The technology of building general humanoid robots, which is going to be the most useful, of course, because we fill the world around ourselves, that technology is incredibly hard to do.

一般的な人型ロボットを作る技術は、私たちが自分たちの周りの世界を作り上げているため、もちろん最も有用になるでしょうが、その技術は信じられないほど難しいものです。

But for the very first time with transformers and these large language models and the breakthroughs that we're seeing with foundation models, we finally have the technology necessary, we think, to be able to make a real contribution in this area.

しかし、トランスフォーマーやこれらの大規模言語モデル、そして基盤モデルにおけるブレークスルーにより、私たちは初めてこの分野で本当の貢献ができる必要な技術を手に入れたと考えています。

Jensen, you've led NVIDIA through gaming and so many AI breakthroughs.

ジェンセンさん、あなたはNVIDIAをゲームや多くのAIのブレークスルーを通じて率いてこられました。

Which emerging technology do you see or think will be the most impactful for us over the next decade?

次の10年間で、どの新興技術が私たちにとって最も影響力があると考えていますか？

When you take a step back and ask yourself, what would happen if we could scale intelligence building robotics, the things that we're working on?

一歩下がって、私たちが取り組んでいる知能やロボット工学をスケールアップできたら何が起こるかを考えてみると。

Hi, Jensen.

こんにちは、ジェンセンさん。

Thanks for taking the time to chat with me today.

今日はお時間を取っていただき、ありがとうございます。

I'm happy to be here.

お会いできて嬉しいです。

You made some groundbreaking announcements at CES and in particular, one area I'm very curious about is robotics.

CESで画期的な発表をされましたが、特にロボット工学の分野について非常に興味があります。

What excites you the most about the possibilities when it comes to robotics now with tools such as Cosmos or world foundational models?

CosmosやWorld Foundation Modelなどのツールを使用したロボット工学の可能性について、何が最も興奮させられますか？

We're in an incredible time with robotics.

私たちはロボット工学における素晴らしい時代にいます。

The critical technologies necessary to build general humanoid robotics is just around the corner.

一般的な人型ロボットを作るために必要な重要な技術が、もう間近に迫っています。

And one of the critical pieces of technology is an AI model that understands the world.

そして重要な技術の一つは、世界を理解するAIモデルです。

Just as we have an AI model that understands language now with chat GPT and Lama and such, we need a world model, a language model of the world.

ChatGPTやLlamaなどで言語を理解するAIモデルがあるように、私たちは世界モデル、世界の言語モデルを必要としています。

The world needs robots.

世界はロボットを必要としています。

And one of the reasons for that is we just don't have enough workers.

その理由の一つは、単純に十分な労働者がいないということです。

There's a aging population and a changing in preference of the type of work that people wanna do.

高齢化が進み、人々が望む仕事の種類も変化しています。

And the birth rate is declining and the world needs more workers.

そして出生率は低下しており、世界はより多くの労働者を必要としています。

And so the timing is really relatively imperative that we have robotic systems.

そのため、ロボットシステムを持つことは本当に急務となっています。

The technology of building general humanoid robots, which is gonna be the most useful, of course, because we build a world around ourselves, that technology is incredibly hard to do.

一般的な人型ロボットを作る技術は、私たちが自分たちの周りの世界を作り上げているため、もちろん最も有用になるでしょうが、その技術は信じられないほど難しいものです。

But for the very first time with transformers and these large language models and the breakthroughs that we're seeing with foundation models, we finally have the technology necessary, we think, to be able to make a real contribution in this area.

しかし、トランスフォーマーやこれらの大規模言語モデル、そして基盤モデルにおけるブレークスルーにより、私たちは初めてこの分野で本当の貢献ができる必要な技術を手に入れたと考えています。

There are several things that we have to bring together.

いくつかの要素を組み合わせる必要があります。

First, the robot has to understand us.

まず、ロボットは私たちを理解しなければなりません。

And the breakthroughs in chat GPT, for example, has really made that possible.

そして、例えばChatGPTのブレークスルーがそれを可能にしました。

But what's missing is that we now need a AI that understands the physical world.

しかし、不足しているのは、物理的な世界を理解するAIです。

It has to understand the dynamics of the physical world, like gravity, inertia and friction.

重力、慣性、摩擦といった物理世界のダイナミクスを理解する必要があります。

And it has to understand spatial relationships and geometric relationships.

そして空間関係や幾何学的関係を理解する必要があります。

And common sense things like object permanence and things like that.

そして対象の永続性などの常識的なことも理解する必要があります。

And so we went off to create essentially the chat GPT or the Lama of world models.

そこで私たちは、世界モデルのChatGPTやLlamaのようなものを本質的に作ることにしました。

And it's called World Foundation Model, just like a language foundation model.

それは言語基盤モデルのように、World Foundation Modelと呼ばれています。

This is a foundation model that understands worlds.

これは世界を理解する基盤モデルです。

And so if we could create such a thing, and that's what Cosmos is, and we made it available openly for everyone, hopefully this will really ignite and accelerate the development of robotics.

そしてもしそのようなものを作ることができれば、それがCosmosであり、私たちはそれを誰もが利用できるようにオープンにしました。これによってロボット工学の開発が本当に加速することを願っています。

I love that.

素晴らしいですね。

And when it comes to teaching robotics, I know there were some announcements made around Isaac Root as well, especially around virtual reality training.

そして、ロボット工学の教育に関して、Isaac Rootについても発表がありましたが、特に仮想現実トレーニングについてですね。

Where do you see the future of that or the possibilities of that opening up for us?

その未来や可能性についてどのようにお考えですか？

Well, the first part of training an AI is you have to give them foundation knowledge, common sense knowledge.

まず、AIのトレーニングの最初の部分は、基礎知識、常識的な知識を与える必要があります。

The second part is you have to fine tune them in skills.

第二の部分は、スキルを微調整する必要があります。

So you have to teach them things.

つまり、物事を教える必要があります。

And the way you teach a general robotics is kind of like the way you teach a person, you show it to them.

そして一般的なロボットを教える方法は、人を教える方法と同じように、示して教えます。

And so you use human demonstration and you show them this is the way you pick up a glass.

そこで人間のデモンストレーションを使用し、これがグラスを拾う方法だと示します。

But every time the glass is a little bit different, it's positioned a little different, the height's a little different and the shape's a little different.

しかし、グラスは毎回少しずつ異なり、位置も少し異なり、高さも少し異なり、形も少し異なります。

And yet it's basically picking up a glass of water.

しかし、基本的には水の入ったグラスを拾うということです。

And so using Isaac Root, we could do a few human demonstrations and then using AI, using Cosmos and Omniverse to generate a whole bunch of future versions of it.

そこでIsaac Rootを使用して、いくつかの人間のデモンストレーションを行い、そしてAIを使用して、CosmosとOmniverseを使用して、多くの将来のバージョンを生成することができます。

And so then we generate a whole bunch of versions of different sizes and different locations and placements.

そして、異なるサイズや異なる場所、配置の多くのバージョンを生成します。

And we give all of that training data, like imitation data to the robot to learn from.

そしてそれらの全てのトレーニングデータ、模倣データをロボットに学習させます。

And so now it learned a whole bunch of generalized versions of it.

そして今や、一般化された多くのバージョンを学習しました。

Yes.

はい。

Because it feels like there's endless amounts of versions and that's what really what this is solving is by giving those versions for training the robot.

無限のバージョンがあるように感じますが、それが本当にこれが解決していることですね、ロボットのトレーニングのためにそれらのバージョンを提供することで。

That's right.

その通りです。

So instead of giving it just one example, we're giving that robot millions of different examples. And you're mentioning Omniverse as well.

ただ一つの例を与えるのではなく、そのロボットに何百万もの異なる例を与えているのです。そしてOmniverseについても言及されていましたね。

And that's something that I'm very, very fascinated with, especially when it comes to virtual training in industries such as manufacturing.

それは私が非常に魅了されていることの一つです、特に製造業などの産業での仮想トレーニングに関して。

How do you see those industries evolving with using the Omniverse for training purposes?

トレーニング目的でOmniverseを使用する場合、それらの産業はどのように進化すると思われますか？

Well, the robotics industry has a hard time getting off the ground because it's hard to train a robot.

ロボット産業は、ロボットのトレーニングが難しいため、なかなか軌道に乗れません。

And you have to create a whole bunch of experiences for the robot.

そしてロボットのために多くの経験を作る必要があります。

And it's also hard, it's also dangerous to train a robot in the physical world.

また、物理的な世界でロボットをトレーニングすることは難しく、危険でもあります。

And so we created a virtual world where a robot could, you know, a playground for a robot essentially.

そこで私たちは、ロボットのための仮想世界、本質的にロボットの遊び場を作りました。

And so this Omniverse is a virtual playground to the robot.

そしてこのOmniverseは、ロボットのための仮想遊び場です。

It feels like the real thing because it obeys the laws of physics and things look real.

物理法則に従い、物事が本物のように見えるため、本物のように感じられます。

And to the robot, it can't tell the difference.

そしてロボットにとっては、違いが分かりません。

And so we train the robot in this virtual world called Omniverse, and we create a whole bunch of scenarios for the robot to learn from.

私たちはこのOmniverseと呼ばれる仮想世界でロボットをトレーニングし、ロボットが学習するための多くのシナリオを作成します。

Now, when the robot learned how to be in Omniverse and do a task in Omniverse, we take that robot brain and we put it into the real robot.

そして、ロボットがOmniverseでの存在方法とOmniverseでのタスクの実行方法を学習したら、そのロボットの脳を実際のロボットに移します。

And, you know, if the SIM, the real gap is as small as possible, the robot can't tell the difference.

そして、シミュレーションと現実のギャップができるだけ小さければ、ロボットは違いが分かりません。

Yeah, that's the incredible part.

はい、それが素晴らしい部分ですね。

And so this virtual world, this digital twin of the world is what Omniverse was created for.

そしてこの仮想世界、世界のこのデジタルツインが、Omniverseが作られた理由です。

It's amazing, and it saves so many, I'm sure, resources and time if the training was done otherwise.

素晴らしいですね、そしてトレーニングを他の方法で行った場合と比べて、多くのリソースと時間を節約できることは間違いありません。

Yeah, otherwise it'd just be impossible.

はい、そうでなければ不可能でしょう。

If you were to train a robot, say, to learn how to walk in the physical world, it would be learning in human time, linear time.

例えば、物理的な世界でロボットに歩き方を学習させようとすると、人間の時間、線形の時間で学習することになります。

But in Omniverse, we could create so many different multiverses, if you will, that the robot is learning in parallel, you know, maybe 100,000 different ways.

しかしOmniverseでは、多くの異なるマルチバースを作ることができ、ロボットは並行して学習します、おそらく10万通りの異なる方法で。

And so we take what would have taken 10 years to train a robot to do, we basically reduced it down to a few hours.

そして、ロボットのトレーニングに10年かかっていたものを、基本的に数時間に短縮しました。

And so, you know, this is the, imagine if we had a multiverse, how smart we would be, you know, so all the different versions of Tiffany would be learning math here, learning science there, learning English there, learning geography there, and we simultaneously learn all at the same time.

そして、これが、マルチバースがあったらどれだけ賢くなれるかを想像してみてください。ティファニーの異なるバージョンが、ここで数学を学び、あそこで科学を学び、あそこで英語を学び、あそこで地理を学び、そして同時に全てを学ぶのです。

And that's essentially what Omniverse does.

そして本質的に、それがOmniverseが行うことです。

Exactly, exactly.

その通りです、その通りです。

I wish that was possible for Danny Buffman.

ダニー・バフマンにもそれが可能だったらいいのにと思います。

You know, another area that was announced yesterday was around NVIDIA Drive AI, and really enhancing and helping the safety and security when it comes to autonomous vehicles.

昨日発表されたもう一つの分野は、NVIDIA Drive AIに関するもので、自動運転車の安全性とセキュリティを向上させ、支援することについてでしたね。

I know you also announced your partnership with Toyota as well, which is very exciting.

トヨタとのパートナーシップも発表されましたね、とても興奮しています。

Yeah, that was big news.

はい、大きなニュースでした。

Really big news.

本当に大きなニュースですね。

They're the largest car company in the world.

彼らは世界最大の自動車会社です。

I know, it's very exciting.

はい、とても興奮していますね。

Where do you see that headed with NVIDIA Drive AI?

NVIDIA Drive AIについて、今後どのような展開が見込まれますか？

Well, we've been working on autonomous driving for some time, and it's already some $5 billion business for us.

私たちはしばらくの間、自動運転に取り組んでおり、すでに50億ドルのビジネスとなっています。

Yeah, and so the way that we serve the autonomous vehicle industry is through the three computer systems, one for training the AI, one for simulating the AI called Omniverse, and one to put the AI in the car.

そして、私たちが自動運転車産業に貢献している方法は、3つのコンピュータシステムを通じてです。1つはAIのトレーニング用、1つはOmniverseと呼ばれるAIのシミュレーション用、そして1つは車にAIを搭載するためのものです。

And the car AI, safety is everything.

そして車のAIにおいて、安全性が全てです。

And the way that you solve for safety, first, the algorithm has to be safe.

安全性を解決する方法として、まず、アルゴリズムが安全でなければなりません。

And so it has to be smart about what to avoid and how to drive safely and such.

そのため、何を避け、どのように安全に運転するかについて賢くなければなりません。

But those are algorithm things beyond.

しかし、それらはアルゴリズムの問題を超えています。

Even underneath that, the operating system has to be designed to be safe.

その下でさえ、オペレーティングシステムは安全であるように設計されなければなりません。

The car computer has to be designed to be safe.

車のコンピュータは安全であるように設計されなければなりません。

In the sense that it can't fail.

つまり、故障してはいけないということです。

And if it were to fail, it would fail safely.

そして、もし故障するとしても、安全に故障しなければなりません。

There's a whole bunch of very complex technology that's associated with diversity of algorithms and redundancy of computing, and all of this complex technology makes it possible to be safe. It's so interesting you say that, because it is, you know, from a consumer standpoint, you think of safety more so from, you know, detecting objects or whatnot.

アルゴリズムの多様性やコンピューティングの冗長性など、非常に複雑な技術があり、これらの複雑な技術が安全性を可能にしています。消費者の立場からすると、物体の検知などの安全性を考えがちですが、あなたが指摘したように、多くの層があるのは興味深いですね。

But to your point, there's so many layers to it.

はい、本当に多くの層があります。

It goes all the way down to the algorithm, really, is where it begins.

それは本当にアルゴリズムから始まるところまで遡ります。

That's right.

その通りです。

And the more diversity you have and the more redundancy that you have, the more safe that system will be. Jensen, you've led NVIDIA through gaming and so many AI breakthroughs.

そして、より多くの多様性と冗長性があればあるほど、そのシステムはより安全になります。ジェンセンさん、あなたはNVIDIAをゲームや多くのAIのブレークスルーを通じて率いてこられました。

Which emerging technology do you see or think will be the most impactful for us over the next decade?

次の10年間で、どの新興技術が私たちにとって最も影響力があると考えていますか？

Well, artificial intelligence is unquestionably the single most important technology of our time.

人工知能は間違いなく、私たちの時代で最も重要な技術です。

And when you take a step back and ask yourself, what would happen if we could scale intelligence and apply it and channel that capability and direct it at healthcare for drug discovery or figuring out how to deal with climate change or just, you know, building robotics, for example, the things that we're working on so that we could deal with the aging population, declining population, and prevent and help alleviate the inflation that's going on everywhere by driving productivity into every single industry.

そして一歩下がって、私たちが取り組んでいる知能をスケールアップし、その能力を医療や創薬、あるいは気候変動への対処方法の解明、あるいはロボット工学の構築などに適用し、向けることができたら何が起こるかを考えてみると、高齢化社会や人口減少に対処し、生産性をあらゆる産業に導入することでどこでも起きているインフレを防ぎ、緩和するのを助けることができます。

There's just so many things that artificial intelligence is gonna impact.

人工知能が影響を与えることは本当にたくさんあります。

And so that's why, as a company, we're all completely into it.

そのため、企業として、私たちは完全にそれに取り組んでいます。

Now, artificial intelligence affects all of our other businesses, you know, from even though GeForce was really the vehicle that made artificial intelligence possible, AI has now gone back to GeForce and made computer graphics more amazing.

今、人工知能は私たちの他のすべてのビジネスに影響を与えています。GeForceが人工知能を可能にした媒体であったにもかかわらず、AIは今やGeForceに戻ってきて、コンピュータグラフィックスをより素晴らしいものにしました。

Yeah.

はい。

Yeah.

はい。

And it's just incredible what we're able to do now, combining artificial intelligence and computer graphics.

人工知能とコンピュータグラフィックスを組み合わせることで、今できることは本当に信じられないほどです。

And so we're using artificial intelligence to, we're combining it with physical sciences and revolutionizing the way we do scientific computing.

そして私たちは人工知能を物理科学と組み合わせて使用し、科学的計算の方法を革新しています。

We're combining it with, you know, the way that we design chips so that we design better chips and the way we develop better software.

私たちはそれを、より良いチップを設計する方法や、より良いソフトウェアを開発する方法と組み合わせています。

And so artificial intelligence is affecting everything that we do.

そして人工知能は私たちが行うすべてのことに影響を与えています。

Yes.

はい。

And it's gonna impact everything that, every industry out there.

そしてそれはあらゆる産業に影響を与えるでしょう。

So it's the single most important thing, undoubtedly, Manji.

疑いなく、それは最も重要なことです。

And that brings me to a question.

そしてそれは私に質問を思い起こさせます。

I have a lot of followers or viewers on my channel who are either, you know, in computer science or, you know, working in technology.

私のチャンネルには、コンピュータサイエンスや技術分野で働いている多くのフォロワーや視聴者がいます。

And a common question asked is, there's so many areas within tech that you can get into or kind of grow your career into.

よく聞かれる質問は、技術分野には参入したり、キャリアを伸ばしたりできる分野が多くあるということです。

You know, it seems like artificial intelligence from both the business and technical standpoint is definitely a great area for them to continue to pursue.

ビジネスと技術の両方の観点から、人工知能は彼らが追求し続けるべき素晴らしい分野のように見えますね。

Yeah, I think the, of course, there's the contributing to the basic science of artificial intelligence.

はい、もちろん人工知能の基礎科学に貢献するという方法があります。

And I think that that's terrific.

そしてそれは素晴らしいことだと思います。

However, the next decade, the application of artificial intelligence, the applied sciences is going to be really important. You know, how does, how, I work with ChatGPT as a companion every day, you know?

しかし、次の10年間は、人工知能の応用、応用科学が本当に重要になるでしょう。私は毎日、ChatGPTをコンパニオンとして使用しています。

Yeah, and so I have ChatGPT on all the time and I'm asking you questions and working with it to solve problems.

はい、そして私は常にChatGPTを使用して、質問をしたり、問題を解決するために一緒に作業したりしています。

You have to learn how to interact with AI.

AIとの対話方法を学ぶ必要があります。

And prompting, as you know, has a real art to it.

そして、ご存じのように、プロンプトには本当にアートがあります。

And there's art and science associated with prompting.

プロンプトには芸術と科学が関連しています。

And so the way you interact with people, the way you interact with AIs, you're going to have to learn how to do that.

そして、人々との関わり方、AIとの関わり方を学ぶ必要があります。

And how do you apply AI to content creation?

コンテンツ制作にAIをどのように適用するか？

How do you apply AI to engineering?

エンジニアリングにAIをどのように適用するか？

Or how do you apply AI to software development?

あるいはソフトウェア開発にAIをどのように適用するか？

Or how do you apply AI to marketing or finance or the legal profession?

あるいはマーケティングやファイナンス、法律の専門職にAIをどのように適用するか？

Whatever field that you're interested in, how do you apply AI to that?

あなたが興味を持っている分野に、どのようにAIを適用するか？

That's an area that I think is worthy of a lot of research and a lot of development.

それは多くの研究と開発に値する分野だと思います。

And so I think the, whereas my generation was really about how do we apply computers to solve chip design and software engineering, this generation is how do we apply AI to solve those, answer all of those same basic questions.

そして私の世代がチップ設計やソフトウェアエンジニアリングを解決するためにコンピュータをどのように適用するかということだったのに対し、この世代はそれらの同じ基本的な質問に答えるためにAIをどのように適用するかということです。

How do I apply AI to forestry?

林業にAIをどのように適用するか？

How do I apply AI to oceanography?

海洋学にAIをどのように適用するか？

How do I, you know, so on and so forth.

などなど、そうですね。

It's, yeah, every industry, every field of science.

はい、あらゆる産業、あらゆる科学分野にですね。

Jansen, thank you so much for taking the time to chat with me today.

ジェンセンさん、今日はお時間を取っていただき、ありがとうございました。

It's, I'm leaving this conversation feeling so excited about the future and what's to come.

この会話を聞いて、私は将来とこれから起こることにとても興奮している。