Name: サム・アルトマンが見る2030年「一人ユニコーン時代」 (샘 올트먼이 본 2030년 '1인 유니콘 시대')
Uploaded: 2026-01-03T21:49:34.000Z
Duration: 8 min 55 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：

未来形

There are some leaders in the AI space that have said that in five years half of the entry level white collar workforce will be replaced by AI.

AI分野のリーダーの中には、5年後にはエントリーレベルのホワイトカラー労働力の半分がAIに取って代わられると発言している人もいます。

So we're college graduates in five years.

ですから、私たちは5年後の大学卒業生ということになりますね。

What do you hope the world looks like for us?

私たちのために、世界はどのような姿であってほしいと思いますか？

I think there's been a lot of talk about how AI might cause job displacement.

AIが失業や職の喪失を引き起こす可能性について、多くの議論があったと思います。

でも、私も気になっています。

I have a job that nobody would have thought we could have, you know, a decade ago.

10年前には誰も想像できなかったような仕事に、私は就いています。

What are the things that we could look ahead if we're thinking about in 2035 that like graduating college student, if they still go to college at all, could very well be like leaving on a mission to explore the solar system on a spaceship in some kind of completely new, exciting, super well paid, super interesting job.

大学を卒業する学生が、もし大学に行くとしても、宇宙船で太陽系を探検するミッションに出かけるような、全く新しい、エキサイティングで、超高給で、超面白い仕事に就いているかもしれない、そんな2035年を想像すると、どんなことが考えられるでしょうか。

And feeling so bad for you and I that like we had to do this kind of like really boring old kind of work and everything is just better.

私たちのような、退屈で古い仕事しかできなかった人間は、とてもかわいそうに思えてしまいますね。

10 years feels very hard to imagine at this point because it's too far.

10年後というのは、あまりにも遠すぎて、現時点では想像するのがとても難しいです。

If you compound the current rate of change for 10 more years, it's probably something we can't even time travel trips.

現在の変化のペースがさらに10年続くと考えると、タイムトラベル旅行でさえできないようなことでしょう。

I mean, I think now would be really hard to imagine 10 years ago.

つまり、10年前には想像するのが本当に難しかったと思います。

But I think 10 years forward will be even much harder, much more different.

しかし、10年後はさらにずっと難しく、ずっと違うものになると思います。

私たちはまだ2030年に行きます。

I'm curious what you think the pretty short term impacts of this will be for young people.

若い人たちにとって、これがもたらす非常に短期的な影響について、どう思われるか興味があります。

I mean these like half of entry level jobs replaced by AI makes it sound like a very different world that they would be entering than the one that I did.

AIによってエントリーレベルの仕事の半分が置き換えられるというのは、私が経験した世界とは全く異なる世界に入っていくように聞こえますね。

I think it's totally true that some classes of jobs will totally go away.

一部の職種は完全に消滅するということは、全くその通りだと思います。

This always happens and young people are the best at adapting to this.

これはいつも起こることですが、若い人たちはこれに最もよく適応できます。

I'm more worried about what it means not for the 22 year old, but

私が心配なのは、22歳の人ではなく、

for the 62 year old that doesn't want to go retrain or reskill or whatever the politicians call it that no one actually wants, but

再訓練やスキルアップなど、誰も望まない政治家が呼ぶようなことをしたくない62歳の人にとって、それが何を意味するかということです。

政治家たちにとって、ほとんどの場合。

If I were 22 right now and graduating college, I would feel like the luckiest kid in all of history.

もし私が今22歳で大学を卒業するなら、歴史上最も幸運な子供だと感じるでしょう。

Because there's never been a more amazing time to go create something totally new, to go invent something to start a company, whatever it is.

何か全く新しいものを創造し、何かを発明し、会社を始めるのに、これほど素晴らしい時代はなかったからです。

I think it is probably possible now to start a company that is a one person company that will go on to be worth like more than a billion dollars.

一人で会社を始めて、10億ドル以上の価値を持つようになることは、今なら可能だと思います。

And more importantly than that deliver an amazing product and service to the world.

そしてそれ以上に重要なのは、世界に素晴らしい製品とサービスを提供することです。

そしてそれは、クレイジーなことです。

You have access to tools that can let you do what used to take teams of hundreds and you just have to like, you know, learn how to use these tools and come up with a great idea.

If we take a step back, I think the most important thing that this audience could hear from you on this optimistic show is in two parts.

First there's tactically, how are you actually trying to build the world's most powerful intelligence and what are the rate limiting factors to doing that?

And then philosophically, how are you and others working on building that technology in a way that really helps and not hurts people?

So just taking the tactical part right now, my understanding is that there are three big categories that have been limiting factors for AI.

かつては数百人のチームが必要だったことを、今では一人でできるようになるツールにアクセスできます。あとは、これらのツールをどう使うか、素晴らしいアイデアを思いつくか、ですね。

The first is compute, the second is data and the third is algorithmic design.

そしてそれは、本当に驚くべきことです。

How do you think about each of those three categories right now?

一歩立ち止まって考えてみると、この前向きな番組で皆さんが皆さんから聞くべき最も重要なことは、2つの部分に分けられると思います。

And if you were to help someone understand the next headlines that they might see, how would you help them make sense of all of this?

まず、戦術的な面で、世界で最も強力な知能を実際にどのように構築しようとしているのか、そしてそのためのレート制限要因は何でしょうか？

I would say there's a fourth too which is figuring out the products to build like scientific progress on its own, not put into the hands of people, is of limited utility and doesn't sort of co evolve with society in the same way.

そして哲学的な面で、あなたや他の人々は、人々を傷つけるのではなく本当に助ける方法でその技術を構築するためにどのように取り組んでいますか？

もしその4つすべてを達成できたら。

So on the compute side, yeah, this is like the biggest infrastructure project certainly that I've ever seen.

コンピュータの側面では、これは間違いなく私がこれまでに見た中で最大のインフラプロジェクトです。

Possibly it will become the, I think it will maybe already is the biggest and most expensive one in human history.

おそらく、人類史上最大かつ最も高価なものになるでしょう。

But the whole supply chain from making the chips and the memory and the networking gear, racking them up in servers, doing a giant construction project to build like a mega, mega data center, putting the, you know, finding a way to get the energy which is often a limiting factor piece of this and all the other components together.

チップやメモリ、ネットワーク機器の製造から、それらをサーバーに搭載し、巨大な建設プロジェクトで巨大なデータセンターを建設し、エネルギー供給方法を見つけ（これがしばしば制限要因となります）、その他のすべてのコンポーネントを組み合わせるまでの、サプライチェーン全体です。

This is hugely complex and expensive and we are, we're still doing this in like a sort of bespoke one off way, although it's getting better.

これは非常に複雑で高価であり、私たちはまだ、より良くなってきてはいますが、ある種のオーダーメイドで一点もののように行っています。

Like eventually we will just design a whole kind of like mega factory that takes, you know, I mean spiritually it will be melting sand on one end and putting out fully built AI compute on the other.

最終的には、片方の端で砂を溶かし、もう片方の端で完全に構築されたAIコンピューティングを出力する、巨大な工場全体を設計するようになるでしょう。

しかし、そこまでにはまだ長い道のりがあります。

And it's a, it's an enormously complex and expensive process.

そして、それは途方もなく複雑で高価なプロセスです。

We are putting a huge amount of work into building out as much compute as we can and to do it fast.

私たちは、可能な限り多くのコンピューティング能力を構築するために、そしてそれを迅速に行うために、多大な労力を費やしています。

And you know, it's going to be like sad because GPT5 is going to launch and there's going to be another big spike in demand and we're not going to be able to serve it.

そして、GPT5がリリースされ、需要が再び急増しても、それに対応できなくなるので、悲しいことになるでしょう。

And it's going to be like those early GPT four days.

そして、それは初期のGPT 4時代のようなものになるでしょう。

And the world just wants much more AI than we can currently deliver.

そして、世界は現在私たちが提供できる以上のAIを求めています。

And building more compute is an important part of doing that.

そして、より多くのコンピューティングを構築することは、それを達成するための重要な部分です。

That's actually this is what I expect to turn the majority of my attention to, is how we build compute at much greater scales.

実際、私が最も注力するのは、より大規模なコンピューティングをどのように構築するかということです。

So how we go from millions to tens of millions and hundreds of millions and eventually hopefully billions of GPUs that are sort of in service of what people want to do with this.

つまり、数百万から数千万、数億、そして最終的には数十億のGPUへと移行し、人々がやりたいことに役立てる方法です。

When you're thinking about it, what are the big challenges here in this category that you're going to be thinking about?

これを考えると、この分野であなたが考えることになる大きな課題は何ですか？

現在、私たちはエネルギーによって最も制限されています。

You know, like if you're going to run a gigawatt scale data center, it's like, oh, a gigawatt, how hard can that be to find?

例えば、ギガワット規模のデータセンターを運営しようとすると、「ギガワットか、見つけるのはどれくらい難しいだろう？」となります。

It's really hard to find a gigawatt of power available in the short term.

短期的には、ギガワットの電力を利用可能にするのは非常に難しいです。

We're also very much limited by the processing chips and the memory chips, how you package these all together, how you build the racks.

また、プロセッシングチップやメモリチップ、それらをどのようにパッケージ化するか、ラックをどのように構築するかによっても、非常に制限されています。

And then there's like a list of other things that are, you know, there's like permits, there's construction work.

そして、許可や建設作業など、他にもたくさんのことがあります。

But again, the goal here will be to really automate this.

しかし、ここでの目標は、これを本当に自動化することです。

Once we get some of those robots built, they can help us automate it even more.

ロボットがいくつか完成すれば、さらに自動化するのに役立ちます。

But just, you know, like a world where you can basically pour in money and get out a pre built data center.

しかし、基本的に、お金を注ぎ込めば、事前に構築されたデータセンターを手に入れられるような世界です。

So that'll be a huge unlock if we can get it to work.

それが実現できれば、大きなブレークスルーになるでしょう。

第二のカテゴリーは、データです。

ええ、これらのモデルは非常に賢くなりました。

There was a time when we could just feed it another physics textbook and got a little bit smarter at physics.

物理学の教科書をもう一冊与えれば、物理学が少し賢くなる時代がありました。

But now, honestly, GPT5 understands everything in a physics textbook pretty well.

しかし今、正直なところ、GPT5は物理学の教科書の内容を pretty well 理解しています。

私たちは合成データに興奮しています。

We're very excited about our users helping us create harder and harder tasks and environments to go off and have the system solved.

ユーザーの皆さんが、システムが解決すべき、より難易度の高いタスクや環境の作成を手伝ってくれることに、私たちはとても興奮しています。

But I think data will always be important.

でも、データは常に重要であり続けると思います。

But we're entering a realm where the models need to learn things that don't exist in any data set yet.

しかし、私たちは、モデルがまだどのデータセットにも存在しないことを学ぶ必要がある領域に入っています。

彼らは新しいことを発見しなければなりません。

だから、それはクレイジーな新しいことのようなものです。

How do you teach a model to discover new things?

モデルに新しいことを発見させるには、どうすればいいのでしょうか？

Like we can go off and come up with hypotheses and test them and get experimental results and update on what we learn.

仮説を立てて検証し、実験結果を得て、学んだことを更新することができます。

おそらく、同じような方法でしょう。

そして、アルゴリズム設計があります。

Yeah, we've made huge progress on algorithmic design.

はい、アルゴリズム設計は大きく進歩しました。

The thing that OpenAI does best in the world is we have built this culture of repeated and big algorithmic research gains.

OpenAIが世界で最も得意とすることは、繰り返し大規模なアルゴリズム研究の成果を上げてきた文化を築き上げたことです。

So we kind of figured out what became the GPT paradigm, we figured out what became the reasoning paradigm.

それで、GPTパラダイムや、推論パラダイムになったものを理解しました。

今、新しいものにも取り組んでいます。

But it is very exciting to me to think that there are still many more orders of magnitudes of algorithmic gains ahead of us.

しかし、まだ何桁ものアルゴリズムの進歩が私たちを待っていると考えると、とてもワクワクします。

We just yesterday released a model called GPT OSS Open Source Models, a model that is as smart as 04 Mini, which is a very smart model that runs locally on a laptop.

昨日、GPT OSSオープンソースモデルというモデルをリリースしました。これは、ラップトップでローカルに動作する非常に賢いモデルである04 Miniと同じくらい賢いモデルです。

そして、これは本当に驚きです。

If you had asked me a few years ago when we would have a model of that intelligence running on a laptop, I would have said many, many years in the future.

数年前に、これほど賢いモデルがラップトップで動作するようになるのはいつかと聞かれたら、ずっと未来だと言ったでしょう。

But then we found some algorithmic gains, particularly around reasoning, but

しかし、特に推論に関して、いくつかのアルゴリズムの進歩を見つけ、

also some other things that let us do a tiny model that can do this amazing thing.

そして、この驚くべきことができる小さなモデルを可能にする他のこともいくつか見つけました。

And, you know, those are the most fun things.

そして、それが一番楽しいことですよね。

That's like kind of the coolest part of the job.

それがこの仕事の一番面白いところだと思います。

I can see you really enjoying thinking about this.

あなたがこれについて考えるのを楽しんでいるのがよくわかります。

I'm curious, for people who don't quite know what you're talking about, who aren't familiar with how an algorithmic design would lead to a better experience that they actually use, could you summarize the state of things right now?

アルゴリズム設計が、実際に使う体験をどう向上させるのか、よくわからない方のために、現状を簡単に説明していただけますか？

What is it that you're thinking about when you're thinking about how fun this problem is?

この問題がどれほど楽しいかについて考えるとき、具体的にどのようなことを考えていますか？

Let me start back in history and then I'll get to some things from.

まず歴史を振り返り、それから最近のことについてお話しします。