Name: 世界最年少の自称億万長者は25歳の大学中退者｜Forbes（フォーブス (The New Youngest Self-Made Billionaire In The World Is A 25-Year-Old College Dropout | Forbes)
Uploaded: 2023-02-06T03:00:26.000Z
Duration: 6 min 52 s

When in math and science and physics and these fields, there's always a right answer.

数学、科学、物理学、こういった分野では、常に正しい答えがあるものです。

You're either you're right or you're wrong.

自分が正しいか間違っているかのどちらかです。

様態の副詞

And I actually think that teaches you some of the wrong lessons.

そして、実は、それは間違った教訓を与えていると思うのです。

I remember really vividly from my early violin lessons where you can get all the notes right, but that actually isn't what matters.

初期のバイオリンのレッスンで、すべての音を取れるようになったことを本当に鮮明に覚えていますね。

What matters is that you could weave through the notes, the emotion and the story that the original composer is trying to convey.

でも、実はそんなことはどうでもよくて、大事なのは、原曲の作曲家が伝えようとしている感情やストーリーを、音符で紡ぎ出すことができたかどうかということです。

And I think that was a really powerful lesson 'cause I think one thing that many of us learned over time is that a lot of times it's not about something being clinically correct or clinically right or exactly right,

なぜなら、私たちの多くは、臨床的に正しいかどうかということよりも、臨床的に正しいかどうかということが重要だということを、長い時間をかけて学んできたからです。あるいはまさにその通り。 

it's about how they kind of make people feel.

人にどのような感情を抱かせるかということです。

And I think that definitely is true in technology and it's definitely true in everything that we try to build.

そして、それはテクノロジーにおいても、私たちが作ろうとするものすべてにおいても、間違いなく同じことが言えると思うのです。

私はアレクサンダー・ウェイと申します。

私はScale AIのCEO兼創設者です。 Scale AIは、世界で最も野心的なAIプロジェクトを強化するためのAIのデータインフラです。

Scale AI is the data infrastructure for AI to power the most ambitious AI projects in the world.

Scale AI は、AI が世界で最も野心的な AI プロジェクトを推進するためのデータ インフラストラクチャです。

Every organization wants to implement AI but oftentimes the biggest bottleneck in their way is being able to create really high-quality data and datasets to power that AI.

どの企業もAIを導入したいと考えていますが、その際に最大のボトルネックとなるのが、AIを動かすための高品質なデータとデータセットを大規模に作成できるかどうかという点です。

At Scale, we sort of view data as the core problem of building great AI whereas a lot of other companies view it as an afterthought and that really prevents AI from having sort of the magnitude of outcomes that it's able to have.

私たちは、データを優れたAIを構築するための中核的な問題として捉えています。一方、他の多くの企業はデータを後回しにし、その結果、AIが持つ大きな成果を妨げています。

We've raised over $600 million dollars to date,

これまでに 6 億ドル以上を調達し、

and we work with everywhere from the largest automakers in the world like Toyota and General Motors to the United States Department of Defense to some of the largest enterprises in the world like Microsoft Square and PayPal,

また、トヨタやゼネラル モーターズなどの世界最大の自動車メーカーから、米国国防総省、Microsoft Square や PayPal などの世界最大級の企業まで、あらゆる場所と協力しています。

and some of the leading AI research organizations like OpenAI.

そして、OpenAI のような主要な AI 研究組織のいくつか。

When you learn how to program for the first time, it's kind of shocking, but you actually are generally sort of telling the computer to do very simple things.

私たちは、6億ドル以上の資金を集めました。 オープニングIのようなAi研究機関 初めてプログラミングを学ぶときは、ちょっとショックですが、実際には、コンピュータに非常に簡単なことを指示するようなものです。

The art of programming traditionally is the art of sort of giving computers very black-and-white instructions, very simple instructions that anybody could follow.

従来のプログラミングは、コンピュータに白黒の指示、つまり誰でもできるような簡単な指示を与える技術でした。

And one of the beauties of AI is that you actually have the ability to program computers with judgment and with reasoning and with sort of nuanced understanding of the world.

AIの優れた点のひとつは、判断力や推論力を備え、世界を微妙に理解できるようなコンピュータを実際にプログラムできることです。

And so you can have an AI system, look at an image and tell you what's in the image or listen to an audio snippet and understand what's being said.

AIシステムが、画像を見て何が写っているかを教えてくれたり、音声の断片を聞いて何を言っているかを理解したりすることができるのです。

And it is sort of this incredible enabler for what computers can do or the power of computing.

そして、コンピュータにできること、つまりコンピューティングの力を信じられないほど高めてくれるものなのです。

And in general, I think we've already seen sort of over the past many decades what the power of computers and computing and mobile phones and all that stuff has been on humanity.

一般的に、コンピューターやコンピューティング、携帯電話などのパワーが人類に与えた影響については、過去何十年にもわたり、すでに見てきたと思うんです。

And I think AI and machine learning has a huge opportunity to do the same.

そして、AIや機械学習にも大きなチャンスがあると思うのです。

Both my parents are physicists and I grew up in the small town in New Mexico called Los Alamos, New Mexico,

両親とも物理学者で、私はニューメキシコ州のロスアラモスという小さな町で育ちました。ここには国立研究所があり、一緒に育った人たちの多くは両親が何らかの科学者で、ある意味とても特別な場所だったのです。

where there's a national lab and a lot of the people I grew up with had parents who were scientists of some sort, it was a sort of very special place.

そこには国立研究所があり、私が育った多くの人々はある種の科学者である両親を持っていました。それは一種の非常に特別な場所でした。

And my mom, from a very young age, taught me about math and physics and science.

そして、幼い頃から母が数学、物理、科学について教えてくれました。

And, you know, she taught me with such wonders.

そして......彼女は、私に不思議なことを教えてくれたんです。

子供のころは本当にせっかちでした。

I think I always wanted to be learning more or I always want to be doing more, always wanted to sort of be accomplishing more.

私はいつも、もっと学びたい、もっとやりたい、もっと成し遂げたい、と思っています。

And so, I actually, I left high school after my junior year of high school and then moved out to Silicon Valley to work as a software engineer.

それで、実は、高校3年生で高校を辞めて、シリコンバレーに出て、ソフトウェアエンジニアとして働いていたんです。

I learned so much about building products, about what it meant to be metrics, focus and data focus and what it meant to build great software.

製品づくりについて、メトリクス、フォーカス、データフォーカス、そして優れたソフトウェアを構築することの意味について、多くのことを学びました。

And then, that's when I was inspired by AI, I sort of saw it in my daily work.

そして、その時にA Iに触発され、日々の仕事の中でなんとなく見えてきたんです。

I was like, AI is really cool and I went back to MIT and then for about a year of MIT, I dropped out to start Scale.

私はIが本当にクールだと感じ、MI Tに戻り、MI Tの約1年間は、スケールを始めるためにドロップアウトしました。

We have over 500 people now, so it's pretty insane to watch.

You know, what we originally started as a, you know, a few people in a, in the basement of our investor to what has sort of become.

元々は投資家の地下室で数人で始めたことが、今では自律走行車や自動運転の分野にまで広がっているのを見ると、本当に驚かされます。

Where we started was in autonomous vehicles and self-driving.

私たちが始めたのは自動運転車と自動運転でした。

And I think it was one of the first real use cases and applications of AI that I think caught the imagination of the world.

そして、AIの最初の本格的な使用例、応用例として、世界の人々の想像力をかき立てたと思います。

You know, what if we could have unlimited easy eco-friendly transportation everywhere in the world through autonomous vehicles?

自律走行車によって、世界中どこでも簡単にエコに無制限に移動できるようになったらどうでしょう。

One of the examples that we get really excited about is in health care.

私たちが本当に興奮する例のひとつが、ヘルスケアで、健康管理です。

In health care, there's a huge bottleneck in the number of doctors, trained doctors all around the world.

世界中で医師を養成するドクターの数が大きなボトルネックになっているのです。

And there's incredible potential for AI and machine learning to actually analyze as many of the cases possible automatically before needing escalation.

そして、AIや機械学習によって、エスカレーションが必要になる前に、可能な限り多くのケースを実際に自動で分析することができる、信じられないほどの可能性を秘めているのです、医師は。

So the doctor can spend their time on cases with anomalies or erratic data or whatnot.

そのため、医師は異常や不規則なデータなどの症例に時間を割くことができるのです。

And so at Scale, we actually did research with MIT on using AI and machine learning to analyze dermatology data and dermatology imaging to see how AI can actually automate that process and then, therefore, unblock the sort of dr bottleneck.

そこで、AIと機械学習を使って皮膚科のデータと皮膚科の画像を分析し、Aiがどのようにそのプロセスを自動化し、ドクターのボトルネックを解消できるかをミットさんと一緒に研究したのです。

Another use case that I'm really passionate about is using AI to help solve some of the largest geopolitical problems and working with governments in being able to sort of provide technology to aid in some of these very tough and tricky situations.

私が情熱を注いでいるもうひとつの使用例は、AIを使って地政学上の大きな問題を解決することです。政府と協力して、非常に困難で厄介な状況にあるロシアのウクライナ戦争を支援するための技術を提供することができます。

In the war with Russia-Ukraine, we actually deployed Scales technology in understanding satellite imagery of major Ukrainian cities, Kharkiv, Kiev and Dnipro to understand what was the amount of damage in key parts of these cities.

ロシアとウクライナとの戦争では、スケールズの技術を実際に展開して、ウクライナの主要都市、ハリコフ、キエフ、ドニプロの衛星画像を理解し、これらの都市の主要部分の被害を把握しました。

And so we analyzed using machine learning as well as satellite and identified all sorts of structures in these cities where there was meaningful damage that wasn't otherwise being addressed or captured by humanitarian efforts.

そこで私たちは、機械学習と衛星を使って分析を行い、人道的な取り組みでは対応できない、あるいは捕捉できない、重大な被害がある都市のあらゆる種類の構造物を特定したのです。

And so I'm incredibly excited by our work there and actually enabling sort of humanitarian efforts, enabling us to respond to some of the world's most pressing and exigent problems in the world of AI.

そこで、私たちが人道的な取り組みを行い、AIの世界で世界で最も緊急かつ切実な問題に対応できるようになることに、大きな喜びを感じています。

There's, I think a lot of very smart people but who are focused, you know, so far out in the future that it's almost unhelpful, you know, there's so many people focused on what's gonna happen when we have AGI or what's gonna happen, you know, two or three decades in the future.

非常に頭のいい人たちがたくさんいますが、あまりにも遠い未来に目を向けているため、ほとんど役に立ちません。

And I think there's not enough people who are really focused on what are the problems that we have today and how can we use artificial intelligence and machine learning to really changed the game today?

そして、今抱えている問題は何か、人工知能や機械学習を使って今日のゲームを変えるにはどうしたらいいのか、ということに本当に集中している人は、まだ少ないと思うのです。

And so, I think what's next for us is to be the people, some of the people, hopefully in the world who are focused on how do we solve some of the biggest problem today around climate, around agriculture, around geopolitics, around medicine and really start making an impact, you know, now.

ですから、私たちの次の目標は、気候や農業、地政学、医学など、今日の最大の問題をどのように解決するかということに焦点を当てた、できれば世界で活躍する人たちになることだと思います。