩し続けていくのです。
6.3 将来への期待と展望
私は今、生涯で最も興奮している時期にいます。AGIの実現に向けた道筋が、これまでになく明確に見えてきたからです。OpenAIでの取り組みを通じて、私たちは知っているものと知らないものを区別できるようになり、AGIまでの道のりがより具体的になってきました。
私が特に楽しみにしているのは、近い将来に実現可能となる可能性のある大きな変革です。気候問題の解決、宇宙コロニーの設立、物理学の全容解明、そして限りない知性と豊富なエネルギーの実現。これらはもはや空想ではなく、実現可能な目標として私たちの前に広がっています。そして、私たちがまだ想像もできていない可能性も数多く存在するはずです。
特に、知性とエネルギーという二つの要素は、私たちが望むあらゆる進歩への鍵となります。より良いアイデアをより早く生み出し、それらを物理的世界で実現する能力。そして、AIの実行に必要なエネルギーの確保。これらが同時期に進展していることは、偶然なのか、それとも技術進歩の加速度的な性質の自然な結果なのかはわかりません。しかし、確実に言えることは、これが生きていて最も興奮する時代だということです。
私は、子どもを待っている今、この技術革新の意味をより深く考えるようになりました。私たちの子孫は、現在私たちが「豊富」だと感じているエネルギーを、極めて限られたものだと感じるでしょう。彼らはダイソン球について語り合い、この広大な宇宙に存在する無限の可能性に思いを馳せることでしょう。
技術の進歩は、単なる技術的な革新を超えて、人類社会全体を変革する可能性を秘めています。そして、その変革の中心にいられることは、私にとって大きな喜びであり、同時に責任でもあります。今こそ、私たちは未来の世代のために、より良い世界を築く機会を手にしているのです。