I know that sounds strange, almost unthinkable.

奇妙に聞こえるのは分かっている。

Text is everywhere around us.

テキストは私たちの身の回りのいたるところにある。

We use it hundreds of times every single day.

私たちは毎日何百回も使っている。

And it's growing into the fabric of our daily lives.

そして、それは私たちの日常生活に浸透しつつある。

But today, I'm going to make the case that humanity's relentless pursuit of better ways to convey ideas and preserve knowledge doesn't end with text.

しかし今日は、アイデアを伝え、知識を保存するためのより良い方法を追求する人類のあくなき探求は、テキストだけに終わらないということを主張しようと思う。

I think we're at the dawn of a new era of AI-enabled communication.

私たちは今、AIを活用したコミュニケーションの新時代の幕開けを迎えていると思う。

And I think that future generations will slowly replace text with more intuitive forms of communication like audio, video, and eventually immersive technologies.

そして未来の世代は、徐々にテキストに代わって、音声やビデオ、そして最終的には没入型テクノロジーのような、より直感的なコミュニケーション形態になっていくと思う。

And one day, I think we'll look back at reading and writing as historical artifacts, like we do with papyrus scrolls or hieroglyphs or cave paintings.

そしていつの日か、パピルスの巻物や象形文字、洞窟壁画のように、読み書きを歴史的な芸術品として振り返る日が来ると思う。

Don't get me wrong, I love reading.

誤解しないでほしいのだが、私は読書が大好きだ。

This is not a personal vendetta against text.

これはテキストに対する個人的な恨みではない。

Some of my fondest memories is walking around to my local library back in Copenhagen, that you see behind me here, picking out all kinds of books, mostly science fiction books, returning home to read them, so I could go back there again and pick out the next set of exciting books to read.

私の一番好きな思い出は、この後ろに見えるコペンハーゲンの地元の図書館を歩き回って、あらゆる種類の本、主にSF本を選び、家に戻って読み、またそこに戻って次の刺激的な本を選ぶことだ。

I love disappearing into these worlds that were different than the physical world around me.

周りの物理的な世界とは違う世界に消えていくのが好きなんだ。

And that, of course, only was amplified when I discovered the Internet at around 10 years old, which opened up an entirely new world of ideas, of music, and people.

そしてもちろん、それは10歳頃にインターネットに出会って、まったく新しいアイデアや音楽、人々の世界を開いたときに、さらに増幅された。

The Internet information was free, and I saw firsthand how technology didn't just change the distribution of content, it changed the content in itself.

インターネットの情報は無料だったし、テクノロジーが単にコンテンツの流通を変えただけでなく、コンテンツそのものを変えたことを目の当たりにした。

The difference between a lively forum and a book is massive, right?

活発なフォーラムと本の違いは大きいよね。

A blog and a newspaper, and so on.

ブログとか新聞とか。

In music, which is my big passion outside of work, I saw how software instruments and sampling and drum machines gave birth to entirely new genres that had never been possible before.

仕事以外の大きな情熱である音楽では、ソフトウェア楽器やサンプリング、ドラムマシンが、それまで不可能だったまったく新しいジャンルを生み出すのを目の当たりにした。

Not only that, but all the people around the world making new, exciting music could share it with the world without the middlemen of labels.

それだけでなく、新しくてエキサイティングな音楽を作っている世界中のすべての人々が、レーベルという中間業者を介さずに、その音楽を世界中と共有することができる。

The video games I played got connected to the Internet.

私がプレイしたビデオゲームはインターネットに接続された。

You formed communities with people around the world that you didn't know.

世界中の知らない人たちとコミュニティを形成した。

That's what my parents thought, at least.

少なくとも両親はそう思っていた。

I started my first business when I was 13 years old in World of Warcraft.

私は13歳のときに『ワールド・オブ・ウォークラフト』で最初のビジネスを始めた。

We were 50 people slaying dragons together online.

私たちはオンラインで50人一緒にドラゴンを倒していた。

And I would later learn in life that it's actually not that different than running a startup.

そして私は後に、それが実はスタートアップ企業の経営とさほど変わらないことを知ることになる。

And those early years of my life sparked a lifelong interest in media and technology, how they change the way that we create, consume, play, and communicate.

そして私の人生の初期は、メディアとテクノロジーに生涯の興味を抱くきっかけとなった。メディアとテクノロジーは、私たちが創造し、消費し、遊び、コミュニケーションする方法をどのように変えるのか。

And in 2016, I discovered a research paper called Face to Face by Professor Matthias Niesner and his team.

そして2016年、私はマティアス・ニーズナー教授とそのチームによる『Face to Face』という研究論文を発見した。

They built a system that using neural networks could produce really, really photorealistic video.

彼らはニューラルネットワークを使って、本当に、本当に写実的なビデオを作成できるシステムを構築した。

And when I saw this for the first time, I felt like I'd seen magic.

そしてこれを初めて見たとき、魔法を見たような気がした。

And I was convinced that in 10 years, you're going to be able to create a Hollywood film from your bedroom without needing anything else than just your imagination.

そして10年後には、想像力以外何も必要なく、寝室からハリウッド映画を作れるようになると確信した。

That's in three years, and I think that's actually going to hold up.

それは3年後のことで、実際に持ちこたえることができると思う。

I couldn't get this idea out of my mind, and eventually I ended up founding Synthesia, an AI video company, along with Matthias and Lourdes and Stefan, my co-founders.

このアイデアが頭から離れず、結局、共同創業者のマティアス、ルルデス、ステファンとともに、AIビデオ会社のシンセシアを設立することになった。

And this really was a way to kind of marry my interest in media and technology and sci-fi.

そしてこれは、私のメディアとテクノロジーとSFへの興味を結びつける方法だった。

We started the company with the vision of making everyone in the world into a Hollywood director.

私たちは、世界中のすべての人をハリウッドの監督にするというビジョンを持って会社を立ち上げました。

And while that's definitely still a very exciting vision, as the years kind of went on, we realized that as exciting as AI-generated Hollywood films is, it's only the tip of the iceberg.

そして、それは今でも非常にエキサイティングなビジョンであることは間違いないが、年月が経つにつれて、AIが生成するハリウッド映画がエキサイティングであるのと同様に、それは氷山の一角に過ぎないことに気づいた。

The really exciting potential about these technologies is that they're going to enable every single piece of content from text messages to novels to boring corporate training materials to be brought alive in video and audio.

これらのテクノロジーに関する本当にエキサイティングな可能性は、テキストメッセージから小説、退屈な企業研修資料まで、あらゆるコンテンツをビデオやオーディオで生き生きとしたものにできるようになることだ。

But before we talk more about video, let's talk about text.

ビデオの話をする前に、テキストの話をしよう。

Text is the original way of compression for human communication.

テキストは、人間のコミュニケーションのためのオリジナルの圧縮方法である。

We encode our thoughts and knowledge into symbols that can convey meaning across time and space.

私たちは自分の考えや知識を、時間と空間を越えて意味を伝えることのできるシンボルにコード化する。

That hasn't always been the case.

昔からそうだったわけではない。

Thousands of years ago, text didn't exist, and the only way we had to share information was orally.

数千年前、文字は存在せず、情報を共有する唯一の方法は口頭だけだった。

In 1500 before Christ, the first alphabet was invented, and it essentially took these very complex writing systems and simplified them into just a few characters laying the groundwork for the modern society that we know today.

キリスト以前の1500年、最初のアルファベットが発明され、基本的にこれらの非常に複雑な文字体系をわずか数文字に簡略化し、今日の現代社会の基礎を築いた。

In 1440, Gutenberg invented the printing press, and for the first time in history, we could mass-produce written content.

1440年、グーテンベルグが印刷機を発明し、歴史上初めて文字コンテンツを大量生産できるようになった。

It would take until the mid-20th century before reading became something for the masses and people slowly became literate.

読書が大衆のものとなり、人々が徐々に読み書きをするようになるまでには、20世紀半ばまでかかった。

If we fast-forward to today, text is ubiquitous, and it's impossible to live a life without being able to read and write.

現代に早送りすれば、文字はどこにでもあり、読み書きができないで生活することは不可能だ。

But as great as text is, it's an imperfect technology.

しかし、テキストは素晴らしいが、不完全な技術だ。

It's very efficient, and it's very scalable.

非常に効率的で、拡張性も高い。

But it's a very, very lossy method of compressing information.

しかし、情報を圧縮する方法としては、非常にロスの多いものだ。

It lacks all the nuance and additional information that we get when we speak to someone in real life.

実生活で誰かと話すときに得られるようなニュアンスや付加的な情報がすべて欠けているのだ。

Your tone of voice, your body language, where you are, all those things matter for that message, right?

声のトーン、身振り手振り、どこにいるか、それらすべてがメッセージには重要なんだ。

Text can be interpreted a million different ways depending on the receiver.

テキストは受け手によって百万通りの解釈ができる。

Is this good news or bad news?

これは良いニュースなのか、それとも悪いニュースなのか？

It's very hard to tell, right?

とても分かりにくいですよね？

But we invented emojis to make it a little bit better.

しかし、私たちはそれを少しでも良くするために絵文字を発明した。

But even emojis are not perfect.

しかし、絵文字だって完璧ではない。

People are still debating if this smiley is happy, is it pissed, is it planning to kill you, the debate goes on.

このスマイリーが喜んでいるのか、怒っているのか、殺すつもりなのか、人々はまだ議論している。

And if you think about visual communication, this is an image.

ビジュアル・コミュニケーションについて考えるなら、これはイメージだ。

It took all of you a few seconds to look at this image and understand it, right?

皆さんがこの画像を見て理解するのに数秒かかったでしょう？

It's a very intuitive way of consuming information.

とても直感的な情報消費方法だ。

What if I shared this with you instead, a text description of the image?

その代わりに、画像の説明をテキストでお伝えしたらどうでしょう？

Would it have taken you 30 seconds to read it?

読むのに30秒もかかっただろうか？

The high cognitive load to take those pieces of symbols and turn them into an image in your mind, right?

記号の断片を頭の中でイメージに変えるには、高い認知的負荷がかかる。

And even if I gave you 30 pages of description, you would always imagine a different image than what you are seeing behind me right now.

そして、たとえ私が30ページにわたって説明したとしても、あなたはいつも、今私の後ろで見ているものとは違うイメージを想像するだろう。

Once we add a time dimension, as in video, this problem massively compounds.

ビデオのように時間の次元が加われば、この問題はさらに大きくなる。

So it's not that strange that since the invention of text, we've been innovating towards richer and more intuitive ways of exchanging information.

だから、テキストが発明されて以来、私たちがより豊かで直感的な情報交換の方法を目指して革新してきたことは、それほど不思議なことではない。

We invented radio, TV, internet, VR, social media, and now AI.

私たちはラジオ、テレビ、インターネット、VR、ソーシャルメディア、そしてAIを発明した。

In 2024, it's very obvious that people want to watch and listen.

2024年、人々が見たり聞いたりしたいと思っていることは明らかだ。

If you look at the digital economy, TikTok is the fastest-growing social network.

デジタル経済を見ると、TikTokは最も急成長しているソーシャルネットワークである。

It's also the fastest-growing search engine, which is very interesting.

最も急成長している検索エンジンでもあり、非常に興味深い。

Video and audio is everywhere in the apps that we use.

ビデオやオーディオは、私たちが使うアプリのいたるところにある。

We send voice notes on WhatsApp.

私たちはWhatsAppでボイスノートを送っています。

Now we're on dating apps.

今は出会い系アプリを使っている。

When we shop, we watch product videos.

私たちは買い物をするとき、商品のビデオを見る。

And my thesis is that the more we consume video, the more bored we are by text.

そして私のテーゼは、ビデオを消費すればするほど、テキストに飽きるというものだ。

And I have to say, this is also true for me, even though I love reading.

そして、これは読書が好きな私にも言えることだ。

When I want to learn something new, I usually start on YouTube, on TikTok, listen to a podcast.

新しいことを学びたいときは、たいていYouTubeやTikTok、ポッドキャストを聴く。

And only if I'm really, really invested in something, I'll take the hours out of my day to read a 200-page book.

そして、本当に、本当に何かに没頭しているときだけ、1日のうち何時間も割いて200ページの本を読む。

It just doesn't feel that much like it's worth it anymore.

もうそれだけの価値があるとは思えないんだ。

And for a lot of you, you probably feel the same.

そして、おそらく多くの皆さんも同じように感じていることだろう。

Do you want to learn music theory from a long book or from a video on YouTube that has audio?

音楽理論を長い本から学ぶか、YouTubeの音声付きビデオから学ぶか。

Do you want to listen to the news on a podcast on the way to work or fold out this physical piece of paper somewhere?

通勤途中にポッドキャストでニュースを聴くか、それともこの物理的な紙切れをどこかに折り畳んでおくか。

Most people feel like this.

ほとんどの人がこう思っている。

But we all have this guilt.

でも、この罪悪感は誰にでもある。

I have, at least.

少なくとも私はそうだ。

I feel guilty when I watch videos and when I listen to podcasts instead of picking up a good old-fashioned book.

昔ながらの本を手に取らずにビデオを見たり、ポッドキャストを聞いたりすることに罪悪感を感じる。

When you hear the commentary on this, young people are unable to focus anymore.

その解説を聞いていると、若い人たちはもう集中できなくなっている。

They need constant dopamine hits from cheap content that they scroll through on their social media apps.

彼らは、ソーシャルメディアアプリでスクロールする安いコンテンツから、常にドーパミンを打つ必要がある。

They don't get outside their room anymore.

もう部屋の外に出ることはない。

Exactly the same thing parents have been saying for 200 years.

200年間、親たちが言い続けてきたこととまったく同じだ。

I have a prerogative idea.

私には特権的な考えがある。

What if we're all just tired of overly dense, slow information?

もし、私たちがただ、濃すぎて遅い情報にうんざりしているだけだとしたら？

Books with too many pages.

ページ数が多すぎる本。

Newspaper articles with filler.

フィラー入りの新聞記事。

What if we become much more sensitive to the quality and the conciseness of the content that we consume because we now have infinite choice?

無限の選択肢がある今、私たちが消費するコンテンツの質と簡潔さにもっと敏感になったらどうだろう？

What if the current generation of kids are able to learn and absorb information much faster because of technology, not despite it?

もし、今の世代の子供たちが、テクノロジーにもかかわらずではなく、テクノロジーのおかげでずっと速く情報を学び、吸収できているとしたらどうだろう？

Is the problem us, or is the problem text?

問題は我々なのか、それともテキストなのか？

We still read a lot, right?

今でもたくさん本を読んでいるよね？

We just read from many different sources every single day, not just a book and a newspaper.

私たちは毎日、本や新聞だけでなく、さまざまな情報源から本を読んでいる。

We read our messaging apps and our social media networks and our blog.

私たちはメッセージングアプリやソーシャルメディアネットワークやブログを読んでいる。

We listen to long-form podcasts.

私たちは長編のポッドキャストを聴いている。

It's very growing, right?

とても成長しているよね？

But we still have this idea that books are morally superior in some sense.

しかし、私たちはまだ、本はある意味で道徳的に優れているという考えを持っている。

And even though I'm giving you this talk, I still very much feel it.

そして、このような話をしながらも、私はまだそれを強く感じている。

I don't know why that is.

それがなぜなのかは分からない。

I'll let someone else do the research on that.

それについては他の人に調べてもらうことにしよう。

But it's definitely very interesting how we psychologically attribute more value to the written word.

でも、私たちが心理的に、書かれた言葉に価値を見出すのはとても興味深いことだ。

So why is so much information still text if we really prefer video?

では、私たちは本当はビデオを好むのに、なぜこれほど多くの情報がテキストのままなのだろうか？

It's pretty simple.

簡単なことだ。

The answer is cost.

答えはコストだ。

Cost in time and cost in money.

時間的コストと金銭的コスト。

Today, we have to pick between the speed and scale of text or the accuracy and engagement of video content.

今日、私たちはテキストのスピードとスケールか、ビデオコンテンツの正確さとエンゲージメントのどちらかを選ばなければならない。

And so there's this underlying economic incentive where only the content and the ideas and the knowledge we deem important enough gets converted into video and audio formats.

そして、私たちが十分重要だと考えるコンテンツやアイデア、知識だけがビデオやオーディオのフォーマットに変換されるという経済的インセンティブが根底にある。

And so in the entertainment industry, this means that we get Fast and the Furious 278 rather than avant-garde cinema from film students.

エンターテインメント業界では、映画学生による前衛的な映画ではなく、『ワイルド・スピード』278が作られるのだ。

In the corporate world, this means that the Super Bowl ad is a video, but the fire safety video is a long, boring document.

企業の世界では、スーパーボウルの広告はビデオだが、火災安全のビデオは長くて退屈な文書だということだ。

And this is about to change in a big, big way.

そして、これは大きく、大きく変わろうとしている。

AI will change that equation completely.

AIはその方程式を完全に変えるだろう。

With AI, we can get both speed, scale, accuracy, and engagement.

AIを使えば、スピード、スケール、正確さ、そしてエンゲージメントの両方を手に入れることができる。

AI can create highly photorealistic content digitally.

AIは非常に写実的なコンテンツをデジタルで作成することができる。

Computers can learn what the world looks like and they can replicate it and remix it in amazing details.

コンピューターは世界がどのように見えるかを学び、それを再現し、驚くほど細部まで作り変えることができる。

This is going to usher in a new wave of creativity.

これはクリエイティビティの新たな波の先駆けとなるだろう。

And it's not going to be driven by Hollywood.

そして、それはハリウッドが主導するものではない。

It's going to be driven by YouTubers and young people with great ideas who take these tools and tell amazing stories.

YouTuberや、これらのツールを使って素晴らしいストーリーを語る、素晴らしいアイデアを持った若者たちが牽引していくだろう。

At Synthesia, we focus on AI avatars, digital humans that sound and look like us.

シンセシアでは、AIアバター、つまり私たちと同じような音と外見を持つデジタル・ヒューマンに焦点を当てている。

They can even be us if you make a clone of yourself.

自分のクローンを作れば、私たちになることもできる。

Today, our avatars already interact with millions of people every single day.

今日、私たちのアバターはすでに毎日何百万人もの人々と交流している。

They teach school subjects, they onboard restaurant workers, provide health guidance, and sell products in more than 130 different languages.

彼らは学校の教科を教え、レストランの従業員を乗せ、保健指導を行い、130以上の異なる言語で商品を販売する。

And they're getting really good.

そして、彼らは本当に良くなっている。

Very soon, they'll be very difficult to distinguish from reality.

すぐに現実との区別がつかなくなるだろう。

Hello, I'm Alex, a personal avatar.

こんにちは、個人アバターのアレックスです。

I am so excited and happy to be here.

ここに来ることができてとても興奮しているし、幸せだ。

Can you see how expressive I look and hear how natural I sound?

私がどれほど表情豊かで、どれほど自然な声を出しているかわかる？

Isn't it great?

素晴らしいと思わないか？

Bye for now, hope to see you soon.

ではまた、近いうちにお会いしましょう。

This video is entirely AI generated.

この映像はすべてAIが生成したものだ。

I'm Alex.

僕はアレックスだ。

They still don't know when to stop speaking.

彼らはまだ話すのを止めるタイミングを知らない。

So with these technologies, we can create anything without the need for cameras.

だから、これらの技術を使えば、カメラを使わなくても何でも作ることができる。

We can bring our imaginations to life without the traditional barriers of skill and cost.

技術やコストといった従来の障壁なしに、私たちのイマジネーションに命を吹き込むことができるのだ。

But what's more exciting about all these new technologies is that they're going to make it extremely easy for anyone to create content.

しかし、これらの新しいテクノロジーでもっとエキサイティングなのは、誰でも簡単にコンテンツを作れるようになることだ。

We've already seen how keyboards and computers turned all of us into writers.

キーボードとコンピューターが私たち全員を作家に変えたことはすでに見てきた。

We've seen how PowerPoint turned all of us into designers.

私たちは、パワーポイントが私たち全員をデザイナーに変えたことを見てきた。

And with AI, everyone is going to be able to be a director producing Hollywood-grade video without needing any training at all, like you can see here behind me.

そしてAIを使えば、誰もがハリウッド級のビデオを制作するディレクターになれる。

At Zendida, we've already turned more than a million people into video creators.

Zendidaでは、すでに100万人以上の人々をビデオクリエーターに変えました。

And it's really fun to see all the things people make videos about, but they don't have to ask their boss because they can just log on and make the videos themselves.

みんながビデオを作るのを見るのは本当に楽しいし、上司に頼む必要もない。

Why do people make videos?

なぜ人々はビデオを作るのか？

It's not a very well-researched area yet, but we've been working with UCL in London to figure out how do we learn differently with video and AI video versus text.

まだあまり研究されていない分野ですが、私たちはロンドンのUCLと共同で、ビデオやAIのビデオとテキストとではどのように学習が異なるのかを解明しています。

We did a study with 400 participants.

私たちは400人を対象に研究を行った。

It's still ongoing.

まだ進行中だ。

We plan to publish the results sometime next year, but there's some really interesting initial findings.

来年には結果を発表する予定だが、最初の調査結果には実に興味深いものがある。

When you just ask people, do you prefer to learn with AI video or text, the results are pretty astonishing. 77% of people prefer to learn through text.

AIビデオとテキスト、どちらで学びたいですか？77％の人がテキストで学ぶことを好む。