Name: ジェンセン・フアン、マーク・ザッカーバーグと語るAIと次のコンピューティング・プラットフォーム (AI and The Next Computing Platforms With Jensen Huang and Mark Zuckerberg)
Uploaded: 2024-07-30T09:58:46.000Z
Duration: 58 min 38 s

to 不定詞

Ladies and gentlemen, I have a very special guest, but could I ask everybody to sit down?

紳士淑女の皆さん、特別ゲストがいらっしゃいますが、皆さん座っていただけますか？

My next guest, I am so impressed by this person, three reasons.

次のゲスト、私はこの人にとても感銘を受けた。

First reason is there are only a handful of entrepreneurs, founders that started a company that literally touched the lives of billions of people around the world as part of the social fabric, invented services, and a state-of-the-art computing company.

第一の理由は、文字通り社会基盤の一部として世界中の何十億もの人々の生活に触れ、サービスを発明し、最先端のコンピューティング企業を立ち上げた起業家、創業者はほんの一握りしかいないからだ。

Two, very few entrepreneurs, founders founded the company and led it to over a trillion dollars of value.

2人の、ごく少数の起業家、創業者が会社を設立し、1兆ドル以上の価値に導いた。

そして3つ目は、大学を中退したことだ。

Ladies and gentlemen, please help me welcome Mark Zuckerberg.

皆さん、マーク・ザッカーバーグを歓迎しましょう。

マーク、初めてのSIGGRAPHへようこそ。

One of the pioneers of computing, a driver of modern computing, and I had to invite him to SIGGRAPH.

私は彼をSIGGRAPHに招待しなければならなかった。

とにかく、マーク、座ってくれ。

飛んできてくれてありがとう。

ああ、いや、これは楽しいよ。

I hear you've been going for like five hours already or something.

もう5時間くらい行ってるとか聞いたよ。

This is SIGGRAPH, you know, these 90% PhDs.

これはSIGGRAPHで、90％が博士号を持っている。

And so the thing that's really great about SIGGRAPH, as you know, this is the show of computer graphics, image processing, artificial intelligence, and robotics combined.

SIGGRAPHが本当に素晴らしいのは、ご存知のように、コンピューターグラフィックス、画像処理、人工知能、ロボット工学が一体となったショーだということです。

And some of the companies that over the years have demonstrated and revealed amazing things here from Disney, Pixar, Adobe, Epic Games, and of course, you know, NVIDIA.

ディズニー、ピクサー、アドビ、エピック・ゲームズ、そしてもちろんご存知のようにエヌビディアなど、何年にもわたってここで素晴らしいデモンストレーションを行い、明らかにしてきた企業がある。

私たちはここで多くの仕事をしてきた。

This year we introduced 20 papers at the intersection of artificial intelligence and simulation.

今年は、人工知能とシミュレーションの交差点にある20の論文を紹介した。

So we're using artificial intelligence to help simulation be way larger scale, way faster.

私たちは人工知能を使って、シミュレーションをより大規模に、より迅速に行えるようにしている。

We're using simulation to create simulation environments for synthetic data generation for artificial intelligence.

私たちは、人工知能のための合成データ生成のためのシミュレーション環境を作るためにシミュレーションを使っている。

And so these two areas are really coming together.

そして、この2つのエリアは本当に一緒になっている。

Really proud of the work that we've done here at Meta.

メタでの仕事を本当に誇りに思っている。

君たちは素晴らしいAIの仕事をしてくれた。

I mean, one of the things that I find amusing is when the press writes about how Meta's jumped into AI this last couple of years.

つまり、私が面白いと思うことのひとつは、ここ2、3年でメタがいかにAIに飛びついたかについてマスコミが書いていることだ。

As if, you know, the work that FAIR has done, remember, we all use PyTorch.

まるで、FAIRが行ってきた仕事のように、私たちは皆PyTorchを使っています。

The work that you do in computer vision, the work in language models, real-time translation, groundbreaking work.

コンピューター・ビジョン、言語モデル、リアルタイム翻訳、画期的な仕事ですね。

I guess my first question for you is, how do you see the advances of generative AI at

ジェネレーティブAIの進歩をどのように見ていますか？

Meta today, and how do you apply it to either enhance your operations or introduce new capabilities that you're offering?

今日、メタデータをどのように活用し、業務を強化したり、新しい機能を導入したりしていますか？

だから、そこで解き明かさなければならないことがたくさんある。

まず第一に、ここに来られて本当にうれしい。

Meta has done a lot of work and has been at SIGGRAPH for eight years.

メタは多くの仕事をこなし、8年間SIGGRAPHに参加してきた。

だから、僕たちは君たちに比べれば素人なんだ。

でも、2018年に戻っていたと思う...。

You're dressed right, but this is my hood.

あなたの服装は正しいが、これは私のフードだ。

I mean, well, thank you for welcoming me to your hood.

つまり、僕をフードに迎え入れてくれてありがとう。

I think it was back in 2018, we showed some of the early hand-tracking work for our VR and mixed reality headsets.

2018年のことだったと思うが、私たちはVRと複合現実ヘッドセットのための初期のハンドトラッキングの仕事をいくつか紹介した。

I think we've talked a bunch about the progress that we're making on codec avatars, the photorealistic avatars that we want to be able to drive from consumer headsets, which we're getting closer and closer to.

コーデック・アバター、つまりコンシューマー向けヘッドセットで実現したいフォトリアリスティックなアバターについての進展については、何度もお話ししてきたと思います。

だから、かなり興奮している。

And also, a lot of the display systems work that we've done.

また、私たちが手がけた多くのディスプレイ・システムの仕事もある。

So, some of the future prototypes and research for getting the mixed reality headsets to be able to be really thin, with just pretty advanced optical stacks and display systems, the integrated system.

そのため、将来のプロトタイプや研究の中には、かなり高度な光学スタックとディスプレイ・システム、統合されたシステムを備えた、本当に薄いミックスド・リアリティ・ヘッドセットを実現するものもある。

That's been stuff that we've typically shown here first.

それは、私たちが通常ここで最初に見せてきたものだ。

So, excited to be here this year, not just talking about the metaverse stuff, but also all the AI pieces, which, as you said, we started FAIR, the AI research center.

今年は、メタバースについてだけでなく、AIについてもお話できることを楽しみにしています。

Back then it was Facebook, now Meta, before we started Reality Labs.

当時はFacebook、今はMeta、そしてReality Labsを始める前だ。

私たちはしばらくこうしてきた。

All the stuff around Gen AI, it's an interesting revolution.

AI世代にまつわるすべてのことは、興味深い革命だ。

And I think that it's going to end up making all of the different products that we do different in interesting ways.

そして、その結果、私たちが手がけるさまざまな製品のすべてが、興味深い方法で異なるものになるのだと思う。

You can look at the big product lines that we have already, so things like the feed and recommendation systems and Instagram and Facebook.

フィードやレコメンデーション・システム、インスタグラムやフェイスブックなど、私たちがすでに持っている大きな製品ラインを見てください。

We've kind of been on this journey where that's gone from just being about connecting with your friends.

私たちは、友人とつながることだけが目的ではなくなってきた。

And the ranking was always important, because even when you were just following friends, if someone did something really important, like your cousin had a baby or something, it's like, you want that at the top, you'd be pretty angry at us if it was buried somewhere down in your feed.

ランキングは常に重要で、友達をフォローしているときでも、誰かが本当に重要なことをしたとき、例えばいとこに赤ちゃんが生まれたとか、そういうとき、それを一番上に表示させたいのに、フィードの下の方に埋もれていたら、私たちにかなり腹を立てるでしょう。

So, the ranking was important, but now, over the last few years, it's gotten to a point where more of that stuff is just different public content that's out there.

だからランキングは重要だったが、ここ数年で、より多くのものが、世に出回っているさまざまな公開コンテンツになった。

The recommendation systems are super important, because now, instead of just a few hundred or thousand potential candidate posts from friends, there's millions of pieces of content.

レコメンデーション・システムは超重要だ。友人からの数百、数千の候補投稿の代わりに、数百万のコンテンツがあるのだから。

And that turns into a really interesting recommendation problem.

そしてそれは、実に興味深い推薦問題に発展する。

And with generative AI, I think we're going to quickly move into the zone where not only is the majority of the content that you see today on Instagram just recommended to you from stuff that's out there in the world that matches your interests and whether or not you follow the people.

そして、ジェネレーティブAIを使えば、インスタグラムで今あなたが見ているコンテンツの大半が、あなたの興味にマッチした世界中のものから、あなたがその人をフォローしているかどうかだけでなく、あなたに推薦されるゾーンに急速に移行していくと思います。

I think in the future, a lot of this stuff is going to be created with these tools, too.

将来的には、このようなツールで多くのものが作られるようになると思う。

Some of that is going to be creators using the tools to create new content.

その一部は、クリエイターがツールを使って新しいコンテンツを作ることになるだろう。

Some of it, I think, eventually is going to be content that's either created on the fly for you or pulled together and synthesized through different things that are out there.

最終的には、あなたのためにその場で作られたコンテンツか、世の中にあるさまざまなものを統合して作られたコンテンツになると思う。

So I think that's just one example of how the core part of what we're doing is just going to evolve.

だから、私たちがやっていることの中核部分がどのように進化していくかを示す一例に過ぎないと思う。

And it's been evolving for 20 years already.

そして、すでに20年間進化し続けている。

Well, very few people realize that one of the largest computing systems the world has ever conceived of is a recommender system.

さて、世界がこれまでに考え出した最大のコンピューティング・システムのひとつがレコメンダー・システムであることを理解している人はほとんどいない。

I mean, it's this whole different path, right?

つまり、まったく別の道なんだろ？

It's not quite the kind of gen AI hotness that people talk about, but I think it's all the transformer architectures and it's a similar thing of just building up more and more general models.

世間で話題になっているような新しいAIとは少し違いますが、トランスフォーマーアーキテクチャーのようなもので、より一般的なモデルを構築していくという点では似ていると思います。

Embedding unstructured data into features.

非構造化データを特徴に埋め込む。

One of the big things that just drives quality improvements is it used to be that you'd have a different model for each type of content, right?

質の向上を促す大きな要因のひとつは、以前はコンテンツの種類ごとに異なるモデルを用意していたことだ。

So a recent example is we had one model for ranking and recommending reels and another model for ranking and recommending more long form videos.

最近の例では、リールをランキングして推薦するモデルと、より長尺のビデオをランキングして推薦するモデルがありました。

And then it takes some product work to basically make it so that the system can display anything in line.

そして、基本的にシステムが何でも並べて表示できるようにするために、いくつかの製品作業が必要になる。

But the more you just create more general recommendation models that can span everything, it just gets better and better.

しかし、あらゆることに対応できる一般的な推薦モデルを作れば作るほど、どんどん良くなっていく。

So, I mean, part of it I think is just like economics and liquidity of content and the broader of a pool that you can pull from.

つまり、経済性やコンテンツの流動性、引き出せるプールの広さなどがその一因だと思う。

You're just not having these weird inefficiencies of pulling from different pools.

異なるプールから引っ張ってくるという奇妙な非効率性がないだけだ。

But yeah, I mean, as the models get bigger and more general, that gets better and better.

でも、つまり、モデルが大きくなり、より一般的になればなるほど、それはどんどん良くなっていくんだ。

So I kind of dream of one day, like you can almost imagine all of Facebook or Instagram being like a single AI model that has unified all these different content types and systems together that actually have different objectives over different timeframes, right?

だから、いつかFacebookやInstagramのすべてが、異なる時間枠で異なる目的を持つ、異なるタイプのコンテンツやシステムを統合した単一のAIモデルのようになることを、ほとんど想像できるような、そんな日を夢見ているんだ。

Because some of it is just showing you, you know, what's the interesting content that you're going to be, that you want to see today.

というのも、そのうちのいくつかは、あなたが今日見たいと思うような、興味深いコンテンツが何かを示しているだけだからだ。

But some of it is helping you build out your network over the long term, right?

でも、長期的なネットワークの構築に役立っている部分もあるよね？

People you may know or accounts you might want to follow.

あなたが知っているかもしれない人々、またはあなたがフォローしたいと思うかもしれないアカウント。

These multimodal models tend to be much better at recognizing patterns, weak signals and such.

このようなマルチモーダルモデルは、パターンや弱い信号などを認識するのに非常に優れている傾向がある。

And so one of the things that people always, you know, it's so interesting that AI has been so deep in your company.

そして、人々がいつも言うことのひとつは、AIが御社に深く浸透していることがとても興味深いということです。

You've been building GPU infrastructure, running these large recommender systems for a long time.

あなたは長い間、GPUインフラを構築し、大規模なレコメンダー・システムを運用してきた。

今、あなたは、今、あなたは......

I was trying to be nice, you know, you're my guest.

私は親切にしようとしたんだ。

When I was backstage before I came on here, you were talking about like owning your mistakes or something.

私がここに来る前にバックステージにいたとき、あなたは自分のミスについて話していた。

You don't have to volunteer it out of the blue.

いきなりボランティアでやる必要はない。

これはよく試されたことだと思う。

字幕リスト動画再生

ジェンセン・フアン、マーク・ザッカーバーグと語るAIと次のコンピューティング・プラットフォーム (AI and The Next Computing Platforms With Jensen Huang and Mark Zuckerberg)

stuff

sort

eventually

incredible