OpenAIのVPが語る - DeepSeekとの競争、ChatGPTの「推論」能力、その他について | WSJ
12,930 文字
スリニバス様、まずは推論の定義と、AIモデルが推論能力を持つことが、ここにいる企業の皆様にとってなぜ重要なのかについてお話しいただけますか。OpenAIにおける推論の定義とは何で、それが企業にとってなぜ重要なのでしょうか。
はい、推論とは基本的に、AIシステムがより長く考え、より複雑な問題を解決する能力のことです。人間に簡単な質問をすれば、ほぼ即座に答えが返ってきます。
しかし難しい数学の問題を聞かれた場合は、すぐには答えられません。もっと長く考える必要があるかもしれません。推論を通して考える必要があるかもしれません。そして基本的に、AIシステムがそれを行い、より複雑なタスクに取り組み、より長く考え、正しい方向に進んでいるかを評価できる能力、それが私たちの言う推論です。
また推論は、OpenAIがよく話題にする人工汎用知能(AGI)への道筋にもなるのでしょうか。それはどういう意味で、推論はその道筋上にあるのでしょうか。
はい、その通りです。AGIという言葉にはさまざまな解釈や意味がありますが、私たちが語ってきた一つの解釈は、経済的に価値のあるタスクを解決できるAIの能力ということです。社会にとって重要なタスクが世の中にはたくさんあります。
そしてそれらを実行するには、複雑なタスクを処理し、問題をより深く考える能力が必要です。なので、間違いなくその道筋上にあると思います。
さて、今日私たちが話し合ってきたことの一つに、AIエージェントとOpenAIの話題がありました。OpenAIは独自のAIエージェントをリリースしており、その一つがOperatorで、人間に代わってコンピュータを使用できるエージェントです。
そしてもう一つがDeep Researchで、人間に代わって情報調査を行う能力により、大きな注目を集めました。これらのエージェントが、お客様やChatGPTユーザーの間でどのように使用されているか、少しお話しいただけますか。
はい。まず、エージェントについて話す前に、私たちが技術の面で非常に素晴らしい時代を生きているということを申し上げたいと思います。
AIは私たちの人生で最大の技術革新の一つだと言われていますが、特に今年はそれが非常に顕著な形で示されると思います。質問にお答えする前に一例を挙げると、私たちは最近o1とo3-miniをリリースしました。
そしてつい最近、モデルがどのように考えるのかを示しました。チェーン・オブ・ソート・サマライザーと呼ばれるものを改善したのです。複雑な数学の問題や科学の問題をモデルに与え、その回答を見て、それがどのように考えているのかを見ると、時々鳥肌が立つことがあります。
複雑な問題を考え抜くAIシステムを持てるというのは、本当に魔法のように感じます。さて、ご質問の人々がこれをどのように使用しているかについて、いくつか例を挙げましょう。例えば、Oscar Healthという企業が、推論モデルを使って患者の転帰をより良く理解するために使用しています。
それはOperatorエージェントを使用しているのですか、それとも...
いいえ、それは実際に基本的なo1モデルを使用しています。OperatorとDeep Researchについては後ほどお話ししますが、Operatorとリサーチについてはこのように考えることができます。基本的な推論モデルがあり、最新のものはo3-miniです。私たちはo1から始めて、それは継続していきます。
そしてOperatorやDeep Researchのようなものは、その上に構築され、特定のタスクに特化したものです。まず基本的な推論モデルの使用方法から始めて、その後でOperatorとDeep Researchについて具体的にお話ししましょう。先ほど述べたように、o1はOscar Healthで使用されています。
推論モデルは生命科学でも使用されています。ある企業による興味深い使用例では、臨床試験の結果をより良く推定するために使用されており、その答えを使って、どの薬を創薬のために投入するかを判断しています。バークレー国立研究所の素晴らしい例では、希少疾患の症状の原因となっている可能性のある遺伝子、または変異した遺伝子を理解するために推論モデルを使用しようとしています。
これらは、推論モデルが私たちにとって解決が困難な複雑な問題を助けている非常に強力な例です。ヘルスケア以外にも、税務分析などの分野でも使用されています。かなり幅広い用途があります。
問題の戦略を立てるために使用したり、問題を研究したり、後でお話しするかもしれませんが、コーディングにも使用しています。非常に幅広い使用方法があります。これが推論モデルの使用方法についてです。現在、私たちは推論を2つの例でも使用しています。
あなたが話したDeep Researchは最近リリースしたもので、そしてOperatorです。Deep Researchは、推論モデルを使用して、高度な研究を行いたいタスクを実行できるシステムです。例えば、企業や業界全体の財務を分析する場合などです。通常、私たちは検索を行い、文書をクリックして読み、特定の情報を探し、それを入力してまとめようとします。
追加の検索を行うかもしれません。今では、これを私たちに代わって自動化できるAIモデルを持っています。一つの例えとして、人間がこれらのタスクを完了するのに通常数時間かかるかもしれません。「小売業界は過去10年でどのように変化したか教えて」と尋ねた場合、それは明白なタスクではありません。
おそらく何時間もかけて調査レポートを作成することになるでしょう。今では、それができるモデルを持っています。
そう、その通りです。
そして、おそらく数分のオーダーでそれを完了し、答えを返してくれるでしょう。これは非常に強力なツールだと思います。Operatorは別の例で、ブラウザのコンテキスト内で私たちに代わってAIシステムに操作させることができます。
今週末のレストランの予約をしたい場合、何が欲しいかを知っていて、「今週末メキシカンレストランの予約を取って」と言えば、OpenTableを検索することを知っています。あなたの好みを知っています。「これは空いていますか？」というように、私たちに代わって自動化できます。リンクをクリックしたりすることができます。
これらを展開しましたが、まだ初期段階であり、人々がどのように使用しているかから多くを学ぶことになると思います。
そうですね。AIの分野で現在働くことの興奮について言及されたことの中で、お聞きしたいことがあります。それは中国のAI企業DeepSeekの出現と、その推論モデルであるR1についてです。
基盤モデル全般に対する下方圧力が大きいという考えがありますが、それはDeepSeekのR1モデルが、わずか数百万ドルで訓練されたと言われているためです。DeepSeekのR1のようなモデルのリリースは、あなた方のo1、o3、o3-mini推論モデルにとってどのような意味を持ち、価格圧力はありますか。
はい、DeepSeekが示したのは、実際に以前の世代のモデルよりもコスト効率の良い方法で良いモデルを持つことができるということです。
しかし、これは単なる技術トレンドの一つのポイントを示したものだと言えます。私たちの自社モデルを見ても、過去数年間で、GPT-4oモデルの価格は2年ほどで150分の1に下がっています。そして、高性能なモデルが継続的により安価になっていくというトレンドを見ることができます。
DeepSeekはそこでいくつかのイノベーションを行い、その価格性能曲線の別のポイントを示しました。私たちもこのトレンドを継続し、モデルがより安価になっていくのを見ることになるでしょう。彼らが証明したのは、このトレンドが続くということであり、私たちや他の企業もおそらくそうなるでしょう。
DeepSeekに関して言及されたことの一つに、DeepSeekが独自のモデルやチャットボットを作成する際に、あなた方のトレーニングデータやモデルを使用または蒸留したかどうかを調査しているということがありました。その調査の状況はどうなっていますか。まだ調査中ですか。
はい、まだ調査中で評価を行っています。
具体的に共有できることは今のところありません。評価によっては、後で何か共有できるかもしれません。しかし、より重要なのは、以前よりもはるかに低価格で素晴らしいモデルを持ち続けるというトレンドです。また、蒸留に関する一般的なトレンドもあります。蒸留とは、より大きなモデルから学習できる小さなモデルを構築できることを意味し、実際に私たちのプラットフォームではエンドツーエンドで蒸留を機能として持っています。
これは初めてのことではありません。例えば、4oモデルの上にミニモデルを微調整することが可能です。そしてそれをプラットフォームでエンドツーエンドで行うことができます。つまり、企業は特定のタスクに対して、以前よりもはるかに低価格で高性能なモデルを得ることができるということです。このトレンドは続くと思いますし、推論モデルでもそれを見続けることになるでしょう。
最も驚くべきことの一つは、強化学習による微調整と呼ばれるプロセスを持っていることです。これは私たち自身のモデルの開発に使用した同じ推論技術を取り、それを顧客に提供して、同じ推論技術を使用して特定のタスクのために小さなモデルを微調整できるようにしています。
つまり、このトレンドについて... これら全てがそれを示しているということです。特定のタスクに対してコスト効率の良い小さなモデルを得ることができるということです。
そうですね。この会場にいる多くの企業の方々にとって共感できることかもしれませんが、あなたの推論モデル、最も強力なモデルのコストはどの程度まで下がるのでしょうか。一部のモデルのコストが少なくとも150倍下がったとおっしゃいましたが、まだまだ道のりは長いですよね。どれくらい安くなる可能性があるのでしょうか。
私は過去のトレンドを参考にすると思います。
一般的に、同じ能力に対して、1年で価格は約10分の1になっていると言えます。次世代モデルを構築する際にも、GPUフリート上でこれらのモデルをより効率的に実行する方法の最適化にも、多くのイノベーションが起こっています。そしてこのトレンドは続くと思います。
分かりました。Stargateについてお聞きしたいのですが、これはトランプ大統領とともに、ソフトバンクやオラクルとホワイトハウスで発表した5000億ドルの合弁事業とされています。OpenAIはなぜこれほどの計算能力を必要とするのでしょうか。答えは明白かもしれませんし、「ベル、あなたは知っているはずです」と言われるかもしれませんが、聴衆の皆さんに、なぜそれほどの計算能力が必要で、それは何を可能にするのか説明していただけますか。より良い推論モデル、あるいはAGIなのでしょうか。
はい、いくつかの側面があります。一つは、知能を進歩させるために、特定のスケーリング法則があることを私たちは知っています。より多くの計算能力を適用し、より多くのデータを適用します。そしてもちろん、アルゴリズムのイノベーションもあります。より知的な、より良いモデルを継続的に得ることができます。
そして私たちは、スケーリングの2つの異なる次元のロックを解除しました。最初のスケーリングの次元は、GPT時代に持っていたもので、これらの大規模言語モデルを訓練するというものです。そして2番目の次元は、推論と呼ばれる、質問をしてモデルが応答する際に、より多くの計算能力を適用できるということです。
それはモデルをスケールできる別の次元です。まず、より多くの計算能力があれば、より良い、より高度な知的モデルを継続的に構築できると考えています。第二に、一度...そしてこれらのモデルのコストが下がってきているという話をしましたが、それは、アプリケーションを構築し、利益を提供する機会が膨大であることを意味します。
コストが下がるたびに、世界中の人々にとってより手頃な価格の、全く新しい一連のアプリケーションが可能になります。インフラストラクチャで必要な大きな部分は、人々が構築している素晴らしいアプリケーション、信じられないようなアプリケーションのために、これらのモデルを展開できるようにすることです。
ある意味で、この革命は、おそらく100年前、120年前の電気のように非常に深遠なものになるでしょう。そのため、AIの恩恵を全人類に届けるために、多くのインフラストラクチャが必要だと考えています。
では、モデルの使用側、つまり推論側に移行するということでしょうか。また、DeepSeekは少なくとも私たちニュースメディアやシリコンバレーの多くの人々に、こんなことを考えさせたのではないでしょうか：GPU側に過度に注目しすぎたのではないか？グラフィックス処理ユニットを大量に蓄積しようとしすぎたのではないか？
また、NVIDIAのこの市場調整で何が起こったのかも見ましたが。つまり、推論側に...
訓練と推論の両方です。先ほど言及したように、推論だけではなく、両方です。市場の調整は誇張されすぎていると思います。
また、モデルを訓練する前に、舞台裏で多くの研究が行われているということを理解することも重要です。そして時々、モデルの訓練コストについて話すとき、実行している異なる研究実験の全てのコストを含める必要があります。それは時々見出しでは見落とされています。
そしてリードするためには、舞台裏で膨大な量の研究が必要です。最終的な...どの実験を進めるかを決定する前に、100の実験を行うのです。そしてそれらはこれらの見出しでは考慮されていないので、考慮する必要があります。
では、DeepSeekが数百万ドルだけでモデルを訓練したというのは実現可能なのでしょうか。それが私たちが話している内容ですか。
単一の実行を行うのに何が必要かという質問と、継続的に研究イノベーションを生み出すことができるシステムを持つのに何が必要かという質問は、非常に異なります。
ベル：ふむ、それは「いいえ」という意味かもしれませんね？もう少し突っ込んでもいいですか。
私は彼らのことについて話すことはできません。
全てがどのように行われたかについての洞察を持っていないからですが、一般的に研究がどのように機能するかについての洞察を提供しています。そして、継続的な...舞台裏で多くの研究が行われ、その後単一のモデルを訓練する場合、その単一のモデルのコストは、はい、それは非常に異なる可能性があります。しかし、これら全てを総合的に考える必要があります。
この重要な時期に、このような重要なAI企業にいる際のエンジニアリングの課題について質問したいと思います。あなたの製品を使用したい企業や、何百万人もの消費者のような、困難な問題に対して構築する際に。また、特に最近のイーロン・マスクによるOpenAIへの974億ドルの買収提案に関する見出しなど、全ての見出しが気が散る要因になるのではないかと思います。
それは今日早くに、あなたの取締役会会長のブレット・テイラー氏が話していたことの一つです。周りでそんなに多くのことが起こっている中で、どうやって構築と困難な課題の解決に集中し続けることができるのでしょうか。
エンジニアリングの課題に焦点を当てたいと思います。イーロンについての他の質問については、ブレットとサムがすでに答えていますので、彼らの答えを繰り返すだけです。
ミッションや会社は売却の対象ではありません。エンジニアリングの課題は実際に信じられないほど興奮させられるものです。明らかに、モデルの構築方法にはたくさんの興味深い課題があります。これらのモデルをどうスケールするか。そして新しいモデルごとに、インフラストラクチャで直面する新しいスケーラビリティの限界があります。
そのため、モデルの訓練には膨大なエンジニアリングの課題があります。推論の最適化方法、コストを下げる方法には本当に興味深い課題があります。しかし、これらの製品を大規模に展開する際にも、私たちには膨大なエンジニアリングの課題があります。私たちの製品は信じられないほど急速に成長してきました。おそらく歴史上最も急速に成長している製品の一つ、もしくは...
おそらく最も急速に成長している製品です。つまり、エンジニアリング組織をどのようにスケールするための準備をするか。また、AIを実世界に展開すると、人々が気にかけるすべてのシステムと相互作用する必要があるため、興味深い課題があります。企業のさまざまなアプリケーションと相互作用する必要があります。
企業が持つユニークなデータセットを理解する必要があります。そのため、私たちはエンジニアリングのイノベーションも構築する必要があり、AIがアプリケーションを理解し、文書を理解し、そういったことすべてを可能にする必要があります。そしてそこには膨大な量のイノベーションと機会があると思います。
そしてエージェント的な未来に向けて準備する中で、これらのエージェント技術を使用して企業がワークフローを自動化できるようにするにはどうすればよいでしょうか。どのようなプリミティブを構築する必要があるでしょうか。どうすれば可能な限りシンプルにできるでしょうか。どうすればコスト効率を良くできるでしょうか。魅力的なエンジニアリングの課題がたくさんあります。
では、その点に関して、OpenAIから直接的な製品イノベーションをもっと期待できるでしょうか。ヘルスケアや法律、小売など、技術の使用方法が大きく異なる特定のセクターがありますが、
あなたはそれを一般的な...誰にでも全てのものというように話してきましたが、例えば、より具体的な、垂直的なツールを構築する予定はありますか。
私たちは他の多くの人々がそれを行えるようにしています。そして一般的に私たちが行っているのは、他の人々がこれらのアプリケーションを全て構築できるようにするツールを構築することです。
そして私たちが構築するツールのセットは非常に一般的な性質のものになります。ヘルスケア企業が、金融企業が私たちのモデルを取り、私たちのツールを取り、それをどのように統合するかを理解し、その上に素晴らしいアプリケーションを構築できるようにします。
分かりました。でも、あなた方からもっと何かを必要としている企業についてはどうですか。
はい。
特注のツールや、より個別対応のものをリリースする予定はありますか。
カスタマイズは私たちの戦略の非常に大きな部分であり、すでに例えばGPT-4oをカスタマイズするための一連のカスタマイズツールをリリースしています。そして最近、Reinforcement Fine Tuningと呼ばれるツールをリリースしましたが、これは非常に興奮させられるものです。この新しい推論パラダイムでは、会社の特定のワークフローやタスクを表現し、答えを評価する方法を提供できれば、
非常に少ない例で、そこから学習できるカスタマイズされたモデルを構築できるようになりました。時には数十の例だけで済むこともあります。これは以前のカスタマイズの時代からの非常に大きな転換です。以前の時代では、数千、あるいはそれ以上の例が必要でした。しかし今では、非常に少ない例で、推論モデルは本当によく一般化します。
それは非常に興奮させられることだと思います。基本的なプリミティブは、任意のタスクを取り、それについてどのように考えたいかを考え、それを評価する方法を見つけることです。あなたのやるべき仕事やあなたの問題をその方法で表現できれば、それに対して素晴らしいAIを持つことになります。
そしてそれは私たちにとって基本的に素晴らしいプリミティブです。
あなたの素晴らしいAIについて、そしてそれが独自のものであることの重要性についてお聞きしたいと思います。つまり、オープンソースではなく、閉じたドアの後ろにあることについてです。あなた方の一部のモデルをオープンソース化していることは知っていますが、DeepSeekのR1モデルのリリース後まもなく、あなたのCEOのサム・アルトマンは「私たちは歴史の間違った側にいるかもしれない、新しいオープンソース戦略が必要かもしれない」と述べました。
その発言についてどう思われますか。o1、o3をオープンソース化し始める必要があるということを意味するのでしょうか。それはどういう意味なのでしょうか。
はい、内部で議論を行っており、私たち...常に...いくつかの点を念頭に置く必要があります。一つは、顧客と話をすると、モデルがオープンソースかどうかだけではなく、エコシステム全体を気にかけているということです。
コスト効果が高く、使いやすく、カスタマイズ可能な、非常に高品質のサービスを持つモデルを気にしています。そして人類に利益をもたらすという私たちのミッションのために、それらの製品を構築することも本当に本当に重要だと考えています。それに加えて、サムが言ったように、私たちは何かを再考したいかどうかについて内部で議論を行う予定です。
歴史的に、私たちは常にフロンティアモデルをオープンソース化することの安全性について懸念を持ってきました。なぜなら、リスクと人々がそれらを使用できるさまざまな方法を理解することが非常に困難だからです。そして私たちは学びながら、戦略も適応させていきます。しかし、おそらく企業が気にすることに戻ると、モデルやウェイトがオープンソースかどうかだけではなく、実際に使いやすく、問題を解決できる素晴らしい製品を持つことを気にしています。
コスト効果の高いものです。そしてそれは私たちが一貫して聞いていることであり、それも継続して構築していきます。
分かりました。ここで聴衆からの質問の時間を確保したいと思います。かなりの数の質問が見えますね。ラリー、あなたが最初に手を挙げた一人だったと思います。
すみません。
あ、後ろの紳士の方が先でしたね。ああ、ラリー、どうぞ。
ありがとうございます。素晴らしい時代ですね。約1年半前に、MetaはCICEROをリリースしました。これは基本的にゲームプレイで、外交というゲームをプレイします。彼らはカスタマイズされた戦略的推論を言語モデルに注入してゲームをプレイさせ、かなり上手くプレイします。私の質問は：私たちのような一般的な企業が、独自の特殊な推論モデルを取り、あなたのようなツールと展開して、ゲームプレイの...
ゲームの領域ではなく、私たちの領域で、かなり複雑なタスクを行うための独自のロジックを具現化した、同様の種類の機能、実際のエージェント的な行動を得ることができるようになるまで、どのくらいの時間がかかるのでしょうか。
その通りです。実際、今がその時だと思います。そして私たちのReinforcement Fine Tuningプロダクトは、まさにあなたが話しているようなユースケースを可能にするはずです。すなわち、すべてのビジネス、すべての企業には非常にカスタムなタスクがあります。
特定の思考プロセスがあります。その思考プロセスを客観的に評価する方法を見つけることができれば、今や私たちは非常に早くそれを学習できる一般化可能なモデルを持っています。なので、ぜひそれを試して実験してみることをお勧めします。
はい、青い服の方。
こんにちは。
こんにちは。
質問です：Operatorのようなモデルを使ってアプリケーション自体を構築する時期はいつ頃でしょうか。アプリケーション側に移行するのでしょうか。そしてもしそうなら、そのタイムフラームはどのくらいでしょうか。
申し訳ありません、質問をもう一度お願いできますか。
はい、Operatorは操作を行っていますよね。いつ、実際にアプリケーション自体、SaaSアプリケーションを構築するモデルを出すのでしょうか。
そうですね...
まず、私たちが持っているコーディングモデルの品質はかなり向上しています。今日、人々はあらゆる種類のソフトウェアのためにアシスティブコーディングを使用しています。IDE内でも、ChatGPT内でも、軽量なアプリケーションを作成する能力があります。JavaScriptを作成したり、シンプルなウェブサイトを作成したりできます。
そのため、シンプルなアプリケーションを非常に簡単に作成する技術はすでにあります。そしてモデルの推論能力が向上するにつれて、より複雑なアプリケーションをあなたに代わって作成できるはずです。つまり、推論モデルが展開される分野の一つはコーディングの分野です。
そしてその複雑さや推論の品質が向上するにつれて、より複雑なアプリケーションを比較的簡単に作成できるようになるはずです。
はい、サティシュ。マイクランナーがそちらに向かっています。
スリニバス、ありがとうございます。確かに興奮する時代ですね。私は金融機関組織で働いています。OpenAIの幅広い採用と適応性に対する若干の障壁の一つは、説明可能性の問題です。
チェーン・オブ・ソートについて話されたのを聞いて興奮しています。それについて詳しく説明し、どのように採用できるか教えていただけますか。
はい。チェーン・オブ・ソートは基本的に内部の独白です。ある意味で、複雑な質問をされた時に、あなたはそれについて考え、答えを思い出そうとする、そのモデルの中で行われる独白がチェーン・オブ・ソートと呼ばれるものです。
それは基本的に、答えを導き出すために使用している推論プロセスです。最近まで、それらのチェーン・オブ・ソートを要約し、要約されたCoTとしてプロダクトで提供していました。そして今、それを拡張し、思考プロセスがどのようなものかについてより多くの洞察を得ることができます。
そして実際、これは説明可能性のための最も強力なツールの一つだと思います。人々は常に「これらの答えはどのように出しているのか」と尋ねてきました。そして、「このように問題について考え、このように評価し、これが正しい答えだと思う理由はこれです」というように。そのため、説明可能性に関する質問に対する人々の助けになる非常に大きな一歩だと思います。
はい。そしてシャミム？
ありがとうございます。スリニバス、私はCarMaxのCIのCTOのシャミム・モハマドです。私たちはOpenAIの非常に早期の採用者で、大きなファンです。人々がOpenAIとChatGPTを知る前から...OpenAIとChatGPTを使用していました。とても素晴らしいですね。
ありがとうございます。
そして、会社内にさまざまなツールやアプリケーションがあります。一部は顧客向けで、一部は社内向けです。そこで一つの主要な質問と懸念があり、まだ取り組んでいるのは：会社の観点から持っている独自の情報、独自のデータ、知識を、他の人々が利用できるモデルをより賢くするために使用していないことをどのように確認するかということです。それは一つの微妙なバランスを取る必要がある点です。なぜなら、明らかに私たちは30年以上かけてその知識を得て、それが私たちを差別化しているからです。
その同じ知識を与えて、競合他社が利用できるようなモデルを訓練したくはありません。
その通りです。私たちはこれを非常に真剣に受け止めており、全ての企業やチームのお客様、そしてAPIに対して、あなたのデータで訓練することはありません。そしてそれは私たちが行った約束であり、完全な信頼を持っていただいて構いません。
喜んであなたと協力して、物事がどのように機能するかをお伝えしますが、基本的に、はい、私たちは顧客のデータで訓練することはありません。
分かりました。もう1、2つ質問の時間があると思います。こちらのジャケットを着た紳士の方がいらっしゃいますね。
こんにちは、スティーブン・カーベリです。Operatorについての質問です。
一般的に次は何でしょうか。なぜなら、それはエージェントの観点からすると、私たち全員が期待していた機能の一つであり、明らかに無数のユースケースがあるからです。
はい、非常に興奮させられます。人々がどのように使用しているかを反復的に学びたいと思います。私たちは...
モデルの特定のアクションを実行する能力への信頼を持っています。いつあなたに確認するか。今日では、例えば支払いをする前に確認を求めたいなど、制限や保護機能があります。そのため、人々がそれを使用し、展開すると予想されるユースケースが幅広くあります。
しかし、まだ十分に早い段階なので、これらすべてのユースケースでどれだけうまく機能しているかについても反復的に学びたいと思います。より広く見ると、モデルの品質は向上し、モデルへの信頼を構築していくことが想像できます。また、いつあなたの入力を求めるべきか、モデルに任せるべきかについてモデルに確認してもらうことを期待するため、信頼を構築することができます。
これらは私たちが学び、反復していくことです。そしてより広く見ると、Operatorはブラウザだけでなく、おそらくコンピュータ全体や任意の環境を扱えるようになるべきです。そのため、それが成長していく他の次元もたくさんあると思います。
スティーブン：つまり、まだ人間が介在する Vision があるということですね。
はい、そうです。
私たちは、あなたの同意とあなたの好みに基づいて、あなたに代わって操作してほしいと考えています。
では、スリニバス、最後の質問です。この部屋にいる人々のほとんど、もしくは全員が、ChatGPTや何らかのバージョンのGPTを使用していることを知っています。OpenAIはどのように自社の製品を使用しているのでしょうか。あなたはChatGPTや何らかのバージョンのAPIをどのように使用していますか。
はい、私たちはさまざまなことに使用しています。
エンジニアとして、まずそこから始めて、他の機能についても話します。
ベル：最後に質問を投げ入れたので、手短にお願いします。
エンジニアとして、私たちはコーディングのためのコーディングアシスタントとして使用しています。コードのバグを見つけるために使用しています。特定の技術や特定のAPIについて質問するたくさんのSlackチャンネルがあり、これらの質問に答えるための自動化されたアシスタントがあります。
社内での知識共有。会社内では常にプロジェクトが進行しており、「そのプロジェクトは何？それについてもっと知るにはどうすればいいの？」というようなことがあります。それを行うツールがあります。「プロジェクトXとは何ですか？」と尋ねるだけで、良い要約を提供してくれます。そしてエンジニアリング以外では、財務チームが使用しています...
さまざまなベンダーとの多くの法的契約があります。これらの契約を分析し、知っておくべき微妙な点がないかを確認するためにこれらのモデルを使用します。カスタマーサービスで使用し、受信した質問に答え、それを自動化しています。つまり、全体的に使用されています。
それは、この部屋にいる人々の中には心強く感じる人もいるかもしれませんね。彼らもAIをそのように使用しているのですから。
ありがとうございました。
ありがとうございました。