Author: Ho Rachel

Taiwan Science and Technology Hub（Taiwan S＆T Hub）は、この変革の波の中において、台湾の業界、政府、学会、研究機関が世界の技術と最前線の動向把握を支援するために、国際的に有名なAI専門家、李飛飛氏（Fei-Fei Li）を招待しました。現在スタンフォードの人間中心AI研究所所長、またImageNetのチーフサイエンティストで、AI4ALLの共同創設者および会長でもある李飛飛氏（Fei-Fei Li）は、3月23日に開催された「AI進歩：テクノロジーの展望と産業への応用」のフォーラムに参加し、国内の専門家と共に、AIを人類にとって重要な原動力とする方法について交流しました。このフォーラムは、Digital Timesの顧問である盧諭緯氏（Lu Yu-Wei）が司会を務め、業界の専門家である和碩聯合科技（Foxconn Interconnect Technology）理事長の童子賢氏（Tung Tzu-Hsien）、PChome CEOの張瑜珊氏（Jan Hung-tze）、iKala共同創業者兼CEOの程世嘉氏（Sega）がゲストとして参加しました。

以下の記事は、当社 iKala の共同創設者兼 CEOである程世嘉（Sega）がフォーラムで共有した内容（Part 2）です。

司会：盧諭緯氏（Lu Yu-Wei）

会場にいた高校生の一人が質問をしました。「今多くの人が、プログラムやソフトウェアの学習を奨励していますが、AI時代において、どの程度AIについて学ぶべきでしょうか？AIツールを学ぶべきか、背後の原理を学ぶべきか、それとも本当にモデルを開発する必要があるのでしょうか？」

iKala 共同創設者兼 CEO：程世嘉（Sega）

私にも8歳の娘がいるため、最近は子供たちにプログラミング言語を学ばせるべきかどうかという問題に直面しました。私自身は、今すぐに学ぶ必要はないと考えです。これはあくまで私の結論であり、国民的な運動にする必要はありません。

私は、2つの観点から見る必要があると思います。1つ目はAIの観点から見ることです。AI には、コンピューターシステムの再設計を振り返るという研究の方向性があります。現在のコンピューターシステムは、人間の利便性のために、段階的に抽象化されてきました。その結果、中間言語が多く、プログラミング言語、自然言語などと続きますが、AIにとってこの中間部分は不要です。したがって、私は、今後の研究方向として、AIが非常に効率的なプログラミング言語を設計し直すことが予想され、またそれが新しいプログラミング言語になるかもしれません。確かなことのは、プログラミング言語の変化のペースが速くなることです。 プログラミング言語は常に進化していることは言うまでもありませんが、現在の選択と10年後の選択はまったく異なります。 AI はプログラミング言語のイテレーションを加速し、人類の歴史の中で最も効率的なプログラミング言語を作り出す可能性があります。 それから学び始めるのも遅すぎることはありません。

2つ目は、現在のAIとのやり取りがすでに自然言語のレベルに達しているということです。言語教育を行う人の中には、「言語教育の機関は必要なくなった。AIが先生になれる。」と言う人もいますが、私は完全に違うと思います。なぜなら、自然言語はますます重要になるからです。まず、ChatGPTとコミュニケーションを取る前に、適切なプロンプトを設計する必要があります。正しい答えを導く方法を見つけ、正しい質問をする必要があります。それは人と人とのコミュニケーションだけでなく、AIとのコミュニケーションでも非常に重要です。なぜなら、AIはただそこにあるだけの何も知らない存在であり、適切な質問をした場合にのみ適切な答えを与えてくれるからです。そのため私は自然言語がより重要であると考えます。人間にとって言語は単なるスキルではなく、新しい思考方法を学ぶことでもあります。そして、多くの言語を学ぶことで、批判的思考、多様な思考視点、創造性を持つことができます。イノベーションは、遠く離れた2つの事柄を組み合わせることで生まれるものです。なぜ人間にはこの能力があるのかというと、これは人間の言語能力によって形成されたものだからです。つまり、より多くの言語が、より多様な思考の枠組みと能力を持っているということです。

教育の話に戻りますが、プログラミング言語は学ぶべきでしょうか？私は、将来的には英語のように一般教養科目になるかもしれないと思いますが、プログラミング言語を学ぶために学ぶということは避けるべきです。さらに、AIがプログラミング言語の設計やコンピュータシステム全般を改善し続ける可能性があることを考えると、将来的には人々がプログラミング言語を学ぶ必要がなくなるかもしれません。今後起こるであろうことは誰にも分かりませんが、私たちは常に生涯学習の必要性を提唱しています。したがって、学生であれば、自信を持つこと、自己管理すること、そして自己学習をすることが最も重要だと思います。これらはAI時代にも変わることはありません。

司会：盧諭緯氏（Lu Yu-Wei）

スタートアップが初期段階で直面する、データが少ないという問題をどのように見ており、またより多くのデータを取得するためにどのような戦略を提案しますか?

iKala 共同創設者兼 CEO：程世嘉（Sega）

何よりもまず、AIはすでにオープンなコミュニティです。多くの人々によって訓練されたベースモデルやオープンデータセットなどたくさんのモデルがあります。そのため戦略の1つは、数百万ドルの費用がかかる可能性のある新しいモデルをゼロからトレーニングしようとするのではなく、十分にトレーニングされたベースモデルを利用することです。ベースモデルは子供の脳のようなものであり、与えたい知識や情報を自分で追加、トレーニングする必要があります。つまり、今日ではすべての企業が自社の頭脳をトレーニングすることができ、またそのコストは継続して低下しています。

将来 AI テクノロジーは広く利用できるようになるかもしれませんが、データは最終的に最も重要な要素です。 研究全体がスモールデータに向かって進んでいることは確かです。 実際、人間の脳は信じられないほど効率的で、20〜 25ワットの電力しか消費しません。つまり、人間は1日にハンバーガーを1つ食べるだけで、 GPT を1日動かしているようなものです。 ただし、GPT は1日中運用すると、数万ドル、場合によっては数百万ドルの費用がかかる可能性があり、人間の脳はまだ非常に効率的である言えます。 人間の脳は、非常に小さなデータから強大なことを学習できますが、これは AI がまだ不十分な領域です。 

司会：盧諭緯氏（Lu Yu-Wei）

未来のAIエコシステムについてどのように考えるべきですか？

iKala 共同創設者兼 CEO：程世嘉（Sega）

ここ数年の AI 研究の急速な発展は、研究コミュニティの開放性によるものであるという傾向があります。2017年のGoogleのTransformer、2018年のGoogleのBERT、2019年のMetaのRoBERTa、そしてStanfordのFoundation Modelなど、AIのブレークスルーは、皆が積み重ねてきたものです。しかし、現在ChatGPTの集大成により、この開放性には逆転の兆候が見られます。つまり悲観的な見方をすると、AIの影響力が営業機密になるほど大きくなると、特に大手AI企業は自社の研究を保護し始め、AIの研究が閉鎖的になる可能性があります。将来のAIエコシステムは過去10年間のように超高速で発展し、すべてのものが発表されるわけではなくなるかもしれませんが、確実に進歩を続けます。なぜなら、私たちにはまだ先進的な学術コミュニティがあり、AIの研究を推進しているからです。以上は、研究コミュニティ全体から見た場合ですが、産業面から見るとAIはやはり水や電気のようなものになり、既存のビジネスモデルに付加価値を加える方法を考える必要があります。これには、コンテクストを見つけることが必要です。

台湾の優位性は、ハードウェアの製造です。これは世界的にも最高水準で、半導体やハードウェアのサプライチェーンにおいて台湾は必要不可欠な存在であり、これらはかけがえのない資産です。現在、AI に必要なコンピューティング能力が不足しており、最新のハードウェアにアクセスできるのは大企業のみであるため、台湾の半導体産業は引き続き発展すると予想され、これらの不足は今後数年間は続くでしょう。ソフトウェア産業においては、世界を視野に入れることが重要であり、台湾をイスラエルやシンガポールと同じように考える必要があります。ソフトウェア産業は規模を追求するため、台湾の2300万人の人口では十分ではなく、他の市場も加える必要があります。AIやその他のソフトウェアについても、最初の一歩は台湾から世界を見ることが重要です。

司会：盧諭緯氏（Lu Yu-Wei）

親としてSegaは将来の子供たちにどのような AI の世界で暮らしてもらいたいですか? また、私たちに今できることは何ですか?

iKala 共同創設者兼 CEO：程世嘉（Sega）

時間軸を引き伸ばすと、50年、100年、200年後には、デジタルテクノロジーの発展はただの段階に過ぎず、100年後には、遺伝子編集、タンパク質、新薬、不老不死、宇宙探査など、これら全てがAIによって支援されるようになるかもしれません。テクノロジーは常に中立的であり、人類の選択次第でどう使うか、使わないかが決まります。AIの影響力がすでに至る所に及んでいる今、我々が決めなければならないのは、どの領域で使ってはならないのか？どの領域を開かれたままにするべきなのか？どの領域を制限的に使用するべきなのか？という問題です。これらは今後大きな問題になるでしょう。

現在、人々の間で二極化が進んでおり、技術の進歩が格差を広げ続ける中で、最も問題なのは、なぜ技術の進歩が社会全体に影響を与えるのかということです。

これは、人間が良い生活を送れないからではなく、人間の不平等さがますます増しているところに大きな原因があります。100年前よりも今の私たちはより豊かな生活を送っていますが、なぜ不満が生じるのか、それは不平等さからです。技術がこれをさらに大きくすると、社会が崩壊する可能性があり、これもAIが引き起こす非常に重要で且つ解決しなければならない問題だと思います。したがって、私たちは技術の観点ではなく、社会の観点からAIを見る必要があると考えています。この急速に進む変革の中で、私たちができることは、できるだけ多くの人がこの変革の波に乗る、または乗りやすくすることで、これは産業革命から得たインスピレーションでもあります。そこで私たちが次にやろうとしているのは、AI の観点からの人道主義ではなく、人道的な観点から AI を見ることです。

 

 

Taiwan Science and Technology Hub（Taiwan S＆T Hub）は、この変革の波の中において、台湾の業界、政府、学会、研究機関が世界の技術と最前線の動向把握を支援するために、国際的に有名なAI専門家、李飛飛氏（Fei-Fei Li）を招待しました。現在スタンフォードの人間中心AI研究所所長、またImageNetのチーフサイエンティストで、AI4ALLの共同創設者および会長でもある李飛飛氏（Fei-Fei Li）は、3月23日に開催された「AI進歩：テクノロジーの展望と産業への応用」のフォーラムに参加し、国内の専門家と共に、AIを人類にとって重要な原動力とする方法について交流しました。このフォーラムは、Digital Timesの顧問である盧諭緯氏（Lu Yu-Wei）が司会を務め、業界の専門家である和碩聯合科技（Foxconn Interconnect Technology）理事長の童子賢氏（Tung Tzu-Hsien）、PChome CEOの張瑜珊氏（Jan Hung-tze）、iKala共同創業者兼CEOの程世嘉氏（Sega）がゲストとして参加しました。

以下の記事は、当社iKalaの共同創設者兼CEOである程世嘉（Sega）がフォーラムで共有した内容（Part 1）です。

司会：盧諭緯氏（Lu Yu-Wei）

Segaは、ソフトウェアエンジニアリングのバックグラウンドを持ち、ソフトウェア開発に注力するスタートアップを設立した人物として、AI の強化を会社の重要な目標にしてきました。 AIが将来のソフトウェア産業、またはソフトウェアサービスに与える影響についてどのように捉えているか、考えを教えてください。

iKala 共同創設者兼 CEO：程世嘉（Sega）

私たちが実際にスタンフォード大学のコンピューターサイエンスビジョンの研究をしていた2006年当時はまだ、クラウドもビッグデータも AI も iPhone もなく、研究は非常に困難でした。現在、我々はAI、ビッグデータ、クラウドのことをABCと言っていますが、実際の発展の順序はCBAで逆になります。まずクラウドがあり、それからビッグデータができ、そしてAIがアルゴリズムや計算能力、データを持つことができるようになったことで、AIが急速な飛躍を遂げることなりました。これがAIの発展の過程です。iKala が当初、Human-Centered AI Company（人間中心のAIカンパニー）と称したのはそのためで、これは AI が代替ではなく拡張であると信じているからです。実際、産業の観点から見ると、医療や健康、小売、さらには軍事など、AIには力を発揮するコンテクストが必要です。コンテクストがなければ、AIは役に立ちません。そのため、この波、特にGPTがもたらした大きなターニングポイントに実は非常に驚きを持っています。私たちは、GPT のような技術が登場するのは 3年後だと思っていましたが、OpenAI はそれを3年早めました。

業界にとって、これは前向きな発展だと考えています。人々はすでに AI のムーアの法則について話し始めており、今後はAIの能力が1年半から2年ごとに倍増したり、コストが下がったりするわけではなく、3ヶ月ごとにコストが半分になることがあるかもしれません。ChatGPTが登場した後、ソフトウェア業界はAIを小さくする方法を探っています。例えば、TeslaのAI責任者であるアンドレイ（Andrej）は、nanoGPTプロジェクトを開始し、AIのトレーニングコスト、展開コスト、アプリケーションコストなどを継続的に削減することを目指しています。このように、ムーアの法則は実際に AI 業界にも現れ始めています。皆さんが思いつくところでいくと AI research community。これは非常にオープンなコミュニティであり、さまざまなモデルとデータセットを有し、論文が出れば、データセットと一部のソースコードはすべて公開され、翌日には入手できるため、AI の進歩をより加速しています。 私たちは、新しいムーアの法則の下で、最終的には AI がすべての人が利用可能になる、つまり、インテリジェンスを取得するためのコストがますます低くなると予想しています。

AIがビジネスに与える影響が大きいとされる理由は、過去にDXが話題になった際、投資利益率を計算できないという意見があったためです。そのため、DXに疑いを持ち、長期的なコスト効果が何であるかわからないという状況がありました。しかし、DXの目的がインテリジェンスを獲得することである場合、それは各業界に新たな波を引き起こすことになります。したがって、インテリジェンスを得るためのコストがほぼゼロである場合、人々が心配する問題、すなわち「既存のワークフローが変わってしまうのではないか？既存の個人生産性が10倍に増える可能性はないか？」などが生じる可能性があります。そこで、AIをユーティリティ（公益なもの）として捉え、水や電気と同じように考えることが重要であると思います。10年または20年後、AIについて話題にすることはなくなるかもしれません。なぜなら、それはAIが今日の水や電気と同じで、回路全体や送電網がどのように機能するかを考えることなく、携帯電話を充電したり、家電を使用したりするときにコンセントを使うのと同様の感覚になりうるものだからです。 将来的にAI は、AI の専門家でなくても、誰でも利用できるほど低コストになるところまで到達するでしょう。 

AIは、これまで付加価値のあるサービスとして扱われてきました。したがって、産業への影響について話すとき、AIは多くの新しい可能性を開くと私たちは考えています。たとえば、タンパク質フォールディング、消費者の理解の深化、そして科学実験など、AIは科学探求の方法を変えています。そのため、AIは研究でもユーティリティとして機能することができます。特に、GPTや大規模言語モデルによってもたらされる機会は限りなく多いと私たちは考えています。私たちが行っているインフルエンサーの検索でも、キーワード検索から自然言語の検索へと進んでいます。ChatGPTが示すように、人間が自然な方法でコンピュータとやり取りできるようになると、AIはソフトウェア業界に革命をもたらすことができます。したがって、自然言語検索が今後ますます発展することが予測されます。

司会：盧諭緯氏（Lu Yu-Wei）

Segaはインターネットが誕生した後、その時代の流れに乗って創業したわけですが、技術に投資することは困難も伴うと思います。私自身も多くの転機を経験してきましたが、今後の新しいスタートアップに参入、投資したいと考えている人のために、どのようなアドバイスをお持ちですか？また、AIを用いた未来の起業についてのご意見もお聞かせください。

iKala 共同創設者兼 CEO：程世嘉（Sega）

ジェネレーティブAI（生成AI）について、私が唯一提言したいのは、ジェネレーティブAIの会社を立ち上げないことです。起業の成功率が非常に低いことは言うまでもなく、5年以内に90％の企業が倒産しており、これはシリコンバレーでも同様です。話を戻すと、私たちが最初に話したように、AI自体にはコンテクストが非常に重要です。そのため、OpenAIにはより広く、深い堀が必要になると思います。なぜなら、現在 GitHubで大量の言語モデルが簡単に見つかるため、誰でも自分の「テキスト生成、画像生成」アプリを低コストで展開することができるからです。

実際、私たちは2018年にAIを活用した MarTechをいくつかの企業に提供していました。当時、私たちは Picaas と呼ばれる機能を開発しました。これは、AI を使用して画像の背景のものを取り除き、隙間を埋めて、きれいなまるでもともとそうであったかのような画像を作成するものです。この機能は、Google Photos で Magic Eraser として表示されるようになりました。しかし私たちが2018年にこの機能をリリースした際に2つの問題が発生しました。まず1つ目は、技術的な観点からビジネスを拡大することは困難であること。この点から、スタートアップは技術ではなく消費者のニーズに焦点を当てる必要があることを学びました。どのようにAIを活用したいのか？どのように産業に応用するか？など AI に何をしてもらいたいかを考えなければなりません。マッキンゼー（McKinsey）によると、AI の価値の 70% は付加サービスからもたらされます。つまり、AI はまったく新しいビジネスモデルを作成するのではなく、既存のビジネスモデルを向上させるものであることがわかっており、これが私たちが直面した最初の学びでもあります。

2つ目は、倫理的（道徳的）な問題に直面したことです。背景の削除と置換機能をリリースした後、デザイン業界はこの機能が将来的に他人の画像を盗んで自分のものに変えることができる可能性があると懸念を持っていたため、当時私たちはモデル全体の再トレーニングを行いました。インターネット上には多くの有料画像データベースが存在するため、私たちは自分たちのAIをトレーニングし、それらのデータベースの画像は勝手に修正できないようにしました。これは著作権の問題を避けるためです。つまり、2018年に私たちは、ジェネレーティブAIがもたらす問題やそのビジネスモデルの懸念事項と実行可能性についてすでに経験し、対処してきました。

一方、ジェネレーティブAIが登場すると、多くの仕事が消えてしまうのではないかと心配する人も多いですが、AIが置き換えるのは仕事ではなくタスクです。つまり、AIがもたらすのは「脱構築」であり、ある仕事が突然消えるということではありません。技術の進歩に従って、一部のタスクが置き換えられていくのです。たとえば、文章の要約を作成する場合、ChatGPTは非常に適していますが、編集作業には多くの時間がかかることに気づくと思います。翻訳をした後、編集や校正作業に多くの時間を費やす必要があるからです。しかし、AIが節約するのは発想や要約、下書きの時間であり、それらをすべて合わせると、生産性は向上するのです。つまり、AIの技術を普及させ、消費者価値を創造するには、ワークフロー全体を解体し、AIがすでに解決できるタスクとそうでないタスクを見極める必要があるということです。

私たちはずっとジェネレーティブAIとソフトウェアの分野について話してきましたが、今年はGPTやMulti-model技術により、ロボット分野でも大きな飛躍が見られるでしょう。例えば李飛飛氏（Fei-Fei Li）の研究室では、ロボットが1000以上の動作を認識・実行できるようになっています。オンラインから物理的なものまで、今後数四半期で大きな進展が見られることでしょう。

またAIについて話すとき、私たちはどうやってそれが暴走しないようにするのか、という問題を考える必要があります。もしAIがナローで弱いものであれば、心配する必要はありませんが、それがユーティリティに進展した場合は、水や電気、国防のように、政府が規制することになるでしょう。したがって、AIがユーティリティになった場合、各国政府はこの技術の監視を強化することになると考えられます。

 

多くの人がテクノロジー業界の世界的巨頭は技術的なブレイクスルーとその成果のオープンソース化を通じて新しいビジネス価値を継続的に生み出していると考えていますが、この見方は部分的にしか正しくありません。彼らが巨大な価値を生み出し続けることができる理由は、技術だけでなくネットワーク外部性 (network externality、もしくはネットワーク効果 network effectとも呼ばれる) と限界収益の増加 (increasing marginal revenue) という経済原理にあります。

「ネットワーク外部性」は、デジタル経済の台頭以来、業界内に浸透してきた概念です。簡単に言えば、少数のテクノロジー企業がユーザー規模とサービスのエントリーポイントを掌握することで、多くの人がそのサービスを使用しサービスの価値を向上させていく好循環を形成することで、わずかな改善により巨大な新しいビジネス価値を生み出すことができることを意味します。ピーター・ティールは、彼の書籍「ゼロ・トゥ・ワン」で、デジタルプロダクトにおけるネットワーク外部性の重要性を強調しています。

例えば Facebook や Google がコンピュータービジョンテクノロジーの認識率 1% の改善を行った場合に10億ドル以上、さらには 100億ドルもの新たな広告価値をもたらす可能性があることを想像してみてください。通常のスタートアップ企業が同じ改善率で技術の向上をしていたとしたらどうでしょうか？巨大な広告基盤と規模の経済はスタートアップ側ではなく業界巨頭の手中にあるため、もたらすことのできる価値は非常に限られています。

「限界収益の増加」は、知識経済において固有の現象であり、知識に依存する経済では知識や技術の投入量が増加すると生産量が増加し、生産者の収益も増加していく傾向のことを意味します。対照的に伝統的な農業経済と工業経済はどちらも物的資源に依存する経済であり、これには明確な排他的特性があります。その価値は、特定の瞬間に1人のユーザーしか使用できず、さらに物的資源には限りがあり、使うたびに消費され使用量が増えるほどコストが高くなり、最終的には生産者の利益の減少につながります。 対照的に知的資源は共有され、同じ知的資源を複数の人が同時に保有し使用することができ、且つ使用されるのみで消費されることはなく、さらには使用過程で新しい資源が生成されていきます。 情報資源や知的資源の利用はまだまだ蓄積と発展の段階であり、繰り返し利用することでコストが下がり収益が増えていきます。

ではテクノロジー業界の巨頭が最先端テクノロジーを無条件でオープンソース化し続けているのはなぜでしょうか？それはオープンソースコードが、彼らの競争上の中核となる優位性ではなく、「ネットワーク効果」と「限界収益の増大」こそが真の競争上の優位性となるからです。 これらのコードをオープンソース化する目的は、既存のネットワーク外部性を活用し、より大きなユーザーベースを形成することです。 TensorFlow や PyTorch のようなフレームワークを開発する新興企業は、それを知的財産として慎重に保護しコア資産と見なし、そこから直接利益を得ようとすることさえあります。しかしテクノロジー業界の巨頭、Google にとって、TensorFlow と PyTorch は他のすべての製品と同様に優れた技術革新ではありますが、その核心的目的は他の製品のネットワーク効果を拡大することであり、2つのビジネスロジックは性質がまったく異なります。

この2つの効果が組み合わさることで、デジタル経済において「強きものがより強くなっていく」現象を生み出し、テクノロジーの巨頭は優秀な人材を吸収し、新しいテクノロジーと新しい知識に投資をし続けることができます。ハーバードビジネススクールの学者もこの経済現象を hub economy (ハブエコノミー) という言葉で表し、ユーザーとサービスのエントリーポイントを掌握する限り、競争上の大きな優位性を得ることを示しています。

しかし、ChatGPT が出現しこの競争上の優位性は突然揺らぎました。 2022年11月以前は OpenAI などの非営利団体がディープラーニングでこれほどの成功を収めることは全くの予想外でした。​​Microsoft の投資による資金獲得により、OpenAI は ChatGPT の技術を高め、その結果として一夜にして大きな話題を呼ぶに至りました。その応用技術はさまざまな分野に急速に拡大する可能性があり、テクノロジー業界大手のコアビジネスモデルにも大きな影響を与える可能性があります。

もちろん、テクノロジーの巨頭は依然として強力な製品チャネルとネットワーク効果を持っており、これを強化し ChatGPT のもたらす脅威に対抗するため、ChatGPT と同等の技術を各製品に積極的に展開しているはずですが、 テクノロジーの巨頭は今後も高度な AI テクノロジーを競合他社と共有し続けるべきでしょうか？業界はこの潜在的な問題に気付き始めた可能性があり、これは技術的な課題や高尚な普遍的価値の問題ではなく、基本的なビジネス上の問題です。

一方で一部の新興企業はGPT-3でビジネスモデルを直接構築しており、その意思決定や行動は非常に速いと見なされています。しかし、OpenAIが突如としてGPT-3.5をベースにしたChatGPTを公開。さらに、GPT-4 が間もなく登場するという噂もあり、ビジネスモデル全体を GPT-3 に置く企業にとってこれは当然のことながら、まったく予測できないブラックスワンであると言えます。 そして、これが現在のテクノロジー業界の進化の速さそのものなのです。

技術面、ビジネス面において、私たちはテクノロジー業界の劇的な変化を目の当たりにしています。