WordbookGet the appGet app

0:00 / 44:02Line 1 of 511

C1TechnologyOct 6, 2026

Nobel Economist: How to Stay Valuable as AI Changes Work | Daron Acemoglu

ノーベル経済学賞受賞者：AIが仕事を変える中で価値を保つ方法 | ダロン・アセモグル

Silicon Valley Girl12 videos Open on YouTube

Transcript

511 lines

0 learning0 looked up0 known1106 new

Translation

I could definitely see a future, very scary future, in which a lot of people would not have meaningful work.
私は確かに未来、非常に恐ろしい未来を想像できます。それは、多くの人が意味のある仕事を持たない未来です。
This is Darren Asimoglu, an MIT economist and winner of the 2024 Nobel Prize in Economics.
こちらはダロン・アセモグル、MITの経済学者であり、2024年ノーベル経済学賞の受賞者です。
He thinks we're overlooking some of AI's biggest opportunities.
彼は、私たちはAIの最大の機会のいくつかを見落としていると考えています。
So, where should we be looking, and what will keep us valuable?
では、私たちはどこを見るべきでしょうか。そして、私たちの価値を保つものは何でしょうか。
I've seen a lot of posts where people say, "Oh, instead of hiring someone, I deployed an agent." Automation is great.
私は多くの投稿を見てきました。人々が「ええ、人を雇う代わりに、エージェントを展開しました」と言っている投稿です。自動化は素晴らしいものです。
The problem is, the only thing we do is automation.
問題は、私たちが行う唯一のことが自動化だということです。
That will eliminate too many jobs without creating meaningful, high-paying, high-productivity jobs to create new opportunities for people.
それは、人々のための新しい機会を生み出す意味のある、高賃金、高生産性の仕事を創出することなく、あまりに多くの仕事を消滅させることになります。
So, what should people be doing?
では、人々は何をするべきでしょうか。
What skills should they be acquiring?
どのようなスキルを身につけるべきでしょうか。
If anybody wants my opinion, I would say go and study.
誰かが私の意見を聞きたいなら、私はこう言います。学びに行きなさいと。
Thanks to HubSpot for sponsoring this video.
この動画のスポンサーであるHubSpotに感謝します。
So you said something in 2024 that AI would add about one percent to U.S.
あなたは2024年に、AIが米国のGDPに約1パーセントを加えるとおっしゃいました。
GDP in the next ten years, with only five percent of tasks being fully automatable.
今後10年間で、完全に自動化可能なタスクはわずか5パーセントであると。
What do you think about this now in 2026?
2026年の今、それについてどう思いますか。
Well, first of all, it's my pleasure to be here, and I do not claim that I have any unique insight into AI.
まず、ここに来られて光栄です。そして、私はAIについて独自の洞察を持っているとは主張しません。
AI is like an elephant; everybody is feeling a different part of it.
AIは象のようなものです。みんなが違う部分を触っているのです。
But I think I try to bring a little bit of basic economic calculus to the discussions of productivity.
しかし、私は生産性に関する議論に、少しの基礎的な経済学の計算を持ち込もうとしていると思います。
And this was more than two years ago.
そして、それは2年以上前のことでした。
There's a huge amount of uncertainty, and there is even more today.
非常に大きな不確実性があり、今日ではさらに多くなっています。
But there have also been some very rapid developments, especially this year with agentic AI.
しかし、非常に急速な進展もありました。特に今年はエージェンティックAIにおいてです。
Probably now I would have put that number a little higher than five percent.
おそらく今なら、その数字を5パーセントより少し高く置いたでしょう。
But I still think that a lot of the discussion exaggerates how quickly we're going to see automation because automation is hard.
しかし、私は今でも、多くの議論は自動化がすぐに見られるだろうと誇張していると思います。なぜなら自動化は難しいからです。
Integrating automation into organizations is hard.
組織に自動化を統合するのは難しいのです。
Diffusion of new technologies, especially when they require lots of complementary investments and adjustments, is hard and slow.
新技術の普及は、特に多くの補完的な投資と調整を必要とする場合、難しく時間がかかります。
That doesn't mean it's not a transformative technology.
それは、それが変革的な技術ではないという意味ではありません。
It doesn't mean that we cannot get benefits from it.
それから恩恵を得られないという意味でもありません。
But we have to be grounded in thinking about how quickly and how thoroughly the economy is going to change.
しかし、経済がどれほど速く、どれほど根本的に変化するのかについて、現実的な認識を持つ必要があります。
And we should still have the same discussion that we should have about every technology.
そして、あらゆる技術について行うべきと同じ議論を、引き続き行うべきです。
What's the best way of using it?
それを最も効果的に使う方法は何か？
How it could be misused, and who will benefit from it?
どのように悪用される可能性があり、誰がその恩恵を受けるのか？
You mentioned agentic.
エージェント型について触れられましたが。
Is there anything you're When you see it, you'll think, "Okay, now I can expand my figure to like two digits." When it comes to impact of AI, I think the advances in coding have been really, really rapid.
何か、あなたがそれを見て「ああ、これで自分の数字を2桁に増やせる」と思うようなものはありますか？AIの影響について言えば、コーディングの進歩は本当に、本当に急速だと思います。
What is it about coding that makes it so conducive to have the most rapid advances of any occupation?
コーディングはなぜ、あらゆる職業の中で最も急速な進歩を遂げやすいのでしょうか？
I think it's the fact that coding is obviously done in offices.
コーディングが明らかにオフィスで行われるという事実だと思います。
You don't have any interaction with the real world.
現実世界とのやり取りが何もないのです。
The people who are supervising coding are very, very fluent in AI and in technology in general.
コーディングを監督している人々は、AIや技術全般に非常に、非常に精通しています。
But also, and this is a very important part.
そして、これは非常に重要な点ですが。
Just like math, just like chess, coding has rules.
数学と同じように、チェスと同じように、コーディングにはルールがあります。
Something either runs or doesn't run.
何かは動くか、動かないかのどちらかです。
Reinforcement learning is very effective when you have a ground truth that says no, that's wrong.
正解がはっきりしていて「いや、それは間違っている」と示せる場合、強化学習は非常に効果的です。
I think in many occupations we lack that.
多くの職業では、そのようなものが欠けていると思います。
Customer service.
カスタマーサービスです。
I think most people would have said customer service is going to be the first occupation to be fully automated by AI.
多くの人が、カスタマーサービスがAIによって完全に自動化される最初の職業になるだろうと言っていました。
And we're seeing some of it, but it's turning out to be very slow and very difficult.
その一部は見られていますが、非常に遅く、非常に困難であることが判明しています。
And most of the organizations that I deal with, their AI system is so bad it's like a nightmare.
私が関わっている組織の多くでは、AIシステムがひどすぎて悪夢のようです。
When I call customer service and I get AI, oh my god, it's going to be another ten minutes before somebody can actually help me.
カスタマーサービスに電話してAIにつながると、誰かが実際に助けてくれるまでにもう10分かかる、と絶望します。
And that's because there is a social element.
それは、社会的な要素があるからです。
Many of the things that you ask from customer service change over time.
カスタマーサービスに依頼するものの多くは、時間とともに変化します。
They are person-specific.
個人ごとに異なるのです。
Different people use different language for making the same questions.
同じ質問をするのに、人によって言葉遣いが違います。
And there are a lot of gray areas, edge cases.
そして、グレーな領域やエッジケースがたくさんあります。
So that makes it much messier, and it will require humans to either either oversee it or work with it, or ideally a much better collaboration, so that AI could be complementary to humans.
そのため、はるかに複雑になり、人間がそれを監督したり、それと協働したり、理想的にはより良い協力関係を築くことが必要になり、AIが人間を補完できるようにするのです。
So all of those are in play.
これらはすべて検討対象にあります。
Which ones we choose is going to have a very important impact.
どれを選ぶかが非常に重要な影響を及ぼします。
How many jobs are going to be displaced?
どれだけの仕事が置き換えられるのでしょうか？
How much productivity effects we're going to get?
どれだけの生産性向上が得られるのでしょうか？
And who's going to benefit from it?
そして、誰がその恩恵を受けるのでしょうか？
With coding, we have deterministic outcome that we can check easily.
コーディングでは、簡単に検証できる決定的な結果があります。
With customer service, it's much more personalized, as you mentioned.
カスタマーサービスは、ご指摘の通り、よりパーソナライズされています。
Do you think in the future, with stronger models, we'll be able to achieve it, or it's just the bottleneck of AI in general that it can't function without a human in the loop?
将来、より強力なモデルによってそれを達成できると思いますか？それとも、人間が介在しなければ機能できないというのがAI全般のボトルネックなのでしょうか？
I would definitely not say there's this one thing that AI will not be able to do in the future.
AIが将来決してできないという一つのことを、私は決して言いません。
I think the last ten years have given us enough examples of.
過去10年は十分な例を与えてくれたと思います。
AI, if you put enough resources, enough data, can make progress on many things.
AIは、十分なリソースと十分なデータを与えれば、多くのことにおいて進歩できます。
But the question is, how fast, and can it do so across all the domains?
しかし問題は、どれだけ速く、そしてすべての領域でそうできるかどうかです。
If if I step back and I say, if you ask me why so little productivity improvements, and what can we do about it, and I would have just one word for my vision of how we can improve the economic effects of AI applications, we just need much better and more applications.
一歩引いて、なぜこれほど生産性の向上が少ないのか、それについて何ができるのかと問われれば、AIアプリケーションの経済的効果を改善するための私のビジョンを一言で言えば、もっと良く、もっと多くのアプリケーションが必要だということです。
And in some sense, one can make the argument.
ある意味で、そのように主張できます。
And again, I don't know.
繰り返しますが、わかりません。
This may be incorrect.
これは間違っているかもしれません。
Look, I'm not in Anthropic inside the organization.
私はAnthropicの組織内にいません。
I'm not in OpenAI.
OpenAIにもいません。
I don't know what they are learning in real time from their experiments and the enormous amount of resources and their very very talented people in all of these organizations.
彼らが実験からリアルタイムで何を学んでいるのか、膨大なリソースと、これらの組織すべてにいる非常に才能のある人々から何を学んでいるのかは知りません。
But you can make the case that the United States.
しかし、アメリカがという主張はできます。
Silicon Valley is putting too much emphasis on foundation models and not enough on applications, and not enough in integrating applications into organizations.
シリコンバレーは基盤モデルに重きを置きすぎて、アプリケーションには十分な重きを置いておらず、アプリケーションを組織に統合することにも十分力を注いでいません。
So when I, when you know, we're we're told all the time, U.S. is ahead of China.
ですから、私たちは常に、米国は中国に先んじていると言われています。
Indeed, in large language models, that seems quite clear.
確かに、大規模言語モデルにおいては、それはかなり明らかです。
Chinese models are catching up sometimes, but they are using the lead of U.S. models.
中国のモデルは時折追いついていますが、米国のモデルのリードを生かしています。
There's some distilling going on, probably.
おそらく蒸留が行われているのでしょう。
But one thing that I see Chinese companies do that I don't see as much in the United States, they're putting a lot of emphasis in getting robotics, getting AI into the production line, and one thing that they are throwing at that problem.
しかし、中国企業がやっていて、アメリカではあまり見られないことの一つは、ロボティクスやAIを生産ラインに取り入れることに非常に重点を置いていることですね。そして、その問題に取り組むために彼らが投入しているもの。
It's a huge amount of engineering talent.
それは膨大なエンジニアリング人材です。
The United States doesn't seem to have that much engineering talent, and whatever we have is all going into foundation models.
アメリカにはそれほど多くのエンジニアリング人材がなく、持っているものはすべて基盤モデルに注がれているようです。
You touch upon such an interesting subject because, as an immigrant, when I see things how they work in the U.S. and ask why is it so, and the reply is, "Oh, historically." Oh no, that's the only way to do it.
非常に興味深いテーマに触れられました。移民として、アメリカの仕組みを見て「なぜそうなのか」と尋ねると、「歴史的にそうだから」と返ってくる。「ああ、いや、それが唯一のやり方だ」ってね。
I think here is one thing, one other thing.
ここには一つ、もう一つあると思います。
I'll say I don't want to make you know over generalizations, but I think as a signpost, if there is one thing that's been not good for U.S.
言い過ぎた一般化はしたくないですが、目印として言えば、アメリカにとって良くないことの一つは、
AI industry, in my in my opinion, it's the inevitability that the view that whatever we're doing is the only way to do it.
AI業界にとって、私の意見では、我々がやっていることが唯一のやり方だという見方が必然視されていることです。
There is no other way, and if you are raising that question, you are an idiot.
他のやり方はない。それを疑問に思えば、お前はバカだ、と。
So.
だから。
I completely reject that.
私はその考えを完全に否定します。
I think AI is a very versatile technology, as are all general-purpose technologies.
AIは非常に汎用的な技術であり、他の汎用技術もすべてそうです。
GPTs, what economists call things like electricity, printing press, etc., which spawn a lot of other applications.
GPT、経済学者が電気や印刷機などと呼ぶもので、他の多くの応用を生み出します。
One thing we know from history, one thing we've learned from a lot of economics, and looking at previous examples, there are so many different ways of developing these general-purpose technologies, and different ways are not neutral.
歴史からわかること、多くの経済学から学んだこと、そして過去の事例を見ると、これらの汎用技術を開発する方法は非常にたくさんあり、その方法は中立ではありません。
They bring different types of benefits.
それぞれ異なる種類の利益をもたらします。
They have different types of costs.
それぞれ異なる種類のコストを伴います。
And just thinking that whatever we're doing is the only way, or by far the best way, I think is a mistake.
我々がやっていることが唯一のやり方、あるいは圧倒的に最良のやり方だと考えるのは、間違いだと思います。
And I think another problem that comes with it is measurement, right?
そして、それに伴う別の問題は測定ですよね。
So how do you measure the impact of AI on your personal productivity, on your company's productivity?
AIが個人の生産性や会社の生産性に与える影響をどう測るのか。
And when I talked to Eric Bjornson when they were doing this study, they like the economic impact of AI was basically zero.
Eric Bjornsonにこの研究について話を聞いたとき、AIの経済的インパクトはほぼゼロだと言っていました。
We talked to him in May.
5月に彼と話をしました。
So the raw capability.
つまり、生来の能力としては。
are skyrocketing, but the economic impact is pretty muted right now.
は急上昇しているが、経済的な影響は現時点ではかなり限定的だ。
That gap between the capabilities and what's actually happening is a big opportunity, I think.
その能力と実際に起きていることの間のギャップは、大きなチャンスだと思う。
Do you think there's a measurement problem there as well?
そこには測定の問題もあると思いますか？
He's a very, very serious scholar, and he knows this industry pretty much better than any other social scientist.
彼は非常に非常に真面目な学者で、この業界については他のどの社会科学家よりもよく知っている。
And I think he's more optimistic than I am.
そして彼は私よりも楽観的だと思う。
So if you ask him about the productivity effects in twenty thirty five, twenty thirty four, which is what I was writing about at the time, he would have put it somewhat more aggressively.
だから2035年、2034年の生産性への影響について彼に尋ねると、当時私が書いていたことだが、彼はもう少し強めに述べただろう。
But yeah, I think his conclusion is AI is not having the kinds of productivity effects we're expecting yet.
でも、彼の結論は、AIはまだ期待されているような種類の生産性効果をもたらしていないということだ。
But it will, which is very much where I am as well.
でもそうなるだろう、それはまさに私の考えでもある。
We don't see it yet, but it will.
まだ見えていないが、そうなる。
But it will be a little slower than, in my opinion, than what Eric would say.
ただ、私の意見では、エリックが言うよりは少し遅くなるだろう。
But, but I, I will be very, very happy if he's right, and I think he's got a much better chance of being right than many other people in the industry who are just overly optimistic about what's going on.
でも、彼が正しければ私はとてもとても嬉しいし、彼が正する可能性は、業界の他の多くの人々よりもはるかに高いと思う。彼らは起きていることについてただ過度に楽観的すぎるからだ。
How do you think we should measure impact of AI on organization or even personal productivity?
AIが組織や個人の生産性に与える影響をどう測るべきだと思いますか？
Productivity has always been difficult to measure, and there is a quality issue.
生産性は常に測定が難しく、品質の問題もある。
I think one place where Eric has put a lot of emphasis, rightly, is that.
エリックが正当に重視しているのは、その点だと思う。
In the digital age, more broadly, over the last forty years, we don't know how to measure quality, and that might mean that we are understating some of the productivity benefits, if not just AI, but computers in general.
デジタル時代において、より広く言えば過去40年間、私たちは品質を測る方法を知らない。それは、AIに限らずコンピュータ全般について、生産性の便益を過小評価している可能性を意味する。
I agree with that.
賛成です。
The problem is, I think we didn't know how to measure the quality improvements coming from better cars or better highways, either.
問題は、より良い車やより良い道路からの品質向上の測り方も、私たちは知らなかったということだと思う。
So there, there always been an issue of measuring quality.
だから、品質の測定は常に問題だった。
I think it's the happiness measurement.
幸福の測定だと思う。
Like is the happiness measurement?
幸福の測定って？
We should eventually just measure happiness and see what.
最終的にはただ幸福を測って、どうなるか見てみるべきだ。
It is.
そうですね。
I mean, that's that's also great.
それは、それも素晴らしいことだと思う。
I think well-being is a very important thing.
幸福は非常に重要なことだと思う。
There, I would be more negative about AI and all the associated technologies.
その点で、私はAIや関連するすべての技術についてはもっと否定的だろう。
I think social media has been horrendous for us.
私はソーシャルメディアは私たちにとって恐ろしいものだったと思います。
It has damaged community.
それはコミュニティを損ないました。
It has damaged people's ability to deal with adversity because we don't interact with people in real social networks.
それは人々が逆境に対処する能力を損ないました。なぜなら私たちは実際の社会的ネットワークで人々と交流していないからです。
It has made our worst instincts more salient, because algorithms go after rage, emotions, envy.
それは私たちの最悪の本能を目立たせました。なぜならアルゴリズムは怒り、感情、妬みを追いかけるからです。
So I think it has been horrible.
だから私はそれはひどいものだったと思います。
I hope AI will not repeat social media's mistakes.
私はAIがソーシャルメディアの過ちを繰り返さないことを願っています。
Let's take a quick break here, because what Darren just said about technology really stood out to me.
ここで少し休憩しましょう。なぜならダレンが今言った技術に関する話は本当に私の心に残ったからです。
AI can be used simply to replace tasks and cut costs, or it can help people become more productive and make better decisions.
AIは単にタスクを置き換えてコストを削減するために使うこともできれば、人々がより生産的になり、より良い意思決定をするのを助けることもできます。
As I see this all the time, running two companies and working with a big team, every new AI tool promises to save time.
私はこれをよく見ます。2つの会社を経営し、大きなチームと仕事をしていて、新しいAIツールはすべて時間を節約すると約束します。
But adding more tools doesn't automatically make your business more efficient.
しかし、ツールを追加しても自動的にビジネスが効率的になるわけではありません。
If your marketing data isn't one place, sales is working somewhere else, and customer information is spread across different systems, your team ends up spending more time managing the tools instead of actually using them.
マーケティングデータが一箇所にない場合、営業は別の場所で作業しており、顧客情報が異なるシステムに分散している場合、チームは実際にそれらを使う代わりにツールを管理するのにより多くの時間を費やすことになります。
That's what I like about HubSpot.
それが私がHubSpotについて好きな点です。
It brings marketing, sales, customer service, and content together on one AI AI-powered customer platform.
それはマーケティング、営業、カスタマーサービス、コンテンツを1つのAI搭載顧客プラットフォームにまとめます。
Your teams can work from the same customer information at every stage of the journey instead of constantly switching between disconnected systems.
あなたのチームは、途切れ途切れのシステム間を切り替える代わりに、ジャーニーのすべての段階で同じ顧客情報から作業できます。
Each HubSpot product is powerful on its own, but they work even better together.
各HubSpot製品は単体でも強力ですが、一緒に使うとさらに効果的です。
So whether you're building a company or trying to make your existing team more effective, you can start with the tools you need and grow from there.
だから、会社を立ち上げている場合でも、既存のチームをより効果的にしたい場合でも、必要なツールから始めてそこから成長させることができます。
You can explore HubSpot and get started for free through the link in the description.
説明欄のリンクからHubSpotを探索して無料で始めることができます。
Thanks to HubSpot for sponsoring this video.
この動画のスポンサーであるHubSpotに感謝します。
Let's talk about workers sharing gains of this new technology.
この新しい技術の恩恵を労働者が共有することについて話しましょう。
My favorite topic.
私の一番好きなトピックです。
Yeah, you're particularly vocal about it.
ええ、あなたは特にそれについて熱心に語っています。
So when you say we have these strong models, but we lack applications, is that the education problem?
だから、強いモデルはあるが応用が足りないと言うとき、それは教育の問題ですか？
Do you think we still need a stronger model?
あなたはまだより強力なモデルが必要だと思いますか？
What do we need to see the impact of AI on our day-to-day positive impact?
AIが私たちの日常生活にポジティブな影響を与えるのを見るために、何が必要ですか？
I think existing models are already very capable as a foundation upon which to build applications.
既存のモデルは、アプリケーションを構築する基盤としてすでに非常に優れていると思います。
There are so many things we can do that would be quite feasible with the existing infrastructure.
既存のインフラで実現可能なことは非常にたくさんあります。
Let me mention a few examples: much better quality control, very easy with existing models.
いくつか例を挙げます：はるかに優れた品質管理、既存のモデルでは非常に簡単です。
Tools for nurses.
看護師のためのツール。
We have a real healthcare crisis in this country.
この国には本当の医療危機があります。
We spend almost one out of every five dollars on healthcare, and look at the outcomes.
私たちは医療に5ドルに1ドル近くを費やしていますが、その成果はどうでしょう。
There are real public health challenges.
本当の公衆衛生上の課題があります。
There are real bottlenecks in the healthcare industry.
医療業界には本当のボトルネックがあります。
Imagine nurses can be more involved in the care process in diagnosis, prescription decisions about patient well-being, and one big barrier for that is quality control and information.
看護師が診断、処方、患者の健康に関する決定など、ケアプロセスにより深く関与できると想像してください。そのための大きな障壁の一つが品質管理と情報です。
Those can be very, very easily supplied by existing AI models with the right applications built on top of our current.
それらは、現在の基盤の上に適切なアプリケーションを構築すれば、既存のAIモデルによって非常に簡単に提供できます。
Models, yeah, I think you probably need to train nurses a little differently.
モデル、ええ、看護師を少し異なる方法で訓練する必要があると思います。
So there is a human capital aspect that's going to go complementary to that.
だから、それに補完的な人的資本の側面があります。
But the bottleneck isn't the human capital of the nurses.
しかし、ボトルネックは看護師の人的資本ではありません。
The bottleneck is the application.
ボトルネックはアプリケーションです。
The bottleneck is the tech industry not doing it.
ボトルネックは、テック業界がそれをやっていないことです。
Teachers, same thing.
教師も同じです。
Electricians, we can give so much better tools to electricians.
電気工事士、電気工事士により優れたツールを提供できます。
It's just like such an easy, low-hanging fruit.
それは本当に簡単で、手に取りやすい成果です。
Many blue-collar tasks can be made much more effective with AI.
多くのブルーカラーの作業は、AIによってはるかに効果的になります。
We're seeing some of them in China.
中国でそれらの一部を見ています。
Again, why are we not doing that in the United States?
再度、なぜアメリカではそれをやらないのですか？
So this is the bottleneck.
だから、これがボトルネックです。
Isn't the foundation models the bottleneck?
基盤モデルがボトルネックではないのですか？
I mean, even last year's models would have been good enough for most of the things that we could do.
つまり、昨年のモデルでも、私たちが実現できることのほとんどには十分だったはずです。
A lot of it sounds like a great business opportunity.
その多くは素晴らしいビジネスチャンスのように聞こえます。
It is.
そうです。
It is AI for electricians.
電気工事士のためのAIです。
Electricians, this is such a huge market.
電気工事士、これは非常に大きな市場です。
Again, discover it after I move here.
再度、ここに移住した後に発見しました。
How much those people are making?
あの人たちはどれだけ稼いでいるのか？
How much you pay for a small?
小さいのにどれだけ払うのか？
And there is such a shortage of electricians.
そして電気工事士が非常に不足しています。
Oh yeah.
ああ、はい。
And you wait three three weeks for the most basic task, then an electrician comes and says, "Oh no, this new machinery, I can't deal with it." Why not?
そして最も基本的なタスクのために3週間も待って、その後電気工が来て「ああ、この新しい機械は扱えない」と言うんです。なぜ？
Because I've never seen it before.
見たことがないからです。
This is where AI comes.
ここでAIが登場します。
This is where AI comes in.
ここでAIが活躍します。
It's just such an easy problem.
これほど簡単な問題です。
When it comes to teachers and healthcare, do you think it's a government problem, or there's still opportunity for companies?
教師や医療に関しては、政府の問題だと思いますか？それとも企業にまだチャンスはありますか？
Well, I think healthcare and education is a two-way street or three-way street because most healthcare dollars have involvement from the government, one way or another.
ええ、医療と教育は双方向、あるいは三方向の道だと思います。なぜなら、医療費の大部分はどちらかというと政府が関わっているからです。
Teachers too.
教師もそうです。
So, so yeah, I think the government could play an important role.
そうですね、政府が重要な役割を果たせると思います。
But for electricians, blue-collar workers, for customer service representatives, for scientists, that's the private sector, mostly the private sector.
しかし電気工、ブルーカラー労働者、カスタマーサービス担当者、科学者に関しては、これは民間部門、主に民間部門です。
So I said three-way because even when you take the government out, there are two parties: the tech companies and the management of the business that we're talking about.
三方向と言ったのは、政府を除いても、テック企業と私たちが話しているビジネスの経営陣という二つの当事者がいるからです。
So both need to be on board.
だから両方が乗り込まなければなりません。
In my own conversations.
私の個人的な会話では。
With CEOs of leading companies or high-level managers of leading companies, when I mention what I call pro-worker AI, AI that will make workers more productive, they say this is exactly what we need.
一流企業のCEOや上層部のマネージャーと話すとき、私がプロワーカーAI、つまり労働者の生産性を高めるAIについて話すと、彼らはまさにそれが必要だと言います。
We're on board with it.
賛成です。
Do they mean it?
本気ですか？
I don't know.
わかりません。
I can't test because the tools are not being supplied by tech companies.
テック企業がツールを提供していないので検証できません。
When I mention the same thing to people from tech companies, they either nod and turn their head, or they say, "You live in a different world.
同じことをテック企業の人々に話すと、彼らはうなずいて頭をそらすか、「あなたは別の世界に住んでいる
We're gonna create AGI.
私たちはAGIを作ろうとしている
What are you talking about?
何を言っているんですか？
" They're worried about something that's way ahead versus something they can fix now.
」と言います。彼らが心配しているのは、今すぐ解決できる問題ではなく、ずっと先の話です。
When you mentioned something for blue-collar workers and you mentioned China, what are the good examples?
ブルーカラー労働者のためのものについて話して、中国にも言及していましたが、良い例はありますか？
Several manufacturing companies I've spoken to in China are integrating both robotics and AI.
中国で話したいくつかの製造企業は、ロボティクスとAIの両方を統合しています。
Foxconn, BYD, their other EV producers—they're all very teched up.
フォックスコン、BYD、その他のEVメーカー、みんな非常にテクノロジー化されています。
And one thing I see from their experience is that it's a Slow process, and they require more engineers than they always think.
そして彼らの経験から私が見るのは、これはゆっくりとしたプロセスであり、彼らがいつも考えているよりも多くのエンジニアが必要だということです。
Fortunately for them, China has an enormous supply of engineers.
彼らにとって幸運なことに、中国には膨大な数のエンジニアがいます。
What would be your advice to entrepreneurs who are watching, who are choosing what to work on?
視聴している起業家たち、何に取り組むか選んでいる人たちに、どんなアドバイスをしますか？
How do they choose the right niche?
どうすれば適切なニッチを選べるのでしょうか？
Because I think from all of the podcasts I've been doing recently, everyone keeps saying me riches are in the niches, especially with AI, because opportunity lies in this boring business which hasn't been automated in the past twenty years, and maybe still pen and paper.
最近のポッドキャストをすべて振り返ると、みんながニッチにこそ富があると繰り返し言っています。特にAIに関しては、過去20年間自動化されておらず、おそらく今も紙とペンでやっているような退屈なビジネスにチャンスがあるからです。
But if you come in and you tackle that problem, this is where the opportunity unlocks.
でも、そこに取り組めば、チャンスが開けるのです。
Absolutely, and the only thing I would not have the I would not have used the word boring.
まったくその通りです。ただ、私なら「退屈」という言葉は使わなかったと思います。
I think it's very exciting.
私はとてもエキサイティングだと思います。
Imagine from outside, AGI sounds a lot more.
外から見ると、AGIの方がずっと聞こえます。
I know, I know, but that's that's that's so wrong.
わかっています、わかっています。でも、それは、それは、それはまったく間違っています。
First of all, it is pie in the sky.
第一に、それは絵に描いた餅です。
Nobody can even agree on the definition of AGI.
誰もAGIの定義でさえ合意できません。
It's always in the future, and it is, frankly speaking, not a future that we can fully imagine either.
それは常に未来の話で、正直に言えば、私たちが完全に想像できる未来でもありません。
I mean, if if you really mean by AGI and then the ASI, artificial superintelligence, machines could do everything, everything that humans can do better.
つまり、もし本当にAGI、そしてASI、人工超知能を意味するなら、機械は人間ができることすべてを、すべて人間より上手にできるということです。
That seems quite far to me, but it seems also very dystopian.
それは私にはかなり先の話に思えますが、同時にとてもディストピア的でもあります。
I mean, there won't be even any jobs for the best physicists, the best mathematicians, the best social communicators.
つまり、最優秀の物理学者、最優秀の数学者、最優秀のソーシャルコミュニケーターにとってさえ、仕事はなくなるでしょう。
AI will do everything better.
AIがすべてをより上手にやるのです。
So, what I don't understand there's so many like inconsistencies in the public debate on AI.
だから、わからないのは、AIに関する公開の議論には、こんなに多くの矛盾があることです。
One of them is people they say, "Oh, AGI is great; it's going to come soon, but we're going to also have lots of things for humans to do." That can't be if you mean anything serious by AGI or ASI.
その一つは、人々が「AGIは素晴らしい、もうすぐ来る。でも人間がやるべきこともたくさんある」と言うことです。AGIやASIを真剣に意味するなら、それはあり得ません。
There can't be that many things left for humans.
人間に残されるものは、そんなに多くないはずです。
I wanted to dig a little deeper into the practical use of AI today.
今日は、現在のAIの実用的な利用について、もう少し深く掘り下げたいと思います。
So when you mentioned that business opportunity, researchers, how do you use AI in your daily research?
さっきビジネスチャンスについて触れられましたが、研究者として、日常の研究でAIをどう使っていますか？
And what can be done?
そして、何ができるのですか？
I must say I am behind the frontier.
正直に言うと、私は最先端には及んでいません。
I use AI for background research, and I have increasingly over this year started consulting AI for criticism of things I write and ideas I have, which is very interesting.
私は背景調査にAIを使い、今年はますます自分の書いたものや持っているアイデアについてAIに批判を求めることも増えました。とても興味深いことです。
Because when I first experimented with this with Chat GPT 3.5 and then Chat GPT 4, I thought it was very disappointing, and now it's so much better.
というのも、最初にChat GPT 3.5、そしてChat GPT 4で試したときは非常にがっかりさせられましたが、今ははるかに良くなりました。
I also encourage all of my students and research assistants to set up an AI infrastructure for their research and and sort of as support for what they do.
また、すべての学生や研究アシスタントに対して、研究のためのAIインフラを構築し、彼らの作業を支援する仕組みとして使うよう奨励しています。
Never to replace them.
決して彼らの代わりになるものではありません。
I discourage people, even people who have.
私は、英語を第二言語とする人を含め、
English as a second language from using AI to write for them, because I think people should be in charge of their own writing.
AIに代筆させるような使い方は勧めません。なぜなら、人は自分の文章を自分でコントロールすべきだと考えるからです。
But I encourage every student who's a second, not a native speaker of English, to use AI as as a correction, like run it through AI and see where your sentences don't make sense or are too long or are are non-grammatical.
ただし、英語がネイティブでない学生全員には、AIを校正ツールとして使うことを奨励します。つまり、AIに通して、どの文が意味をなさないか、長すぎるか、文法的でないかを確認するのです。
So I think there's a lot of mundane uses of AI already that's very very good, and there are lots of things.
つまり、すでにAIの日常的な使い方は非常に有効で、良い点はたくさんあると思います。
But I have I very much worry about a different kind of loss of control, which is that we collectively, but especially as students and learners, delegate too much to AI so that we don't flex our mental muscles and we don't engage in learning.
しかし、私は別の種類の制御喪失を非常に心配しています。それは、私たち全体、特に学生や学習者がAIに委ねすぎてしまい、精神的な筋肉を使わず、学習に取り組まなくなることです。
That is, I think, a first order issue.
これは、私にとっては最優先の問題です。
I I see that.
私はそれを
A lot with students from studies that I think the use of AI has been pretty disastrous in K through 12 education because we've done it blindly without guardrails.
学生に関する研究から多く見ています。K-12教育におけるAIの使用は、ガードレールなしで無計画に行ったため、かなり悲惨なものだったと思います。
I said that actually in 2024 also or 2023 that it was a dangerous, huge social experiment to unleash generative AI on schools without any guardrails, all at the same time, because we didn't know what it was going to do.
実際に2024年、あるいは2023年にそう言いました。ガードレールなしで、一斉に生成AIを学校に解き放つのは、何が起こるか分からなかったので、危険で巨大な社会実験だと。
And I don't think it has.
そして、それは
My worst fears have come to pass, but it's been pretty close.
最悪の恐怖は現実にならなかったものの、かなり近いものでした。
That when do you need to say to yourself, "Okay, I'm going to stop here, and I need to think by myself when it comes to this issue, and just use AI maybe to"?
自分に「ここまでにしておこう。この問題については自分で考える必要がある。AIはただ〜するために使うかも」と言うのは、いつですか？
Yeah, I mean, because for me it's like different.
はい、というのも、私にとっては違うんですよね。
First of all, I'm from a different generation, unfortunately, and second, I just love thinking.
まず、私は残念ながら別の世代の人間ですし、第二に、私は考えるのが大好きです。
I love taking pen and paper and sketching things out.
紙とペンで物事をスケッチするのが大好きです。
So, in fact, I have to.
なので、実際には、しなければなりません。
Prompt myself, run this through AI.
自分に言い聞かせて、これをAIに通すのです。
I have never used, for example, AI to do math.
私は例えば、数学のためにAIを使ったことは一度もありません。
I should.
使うべきですね。
I mean, AI is much better than me in math, but I like doing the math myself.
つまり、AIは数学では私よりずっと優れていますが、私は自分で数学を解くのが好きです。
When I write down models or when I do calculations, I do them by hand because that's what I'm used to, and I can do it fast, and I can learn something.
モデルを書いたり計算したりするときは、手でやります。なぜならそれが慣れているからですし、速くできて、何かを学べるからです。
I learn something from my mistakes.
間違いから何かを学びます。
But I'm sure if I step back, I could do more.
でも、一歩引いて考えれば、もっとできることはあると思います。
When you do math by yourself, do you ever think about this?
自分で数学をやるとき、このことを考えたことはありますか？
It was the calculator problem because teachers were protesting against the calculator, and I always still use it everywhere.
それは電卓の問題でした。教師たちは電卓に抗議していましたが、私は今でもどこでも電卓を使っています。
And it sped up the complexity of things that we can solve.
そして、解けるものの複雑さが加速しました。
Do you think AI is going to enable us to do that, or because it's taking away, in general, a critical thinking, we won't be able to progress further?
AIは私たちにそれを可能にすると思いますか？それとも、全体的に批判的思考を奪っているので、それ以上進歩できなくなると思いますか？
I worry about the latter.
後者を心配しています。
I think the analogy to the calculator is useful, but you have to do it carefully.
電卓の例は有用だと思いますが、慎重に扱う必要があります。
The calculator could only take over some very, very, very small part of it.
電卓が引き受けられたのは、非常に非常に非常に小さな部分だけでした。
And I know of nobody who used a calculator to sort of do thinking for them.
そして、電卓を使って思考を代行させた人は誰も知りません。
And I know of no school ever that said to students, "Now you have a calculator; you don't learn how to multiply." I mean, there were calculators when I was a student.
そして、生徒に「もう電卓があるから掛け算を学ばなくていい」と言った学校も知りません。私が学生のときにも電卓はありました。
We all learned how to multiply, how to divide, and I can't imagine not knowing that.
私たちはみんな掛け算と割り算を学びましたし、それを知らないなんて考えられません。
That is such an important building block for many other things.
それは他の多くのことにとって非常に重要な構成要素です。
Same thing for differentiation.
微分も同じです。
Like, if you don't know calculus, how could you even take the next step?
例えば、微積分を知らなければ、どうやって次のステップに進めるのでしょう？
Yeah, it's how far the skill goes.
ええ、そのスキルがどこまで及ぶかということです。
With calculators, basically, just this function.
電卓なら、基本的にこの機能だけです。
With AI, it's the whole critical thing.
AIの場合は、批判的思考のすべてです。
It's the whole critical thinking, and and and the boundaries are very gray.
批判的思考のすべてであり、境界線は非常に曖昧です。
Like, where do you stop in using AI?
例えば、どこでAIの使用をやめるべきなのか？
How do you still?
どうやってまだ、
Engage in the key steps of human innovation and human creativity together with AI.
AIと一緒に人類の革新と創造性の重要なステップに参加し続けるのか？
One thing before we keep going: if you want to stay updated on all the things these founders say here, we take the use cases and prompts from every conversation and put them into my newsletter called Futureproof.
続ける前に一つだけ。ここで起業家たちが語る内容を最新の情報として受け取りたい方は、すべての対話からユースケースとプロンプトを取り出し、Futureproofという私のニュースレターにまとめています。
And of course, we also put my own beautiful use cases there.
そしてもちろん、私自身の素晴らしいユースケースもそこに載せています。
For example, we put together the seven skills that came up again and again—the ones people will need in the next few years.
例えば、繰り返し挙がってきた7つのスキルをまとめました。今後数年で人々に必要になるスキルです。
These are the skills that my team and I are also using daily.
これらは私とチームが日々使っているスキルでもあります。
Subscribe through the link in the description.
説明欄のリンクから購読してください。
You'll get that one, and you can also read our previous newsletters and see what you missed.
その号が届くだけでなく、過去のニュースレターも読んで、見逃した内容を確認できます。
Going back to businesses, so when you look at all those posts on X where someone's saying, you know, I haven't seen a lot of like I fired my whole team and hired agents, but I've seen a lot of posts where people say, oh, instead of hiring someone, I deployed an agent.
ビジネスに戻りましょう。X（旧Twitter）で、誰かが「チーム全員を解雇してエージェントを雇った」という投稿はあまり見かけませんが、「人を雇う代わりにエージェントをデプロイした」という投稿はたくさん見かけますよね。
What do these companies and people miss in the long term when they do that?
長期的に見て、そうした企業や人々は何を見落としているのでしょうか？
Because I know you're.
なぜなら私はあなたが
against marketing agents as a replacement for a person.
エージェントを人の代替としてマーケティングすることには反対だと知っています。
Let me actually clarify my stance on this, and this is based, you know, on work I've done on robots, work I've done on early 20th century technology, work I've done on the industrial revolution, and theoretical work I've done.
私の立場を明確にしておきます。これはロボットに関する研究、20世紀初頭の技術に関する研究、産業革命に関する研究、そして理論的な研究に基づいています。
I am not against automation, nor do I think it's possible to stop automation.
私は自動化に反対しているのではありませんし、自動化を止めることが可能だとも思っていません。
We want automation, and anybody who wants to reverse automation, I'm against that.
私たちは自動化を望んでいます。自動化を逆転させたい人には反対します。
We don't want to go back to the days where we carry heavy things on our backs.
重いものを背負って運ぶ時代に戻りたいとは思いません。
Automation is great.
自動化は素晴らしいものです。
The problem is if we, the only thing we do.
問題は、私たちが唯一やることが
Is automation a?
自動化だけだったら？
We're not gonna get the full productivity because it's not that easy to do everything with automation, and b.
a. 生産性をフルに発揮することはできません。すべてを自動化でやるのは簡単ではないからです。そして b.
We're not gonna create shared prosperity because that will eliminate too many jobs without creating meaningful, high-paying, high-productivity jobs to create new opportunities for people.
意味のある、高給与で高生産性の新しい仕事を生み出さずに多くの雇用を消滅させてしまうため、共有された繁栄も実現できません。
So my point has always been: use new technology both for automation and other things.
だから私の主張は常にこうです。新技術を自動化だけでなく他のことにも使うこと。
Have a balanced approach, and digital technologies.
バランスの取れたアプローチを取り、デジタル技術を
I have argued have provided a lot of opportunities for generating new things for humans to do, and it's doubly true with AI.
私はこれまで、人間がやるべき新しいことの機会をたくさん生み出してきたと主張してきました。それはAIによってさらに真実になります。
So I want AI to be used for automation, so long as we also use AI for creating new things, like for nurses, for electricians, for many occupations we can't even dream about right now.
だから私は、自動化のためにAIを使いながら、同時に看護師や電気工事士、そして今では想像もできないような多くの職業のために、新しいものを作るためにもAIを使ってほしいのです。
How do you explain it to a small business owner whose only metric is increasing profits?
利益増加だけが唯一の指標である中小企業のオーナーには、どう説明しますか？
What is the economic oh productivity productivity?
経済的な、ああ、生産性、生産性ですか？
I think again, and and my experience again, it may be cheap talk.
私はまた、私の経験から言うと、これは口先だけの話かもしれません。
People may be nice to me when I talk to them, or I might have fooled them, but most businesses actually get that—not everybody, but most of them get that.
話すと人は親切にしてくれるかもしれませんが、あるいは私が彼らを騙しているのかもしれませんが、ほとんどの企業は実際にそれを理解しています。全員ではありませんが、ほとんどの企業は理解しています。
Your workers are your greatest asset.
あなたの労働者はあなたの最大の資産です。
Imagine making them more productive—that's fantastic for the business.
彼らをより生産的にする想像してみてください。それは企業にとって素晴らしいことです。
And in fact, it's a better calculus.
実際には、それはより良い計算です。
Like, imagine you have 100 employees, and I tell you you can automate five percent of those jobs and reduce the cost by half in those five percent, or you can make your workers five percent more productive.
例えば、従業員が100人いるとします。そのうち5%の仕事を自動化して、その5%のコストを半分に削減できると言われた場合と、従業員を5%より生産的にできると言われた場合。
The latter is going to get you much more.
後者の方がはるかに多くの利益をもたらします。
Oh, and your competitors are going to be automating their workforce, and if you're getting rid of people, then your productivity is going eventually.
ああ、そして競合他社は労働力を自動化しようとしているでしょう。そして、人を解雇しているなら、あなたの生産性は最終的に……
Right.
はい。
I mean, it's a it's it's just your workers have a lot of experience, have a lot of some of them.
つまり、それは、あなたの労働者は多くの経験を持っていて、そのうちの一部は……
If you've been a good boss, they have commitment to the work or to the to the to the business.
良い上司であれば、彼らは仕事や事業への忠誠心を持っています。
If you can make them more innovative, better at problem solving, better at doing new things, that's the kind of business that's going to succeed.
彼らをより革新的に、問題解決がより上手に、新しいことをするのもより上手にできるなら、それが成功する企業の種類です。
Let me.
させてください。
Ask you a question: What are the companies?
質問させてください。企業とは何ですか？
Which ones are the companies from the past that you remember?
過去の企業の中で、あなたが覚えているのはどれですか？
And you'll give me familiar answers like Ford Motor Company, General Motors, General Electric.
すると、フォード・モーター・カンパニー、ゼネラル・モーターズ、ゼネラル・エレクトリックといったお馴染みの答えが返ってくるでしょう。
First, you know IBM, Microsoft.
まず、IBM、マイクロソフト。
What's common about all of them?
それらすべてに共通するのは何ですか？
Did something new?
新しいことをした。
They didn't just cut costs and take took what others were doing.
彼らはただコストを削減して、他の人がやっていたことを真似しただけではありませんでした。
They imagined new markets, new technologies, new tasks.
彼らは新しい市場、新しい技術、新しい仕事を想像しました。
Henry Ford himself captured that.
ヘンリー・フォード自身がそれを体現していました。
He said, "If I had asked the consumers what they wanted, they would have told me faster horses." So that's what we need from successful companies.
彼はこう言った。「もし消費者に何が欲しいかと聞いたら、もっと速い馬が欲しいと言うだけだ」。だから、成功する企業にはそれが必要なのだ。
And cutting your cost by five percent, that's not going to make you go down the Hindu history books.
コストを5%削減したところで、歴史に名を残すことはできない。
When it comes to automation, do you have a rule on how do you know which tasks you mentioned five percent of tasks are automatable?
自動化について、どのタスクを自動化すべきかをどう判断するか、何かルールはありますか？先ほど5%のタスクは自動化可能だと言いましたが。
How do you know when to automate something or when it's not worth automating?
いつ自動化すべきか、いつ自動化する価値がないのか、どう判断しますか？
If you cut your cost by five percent, GDP is typically going to go up by.
コストを5%削減すると、GDPは通常、こう伸びる。
Five percent times your share of GDP.
5%かけるあなたのGDPシェア。
That's not hard.
それは簡単だ。
The hard part is, a, if you're changing quality, that's a little bit more complicated, and b, actually, even if you're going to cut costs by five percent in a number of years, it's going to take you a lot of work to get there.
難しいのは、a、品質を変えているなら少し複雑になること、そしてb、実際に数年でコストを5%削減するとしても、そこへ到達するには大量の作業が必要になることだ。
And and what I'm seeing from a few businesses that I know is that they take the automation plunge sometimes because they think it's going to be easy, sometimes because they think they're under pressure, and then they can't make it work because automation is not that easy.
そして私が知っているいくつかの企業から見ているのは、自動化に踏み切る理由が、簡単だと思っているからだったり、プレッシャーを感じているからだったりするが、自動化はそれほど簡単ではないので、うまくいかないということだ。
You have to integrate into the company.
会社に統合しなければならない。
Now, many people have started using the word AI has a jagged frontier.
今、多くの人がAIには「ギザギザの境界線」があるという言葉を使い始めた。
I like that image, but it's also a code word for saying, oh, we overestimated AI.
そのイメージは好きだが、それはまた「AIを過大評価した」という意味の隠語でもある。
It's much harder to do it, and We thought we could lay off workers because of AI.
実際にははるかに難しい。AIのせいで従業員を解雇できると思っていた。
No, we can't.
いや、できない。
But if you take that really seriously, it means oh, it's so jagged.
でも、それを本当に真剣に受け止めるなら、それは「ああ、あまりにもギザギザだ」ということになる。
I am going to keep more or less the same number of workers, and now I am doing AI, and it's just a melange.
私はほぼ同じ数の従業員を維持し、今AIを使っているが、ただの混ぜ合わせだ。
Yeah, it's just a lot more work from businesses.
そうだね、企業にとっては単に仕事が増えただけだ。
Moving on to education, as someone who's in academia, is university still going to be worth a lot of money in ten years?
教育の話に移ろう。学術界にいる人として、大学は10年後も大きな価値を持つだろうか？
I think so, but let me preface that with a few caveats.
そう思うが、いくつかの留保条件を先に述べさせてほしい。
First, I have never believed, and I am even more convinced about this, both for economic and social reasons, that everybody should go to college.
まず、私は経済的・社会的な理由からも、誰もが大学に行くべきだとは一度も信じたことがないし、ますますそう確信している。
People have diverse skills; they have different interests.
人々は多様なスキルを持ち、異なる興味を持っている。
We should be engaged in lifelong learning, but the traditional liberal arts type education is not for everyone, nor do we want.
私たちは生涯学習に取り組むべきですが、伝統的なリベラルアーツ型の教育はすべての人に適しているわけではなく、私たちもそんなことを望んではいません。
Everybody to have exactly the same perspective in society.
社会の中で全員がまったく同じ視点を持つことなど。
Second, a lot of what university does, I'm afraid to say, is also a signal.
第二に、大学が行っていることの多くは、申し訳ないのですが、単なるシグナルでもあります。
When you go to Harvard, MIT, Stanford, you're also buying the name, and that's good for you, not necessarily that good for society.
ハーバード、MIT、スタンフォードに行くと、名前も買っていることになり、それはあなたにとって良いことですが、必ずしも社会にとって良いことではありません。
And third, every university is understanding now that they have to change their business model, they have to change how they deliver education.
そして第三に、すべての大学が今、ビジネスモデルを変えなければならない、教育の提供方法を変えなければならないと理解しています。
They are in search of what types of skills they should focus on.
彼らは、どのようなスキルに焦点を当てるべきかを探しています。
And my very very superficial opinion is that universities understand that.
そして私の非常に浅い意見では、大学はそれを理解しています。
But you know what?
でも、知ってますか？
The same actually applies to high schools and middle schools, and they're not.
実は同じことが高校にも中学校にも当てはまりますが、彼らはそうしていません。
They're they're even further behind the curve.
彼らは、ますます遅れています。
One thing I have experienced in the United States is that many students, when they come to college, are unprepared, and that is going to get worse.
私がアメリカで経験したことは、多くの学生が大学に来たとき、準備ができていないということであり、これは悪化していくでしょう。
And that really will make colleges' business even harder.
そしてそれは本当に大学のビジネスをさらに困難にするでしょう。
I've seen that.
私はそれを目撃してきました。
Because I have, you know, written a textbook for first years in economics, how often weekly prepared students are, and how that's actually getting worse over time, even before AI.
というのも、私は、経済学の1年生向けの教科書を書いたことがあるので、どれだけ多くの学生が週の準備ができているか、そしてそれが実際に時間とともに悪化しているか、AI以前からすでに悪化していたかを知っています。
How many colleges are finding it necessary to do more and more remedial stuff because high schools aren't doing well enough?
高校が十分に機能していないために、どれだけ多くの大学がますます多くの補習的なことをする必要性を感じているでしょうか？
And the evidence we have—I mean, we are in early days.
そして私たちが持っている証拠は、つまり、まだ初期段階です。
Things can change, but the evidence is that AI has made learning harder in middle schools and high schools, and so that problems are going to get worse.
物事は変わり得ますが、証拠によれば、AIは中学校や高校での学習をより困難にしており、だから問題は悪化していくでしょう。
Totally.
まったくその通りです。
If we start using AI for to solve all the problems, and then universities only going to get worse.
すべての問題を解決するためにAIを使い始めたら、大学はますます悪くなるだけです。
Then, so what should people be doing?
では、人々は何をするべきなのでしょうか？
What skills should they be acquiring?
どのようなスキルを身につけるべきなのでしょうか？
And do you agree with the notion that we need even more academic knowledge to acquire those skills?
そして、それらのスキルを身につけるために、より多くの学術的知識が必要だという考えに同意しますか？
Because I'm thinking about taste and strategic thinking.
というのは、私は趣味や戦略的思考について考えているからです。
Absolutely.
もちろんです。
Because I don't believe true AGI is just around the corner.
というのは、私は本物のAGIが目前に迫っているとは信じていないからです。
I think we need human creativity more than ever.
私は、これまで以上に人間の創造性が必要だと考えています。
And human creativity without strong foundations is an oxymoron.
そして強固な基盤のない人間の創造性は、同語反復です。
If anybody wants my opinion, and I'm not the most qualified to give you this opinion, I'm not a mathematician and I'm not a computer scientist.
もし誰かが私の意見を聞きたいなら、ですが、私はこの意見を述べるのに最も適した人物ではありません。私は数学者でもコンピュータサイエンティストでもありません。
But if anybody wants my opinion, I would say go and study math.
しかし、誰かが私の意見を聞きたいのであれば、数学を学びに行くことをお勧めします。
Don't be put off by Astra's solving difficult math problems.
AIが難しい数学問題を解く姿に気を落とさないでください。
We need human mathematical knowledge.
人間の数学的知識が必要です。
We need human mathematical maturity.
人間の数学的成熟度が必要です。
That's going to be so important.
それは非常に重要になるでしょう。
Go and study physics.
物理学を学びに行くべきです。
Go and study economics.
経済学を学びに行くべきです。
Go and study engineering.
工学を学びに行くべきです。
I think those are going to be great.
これらは素晴らしいものになると思います。
But also learn flexibility.
しかし、柔軟性も学んでください。
I think we're going to need a lot of flexibility because even within the same occupation, we will often need to change what we do as the technology changes, as the social context changes.
私たちは非常に多くの柔軟性を必要とすると考えています。なぜなら、同じ職業内でも、技術が変化し、社会的文脈が変化するにつれて、私たちが行うことを頻繁に変える必要があるからです。
So I think those are really, really important things.
だから、これらは本当に、本当に重要なことだと思います。
But human ingenuity and human creativity, I think, are going to be critical.
しかし、人間の独創性と人間の創造性は、決定的に重要になると思います。
In the next ten years, yeah, and normalizing nonlinear careers something that resonated with me a lot.
今後10年で、はい、そして非線形なキャリアを標準化することは、私に非常に響いたことでした。
Someone who changed careers throughout her life.
生涯を通じてキャリアを変えた人物として。
I think this is going to be our new normal.
これが私たちの新しい標準になると思います。
But then two other principles that I think are very important.
そして、私が非常に重要だと考える他の2つの原則があります。
We have to we should impart, starting from middle school, learn how to work alongside and with AI, absolutely.
私たちは、中学校から、AIと並んで、そしてAIと共に働く方法を学ぶべきです、それは絶対に。
But also even more emphasis on civic responsibility.
しかし、さらに市民的責任への重点を置くことも。
We have lost in this country and in most of the rest of the world a true sense of community and a true sense of caring for the common good and working for our collective good.
この国では、そして世界のほとんどの他の地域でも、真の共同体意識と、公共の善への真の配慮、そして私たちの集合的な善のための努力という感覚を失っています。
And this is even more important in the age of AI.
そしてこれは、AIの時代においてさらに重要です。
And that starts with being informed, being engaged.
そしてそれは、情報を得ること、関与することから始まります。
This starts with elementary school, really.
これは本当に、小学校から始まります。
Yeah, starts with elementary school.
はい、小学校から始まります。
Yeah, yeah.
はい、はい。
I could have extended to elementary school, absolutely.
小学校にまで広げていてもよかったでしょう、絶対に。
We may have encouraged too much selfishness.
私たちはあまりに多くの利己主義を助長したかもしれません。
We may have encouraged people to draw into their cocoons via social media and other things.
私たちは、ソーシャルメディアやその他のものを通じて、人々が繭の中に引きこもるよう助長したかもしれません。
We may have denigrated some aspects of community that are really important.
私たちは、本当に重要な共同体のいくつかの側面を軽んじたかもしれません。
That's also like a major theme of my new book on what happened to liberal democracy.
それはまた、自由主義民主主義に何が起きたかについての私の新書の主要なテーマでもあります。
That we really need community to be the center of a liberal democratic society.
自由主義民主主義社会の中心にこそ共同体が必要だということです。
You know, here is what I am not pessimist.
ところで、私は悲観論者ではないのです。
I'm not an optimist.
楽観論者でもありません。
I'm not.
そうではないのです。
I'm but I'm definitely not a pessimist either.
ただ、悲観論者でも絶対にありません。
I try to remain hopeful.
希望を持ち続けようと努めています。
And two things I find hope in are that humans are infinitely adaptable.
希望を見出す二つのことは、人間は無限に適応力があるということです。
And second, even in this polarized, divided world, we have very similar notions of fairness, moral shared understanding on both sides of the aisle.
そして二つ目は、この極化し分断された世界においてさえ、私たちは公平さについて非常に似た概念を持ち、双方が道徳的な共通理解を共有しているということです。
They just need to come up.
ただ、それを明らかにする必要があります。
More clearly in our communication, and we need to see the other side, not as the enemy.
コミュニケーションの中でより明確にし、相手を敵として見ない必要があります。
Even the deepest disagreements should be situated within a context in which we recognize we're on the same boat.
最も深い意見の相違さえも、私たちは同じ船に乗っていると認識する文脈の中に位置づけるべきです。
We're talking about all of this, but then there comes Dario and says, "There's a twenty-five percent chance things go really, really badly with AI." I'm relatively an optimist, so I think there's a twenty-five percent chance that things go really, really badly, and a seventy-five percent chance that things go really, really well with with not much, not much space.
これらすべてについて話していますが、そこにダリオが来て「AIが本当に本当に悪く行く可能性は25%だ」と言うのです。私は比較的楽観論者なので、本当に本当に悪く行く可能性が25%で、本当に本当にうまく行く可能性が75%で、余地があまりない、あまりないと言っています。
What do you think when you hear this, especially coming from someone who has to IPO soon and from the technology is very transformational?
これを聞いてどう思いますか？特に、まもなくIPOを控えている人物から、そして非常に変革的な技術から聞いたら。
I think if people in the leading AI labs are worried about some of the implications of AI, of course they should voice that.
主要なAI研究所の人々がAIのいくつかの含意について心配しているなら、当然それを表明すべきだと思います。
I welcome and I applaud their Courage to speak, but I am myself much more worried about a general sense of loss of control of society over AI than existential risk, as articulated by Dario or by Elon Musk or by Claxson.
彼らの発言の勇気を歓迎し称賛しますが、私自身は、ダリオやイーロン・マスク、あるいはクラクソンが述べるような存在論的リスクよりも、社会がAIに対する一般的な制御喪失感について、はるかに心配しています。
Loss of control I am talking about is that the general public, the workers, students, parents lose control of their own agency because of AI.
私が言っている制御喪失とは、一般市民、労働者、学生、親がAIのために自らの主体性を失うことです。
Not necessarily because AI has become super intelligent and an entity unto itself, but partly because of the way that other companies.
必ずしもAIが超知能になり自己完結した存在になったからではなく、他の企業のやり方のせいでもあります。
Or Frontier Labs are developing AI, are using AI, and are rolling out AI.
あるいはフロンティアラボがAIを開発し、AIを使い、AIを展開しているやり方のせいです。
So I am very worried about loss of control.
だから私は制御喪失を非常に心配しています。
We should have that conversation, but we should not ignore other risks.
その議論はすべきだが、他のリスクも無視すべきではない。
You have this rating for AI going from minus ten to plus ten, and you said it was minus six.
AIの評価をマイナス10からプラス10のスケールで示していて、それはマイナス6だったと。
Did it get worse from then?
その後、悪化したのですか？
I think it was two thousand twenty-five when you gave this rating.
その評価を与えたのは2025年だったと思います。
No, I actually don't think so, because in twenty twenty-four, twenty twenty-five, I thought there was a lot of damage that AI could do, and I was not clear about what bottlenecks would be facing us in improving it.
いいえ、実際にはそうではないと思います。なぜなら、2024年、2025年には、AIが多くの損害をもたらす可能性があると考えていたし、それを改善する上でどのようなボトルネックに直面するのかがはっきりしていなかったからです。
I think the improvements have been fast, so the dangers have increased.
改善は速いので、危険性は増したと思います。
But I think the good things we can do with AI are also becoming clear.
しかし、AIでできる良いことも明らかになってきていると思います。
But we just need to redirect it.
ただ、方向を修正する必要があるだけです。
We need to steer AI, and AI cannot just be the decision of a handful of people, very smart, many of them very well-meaning people, but.
AIを導く必要がある。そして、AIの決定権が少数の人々だけのものであってはならない。非常に賢く、多くは善意の人々ですが。
It's too important to be left to just a few people.
少数の人々に任せるにはあまりに重要すぎる。
How do you foster that on an individual level?
個人レベルでそれをどう促進しますか？
Information.
情報です。
I think we have to start with an information and a narrative.
情報とナラティブから始める必要があると思います。
And let me tell you, where I think—and this is very risky thing to say because I'm going to say something negative about the biggest gatekeepers in our world—but here is my opinion of which institutions have failed us worst: the media.
そして、私がどこで——これは非常に危険な発言です。世界最大のゲートキーパーについて悪いことを言うからです——どの機関が私たちを最も失望させたかについての私の意見をお伝えします。それはメディアです。
Absolutely, the media.
まったくその通り、メディアです。
The media has been awful in cultivating a true sense of information debate about AI.
メディアは、AIに関する真の情報の議論を育むことにおいてひどいものでした。
For ten years, it's starting to change slowly, but very slowly and very unevenly.
10年間、ゆっくりと変わり始めていますが、非常にゆっくりと、非常に不均一です。
For ten years, either Elon Musk and others like that could do no wrong, and every criticism of them was just elevating them, and everything about AI was just fascinating, bewildering, wonderful, or We just talked of like AI as like the enemy, as stochastic parrots or killer robots.
10年間、イーロン・マスクのような人々は何をしても間違いにならず、彼らへの批判は彼らを高めるだけで、AIに関するすべては魅力的で、驚くほどで、素晴らしいものだったか、あるいはAIを敵、確率的オウムやキラーロボットとして話すだけだった。
The middle ground where people could get engaged, could understand the issues, and could actually exercise their role of stewards of our future as consumers, as democratic citizens.
人々が関与でき、問題を理解でき、消費者として、民主主義の市民として、私たちの未来の管理者としての役割を実際に果たせる中間地帯。
That was not cultivated, and this is true for pretty much every organization in the news media.
それは育まれなかった。これはニュースメディアのほぼすべての組織に当てはまる。
And let's wrap up with some questions that are super practical, because I want people to walk away from this with an action plan, what they can do.
そして最後に、非常に実践的な質問で締めくくりたいと思います。人々が実行計画、つまり何ができるかを持って帰ってほしいからです。
First of all, what do you do with your savings when you hear all the news?
まず、あらゆるニュースを聞いたとき、貯金はどうしますか？
Or nothing has changed?
あるいは、何も変わっていない？
Nothing much has changed.
あまり変わっていません。
I try to have a balanced portfolio.
私はバランスの取れたポートフォリオを持とうと努めています。
I think it's very, very difficult to beat the market.
市場を上回るのは非常に、非常に難しいと思います。
I'm not saying it's impossible, but you need to be either extremely skilled, spend a lot of time, or have inside information.
不可能だとは言っていませんが、非常に優れたスキルを持つか、多くの時間を費やすか、インサイダー情報が必要です。
I don't have that much time.
そんなに時間はありません。
I have zero inside information.
インサイダー情報はゼロです。
I wouldn't want to have inside information, so I try to have a balanced portfolio.
インサイダー情報を持ちたいとも思わないので、バランスの取れたポートフォリオを持とうとしています。
Let's jump into 2035.
2035年に飛び込んでみましょう。
If everything goes in a positive way, what is a typical workday of a knowledge worker who spends eight hours by their computer now?
すべてが良い方向に進んだ場合、今コンピューターの前で8時間過ごす知識労働者の典型的な仕事日はどうなるでしょうか？
Great question.
素晴らしい質問です。
I don't know.
わかりません。
I can definitely see a future in which people would work a few less hours.
人々が少し少ない時間働く未来は確かに見えてきます。
I could and still be very productive.
それでも非常に生産的でいられると思います。
I could definitely see a future, very scary future, in which a lot of people would not have meaningful work.
多くの人が意味のある仕事を持たない未来、非常に恐ろしい未来も確かに見えてきます。
And I could definitely see a future in which people still go to the office or do some combination of office work and work from home, but differently because of true complementary AI, but still human innovation and human talent are central.
そして、人々がまだオフィスに行ったり、オフィス勤務と在宅勤務の組み合わせをしたりする未来も確かに見えてきますが、真の補完的AIのために異なる形で、それでも人間の革新と人間の才能が中心であるという未来です。
I think we live, even leaving AI aside, we live at a uniquely turbulent time.
AIを除いても、私たちは非常に動乱の時代に生きていると思います。
Climate change, aging population, changing geo geopolitical balances, a huge middle class emerging from the developing world—all of these require new goods, new services, new tasks, new ways of approaching the market, new ways of organizing companies.
気候変動、高齢化、地政学バランスの変化、開発途上国から生まれる巨大な中間層——これらすべてが新しい商品、新しいサービス、新しいタスク、市場への新しいアプローチ、企業を組織する新しい方法を必要としています。
And who's going to do that?
そしてそれを誰がやるのですか？
Not AI.
AIではありません。
Humans.
人間です。
And if we can help those humans be more creative, amazing.
そして、もしそれらの人間がより創造的になれるのを助けられるなら、素晴らしいことです。
Will be your advice for someone who sees this amazing wealth being created by AI?
AIによってこの驚異的な富が生み出されているのを見る人へのアドバイスは何ですか？
At least what we see in companies valuations.
少なくとも企業の評価額から見えるものでは。
We still have to see the ROI on the actual the actual economy.
実際の経済におけるROIはまだ見る必要があります。
But when you say you know we want to participate in this goods creation, how can we do that practically in the next?
しかし、この商品創造に参加したいと言ったとき、次の期間にそれを実際的にどうやってできるのでしょうか？
Look, I actually don't see how foundation models are going to make a lot of money, despite all of the investment going into frontier labs.
実は、フロンティアラボにこれだけの投資が流れているにもかかわらず、基盤モデルが大儲けできるとは私は思っていません。
So we'll see some failed IPOs.
つまり、IPOに失敗する企業が出てくるでしょう。
failed IPOs right away because I think the enthusiasm is there at the moment, but I really don't see how you're going to make trillions of dollars from foundation models because of potential bottlenecks either in the development of the models or in their diffusion.
すぐにIPOに失敗するでしょう。なぜなら、今のところ熱狂はあると感じるからです。しかし、モデル開発や普及におけるボトルネックの可能性があるため、基盤モデルから数兆ドルを稼ぐ方法は本当に見えません。
But even if those don't happen, the next layer of model, open source models, are going to be very good as well.
しかし、それらが起きないとしても、次の層のモデルであるオープンソースモデルも非常に優れてくるでしょう。
So just not the the monetization opportunities are going to be limited.
つまり、収益化の機会は限られるということです。
So I think the money is in high quality data and in applications.
だから、お金は高品質なデータとアプリケーションにあると思います。
That's where I see the edge.
そこにこそ優位性があると私は見ています。
If your company, your line of business has a lot of data, cultivate it, use it, even build better data, find ways of capturing that data while also compensating your workers who are generating that data.
もしあなたの会社や事業分野に大量のデータがあるなら、それを育て、使い、より良いデータを構築し、データを生成している労働者に報酬を与えると同時に、そのデータを取得する方法を見つけてください。
That's fairness.
それが公平性です。
That's also good business decision.
それも良い経営判断です。
Think of applications.
アプリケーションを考えてみてください。
That's where the edge is going to be.
そこにこそ優位性が生まれます。
Applications are going to be much harder to replicate by open source.
アプリケーションはオープンソースで複製するのがはるかに難しいでしょう。
If they are really creative and fill a niche, so I think those are the places.
本当に創造的でニッチを埋めるものであれば、だからこそそこがその場所だと思います。
And as a worker, have that flexibility, have that understanding of AI, but maintain your creativity and maintain your base.
そして労働者として、その柔軟性を持ち、AIを理解しつつ、自分の創造性と基盤を維持してください。
Yeah.
はい。
Also, for a worker, I think it's also very important to realize that they are the source of data.
また、労働者にとって、自分たちこそがデータの源泉であると認識することも非常に重要だと思います。
They've been working with customer's product for years.
彼らは何年も顧客の製品と関わってきました。
And and by the way, this is another important thing: if you're going to develop applications, a lot of the tacit knowledge is with the workers.
そして、これはもう一つ重要なことですが、アプリケーションを開発する場合、暗黙知の多くは労働者の中にあります。
You can't just sit in your office in front of a computer and with a very powerful AI and come up with an application.
オフィスでコンピューターの前に座り、非常に強力なAIを使ってアプリケーションをひらめくことはできません。
You need to go there, get your hands dirty, and talk to workers.
現場に行って、手を汚し、労働者と話す必要があります。
Well, hopefully, this conversation sparks some bright ideas in entrepreneurs who are watching, who want to make practical applications of AI.
まあ、幸いなことに、この会話が、AIの実用的な応用を目指している起業家たちに素晴らしいアイデアをひらめかせるといいのですが。
I want to finish with the last question.
最後の質問で締めくくりたいと思います。
You said students going to work at AI companies need a strong moral compass.
AI企業で働く学生には強い道徳的羅針盤が必要だとおっしゃっていましたね。
I think, in general, like even as an entrepreneur, a member of society, is there a moral compass?
一般的に、起業家として、社会の一員として、道徳的羅針盤はあるのでしょうか？
Can you explain what you mean by that?
それについてどういう意味か説明していただけますか？
Let me give one example from a different field, which is gene editing.
別の分野、つまり遺伝子編集から一つ例を挙げさせてください。
Another amazing technology that has seen a lot of big advances.
多くの大きな進歩を遂げてきた素晴らしい技術です。
But I would say most people who go into medicine or gene editing adjacent occupations recognize that this is a very morally ambiguous technology.
しかし、医療や遺伝子編集に関わる職業に就くほとんどの人が、これは非常に倫理的に曖昧な技術だと認識していると思います。
And many organizations that have oversight role, from NIH to the Surgeon General and the Medical Association, have put out general ethical guidelines for gene editing.
NIHから医療総監、医師会まで、監督役の多くの組織が、遺伝子編集に関する一般的な倫理ガイドラインを発表しています。
Like germ line editing is off right now because it's just too dangerous.
例えば、現在、生殖系編集は禁止されています。あまりにも危険すぎるからです。
We don't understand it too many risks, etc.
まだ理解できていない、リスクが多すぎる、などです。
So that's the kind of moral compass that I think we need in AI as well.
だから、AIにもそういう道徳的羅針盤が必要だと私は思うのです。
And we don't have it.
そして、私たちはそれをまだ持っていないのです。
People think of, oh, I'm doing it for the good, and I completely believe it.
人々は「いいことをしているんだ」と考えます。そして、私はそれを完全に信じています。
Almost everybody I know who goes into the field of AI is well-meaning, and they, they, they want something good for not just themselves but for society.
私が知るAI分野に携わるほぼ全員が善意を持っていて、自分自身だけでなく社会にとって良いことを望んでいます。
But there is no clear moral compass, and that's what I'm talking about.
しかし、明確な道徳的羅針盤が存在しないのです。それが私が言っていることです。
It's another interesting conversation that might hopefully to continue at some point again.
またいつか続きが楽しみな、興味深い対話でした。
Thank you so much.
本当にありがとうございました。
Thank you so much.
どうもありがとうございました。
It was this was my pleasure.
こちらこそ、光栄でした。
Thanks a lot.
どうもありがとう。

LingoDew, which teaches English through YouTube videos, measured this C1 video at 177 words per minute, slower than the C1 median of 186, and found 15% of its words outside the 1,000 most common in its English videos, fewer than the C1 median of 21%.

Words in this video

The ones worth learning, rarest last. Tap one to hear it where it was said.

Up next

Google's AI Chief: The Biggest AI Risk Nobody Talks About | James Manyika

55:59Google's AI Chief: The Biggest AI Risk Nobody Talks About | James ManyikaC1Silicon Valley Girl

Claude Engineering Lead: "Stop Using Claude Like It’s 2024"

49:23Claude Engineering Lead: "Stop Using Claude Like It’s 2024"C1Silicon Valley Girl

$95B Airbnb CEO: The Gap Between AI Builders and Everyone Else Is Growing

34:43$95B Airbnb CEO: The Gap Between AI Builders and Everyone Else Is GrowingB2Silicon Valley Girl

OpenAI Co-Founder: Start Building With AI Before You Feel Ready | Greg Brockman

30:14OpenAI Co-Founder: Start Building With AI Before You Feel Ready | Greg BrockmanB2Silicon Valley Girl

How AI Found Business Class Seats for All 4 of Us

1:07How AI Found Business Class Seats for All 4 of UsC1Silicon Valley Girl

10 Jobs Paying $100K+ That Are Still Growing With AI (and 5 Jobs in Decline)

20:1010 Jobs Paying $100K+ That Are Still Growing With AI (and 5 Jobs in Decline)B2Silicon Valley Girl

Top UCSF Doctor: How to Use AI for Your Health (Without Bad Advice)

39:19Top UCSF Doctor: How to Use AI for Your Health (Without Bad Advice)C2Silicon Valley Girl

My iPhone Just Became My Personal Stylist

1:10My iPhone Just Became My Personal StylistB2Silicon Valley Girl

LingoDew

Keep your words in LingoDew

The app brings the words you save back for review right before you forget them — with the clips you heard them in.

Download on theApp Store Get it onGoogle Play