まず第一に、素晴らしい製品を作るのはクールだと思いますし、新しいSoraは人々に愛されています。そして、この共進化の過程で何が起ころうとしているのかを社会に少しでも感じてもらうことも重要だと考えています。つまり、近い将来、世界は誰でもディープフェイクしたり、何でも見せたりできる驚異的なビデオモデルと対峙することになるでしょう。それは概ね素晴らしいものになるでしょう。しかし、社会が乗り越えなければならない調整も必要になるでしょう。ChatGPTの時と同じように、世界がこれがどこに向かっているのかを理解する必要がありました。世界がビデオの未来を迅速に理解することが非常に重要だと思います。なぜなら、ビデオはテキストよりもはるかに感情的な共鳴をもたらすからです。

そして、もうすぐ、このようなものがどこにでもあるような世界になるでしょう。だから、そこに何かがあると思っています。先ほども言ったように、これは私たちの研究プログラムに役立つと思いますし、AGIの道筋にも合致するでしょう。でも、そうですね、人間を容赦なく効率的にして、AIが私たちのあらゆる問題を解決する、といったことだけがすべてではないんです。

途中で楽しさや喜び、そして喜びも必要だ。でも、大量のコンピューティング能力を投入するつもりはない。というか、ほんの一部でも。

例えばSoraは表面的にはAGIとは関係ないように見えるかもしれませんが、本当に優れた世界モデルを構築できれば、人々が考える以上にAGIにとって重要になるでしょう。ChatGPTはAGIとはあまり関係ないと考える人が多かったのですが、ChatGPTは私たちにとって非常に役立っています。より良いモデルを構築し、社会がどのようにこれを利用したいのかを理解するだけでなく、社会に「今こそこの問題に取り組まなければならない」という理解を促す上でも役立っています。

ChatGPTが登場するずっと前から、AGIについて話すたびに人々は「そんなことはありえない」とか「興味ない」といった感じでした。ところが、その後突然、本当に関心を持つようになったのです。研究のメリットはさておき、私は社会と技術は共進化していくべきだと強く信じています。最後に技術を放り出すわけにはいきません。そういう風にはいかないんです。常に議論が交わされている状態なのです。

ChatGPTよりずっと前の初期のOpenAIでも、「ビジネスモデルは？」と聞かれたのですが、「まあ、AIに聞いてみましょう。AIが解決してくれるでしょう」と答えました。みんな大笑いしましたね。

米国の電力網の拡張には70年（1882年から1960年）かかり、現在のドル換算で2兆ドルの費用がかかりました。

私たちはAIインフラに7兆ドル以上、データセンターに少なくとも5兆ドル、そしてそれらに電力を供給するための電力網の再構築に1.5兆ドルを費やすという、7年間の圧縮されたスプリントを目撃しています。Microsoft、Google、Amazon、Metaは2024年だけで2,510億ドルを費やしており、これは2023年から62%の増加です。

スイス人研究者たちは、実験室で培養されたヒトニューロンのクラスター（オルガノイド）を用いて「バイオコンピューター」を構築し、脳の情報処理方法を模倣しています。電極に接続されたこれらの生きた細胞ネットワークは電気信号に反応し、将来的にはAIシステムのようなタスクを学習する可能性があります。しかも、消費電力はシリコンチップよりもはるかに少ないです。まだ実験段階のこの分野は、オルガノイドを生きたまま維持し、拡張性を持たせるなど、大きな課題に直面していますが、コンピューティングと生物学が融合し、知能そのものの設計方法を変革する未来を示唆しています。

ドイツテレコムの新型229ユーロ「AIフォン」、そしてそれとは別に、ナッシングがAndroid OSに高度なAIアシスタントを直接統合するという噂の計画は、どちらも同じ変化、つまりスマートフォンがアプリ主導からAIファーストへと移行していることを示唆している。専用の「マゼンタボタン」とPerplexity Proアシスタントを搭載したドイツテレコムのデバイスは、アプリを開く必要をなくし、ナッシングはミニマルなインターフェースを見直し、会話型AIを中心としようとしている。これらは共に、15年間続いたアプリグリッドを基盤としたモバイルデザインからの脱却を示唆しており、将来のユーザーはスマートフォンをタップするのではなく、話しかけるようになるだろうという賭けだ。もしこれが普及すれば、アプリ経済を根底から覆し、人々がデジタルサービスと関わる方法を再定義する可能性がある。

Thinking Machines Labは、初の製品となるTinkerを発表しました。これは、大規模言語モデルのファインチューニングを容易にし、かつ強力にするマネージドAPIです。LlamaやQwenなどのモデル向けに設計されたTinkerは、複雑なインフラストラクチャの管理に煩わされることなく、分散GPU上でPython学習ループを用いて100億以上のパラメータを持つモデルを学習・カスタマイズすることを可能にします。プリンストン大学やスタンフォード大学などの早期導入企業は、既に高度なAI研究にTinkerを活用しています。

Nature誌の最新調査によると、AIがノーベル賞級の発見を成し遂げられるかどうかについて、議論が高まっていることが明らかになった。「ノーベル・チューリング・チャレンジ」のようなプロジェクトは、2050年、あるいは2030年までに、人間なしで仮説を立て、実験を実行できる完全に自律的な科学者の育成を目指している。Coscientistのような初期のシステムは、複雑な化学タスクの自動化において進歩を示している。しかし、Hugging Faceのトーマス・ウルフ氏をはじめとする研究者は、現在の大規模言語モデルは、何世紀にもわたる信念を覆したコペルニクスとは異なり、コンセンサスに挑戦するのではなく、起こりそうな単語を予測するだけなので、パラダイムシフトをもたらすような洞察は提供できないと主張する。

Nature誌の調査によると、Google DeepMindは220万種類の新物質を発見したと主張しているものの、その多くは実用的ではない放射性元素を含んでいたり、結晶構造ではなく無秩序な構造で存在したりすることが明らかになりました。分析によると、GNoMEの「安定」な化合物の80～84%は、現実世界の条件下では崩壊する可能性が高いことが示されています。MicrosoftとMetaによる同様の取り組みも、複雑な化学反応を無視した洗練されたシミュレーションという同じ欠陥に直面しています。AIは発見を加速させていますが、真のブレークスルーは依然として実験検証にかかっています。