12,354 文字
NVIDIAのCEOであるジェンスン・ファンが11月1日にインドで基調講演を行いはったんですけど、この講演で実際に彼が言うてはった内容についてあんまり注目されてへんように思うんです。この動画では、私はこの基調講演を3回見直して、GPTボットを使って文字起こしを分析し、ジェンスンの講演から得られた貴重な洞察について考察してみました。
もし現代における最も影響力のあるテクノロジーCEOの一人から見たAIの未来に興味があるんやったら、この動画は見る価値があると思います。初めまして、私はジュリー・マッコイです。AIの分野でフルタイムで働いていて、2024年10月末に立ち上げたばかりの会社、First MoversのリードAIインテグレーターであり、CEOをしています。
会社は今まさに一から作り上げている最中です。AIの分野では約2年間フルタイムで働いてきました。ちなみにこの動画では旅行中じゃなくて、自宅のオフィスで撮影してるので、良い照明と良いマイクを使えています。以前の動画での照明やマイクの状況について心配してくれた方々には感謝していますが、今回は心配ご無用です。
そうですね、decent（まともな）なマイクを前に置いて自宅のオフィスで撮影しています。それでは本題に入りましょう。11月1日、ジェンスン・ファンがインドのステージに立ち、「インドとその先のデジタル変革を牽引するAI」と題した特別講演を行いました。私のYouTubeチャンネルをご覧になっている方はご存じかと思いますが、私は単にヘッドラインが出たからといってそれに飛びつくようなスタイルはとっていません。
そのため、この基調講演について3回以上じっくりと消化し、コンピューティング自体と技術の未来に影響を与える重要なポイントだと思われるものを抽出しました。人類が進化してロボットと一体化していく中で…冗談です。それとも冗談じゃないかも？それは皆さんの判断にお任せします。
まず最初に、この基調講演の最後で、ジェンスン・ファンはステージを離れてビデオを流しました。3分弱の動画なんですが、技術革命の未来について重要なヒントが込められていて、ジェンスン自身がナレーションを務めています。
聞いていただいて、ジェンスンが話している内容の中で特に印象的だと思った部分について説明させていただきます。ご覧ください。60年間、ソフトウェア1.0、つまりプログラマーが書いたコードは汎用CPUで実行されてきました。そしてソフトウェア2.0が登場しました。GPUで実行される機械学習ニューラルネットワークです。これが、あらゆるものを学習し生成できる生成AIモデルのビッグバンにつながりました。
現在、生成AIは100兆ドル規模の産業に革命を起こしています。知識企業はエージェントAIを使ってデジタル業務を自動化しています。「こんにちは、私はジェームズ、デジタルヒューマンです」。産業企業は物理AIを使って物理的な作業を自動化しています。物理AIは、実世界を安全にナビゲートする自動運転車、複雑な産業タスクを実行するマニピュレーター、私たちと協力して働くヒューマノイドロボットなどのロボットに組み込まれています。
工場やプラントは、自らの操業を監視・調整したり、私たちと会話したりできる物理AIを備えることになります。NVIDIAは、開発者が物理AIを作成できるよう3つのコンピューターを構築しています。モデルはまずDGXで学習され、次にOmniverseで強化学習による物理フィードバックを使って微調整とテストが行われ、学習済みAIはNvidia Jetson Agxロボティクスコンピューターで実行されます。
Nvidia Omniverseは、物理AIシミュレーション用の物理ベースのオペレーティングシステムです。ロボットはOmniverse上に構築されたロボットジム、Isaac Labで学習しスキルを磨きます。これは1台のロボットの例ですが、未来の工場では複数のロボットチームを編成し、数千のセンサーを通じて工場全体の操業を監視することになります。
彼らはMegaと呼ばれるOmniverseのブループリントを使用します。Megaを使用すると、工場のデジタルツインに仮想ロボットとそのAIモデル、つまりロボットの頭脳が配置されます。ロボットは、環境を認識し、推論し、次の動作を計画し、最終的にそれを動作に変換することでタスクを実行します。これらの動作はOmniverseのワールドシミュレーターによって環境内でシミュレートされ、その結果はOmniverseのセンサーシミュレーションを通じてロボットの頭脳によって認識されます。センサーシミュレーションに基づいて、ロボットの頭脳は次の動作を決定し、このループが続きます。
その間、Megaは工場のデジタルツイン内のすべての状態と位置を正確に追跡します。このソフトウェアインザループテストにより、物理的な空間と実体にソフトウェア定義プロセスをもたらし、産業企業は物理的な世界に展開する前にOmniverseデジタルツインで変更をシミュレートし検証することができ、大きなリスクとコストを削減できます。物理AIの時代が到来しています。
世界の重工業とロボット工学を変革します。さて、ジェンスンの基調講演から得られた重要なポイントを一つずつ説明していきます。まず第一に、エージェントについてです。私たちはその到来を目の当たりにしています。OpenAIが定義するAGIへの5段階のうちレベル3は、エージェント的な振る舞いです。これは、LLMが組織全体を引き継いで仕事をこなすためにボットの群れとして展開される段階です。
ただし、その最終段階へのブリッジはまだ構築中です。そのため、当然エージェントはジェンスンの講演でも大きな焦点となっていました。AIエージェントが運営する世界での仕事がどのようになるのか、具体的にイメージしてみましょう。これは素晴らしいものになる可能性があると私は考えています。私たちが本来やるべきではない単調で機械的な作業について考えてみてください。コンピューターの前に8時間座ってコードを書くのは、人間の本来的な行動とは言えません。
人間の本来的な行動とは、自分が楽しめる、意味のあることに生産的に取り組み、その後は家族と過ごすことです。もしAIエージェントが自律的により多くの仕事をこなし、優先順位だけを私たちに提示してくれたらどうでしょう？これがエージェントがもたらす仕事の世界です。
朝目覚めると、あなたのデジタル同僚はAIエージェントです。他のビジネスプロフェッショナルが展開した、あるいは彼らに代わって働く他のAIエージェントと協力して仕事をこなし、すべてのレポートを下書きし、ミーティングをスケジュールし、次のプレゼンテーションの要点を準備してくれています。
ニュースや業界の重要事項、あなたの仕事や発言に織り込むべき内容を把握しています。あなたは目覚めて優先順位の高い仕事に取り掛かるだけです。それだけです。AIエージェントがすべての単調な作業をこなしてくれます。これが私たちが向かっている世界です。そしてこれはSF映画の世界の話ではありません。
その世界は2年以内に実現する可能性があります。カスタマーサービスにおけるAIエージェントについて考えてみると、それは完全にゲームを革新することでしょう。そしてその変化に企業が備える最良の方法は、包括的なナレッジベースを作成することです。なぜなら、すべての回答と豊富な情報のライブラリを持つ包括的なナレッジベースから情報を収集するAIエージェントを展開できれば、そのAIエージェントは専門知識、データポイント、トレーニングを持ち、瞬時に正確な回答を得ることができます。
これはカスタマーサービスの変革について語るものです。AIエージェントは、時間を費やすけれども大きな成果をもたらさない雑務、つまりただの作業を終わらせることができます。製品アイデアを実際に発売する前にテストしたり、マーケティングキャンペーンの実行可能性をテストしたりできます。ドラフトを作成し、展開し、改善し、制作し、さらに改善する。仕事の世界は永遠に変わります。ジェンスン・ファンがAIエージェントを使って仕事を強化し、生産性を指数関数的に向上させることについて語っているこのクリップを聞いてください。
大規模言語モデルと基本的なAI機能は、エージェントと呼ばれるものを作成できるレベルに達しています。これは提示されているデータを理解する大規模言語モデルです。ストリーミングデータかもしれません。ビデオデータかもしれません。言語モデルのデータかもしれません。あらゆる種類のデータである可能性があります。第一段階は知覚です。第二段階は、観察に基づいて、使命は何か、そしてその任務を遂行するために何のタスクを実行する必要があるのかについての推論です。
エージェントはそのタスクを他のタスクの手順に分解し、何が必要かを推論し、他のAIモデルと接続します。例えばPDFを理解するのが得意なモデルもあれば、画像を生成できるモデルもあります。専有データベースから情報、アイ情報、アイセマンティックデータを取得できるモデルもあるかもしれません。これらの大規模言語モデルはそれぞれ、エージェントと呼ばれる中央推論大規模言語モデルに接続されています。
そしてこれらのエージェントはあらゆる種類のタスクを実行することができます。マーケティングエージェントかもしれません。カスタマーサービスエージェントかもしれません。チップ設計エージェントかもしれません。NVIDIAには会社中にチップの設計を手伝うチップ設計エージェントがいます。ソフトウェアエンジニアリングエージェントかもしれません。マーケティングキャンペーンやサプライチェーン管理ができるかもしれません。
そして私たちは、従業員をスーパー従業員にするのを助けるエージェントを持つことになります。これらのエージェント、つまりエージェント型AIモデルは、私たちの従業員全員を増強し、パワーアップし、より生産的にします。次に重要なポイントは、ジェンスン・ファンが汎用コンピューティングについて語ったことです。私はこの事実を多くの講演やYouTubeの動画でも共有してきましたが、正直なところ、もう一度スポットライトを当てる価値があります。
60年間、汎用コンピューティングは私たちの技術の基盤として存在してきました。しかしジェンスン・ファンは、私たちはその時代を離れ、新しい時代、加速コンピューティングの時代に入ったと述べました。彼は、複数の産業にわたって生産性を20倍から30倍、50倍に加速できると述べました。
聞いてください。私たちが知っている汎用コンピューティングは、今まで60年間存在してきました。過去30年間、私たちはムーアの法則の恩恵を受けてきました。これは信じられない現象です。ソフトウェアを変更することなく、ハードウェアはアーキテクチャ的に互換性のある方法で改善し続けることができます。そしてそのソフトウェアの性能は毎年2倍になります。
その結果、毎年性能が2倍になることで、アプリケーションによってはコストが毎年2分の1に削減されます。世界が今まで知っている技術の中で、最も信じられないほどの減価力です。より多くのデータを処理し続けるにつれて、社会がそれをより多く使用することを可能にしました。
ムーアの法則により、私たちはコストを下げ続け、今日私たちが知っているコンピューティングを民主化することができました。System 360の発明とWindows PCを搭載したムーアの法則、これら2つの出来事が、間違いなく世界で最も重要な産業の1つを牽引してきました。その後のすべての産業がその上に構築されてきました。
しかし今や、CPUのスケーリングは限界に達していることがわかっています。その曲線に乗り続けることはできません。ムーアの法則のフリーライドは終わりました。何か違うことをしなければ、減価償却は終わり、私たちは減価償却を享受するのではなく、コンピューティングのインフレーション、インフレを経験することになります。
そして、それはまさに世界中で起こっていることです。もはやソフトウェアで何もしないことはできず、コンピューティング体験が向上し続けることを期待することはできません。コストが減少し続け、その恩恵が広がり続け、より大きな課題を解決することから恩恵を受け続けることはできません。
私たちはソフトウェアを加速するために会社を設立しました。私たちのビジョンは、加速の恩恵を受けるアプリケーションがあるということでした。汎用コンピューティングを補強し、非常に計算集約的なワークロードを取り出してオフロードし、私たちが発明したCudaというプログラミングモデルを使って加速します。このCudaモデルにより、アプリケーションを大幅に加速することが可能になりました。
その加速の恩恵は、ムーアの法則と同じ性質を持っています。汎用コンピューティングでは不可能または非現実的だったアプリケーションに対して、加速コンピューティングの恩恵を実現する機会があります。
例えば、リアルタイムのコンピューターグラフィックスは、NVIDIAが世に出て、GPUと呼ばれる新しいプロセッサを実現可能にしたことで可能になりました。GPUは実際に最初の加速コンピューティングアーキテクチャでした。Cudaを実行し、コンピューターグラフィックスを実行します。完璧な例として、私たちは知っているような3Dグラフィックスを民主化しました。3Dグラフィックスは今や文字通りどこにでもあります。それはほとんどあらゆるアプリケーションのメディアとして使用できますが、長期的には加速コンピューティングはさらにはるかに大きな影響を与えることができると感じていました。
そして過去30年間、私たちは次々とアプリケーションの領域を加速する旅を続けてきました。これがこんなに時間がかかった理由は、単純にこれです。世界のすべてを加速できる魔法のようなプロセッサは存在しません。なぜなら、もしそれができるなら、それはCPUと呼ばれるだけでしょう。
アルゴリズムからその下のアーキテクチャまでのコンピューティングスタックを再発明し、上のアプリケーションと一つの領域から次の領域へと接続する必要があります。コンピューターグラフィックスは始まりに過ぎませんでしたが、私たちはこのアーキテクチャ、Cudaアーキテクチャを、次々と産業から産業へと広げてきました。
今日、私たちは多くの重要な産業を加速しています。Kulithalaiは半導体製造の基本であり、計算リソグラフィーシミュレーション、コンピューター支援エンジニアリング、最近発表したパートナーシップで5Gソフトウェアスタックを加速できる5Gラジオまでもが対象です。量子コンピューティングでは、古典的な量子ハイブリッドコンピューティングで未来のコンピューティングを発明できるようにしています。
Parabricksは遺伝子シーケンシングソフトウェアスタックです。すべての企業が取り組んでいる最も重要なことの一つは、データベースからナレッジベースへの移行です。そのため、cubesを使ってAIデータベースを作成し、すべてのデータをベクトル化することができます。Cudfデータフレーム。データフレームは本質的に構造化データの別の言い方です。
Cudfを使用してSQLの加速が可能です。これらの各ライブラリで、アプリケーションを20倍、30倍、50倍加速することができます。ジェンスンが実際に生産性の向上を50倍という数字で示したことに驚きました。これはAGIに関連付けられた遠い未来の話ではなく、現在に関連付けられたものでした。
次に彼は、私が一年中、AGIを私たちの世界にもたらす最大の入り口だと信じてきたことについて語りました。それは、AIが私たちの周りの物理的な世界を理解するのを助けるギャップを埋めることです。AIが実世界とリアルタイムのコンテキストの性質を理解するとき、それは人間性の本質そのものを理解することになります。
そしてそれは、AIが本当にあらゆる面で関連性を持つ時です。そして私は、現在持っている人工的な狭い知能、つまりAIが一般化されたものよりも専門的なタスクの方が優れているという状態から、全体的に一般化されたレベルで能力を持つ人工知能の一般的な性質を目にすることになると信じています。
しかし物理的な世界を理解することは、それを永遠に変えることになります。そこでジェンスン・ファンは、AIが物理的な世界を理解するのを助けるために3つのコンピューターを構築していると語りました。まず、Omniverseです。彼らは物理AIが学習し、トレーニングし、行動を洗練し、iRobotスタイルで現実世界に展開される前に微調整できるデジタルツインの世界を作成しています。
これはかなり衝撃的です。なぜなら、これは物理AIが実世界に入る前に、多くの安全でない行動を排除できることを意味するからです。次に、Blackwell DGXはその物理的な実世界のトレーニングの重要な部分です。そして彼はコンピューターフォーム自体も関わっていると言及しました。マニピュレーターと呼ばれるもので、これは倉庫や組立ラインなどで特殊なタスクを実行する機械アームです。
自動運転車、そしてもちろん、人間のような外見を持つロボット、ヒューマノイドです。次世代のAIが物理的な世界を理解する必要があることについて、彼が何と言っているか聞いてみましょう。次世代のAIは物理的な世界を理解する必要があります。私たちはそれを物理AIと呼んでいます。物理AIを作成するために、私たちは3つのコンピューターが必要で、そのために3つのコンピューターを作成しました。
例えばBlackwellのようなDGXコンピューターは、DGXコンピューターのようなものを作成するためのリファレンスデザインとアーキテクチャです。そのモデルは洗練される場所が必要です。学習する場所が必要です。その物理的能力、ロボット工学的能力を適用する場所が必要です。私たちはそれをOmniverseと呼んでいます。物理法則に従う仮想世界で、ロボットがロボットになることを学ぶことができます。
そしてトレーニングが終わると、そのAIモデルは実際のロボットシステムで実行することができます。そのロボットシステムは車かもしれませんし、ロボットかもしれませんし、自動運転車かもしれませんし、自律移動ロボットかもしれません。ピッキングアームかもしれませんし、工場全体や倉庫全体がロボット化されているかもしれません。
そしてそのコンピューターを私たちはAgx、Jetson Agxと呼んでいます。トレーニング用のDGX、そしてデジタルツインを行うためのOmniverseです。ここインドでは、このインフラストラクチャ、この能力のエコシステムを活用して世界が物理AIシステムを構築するのを支援する素晴らしいエコシステムができています。そして私が本当に素晴らしいと感じているのは、BRBは最大のロボット企業の一つです。
彼らはロボットを構築し、さらに重要なことに、最適化が行われるデジタルツインに組み込みました。物理的な世界からのすべての入力をロボットに教えます。その作業が行われているだけでなく、私たちのシステムインテグレーターであるAccenture、TCS、Tech Mahindraがその知識をインドだけでなくインドの外にも広げています。
インドのためにインドで行い、グローバルのためにインドから行う。ジェンスン・ファンが最後に投げかけた重要な示唆は、実際にムーアの法則を破ったということで、彼は非常に具体的な数字を示しました。イーロン・マスクから「6ヶ月ごとに10倍」といった曖昧な数字を聞くことはありますが、それは単なる誇大宣伝の発言です。
ジェンスンは実際のデータを示してくれました。ムーアの法則では、コンピュートは1年半ごとに2倍になると言われています。実際に今起こっていることは、ジェンスンが言うには、私たちは毎年コンピュートを4倍にしているということです。Blackwellシステムは非常に優れています。もちろん、計算能力は信じられないものです。各ラックは3,000ポンド、120kW、つまり120,000Wです。
コンピューティングの密度は、世界が今まで知っている中で最高です。そして私たちが試みているのは、より大きく、よりスマートなモデルを学習することです。これはスケーリング法則と呼ばれています。スケーリング法則は、大規模言語モデルを訓練するためのデータが多ければ多いほど、そしてそれに応じてモデルサイズが大きくなればなるほど、より多くの情報を学習したい、あるいはより大きなモデルを訓練したい場合、より多くのデータが必要になるという経験的な観察と測定に基づいています。
そして毎年、データ量とモデルサイズをそれぞれ約2倍ずつ増やしています。つまり、それらの積である計算量は毎年4倍ずつ増やさなければなりません。かつて世界のムーアの法則は1年半で2倍、あるいは5年で10倍、10年で100倍でした。私たちは今、毎年4倍のペースで技術を進歩させています。10年間で毎年4倍です。信じられないスケーリングです。
それは狂っています。彼は、私たちは既存のスケーリング法則も革新したと述べました。彼は、知能は単なるワンショットではないこと、そして思考することでより質の高い答えが得られることを発見したと述べました。最近発見された2つ目のことは、これは非常に大きなことですが、モデルのトレーニングが終わった後、もちろん皆さんはChatGPTを使用したことがありますよね。ChatGPTを使用する際、それは一発勝負です。
コンピューターとコミュニケーションするためのプログラムを書く代わりに、今日ではプロンプトを書きます。ただ人と話すようにコンピューターと話すだけです。コンテキストを説明します。何について質問しているのかを説明します。プログラムを書いてもらうことも、レシピを書いてもらうこともできます。
どんな質問でもできます。そしてAIは非常に大きなニューラルネットワークを通して処理し、将来の一連の答えを一語一語生成します。そしてストロベリーから始めて…もちろん、知能は単なるワンショットではなく、知能には思考が必要であり、思考は推論であることに気付きました。
そしてパスプランニングをしているかもしれませんし、心の中でシミュレーションをしているかもしれません。自分の答えを振り返っているのです。その結果、思考することでより質の高い答えが得られることがわかりました。そして今、私たちは2つ目のスケーリング法則を発見しました。これは推論の時のスケーリング法則です。
より長く考えれば考えるほど、より質の高い答えを生成することができます。これは非論理的ではありません。これは私たち全員にとって非常に直感的なことです。私にインド料理で好きなものは何かと聞かれたら、チキンビリヤニと答えます。そしてそれについてあまり考える必要はありません。推論する必要もありません。ただ知っているだけです。そして多くのことについて尋ねることができます。例えば、NVIDIAは何が得意ですか？NVIDIAはAIスーパーコンピューターを構築するのが得意です。NVIDIAはGPUを構築するのが素晴らしいです。そしてそれらは、あなたの知識にエンコードされている事柄です。しかし、推論を必要とする多くのことがあります。
例えば、ムンバイからカリフォルニアまで移動する際に、途中で4つの都市を楽しみながら移動したい場合。今日、私は今朝3時にここに到着しましたが、デンマークを経由し、その前にフロリダのオーランドにいて、オーランドの前にカリフォルニアにいました。それは2日前のことで、私は今が何日目なのかまだ把握できていません。とにかく、ここにいられて嬉しいです。
もし私がカリフォルニアからムンバイに行きたいと伝え、3日以内に行きたい、出発可能な時間と出発したい時間についてのあらゆる制約、滞在したいホテルなどについて伝えたとすれば、当然、その順列の数は非常に多くなります。そして、その過程を計画し、最適な計画を立てることは非常に複雑です。そこで思考、推論、計画が必要になります。そして、より多く計算すれば、より質の高い答えを提供できます。つまり、2つ目のスケーリング法則が生まれ、それは推論の時間と呼ばれています。
興味深いのは、これらのことについては以前から知っていましたが、実際にはコンピューターモデルやLLMに組み込むことができませんでした。そして今、もちろんChatGPT Zero Oneには推論が組み込まれており、モデルは最終的な答えを出す前に自己討論し、思考の連鎖を経ます。
そしてジェンスンは、より長く考えれば考えるほど、より質の高い答えを生成できると述べました。これは興味深いことです。私たちの実世界と人間性そのものにおいて、しばしば失われている静かな時間と思考の重要性を指摘しています。このせっかちな性質と文化の中で。ジェンスンがデータ自体の意味を理解する方法を学んだことについて語っているのを聞いてみましょう。
数年前、約10年前に非常に重要なことが起こり、皆さんのほとんどが同じことを目にしています。Alexnetがコンピュータービジョンの性能で大きな飛躍を遂げました。コンピュータービジョンは人工知能の非常に重要な分野です。Alexnetはその飛躍の大きさで世界を驚かせました。
私たちは一歩下がって、何を目撃しているのか、なぜAlexNetがそれほど効果的なのか、どこまでスケールできるのか、このディープラーニングと呼ばれるアプローチで他に何ができるのかを自問する機会を得ました。そして、もし他の問題にディープラーニングを適用する方法を見つけられれば、それはコンピューター業界にどのような影響を与えるのか。そしてもしそれをしたいと思い、ディープラーニングができることに期待を持つのなら、コンピューティングを完全に再発明できるように、コンピューティングスタックのすべての層をどのように変更すればよいのか。
12年前、私たちはこのビジョンを追求するために会社全体を捧げることを決めました。それから12年が経ちました。インドに来るたびに、私はディープラーニングについて、機械学習について皆さんと話す機会を得てきました。そして今や、世界が完全に変わったことは非常に明確だと思います。
では、何が起こったのか考えてみましょう。もちろん、最初に起こったのはソフトウェアの作り方です。私たちの業界は、ソフトウェアが作られる方法によって支えられています。ソフトウェアの作り方、ソフトウェア1.0と呼ばれるものでは、プログラマーがアルゴリズムと呼ばれる関数をコーディングしてコンピューターで実行し、入力情報に適用して出力を予測していました。
誰かがPythonやC、FortranやPascal、C++でコードを書き、それをコンピューターで実行し、入力を適用して出力を生成していました。これは私たちがよく理解していた非常に古典的なコンピューターモデルであり、もちろんここインドで世界最大の産業の1つを生み出しました。
ソフトウェアの生産、コーディング、プログラミングは産業全体となりました。これはすべて私たちの世代で起こりました。しかし、このソフトウェア開発のアプローチは破壊されました。今やコーディングではなく、機械学習です。コンピューターを使用して、大量の観測データのパターンと関係性を研究し、本質的にそこから学習します。
それを予測する関数を。つまり、私たちは基本的に、そのような関数を生成する期待される出力を機械に学習させることで、ユニバーサルな関数近似器を設計しているのです。そして、人間のコーディングによるソフトウェア1.0から、機械学習を使用するソフトウェア2.0へと戻っていきます。これが今日のGPUの姿です。
これはBlackwell、巨大なスケールでデータを研究するように設計された信じられないシステムです。はい、ありがとうございます。これが大きなブレークスルーです。ここ数年で、私たちは言葉や数字、画像やピクセル、ビデオ、化学物質、タンパク質、アミノ酸、流体パターン、素粒子物理学の表現、つまり意味を学習しました。
私たちは今や、非常に多くの異なる種類のデータの意味を学習しました。非常に多くの異なるモダリティで情報を表現する方法を学習しました。その意味を学習しただけでなく、別のモダリティに変換することもできます。これはジェンスンが行った革命的な基調講演でした。
私は、これらの新しいスケーリング法則と、NVIDIAのおかげでコンピュートとブレークスルーが世界に与えた新しい機会を、起業家たちがどのように活用するのかを見るのが非常に楽しみです。私たちは1年半ごとに2倍だったコンピュートを、毎年4倍に変えました。それについて少し考えてみてください。
あなたのビジネス、仕事の生活、家庭生活、効率能力にとってそれが何を意味するのか考えてみてください。はい、それは未来が今であることを意味します。それは今年起こっており、ここからさらに成長するだけです。コメント欄で皆さんの考えを聞かせていただけると嬉しいです。いつも皆さんからのコメントを読むのが楽しみです。
私のチャンネルには賢い視聴者が多いので、この新時代を皆さんと共有できることを光栄に思います。コンピュートの性質、スケーリング法則、そしてこの新時代で可能なことについて、皆さんの考えをお聞かせください。そして、いつものように、私のチャンネルJulian McKoyでサブスクライブをお願いします。次のAIラビットホールでお会いしましょう。
コメント