Name: AIは事実と厄介な関係にある。それは修正できるのだろうか？ (AI has a tricky relationship with facts. Can that be fixed?)
Uploaded: 2025-10-15T18:21:48.000Z
Duration: 41 min 27 s
Description: VoiceTubeの動画で発音を聞きながら英語表現を覚えよう！学べる英語：

Foreign this week we're at Web Summit, the annual tech conference in Lisbon.

今週はリスボンで開催されている年次テクノロジーカンファレンス、Web Summitにお邪魔しています。

The main topic of discussion here is, of course, AI.

ここでの主な話題は、もちろんAIです。

転換語

The excitement around large language models such as Microsoft's Gemini and OpenAI's ChatGPT has, however, been tempered by concerns with bias, a lack of transparency and the accuracy of results that generative AI presents.

しかし、MicrosoftのGeminiやOpenAIのChatGPTのような大規模言語モデルへの期待は、生成AIが提示する結果のバイアス、透明性の欠如、そして正確性への懸念によって和らげられています。

So is there a way to de risk the AI development process and build accurate, factual AI that we can trust beyond the value?

では、AI開発プロセスをリスクフリーにし、価値を超えて信頼できる、正確で事実に基づいたAIを構築する方法はあるのでしょうか？

今週のお客様をご紹介しましょう。

Brooke Hartley Moy is co founder and CEO of AI startup in Factory.

Brooke Hartley Moyさんは、AIスタートアップin Factoryの共同創業者兼CEOです。

She previously worked for Salesforce and Google, and

以前はSalesforceやGoogleで勤務し、

before starting in Factory, she was head of strategic partnerships at Humane, a company that developed an AI pin and which we'll talk more about later.

in Factoryを始める前は、AIピンを開発したHumane社の戦略的パートナーシップ部門の責任者でした。この会社については後ほど詳しくお話しします。

Brooke, thank you for joining us on beyond the Valley.

Brookeさん、Beyond the Valleyにご参加いただきありがとうございます。

ここに来られてとても嬉しいです。

We're going to get into your journey, your story, and

あなたのジャーニー、ストーリーについて、そして

tackle what you call the bro code of AI business.

あなたがAIビジネスのブロコードと呼ぶものに取り組んでいきます。

But first, you wrote once upon a time, with a new frontier comes the opportunity to make new rules.

まず、かつてあなたは、新たなフロンティアには新たなルールを作る機会が伴うと書きました。

We don't need to adhere to the old power norms.

古い権力規範に固執する必要はありません。

The AI revolution gives us an opportunity to welcome a new slate of leaders.

AI革命は、新たなリーダー層を歓迎する機会を与えてくれます。

So if we are to have a new cohort of leaders in AI, what skills or more importantly, characteristics do you believe they need to have?

では、AIにおける新たなリーダーのコホートを持つとしたら、どのようなスキル、あるいはより重要な特性が必要だとお考えですか？

Yeah, you know, I've been in software longer than I care to admit.

ええ、そうですね、私はソフトウェアの世界に、認めたくないほど長くいます。

You know, I won't put a number on it usually, but

多くのトレンドが来ては去るのを見てきました。

I've seen, you know, the conversation of move fast and break things.

速く動いて壊すという会話も見てきました。

The world of, you know, if you are disrupting, that's where the praise comes from.

ディスラプティングしている世界こそ、称賛が得られる場所です。

That's where the opportunities come from.

そこから機会が生まれるのです。

I think AI, we've never had a technology in anyone's lifetime that has this much potential to fully change every aspect of everyone else's lives.

私たちがこれほど、人々の生活のあらゆる側面を完全に変える可能性を秘めたテクノロジーを、生きてきた中で経験したことはないと思います。

And for that reason, the people that are going to be successful, harnessing its capabilities, ensuring that we have something that we are going to be proud of from an innovation perspective, not afraid of, not concerned about, need to be.

そのため、その能力を活かし、イノベーションの観点から誇りに思えるもの、恐れたり心配したりするものではなく、確かなものにしていく人々が成功するでしょう。

People that really understand the practical opportunities, have a pragmatic viewpoint, understand a diverse set of experiences and perspectives, not just a single sort of lane.

実践的な機会を本当に理解し、現実的な視点を持ち、単一の分野だけでなく、多様な経験や視点を理解している人々です。

And you know, it's funny that we're on beyond the Valley podcast because I think about how there is sort of this bubble type thinking specifically to the Silicon Valley set around where I can be going.

そして、私たちが「ビヨンド・ザ・バレー」ポッドキャストに出演しているのは面白いですね。なぜなら、シリコンバレーの特定の層には、どこへ向かえるかという点で、一種のバブル的な考え方があると思うからです。

And I think it's also people that ultimately want to be building AI for good.

そして、最終的にAIを善のために構築したいと願う人々もいると思います。

私は自分自身をAI楽観主義者と呼んでいます。

And for that reason, I want people that, that see that opportunity more so than they see just dollar signs or the ability to move as quickly as possible to, to see what happens and hope for the best.

そして、その理由から、単に目先の利益や可能な限り速く動くことだけを見るのではなく、その機会を見出す人々に、何が起こるかを見て最善を願ってほしいのです。

Before we get into it, we're going to have Arjun do stat of the week.

始める前に、今週のスタッツはアルジュンにやってもらいましょう。

今週のスタッツのやり方は知っていますか？

We've already explained it to you, so let's hear it, Arjun.

もう説明したので、聞かせてください、アルジュン。

But I'm going to do it slightly differently, you know, so I'm going to give you the start of a sentence with a stat in it at the end.

でも、少しだけやり方を変えようと思います。文の始まりを提示して、最後にスタッツを入れる形にします。

その文を完成させてください。

ええ、ちょっと面白いですからね。

All right, Arjun, I know you want to start us off with your opening questions, Brooke.

さて、アージュン、オープニングの質問から始めてほしいと聞いていますが、ブルック。

Yeah, Well, I want to just ask a little bit, Brooke, about your backstory.

ええ、ブルック、あなたのバックストーリーについて少し聞きたいのですが。

どうやってこの分野に入ったのですか？

なぜテクノロジーの世界に入ったのですか？

どうやってここにたどり着いたのか？

なぜ私たちは皆ここにいるのでしょうか？

Yeah, you know, it's funny, I was, I was a history major in college, which actually comes up nowadays more often than not.

ええ、ご存知の通り、面白いことに、私は大学で歴史を専攻していたのですが、それが今ではよく話題に上がるんです。

In fact, my talk this week will have a little bit of a history theme to it because I bring sort of this sense of where are we as far as cycles and trends?

実際、今週の私の講演は少し歴史をテーマにしたものになります。なぜなら、サイクルやトレンドに関して、私たちは今どこにいるのか、という感覚を持ち込んでいるからです。

そして、これはAIのスーパーサイクルです。

What does that mean for all the trends that came before and what can we learn from that?

それは、それ以前のすべてのトレンドにとって何を意味するのでしょうか？そして、そこから何を学ぶことができるのでしょうか？

I ended up in tech, honestly, because it was something as going through school I always was interested in, but

テクノロジーの世界に入ったのは、正直に言うと、学校に通っている間、ずっと興味があったことだからです。

I thought that the only opportunity is in tech were for people that were software engineers, computer scientists, which was, you know, and

しかし、テクノロジーにおける唯一の機会は、ソフトウェアエンジニアやコンピューターサイエンティストのような人々のためのものだと考えていました。

それは、ご存知の通り、そして今でも、非常に男性優位な分野です。

It wasn't a space that I necessarily saw as welcoming or open to people that were like me or had my kind of background.

私のような人間や、私のバックグラウンドを持つ人々にとって、歓迎的でオープンな分野とは必ずしも見なされていませんでした。

So I never knew really that it was an option until actually a fellow female founder, Cass Lazaro, who's still someone that I consider a mentor and I look up to greatly.

なので、実際にある女性の創業者で、今でもメンターとして尊敬しているキャス・ラザロさんに出会うまでは、それが選択肢になるとは知りませんでした。

She had a startup that was focused on software applications for Facebook, of all things, which always dates me with Gen Z.

彼女は、Facebook向けのソフトウェアアプリケーションに特化したスタートアップを経営していて、それはジェネシー世代には時代遅れに聞こえるかもしれませんが。

And I had this opportunity to take that as my first job.

そして、それを最初の仕事にする機会を得ました。

She took a bet on me with no software engineering experience, no tech experience, and

彼女は、ソフトウェアエンジニアリングの経験もテクノロジーの経験もない私に賭けてくれたのです。

そこから私は夢中になりました。

その会社はSalesforceに買収されました。

I spent a large chunk of my career there, learned the ins and outs of all things Enterprise sales and so I software sales and then was part of the founding team in Asia Pacific for Slack, which was very much a zero to one.

そこでキャリアの大部分を過ごし、エンタープライズセールス、そしてソフトウェアセールスのすべてを学びました。その後、Slackのアジア太平洋地域の創業チームの一員となり、まさにゼロからイチを生み出す経験をしました。

Slack was not a mature business yet in the US and so it was even further from a mature business in Asia Pacific and figuring out how to build something from the ground up there, which is where a lot of my entrepreneurial interests I think stem from.

Slackはまだアメリカでも成熟したビジネスではなく、アジア太平洋地域ではさらにそうではありませんでした。そこから何かをゼロから構築する方法を見つけることは、私の起業家精神の多くがそこから来ていると思います。

Moved back to the us had the opportunity to be at Google for a number of years working on Android, which is particularly ironic now because my co founder is one of the iPhone inventors and so I like to give him a hard time.

アメリカに戻り、Googleで数年間Androidに携わる機会を得ました。これは今となっては特に皮肉なことです。なぜなら、私の共同創業者はiPhoneの発明者の一人であり、彼をからかうのが好きだからです。

I'm green bubble until I die and still carry my Android device with pride.

私は死ぬまでグリーンバブルで、今でも誇りを持ってAndroidデバイスを使っています。

And then was recruited from Android to join the humane team.

そして、ヒューメインチームに参加するためにAndroidからスカウトされました。

Seeing that the only thing that would take me away from Google was something that was truly a generation defining technology and that was AI and that was now a few years ago.

Googleを離れる唯一のものは、まさに世代を定義するテクノロジー、つまりAIであると見て、それは数年前のことでした。

And getting to have a front row seat to a company that was building foundation model Type technology before ChatGPT was a household name and getting to have sort of a front row seat to all those experiences and spending a lot of time working on what are the big challenges that need to be solved in AI before the technology is going to be able to be used in a way that people really find valuable and meaningful ultimately was what led me to what is now in factory and what I'm focused on now.

ChatGPTが誰もが知る名前になる前に、基盤モデルタイプのテクノロジーを構築していた企業を最前列で見ることができ、そのような経験のすべてを最前列で見ることができ、人々が本当に価値があり意味のある方法でテクノロジーを使用できるようになる前に、AIで解決する必要がある大きな課題について多くの時間を費やすことが、私が現在Factoryにいること、そして現在私が集中していることにつながりました。

And we'll get more into that entrepreneurial journey later.

そして、その起業家精神の旅については、後でもっと掘り下げていきます。

So the whole idea of in factory, it's even in the name, in fact, we are focused on how do you bring accuracy, determinism and facts to the AI space.

工場という考え方、名前にもありますが、AI分野に正確性、決定論、事実をもたらす方法に焦点を当てています。

You know, I think at this point in the journey that we've been on with LMS and generative AI, I think most people have a pretty good understanding that hallucinations are a feature, they're not a bug.

大規模言語モデルや生成AIと共に歩んできたこの旅路において、多くの人は幻覚がバグではなく、むしろ特徴であることを理解していると思います。

And as much as we see the models improving, as much as we see more accuracy and more human like qualities to the models and the technology that they're able to create, they are inherently probabilistic.

モデルが向上し、より正確で人間らしい特性を持つようになり、創造できるテクノロジーも進歩していますが、それらは本質的に確率的なものです。

And we wouldn't want to curb that, we wouldn't want to reduce that entirely because that's partly what makes them magical, what makes them feel human, like which allows them to be creative, you know, when they are able to improve writing or being used for agentic capabilities where they can be very human, like in how they complete tasks.

それを抑制したり、完全に減らしたりしたくはありません。それが彼らを魔法のようにし、人間らしく感じさせ、創造性を発揮できるようにするからです。例えば、文章作成の改善や、タスク完了において人間らしく振る舞えるエージェント機能に利用される場合などです。

All of that is part of what you want in a generative AI type application.

これらすべてが、生成AIタイプのアプリケーションに求められるものです。

But at the same time, when it comes to enterprise and for businesses where close enough is not good enough, then there needs to be some other technology, some other innovations in the space outside of LLMs, that's going to close the gap between true deterministic accuracy and some something that just feels a little bit off, a little bit of randomness in the system, ultimately leading to likely an erosion of trust and sort of an embrace of the technology itself.

しかし同時に、企業やビジネスにおいては「そこそこ」では不十分なため、LLM以外にも、真の決定論的な正確さと、少しばかりの不確かさやシステム内のランダムさとの間のギャップを埋める、他のテクノロジーやイノベーションが必要です。それが最終的に、信頼の低下やテクノロジー自体の受け入れにくさにつながる可能性があります。

So rtech at in factory is essentially a platform that allows anyone that is trying to build AI technology for the enterprise to apply RTech in such a way that you can get that level of accuracy, you will have citations, accuracy, attribution, deterministic answers alongside the generative AI capabilities.

ですから、in factoryのrtechは、エンタープライズ向けのAI技術を構築しようとする誰もが、RTechを適用できるようにするプラットフォームです。これにより、正確性のレベルを達成し、引用、正確性、帰属、決定論的な回答を生成AI機能と並行して得ることができます。

So Brooke, just in terms of how that actually works, do you have your own proprietary LLM?

では、ブルックさん、それが実際にどのように機能するかについてですが、独自のLLMをお持ちですか？

And then if I'm a business, for example, and

そして、例えば私がビジネスで、

I want to build something based on your LLM, is it harnessing the data that I have within my organization to do that?

私の組織内のデータを利用して何かを構築したい場合、それはそのデータを使いますか？

ですので、私たちは独自のモデルを構築しているわけではありません。

What RTech is, is sort of the semantic layer, the APIs and frameworks, the processing side.

RTechとは、セマンティックレイヤー、APIやフレームワーク、処理側の部分です。

We're sort of the middleware between the LLM and the application layer.

私たちは、LLMとアプリケーションレイヤーの間にあるミドルウェアのようなものです。

So if you're wanting to use our technology, you're bringing your proprietary data.

ですから、私たちのテクノロジーを利用したい場合は、独自のデータをお持ちいただくことになります。

You don't have to feed it to a model that's going to train on it and have questions about data leakage, questions about security, just questions about trust, about whether you really want an LLM to know everything about your business.

そのデータを学習させるモデルに渡す必要はありません。データ漏洩の懸念、セキュリティの懸念、そしてLLMにビジネスのすべてを知られたくないという信頼に関する懸念もなくなります。

And, you know, if you're a media company, your entire archive of content and being able to then apply that in such a way using our technology, that the output is ultimately some kind of application, you know, that you can search off of, you can do calculations off of, you can look at research or articles or anything else that kind of points to the underlying data that goes into the system.

例えば、メディア企業であれば、コンテンツのアーカイブ全体を私たちのテクノロジーを使って活用し、最終的に検索や計算、リサーチや記事の参照などができるようなアプリケーションを作成することができます。

Just for our listeners, explain hallucinations, what that means because.

リスナーのために、ハルシネーションについて説明していただけますか？

Because we're going to get into inaccuracies and biases, but

不正確さやバイアスについて触れますが、

hallucinations may not immediately make sense to our listeners, right?

ハルシネーションはリスナーにはすぐに理解できないかもしれませんね。

字幕リスト動画再生

AIは事実と厄介な関係にある。それは修正できるのだろうか？ (AI has a tricky relationship with facts. Can that be fixed?)

perspective

ultimately

episode

sort