These are synthetic IDs, as good as a genuine ID.

これらは本物のIDと同じくらい優れた合成ID。

Didn't understand the phrase.

そのフレーズを理解できなかった。

He took it literally.

文字通りに受け取った。

Oh, it even read my handwriting.

おお、俺の筆跡まで読めるんだ。

Is this what people mean when they say that AI is going to take our jobs?

これが人々の言う、AIが仕事を奪うってことなのか？

But what does a day in one of these roles actually look like?

でも、こういった仕事の一日って、実際どんな感じなんだ？

From fighting scams and fraud, developing large-language models from scratch, to designing chatbots, they're all working with one technology, AI.

詐欺と不正との戦い、大規模言語モデルのゼロからの開発、チャットボットのデザインまで、彼らは全員一つのテクノロジー、AIと共に働いている。

This is Most Wanted.

これは「Most Wanted」だ。

I'm going to show you some cool stuff, Nisa.

すごいものを見せてやるよ、ニーサ。

Yeah, that's absolutely cool.

ああ、それは本当にすごい。

That's a mask of your face.

これは君の顔のマスクだ。

Yeah, it's an exact replica of how I look like.

ああ、僕の見た目を正確に再現したものだ。

Rajat Maheshwari is part of the Cyber and Intelligence Solutions team at Mastercard.

ラジャット・マへシュワリはマスターカードのサイバー及びインテリジェンスソリューションチームの一員だ。

In his role, his team develops tools to manage customer risk and prevent scams.

彼の役割では、チームは顧客のリスク管理と詐欺防止のためのツールを開発する。

Part of his role involves getting in the mind of potential fraudsters by creating fake identities.

彼の役割の一部は、偽のアイデンティティを作ることで潜在的な詐欺師の心に入り込むことだ。

So these are synthetic IDs, as good as a genuine ID.

これらは本物のIDと同じくらい優れた合成ID。

You can have these identities, you can have the face mask, you can have the fingerprint, and then you're essentially replicating someone else.

これらのアイデンティティ、顔のマスク、指紋を持つことで、基本的に他人を複製できるんだ。

That person can do anything with these.

その人はこれらで何でもできてしまう。

This was done by a Japanese artist who did the mask for the James Cameron movie Avatar.

これはジェームズ・キャメロンの映画「アバター」のためにマスクを作った日本人アーティストによるものだ。

Sometimes we have to think like bad actors to come up with the solution which can stop these things.

悪意のある行為者のように考えて、これらの問題を止めるソリューションを生み出さなければならない時もある。

We have seen that the world has evolved from these masks and now the deepfakes are coming in.

世界はこれらのマスクから進化し、今では深偽（ディープフェイク）が登場している。

The intent was not to break the technology, but the intent was to help the solution providers to enhance the level so that they can stand against these kinds of attacks as well.

技術を壊すことが目的ではなく、ソリューション提供者がこの種の攻撃に対抗できるレベルを向上させるのを助けることが目的だった。

Wow, what do we have here?

わあ、これは何だ？

Yes, please, please, please have a seat.

はい、どうぞ、どうぞお掛けください。

Over at Amazon Web Services, Joel Garcia and his team have made a game out of simulating real-world security conditions as well, which they hope will help clients improve their incident response processes.

アマゾン・ウェブ・サービスでは、ジョエル・ガルシアとそのチームは、クライアントのインシデント対応プロセスを改善するのに役立つことを望んで、現実世界のセキュリティ状況をシミュレーションするゲームを作った。

What we have here is a project called Chaos Kitty.

ここにあるのは「Chaos Kitty」というプロジェクトだ。

Why kitty?

なぜキティなの？

Well, I have cats at home who always destroy my furniture.

家で家具をいつも壊す猫がいるからね。

Oh yes, agents of chaos, for sure.

ああ、まさにカオスの使者だな。

What exactly is chaos engineering?

カオスエンジニアリングとは正確に何だ？

We're going to intentionally inject some failure so that we can learn.

学習するために、意図的に障害を注入するんだ。

We can see that there's many colourful lights and all these bricks that we use to represent what we have in our AWS cloud.

色とりどりのライトと、AWSクラウドを表すために使うこれらのブロックがたくさんあるのがわかるだろう。

When it's red, something is wrong with the security configuration and when it's green, it's all good, all compliant.

赤なら、セキュリティ設定に問題があり、緑なら問題なく、すべてコンプライアンスを満たしている状態だ。

We added on a Gen AI assistant here.

ここに生成AIアシスタントを追加した。

What we have here is a typical company security policy.

ここにあるのは典型的な企業のセキュリティポリシーだ。

Typically, without a Gen AI assistant, they would have to look through and study this policy document very deeply.

通常、生成AIアシスタントなしでは、このポリシー文書を非常に深く調べて研究しなければならない。

We have fed this document along with the Gen AI assistant so it knows all this information.

この文書を生成AIアシスタントに与えたので、すべての情報を知っている。

I could go in there and ask questions.

そこに入って質問できる。

It's going to give me some best practices.

ベストプラクティスを教えてくれるはずだ。

Alexa, fix Chaos Kitty.

アレクサ、Chaos Kittyを修正して。

Remediating Chaos Kitty environment.

Chaos Kitty環境を修復中。

You'd be able to leverage AI and Gen AI to actually help fix the challenges and then they'd be more focused on the other areas that could be improved.

AIや生成AIを活用して実際に課題を解決し、改善できる他の領域に集中できるようになるだろう。

To be able to converse naturally with an AI chatbot, a large-language model, or LLM, is needed.

AIチャットボットと自然に会話するには、大規模言語モデル（LLM）が必要だ。

LLMs are AI models, pre-trained on vast amounts of data, which can understand and generate human language responses.

LLMは大量のデータで事前学習されたAIモデルで、人間の言語の応答を理解し、生成できる。

Popular models include ChatGPT-4 and Gemini.

人気のモデルにはChatGPT-4やGeminiがある。

The generative AI market is expected to grow over a trillion dollars in the next decade.

生成的AIの市場は、今後10年で1兆ドル以上に成長すると予想されている。

The team in Singapore is developing a large-language model that's catering to Southeast Asian languages.

シンガポールのチームは、東南アジアの言語に対応した大規模言語モデルを開発している。

Leong Wei Tee speaks 14 languages fluently and he's an AI engineer and linguist involved in developing the Sea Lion model.

レオン・ウェイ・ティーは14の言語を流暢に話し、Sea Lionモデルの開発に携わるAIエンジニアであり言語学者だ。

We're going to look at an example about informal Indonesian.

非公式なインドネシア語の例を見てみよう。

We're essentially asking the model, our friend is sort of, because of his work, he's sort of panicking, and he's working very hard every day.

基本的に、このモデルに、友人の仕事が原因で彼がパニックになっており、毎日一生懸命働いていることを尋ねている。

How can we help him best manage his work?

どうやって彼のストレスを最もよく管理できるだろうか？

Yeah, but in that context, they're saying, they're using an idiom, right?

そう、そのコンテキストでは、イディオムを使っているんだ。

And they're saying that his beard is always on fire. So that idiom might not be so understandable to certain models, right?

彼らは「彼の髭が常に燃えている」と言っている。そのイディオムは、特定のモデルには理解しづらいかもしれない。

So let's see how they deal with this.

どう対処するか見てみよう。

For this demo, we have four panels, and each of them corresponds to one language model.

このデモでは4つのパネルがあり、それぞれが1つの言語モデルに対応している。

So on the left, we have Sea Lion, our model, and we have three other models on the right.

左側にはSea Lionモデル、右側に3つの他のモデルがある。

We can see that it didn't understand the phrase.

モデルがそのフレーズを理解できなかったことがわかる。

It took it literally, basically.

基本的に文字通りに受け取った。

Like it's thinking about setting someone on fire.

誰かを火に燃やすことを考えているみたいだ。

Oh no, it's also in the same tone. It's casual, informal, it's still colloquial, whereas this one is still sticking to like a more formal kind of response.

おお、同じトーンを持っている。カジュアルで、インフォーマル、まだ口語的だが、こちらはより形式的な応答に固執している。

And that's really what we want to achieve as well.

これが私たちが達成したいことだ。

Now we are seeing that some of these models out there, they are not able to sort of handle multicultural contexts.

今、これらのモデルの一部が、多文化的コンテキストに対応できていないことがわかる。

And that's sort of understandable because they're building those models for a particular audience, right?

特定の対象者向けにそれらのモデルを構築しているので、理解できることだ。

For us in Southeast Asia, we need to operate within this region, handling our languages and cultures.

東南アジアの私たちは、この地域内で活動し、私たちの言語と文化を扱う必要がある。

So this is why we decided to build Sea Lion.

だからこそ、Sea Lionを開発することにした。

Vincent Oh works as a Senior Specialist Solutions Architect at Amazon Web Services, and his projects involve leveraging generative AI based on human prompts to create personalized experiences.

ビンセント・オーはアマゾン・ウェブ・サービスのシニア スペシャリストのソリューションアーキテクトとして働き、人間のプロンプトに基づく生成AIを活用して、パーソナライズされた体験を作り出すプロジェクトに携わっている。

StoryGen was a project that we did with the National Library Board of the entire Singapore, where we wanted to reinvent the future of the libraries.

StoryGenは、シンガポール国立図書館と共に行ったプロジェクトで、図書館の未来を再発明したいと考えた。

We used generative AI and AWS technology to create an experience whereby young children and adults, they can put in a series of inputs, a selection, and a brand new book will be created on the spot for them.

生成AIとAWSテクノロジーを使って、子供や大人が一連の入力と選択を行うと、その場で真新しい本が作成されるような体験を作り出した。

What you call the prompts, right, that you're actually sending back to the large language model.

これらが大規模言語モデルに送り返すプロンプトというものだ。

This is just the very beginning of the art of the possible, and it's going to be amazing how people will leverage gen-AI to unleash their extended level of creativity.

これは可能性の芸術の始まりに過ぎず、人々が生成AIを活用して創造性を解き放つ方法はすばらしいものになるだろう。

Part of those new jobs that are created as part of AI is a role or a skill set which is actually prompt engineering, which didn't exist before.

AIによって生み出される新しい仕事の一部は、以前は存在しなかったプロンプトエンジニアリングというスキルセットだ。

And when you look at prompt engineering, you don't need to be technical, you just need to understand how to put those prompts as you would, for example, like a detailed search, to maximize and leverage the power of a large language model.

プロンプトエンジニアリングを見ると、技術的である必要はなく、詳細な検索のように、大規模言語モデルの力を最大限に活用するためのプロンプトの入力方法を理解するだけでいい。

There is a growing demand for AI specialists, and here at AI Singapore, the rest of Wei Qi's team, hailing from all over Southeast Asia, including Vietnam, the Philippines and Thailand, are working on making Sea Lion more inclusive.

AIスペシャリストへの需要は高まっており、AI Singaporeでは、ウェイ・チーのチームは、ベトナム、フィリピン、タイを含む東南アジア全域から集まっており、Sea Lionをより包括的にする取り組みをしている。

You are the one who brought everyone into this team.

みんなをこのチームに引き入れたのは君だ。

More or less, more or less.

まあ、そんな感じだ。

My dream is eventually we have everybody, you know, from all the countries in Southeast Asia being represented here.

私の夢は、最終的に東南アジアのすべての国の人々がここに集まることだ。

AI Singapore's apprenticeship program aims to grow the pool locally, even those considering mid-career switches.

AIシンガポールの徒弟プログラムは、地元での人材育成を目指し、キャリアチェンジを検討している人々も対象としている。

In fact, some of the Sea Lion team graduated as AI apprentices after switching disciplines, such as Tai, who studied finance, and Wei Qi, who was previously a pharmacist.

実際、Sea Lionチームの何人かは、異なる分野から転身した後、AI徒弟として卒業した。例えば、金融を学んだタイや、以前は薬剤師だったウェイ・チーなどだ。

We're not really alone in trying to tackle low-resource languages.

低リソース言語に取り組んでいるのは、別に私たちだけではない。

Ultimately, all the stuff that we do is fully open-source as well, and it's really shared with the public in general so that everyone can benefit.

最終的には、私たちがやっていることはすべて完全にオープンソースで、誰もが恩恵を受けられるよう一般に共有されている。

Everyone is working on different aspects of the large language model.

みんな大規模言語モデルの異なる側面に取り組んでいる。

We get to learn about it with each other.

お互いから学ぶことができる。

It does feel a bit like mini ASEAN.

まるでミニASEANのような感じがする。

Mini ASEAN, yeah.

ミニASEAN、そうだね。

There is so much to do in this field.

この分野にはやることがたくさんある。

Yeah, and AI, you know, is one of those industries where you can make a mid-career switch.

そう、AIは、キャリアチェンジができる業界の一つだ。

Absolutely, absolutely.

その通り、その通り。

And I'm a good example, Nisa.

そして、私はその良い例だ、ニサ。

Rajat started his career in the mobile and semiconductor industry and made the switch over to AI in 2014.

ラジャットは、モバイルと半導体業界でキャリアをスタートさせ、2014年にAI業界に転身した。

I have seen that journey in the past 20 years or so where AI has really flourished and it's becoming an inherent part of our lives.

この20年ほどの間に、AIが本当に開花し、私たちの生活に不可欠な部分になってきたのを見てきた。

When you ask people to use the digital ecosystem, there are side effects.

人々にデジタルエコシステムを使うよう求めると、副作用がある。

According to the Global Anti-Scam Alliance, more than $1 trillion are lost to scams every year, affecting 2 billion victims.

グローバル・アンチ・スキャム・アライアンスによると、毎年1兆ドル以上が詐欺によって失われ、20億人の被害者に影響を与えている。

Rajat's work at Mastercard includes working with banks and governments to apply intelligent AI systems to predict whether scams are taking place.

ラジャットのマスターカードでの仕事には、銀行や政府と協力して、詐欺が起きているかを予測するインテリジェントAIシステムを適用することが含まれる。

Let's take the example that you giving me $100, Nisa, looks a perfectly legitimate transaction.

例えば、ニサが私に100ドルを送金することは、一見まったく正当な取引に見える。

But 1,000 more people giving me $100 in a day, something is suspicious.

しかし、1日で1,000人以上の人が私に100ドルを送金する、そこには怪しさがある。

There were sound alarm bells.

警告のベルが鳴る。

Exactly.

その通り。

We train the models to detect the behavior, to detect the patterns, and then do the risk assessment and save you being sending money to me.

私たちは、行動やパターンを検出し、リスク評価を行うモデルをトレーニングし、あなたが私にお金を送ることを防ぐ。

Welcome to the Mastercard Experience Center.

マスターカード・エクスペリエンスセンターへようこそ。

Whenever a person taps the card, our AI models kicks in, then we give a risk assessment to the issuing institution that what do we feel about this transaction.

誰かがカードをタップするたびに、私たちのAIモデルが起動し、発行元の金融機関にこの取引についてどう感じているかのリスク評価を提供する。

You can see the screen here showing that the transactions are getting declined.

画面を見ると、取引が拒否されていることがわかる。

Where do you see the state of AI in the next couple of years?

今後数年で、AIの状況をどう見ているか。

The integration with the LLMs.

大規模言語モデル（LLM）との統合だ。

So that's, LLM is essentially the large language models.

つまり、LLMは基本的に大規模言語モデルのことだ。

Large language models form a big part of the user experience solutions that Joel works on for AWS.

大規模言語モデルは、ジョエルがAWSで取り組むユーザーエクスペリエンスソリューションの大きな部分を占めている。

Take reading invoices, for example.

請求書を読むことを例にとろう。

If you want to introduce something else into your business, a new form, a new process, then you'll have to reevaluate the technology or refactor that in.

ビジネスに新しいフォームや新しいプロセスを導入する場合、テクノロジーを再評価するか、それを再構築する必要がある。

With Gen AI, because of the large language model, it can actually parse these.

生成AIは、大規模言語モデルのおかげで、これらを実際に解析できる。

Parsing refers to the process of breaking down a user's input into smaller pieces and analyzing each piece to determine its meaning.

解析とは、ユーザーの入力を小さな部分に分解し、各部分の意味を分析するプロセスのことだ。

I'd like to know if there is a proper signatory.

正式な署名者がいるかどうかを知りたい。

Oh, it even read my handwriting, so it knows that it's my terrible handwriting, that it's Michael Garcia.

おお、私の乱雑な筆跡も読み取れて、マイケル・ガルシアだと認識している。

Did you see yourself ending up where you are today?

今の自分の姿を想像していたか。

Even at a young age, I knew that in some form, way, or that I was going to be involved with technology.

若い頃から、何らかの形で技術に関わることになると知っていた。

What did you start out studying?

最初は何を勉強していたの？

I graduated computer science.

コンピュータサイエンスを卒業した。

I went through a variety of jobs.

様々な仕事を経験した。

I even founded a company before startups were fashionable.

スタートアップが流行する前に、自分で会社を設立したこともある。

Today, with AI, when you're thinking about redefining experiences, you're not going to get to it on the first.

今日、AIで体験を再定義しようとしているとき、最初の試みでうまくいくわけではない。

This is like super long-shot ambition, right?

これは超長期的な野心だよね。

You know that Southeast Asia is not 10 languages, only there are like hundreds of dialects, Balinese, Javanese, Visayan.

東南アジアは10言語しかないと思っているだろうが、実際には何百もの方言がある。バリ語、ジャワ語、ビサヤ語など。

So, we hope to get those represented as well, eventually.

だから、最終的にはこれらの方言も表現できるようになりたい。

How soon can we get there?

いつそこまでたどり着けるだろうか。

Our hope is that it will trigger similar movements across the region.

私たちの希望は、これが地域全体で同様の動きを引き起こすことだ。

Outside of Southeast Asia, the interest is also very strong, right?

東南アジア以外でも関心は高いよね。

We have similar situation in India, we have similar situation in Africa, where there's a bit of under-representation.

インドや、代表性が低いアフリカなど、同様の状況がある。

If I'm able to save someone's lifelong savings, I mean, it's itself that makes my day.

誰かの生涯の貯蓄を救うことができれば、それだけで私の一日が充実する。

Is this what people mean when they say that AI is going to take our jobs?

これが、人々が「AIが仕事を奪う」と言っているものなのか。

It's going to make something more efficient, so that people can actually concentrate on what matters more, either for the business or for customers.

それは何かをより効率的にすることで、人々が実際にビジネスや顧客にとってより重要なことに集中できるようにするものだ。