Name: AI教父黃仁勳：Nvidia最大貢獻係將CPU、GPU成本降低100萬倍｜人工智能雖不是由第一原理推演答案可但模擬人類生物學香港科技大學可建世界第一間AI醫院｜HKUST｜美股投資｜CC字幕 (AI教父黃仁勳：Nvidia最大貢獻係將CPU、GPU成本降低100萬倍｜人工智能雖不是由第一原理推演答案 但可模擬人類生物學 香港科技大學可建設世界第一間AI醫院｜HKUST｜美股投資｜CC字幕)
Uploaded: 2024-12-01T04:54:31.000Z
Duration: 27 min 19 s

Imagine if there's something in the world that you rely on.

もし世の中に、あなたが頼りにしているものがあるとする。

あなたが選んだものなら何でもいい。

We reduced it in the last 10 years by 1 million times.

この10年間で100万倍に減らした。

Well, when something happens, when the cost of something reduces by a million times, your habits fundamentally change.

何かが起こったとき、何かのコストが100万分の1になったとき、習慣は根本的に変わる。

How you think about computing fundamentally changed.

コンピューティングに対する考え方が根本的に変わった。

That is the single greatest contribution NVIDIA ever made.

これこそ、エヌビディアがこれまでに行った唯一最大の貢献である。

Some of our professors here may slightly disagree because you still need a lot of money to buy your GPUs.

GPUを買うにはまだ大金が必要だからだ。

しかし、この点については後で触れる。

その100万倍を想像してほしい。

I gave you a million times discount in the last 10 years.

この10年間で100万回値引きした。

Ha, ha, ha, ha, ha, ha, ha, ha, ha, ha, ha, ha, ha, ha, ha, ha.

ハ、ハ、ハ、ハ、ハ、ハ、ハ、ハ、ハ、ハ、ハ、ハ、ハ、ハ、ハ、ハ、ハ、ハ、ハ、ハ。

ジェンセン、引き返すべきか？

Jensen, it's just so nice to have you here at HKUST and in Hong Kong.

ジェンセン、あなたがHKUSTに、そして香港に来てくれて本当にうれしい。

Let me just say, can we just please show how much we love Jensen?

言わせてくれ、どれだけジェンセンを愛しているかを見せてくれないか？

Jensen, you know, I have been preparing for this moment.

ジェンセン、私はこの瞬間のために準備をしてきたんだ。

I thought it's definitely a highlight of my HKUST career, for sure.

私のHKUSTキャリアのハイライトであることは間違いないと思った。

I just couldn't sleep last night for one very important reason.

昨夜、どうしても眠れなかったのは、ある重要な理由があったからだ。

Because I am going to introduce you as the number one CEO in this universe.

なぜなら、私はあなたをこの宇宙でナンバーワンのCEOとして紹介するつもりだからだ。

Maybe entire universe, at least in this universe.

This company, Apple's stock was going up last night.

この会社、アップルの株価は昨夜上がっていた。

And yours wasn't doing that particularly well.

そして、あなたのは特にうまくいっていなかった。

And I couldn't wait until the market was closed.

そして市場が閉まるまで待てなかった。

I asked my wife, I said, did Nvidia hang on there?

私は妻に、エヌビディアはあそこで頑張ったのかと尋ねた。

だから君がナンバーワンなんだ、ジェンセン。

So we have less than an hour this afternoon.

I'm just diving, Jensen, with some tough questions for you.

ジェンセン、厳しい質問をしているところだ。

So you have been leading this technology field, AI field, for a long period of time.

つまり、あなたはこのテクノロジー分野、AI分野を長い間リードしてきたわけですね。

Just for the sake of our audience, just tell us how you think about AI, more specifically, recently, artificial general intelligence, the impact AI is having and will have for all the society and the industry.

視聴者のために、AIについて、もっと具体的に言えば、最近では人工知能全般について、AIが社会全体や産業界に与えている影響、そして今後与えるであろう影響について、どのようにお考えか教えてください。

Thank you for the opportunity to spend time with you.

ご一緒させていただきありがとうございました。

Harry is one of the most consequential computer scientists of our time.

ハリーは、現代において最も重要なコンピューター科学者の一人である。

And he's been a hero of mine and many others around the world for a very long time.

彼は長い間、私や世界中の多くの人々のヒーローだった。

だから、ここに来られてとても嬉しい。

Harry, as you know, the transformative, the groundbreaking capability happened when an artificial intelligence network can learn to understand data of all kinds.

ハリー、ご存知のように、人工知能ネットワークがあらゆる種類のデータを理解することを学習できるようになったとき、変革的で画期的な能力が生まれた。

Of course, language, and images, and sequences of proteins, and sequences of amino acids, and sequences of chemicals.

もちろん、言語も、画像も、タンパク質の配列も、アミノ酸の配列も、化学物質の配列もそうだ。

And all of a sudden, we now have computers that can understand the meaning of words and such.

そして突然、言葉の意味などを理解できるコンピューターが登場した。

And because of generative AI, we can translate from one modality of information to another modality of information.

そして、ジェネレーティブAIのおかげで、ある情報のモダリティから別の情報のモダリティに変換することができる。

For example, from text to images, from text to text, from protein to text, from text to protein, from text to chemicals.

例えば、テキストから画像へ、テキストからテキストへ、タンパク質からテキストへ、テキストからタンパク質へ、テキストから化学物質へ。

This universal, initially a universal function approximator, evolved into a universal language translator of every kind.

このユニバーサルは、当初はユニバーサル関数近似器であったが、あらゆる種類のユニバーサル言語翻訳器へと進化した。

And so the question then is, what can we do with that?

それで何ができるかということだ。

And you see the number of startups around the world and a number of capabilities with the combination of all these different modalities and capabilities.

そして、世界中のスタートアップ企業の数と、これらすべての異なるモダリティと能力を組み合わせた能力の数々を目にすることになる。

And so I think the really amazing breakthrough is that we can now understand the meaning of information.

だから、本当に驚くべきブレークスルーは、情報の意味を理解できるようになったことだと思う。

信じられないほど難しい情報だ。

And so what does that mean to you if you are a digital biologist, so that you can understand the meaning of the data you're looking at, so that you could find a needle in a haystack?

もしあなたがデジタル生物学者なら、干し草の山から針を見つけることができるように、見ているデータの意味を理解することができる。

What does that mean if you are, in the case of NVIDIA, a chip designer, system designer?

もしあなたがエヌビディアの場合、チップ設計者、システム設計者だとしたら、それは何を意味するのでしょうか？

What does that mean to you if you're an ag tech, or climate science, or climate tech, or energy looking for a new material?

農業技術者、気候科学者、気候技術者、あるいは新素材を探しているエネルギー関係者にとって、このことは何を意味するのだろうか？

So this is really the groundbreaking thing, is that we now have the concept of a universal translator.

これは本当に画期的なことで、ユニバーサル・トランスレーターという概念ができたということだ。

好きなことを何でも理解できる。

Yeah, Jensen, in May, we were at a Microsoft CEO summit.

ジェンセン、5月にマイクロソフトのCEOサミットに参加したんだ。

So many of us listened to your really description about the amazing impacts of AI on the society.

AIが社会に与える驚くべき影響について、多くの人があなたの説明に耳を傾けていました。

I thought that what you said really resonated with me.

あなたが言ったことは本当に心に響くと思った。

そしてある程度、ショックを受けた。

So you kind of took us back to the entire history of a human being.

つまり、あなたは私たちを人間の歴史全体に引き戻したわけだ。

You said, well, there's this agricultural revolution, so we actually manufacture more food.

農業革命が起きて、より多くの食料が生産されるようになった。

Then we have industrial revolution, we actually manufacture more iron steels.

その後、産業革命が起こり、鉄鋼の生産量が増えた。

Then we have information technology, we actually have more information.

そして情報技術が発達し、より多くの情報が手に入るようになった。

Now, in this intelligence, this era, so what you are doing at NVIDIA, what AI is doing is actually manufacturing intelligence.

さて、このインテリジェンス、この時代において、あなたがエヌビディアで行っていること、つまりAIが行っていることは、実際にインテリジェンスを製造することです。

Can you elaborate a little bit more on why this thing is just so enormously important?

なぜこのことが非常に重要なのか、もう少し詳しく教えてください。

Yeah, when you look at what we've done together, Harry, and you were in the middle of all of this, from the perspective of computer science, we've reinvented the whole stack.

ええ、私たちが一緒にやったことを見てみると、ハリー、あなたはこのすべての真っただ中にいたわけですが、コンピューター・サイエンスの観点から見ると、私たちはスタック全体を再発明したのです。

Meaning, the way we used to develop software, and when you think about computer science, you have to think about software development, how software is done.

コンピュータ・サイエンスについて考えるとき、ソフトウェア開発について考えなければならない。

And so we used to code software with our hands.

そうして私たちは、自分の手を使ってソフトウェアをコーディングしていた。

We imagined what the function it is that we would like to implement, whatever algorithm we'd like to implement, and we use our own creativity, we type it into the computer.

どんな機能を実装したいのか、どんなアルゴリズムを実装したいのかを想像し、自分たちの創造力を駆使して、それをコンピューターに打ち込む。

I started with Fortran, and I learned Pascal, and then C and C++, and of course, each one of these languages allow us to express our thoughts into code.

私はFortranから始まり、Pascalを学び、そしてCとC++を学んだ。もちろん、これらの言語はそれぞれ、自分の考えをコードに表現することを可能にしてくれる。

そして、そのコードはCPU上で素晴らしく動作する。

All of a sudden, now we use observed data, and we give this observed data to a computer, and we say, what is the function that you see inside this code?

そして、この観測されたデータをコンピュータに渡し、このコードの中にある関数は何だと言うのだ。

What are the patterns and relationships that you observe by studying all of the data that we presented to you?

私たちが提示したすべてのデータを調査して、どのようなパターンや関係が観察されましたか？

And instead of using code, coding, we now use machine learning.

そして、コードやコーディングを使う代わりに、今は機械学習を使う。

And the machine generates not software, it generates neural networks that are processed on GPUs.

そして、マシンが生成するのはソフトウェアではなく、GPU上で処理されるニューラルネットワークだ。

And so from coding to machine learning, from CPUs to GPUs, and because GPUs are so much more powerful, the type of software we can now develop is extraordinary.

コーディングから機械学習へ、CPUからGPUへ、そしてGPUの方がはるかにパワフルなので、私たちが開発できるソフトウエアの種類は並大抵のものではありません。

And what sits on top of it is artificial intelligence.

その上に乗っているのが人工知能だ。

And so computer science has really been transformed pretty much at the description I just said.

そして、コンピューター・サイエンスは、今言ったような変貌を遂げた。

Now the question is, what happens to our industry?

さて、問題は我々の業界がどうなるかだ。

Of course, we're all racing to use machine learning to go discover new AIs.

もちろん、私たちは機械学習を使って新しいAIを発見しようと競争している。

And maybe that's, of course, one of the things about AI that you know very well is the automation of cognition.

そして、それはもちろん、あなたがよく知っているAIに関することの1つは、認知の自動化なのかもしれない。

And problem solving could be distilled down to, if I could, three basic ideas that you observe and perceive the environment, understand it, reason about it, and then come up with a plan to interact with it, whatever you decide your goals are.

問題解決とは、環境を観察し認識すること、環境を理解すること、環境について推論すること、そして環境と相互作用するためのプランを考え出すこと、この3つの基本的な考え方に集約される。

And so perception, reasoning, and planning.

The three fundamental steps of problem solving.

問題解決の3つの基本ステップ。

AI教父黃仁勳：Nvidia最大貢獻係將CPU、GPU成本降低100萬倍｜人工智能雖不是由第一原理推演答案可但模擬人類生物學香港科技大學可建世界第一間AI醫院｜HKUST｜美股投資｜CC字幕 (AI教父黃仁勳：Nvidia最大貢獻係將CPU、GPU成本降低100萬倍｜人工智能雖不是由第一原理推演答案 但可模擬人類生物學 香港科技大學可建設世界第一間AI醫院｜HKUST｜美股投資｜CC字幕)

字幕リスト動画再生

entire

enormous

material

basically