ビデオタイトル：OpenAI プレジデント グレッグ・ブロックマン：AI戦略、AGI、およびスーパーアプリ
ビデオ著者：アレックス・カントロウィッツ
翻訳：Peggy，BlockBeats

Editor's Note: This article is translated from OpenAI President and Co-Founder Greg Brockman's conversation on the Big Technology Podcast. The show has long focused on the changes in AI, the tech industry, and business structure and is an important window for observing frontline Silicon Valley trends.

In this conversation, Brockman did not dwell on the model's capabilities themselves but further shifted the focus: once AI's capabilities have been largely validated, how will the industry choose its path, reshape product forms, and absorb the systemic impact it brings. The conversation revolved around OpenAI's product strategy, the upcoming "super app," and its judgment on AI entering the "takeoff stage."

This conversation can be understood from three perspectives.

First, convergence of paths.
From video generation to inference models, from multitasking to active choices, OpenAI's choices are not simply a matter of technical superiority but a response to real-world constraints—computing power has become a core bottleneck. With limited resources, technological paths are starting to converge on two directions with the most leverage: personal assistants and complex problem solving. This also means that the competitive logic of AI is shifting from "what can be done" to "what to do first."

Second, reshaping of forms.
The proposal of the "super app" is fundamentally a leap in product form. AI is no longer a collection of scattered tools but a unified entry point: it understands context, calls tools, performs tasks, and continuously accumulates memory in various scenarios. From ChatGPT to Codex, AI is gradually taking over entire workflows, and the human role is also shifting from being an executor to a scheduler—setting goals, assigning tasks, and overseeing.

Third, a turning point in pace.
If the past two years were a stage of climbing in capabilities, what is happening now is a "takeoff." On one hand, model capabilities have leaped from "assisting about 20% of work" to "covering about 80% of tasks," directly triggering a restructuring of workflows; on the other hand, AI is participating in its own evolution (using AI to optimize AI), overlaying chips, applications, and enterprise-side collaboration to form a self-reinforcing accelerated loop. AI is no longer a singular technology but is starting to become a key engine driving economic growth.

しかし、一方で、同時に別のグループの問題も浮かび上がってきています：一般市民の不信感、雇用の不確実性、データセンターに伴う論争、そしてセキュリティとガバナンスの境界です。Brockman による回答は、これらの問題に完全に技術的な解決策があるわけではありません。彼は2つの点を強調しています：1つ目は、リスクは「中央集権的な制御」では解決できず、AI を中心に社会的なインフラストラクチャを構築する必要があるということです。2つ目は、個人の能力が変化しており、重要なのはもはや「ツールの使い方」ではなく、「AI を活用して自分の目標を達成できるか」です。

過去の問題が「AI が何ができるか」だったとすれば、今は、AI があなたのためにほとんどのことをやってくれるようになったとき、あなたは何をすべきかという問題になります。

以下は原文の内容（読解を助けるために内容が整理されています）：

要約

AGI は「明確な経路」段階に入った：Greg Brockman（OpenAI 共同創設者）は、GPT に基づく推論モデルが AGI に至る明確な経路を持っており、数年以内に実現すると予想していますが、形態は「不均一」（jagged）のままです。

注：AGI（Artificial General Intelligence）は、人間と同等またはそれ以上の認知能力を持つ AI システムを指します。現在の「特化型 AI」（画像認識、推薦アルゴリズムなど）とは異なり、AGI はタスク間の汎用性と移植性を重視しています。

戦略的収束：多岐にわたる探索から2つの主要な応用へ：計算能力の制約の下、OpenAI はリソースを「個人アシスタント」と「複雑な問題解決」に集中させ、全方位ではなく特定方向に前進しています（例：ビデオ生成など）。

「スーパーアプリケーション」がAIのエントリー形態となる：チャット、プログラミング、ブラウジング、知識労働が統合され、AI はツールから「実行レイヤー」に変わり、ユーザーは「ディスパッチャー」に移行します。

重要な転機：AI は補助ではなくワークフローを引き継ぐ：モデルの能力は「20% のタスク完了」から「80% を担当できる」に向上し、個人や企業に作業方法の再構築を迫っています。

計算能力が中核的な制約と競争焦点となる：AI の需要は供給を遥かに上回っており、将来の制約はモデルの能力ではなく、計算リソースにあり、データセンターやインフラが重要な要素となっています。

AIの「離陸」（takeoff）が起こっています： 技術の自己加速（AIによるAIの最適化）が産業連携（チップ、アプリ、企業）と重なり、AIをツールから経済成長のエンジンに押し上げています。

最大のリスクは技術ではなく、ガバナンスと使用方法にあります： セキュリティ問題は単一の主体によって解決されることはできず、オープンなエコシステムと社会インフラが共同で受け入れる必要があります。

個人の中核的能力が変化しています： 将来の競争力は「実行」ではなく、「目標の設定+AIシステムの管理」にあり、積極的にAIを活用することが基本能力となります。

対談内容：

Alex（司会者）：
今日は、OpenAIの共同創設者兼CEOであるGreg Brockmanをお招きしています。AIの最も有望な機会、OpenAIがこれらの機会をどのように捉えるか、および「スーパーアプリケーション」の構想について話し合います。Gregは今日、当社のスタジオにも来ています。

Greg Brockman（OpenAI 共同創設者兼CEO）：
お会いできて光栄です。ご招待いただきありがとうございます。

Soraを停止する理由：計算リソースが不足しています

Alex：
今は非常に興味深い時期で、OpenAIはビデオ生成の推進を一時停止し、リソースを1つの「スーパーアプリケーション」に集中させています。これはビジネスとプログラミングのシーンを統合するものです。外部から見ると（私も含めて）、OpenAIはすでに消費者向けでリードを取っているように見え、今はリソースの配置を調整しています。一体何が起こっているのでしょうか？

注：2026年3月、OpenAIはビデオ生成製品のSora（アプリとAPIを含む）を閉鎖し、関連するビジネス推進を停止しました。

Greg Brockman：
ここ数年、私たちはディープラーニングという技術を開発してきました。それが私たちが常に考えていたような好影響をもたらせるかどうかを検証しようとしていました。それが人々を本当に助け、生活を改善するアプリケーションの構築に使われるかを確認したかったのです。

同時に、技術を展開する別のルートも進んできました。一方ではビジネスの運営を支援するため、また、技術が本当に成熟する準備を整えるために、実世界での経験を事前に積むためです。

そして今、私たちは新たな段階に入りました。私たちはこの技術が実現可能であることを確認しました。私たちは「ベンチマークテスト」といくつかの抽象的な能力デモンストレーションから、これを本当の世界に持ち込んで、実際の作業に参加させ、ユーザーフィードバックに基づいてさらに進化させます。

したがって、私はこの変化を次のように理解する傾向があります：これは技術段階の変化によって推進される戦略転換です。

これは「消費者側」から「企業側」に進むという意味ではありません。より正確には、私たちはある疑問を投げかけています：限られたリソースの中で、私たちが優先的に取り組むべきアプリケーションは何ですか？何もできないからです。

どのアプリケーションが本当に実現可能であり、お互いに協力し合い、実際の影響をもたらすのでしょうか？すべての方向をリストアップすると、消費者側はさまざまな形態に分解できます：個人アシスタント、あなたを本当に理解し、目標を共有し、人生の目標を達成するのに役立つシステムなど；クリエイティブとエンターテイメント；他にも多くの可能性があります。一方、企業側は、より上位レベルから見ると、実際には1つのことに抽象化できます：複雑なタスクがあり、AI がそれを遂行できるかどうかですか？

現在の優先順位は非常に明確ですが、最も重要なのは2つだけです。第一に、個人アシスタント；第二に、複雑な問題を解決するのに役立つ AI です。

課題は、現在の計算リソースでは、これらの2つのことさえも対応しきれないことです。さらに多くのアプリケーションシナリオが加わると、すべてを網羅することは不可能です。これは実質的な判断です：技術が急速に成熟しており、影響が爆発寸前であり、私たちは選択を迫られ、最も重要な方向を選んで本当に実現する必要があります。

Alex：
以前に言及したたとえを思い出すと、OpenAI はディズニーのようなもので、中核能力を持ち、さまざまなシナリオに展開できると言いました。ディズニーにはミッキーマウスがいて、映画、テーマパーク、Disney+などを作ることができます。OpenAI の「中核」はモデルで、ビデオ生成、アシスタント、企業アプリなどを行うことができます。

しかし、今見ると、あなたたちはこの種の「包括的展開」の方向に進まなくなり、代わりに選択をしなければならなくなったと言えますか？

Greg Brockman：
実際、私はこの比喩が今ではより適していると感じています。しかし、重要なのは1つ：技術的には、Sora（ビデオモデル）とGPT（推論モデル）は実際には異なる技術分野に属しています。それらの構築方法はまったく異なります。

問題は、現在の段階では、これら2つの技術ブランチを同時に進めることが非常に困難であることです、特にリソースが限られている状況下では。したがって、私たちが選択したのは、現在の段階では、主なリソースをGPTという方向に集中させることです。

もちろん、これは他の方向を放棄することを意味するものではありません。例えば、ロボット分野では、関連研究を継続しています。しかし、ロボット自体はまだ早期段階にあり、本当の爆発的成熟期には達していません。

これから1年の間に、知識労働分野において AI が本当に飛躍するのを見ることになるでしょう。

そして強調すべきなのは、GPT ルートは単に「テキスト」だけではないということです。例えば、双方向音声インタラクション（speech-to-speech）もこの技術経路の一部であり、これにより AI がより利用可能で実用的になります。これらの機能は本質的には同じモデルシステム内で、異なる方法で調整されたものです。

しかし、2つの完全に異なる技術分野に進むと、計算リソースが限られた状況では、長期的に維持することは非常に困難です。そして、計算リソースが限られているのは需要が非常に高いからです。ほぼすべてのモデルがリリースされた後、人々はそれをさらに多くのことに使用したいと考えています。

Alex：
では、なぜあなたたちは「ワールドモデル」への焦点を当てなかったのですか？例えば、ビデオモデルは、物体間の関係を理解する必要があり、これはロボットにとっても重要です。そして、Sora の進歩は実際に非常に速いです。最終的になぜ GPT に賭けたのですか？

注：「ワールドモデル」（World Model）は知覚と物理的直感に焦点を当て、AI に「世界の動作原理」を理解させることが中心であり、「データの表面的なパターン」を学ぶだけではありません。この種のモデルは、Sora のようなシステムを記述するために使用されます：それは単に画像やビデオを生成するだけでなく、対象間の関係（人、車、光線など）、時間の連続的な変化（フレーム間の進化）、および基本的な物理法則（運動、隠蔽、衝突など）をモデル化しています。これに対して、GPT は言語と推論モデルに属し、主に抽象的な認知とタスク実行能力に焦点を当てています。

Greg Brockman：
この分野で最大の問題は、実際には機会があまりにも多すぎることです。

私たちは早い時期に気付いたのですが、OpenAI において、あるアイデアが数学的に妥当であれば、通常うまくいき、かなりの結果を出すことができます。これはディープラーニングの下にある能力が非常に強力であり、それがデータから生成規則を抽象化し、新しいシーンに移行できることを示しています。これは世界モデル、科学的発見、プログラミングなど、さまざまな領域に適用できます。

ただし、肝心なのは、私たちは選択をしなければならないということです。

過去には、テキストモデルがどこまで進むことができるかという論争が常にありました。それは本当に世界を理解できるのでしょうか？私は現在、この質問には答えがあると考えています。テキストモデルは AGI に到達できるということです。

私たちは既に明確な進路を見ており、今年はさらに強力なモデルが登場するでしょう。そして、OpenAI 内部では、私たちが抱える最大の苦悩の1つは、計算リソースの配分方法です。この問題はどんどん深刻化しており、解決策ではなく悪化しています。したがって、本質的には、「どちらの経路がより重要か」という問題ではなく、タイミングと順番の問題なのです。

今、かつて遠いと考えられていたいくつかのアプリケーションが手の届くところになりつつあります。物理学的な問題を解決するというようなものもその一例です。最近では、物理学者が長い間研究していた問題をモデルに投げかけ、12時間後に解決策が提示されました。彼は、これが彼にとって初めて、「考えている」ようなモデルだと感じたと述べました。この問題は、おそらく人類が永遠に解決できない可能性さえありますが、AI が解決しました。

こういったことを見ると、あなたの唯一の選択肢は、賭けを倍にし、投資を3倍にすることです。なぜなら、これが意味するのは、我々が本当に巨大な潜在能力を解き放てるということだからです。

だから私にとって、これは異なる方向同士の競争ではなく、OpenAI の使命は何か？私たちはどのようにしてAGIを世界にもたらすのか？それが本当に誰もに利益をもたらすものにするにはどうすればよいか？そして、私たちはその道筋を既に見ており、どのように進めていくかを知っています。

GPTに賭ける、世界モデルではなく：AGIへの道の選択

Alex：
よし、実際、あなたがさっき触れた次世代モデルについてもう少し掘り下げたいと思いますが、その前にこの質問を追加させてください。

今年の初めに、私は Google DeepMind の Demis Hassabis さんと話をしました。面白かったのは、彼が言ったことで、彼にとって、AGIに最も近いものは彼らの Nano Banana という画像生成器だということでした。

注：Demis Hassabis は AI を研究から画期的な応用へと推進する上で鍵となる人物の1人です。彼が設立した DeepMind は AlphaGo を開発し、2016年に囲碁世界チャンピオンに勝利して、AIの歴史における画期的な出来事となりました。

彼の理由は：画像生成器であろうと動画生成器であろうと、そのような画像や動画を生成するためには、本質的には物体同士の相互作用を理解し、少なくとも世界がどのように動作するかをある程度理解している必要があるからです。

したがって、これは潜在的なリスクを意味する可能性がありますか？これは大きな賭けです—もしそうであれば、OpenAI は別の技術ツリーでの追加投資によって何かを見逃している可能性がありますか？

Greg Brockman：
もしそうである場合は？ 私は2つの回答があります。

第一に、もちろんその可能性はあります。この分野はそういうものです。最終的には選択をしなければなりません。賭けをしなければなりません。そして、OpenAI は最初からそうしてきたのです：我々は、自分たちがAGIへの道を信じているかを判断し、それに沿って非常に焦点を絞って進むことを目指しています。ベクトルをランダムに加算すれば、最終的な結果はゼロに近くなるかもしれませんが、すべてのベクトルを整列させれば、それらはあなたを明確な方向に向かわせることができるのです。

しかし、2つ目のポイントは、画像生成が実際には ChatGPT で非常に人気のある機能であり、私たちは引き続き投資し、優先的に推進しています。これを行うことができる理由は、それが実際には「ワールドモデル」や「ディフュージョンモデル」の技術ブランチに属していないからで、実際には GPT アーキテクチャの上に構築されているからです。そのため、異なるデータ分布に直面しているとしても、より下位のコア技術スタックでは、実際には同じものです。

そしてこれが AGI の最も驚くべき点の1つです：時々、非常に異なるアプリケーション - 音声から音声、画像生成、テキスト処理、および科学研究、プログラミング、個人の健康情報など、さまざまなシナリオでのテキストそのものの応用 - は、実際に同じ技術フレームワークで収納される可能性があります。

したがって、技術的な観点から、私と会社は常に、私たちの取り組み方向をできるだけ統一する方法について考えてきました。なぜなら、私たちは本当に、この技術が総合的な向上をもたらし、経済システム全体を押し上げるだろうと信じているからです。

そして、この事業の規模は非常に大きいです。もちろん、私たちはすべてのことを完了することはできませんが、私たちが担当する部分は完了できます。

Alex：
これが Artificial General Intelligence（AGI、汎用人工知能）における「general」の意味です。

Greg Brockman：
そうです、これがその G であり、本当にその意味です。

Alex：
「統一」と言うと、このスーパーアプリケーションは具体的にどのようなものになると思いますか？

Greg Brockman：
私が理解するスーパーアプリケーションは -

Alex：
それはチャット、プログラミング、ブラウザ、そして ChatGPT などをすべて統合し、そうですか？

Greg Brockman：
はい。私たちがしたいことは、エンドユーザー向けのアプリケーションで、AGI の力を実際に体験させることです、それが「汎用性」です。

今日のチャット製品を考えてみてください。それは段階的に、あなたの個人アシスタント、個人 API に進化していくと思います。それはあなたをよく理解し、あなたについて多くの情報を知っており、あなたの目標を達成するのに役立ち、信頼でき、このデジタル世界である種の「代理人」として機能できます。

そして Codex については、あなたはそれを理解することができます：今のところそれは主にソフトウェアエンジニア向けに作られたツールですが、「すべての人向けの Codex」となりつつあります。

何者も創造したいし、何かを構築したいと考える人々は皆、Codex を使用できます。コンピュータにやってもらいたいことをすべて達成させることができるのです。そして、それはもはや単に「ソフトウェアの作成」ということではありません。それは eer ーー更には「コンピュータの利用そのもの」と言った方が適切でしょう。たとえば、ノートパソコンの設定を調整してもらうようにお願いすることがあります。時々、ホットコーナーの設定を忘れてしまうことがあるのですが、直接 Codex にお願いすれば、本当にやってくれます。

これこそ、コンピュータが持つべき本来の姿です。人に適応させるべきであって、私たちがそれに適応するべきではないのです。

それで、こうしたアプリを想像してみてください：コンピュータにやってもらいたいことは何でも直接伝えることができます。AI は「コンピュータの使用」と「ブラウザの操作」の機能が組み込まれており、AI が本当にウェブサイトを操作できるようにし、同時にそれが何をしているのかを常に監視することができます。さらに、対話がチャット、コードの作成、一般的な知識作業であろうとも、すべてが1つのシステムで一元管理されます。AI は記憶を持ち、あなたを理解します。

これこそが私たちが構築しているものなのです。

しかし、正直に言って、これは実際にはほんの氷山の一角に過ぎません。それは水面に現れる部分です。私にとって本当に重要なのは、基盤となる技術の統一です。

これまで基盤モデルのレベルでの統一について触れましたが、過去数年間に本当に変化したのは：もはや「モデル」そのものだけの問題ではなく、さらに重要なのは「ホスティングシステム」です。つまり、モデルがどのようにコンテキストを取得するのか？それが現実世界にどのように接続するのか？どのようなアクションを起こすことができるのか？新しいコンテキストが絶えず導入されるとき、ユーザーとのインタラクションループはどのように機能するのか？

これらのことは過去、私たちが内部で複数の実装を持っていることでしたし、あるいは少なくともいくつかの異なる実装がありました。今、それらを1つに統合しています。最終的に、私たちは統一された AI レイヤを持つことになり、非常に軽量な方法でそれを異なる具体的なアプリケーションシナリオに向けるでしょう。

もちろん、金融や法律に専念する小さなプラグインや特定のインターフェースを作成することはできますが、ほとんどの場合、それは必要ありません。なぜなら、このスーパーアプリケーションそのものが十分に包括的で汎用性があるからです。

Alex：
このアプリケーションは企業向けだけでなく、個人向けでもありますか？

Greg Brockman：
そうです。これが実際の核心です。あなたのノートパソコンのようなコンピュータは、それが個人用途なのかビジネス用途なのか？実際の答えは：どちらもです。それはまずあなたのデバイスであり、デジタル世界にアクセスするためのインターフェースなのです。そしてそれが私たちがやりたいことです。

Alex：
それでは、非商業的な視点から言えば、このスーパーアプリケーションを個人生活で使用する場合、何ができますか？私の生活にはどのような変化がもたらされるでしょうか？

Greg Brockman：
私が理解しているのは、個人の生活において、まずは現在のChatGPTの使用方法を継続するということです。

あなたは現在、ChatGPTをどのように使用していますか？ 実際、人々は非常に多様で驚くほどのタスクを遂行するためにそれを既に使用しています。 時には単純に、「結婚式でスピーチをする予定なので、ラフな下書きを手伝ってもらえますか？」と言うだけであり、「この考えをチェックしてフィードバックをもらえますか？」とか、「小さなビジネスをしているので、アイデアを少し提供してもらえますか？」という場合もあります。

これらのシナリオのいくつかは個人的なものであり、いくつかは個人と仕事の境界がすでに曖昧になり始めています。 私の考えでは、このようなすべての質問には、スーパーアプリケーションが対応できるはずです。

Greg Brockman：
しかし、ChatGPTの進化を振り返ると、実際には進化してきました。

以前はメモリがなかった、そうでしょう？ それぞれの個人にとって、それは常に同じAIであり、毎回異なる相手と話すようなものでした。 しかし、過去のやり取りを覚えていれば、ずっと強力になります。 もっと多様なコンテキストにアクセスできれば、より強力になります。

例えば、あなたのメールボックスやカレンダーに接続し、あなたの好みを本当に理解し、過去の経験に関する深いバックグラウンド情報を持ち、それらの情報を活用して目標を達成するのを手伝うことができます。 現在、ChatGPTにはPulseという機能があり、理解に基づいて毎日あなたに興味を持つ可能性のあるコンテンツを積極的に送信します。

ですので、個人の利用レベルでは、スーパーアプリケーションはこれらすべてを含み、より深く、より豊かに行うでしょう。

Alex：
あなたたちはそれをいつリリースする予定ですか？

Greg Brockman：
より正確な理解方法は、これから数ヶ月の間に、我々はこの方向に一歩一歩進んでいくということです。 我々が語っているこの完全なビジョンは、段階的に提供されますが、一度にすべてがオンラインできるわけではありません。 逐次的な方法で現れます。

例えば、今日のCodexアプリケーション自体が、実際には2つのレベルを含んでいます。 1つは汎用のエージェントハーネスシステムであり、ツールを使用できます。 もう1つはソフトウェアを書くことに長けたエージェントです。

そして、この汎用ハーネスシステムは、実際には他の多くのシナリオに使用できます。 それをスプレッドシートやワード文書に接続すると、知識作業を手助けできます。

したがって、私たちの最初のステップは、Codex アプリを一般的な知識作業に対してより使いやすくすることです。なぜなら、OpenAI 内で既に、みんなが自然にこう使い始めているのを見てきたからです。

これが最初のステップであり、その後にはさらに多くのステップが続きます。

Alex：
昨日、あなたの同僚の一人と Codex について話していたとき、彼はCodexを使ってビデオ編集をしている人について言及しました：その人はCodexにビデオ処理を手伝わせており、CodexはAdobe Premiere向けにプラグインを作成し、ビデオをセクションに分割して編集を開始しました。これがあなたが進む方向ですか？

Greg Brockman：
私はこのようなケースを聞くのが特に好きです。これは私たちがこのシステムが機能する方法を期待しているところです。さらに興味深いことは、Codex アプリはもともとソフトウェアエンジニア向けに設計されていましたので、非プログラマーにとっては、現在の使用可能性は実際には高くありません。設定プロセス中に多くの小さな問題が発生するからです。

開発者はそれが何を意味するかすぐにわかり、どう修正すればよいかもわかります。私たちは既にそれに慣れています。しかし、開発者でない場合、あなたはこれらを見て「これは何ですか？これまで見たことがありません。」と思うでしょう。

それでも、プログラムを書いたことがない多くの人々が、ウェブサイトを構築したり、先ほど言及したようなことをしたりしているのを見ていることがあります。異なるソフトウェア間の相互作用を自動化し、大きなレバレッジを得ています。たとえば、私たちのコミュニケーションチームの誰かが、それをSlackや電子メールに接続し、多くのフィードバックを処理し、非常に良い要約と総合を作成しています。

したがって、現状は次のようになっています：非常にモチベーションの高い人々が、これらの障壁を乗り越えることをすでに望んでおり、その結果、非常に高いリターンを得ています。

ある意味では、最も困難な部分はすでに達成されています — 確かに賢く、能力があり、タスクを実行できるAIが作成されました。

次に行うべきことは、比較的「簡単な」部分です：それを本当に一般の人々にとって有益にし、これらのハードルを少しずつ取り除くことです。

Alex：
競争環境から見ると、Anthropic は現在、Claude アプリを持っており、チャットボットとClaude Codeの両方があります。ある意味では、彼らは自分たちの「スーパーアプリ」の骨子を持っています。

なぜAnthropic がこのステップに先んじたのか、また OpenAI が追いつく可能性はどれくらいあるとお考えですか？

グレッグ・ブロックマン：
12から18か月前に時間を戻すと、実際には私たちは常に「プログラミング」を重要視しており、さまざまなプログラミングコンテストなど「純粋なスキルベース」のテストで常に最高の成績を収めてきました。しかし、当時私たちがあまりにも多くの投資をしていなかったことの1つは、最終段階の利用可能性でした。

つまり、私たちは次の問題に十分に焦点を当てていなかったということです：AIは非常に賢くなり、さまざまな難解なプログラミング問題を解決できますが、実世界のコードベースを見たことがありません。しかし、実世界のコードベースは通常、彼らが慣れ親しんだ「クリーン」な環境とはかけ離れています。

この点では、当時私たちは本当に遅れていました。しかし、おそらく昨年の中頃から、私たちはこの問題を非常に真剣に取り組み始めました。私たちは特にチームを編成し、すべてのこれらのギャップを見て、実世界にはどのような混乱や複雑さが存在し、私たちが以前に本当に接触していなかったかを実際に知るということです。

たとえば、トレーニングデータの構築方法はどうですか？トレーニング環境をどのように構築しますか？AIが本当に「ソフトウェアエンジニアリング」を体験することはどのような感じですか？——中断される、奇妙な問題に遭遇する、さまざまな非理想的な状況に直面するなど。

私は今では、私たちが追いついていると思います。ユーザーが実際に私たちと競合他社を直接比較するとき、多くの人が私たちを選択する傾向があるでしょう。

もちろん、フロントエンドのエクスペリエンスにまだ差があることを認識していますが、この部分も補完します。しかし、全体として、これまでの方向性は次のとおりです：単にモデルを作成して、追加で製品シェルを装着するのではなく、最初からそれを完全な製品として考えるということです。研究を行っている間に、私たちは同時に次のことを考えていました：最終的にそれはどのように使用されるのでしょうか？これは、OpenAI内でこの期間に起こっている転換の1つです。

したがって、私の見解では、これから非常に強力なモデルの進化が起こります。今年のロードマップを見ても、非常に興奮していることがわかり、達成できることは本当にたくさんあります。

一方、私たちは最終段階の利用可能性を非常に集中的に充実させています。

アレックス：
2022年以降、OpenAIはこの領域で明白なリーダーのような存在でした。明らかに、現在の競争は単なるテスト成績の競争ではなくなっています。あなたも自身が「追いついた」と表現しました。

企業内部の雰囲気は変わったでしょうか？つまり、以前はChatGPTなどの製品で圧倒的リードを取っていた感覚とは異なり、実際に前向きな競争に入ったということです。

外部からのいくつかの報告には、この変化が透けて見えるものもあります——企業内で会議が開かれ、OpenAIにはもはや「サイドタスク」がないと強調され、すべての人がこの中核的な方向性に集中する必要があるとされています。したがって、現在の内部環境と雰囲気は、どのような変化が起こったのでしょうか？

Greg Brockman：
個人的には、OpenAI が最も不安を感じさせる瞬間は、ChatGPT をリリースした後だと言えるでしょう。

その時、会社のホリデーパーティーで、「勝った！」という雰囲気が漂っていました。私は以前、そのような感覚を持ったことがありませんでした。その時私の反応は、違う、私たちはそういう人たちではない、私たちは不利な立場にいる方なんだ、ということでした。

それに私たちはずっとそうだった。この領域の競合他社は、ほとんどがすでに確立された大手企業で、資金も多く、人員も多く、データも多く、ほとんどすべてのリソースがより充実しています。

それなら OpenAI はなぜ競争に参加できるのか？ある程度の答えは、我々が自分たちを決して安住の地と思ったことがない、という点にあります。私たちは常に挑戦者として自らを位置づけてきたのです。

実際、私にとっては、市場がこのような競争状況を本当に示し始め、他の競合他社も出現し、そしてうまくやっているのを見るのは非常に健全なことであると思います。

なぜなら、私にとっては、競合他社だけを追いかけることはできません。彼らが今どこにいるかだけを見つめていたら、あなたがそこに到達したときには、彼らはすでに前進しています。

むしろ、ここ数年はその逆だったと感じています。多くの人が私たちのいる場所に注目していた一方で、私たちは前に進むことができました。これは私たちに内面的な整合感と一体感を与えてくれました。

以前にも述べたように、私たちはほぼ「研究」と「展開」を別々のものとして扱っていました。しかし今は、それらを本当に統合したいと考えています。私にとって、これは非常に素晴らしいことです。

したがって、私は言えます。今我々がいる段階は、過去に「勝っていた」と感じることも、今突然危機に陥ることもありません。ご存知のように、外部からの評価は通常、彼らが言うほど良いわけでも、彼らが言うほど悪いわけでもありません。

私は全体的に、私たちは実際には常に安定していました。そして、モデルの開発という中心的な点に関しては、私は自分たちのロードマップと私たちが行ってきた研究投資に非常に自信を持っています。製品側に関しては、私は今、私たちに非常に良いエネルギーがあると感じており、皆が一堂に会し、これらのことを本当に世界に提供しようとしていると思っています。

Alex：
あなたはすでに何度か、次に非常に強力な新しいモデルが登場すると言っていました。それは具体的に何なのでしょうか？

The Information による報道によると、あなたたちはすでに「Spud」の事前トレーニングを完了しており、Sam Altman も OpenAI の内部スタッフに対して、数週間以内に非常に強力なモデルが登場するだろうと述べていました。しかし数週間前の話です。チーム内では、それが経済を実際に加速させる可能性があり、多くの人が予想していたよりも速く進展していると考えられています。

では、実際に「Spud」とは何なのでしょうか？

Greg Brockman：
それは非常に良いモデルです。しかし、私が考えるに、重要なのは単一のモデルそのものではないと思います。

私たちの開発プロセスは大まかに言うと次のようになります：まず最初に事前学習があり、つまり新しい基本モデルが生成され、その後のすべての改善がこの基本モデルの上に構築されます。そしてこの段階では、通常、多くの社内チームが多大な努力を払います。実際、過去18か月間、私自身はほとんどの時間をここに費やしています：主にGPUインフラストラクチャに焦点を当て、トレーニングフレームワークのチームをサポートし、これらの大規模トレーニングタスクを実際に実行します。

次に強化学習段階があります。つまり、多くの世界知識を習得したAIが、その知識を実際に活用し始める段階です。

その後、ファインチューニングプロセスが続きます。この段階では、AIに本当に言いたいことを教えます。その内容は、この問題の解決方法を既に理解しているので、さまざまな状況で練習してください、というものです。

最後に、行動と使いやすさに関する「最終マイル」段階があります。

したがって、私はSpudを新しい基盤、新しい事前トレーニングモデルと見なすつもりです。そしてこのモデルには、過去約2年間の研究が実質化され始めていると言えます。これは非常に興奮するものとなるでしょう。

私にとって、外部から感じられることは、全体的な能力の向上だと思います。しかし、これは単なる一度のリリースの問題ではないのです。なぜなら、このバージョンがリリースされると、それは実際には私たちが次に進むためのさらなる進歩の初期バージョンにすぎないからです。私たちはこの改善プロセスの各段階で、さらに多くを続けます。

そのため、私たちは今、継続的に進化を遂げるエンジンを持っているように感じています。そしてSpudはその道のりの中でのひとつの中継点に過ぎません。

Alex：
それでは、あなたは、今日のモデルがまだできないことを、このツールがどれだけできると考えていますか？

Greg Brockman：
私は、このツールがより難しい問題を解決し、より洗練されることができると考えています。それは指示をよりよく理解し、文脈をよりよく理解することができるでしょう。

時折、人々は「ビッグモデルの臭い」と呼ばれる感覚を表現します。これは、モデルが本当に賢く、より能力がある場合、明らかに感じることができるという意味です。それはあなたの意図に沿って進み、あなたのニーズにより適合します。

質問をすると、AIがあなたの意図を本当に理解していない場合、それはまだがっかりする感じでいます。あなたは我慢できずに、これはあなた自身が理解できるはずのことだ、と思ってしまいます。

ですので、ある意味では、これは多くの「量的変化」が蓄積され、それによって「質的変化」がもたらされることになると言えると思います。一方で、さまざまな指標が大幅に向上することがあります。他方では、以前はAIが信頼性に欠けているとして使用を控えていたシナリオに、今ではためらうことなくそのまま活用することがあります。

私はこれが包括的な変化になると考えています。特に、それがどのようにして能力の上限を引き上げていくのかを見ることを楽しみにしています。物理学研究などの分野でのパフォーマンスを既に見てきましたが、次はより多くのオープンエンドの問題を解決し、より長期間にわたる問題を克服することができると考えています。

同時に、能力の下限を引き上げていく方法も非常に楽しみです。つまり、何をしたくても、今日よりもはるかに役立つことが期待できます。

Alex：
しかし、一般ユーザーがこの変化を感じ取ることは簡単ではないこともあります。例えば、GPT-5がリリースされる前に、外部からは予熱や期待が高まっていました。しかし、実際に登場した時、一般の最初の反応はある意味では少し失望していたかもしれません。後になって、特定のタスクにおいては非常に強力であることに人々が徐々に気づいていきました。

したがって、次世代のこのようなモデルについて、あなたは主に特定の職場で明らかに感じられるようになると考えますか、それとも、それはより直感的で一般的に感じられる向上となるでしょうか？

Greg Brockman：
私は物語はおそらく同じようなものになるだろうと考えています。モデルがリリースされた後、何か新しいことをする人もいれば、これまで見たことのあるものと比べて全く異なると感じる人もいます。しかし、「知能」が必要とされるアプリケーションの場合、元々ボトルネックが「知能」ではなかったかもしれません。その場合、モデルをより賢くするだけでは、ユーザーが直ちに違いに気づくことはないかもしれません。

ただし、時間の経過とともに、最終的にみんなが変化に気づくと思います。なぜなら、真の変化は起こるようになるからです：あなたがこのシステムに依存し始める程度です。

AIとの相互作用を考えると、実際、それぞれの人には「何ができるか」についての心のモデルがあります。しかし、この心のモデルはすぐに変化するものではありません。通常、経験を積み重ねるにつれて、たまたま奇跡的なことを達成してくれたときに、急に：これをやることができるなんて、以前は考えもしなかったと気づくことがあります。

たとえば、医療情報の取得などのシナリオでは、このような状況をすでに見ています。私の友人の一人が、自身の癌の異なる治療法について知るためにChatGPTを使用しました。医師は以前、それが末期で何もできることはないと言っていた。しかし、ChatGPTを使用してさまざまなアプローチについて研究し、最終的に治療法を見つけることができました。

このような状況では、実際の前提条件は次のとおりです：まず、AIがこのシナリオでどの程度助けてくれるかに対する信頼を持っている必要があり、そのシステムから価値を引き出すために多くの労力を費やすことに同意するでしょう。

したがって、次に見るのは、同様のアプリケーションシナリオにおいて、AIがあなたの手助けとなることが、誰にとってもますます明白になることだと思います。

したがって、これは技術自体がより強力になっているだけでなく、技術に対する私たちの理解も変化し、技術に追いつこうとしていることを意味しています。

Alex：
つまり、ますますそれに頼ることになると。

OpenAI内では、今年の秋にもリリースされると言われている自動化されたAI研究者を開発中です。それは具体的には何なのでしょうか？

AIは「急成長」の初期段階に入った

Greg Brockman：
私が考えるに、全体的なトレンドを見ると、私たちは現在、この技術の急成長の初期段階にいると考えています。

Alex：
「急成長」とは何を意味するのですか？

Greg Brockman：
急成長とは、AIが指数関数曲線に沿ってどんどん強力になっていることを指します。その一因は、AIを使用してAI自体を改善できるようになったことであり、したがって研究全体のプロセスも加速しています。

しかし、「急成長」という言葉は、単に技術の側面だけでなく、現実世界への影響の放射を意味します。多くの技術はSカーブのようなものです。複数のSカーブをより長い時間軸に沿って見ると、最終的にそれらはほぼ指数関数的な成長に収束します。

私たちは現在、そのような段階にいると考えています。つまり、技術自体がますます速い速度で前進しており、この進歩エンジンは着実にエネルギーを蓄積しています。

同時に、外部世界では、多くの追い風要因が形成されています：チップ開発者がより多くのリソースを手に入れています。多くの人々がさまざまなアプリケーションで上流にいます。AIをさまざまなシナリオに組み込んだり、さまざまな具体的なニーズにどのように適合するかを試みています。

すべてのこれらのエネルギーが着実に蓄積され、AIを「急成長の時期」に押し上げ、それを周辺的存在から、経済成長を推進する主要なエンジンに変えています。

そして、このことは、私たちの壁のここ数枚だけで起こっていることではありません。これは世界全体、経済システム全体に関わることです。技術をどのように推進し、その有用性をどのように進化させていくかについて、世界全体が一緒に作用しています。

Alex：
では、この「研究者」は具体的に何をするのですか？

Greg Brockman：
この「研究者」という言葉は、AI が担当するタスクの割合がますます高くなるにつれ、AI により多くの自治権を与えるべきだという本質的な考え方を指します。

もちろん、これには慎重に考える必要がある多くの側面があります。これは、AI を解放してしばらく放置し、後で戻ってきてその成果を確認するという意味ではありません。

私は、私たちは依然としてその管理に深く関与するでしょう。たとえば、今日あなたが新人研究者を導入する場合、彼を放置しすぎると、彼はあまり価値のない方向に進む可能性が高いでしょう。ただし、シニア研究者や本当に方向性を持った人物が導入される場合、その人が具体的な操作スキルすべてを直接指導する必要がなくても、依然としてその人が生み出したものに対してフィードバックや査読を継続し、方向性を提供します。すなわち、私はあなたに何を達成してほしいかを常に示唆するでしょう。

したがって、私が考えるこのシステムは、私たちが着実に構築しているメカニズムであり、これによりモデルの生成速度が大幅に向上し、新たな研究の突破が促進され、これらのモデルが現実世界でより有用で使いやすくなります。そして、これらすべてがますます速いスピードで進展していきます。

Alex：
それは具体的に何をするのですか？あなたはそれに対して直接「AGI を見つけろ」と言うのですか、それともそれが自ら試みるのですか？

Greg Brockman：
ある意味で、私は確かにそれをそう理解しています、少なくとも最初の段階でそうです。ただし、もっと現実的な角度から言えば、私はそれを、研究者が行うべき完全な作業手順を、できるだけシリコンベースのシステムで実行すると捉えています。

Alex：
「腾飞」の理解にはもう1つの方法があります。AI の進歩が漸進的な向上から、持続的なエネルギーの蓄積、最終的には人間よりも賢い知能に向けた阻止できない推進プロセスに変化することです。

進展が良い方向に向かう可能性と同様に、この進展自体が制御を失い、迷走する可能性について心配していますか？

Greg Brockman：
私はそれが始まることに間違いはありませんが、もちろん不安でもあります。この技術の利点を得るためには、そのリスクに真剣に対処する必要があります。

技術開発の取り組みを見れば、セキュリティと保護には多くの労力が費やされていることがわかります。良い例が prompt injection（プロンプト注入）攻撃です。非常に賢く、強力で多くのツールにアクセスできるAIを作る場合、誰かが奇妙な命令を出すことでAIが誤った方向に導かれたり、操縦されないようにする必要があります。

これは私たちが多くの労力を費やして取り組んできたことであり、そして私たちが非常に素晴らしい結果を出していると考えており、この作業に取り組んでいる非常に強力なチームもいます。

興味深いのは、ここには人間と同様に類推できる問題がいくつかあるということです。人間もフィッシング攻撃の影響を受けたり、誤誘導されたり、全体の文脈を理解していない状態で行動したりすることがあります。

私たちはこれらの類推を自分たちの開発プロセスに取り入れています。私たちがモデルをリリースしたり、開発したりするたびに、次のように考えます：それが本当に人間の目標と一致していることをどのように確認し、それが本当に役立つことを確認するにはどうすればよいか？ これは私たちが非常に重要視していることです。

もちろん、より大きな問題もいくつかあります。世界全体、経済全体に関わる問題：すべてはどのように変わるのか？ どのようにして誰もがこの技術から利益を受けることができるのか？ これらの問題は技術的な問題だけでなく、OpenAI 単独では解決できません。しかし、はい、私は実際には考えており、技術を前進させるだけでなく、その潜在的な影響に見合った積極的な影響をもたらすことを確実にする必要があると思っています。

Alex：
問題は、これが競争のように見えることです。OpenAI の本部で起こっていることは、多くのオープンソースプレイヤーによって迅速に複製されるでしょう。そしてこれらのプレイヤーは、セキュリティの境界線や保護策に関しては、しばしばはるかに脆弱です。

私は以前、あなたが言った言葉を覚えています。要するに：創造的な成果には、多くの人々が多くのことを正しく行う必要がありますが；破壊的な結果には、悪意を持つ1人だけで十分かもしれません。これは私が最も心配していることの少なくとも1つです。なぜなら、これは明らかに競争であり、そして進展が非常に速いからです。多くの同僚は、誰もが停止することに同意した場合、彼らも停止すると言っています。しかし、今では、この競争は全く鈍化の兆候を見せていません。

それでは、このリターンは、このようなリスクを負う価値がありますか？

Greg Brockman：

私は、このリターンが値すると考えています。ただし、このような答えはまだあまりにも単純すぎると感じています。

OpenAI の設立以来、私たちは常に尋ねてきました：どのような未来が良い未来と見なされるべきか？ この技術は、誰もが本当に改善されるのをどのように支援できるのか？

この質問を2つの観点に分割することができます。1つは「中心集権化」の視点です：この技術を安全にするには、それを開発する主体が1つだけでなければならないと考えるのが最善だとする考え方です。これにより、競争圧力がなくなり、事をゆっくりと、慎重に行うことができ、準備ができたときに、どのようにしてそれをすべての人に提供するかを決定することができます。この考えはもちろん理解できますが、ある程度までは、それは受け入れられ難い解決策でもあります。

もう1つのアプローチ、そして私たちがより好むアプローチは、「レジリエンス（弾力性）」から考えることです。つまり、これをオープンシステムと見なし、多くの参加者がこの技術の発展を推進しているが、重要なのは技術そのものだけでなく、その技術を中心とした社会インフラを構築し、より堅牢に受け入れられるようにすることにあります。

電力の発展過程を考えてみてください。電力もさまざまな人や機関によって生産されており、それ自体にもリスクや危険があります。しかし同時に、私たちはそれを取り巻く多層的な安全インフラを構築しています。電力の安全基準があり、異なる使用規定があり、異なる規模に応じた監督方法があります。非常に大規模になると、専用の監督要件もあります。多くの人が民主的な方法で電力を使用できるようになっており、さらに検査官や一連の補助システムが備わっており、この技術に関する機能を中心に、徐々に整備されていきます。

私は、AIも同様だと考えています。私たちが本当に見ているのは、AIを取り巻く幅広い社会的議論が必要だということです。この技術が本当に到来し、誰もが生活に変化をもたらす可能性があるのであれば、人々は参加しなければなりません。それは中央集権化された小さなグループによってだけでは進められ、すべてに秘密裏に決定されるべきではありません。

したがって、私にとって、これは常に非常に根本的な問題です。この技術は果たしてどのような方法で展開すべきなのでしょうか？私たちが本当に信じているのは、技術の発展を取り巻く、徐々に形成される「レジリエンスエコシステム」です。

Alex：
つまり、あなたの意見では、私たちは現在「急成長」の過程にあり、実際、私たち全員が既にその中にいるということですね。最近 NVIDIA の CEO である Jensen Huang は、AGI が実現されたと考えていると述べました。あなたは同意しますか？

Greg Brockman：
私は、AGI は異なる人にとって異なる定義があると考えています。実際、今日の私たちの手にある技術がすでにAGIと見なされると考える人もたくさんいます。

この点については議論の余地があります。しかし、私は本当に面白いところは、私たちが今持っている技術は非常に「スムーズでない」、はっきりとした断層感を持っているところだと思います。

多くのタスクでは、コーディングのようなことができるAIは既に絶対的に優れています。AIはそれができるし、確かに何かを作る際の摩擦を大幅に減らしています。しかし同時に、人間が簡単にできる基本的なことも、AIにとってはまだ難しいことがあります。

その境界線をどこに引くかは一体どこか？ある意味、これはより適応的で、雰囲気的な判断であり、科学的に厳密に定義できる問題ではないように思います。

私自身にとっては、間違いなくその瞬間を経験していると思います。もし5年前に今日のこれらのシステムを見せられたら、私は「そう、それは私たちが当時話していたものだ」と言ったでしょう。ただ、現実の姿が非常に違うのです。それは私たちが最初に想像したものとはまったく異なるものです。それは私たちが想像した形のどれとも非常に異なるものです。

だから、私は考えています。私たちは自分自身のメンタルモデルを適切に調整する必要があると。

Alex：
つまり、まだそこに達していないってこと？

Greg Brockman：
私は言える、おそらく70%から80%ぐらいに到達していると思います。だから、私たちは実際に非常に近いと感じています。

そして、私は考えています。1つは非常に明確になっています：次の数年で、AGI を迎えることになるでしょう。その挙動はまだ少し「ギザギザして」いるかもしれませんが、全体的に滑らかで完璧なわけではありません。ただし、タスクを遂行する下限は非常に高くなります —— ほとんどのコンピュータ上で行う必要のある知的タスクに対して、AI ができるでしょう。

だから、私は今、少し不確定さを含めた回答をする必要があります。なぜなら、これは確かにある種の「不確定性原理」のようなものであり、さまざまな定義から論じることができます。私独自の定義に従うと、私たちはもうすぐそこに到達していると感じています。一歩踏み出せば、間違いなくそこに到達します。

キーポイント：20% から 80% の作業引き継ぎ

Alex：

2025 年 12 月には、具体的に何が起こったのでしょう。なぜなら、それは転機のように見えます。「機械が中断されることなく数時間コードを連続して書き続けること」が、理論的なアイデアから突然、みんなが「それを任せて安心できると思う、自分自身で続けさせること」と言い始めたような変化がありました。

つまり、そのときには実際に何が起こったのでしょうか？

Greg Brockman：
その後、新しいモデルがリリースされたとき、AI が達成できるタスクの割合は、あなたの仕事の20%から一気に80%に向上しました。これは非常に大きな変革です。なぜなら、それはもはや単なる「便利な小道具」ではなく、再びワークフローを組み直す必要があるようなものに変わったからです。

個人的には、私も非常に典型的な感覚の瞬間を経験しました。これらの年月、私は常に1つのテストフレーズを持っていました：AI に私のためにウェブサイトを構築させる。実際、このウェブサイトは私がプログラミングを学んでいたときに自分で構築したもので、数ヶ月かかりました。

しかし、2025 年には、それはまだ見栄えのするように作るには数時間かかり、いくつかのヒントと応答が必要でした。しかし、12 月になると、私は1回だけ尋ねて、AI がそれを1回でうまくやってくれました。

Alex：
それにしても、これらのモデルはどのようにしてそのような飛躍を遂げたのですか？

Greg Brockman：
ほとんどの場合、基本モデル自体が強化されたことが大きな理由です。OpenAI は常に自身の事前トレーニング技術を向上させてきました。そしてその時点で、私たちは今年残りの時間に何が起こるかを少し見ることができるようになりました。しかし、同時に、これは単一のブレークスルーではありません。より正確には、すべての革新次元で進化を続けていると言えます。

これらのモデルの面白いところは：ある意味では、これらのモデルが何度も「飛躍」するように感じられることですが；しかし、別の視点から見ると、実際には継続的な進化であることもわかります。それが 0% から 80% まで急に変わるのではなく、20% から 80% に向上するのです。したがって、ある意味では、それは単に良くなったと言えるでしょう。

また、私はこの進歩が実際に私たちの後続の各バージョンアップデートで継続していると感じています。たとえば、5.2 から 5.3 へのアップデートでは、私は非常に密接に協力しているエンジニアがいましたが、彼は以前、モデルに彼が責任を持つような低レベルでハードコアなシステムエンジニアリング作業をさせることはできませんでした。しかし、新しいバージョンになると、モデルは彼の設計文書を引き継ぎ、実際に実装し、メトリクスモニタリングとオブザーバビリティを追加し、プロファイラを実行してパフォーマンス分析を行い、さらに最適化して、最終的に彼が手渡したかった結果を実現することができました。

だからこそ、私はこれがむしろ「ゆっくりとした前進、そして突然すべてが変わった」というプロセスに似ていると言えます。ただし、これらすべては、今起こっている能力によって既に示唆されています。最大でも1年以内に、多くのこと、そのうちいくつかははるかに速くなるかもしれませんが、非常に頼りになるようになります。

Alex：
これはあなた自身にも驚きを与えたのではないでしょうか？ 私は間もなく、Codex のような自動プログラミングツールは、元々はソフトウェア開発者のためのものだと述べていたと思います。しかし、今日のこの会話の前半では、実際には誰もがこの種のツールを使用できると言っていました。

あなたの考えを変えたのは何でしょうか？

Greg Brockman：
実際、私は以前、Codex を常に「コーディング」の枠組みで理解していました。つまり、その名前にはコードが含まれているため、それをプログラマーが使用するツールと見なすのは自然なことです。そしてOpenAI内部では、多くの人々がソフトウェアエンジニアであり、私たちは自分たちのためにツールを作っているので、このような考え方は非常に自然です。

しかし、この技術が進化し続けるにつれて、私たちは1つのことに気づき始めました：私たちが実際に作り出している低レベルの技術のほとんどは、「コード」についてではなく、「問題の解決」についてです。

その核心は、コンテキストの管理、実行フレームワークの構築、AIを実際の作業にどのように統合し、物事を完遂すべきかについて考えることです。そして、これが成り立つと、プログラミングの文脈でも、突然、誰もがこの種の力を手に入れることができることを意味します。なぜなら、あなたが本当に持っているのは、あなたのために作業を実行するシステムだからです。あなたがビジョンを持ち、達成したい目標を持っているならば、あなたの意図を明確に説明できれば、AIはその作業を実行し、物事を成し遂げることができるからです。

しかし、それはあなたにも考えさせるでしょう。なぜ私は「プログラミング」と「非プログラミング」だけを見つめているのでしょうか？ 実際、Excelシートのような、プレゼン資料を作成するような、本質的には機械的なスキルが必要な仕事がたくさんあります。 AIが十分な文脈を持ち、十分な原始的知性を備えている場合、これらの仕事は今でもうまくいくでしょう。

ですので、私たちがそれをよりアクセスしやすく、人間にとってよりフレンドリーにするだけであれば、「Codexはプログラマー向け」から一気に「Codexはすべての人向け」に変わります。

Alex：
そして、この明らかな進歩を目にした後、シリコンバレーではほぼ静かな現象であるOpen Clawが急速に現れましたね。または、もっと広義に言えば、全体的に技術業界が、あなたがさっき言及した方法でAIを信頼し始めているのですよねーたとえば、AIロボットにデスクトップ制御権限を委任したり、Mac miniを使用してメール、カレンダー、ファイルなどの権限を与え、ある程度「生活を管理させる」ようにしている状況です。

後にOpenAIはOpen Clawの創設者を会社に引き入れました。したがって、この種の「生活を管理する」AIについてもう少し詳しく説明していただけますか？Open Clawチームの引き入れは、裏にあるビジョンの一環でしょうか？

Greg Brockman：
私は言います、この技術の核心的な点は、それが実際にどのように有用になるか、人々がそれをどのように使用したいか、知性体のビジョンは何か、それがどのようにして人々の生活に入るか—これら自体が非常に難しい問題である、ということです。

私がこれまでの数世代の技術進化で何度も見てきたことの1つは、本当に深く投資し、好奇心旺盛で、想像力に富んでいて、新しい経済にますます価値のある能力を持っている人々が、それ自体が非常に実際の能力であることであり、それがどのようにして人々の生活に入るかを見つけるのが本当の場所である、ということです。

Open Clawの創設者であるPeterは、私にとってこのような人物であり、彼は非常に豊かな想像力と強い創造意欲を持っています。したがって、ある意味では、これは特定の技術と関連があるかもしれませんが；一方で、それは本質的に技術的な問題にとどまらないかもしれません。それは本当の問題は、これらの能力を人々の生活にどのように埋め込み、それらが本当に適切な場所に落ち着くかを見つけることである、ということです。

したがって、技術者としてはもちろん興奮しています。しかし、真にユーザーに価値を提供する方法について本当に心配している人としては、私たちは今、この問題にかなりの投資をしており、非常に多くの投資を行っています。

Alex：
最近、この件に関して興味深いコメントがありましたね。あなたは、これらの自治AIエージェントがあなたの代わりに作業を行い始めると、あなたは「成千上万のエージェントからなる艦隊のCEO」となり、それらがあなたの目標、ビジョン、任務を達成してくれる一方で、具体的な問題の解決の詳細にまで自分を飽きさせずにすみます。

しかし、あなたは、ある意味では、この新しい働き方によって、問題そのものへの「脈拍感」を失いつつあるような気がするとも述べています。

Greg Brockman：
これは果たして良いことなのでしょうか？ 私は、それが利点と欠点の両方を兼ね備えているものだと考えています。

したがって、私たちが行うべきことは、これらのツールが実際にもたらす力を認める一方で、それらがもたらす弱点を可能な限り緩和することだと思います。たとえば、人々により大きなレバレッジを与え、より大きな行動力を持たせること——もしあなたがビジョンを持ち、成し遂げたいことがあるなら、あなたは自分のために完全なスマート体艦隊を動員してその任務を果たさせることができます。これはもちろん非常に強力なことです。

しかし、この世界の運営方法を考えてみると、最終的には責任を負うべき人物がいます。たとえば、ウェブサイトを作成していて、あなたのスマート体が何か問題を起こし、最終的にユーザーに影響を与えた場合、厳密に言えば、それはスマート体の過ちではなく、あなたの過ちです。ですので、あなたはそのことを考慮しなければなりません。

私は、これらのツールを真に活用しようとするすべての人が認識すべきだと考えています：人間の行動力、人間の責任は、システム全体の中核的な部分です。AIを人間がどのように使用するか、それ自体が非常に根本的な問題です。

ですので、私が最も重要だと考えている点は：これらのスマート体の使用者として——私たち OpenAI 内でもそうですが——あなたは責任を放棄してはいけません。あなたは単に「AIがすべてをうまくやるだろう」とは言えません。

Alex：
もちろん。しかし、あなたがさっき述べた「問題の脈拍感を失いつつある」と、それと「責任」とはまったく異なるように思えます。

Greg Brockman：
私にとって、これらは実際には密接に関連しています。なぜなら、重要なのは：もしCEOでありながらも、あなたが細部から遠ざかりすぎていると——たとえば、チームを率いていたり、会社を運営していても、最前線の状況を感じ取れていないと、通常は良い結果にはつながりません。ですので、私がさっき伝えたかったのは、「人間が何も知らなくてもいい時代が実現された」という価値のあることではないということです。

もちろん、このような詳細のいくつかは安心して他者に任せることができます。あたかも家を建てるために総合請負業者を見つけるように、多くの細部はおそらく自分で目を光らせる必要はないでしょう。ただし、根本的には、いくつかの重要な詳細が問題になった場合、あなたは関心を持つべきであり、それを知っているべきです。

ですので、ここには非常に重要な微妙な違いがあります：単に「問題に対する把握感を失ってもかまわない」と盲目的に言うべきではありません。それどころか、我々は能動的に言うべきです：私たちは依然としてその感覚を持っておく必要があり、本当にシステムの強みと弱点を理解するために。

そして、より低レベルで、より機械的なトランザクションから抜け出す際、その理由は、システムとの信頼関係を築いており、システムがうまく機能することを確認しているからだと思います。

Alex：
モデルに関して、最後に1つ質問させてください。さっき、モデルの進化経路に触れましたね：事前学習からファインチューニング、さらに強化学習に進み、ステップバイステップで問題を解決し、インターネット上でタスクを実行できるようにします。

そして、私たちは今、モデルがこのプロセスを通じてツールの使用方法を学んだ段階にいます。もし理解が間違っていなければ、次の進化経路のステップは何でしょうか？

Greg Brockman：
私たちが現在生きている世界は、機械の能力がますます深まり、拡大していく世界だと考えています。もちろん、これは一部ツールの使用と関連していますが、同時に、私たちはその「ツール」自体を実際に非常に優れたものにしなければなりません。つまり、AIが「コンピュータ操作」を行い、デスクトップシステムを人間と同じように使用できるようになった場合、原則としては、AIはあなたができることすべてができるようになったということです。

しかし同時に、機械には多くの基盤となるインフラストラクチャを提供しなければなりません。たとえば、企業環境では、認証や権限管理はどのように行われるのでしょうか？監査トレイルや観測可能性はどのように管理されるのでしょうか？モデルの基本的な能力の発展に追いつくためには、多くの補助技術が整備されなければなりません。

全体として、私は次の段階には、「非常に自然な音声インターフェース」のようなものが含まれると考えています。つまり、今のようにコンピュータと自然に会話でき、コンピュータが本当にあなたの言葉を理解し、必要な作業を完了し、価値のある提案をしてくれるようなものです。

たとえば、コンピュータが自発的に警告を出すことがあります：あなたが進めているプロジェクトが現在スタックしています、問題はここにあります。または朝起きたときに、昨晩何を達成したかを通知します。

おそらく、それはあなたのビジネスをすでに運営しているかもしれません―私は、この技術が巨大な適用分野となると考えています。起業家精神の民主化が確実に起こります。コンピュータがあなたに言います：ここに問題があります。ある顧客が不満を持っていて、人間と話したいと言っています、あなた自身で対応した方が良いでしょう。これらのことが起こります。

そして、次の段階には、人間が挑戦できる限界がさらに高くなるでしょう。実際、この動向の最前線をすでに見ていると言えるかもしれません。私が最も興奮するポイントは、ほぼAlphaGoの第37手を比喩的に引き合いに出せることです―その一手は人間が決して打つことのないもので、創造性を持ち、多くの人々のゲームへの理解を変えました。

これはあらゆる領域で起こり得ることです。科学、数学、物理、化学の中で起こり、材料科学、生物学、医療、薬物発見でも起こり得ます。文学、詩、および他の多くの領域でも起こり得ます。これは、私たちが今のところ想像できない方法で、人類の創造的理解と構想の新しい領域を開くことになるでしょう。

Alex：
しかし、モデルがあなたが言うように強力なら、なぜそのようなことがまだ本当に起こっていないのでしょうか？

Greg Brockman：
私は、ここに「能力の遅れ差」が存在していると考えています。つまり、モデルが実際に持っている能力と、人々がそれを実際にどのように使用しているかとの間には、まだ大きな差があるということです。ある意味では、モデルに実際に何が「組み込まれている」のかという理解自体がまだ進化途上にあると言えます。

したがって、私は、技術が今後進歩を続けなくても、世界は依然として大きく変化するだろうと考えています — コンピューティングと AI による経済がやってくるでしょう。

しかし同時に、別の理由もあります：私たちが現在一番得意としているのは、モデルを「計測可能な」タスクにトレーニングすることです。だから最初は、数学の問題やプログラミングの問題から始めたのです。なぜなら、これらのタスクには非常に明確な検証手段があります：答えが合っているかどうかを非常に明確に判断できるからです。そしてこのようなタスクの範囲を徐々に拡大してきたことで、過去の時間の中で、モデルをよりオープンな問題に導くことができたのです。

AI 自体もこの点を実現するのに役立つ可能性があります。AI が十分に賢く、タスクを理解できるようになれば、評価基準を与えれば徐々に学習できるはずです。ただし、創造的な執筆などのタスク、例えば「この詩は良く書かれているか」は、評価するのが難しいです。

したがって、過去において、この種のシナリオでは、AI が試行とフィードバックを通じて本当に学習するのは難しいと言えるでしょう。ただし、すべてが変化しつつあり、我々は今後の方向性を非常に明確に理解しています。

Alex：
それは興味深いことですね。以前 Peter Thiel が言った言葉があります。要するに、「数学が得意な人」は、これらのモデルに対する打撃が、「言葉が得意な人」よりも大きいかもしれません。あなたも以前は Math Club のメンバーでした。それを心配していませんか？

Greg Brockman：
私は、人々は自分が得たものよりも失ったものをより簡単に見る傾向があると考えています。なぜなら、「以前はどのようにしていたのか」という自分の経験に非常に深い結びつきがあるからです。たとえば、以前に数学コンテストに参加していたとしても、今では AI も数学コンテストができるようになりました。でも問題は、それが本当に「数学コンテスト」自体に関係あるわけではない、という点ですよね？それが人類を前進させる核心的な部分ではないからです。

今の仕事の仕方を考えると——ボックスの前に座って、別のボックスに向かってタイプをする——100年前、私たちはこのように生活していませんでした。これは自然な状態ではなく、私たちが巻き込まれたこのデジタル世界の本来の姿ではありません。

それは「人間である」という本質的な部分ではありません。真に重要なのは、現在地にいること、今を生きること、他者とつながりを持つことです。

そして、私が考えるに、私たちが見ることになるのは：AI が多くの時間を解放し、人類にお互いのつながりを強化し、人と人の絆をより深める機会を提供するでしょう。

この点が私を非常にワクワクさせます。

Alex：
よし。では、さらにエージェントらしいアプリケーションシナリオに移行していく際、外部からは未来、そんなに大規模なトレーニングタスクを継続する必要があるのか、という議論が始まっています。

特に、モデルが十分に優れている場合、それを直接現実世界に導入し、事前トレーニングに依存しない多くの段階で大幅な向上を達成できるように見えます。そして、本当に大規模なデータセンターが必要なのは、実際には主に事前トレーニング段階です。

あなたは常に規模を拡大し、この取り組みを推進してきました。この主張についてどうお考えですか？

Greg Brockman：
私は、この主張が技術の進化に非常に重要な点を見落としていると思います。確かに、モデルのプロダクションラインの各段階は互いに影響を与え合います。したがって、すべての段階がより強力になることを期待します。

私たちが見ているのは：事前トレーニングが強化されると、後続のすべてのステップがはるかに容易になります。これは実質的に合理的なことです。初めからモデルがより強力であるため、学習がより速くなります。異なるアプローチを試み、自己の誤りから学ぶ際、台数が多いほど、ベースが強いため、進捗が速く、誤りも少なくなります。

したがって、本当の大きな変化は、「純粋に閉じた自己推論型の合理システムをトレーニングする」という考え方から、「それを現実世界で直接試行させる」に変わるということではありません。その代わりに、モデル自体を拡大し、強化するだけでなく、さまざまなことを試し、現実世界で人々がそれをどのように使用しているかを理解し、その使用のフィードバックをトレーニングプロセスに再組み込む必要性に気づくということです。しかし、これによって研究を進めることの価値が削がれるわけでもなく、その重要性が低下するわけでもありません。

私たちの考え方の変化のもう1つは：過去、私たちは主に事前トレーニング段階の基本的な能力に焦点を当てており、推論段階や推論段階の能力にそれほど重点を置いていませんでした。しかし、過去24ヶ月で、大きな変化の1つは、これら2つの間のバランスが必要だと認識し始めたことです。

言わんとしているのは、非常に強力なベースモデルを持つことができますが、推論と実行時にも効率的である必要があるということです。強化学習を行い、それを実際の世界に展開するためには、これらすべてが非常に効率的であることが求められます。

これはまた、トレーニングを理論上可能な限り大規模に拡大する必要はないということを意味します。なぜなら、将来の多くの使用シナリオも考慮する必要があるからです。

本当に望んでいるのは、知能水準とコストの間で最適な点を見つけることです。1つの次元だけを最適化するのではなく、その積を求めることです。

Alex：
将来的に主に推論に移行する場合、NvidiaのGPUがもはや必要ではなくなるのですか？

Greg Brockman：
私たちはもちろん非常に必要です。

Alex：
なぜですか？

Greg Brockman：
理由はいくつかあります。

その1つは、トレーニングと推論の比率がどのように変化しようとも、超大規模なトレーニングはまだ、膨大な計算リソースを1つの問題に集中させることでのみ達成できるため、現時点では他に代替手段がありません。

したがって、私が考える未来のより可能性の高いシナリオは、展開側の計算リソースの割合が大幅に増加する一方で、依然として非常に巨大なプレトレーニングタスクを行う必要がある特定の時点があることです。そのときには、多くの計算リソースを集中させる必要があります。

そして、私はNvidiaのチームが本当に優れていると思います。彼らが行っている仕事は非常に素晴らしいです。ですので、はい、私たちは彼らと非常に密接に協力しています。

Alex：
そのうち、人々が「私たちはすでに十分にプレトレーニングを行い、モデルは十分に賢い」と言い始めることはありますか？

Greg Brockman：
私は、これはすべての問題が解決されたときになるかもしれないと言っているのと似ています。しかし、私たちが達成しようとしていることは、実際にはそれよりもはるかに高いです。

過去50年間、ある意味で、私たちは多くの目標に対する野心を後退させてきました。例えば、すべての人が医療保険を持つことができるかどうかは明らかですが、「問題が生じたら治療する」だけではなく、本当の予防医療を実現し、ライフスタイルに注意を払い、リスクを検知し、疾患が発症する前に早期に人々を支援できるようにすることは可能だと思います。私たちが本当に解決できるかもしれない問題です。

もちろん、おそらくあるレベルで、その問題が完全に解決されている場合が存在します。その時、あなたはおそらく尋ねるでしょう：私は2倍のスマートなモデルが必要ですか？しかし同時に、他のより高いレベルの知能が求められる他の問題が必ず存在するでしょう。

ハッシュパワーはコストではなく、収入エンジンです

Alex：
ここでは、これらのデータセンターの背後にある数字についてお話ししましょう。今年、あなたたちは1100億ドルを調達しました。この数字の計算方法は何ですか？この資金は直接データセンターに投資されるのですか？未来、どのようにしてこの資金を投資家に還元する予定ですか？この計算ロジックについてお話しましょう。

Greg Brockman：
私たちの支出の中で最大のものは、ハッシュパワーです。しかし、ハッシュパワーを単なるコストセンターとして考えることはできず、それはむしろ収入源のようなものです。

それは、営業チームを採用することと考えることができます。あなたはいくつの営業チームを雇う用意がありますか？製品が売れる限り、その製品をスケーラブルに販売する仕組みがあれば、雇う営業チームが多ければ多いほど収入が増えます。

そして私たちが現在直面している世界は、私たちがハッシュパワーを求める速度を十分に追いつけないことを繰り返し発見している世界です。この点について私は今、非常に具体的に感じています。どの機能をリリースできるか、一時的にリリースできない機能は何かを判断しなければなりません。ハッシュパワーをどこに優先的に割り当て、どこに割り当てないかを決定しなければなりません。

そして私は、経済全体がAIに駆動される方向に変わるにつれて、この状況がより広範囲に現れると考えています。

将来、本当に重要な問題は、「どの問題がその大量のハッシュパワーを得ることができるのか？」、「どのように拡張すれば、誰もが自分自身の個人知能エージェントを持つことができるのか？」、「すべての人がCodexのようなシステムを使用できるようにする方法は何か？」ということになります。

現在の世界では、これらのことを支えるための十分なハッシュパワーが全くありません。したがって、私たちはこの問題に備えています。

Alex：
しかし、これは結局全く新しいカテゴリーであり、正しいですか？そして、あなたが非常に強い確信を持っている——その金額は、これまで世界が見たことのないほど大きくなっています。新しいカテゴリーを作成する際、最終的にそれが成立するという確信を持つことができるのはどうしてですか？

Greg Brockman：
私は、これにはいくつかの要素があると思います。

まず第一に、実際には既に歴史的な先例が存在しています。ChatGPTがリリースされた瞬間から、私は自分やチームとは非常に明確な対話をしていました。誰かが私に尋ねた：どれだけのハッシュパワーを買うべきか？私は言いました：全て。別の人が尋ねた：いや、真剣に、具体的にどれくらい買うべきか？私は「どのように建設しようと、私は需要に追いつくことができないことを知っています。」と答えました。

そしてその後の毎年、事実はそれを裏付けてきました。 問題は、この種のハッシュパワーの購入は通常、実際のマシンが配信される前に18か月前もしくは24か月前にロックされる必要があるということです。 つまり、マシンが実際に配信される前に、あなたは判断を下さなければなりません。 これは、非常に強力に未来を予測する必要があることを意味します。

そして私たちが向かっている世界は：今のところ、私たちのほとんどの収入はまだ消費者の定期購読から来ており、これは今後も非常に重要な部分になるでしょう。 もちろん、私たちは他の収入源も形成しています。

しかし、今浮かび上がっているより大きな機会は、知識労働です。

そしてこの点については、非常に具体的に見てきました：ほぼすべての企業がこの技術が本当に役立つと認識し始めており、競争力を維持したい場合は採用しなければならないということです。 その非常に自然な推進力、多くのソフトウェアエンジニアがそれを使用しており、現在はより広範に普及し、人々が企業内でさまざまな知識労働シナリオにそれを活用しています。 既に見られる支払い意欲や収入の成長は、非常に明確です。

これが今起こっていることです。 それを将来に投影するだけです。 外部よりも多くを見る可能性があるのは、これらのモデルが今後どのように進化していくかをより明確に見ることができるということです。

これらの要素を組み合わせると、経済そのものが非常に巨大なものであり、想像するのがほとんど不可能なほど巨大であることがわかります。 そしてこれから先、経済成長の最大の要素は、AIです。 AIをどのようにうまく活用し、それを駆動するためにどれだけのハッシュパワーを持っているかが重要になります。

Alex：
さっきおっしゃったように、消費者の定期購読が現在は最も大きな収入源です。 それでは、将来、企業が最大の収入源になるというのがお考えなのでしょうか？

Greg Brockman：
私は、今「企業端」が急速に成長していることが非常に明確に見えると思います。 もちろん、「企業端」という言葉自体も変化しています。 なぜなら、本当に指しているのは、人々が生産的な知識労働でAIを使用していることです。

価格設定の観点からは、過去と同じように明確な区分がないかもしれません。 例えば、現在のCodexの使用方法は：もしChatGPTの消費者定期購読を持っていれば、実際にはすでにCodexを使用できるということです。

そのため、将来はB2B、B2Cといった明確な区別が特になくなるとは考えられません。 より可能性のある状況は：ユーザーとして、あなたは統一されたエントリーポイントを持つことになるでしょう — それはあなたのノートパソコンのように、デジタル世界への入口です。

そして、真の収入は、本質的にここから生じるでしょう。

Alex：
Dario は、ある言葉を述べましたが、彼がおそらくあなたたちを指していると感じました：一部のプレイヤーはリスクをあまりにも高く設定しており、彼は非常に心配しています。おそらく彼は、あなたたちがインフラに大規模に賭けていることを指しているのだと思います。この発言についてどのように思われますか？

Greg Brockman：
私は同意しません。私たちは常に非常に慎重であり、また、次に何が起こるかを実際に見てきました。私は、今年だけを見ても、すべての本当に参加している人が「計算能力の制限」を感じるだろうと考えています。

私たちは単に他の人々よりもこの点について早く気づいたと考えており、技術がどのように展開されるかについて早くから準備を始めたと思っています。

私が見ている状況は逆であり、多くの他の参加者はおそらく昨年末までこの点に気づいておらず、その後急いで計算能力を探し始めたのですが、その頃にはほとんど購入できる計算能力が残っていなかったという事実です。

したがって、このような主張は容易にされるものです。しかし、現実は、誰もがすでに認識しているということです：この技術は実現可能であり、それはすでに現れており、それは実際に存在しているということです。ソフトウェアエンジニアリングは単なる最初の明確な例に過ぎません。

私たちを本当に制限しているのは、利用可能な計算能力です。

Alex：
彼はまた述べていますが、彼の予測が少しでも外れると、彼の会社は破産する可能性があります。あなたたちも同じようなリスクに直面していますか？

Greg Brockman：
私は、ここには実際にはもっと「脱出口」があると思います。もしあなたが本気で状況を考え始めると——これは完全に合理的な問題だと思いますが——そこで賭けているものは本来、1社に賭けているのではなく、全産業全体に賭けているのです。

賭けているのは：この技術が実際に作成され、私たちが見ている巨大な価値を提供できると信じているかどうかです。

私は依然として、最も直接的な証拠点に戻ります。例えばソフトウェアエンジニアリング——もしもあなたがソフトウェアエンジニアでなく、Codex を本当に使ったことがなければ、その体験の違いを理解するには読んだだけでは難しいでしょう。その違いを説明するのは実際には非常に困難です。しかし、人々はすぐにその違いを本当に感じるようになるでしょう。

半年前、そのような体験は主に我々内部で起こっていました；その後、外部でも明確な証拠点が現れ始めました。そして、さらに半年後、私は全員が感じるようになると思います。そしてその時、私たち全員が別の種類の痛みを感じるでしょう：素晴らしいモデルが登場していますが、世界中にはそれを実珵できるような十分な計算能力がないため、それを利用することができません。

Alex：
はい、しかし、私たちが番組で2026年の予測を行った際、昨年末に討論がありました。その際、Ranjan Royも出席しており、「2026年は『皆がスマートエージェントを使用している』年になるだろう」と述べました。その時、私の反応は次の通りでした：私自身がスマートエージェントを目にし、実際に使い始めるときに初めて信じるつもりです。

Greg Brockman：
それでは今、その時はすでにやってきているのではないでしょうか？今、あなたはそれをどのように使用していますか？

Alex：
私は内部でいくつかのツールを構築するために使用し、一緒に仕事をしている人々がビデオの公開時刻やサムネイルの作成方法などをよりよく同期できるようにします。さらに、YouTubeのデータを統合し、サムネイルなどの要因に基づいてビデオのパフォーマンスをランク付け分析できるようにします。ある意味では、これは私がカスタマイズしたソフトウェアセットですが、従来の方法だと、おそらく決してお金をかけることはなかったでしょう。

私が今とても興味深いと考える点は、ソフトウェアは本来、大規模な一般消費者向けに作られていましたが、そのため、必ずしもあなたのために作られているわけではない部分がいつも存在するということです。そして、AIによる変化がもたらすのは、我々がついにより自然な方法でソフトウェアとやり取りできるようになることなのかもしれません。

Greg Brockman：
私は、これが鍵だと思います。そして、私が常に考えていることの1つは、今日私たちがコンピュータを構築している方法は、実際には私たちをデジタルの世界に引き込んでいるということです。

自分がスマートフォンでコンテンツをキリキリとスクロールするのにどれだけの時間を費やしているか考えてみてください。さらに、システムをシステムに接続しようと必死になってボタンを連打している時間を考えてみてください。なぜこれらのことがあなた自身によって行われなければならないのでしょうか？AIが本当に行うべきことは、機械をあなたに近づけ、それをより適合させ、あなたが達成したいことをよりよく理解することです。

私たちのポップカルチャーには、あなたが直接コンピュータと話し、そしてそれが代わりに仕事をすることができるという想像が常にありました。そして今、このことが現実になりつつあり、実際にあなたが行うことができることになっています。この変化がどれほど驚くべきものであるかを理解するには、しばしば経験する必要があります。だからこそ、私は確かに、私たちは非常に特別な時期にいると感じています。

Alex：
では、なぜAIの一般的な印象がここまで悪いのでしょうか？たとえば、YouGovのデータによると、AIが社会に否定的な影響をもたらすと考えるアメリカ人の割合は、それがポジティブな影響をもたらすと考える人々の3倍になっています。

あなたはその背後にある理由は何だと思いますか？AIの一般的なイメージを心配することがありますか？

Greg Brockman：
私は、私たちが本当に行う必要があることが1つあると考えています：AIが彼らにとってなぜ有益なのか、この国の人々に見せることです。そして、それは単なる大局的な経済的側面からではなく、GDPの成長を促すなどの大それた言葉だけでなく、具体的に彼らの生活をどのように改善するかです。

実際、私は毎日非常に具体的なストーリーをたくさん聞いています。たとえば、ある家族がいます。彼らの子供は頭痛が続いており、他にもいくつかの健康問題がありましたが、MRI検査はいつも拒否されていました。後に彼らはChatGPTを使って症状を研究し、実際には保険会社により強力な申請理由を提示できることに気付きました。彼らはそれをしました。その結果、子供の脳に腫瘍があることが判明しました。ChatGPTを通じて正しい情報を得たため、最終的に子供の命を救うことができました。

これは1つの物語に過ぎません。同様の物語はたくさんあります。人々の生活はこの技術によって大きく向上し、命を救われることさえあります。重要なのは、彼らが実際にこの技術と協力関係を築いていることです。

しかし、私はこのような物語が実際にはあまり広まっていないと感じています。多くの人々の生活でこのようなことが起こっていると思いますが、なぜかまだそれが主流の物語になっていません。

また、私は、特に1990年代から続くポップカルチャーが、AIに非常に否定的であり、問題を引き起こす可能性を強調していることに気付きました。しかし、一度人々が実際にAIを使い始めると、それが実用的であり、助けになることに気付きます。

だから私は実際に非常に気にしていることがあります：私たちはまだ、このテクノロジーブームがなぜ人々の生活を改善し、人々とのより密接なつながりを促進するのかを人々に成功裏に伝えていないと思います。

これは私の中で非常に重要な焦点です。さらに視野を広げて、AIがなぜ非常に重要であり、将来的には経済力や国家安全保障の重要な要素になると私は考えています。それは国の競争力に関わります。中国などの他の国々のように、AIが歩む方向性はほぼ完全に反対です。

ですので、はい、私はこのことが非常に重要だと思います。私たちはこれに向き合わなければならず、また、誰もがこの技術の恩恵を共有できるようにする方法を本当に考える必要があります。

Alex：
しかし、我々は現在非常に不安定な時期にいます。皆が仕事を心配しています。AIについて誰かと話すたびに、ほぼいつも質問されるのは：私の仕事はまだどのくらい安全でしょうか？

そして、データセンターに関しては、一般市民の意見はAIそのものよりもさらに悪いです。これらの世論調査を見ると、データセンターが環境や家庭のエネルギーコスト、周辺住民の生活の質にネガティブな影響を及ぼすと考える人の方が、ポジティブな影響を考える人よりも多いです。

だから、私たちは今、このような瞬間にいます。いい仕事を見つけることがますます難しくなっていたところに、人々はデータセンターが自分たちのコミュニティに入ってくるのを見て、それが環境にやさしくないだけでなく、エネルギーコストを押し上げ、生活の質を低下させるだろうと考えるようになりました。

彼らは間違っていますか？

グレッグ・ブロックマン：
私は、データセンターに関する多くの誤解があると考えています。

典型的な例として、水の問題があります。例えば、私たちがアビリーンにある施設を実際に見ると、それは世界最大または少なくとも最大のスーパーコンピュータ施設の1つであり、年間の水使用量は実際には通常の家庭の1年分に相当します。つまり、水の使用量は微々たるものです。

しかし、外部からは、これらのデータセンターが多くの水資源を消費すると誤解される情報がたくさんあります。

電力も同様の状況です。私たちは電力の値上げ圧力を住民に転嫁しないことを約束しました。この点は非常に重要であり、今や全業界が同様の約束をするようになってきているのは、現地コミュニティの改善が非常に重要であるからです。そして、私たちがデータセンターを建設する際には、現地コミュニティに本当に参加し、地元で何が起こっているか、地元の役に立つことができるかを理解します。データセンターは税収をもたらし、雇用を創出します。それは本当に多くの利益をもたらすのです。

だから私たちは、肝心なのは私たちがどのように登場するかであり、これは私たちが非常に真剣に取り組んでいる責任の一環です。

アレックス：
良いですが、住民の電気料金が上がらないなら、あなたたちは電力を供給しなければならず、これはより多くの汚染を意味する可能性があります。これは問題ではないのですか？

グレッグ・ブロックマン：
私は、実際にはこの問題には多くの洞察があると考えています。

今日の電力ネットワークの運用を見ると、実際には多くの「アイドル電力」が存在していることがわかります — つまり、多くの電力がそこにあるのに、実際には十分に活用されていないという状況です。同時に送電システムそのものもアップグレードが必要です。そして、肝心なのは、これらのアップグレードコストを私たちが負担すべきであり、一般の料金支払い者が負担すべきではないということです。また、多くの地域にはすでにクリーンエネルギーがあるにも関わらず、この電力は実際には十分に活用されておらず、あるいはある程度は無駄になっています。

したがって、データセンターの需要が入ることで、すでに陳腐化して時代遅れになっている送電インフラをアップグレードする真の原動力が生まれます。そして、このようなアップグレードは実際にコミュニティにリアルな利益をもたらします。例えば、ノースダコタ州では、地元のデータセンター建設が公共施設インフラを改善するのに役立ち、結果として住民の電気料金が下がりました。

Alex：
よし、最後の政治問題です。あなたはMAGA Inc.に2500万ドル寄付しました。これはトランプを支持する政治行動委員会です。

Greg Brockman：
これについて以前からKaraと話しました。

注：Kara Swisherはアメリカの有名なテクノロジージャーナリストで、長年に渡りシリコンバレーとインターネット企業を報道し、鋭い質問と率直なスタイルで知られています。

Alex：
はい。その時、あなたは「この技術が皆のために本当に役立つのであれば、私は何でもします」と言っていました。それによって「単一問題有権者」となったり「単一問題寄付者」となったりしても構わないと。しかし、私がずっと考えているのは、このような「単一問題陣営」にとって、最終的には政治行動の真の北極星は「この国をより強くすること」であるべきではないか、ということですか？

つまり、候補者があなたがしていることを100%支持していなくても、その候補者がこの国をより強くすることができるなら、それは政治的支援の重要な基準になるべきではないですか？もしそうなら、それはあなたの寄付の考慮の一部でもありますか？

Greg Brockman：
私はこう考えています：その寄付は私と妻が一緒に決めたものです。私たちは両党のスーパーPACにも寄付しています。

私はこの技術が非常に急速に進んでいると考えています。これから数年で、それは本当にすべてを変え、経済全体の基盤となるでしょう。しかし、この技術は現在、歓迎されていません。ですので、私たちは本当にこの技術を受け入れ、この技術を真剣に理解しようとしている政治家をサポートしたいと考えています。

もちろん、より広い視点から見れば、この技術そのものが実際には私たちの国家の能力を向上させています。ある意味で、私は「単一問題有権者」ですが、この分野で私が最も独自の貢献をすることができると思っています。しかし、最終的に、これはこの国がこの技術を積極的に受け入れるべきだという支持の表れです。

将来の中心的能力：AIの使用ではなく「AIの管理」

Alex：
もしも今、AIを非常に恐れている人があなたの前に座っており、その人がAIが私の仕事を奪い、コミュニティを破壊し、世界を速すぎる変化にさせるだろうと心配しているとしたら、あなたはその人に何と言いますか？

Greg Brockman：
私が言いたいことの1つは、それらのツールを実際に試してみることです。なぜなら、現在存在しているAIを実際に体験することでしか、それがあなたのために何ができるのかが本当に理解できないからです。

そして、我々は今日、この技術から得られる機会や潜在能力、エンパワーメントを多く目にしています。さっき言ったように、今この技術で何ができるかを考えた時には、以前ウェブサイトを作ったことがなかった人が今ではウェブサイトを作れるようになったり、小規模ビジネスを立ち上げたいと思っても、かつてのバックエンドプロセスや運営の詳細に怯えていたかもしれませんが、今ではAIが多くのことを手助けしてくれるようになりました。

そのため、自分自身の生活においても、これが健康管理や愛する人のサポート、収入の増加、費用削減に役立つかどうかを考えるべきだと思います。これらはすべて現実的な選択肢となるでしょう。

私は、人々は常に「何が変わるのか」を見るのは簡単ですが、「自分自身がどう変わるか」を見るのは難しいと考えています。しかし、私は、これに対して公平な機会を与える価値があると考えています。両方の側面が実際に何を意味するのかを真剣に理解することが重要だと思います。

Alex：
ちなみに、これは投票においてあまり議論されない点でもあります。AIについては「聞いたことがあるが実際に使ったことがない」という人、またはほとんどAIを使用したことがない人は、しばしば否定的な見解を持っています。しかし、ヘビーユーザーになると、あるいは普通のユーザーであると、彼らは通常、この技術に対する見解がはるかに前向きになります。

Greg Brockman：
個人としては、私たちはこの技術について多くの年月を考えてきました。そして、この技術の実際の展開を見ると、私たちが想像していた以上に驚くべきものであり、また非常に有益であり、予想以上にポジティブな影響をもたらすでしょう。

Alex：
最後の質問です。誰かが将来に向けてどのように準備すべきかと尋ねた場合、どのように回答しますか？

ただし、この回答は「ツールを使う」というだけではない必要があります。なぜなら、本当に私の周りには、「私の仕事がどうなるか分からないし、この世界がどうなるかも分からない。ただ今、どうやって行動すればよいのか知りたい。」と尋ねる友人がいます。

Greg Brockman：
私はやはり、最初にこの技術を理解することが重要だと考えています。この技術から最も得られる人々は、しばしば好奇心を持ってその技術に acActiveproachしようとする人々です。彼らは実際に自分のワークフローにその技術を取り入れようとし、最初のハードルを乗り越えるために努力するでしょう。すなわち、空の入力フィールドに直面した時の「この技術をどう使うべきか」に対する混乱です。

あなたは段階的に、自分がリーダーになれると考え、方向を定め、タスクを割り当て、監督できるという能力を育てていく必要があります。そして、この能力を本当に持つように発展させなければなりません。なぜなら、これは非常に基本的な能力となるからです。

私たちはこの技術を構築してきたのは、人類を助け、より多くの人々がつながりを持つことを促進し、他のやりたいことに時間を費やすための余裕を持たせることが目的でした。したがって、最終的には、あなたが本当に望むものは何かを考えることとなります。そして、重要なのは、そのことを明確にし、この技術を活用してそれを実現することです。

Alex：
そうです。番組に来てくれて本当にありがとう。

Greg Brockman：

招待していただきありがとうございます。

Alex：
聞いていただき、ご覧いただき、ありがとうございます。次回の《Big Technology Podcast》でお会いしましょう。

[ビデオリンク]

BlockBeats の公式コミュニティに参加しよう：

Telegram 公式チャンネル：https://t.me/theblockbeats

Telegram 交流グループ：https://t.me/BlockBeats_App

Twitter 公式アカウント：https://twitter.com/BlockBeatsAsia