11,948 文字
そうですね、私たちはAIエージェントについて話をしていますが、AIエージェントとは何で、実際に何ができるのかということについて少し曖昧な部分があるようです。では、あなたの新しい会社Sierraの共同創業者兼CEOとして、AIエージェントとは何か、そして何ができるのかを教えていただけますか？
はい、学術的な文脈から、より実践的な文脈へと話を進めていきたいと思います。特に聴衆を考慮してですね。
エージェントという言葉は「agency（代理）」という言葉から来ており、私はソフトウェアに意思決定能力を与え、代理として行動する能力を持たせることだと考えています。この自律性のレベルは、これまでのほとんどのソフトウェアとは明確に異なります。
私はエージェントを本質的に3つのカテゴリーに分けて考えています。戦略的に私の会社が扱うものを最後に回しますが、まずは他のものから始めましょう。
1つ目は個人向けエージェントです。OpenAIやApple、Googleなどの企業を見ると、全ての企業がこの分野で、個人の代わりに行動するエージェントの開発に取り組むことになるでしょう。例えば、休暇の計画を手伝ったり、会社のコンテキスト内でメールの受信トレイを整理したりするといった、よく言われる用途があります。私たち全員のために、いわゆるアイアンマンスーツのように生産性を向上させるのに役立つエージェントです。
この分野は多くの注目を集めていますが、おそらく産業用グレードになるまでには最も時間がかかるでしょう。個人向けエージェントが効果的であるためには、どれだけ汎用化する必要があるかを考えると、技術的な情報セキュリティの統合の課題は非常に大きいです。なぜなら、個人として私たちが関わる物事の universe が非常に広いからです。
もう1つの種類のエージェントは、今日より実用的に展開可能なペルソナベースのエージェントです。例えば、コーディングができるエージェント、契約書をレビューできるエージェント、販売レポートを分析できるエージェントなどです。私の会社では、全てのエンジニアがコーディングエージェントを作っている企業の1つであるCursorを使用しています。
この会場の多くの方々とHarveyについて話をしましたが、これは法律プラットフォームで、私の理解では、法律の専門家ではありませんが、パラリーガルの仕事を行っています。Harveyの製品を過小評価してしまっているかもしれません。
これが今より実用的だと言う理由は、特定のペルソナ、特定の役割の文脈の中で、統合するシステム、決定論的および確率論的なガードレールの実装方法、それらのエージェントと関わる異なる人々がはるかに明確に定義されているからです。つまり、汎用性の範囲を狭め、科学の領域からエンジニアリングの領域に移行するのです。そのため、これらの応用が多く見られています。
最後のカテゴリーは、私の会社Sierraが取り組んでいるもので、企業の顧客体験を代表するエージェントです。もし1995年にここにいたら、おそらく私はウェブサイトの構築を提案し、デジタルの世界で存在するためにはウェブサイトが必要だと話していたでしょう。
そして10年前なら、モバイルアプリを持つべきだと提案し、アプリストアに掲載されることがここにいる企業の一部にとって意味があると言っていたでしょう。2025年には、皆さんの企業それぞれが、ブランドを冠したAIエージェントを持つことになり、それはウェブサイトやモバイルアプリと同じくらい完全な顧客体験となるでしょう。
保険会社なら、保険金請求の手続きや保険料の追加をサポートします。家電メーカーなら、技術サポートを提供するかもしれません。通信会社なら、サブスクリプションの解約管理を行い、解約を思いとどまらせたり、プランのアップグレードやダウングレードを支援したりするでしょう。
ウェブサイトでできることは全て、エージェントでもできるようになります。このエージェントが特別だと私が考える理由は、CEOがエージェントの影響を考えたとき、自社のブランドを冠したエージェントは特に重要だからです。私はWayback Machineで1995年のウェブサイトを見るのが好きですが、それらは驚くほど狭い範囲のものでした。「ワールドワイドウェブへようこそ」とか、「実店舗の場所はこちら」といった具合です。
今日、皆さんの会社でドットコムに携わる人数はかなり多いでしょう。それは分散化され、1つのプロジェクトではなく、複数のチームによって管理されています。なぜなら、それは本当にデジタル形式での会社全体を表しているからです。今日のほとんどのエージェントは主にカスタマーサービスに特化しており、それは私たちの得意分野ですが、先を見据えると、私たちはそれらのエージェントを「ああ、かわいいですね」というレベルで見ることになるでしょう。
そして、それは企業の顧客体験全体を包含するようになり、それは本当にエキサイティングだと思います。これが私が考える3つのクラスです。最後の2つがより実用的に展開可能なのは、エージェントがどれだけ汎用化する必要があるかという領域を狭めることで、今日のモデルの構造的な欠点をエンジニアリングで解決できるからです。
あなたが描写しているものは素晴らしく聞こえますし、将来的にはより広く普及するかもしれませんが、現時点では多くの企業がまだ生成AIが組織にとって何を意味するのか、様々な言語モデルからどのように価値を引き出すのか、AIガバナンスをどう整理するのかを模索している段階で、AIエージェントはかなり先の話のように思えます。後ほど投票質問で、実際にエージェントを使用している方がどれくらいいるかを確認しますが、あなたが描写しているような未来が実現するのはいつ頃だと予想していますか？現時点ではまだそこまでは達していませんよね。
テクノロジーではなく、ビジネス上の問題から始めることが重要だと思います。言い換えれば、「どうすれば会社でより多くのエージェントを展開できるか」という前提から始めるのは建設的ではありません。なぜならそれ自体が目的ではないからです。
私の考え方は、どのような領域があるのかということです。Sierraが直接サービスを提供している顧客サービスを例に取ると、一般的な消費者ブランドの電話対応の平均コストは、主に応答する労働コストにより、5ドルから20ドルの間になります。大規模な消費者ブランドにとって、これはコンタクトセンターが意味のある運営費用となることを意味します。
今すぐAIのインパクトを実現する機会について考えると、1桁または2桁も安いコストで電話対応ができるようになることは、2つの重要な方法でゲームを変えます。1つ目は、明らかに多くのお金を節約できることです。これはCFOを非常に喜ばせるでしょう。
しかし、私がより興奮しているのは2次的な効果です。5ドルから20ドルのものを取り上げると、この部屋に代表される様々なブランドと話をしても、ほとんどのインタラクションは5ドルから20ドルの価値がないため、ほとんどの企業に電話をかけることが難しいのです。ケーブルテレビ会社や保険会社と話したことがあるでしょう。Googleに電話をかけようとしても、私はそこで働いていましたが、方法すら分かりません。
それは部分的に、顧客一人当たりの平均収益がそのインタラクションの増分コストを下回っているため、ほぼ不可能で、数学的に成り立たないからです。私は実際、AIエージェントがこれらのパーソナライズされたインタラクションのコストを大幅に下げることで、顧客との個別の会話を桁違いに増やす機会を提供すると考えています。
これは少し遠回りな答えでしたが、実は今すぐにでもこれらを展開する機会があると思います。例えば、私たちの顧客の1つであるADT（ホームセキュリティ会社）は、おそらく多くの方が自宅に設置されていると思いますが、次回アラームに問題が起きたら、私たちのAIとチャットしてフィードバックを送ってください。
ADTの「T」は電信を表します。彼らは電信によるホームセキュリティとして始まりました。これは当時の価値提案を想像するととてもクールだと思います。当時の起業家として、それを提案していた自分を想像すると面白いですね。そして今、彼らはAIエージェントの時代に入り、100年から150年の歴史を持つ企業が、この技術を展開しているのは素晴らしいことだと思います。おそらく、皆さんのエンジニアリングチームの多くが既に開発のためにコパイロットを使用していることでしょう。
今すぐに実用的なソリューションがあると思います。ただし、いわゆる「大海を沸かす」ようなことはせず、今すぐにでもソリューションがある使用事例から始めることが重要です。抽象的なAIガバナンスをどう解決するかを考えるのは非常に難しいことです。
カスタマーサービスを自動化する場合を考えてみましょう。全てのエンジニアにコーディングエージェントやコパイロットを提供し、サプライチェーンの契約レビューをAIで行うとします。そうすると、ガバナンスの意味する範囲が狭まり、最高コンプライアンス責任者もこのアプリケーションの影響範囲を理解できるようになります。そして突然、これらの大きな抽象的な問題が、より解決可能な問題に変わります。そして、これらの実践的なことに取り組めば取り組むほど、3年後にAIガバナンスについて議論する際には、4つの成功したプロジェクトがあり、願わくは失敗したプロジェクトがないという状況になります。そうすれば、より大きな議論ができるようになります。私はエンジニアですから、まずはロードマップから始めましょう。
投票質問を見て、実際に何人の方がエージェントを使用しているか確認してみましょう。素晴らしいですね、大多数の方が実験段階にあるということです。それが始めるためのロードマップのようですね。
ブレットさん、もう1つお聞きしたいことがあります。AIエージェントに関する技術は非常に急速に変化しています。例えば、AIエージェントを進化させる上で非常に重要とされる推論モデルについて考えてみましょう。思考の連鎖のような推論を行うことができます。しかし同時に、顧客にガバナンスやガードレールを適切に提供する必要がある中で、あなたのような企業はどのようにして変化のペースに追いついていけるのでしょうか？エージェントは必ずしも全ての場面で信頼できるわけではありませんからね。
そこで、DeepSeekについてお聞きしたいのですが、中国企業DeepSeekの革新的なR1モデルについて、このようなテクノロジーがAIエージェントや企業にどのような影響を与えると思いますか？
まず、基礎モデルやフロンティアモデルの変化のスピードは、私のキャリアの中で経験したことのないものです。インサイダーである私でさえ、ペースを保つのが難しいので、皆さんのチームにとってはどれほど大変かと想像できます。私たちは本当に急速な変化の時期にいることを認識する必要があります。
この変化の速度を示す1つの指標を挙げると、約2年前、GPT-4が利用可能な最高のフロンティアモデルでした。数字は多少間違っているかもしれませんが、おおよそ正しいと思います。出力100万トークンあたり約60ドルのコストがかかりました。トークンは少し変わった指標ですが、かなり高価で遅かったため、その技術の応用は必然的に限られていました。例えば、1日に1億回トリガーされる不正検知システムがあれば、そのモデルを使って不正を検査することはおそらくコスト効果が見込めないでしょう。
現在、ほとんどの評価でGPT-4よりも優れているとされるGPT-4o miniは、100万トークンあたり60セントです。つまり、わずか数年で100倍以上コスト効率が良くなったということです。
私が育った頃のムーアの法則では、新しいコンピュータは常により良く、より安価になっていき、コンピュータオタクとして成長するのはとても楽しい時代でしたが、このペースには及びませんでした。そこで私が常に自分に言い聞かせているのは、GPT-3から現在に至るまでの道のりを見ると、DeepSeekやOpenAIが最近リリースしたo3 miniなども含めて、この目まぐるしいペースで品質が向上し、コストが劇的に低下していることです。
AIを展開する際に考慮すべき点の1つは、それを計画に入れるべきだということです。今日存在するモデルの品質とコストを前提に計画を立てているなら、それは過去のための計画を立てているということになります。これは頭で理解するのは少し奇妙なことです。90年代にコンピュータゲームを作っていた人に会ったことがありますが、彼らは常にまだ販売されていないコンピュータでゲームをテストしていたと冗談を言っていました。なぜなら、ゲーム開発が終わる頃には、グラフィックスカードがそのレベルに達しているからです。私たちは今そのような状況にいます。
アルゴリズム、コンピュート、データの面で、この速度が低下する構造的な理由が見られるまでは、この劇的な品質向上と劇的なコスト低下を計画に織り込むことは合理的だと思います。これは本当にエキサイティングです。
私たちSierraはどのように計画を立てているかというと、応用AIの会社であり、研究機関ではありません。私たちは、ガバナンスとガードレールが価値提案の1つだと考えています。特に、Sirius XMやSonos、ADTのような企業の顧客体験の構築を支援しているため、新しいモデルが登場するたびに顧客体験を再定義したり再実装したりする必要はありません。私たちが提供する主な価値の1つは、顧客体験、ガードレール、ガバナンスを実装する永続的な方法であり、新しい技術を取り入れることはできますが、新しい実装は必要ありません。
マーク・トウェインは「歴史は繰り返さないが、韻を踏む」と言いましたが、AIマーケットがクラウドマーケットと韻を踏むとすれば、Sierraで私たちが行っているのはソフトウェア・アズ・ア・サービスのようなものです。モデルが提供するのはインフラストラクチャ・アズ・ア・サービスに近いものです。トレードオフはあります。
自分で構築すれば、より多くのコントロールを得られますが、それを構築し、所有することになります。ソフトウェアは芝生のようなもので、メンテナンスが必要です。おそらく皆さんの多くは、総所有コストを分析する中で、過去10年でソフトウェア・アズ・ア・サービスにシフトしてきたことでしょう。AIについても同じことが起こると強く直感しています（もちろん偏見はありますが）。実際、チームに再実装、再プロンプトエンジニアリング、ガバナンスの再構築をさせることは、世界中の全ての企業が個別に負担すべきコストではなく、それらの問題に対するソリューションを提供する企業によって本質的に抽象化されるべきだと考えています。
私にはたくさんの意見がありますが、これが私の見解です。ソフトウェア・アズ・ア・サービスには理由があり、応用AIエージェントが意味のあるカテゴリーになると考える理由もそこにあります。
特にSalesforceでの経験を踏まえて、AIエージェントのソフトウェア・アズ・ア・サービスへの影響についてお聞きしたいのですが、少しOpenAIの話題に戻りたいと思います。あなたは取締役会会長ですが、この最近のイーロン・マスクとその投資家グループによる974億ドルの買収提案について、どのような状況で、OpenAIはどのように対応しているのでしょうか？
そうですね、ご存知の方も多いと思いますが、OpenAIは非営利組織です。これは、OpenAIの取締役会は私たちのミッションにのみ対する受託者責任を負っているということを意味します。そのミッションは、汎用人工知能が人類全体に利益をもたらすことを確実にすることです。したがって、私にとってはとても単純で、OpenAIは売却の対象ではありません。取締役会としての私たちの仕事は、専らミッションに利益をもたらすものは何かを決定することです。その結果として、これは大部分が気を散らすものだと思います。取締役会は引き続きミッションにのみ焦点を当てていくでしょう。
では、それはどのようにミッションから気を散らすものなのでしょうか？
ただ、私の考えは、私たちはミッション主導型、特に取締役会としてはそうであり、私たちの仕事はとてもシンプルだということです。それは基本的に、組織の全ての戦略的決定を1つのテストを通して評価することです。つまり、これは本当にAGIが人類に利益をもたらすというミッションを前進させるのかということです。私にはこれがどのようにしてそうなるのか理解が難しいです。
分かりました。エージェントの話題に戻りましょう。AIエージェントを使用する際の最大の懸念は何かについて、もう1つ投票質問があります。また、AIエージェントが次の大きな波となるかどうかについても触れられていますね。これも見てみましょう。Sierraにとっては良いニュースかもしれませんが、小さな過半数が「間違いなくそうなる」と答えています。若干少ない集団が「たぶん」と答えています。組織内でAIエージェントを使用する際の主な懸念は何でしょうか？見たところ、ほとんどの人が信頼性を挙げ、その次にサイバーセキュリティとデータプライバシーが続いているようです。
あなたはこのようなガードレールを設置することについて話され、アプリケーション層にいることで、Sierraが顧客からそれを抽象化するのに役立つと言われましたが、再度、AIエージェントがメインストリームに到達することについての質問に戻ると、ADTや他の企業があなたの言及した企業が「ええ、エージェントに自由に動き回らせましょう」と言う際の最大の障壁は何だと思いますか？何か問題が起きた場合、Sierraが責任を取るのでしょうか？それとも私が責任を取るのでしょうか？このような質問にはどのように答えますか？
それは正しい懸念だと思います。もし私が投票して順位付けをしていたら、おそらく皆さんと非常によく似た順位になっていたでしょう。
信頼性について、私の見方では、まず第一に単純な堅牢性があります。例えば、エージェントとの会話に対して課したいガードレールに基づいて考えてみましょう。私たちは多くの小売業者を持っており、彼らはちょうどブラックフライデーとサイバーマンデーを経験したところです。エージェントは返品ポリシーを遵守していますか？誰かが保証請求をする場合、保証請求プロセスのルールを遵守していますか？誰かが情報や製品について尋ねた場合、正しい情報を提供していますか、それとも幻覚を見ていますか？
これが基本レベルで、本質的にはガードレールを実際に遵守しているかということです。これは必ずしも簡単ではありませんが、エージェントの世界では、既存のものを使用して決定論的なガードレールや十分に正確なAIベースのガードレールを実装し、ビジネス要件を満たすことができるように、領域を狭めることができるというのが私の原則の1つです。今日、任意の問題に対して、十分に領域を狭めることができれば、答えはイエスだと思います。
しかし、もっと微妙な問題もあります。私たちの最初の小売業者の1つは靴を販売していました。彼らのエージェントと協力して、注文後のインタラクション、注文の場所、返品と交換、保証請求などを多く扱いました。最初のセッションは「ハワイでの結婚式に行くのですが、どのサンダルがブライズメイドのドレスに合うでしょうか」というものでした。これにAIは全く対応できませんでした。それは設計時に考慮していなかったことでした。
興味深いことに、パートナー、顧客、さらには従業員向けに作成するウェブサイトやモバイルアプリを見ると、おそらくメニューがあり、十分にクリックすれば、サイト上のほぼ全てのページにアクセスできるでしょう。大きな製品カタログを持つサイトであっても、本質的に訪問者に複数の選択肢を与えているわけです。これらの列挙されたオプションの中から何を訪問したいですか？という形です。
会話型エージェントはフリーフォームのテキストボックスです。私と同年代の方なら覚えているかもしれませんが、Yahooディレクトリからグoogleに移行するようなものです。全ての可能性を列挙することから、よりフリーフォームなものに移行するのです。その結果として、カスタマーに対してより多くのエージェンシー（主体性）を与えることになります。
彼らは好きなことを言えるので、予想していなかった方向にエージェントを導くことになります。その結果、構築中はより対話的に感じられ、本質的により対話的な方法で顧客の需要が表れているのを目にすることになりますが、もう1つ私が多く考えている微妙な点があります。これは部屋の中の技術者の方々に共感していただけると思います。
最後に取り組んだ大きなプロジェクトを考えてみてください。仕様のうち、要件文書に記載されていた割合はどれくらいで、単にコードで実装された方法の割合はどれくらいでしょうか？実は、今日では大部分がコードの中にあります。要件は重要なことをカバーしていますが、このボタンをクリックしたときにインターネットが切れている場合や、何かのランダムな特殊なケースについては、エンジニアが書いたif文の中に何かが書かれているのです。
製品体験全体は、書き留めたものと、単に実装された方法の両方です。このフリーフォームのテキストボックスが体験の重要な部分となる世界を考えると、より自由な形式で、可能な全ての振る舞いを指定している可能性はほぼゼロです。人間のインタラクションの全てを列挙し、何が起こってほしいかを指定することはできません。
私たちが顧客ベースで発見したより微妙なことの1つは、スクリプトから外れたシナリオでどうするかということです。簡単な答えもあります。あなたのブランドと無関係なことについて質問があった場合は、丁寧に話題を戻すように促すなどです。しかし、標準業務手順には含まれていないものの、明らかにあなたのブランドに関連することが実際にたくさんあると思います。
AIにどれだけのエージェンシーを与えたいかということです。これは事業のステークホルダーとの興味深い会話になりますし、単なる考え方の転換でもあります。エージェントから全てのエージェンシーを取り除くこともできますが、そうすると単なるロボットになり、この技術を展開する目的全体が無くなってしまいます。あるいは、未定義の動作がある場合、AIに推論と思考を許可すると言うこともできます。
その場合、時には、あなたやビジネスのステークホルダーが同意しないことをする可能性があることを受け入れなければなりません。
かなり大きなリスクですよね？
はい、大きなリスクですし、それは機会でもあると思います。私が常に自分に言い聞かせていることの1つは、人間も完璧ではないということです。会社の全ての従業員が常に完璧な判断を下しているわけではありません。私たちは基本的に、これらのリスクを様々な方法で軽減するための適切なガバナンスを会社内に作り上げてきました。
私が生産的だと感じた考え方の転換の1つは、AIが完璧になるのを待って展開するのではなく、不完全であることを受け入れ、実際にその不完全さを計画に織り込むことです。AIが何か間違ったことをするかどうかを問うのではなく、間違ったことをした時に、コンプライアンスリスクを軽減したり、対処したりするための運用上の対策をどのように設けているかを考えます。
上場企業の方々のコンプライアンス管理を考えてみると、それは物事が間違う可能性を前提としています。規制当局は企業に完璧であることを求めているわけではありません。彼らが求めているのは、何か間違いが起きた時にそれを発見し、どのように問題を修正するかということです。これはAIについて考える上で非常に建設的な方法だと思います。なぜなら、多くの場合、自社の既存の管理を人材に対して再利用できるからです。
AIが完璧になるまで待つ企業は、競争力が大きく遅れをとることになるでしょう。
「AIが完璧になるまで待たない」というのは良い考えですね。質問の時間は以上ですが、聴衆からの質問を1、2個受け付けたいと思います。後ろの方で、ダークセーターを着ている方がいらっしゃいますね。
こんにちは、ブレット。私はIEAの創業者のムドゥサクです。質問です。マーク・ベニオフのライセンスを切り下げようとしているのですか？それとも彼と仲良くやっていくのですか？これはウォール・ストリート・ジャーナルのイベントです。あなたのマークに対する最も挑発的なポジショニングを聞きたいと思います。私が最も…
マークは私のビジネスにおける最も親しい指導者の一人です。これまで以上に感謝しきれないほど多くのことを教えてくれた上司を持ったことがあるでしょうか。スーパーボウルが終わったばかりですが、私は自分をマーク・ベニオフのコーチング・ツリーの一部だと考えています。彼は私の全ての成功の功績を主張できます。
私は非常に、マークは皆さんもご存知の通り、Salesforceは「オハナ」という言葉を使いますが、私は常にSalesforceのオハナの一部であり続けると思います。
もう1、2個質問を受け付ける時間がありますね。眼鏡をかけているこちらの方。
とても的を絞った質問をしたいのですが、少し文脈を説明させてください。あなたはDeepSeekについて触れました。DeepSeekは圧縮、量子化、蒸留を行い、さらに聞いたところによると、アセンブリコードに入り込んで、人々が越えられない要塞だと考えていたCUDAを最適化することでその性能を達成したそうです。
その文脈を踏まえて、AIエージェントがウイルスのように広がり、全ての企業に展開され、普及し、遍在するようになるために、上位3つの技術的課題を優先順位付けするとしたら、何でしょうか？ヒントを言うと、「課題はない」というのは間違った答えでしょう。また、4つの基礎モデルやフロンティアモデルの開発を進めることについてもお話しいただけますか？
はい、私は3つの課題があると考えています。ありがたいことに、これらはある程度独立した課題なので、進歩が止まらない可能性が高まると思います。
1つ目はデータです。ChatGPTを生み出し、大規模言語モデルへの関心を高めたモデルの多くは、言語やテキストで訓練されました。利用可能なテキストの大部分は既に使用されています。おそらく、そこで興味深い2つの領域は、合成データ生成とシミュレーションです。時間の関係で、これだけにしておきますが、両方の分野で興味深い研究機関や企業が取り組んでいると思います。
2つ目はコンピュートです。2つの課題があります。1つはコンピュートのスケールアウトで、インフラへの投資は膨大にあります。これは官民パートナーシップが役立つ分野の1つだと思います。なぜなら、これらのモデルがどれだけ効率的であっても、モデルの品質はコンピュートへの投資に対して対数的に向上し続けるからです。コンピュートの規模を拡大することは重要です。
あなたが言及した2つ目の点は、蒸留や他の多くの最適化のような技術で推論をより効率的にすることです。これは、目標に応じて、より高品質な出力を得るためにより長く考えることができるか、より効率的に実行できることを意味します。
3つ目はアルゴリズム的なものです。おそらく最近の興味深いブレークスルーは、企業が思考の連鎖に対して強化学習を行うこれらの推論モデルでしょう。その前にも多くのブレークスルーがありましたが、確かにトランスフォーマーモデルと訓練と推論の両方の並列性を向上させたことは大きなブレークスルーでした。
発明というのはそういうものなので、次のブレークスルーが何になるかは明らかに言えません。しかし、ここ数年で、思考の連鎖のようなアルゴリズム的なブレークスルーがいくつかあり、それがo3やDeepSeekなどにつながったのは興味深いですね。
これらが独立していると言う際に興味深いのは、いくつかのモデルでプラトーに達する可能性があるということです。例えば、次の12ヶ月はアルゴリズム的なブレークスルーがないかもしれませんが、コンピュートとデータを改善することで、依然として投資に対するリターンを得ることができます。
一般化可能な知能を表すものへの道筋を考える際に最も期待できるのは、最適化と課題は確かに存在しますが、それらが相互に結びついていないということだと思います。科学的進歩のプロセスで本当に行き詰まるのは、多くの場合、解決すべき1つの問題があるときです。解決すべき3つの独立した課題があることは、AIの未来にとって良い兆しだと思います。
コメント