Transcription
マーク、またポッドキャストに来てくれてありがとう。
ええ、喜んで。お会いできて嬉しいです。
あなたも。
前回あなたがここに来た時、Llama 3をローンチしていましたね。
今度はLlama 4をローンチしましたね。最初のバージョンですが。
そうです。何が新しくなりましたか？何がエキサイティングですか？何が変わりましたか？
この分野は非常にダイナミックです。前回話してから、たくさんのことが変わったように感じます。
Meta AIは現在、月間約10億人が使用しており、これはかなりすごいことです。
パーソナライゼーションループが稼働し始めると、今年はこれが本当に大きな年になると思います。
それはまさに今、本格的に構築し始めているところです。
すべてのアルゴリズムがあなたの興味のあるものについて持っているコンテキスト—フィード、あなたのプロフィール情報、あなたのソーシャルグラフ情報—だけでなく、あなたがAIとやり取りしているものからもです。
それが次のスーパーエキサイティングなことになるでしょう。
私はそれに本当にこだわっています。
モデリングの分野も本当に素晴らしい進歩を続けています。
Llama 4の最初のリリースセットにはかなり満足しています。
4つのモデルを発表し、そのうち最初の2つ—ScoutとMaverick—をリリースしました。
これらは中型から小型のモデルです。
最も人気のあるLlama 3モデルは、80億パラメーターのモデルでした。
そのため、Llama 4シリーズにもそれと同じものが登場します。
社内のコードネームは「Little Llama」です。
これはおそらく今後数ヶ月で登場します。
ScoutとMaverickは優れています。
市場にあるどのモデルよりも、コストあたりの知能が非常に高いです。
ネイティブでマルチモーダルであり、非常に効率的で、1つのホストで動作します。
社内で構築している多くのユースケースのために、非常に効率的で低遅延になるように設計されています。
それが私たちのやり方です。
私たちは自分が欲しいものを構築し、それをオープンソース化して他の人にも使用できるようにします。
それが楽しみです。
また、間もなく登場するBehemothモデルにも興奮しています。
これは、2兆を超えるパラメーターを持つ、最先端の私たちの最初のモデルになるでしょう。
名前が示すように、かなり大きいです。
それを自分たちでポストトレーニングできるように、多くのインフラストラクチャを構築する必要がありました。
今では、平均的な開発者がどのようにしてこのようなものを使用できるのかを考えています。
どのようにして役立つものにするか—おそらく、実行可能なサイズに蒸留することによって？
なぜなら、消費者モデルでそのようなものを実行したいとは思わないでしょうから。
昨年Llama 3の状況を見ていたように、最初のローンチはエキサイティングであり、その後1年間それを構築し続けました。
3.1では4050億モデルをリリースし、3.2ではすべてのマルチモーダル機能を追加しました。
今年についても、基本的にそのようなロードマップがあります。
ですから、多くのことが起こっています。
それについてもっと聞きたいです。
過去1年間で、最高のクローズドソースモデルと最高のオープンソースモデルの差が広がっているという印象があります。
Llama 4モデルの全ファミリーはまだ出ていませんが、Llama 4 MaverickはChatbot Arenaで35位です。
多くの主要なベンチマークでは、o4-miniやGemini 2.5 FlashがMaverickを上回っているように見えます。
Maverickは同じクラスです。
その印象についてどう思いますか？
いくつかあります。
まず、実際には、これは全体としてオープンソースにとって非常に良い年だったと思います。
昨年を振り返ってみると、Llamaは唯一の真に超革新的なオープンソースモデルでした。
現在では、この分野に多くのオープンソースモデルがあります。
一般的に、オープンソースがクローズドソースを追い抜いて、市場で最も使用されるモデルになるという予測は、実現に向かっていると思います。
ある意味ではポジティブで、ある意味ではネガティブですが、全体的には良い、興味深いサプライズは、Llamaだけではないということです。
市場には多くの優れたものがあります。
それは非常に良いことだと思います。
それから、o3、o4、その他のモデルについて言及している推論現象があります。
専門化が起こっています。
数学の問題、コーディング、またはそれらのタスクのようなさまざまなことに最適なモデルが必要な場合、より多くのテスト時間または推論時間計算を消費してより高い知能を提供する推論モデルは、非常に魅力的なパラダイムです。
そして、私たちはLlama 4の推論モデルも構築しています。
それはいつか公開されるでしょう。
しかし、私たちが気にしている多くのアプリケーションでは、レイテンシとコストあたりの良好な知能は、はるかに重要な製品属性です。
主に消費者製品を設計している場合、人々は答えを得るために30秒待つことを望んでいません。
0.5秒で一般的に良い答えを与えることができれば、それは素晴らしいトレードオフです。
これら2つはどちらも、重要な方向になると思います。
時間をかけて推論モデルをコア言語モデルと統合することに楽観的です。
それが、最近のいくつかのGeminiモデルでGoogleが進んでいる方向です。
それは本当に有望だと思います。
しかし、起こることはたくさんあると思います。
あなたはChatbot Arenaについても言及しましたが、それは興味深く、ベンチマークを行う方法に関する課題を示しています。
どのモデルがどのことに適しているかを知るにはどうすればよいでしょうか？
過去1年間、私たちが一般的に行ってきたことの1つは、私たちのMeta AI製品の北極星ユースケースにもっと多くのモデルを固定することです。
オープンソースのベンチマーク、そしてLM Arenaのようなもの全般の問題は、それらが非常に具体的なユースケースに偏っていることが多く、それは実際にはあなたの製品で普通の人が何をするのかとは異なるということです。
彼らが測定しようとしているもののポートフォリオは、特定の製品で人々が気にするものとは異なることがよくあります。
そのため、その種のものを最適化しすぎると、道を踏み外してしまうことがわかりました。
実際には、Meta AI内で人々が私たちのものを使用する際に、最高の品質の製品、最も多くの使用量、そして最高のフィードバックにはつながりませんでした。
そのため、人々が私たちに報告する製品の価値、彼らが欲しいと言っていること、そして彼らが明らかにしている好みを北極星に固定し、私たちが持っている経験を使用しようとしています。
これらのベンチマークは、必ずしもうまく合致するとは限りません。
それらの多くは非常に簡単にゲーム化できると思います。
Arenaでは、Sonnet 3.7など、優れたモデルがありますが、トップには近づいていません。
私たちのチームにとっては、トップになれるLlama 4 Maverickのバージョンを調整するのは比較的簡単でした。
しかし、私たちがリリースしたバージョン、純粋なモデルには、それに対する調整は全くありません。
そのため、さらに下位に位置しています。
そのため、これらのベンチマークのいくつかには注意が必要です。
私たちは主に製品を指標にします。
ユーザーにとっての価値の北極星としてあなたが認識しているものを、異なるモデル間で客観的に測定できるベンチマークがあり、「このベンチマークでLlama 4をトップにする必要がある」と言えると思いますか？
私たちのベンチマークは基本的にMeta AIでのユーザー価値です。
しかし、他のモデルと比較することはできません。
他のモデルを実行して判断できる可能性があるので、比較できるかもしれません。
それがオープンソースの利点の1つです。
あなたのものを突いて穴を見つけ、「あなたのモデルはどこが悪くて、どこが良いのか」を指摘してくれる良いコミュニティがあります。
現時点での現実として、これらのモデルはすべてわずかに異なるものの組み合わせに対して最適化されています。
すべての主要な研究所が、一般知能、超知能、何でも呼びましょう、を目指しているので、すべてが同じ目標に向かって進んでいこうとしています。
それは、誰もが自分の好きなものを創造するための超人的なツールを持っている豊かさの世界につながるAIです。
それは人々を劇的にエンパワーし、経済的利益を生み出します。
どのように定義しても、多くの研究所がそれを目指しています。
しかし、異なる人々が異なるものに対して最適化していることは間違いありません。
Anthropicの人々は、コーディングとそれを中心としたエージェントに本当に焦点を当てていると思います。
OpenAIの人々は、最近では推論にもっと近づいていると思います。
推測すれば、最も使用されるものになるであろう空間があります。
迅速で、やり取りが非常に自然で、ネイティブでマルチモーダルで、1日のさまざまな方法でやり取りしたい方法に適合します。
あなたがリリースしている新しいMeta AIアプリを試す機会があったと思います。
そこに入れた楽しいものの1つは、フルデュプレックス音声のデモです。
まだ初期段階です。
それをアプリのデフォルトの音声モデルにしていないのには理由があります。
しかし、その自然な会話の仕方に、本当に楽しくて魅力的なものがあります。
それを適切なパーソナライゼーションと組み合わせることで、製品体験につながります。
数年先を考えると、私たちは1日中さまざまな疑問点についてAIと話すことになると思います。
あなたはあなたの携帯電話を持つでしょう。
フィードアプリを閲覧しながら、それに対して話します。
それはあなたにさまざまなもののコンテキストを与えます。
それはあなたの質問に答えます。
メッセージアプリで人とやり取りする際に役立ちます。
最終的には、日常生活を歩み、眼鏡やその他の種類のAIデバイスを使用して、1日中シームレスにやり取りすることになると思います。
それが北極星です。
人々がその品質をやり取りしたいと思う場所に達するためのベンチマークが何であれ、それが最終的に私たちにとって最も重要になるでしょう。
OrionとMeta AIアプリの両方で試す機会がありましたが、音声モードは非常にスムーズで、非常に印象的でした。
さまざまな研究所が最適化しているものについては、彼らの見解を鋼鉄化するために—彼らは、ソフトウェアエンジニアリングとAI研究を完全に自動化すれば、知能爆発を誘発できると信じていると思います。
Llama 1とLlama 4の間で行われた研究—その規模の改善—を数週間または数ヶ月で繰り返す、何百万ものソフトウェアエンジニアのコピーを持つことになります。
そのため、ソフトウェアエンジニアのループを閉じることは本当に重要であり、そうすればASIを最初に実現できる可能性があります。
それについてどう思いますか？
個人的には、それはかなり説得力があると思います。
そのため、私たちも大規模なコーディングに取り組んでいます。
Meta社内で多くのコーディングエージェントに取り組んでいます。
私たちはエンタープライズソフトウェア会社ではないため、主に自分たちのために構築しています。
繰り返しますが、私たちは特定の目標を目指しています。
汎用的な開発者ツールを構築しようとしているのではなく、Llama研究を特に進めるコーディングエージェントとAI研究エージェントを構築しようとしています。
それは私たちのツールチェーン全体に完全に接続されています。
それは重要であり、これらのことがどのように行われるかの重要な部分になるでしょう。
今後12〜18ヶ月以内には、これらの努力に向けられているコードの大部分がAIによって書かれるようになるだろうと推測します。
そして、オートコンプリートのことではありません。
今日では優れたオートコンプリートがあります。
何かを書き始めると、コードのセクションを完成させることができます。
私が言っているのは、目標を与えれば、テストを実行し、改善し、問題を見つけることができ、チームの非常に優秀な平均的な人よりも質の高いコードを書くことができるということです。
それは確かに、これにとって本当に重要な部分になると思います。
しかし、それがゲーム全体であるかどうかはわかりません。
それは大きな業界になり、AIがどのように開発されるかの重要な部分になるでしょう。
しかし、まだ…
それを考える1つの方法は、これが非常に広大な空間であるということです。
1つの最適化機能を持つ1つの企業だけが、すべての人を可能な限り最善に提供するだけではないと思います。
異なる分野で主要な仕事をこなしているさまざまな研究所がたくさんあります。
企業に特化した企業やコーディングに特化した企業もあります。
生産性に特化した企業もあります。
社会やエンターテインメントに特化した企業もあります。
アシスタント分野では、情報提供や生産性に特化したアシスタントと、仲間を重視したアシスタントがあります。
それは、単に楽しくてエンターテイメント性があり、あなたのフィードに表示されるたくさんのものになるでしょう。
発明する必要がある共通の糸はたくさんありますが、まだ作成する必要があるものもたくさんあります。
推測すれば、異なるグループ間の専門化がさらに進むようになると思います。
あなたが基本的に、知能爆発が起こり、超知能のようなものが最終的に得られるという前提に同意していることは私にとって本当に興味深いことです。
誤解しているかどうか教えてください。
もしそうであれば、なぜパーソナルアシスタントやその他のことなどにこだわるのでしょうか？
なぜ、先に超人的な知能を得て、後でその他のすべてを処理しないのでしょうか？
それはフライホイールの1つの側面だと思います。
私が一般的に迅速な離陸の観点に反対しているのは、物理的なインフラストラクチャを構築するのに時間がかかるからです。
ギガワット規模のコンピューティングクラスターを構築したい場合、それには時間がかかります。
NVIDIAは次世代システムを安定させるために時間を必要とします。
それから、その周りのネットワーキングを考え出す必要があります。
それから、建物を建てる必要があります。
許可を得る必要があります。
エネルギーを得る必要があります。
ガスタービンまたはグリーンエネルギーを意味するかもしれませんが、どちらにしても、それらのもののサプライチェーン全体があります。
前回あなたがポッドキャストに来てくれた時に、これらについてたくさん話しました。
これらのいくつかは、単に物理的な世界、人間の時間に関することだと思います。
スタックの1つの部分に知能が増えると、異なる種類のボトルネックに遭遇することになります。
エンジニアリングは常にこのように機能します。1つのボトルネックを解決すると、別のボトルネックが生まれます。
システムまたは成分の別のボトルネックは、システムの使用とフィードバックループを学ぶことに人々が慣れることです。
これらのシステムは、人々が魔法のように使用方法を知っている状態で完全に形成された形で登場するわけではありません。
人々がこれらのAIアシスタントを最適に使用する方法を学習する共進化が起こります。
同時に、AIアシスタントは人々が何に関心を持っているかを学習しています。
開発者はAIアシスタントを改善しています。
コンテキストの基盤も構築しています。
1〜2年後、あなたは目覚め、アシスタントは2年前の話に言及することができます。
それは素晴らしいことです。
もし、完璧なものを初日にローンチしたとしても、それはできませんでした。
2年前には存在していなかったものを、2年前の話に言及することはできません。
だから、私の見解は、この巨大な知能の成長があるということです。
人々がAIアシスタントとやり取りする際の採用は非常に急な曲線を描いており、その周辺の学習フィードバックとデータフライホイールもあります。
そして、多くの物理インフラストラクチャのスケーリングを可能にするサプライチェーンとインフラストラクチャ、および規制枠組みの構築もあります。
あるレベルでは、それらのすべてが必要であり、コーディングの部分だけではありません。
私が興味深いと思うこのことの一例です。
数年前を振り返っても、私たちの広告チームに、ランキング実験を自動化するプロジェクトがありました。
それは非常に制約された環境です。
それはオープンエンドコードではありません。
基本的に、会社の全履歴—広告システムでどのエンジニアが行った実験でも—を見て、何がうまくいき、何がうまくいかず、それらの結果がどうであったかを確認します。
次に、広告システムのパフォーマンスを向上させる可能性のある、実行する必要があるさまざまなテストの新しい仮説を基本的に策定します。
私たちが基本的に発見したのは、仮説の数に基づいて、テストを実行する計算能力にボトルネックされていたということです。
広告チームにいる人間だけでも、実際に計算能力またはそれらをテストする人々のコホートを持っているよりも、テストする良いアイデアがたくさんあります。
35億人の人があなたの製品を使用している場合でも、各テストは統計的に有意である必要があります。
それは数十万または数百万の人々を必要とします。
それを通してテストで得ることができるスループットには限界があります。
そのため、私たちが持っている人間だけで、実際には私たちが望むすべてをテストすることはできません。
より多くのものをテストできるようになることは、必ずしもそれに加算的になるわけではありません。
AIが生成している仮説の平均品質が、チームの最優秀な人間が行うことができる実際にはテストできるすべてのものよりも優れている地点に達する必要があります。
そうしないと、それがわずかに有用になることさえありません。
私はそれがかなり速く達成されると思います。
しかし、それは「OK、このものはコードを書くことができ、突然すべてが劇的に改善している」というだけではありません。
克服する必要がある現実的な制約があります。
それから、計算能力とテストする人々が必要です。
そして時間とともに品質が向上するにつれて、私たちは5年後または10年後、AIシステムと同じくらい良い仮説を生成できる人々のセットはどこにも存在しないという地点に達するでしょうか？
わかりません、おそらく。
その世界では、明らかにそれがすべての価値が創造される方法になるでしょう。
しかし、それは最初のステップではありません。
ですから、この見方を承認するならば、知能が向かっている方向であるならば、Metaに強気である理由は、明らかにあなたがそのすべてを配布しているからです。
それも使用して、トレーニングに役立つより多くのものを学習できます。
Meta AIアプリには現在、10億人のアクティブユーザーがいることを言及しました。
アプリではありません。
アプリは、まさに今ローンチしているスタンドアロンのものですが、それを利用したい人にとって楽しいものになるでしょう。
それはクールな体験です。
いくつかの新しいアイデアを試しているので、それについても話すことができます。
それらは斬新であり、話す価値があります。
しかし、私は主に私たちのアプリについて話しています。
Meta AIは実際にはWhatsAppで最も多く使用されています。
WhatsAppは米国以外で主に使用されています。
米国では1億人を超えましたが、米国では主要なメッセージングシステムではありません。iMessageがそうです。
そのため、米国の人々はMeta AIの使用量をある程度過小評価している傾向があります。
しかし、スタンドアロンアプリが非常に重要になる理由の一部は、さまざまな理由から米国が最も重要な国の1つであるためです。
WhatsAppが人々がMeta AIを使用する主な方法であり、米国では主要なメッセージングシステムではないということは、人々の前で本当に第一級のエクスペリエンスを構築する別の方法が必要であることを意味します。
そして、質問を終えるために、弱気なケースは、AIの未来が単にあなたの質問に答えることよりも、バーチャルな同僚であることである場合、WhatsApp内のMeta AIが、完全に自律的なプログラマーまたはリモートワーカーを作成するための関連するトレーニングデータを提供するかどうかは明らかではないということです。
その場合、LLMで現在より多くの配布を持っている人がどのくらい重要であるかは問題になりませんか？
繰り返しますが、さまざまなものがあると思います。
インターネットの開発の初期に、「インターネットの主なものは何ですか？知識労働ですか、それとも大規模な消費者向けアプリですか？」と質問したと想像してください。
どちらも得られます。
どちらかを選択する必要はありません。
世界は大きく複雑です。
1つの企業がそれらのすべてのものを構築するのでしょうか？
通常、答えはノーです。
しかし、あなたの質問に対して、人々はほとんどの場合WhatsAppでコーディングしません。
そして、人々がWhatsAppでコードを書き始めることが主要なユースケースになることはないと予測しています。
しかし、人々はAIに多くのことを要求するようになり、その結果、彼らがそれを知らないうちにAIがコーディングすることになると思います。
それは別のことです。
Metaには多くのコードを書いている人がいて、彼らはMeta AIを使用しています。
MetaMateと呼ばれる内部的なものがあり、それを中心に構築しているさまざまなコーディングとAI研究エージェントがあります。
それには独自のフィードバックループがあり、それらの努力を加速するために非常に優れていると思います。
しかし、繰り返しますが、多くのものがあります。
AIは、知識労働とコードの巨大な革命をほぼ確実に解き放つでしょう。
また、人々が情報を取得し、より複雑な情報タスクを実行する方法である次世代の検索にもなるとも思います。
また、楽しいとも思います。
人々はそれを楽しんで使用します。
今日のインターネットの多くは、ミームとユーモアです。
私たちは指先にこの驚くべき技術を持っています。
私たちの人間のエネルギーのどれだけの量が単に自分自身を楽しませ、文化を前進させ、私たちが観察する文化現象をユーモラスな方法で説明するために費やされるかを考えると、それは驚くべきことであり、面白いです。
それは未来においてもほぼ確実に当てはまると思います。
InstagramやFacebookのようなものの進化を見てください。
10年前、15年前、20年前を振り返ると、それはテキストでした。
その後、私たちはカメラ付きの携帯電話を手に入れ、コンテンツの大部分は写真になりました。
その後、携帯電話ネットワークは十分に良くなり、携帯電話でビデオを見たい場合、ずっとバッファリングしているだけではありませんでした。
それがうまくいきました。
過去10年間で、コンテンツの大部分はビデオに移行しています。
今日、FacebookとInstagramで費やされる時間のほとんどはビデオです。
しかし、5年後、私たちはただフィードに座って、ビデオだけのメディアを消費すると思いますか？
いいえ、インタラクティブになります。
あなたはあなたのフィードをスクロールするでしょう。
最初はリールのように見えるコンテンツがあるかもしれません。
しかし、それに対して話すことができます。または、それとやり取りすることができます。
そして、それは話し返したり、それが行っていることを変更したりします。
あるいは、ゲームのように飛び込んでやり取りすることもできます。
それらはすべてAIになります。
私の言いたいのは、さまざまなものがあるということです。
私たちは野心的なので、それらの多くに取り組んでいます。
しかし、1つの企業がすべてを行うとは思えません。
AI生成コンテンツとAIのやり取りについては、すでに人々はAIセラピスト、AIの友人、おそらくそれ以上のものと意味のある関係を持っています。
これらのAIがよりユニークになり、より人格的になり、より知能が高くなり、より自発的になり、より面白くなるにつれて、これはさらに激しくなります。
人々はAIと関係を持つようになります。
これらの健康的な関係を確保するにはどうすればよいでしょうか？
行動が見え始めてからしか本当に答えられない質問がたくさんあります。
おそらく最も重要なことは、その質問をして、その過程の各段階でそれを気にすることです。
しかし、事前にあまりにも厳しく規定して、「私たちはこれらのことは良くないと考えています」と言うと、多くの場合価値がなくなります。
人々は自分にとって価値のあるものを使用します。
製品を設計する際の私の主要な指針の1つは、人々は賢明であるということです。
彼らは自分の人生において何が価値があるかを知っています。
時々、製品に何か悪いことが起こり、それを最小限に抑えるために製品を適切に設計したいと思うでしょう。
しかし、誰かがやっていることが悪いと思っていて、それが本当に価値があると彼らが思っている場合、私の経験ではほとんどの場合、彼らは正しくてあなたは間違っています。
彼らは、彼らがやっていることが彼らの生活においてどのように価値があり、役に立っているのかを理解するための枠組みをまだ思いついていないだけです。
それが私がそれについて考える主な方法です。
人々はこれらのソーシャルタスクの多くにAIを使用するようになると思います。
すでに、人々がMeta AIを使用する主なものの1つは、人生の中で人々と行う必要のある難しい会話を通して話すことです。
「ガールフレンドとこの問題を抱えています。この会話をするのを手伝ってください。」
または、「職場のボスと難しい会話をしなければなりません。その会話をどのようにすればよいですか？」
それは非常に役に立ちます。
パーソナライゼーションループが起動し、AIがあなたをますますよく知るようになると、それは本当に魅力的になります。
長い間ソーシャルメディアに取り組んできたことから、私はいつもクレイジーだと思う統計があります。
平均的なアメリカ人は、友人と考える人が3人未満です。
そして、平均的な人は、意味のある友人を持つことを望んでいます。
それは約15人の友人であるとか。
ある時点で、「よし、忙しすぎる、これ以上の人間とは付き合えない」と思うでしょう。
しかし、平均的な人は、持っているよりも多くのつながりを望んでいます。
「これは現実の世界の対面でのつながりを置き換えるのでしょうか？」のような懸念を多くの人が提起します。
そして、私のデフォルトでは、その答えはおそらくノーです。
対面でのつながりについて、それが可能であれば、より良いことがたくさんあります。
しかし、現実は、人々は望むだけのつながりを持ち合わせていないということです。
彼らは、望むよりもずっと孤独を感じていることが多いです。
そのため、今日では多少のスティグマがある可能性のあるこれらのこと—時間とともに、社会として、それらがなぜ価値があるのか、それらを行っている人々がそれを行うのに合理的である理由、そしてそれがどのように彼らの生活に価値を追加しているのかを表現するための語彙を見つけるでしょう。
しかし、この分野はまだ初期段階です。
少数の企業が…
バーチャルセラピストとか、バーチャルガールフレンドみたいなものを作っています。でも、まだ初期段階です。それらの具現化はまだかなり弱いです。開くと、セラピストや話している人の画像が表示されるだけです。時々、非常に粗いアニメーションがありますが、具現化ではありません。Reality Labsで取り組んでいるもの、Codecアバターを持っていて、実際には実在の人間のように感じるものを見たことがあると思います。それが目指すところです。AIと常時ビデオチャットができるようになります。ジェスチャーも重要です。実際に対話をしているとき、コミュニケーションの半分以上は話す言葉ではありません。非言語的なものがすべてです。先日Orionをチェックする機会があり、非常に感銘を受けました。私はこの技術について概ね楽観的です。あなたが言及したように、一般的に私はこれについてかなり自由主義的です。人々が何かをしているなら、おそらくそれは自分たちにとって良いと思っているのでしょう。ただし、TikTokを使っている人が、TikTokに費やしている時間に満足しているかどうかは、実際には分かりません。AGIの世界に住むことになるのなら、私たちもこうしたツールを使って能力を向上させる必要があるという意味で、私は概ね楽観的です。そして、一般的に、いたるところにスタジオジブリが見られるような世界の方が美しいと思います。
あなたのチームが私に示してくれた主要なユースケースの1つについて心配していました。朝食のテーブルに座っていて、視界の周辺にはスクロールするリールがたくさんあります。将来、画面の向こう側にAIガールフレンドがいるかもしれません。だから、技術によって完全に報酬ハッキングされるまでの摩擦をすべて取り除いているのではないかと心配しています。5年後、これが起こらないようにするにはどうすればよいのでしょうか。繰り返しますが、人々は自分が何を望んでいるかをよく理解していると思います。あなたが見た体験は、マルチタスクとホログラムを示すためのデモに過ぎません。同意します。未来は、視界の隅で常にあなたの注意を奪おうとするものがある世界ではないと思います。人々はそれをあまり好きではないと思います。この眼鏡を設計する際には、実際に私たちが非常に注意していることの1つです。おそらく、眼鏡が最も必要とすることは、邪魔にならず、良い眼鏡であることです。ちなみに、Ray-Ban Meta製品がこれほどまでに成功した理由の一部だと思います。音楽を聴いたり、電話をかけたり、写真やビデオを撮ったりするのに最適です。AIは必要なときに利用できます。しかし、必要ないときは、人々が気に入る素敵な眼鏡です。邪魔になりません。拡張現実の未来において、これは非常に重要な設計原則になると思います。
ここで私が見ている主なものはこれです。私たちの生活においてデジタル世界がいかに重要であるかを考えると、私たちがアクセスできる唯一の方法は、これらの物理的なデジタルスクリーンを通してであるというのは、少し奇妙です。あなたはあなたの携帯電話、あなたのコンピューターを持っています。壁に大きなテレビを設置することもできます。これは巨大な物理的なものです。物理的な世界とデジタルの世界は本当に完全に融合するべき段階にきているように思えます。ホログラフィックオーバーレイによって、それを行うことができます。しかし、同意します。それに関する設計原則の大きな部分は、人々とどのようにやり取りするかにあると思います。デジタルアーティファクトをそれらのやり取りに取り込み、非常にシームレスにクールなことを行うことができます。何かを見せたいですか？ここに画面があります。私たちはそれとかかわることができます。それは3Dにすることができます。私たちはそれとかかわることができます。カードゲームをしたいですか？では、カードの束があります。私たちはそれとかかわることができます。私たち2人が物理的に一緒にいて、ホログラムで参加している3人目の友人がいる場合、彼らも参加できます。しかし、その世界でも、物理的な空間が散らかっていて心理的に疲れるのと同じように、人々はデジタル物理的な空間がそうなることを望まないと思います。これは、解決しなければならない美的規範ですが、私たちはそれを解決できると思います。
AIの会話に戻りますが、あなたは物理的なインフラストラクチャがどれほど大きなボトルネックになりうるかについて言及していました。DeepSeekなどの他のオープンソースモデルに関連して、DeepSeekは現在、Metaのようなラボよりも計算能力が低く、Llamaモデルと競合していると主張することもできます。中国が物理的なインフラストラクチャ、産業規模の拡大、より多くの電力とデータセンターのオンライン化において優れている場合、彼らがここで私たちを打ち負かす可能性についてどれほど心配していますか？これは本当の競争です。産業政策が実際に展開されているのを見ています。中国はより多くの電力をオンライン化しています。そのため、米国はデータセンターの構築とエネルギー生産能力の合理化に真剣に取り組む必要があります。そうでなければ、私たちは大きな不利な立場に立つことになると思います。同時に、チップなどの輸出管理の一部は、それらが明らかに機能している方法を見ることができると思います。「ああ、彼らはこれら非常に印象的な低レベルの最適化をすべて行いました。」というDeepSeekに関する会話がありました。そして、現実は、彼らはそうしたということです。そして、それは印象的です。しかし、次に、「なぜアメリカンのラボが何もそれをしなかったのに、彼らはそれをする必要があったのですか？」と尋ねます。それは、彼らが部分的に弱体化されたチップを使用しているためです。輸出管理のために、NVIDIAが中国で販売することを許可されているのはそれらのチップだけです。DeepSeekは基本的に、アメリカのラボが行う必要のなかった低レベルのインフラストラクチャ最適化に、多くのカロリーと時間を費やす必要がありました。
今では、彼らはテキストで良い結果を生み出しました。DeepSeekはテキストのみです。インフラストラクチャは印象的です。テキストの結果は印象的です。しかし、現在登場するすべての新しい主要なモデルはマルチモーダルです。それは画像であり、音声です。彼らのものはそうではありません。問題は、なぜそれがそうなのかということです。彼らがそれをすることができないからではないと思います。それは、これらの輸出管理があったという事実を克服するために、インフラストラクチャ最適化を行うことにカロリーを費やす必要があったためです。しかし、Llama 4とDeepSeekを比較すると、つまり私たちの推論モデルはまだ出ていないので、R1の比較はまだ明確ではありませんが、私たちはDeepSeekが行っているすべてのテキスト関連において、より小さなモデルで基本的に同じレベルにあります。そのため、テキストに関するLlamaで行っているものの方が、知性あたりのコストが低くなります。マルチモーダルな面では、私たちは事実上リードしており、彼らのモデルには存在しません。そのため、DeepSeekが行っているものと比較すると、Llama 4モデルは優れています。人々は一般的にLlama 4モデルの使用を好むと思います。しかし、明らかに良いチームが向こうで仕事をしているという興味深い輪郭があります。そして、電力へのアクセス、計算能力とチップへのアクセスについて質問するのは正しいことです。なぜなら、異なるラボが行っている作業とその展開方法は、それの下流にある程度にあるからです。
Sam Altmanは最近、OpenAIがオープンソースのSOTA推論モデルをリリースするとツイートしました。ツイートの一部は、7億人を下回るユーザーしか使用できないなど、ばかげたことはしないと述べていたと思います。DeepSeekはMITライセンスを持っているのに対し、Llamaライセンスのいくつかの条件では、それを用いたアプリケーションに「Llamaを使用して構築」と表記する必要があるか、Llamaを使用してトレーニングしたモデルは「Llama」という単語で始める必要があると思います。ライセンスについてどう思いますか？開発者にとって負担が少なくなりますか？見てください、私たちは基本的にオープンソースのLLMのパイオニアでした。そのため、ライセンスを負担と考えていません。オープンソースを推進し始めたとき、業界では大きな議論がありました。これは本当に妥当なことでしょうか？オープンソースで安全で信頼できるものを作ることができますか？オープンソースは、誰かが気に掛けるほど競争力を持つことができますか？基本的に、これらの質問に答えていたとき、多くの難しい作業はMetaのチームによって行われました。業界には他にも人々がいましたが、本当にLlamaモデルは、このオープンソースAI全体を大規模に開いたものです。私たちがそれに多くのエネルギーを注ぐのであれば、少なくとも、MicrosoftやAmazon、Googleのような大規模なクラウド企業が、私たちのモデルを転売するのであれば、彼らとビジネスアレンジメントについて話し合うことができるはずです。私たちのライセンスの目標は、一般的に人々がモデルを使用するのを妨げることではありません。単に、そのような企業である場合、またはAppleである場合は、何をしたいのかについて話に来てくださいと言いたいだけです。生産的な方法を一緒に見つけましょう。それは一般的に問題ありませんでした。今では、業界のオープンソース部分が、多くの優れた選択肢があり、ライセンスが人々がLlamaを使用しない理由になっている方向に進化した場合、戦略を再評価する必要があります。その時点で何をすべきか。しかし、私たちはそこにいるとは思いません。実際には、企業が私たちに近づいてきて、「7億人に達したら、話に来てくださいというあなたのライセンスがあるので、これを使用したくありません」と言っているのを見たことはありません。これまでのところ、これは「これはあなたが望むほどクリーンなオープンソースモデルですか？」のようなオープンソースの純粋主義者から聞いたことの方が多いです。その議論はオープンソースの最初から存在していました。GPLライセンスに関するすべてのものとその他のものは、オープンソースに触れるものはすべてオープンソースにする必要がありますか？それとも、人々はそれを取り、異なる方法で使用できますか？これに関する議論は続くでしょう。しかし、何十億ドルもの費用をかけてこれらのモデルをトレーニングしているのであれば、規模が似ていて私たちと簡単に関係を持つ余裕のある巨大企業に、使用前に話をするように依頼するのは、かなり妥当なことです。他のモデルも本当に優れていることが判明した場合。優れたオープンソースモデルがたくさんあります。そのため、あなたのミッションの一部は達成され、他のモデルの方がコーディングに優れているかもしれません。「見てください、オープンソースエコシステムは健全です。十分な競争があります。Meta内部のソフトウェアエンジニアリングで使用する場合でも、アプリに展開する場合でも、他のモデルを使用することを嬉しく思います。必ずしもLlamaで構築する必要はありません」と言う世界がありますか？
繰り返しになりますが、私たちは多くのことを行っています。一歩下がって考えてみましょう。私たちが独自の巨大モデルを構築している理由は、まさに私たちが望むものを構築したいからです。世界中の他のどのモデルも、私たちが望むものと全く同じではありません。それらがオープンソースであれば、それらを取り、異なる方法で微調整できます。しかし、それでもモデルアーキテクチャに対処する必要があります。そして、それらはレイテンシと推論コストに影響を与える異なるサイズに関するトレードオフを行います。私たちが運用している規模では、そのようなことは本当に重要です。Llama ScoutとMaverickモデルは、特定の理由で特定のサイズにしました。それらはホストに適合し、特定のレイテンシを必要としていました。特に、眼鏡からすべてのアプリ、Meta AIアプリなど、私たちが行っているすべてのものまで浸透させたい音声モデルの場合です。自分の運命をコントロールするレベルは、自分で物事を構築する場合にのみ得られます。そうは言っても、AIはすべての企業がすべての仕事で使用します。大きなモデルを構築する場合、最適化する内部ユースケースを選択する必要があります。特定のことについては、「このチームが使用している特定の開発ツールを構築するには、Claudeの方が優れているかもしれません」と言う場合もありますか？大丈夫、それを使用してください。素晴らしい。私たちは片手を縛られて戦いたくありません。私たちはさまざまなことを行っています。あなたはまた、他の人々がオープンソースを行っているので、もはや重要ではないだろうかと尋ねました。これについては、もう少し心配しています。あなたは自分自身にこのことを尋ねる必要があります。現在登場し、オープンソースを行っている人々にとって、私たちが行った後では、私たちが行っていなければオープンソースを行っていたでしょうか？ますます多くの開発がオープンソースに向かっているという傾向を見ている少人数の人々がおり、彼らは「しまった、この電車に乗らないと、負けるぞ」と思っています。クローズドモデルAPIがあり、ますます多くの開発者がそれを望んでいない場合。そのため、他の多くのプレーヤーがオープンソースで作業を開始しているのを見ています。しかし、それが私たちにとってこれまでそうであったように、彼らにとっての重要なことなのか、それとも単なる試行なのかは不明です。良い例は、Androidで起こっていることです。Androidはオープンソースのものとして始まりました。実際にはオープンソースの代替手段はありません。時間が経つにつれて、Androidはますますクローズドなものになってきました。私たちがそれだとすれば、私たちがこの方向に業界を推進することをやめると、これらの他の人々は…おそらく、彼らは私たちと私たちが物事を推進している方向に競争しようとしているだけかもしれません。彼らは、オープンソースが存在しなければどうなるかをすでに明示的に示していました。そして、それはオープンソースではありませんでした。私たちは、私たちが会社で構築しようとしているテクノロジーの将来のために、その継続的な行動に依存することに注意する必要があります。
あなたが言及したもう1つのことは、Llamaのようなアメリカのモデルを中心に標準が構築されることが重要であるということです。そこであなたの論理を理解したかったのです。特定の種類のネットワークでは、Apple App Storeはそれが構築されているものについて大きな条件を持っている場合があります。しかし、DeepSeek用の足場を構築した場合、特に世代間で、Llama 3はMoEではなく、Llama 4はMoEであるため、Llama 4に簡単に切り替えることができなかったようには見えません。世代間でもモデルは変化しています。特定の標準に依存して物事が構築されると考える理由は？不確定なことを意味しますか？つまり、将来の標準がどうなるかを決定するためには、一般的なLLMではなくLlamaのために人々が構築することが重要であるということです。見てください、これらのモデルは、世界観をエンコードしています。私たちは初期の段階で、Llamaの初期バージョンを翻訳したという興味深い経験をしました。フランス語か、他の言語だったと思います。フランス人から得られたフィードバックは、「これはフランス語を話すことを学んだアメリカ人のように聞こえます。フランス人のように聞こえません」でした。「どういう意味ですか、フランス語が上手ではありませんか？」ではありませんでした。フランス語は上手です。ただ、世界観の考え方が少しアメリカンだったのです。そのため、モデルに組み込まれる微妙なことがあると思います。時間が経つにつれて、モデルが高度になるにつれて、世界中の異なる価値観を体現できるようになるはずです。これは特に洗練された例ではないかもしれませんが、その点を説明していると思います。中国から出ているモデル、特にテストで見てきたものの中には、特定の価値観がエンコードされています。そして、それを変えるための軽い微調整ではありません。今では、世界モデルが埋め込まれているような言語モデルは、より多くの価値観を持っています。推論は、価値観を持っていると言うこともできます。しかし、推論モデルの良い点の1つは、検証可能な問題でトレーニングされていることです。モデルが数学をしている場合、文化的バイアスについて心配する必要がありますか？おそらくそうではありません。他の場所で構築された推論モデルが、悪意のある方法で数学の問題を解くことによって、あなたを植え付ける可能性は低いと思います。しかし、コーディングに関しては、別の検証可能な領域であり、まったく別の問題があります。ある日目を覚まし、他の政府と何らかのつながりがあるモデルを使用している場合、その諜報機関が後で悪用できるような脆弱性をコードに埋め込むことができるかどうかを心配する必要があります。将来のバージョンでは、別の国からのモデルを使用してシステムを保護しています。そして、あなたは目が覚めると、その国だけが知っている方法で、すべてが脆弱になっているのです。または、ある時点で脆弱性がオンになります。それらは実際の問題です。私はこれを研究することに非常に興味があります。なぜなら、オープンソースの興味深い点の1つは、モデルを蒸留する能力だからです。ほとんどの人にとって、主な価値は、モデルを棚から取り出して、「OK、MetaはこのバージョンのLlamaを構築しました。私はそれを取り、自分のアプリケーションで正確に実行します」と言うことではありません。あなたのアプリケーションは、単に私たちのものを実行しているだけなら、何も異なることをしていません。あなたは少なくともそれを微調整するか、それを異なるモデルに蒸留しようとします。Behemothモデルのようなものになると、その価値全体は、非常に高い知性を取得し、実際に実行したいより小さなモデルに蒸留できることです。これは蒸留の美しさです。これは、私たちが最後に座って以来の昨年、非常に強力な技術として台頭してきたものの1つです。ほとんどの人が予測していたよりもうまく機能していると思います。基本的に、はるかに大きなモデルを取り、おそらくその知性の90％または95％を捉え、サイズの10％のものに実行できます。今では、知性の100％を取得できますか？いいえ。しかし、コストの10％で知性の95％は、多くのものにとって非常に優れています。もう1つの興味深いことは、この多様なオープンソースコミュニティでは、Llamaだけではありません。他のモデルもあります。複数のソースから蒸留する能力があります。そのため、今では基本的に、「OK、Llamaはこれに関して本当に優れています。そのアーキテクチャは、基本的にマルチモーダルで、より推論に優しく、より効率的であるため、本当に優れているのかもしれません。しかし、この別のモデルの方がコーディングに優れているとしましょう。」と言えます。OK、素晴らしい。両方から蒸留し、独自のユースケースのために、どちらよりも優れたものを構築できます。それはクールです。しかし、安全で安全な方法で蒸留できることを知ることのセキュリティの問題を解決する必要があります。これは、私たちが研究し、多くの時間を費やしてきたことです。私たちが基本的に発見したことは、言語に関するものは非常に困難であるということです。そこに多くの価値観が埋め込まれています。蒸留しているモデルからの価値観を受け入れることを気にしない限り、ストレートな言語の世界モデルを蒸留したくないでしょう。しかし、推論では、それを検証可能なドメインに限定し、コードのクリーンさやセキュリティフィルターを実行することで、多くの方法でその目標に到達できます。Llama Guardオープンソースを使用する場合でも、私たちが行ったCode Shieldオープンソースツールを使用する場合でも、モデルに異なる入力を組み込み、入力と出力の両方が安全であることを確認できるものがあります。それから、たくさんのレッドチーミングがあります。モデルを見て、「よし、このモデルは蒸留後に私たちが望んでいないことを行っていますか？」と尋ねている専門家です。これらの手法の組み合わせにより、検証可能なドメインについては、推論側をかなり安全に蒸留できると思います。それは私がかなり自信を持っていることであり、私たちが多くの研究を行ってきたことです。しかし、これは非常に大きな問題だと思います。良い蒸留をどのように行うか。解放される価値が非常に多いためです。しかし同時に、異なるモデルにはいくつかの根本的なバイアスが埋め込まれていると思います。
解放される価値について言えば、AIを収益化するための正しい方法は何だと思いますか？明らかにデジタル広告は非常に収益性が高いです。しかし、総GDPの割合として、それはすべてのリモートワークと比較して小さいです。仕事を置き換えなくても生産性を向上させることができる場合でも、それは依然として数兆ドルの価値があります。広告がそれではない可能性がありますか？どのように考えていますか？以前話したように、さまざまなアプリケーションがあり、さまざまなアプリケーションはさまざまな傾向を示しています。広告は、人々に無料のサービスを提供したい場合に最適です。無料であるため、何らかの方法でそれをカバーする必要があります。広告は、人が何かにお金を払う必要がないという問題を解決します。彼らは驚くべきものを無料で入手できます。また、最新の広告システムでは、人々は広告がうまく行われた場合、物事に価値を追加すると考えることがよくあります。ランク付けに優れており、十分な広告在庫の流動性が必要です。システムに5人の広告主しかいない場合、ランク付けがどれだけ優れていても、人が興味を持っているものを表示できない可能性があります。しかし、システムに100万人の広告主がいる場合、人が興味を持つさまざまな針をうまく選べれば、おそらく非常に魅力的なものを見つけることができるでしょう。そのため、それは間違いなくその役割を果たしています。しかし、明らかに他のビジネスモデルも存在するでしょう。コストが高いため、無料で提供する意味がないものも含まれます。ちなみに、このようなビジネスモデルは常に存在していました。ソーシャルメディアが無料で広告によってサポートされている理由があり、NetflixやESPNなどを視聴したい場合は、それにお金を払う必要があります。そこに入っているコンテンツは、彼らがそれを制作する必要があり、それらを制作するコストは非常に高価です。おそらく、コンテンツ制作のコストを補うために、サービスに十分な広告を入れることはできなかったでしょう。基本的に、アクセスするには支払う必要があります。トレードオフは、それを行う人が少ないことです。数十億ではなく、数億人がそれらのサービスを使用しています。そこに価値の切り替えがあります。ここでは同じだと思います。ソフトウェアエンジニア、または1000人のソフトウェアエンジニアのエージェントなどを望んでいる人は誰もいません。しかし、そうしたい場合は、数千ドル、数万ドル、数十万ドルを喜んで支払うものです。それは、作成する必要があるさまざまなものの多様性を示しています。スペクトルの各ポイントにビジネスモデルが存在するでしょう。Metaでは、消費者向けの部分については、無料で提供したいと考えています。それは広告によってサポートされることになると思います。しかし、人々が無料サービスで提供する意味があるよりもさらに驚くべきことを行うために、任意の量の計算能力の使用をサポートするビジネスモデルも持つ必要があると思います。そのためには、プレミアムサービスを提供することになると思います。しかし、私たちの基本的な価値観は、世界中のできるだけ多くの人々にサービスを提供することです。
今日話したプロジェクトの中には、私が知らないものもあると思います。すべてを監督するCEOとして、「使用するハイパーパラメータはこれです」とLlamaチームに言うことと、「AIを改善してください」という指示を出すことの間には、大きな違いがあります。そして、非常に多くの異なるプロジェクトがあります。どのようにして付加価値を提供し、これらのすべてのことを監督できると思いますか？私が自分の時間を費やすことの多くは、素晴らしい人をチームに獲得しようとすることです。そして、チームを横断するものがいくつかあります。Meta AIを構築し、WhatsAppやInstagramに導入したいと考えています。OK、それでは、これらのチームがお互いに話し合う必要があります。次に、「WhatsAppのMeta AIのスレッドを他のWhatsAppスレッドのように感じさせたいのか、それとも他のAIチャットエクスペリエンスのように感じさせたいのか？」といった多くの質問があります。それらには異なるイディオムがあります。そのため、このものが私たちが行っているすべてのことにどのように適合するかについて、解決する必要がある興味深い質問がたくさんあります。次に、私たちが行っていることのまったく別の部分があり、それはインフラストラクチャを推進することです。ギガワットクラスターを立ち上げたい場合は、まず、インフラストラクチャの構築方法に多くの影響があります。それらの物を構築しているさまざまな州とどのように関わるかについての政治的な影響があります。また、経済の不確実性が世界中で存在しているという点で、企業にとって財政的な影響もあります。「よし、世界には多くの経済的不確実性があります。今すぐインフラストラクチャに注力しますか？もしそうなら、会社全体でどのようなトレードオフを行いたいですか？」これらの種類の決定は、他の人々が本当に下すのが難しいものです。次に、好みと品質に関する質問があります。私たちがそれを出荷したいと思うのに十分なほど良いものはいつですか？一般的に、私は企業のそれの管理者です。しかし、私も優れたセンスを持っていると考え、さまざまなもののフィルターでもある他の人々がたくさんいます。それらは基本的にその領域です。AIは、私たちが行う他のものとは異なり、製品主導型よりも研究主導型およびモデル主導型です。単に望む製品を設計することはできません。
それから、それに合うようにモデルを構築しようと試みます。本当に最初にモデルと望む機能を設計する必要があります。そうすると、いくつかの新たな特性が得られます。それから、「ああ、これはある特定の方法で実現したので、いくつかの異なるものを構築できる」となります。最終的には、人々は最高のモデルを使いたいと思っています。それが部分的に、最もパーソナルなAI、最高の音声、最高のパーソナライゼーション、そして非常に低いレイテンシでの非常にスマートな体験について話しているとき、それらはシステム全体を構築するために設計する必要があるものです。それがフルデュプレックス音声に取り組んでいる理由です。それがパーソナライゼーションに取り組んでいる理由でもあります。AIとのやり取りから優れたメモリの抽出を行うためだけでなく、他のすべてのMetaシステムに接続できるようにするためでもあります。それが、私たちが設計する特定のモデルを、そのサイズとレイテンシパラメーターを持つように設計している理由です。
政治の話になりますが、一部のテクノロジーリーダーがトランプ氏と連携しているという認識があります。あなたも他の人も彼の就任式に寄付し、彼と一緒に壇上に上がっており、彼らが2500万ドルを得た訴訟を解決したと思います。何が起きているのか疑問に思いますか？それは政府とのビジネスを行うためのコストのように感じますか？これについてどのように考えるのが最善の方法ですか？私の見解は、彼がアメリカ合衆国の大統領であるということです。アメリカ企業として、政府を運営している誰とでも生産的な関係を持つように努めるのが当然のことです。私たちは以前の政権にも支援を提供しようと試みてきました。私は以前の政権に対する不満をかなり公にしています。彼らは基本的に私たちやビジネス界全体と関わりませんでした。率直に言って、これらの問題の進歩にはそれが必要になります。あなたが対話を持たず、彼らがそれらのことを行うことを優先しなければ、必要なレベルのエネルギーを構築することはできません。多くの人が、人々がどの方向に向かっているかについての物語を書きたいと思っています。私たちは素晴らしいものを構築しようとしており、人々と生産的な関係を持ちたいと思っています。それが私の考え方です。それはほとんどの人がそう思っているだろうと推測しますが、明らかに、私は彼らについて話すことはできません。
過去に、モデレーションに関することにおいて、政府との関わり方と従順さを再考した方法について発言しています。AIガバナンスについてどのように考えていますか？AIが私たちが考えるほど強力であれば、政府は関与したいと思うでしょう。そこで最も生産的なアプローチは何ですか？政府は何を考慮すべきですか？過去には、私が行ったコメントのほとんどは、コンテンツモデレーションの文脈で行われました。この10年間、これについては興味深い旅でした。明らかに、歴史的に興味深い時代でした。オンラインコンテンツモデレーションについて、新しい疑問が提起されました。それらのいくつかは、互いの選挙に干渉しようとする国家を検出するためのAIシステムなど、生産的な新しいシステムの構築につながりました。私たちはそれを構築し続け、それは正味のプラスでした。他のものについては、いくつかの悪い道を歩みました。ファクトチェックは、インターネット規模のソリューションではないため、コミュニティノートほど効果がありませんでした。ファクトチェッカーが不足しており、人々は特定のファクトチェッカーを信頼していませんでした。より堅牢なシステムが必要です。そのため、コミュニティノートで得られたものが正しいと思います。しかし、私のポイントは、歴史的に、メディアとその批判、または彼らが実際に権限を持たないことについて政府に少し頼りすぎているということです。しかし、中心的な人物として、おそらく私たち自身ですべてのコンテンツモデレーションの決定を行う必要がないシステムを構築しようと試みました。
この10年間の成長過程の一部は、「よし、私たちは意味のある会社だ。私たちが行うべき決定を所有する必要がある。人々のフィードバックに耳を傾けるべきだが、実際に権限のない人に頼りすぎるべきではない」と認識することです。最終的には、私たちが席に座っており、私たちが行う決定を所有する必要があります。それは成熟プロセスであり、ある意味では苦痛でしたが、おそらく私たちはそれによってより良い会社になったと思います。関税により、米国でのデータセンター構築のコストが増加し、ヨーロッパやアジアへの構築がシフトしますか？それがどのように展開するかは本当にわかりません。おそらく私たちは初期段階にあり、それは非常にわかりにくいと思います。1週間で最も高いレバレッジの時間は何ですか？その時間は何をしていますか？わかりません。毎週少し違います。1週間で最もレバレッジの高いことは、毎週同じことではないはずです。そうでなければ、定義上、毎週それよりも1時間以上を費やすべきです。わかりません。この仕事の楽しみの一部、そして業界が非常にダイナミックであることの一部は、物事が本当に変化することです。世界は今年初め、または6ヶ月前、あるいは昨年の半ばとは大きく異なります。多くのことが意味のある進歩を遂げました。私たちが最後に座って以来、多くのカードがめくられました。それは約1年前のことだと思いますね？はい。あなたが前に言っていた、人を採用することはあなたがする非常に高いレバレッジのことだと推測します。非常に高いレバレッジですね。年末までにこれらのモデルが中級ソフトウェアエンジニアになることについて話しました。もし、ソフトウェアの生産性が2年で100倍向上したら、何が可能になりますか？現在構築できないものは何ですか？どのようなものですか？それは興味深い質問です。この会話のテーマの1つは、解き放たれる創造性の量が膨大になるということです。過去100年または150年間の人間の社会と経済全体の軌跡を見ると、それは基本的に、人々が主に農業に従事していたことから始まります。人間のエネルギーのほとんどは自分たちの食料を得ることに費やされていましたが、それはますます小さな割合になってきています。私たちの基本的な物理的ニーズを満たすものは、人間のエネルギーのますます小さな割合になってきています。その変化は2つの影響をもたらしました。1つは、より多くの人々が創造的および文化的活動を行っていることです。2つ目は、一般的により多くの人が仕事に費やす時間が少なくなり、エンターテインメントや文化に費やす時間が増えていることです。これは、これが続くにつれてほぼ確実に続くと思います。これは、超強力なソフトウェアエンジニアがいる場合に何が起こるかという1〜2年のことではありません。しかし、時間が経つにつれて、誰もがこれらの人間を超えたツールを使って多くの異なるものを創造すれば、信じられないほどの多様性が得られます。その一部は困難な問題を解決することです。病気の解決、科学の進歩、私たちの生活をより良くする新技術の開発などです。しかし、その多くは文化的および社会的追求やエンターテインメントになるだろうと推測します。過去10年間でインターネット上のミームがどのように進化してきたかのように、世界はより面白く、奇妙で、風変わりになるだろうと推測します。それはある種の豊かさと深みを加えます。面白い方法で、それは実際には人々とよりよくつながるのに役立ちます。一日中、私はインターネット上で面白いものを見つけ、私が面白がると考えている人たちとグループチャットで共有しています。今日、人々が非常に微妙で具体的な文化的アイデアを表現するために制作できるメディアは本当にクールです。それは構築され続けます。病気の治療という「ハードサイエンス」の方法ではないとしても、それはさまざまな方法で社会を前進させます。
考えてみてください、Metaのソーシャルメディアの世界観は、人々は将来的にその活動に多くの時間を費やすようになるということです。それははるかに良くなり、異なるアイデアを表現するのに役立つため、つながるのに役立ちます。世界はより複雑になりますが、これらの非常に複雑なものを非常に面白い短いクリップなどで表現するための私たちのテクノロジー、私たちの文化的テクノロジーは、はるかに良くなります。それは素晴らしいと思います。来年についてはわかりません。私が興味深いと思うもう1つの考えは、少なくとも近い将来、これは仕事の需要を増やし、減らすことはないということです。今、人々は仕事に費やす時間を自由に選択できます。最近話していた興味深い例を1つ挙げましょう。毎日35億人近くの人が私たちのサービスを利用しています。私たちが永遠に苦労してきた質問の1つは、どのようにカスタマーサポートを提供するかです。今日、あなたはメールを書くことができますが、誰かが電話をかけることができる音声サポートを真剣に検討したことはありません。それは無料サービスであることのアーティファクトの1つだと思います。1人あたりの収益は、人々が電話をかけることができる経済モデルを持つには十分ではありません。また、毎日35億人があなたのサービスを利用している場合、通話の数は膨大になります。それは世界最大のコールセンターのようになります。それは年間100億ドルまたは200億ドルの費用がかかります。そのため、私たちはそれについてあまり真剣に考えてきませんでした。それは常に理にかなう方法がないように思われたからです。しかし今、AIが向上するにつれて、AIが多くの人の問題を処理できるようになります。すべてではありません。おそらく10年後にはすべてを処理できるようになるでしょうが、3〜5年のタイムスパンを考えると、多くのものを処理できるようになります。それは自動運転車のようなものです。彼らは多くの地形を処理できますが、ほとんどの場合、まだ自分自身で全ルートを実行しているわけではありません。人々はトラック運転の仕事がなくなると思っていましたが、20年前に自動運転車について話し始めたときよりも、現在トラック運転の仕事は実際には多くなっています。カスタマーサポートの話に戻ると、全員のために電話に出るためにスタッフを配置することは理にかないません。しかし、AIがその90％を処理できるとしましょう。もしできない場合は、人に引き継がれます。そのサービスを提供するコストをそれ以外のものの10分の1に下げることができれば、実際にそれを行うことができるようになります。それはクールでしょう。したがって、純粋な結果は、実際にはより多くのカスタマーサポート担当者を雇うことになると思います。一般的な信念は、AIが仕事を自動化することです。しかし、それは技術の歴史としては実際にはそうではありませんでした。通常、あなたは仕事の90％を奪うものを作り出し、それはあなたにより多くの人々を望ませます。インタビューを終えるために…私は多くの点で悪魔の擁護者をしてきました。そして、あなたはそれについて良いスポーツをしてくれて本当に感謝しています。しかし、特に何十億ものAIが、あなたが目にする美しさの量、あなたが持つことができるつながりの量などを最適化している場合、世界にはどれだけの美しさがあるかの上限はないと思います。私はそれについてかなり楽観的です。最後の質問です。今日、世界で最も助言を求めている人は誰ですか？ああ、男。私のスタイルの一部は、幅広いアドバイザーを持つのが好きだというものです。それは1人だけではありません。私たちは素晴らしいチームを持っています。会社の人々、私たちの取締役会の人々もいます。新しいことをしている業界の人々がたくさんいます。1人だけではありません。しかし、それは楽しいことです。また、世界がダイナミックなとき、好きな人とクールなことを一緒に仕事をする理由を持つことは…私にとって、それが人生です。素晴らしい締めくくりの言葉です。これをしてくれてありがとう。はい、ありがとうございます。