見出し画像

NVIDIA CEO ジェンセン・フアンが描く私たちの未来

AGIに仕事を奪われたい

23,668 文字

ある時点で、何かを信じなければならない。私たちはコンピューティングを根本から作り直しました。次に何が来ると考えているのでしょうか?「これができるなら、どこまで行けるのだろう?」と、私たちは自問しました。現在のロボットから、あなたが描く未来の世界へどのようにたどり着くのでしょうか?クレオ、動くものはすべていつかロボット化され、それは間もなくです。
本当に実現する前に、私たちは何百億ドルもの投資をしました。いい調査をされましたね!しかし大きなブレークスルーは、私たちが...
これはジェンセン・フアンです。あなたが知っているかどうかに関わらず、彼の決断は私たちの未来を形作っています。彼はNVIDIAのCEOで、コンピュータの仕組みに根本的な変革をもたらし、テクノロジーの可能性を爆発的に広げたことで、この数年で世界で最も価値のある企業の1つになりました。
「NVIDIAがまたやってくれた!」私たちは世界で最も重要なテクノロジー企業の1つ、おそらく史上最も重要な企業の1つとなりました。AI、ロボティクス、ゲーミング、自動運転車、画期的な医学研究など、最先端のテクノロジーの大部分が、彼と彼の会社が設計した新しいチップとソフトウェアに依存しています。
この取材の準備のために行った数十回のバックグラウンドインタビューで最も印象的だったのは、ジェンセン・フアンが過去30年間にわたって私たち全員の生活にどれほど大きな影響を与えてきたか、そしてそれが更に大きな何かの始まりに過ぎないと多くの人が語っていたことです。私たち全員が、彼が何を作っているのか、なぜ作っているのか、そして最も重要なことは、次に何を作ろうとしているのかを知る必要があります。Huge Conversationsへようこそ...
これをやっていただき、ありがとうございます。喜んでやらせていただきます。本題に入る前に、この対談が最近のあなたの他のインタビューとは少し異なるということをお伝えしたいと思います。
そうですか!私は - 聞いてもいいですよ - 会社の財務について質問しませんし、ありがとうございます!あなたのマネジメントスタイルや、なぜ1対1のミーティングが好きではないのかについても質問しません。規制や政治についても質問しません。それらはすべて重要なことだと思いますが、私たちの視聴者は他の場所でよく取り上げられていると思います。分かりました。私たちがhuge if trueで行っているのは、楽観的な解説動画を作ることです - 私は解説動画の最悪の人選です。
私はあなたが最適任者だと思います。そして、それこそが私たちが一緒にやりたいことです。テクノロジーを使って未来をより良くするにはどうすればよいのか、共同で解説動画を作ることです。はい。そして、人々がより良い未来を見たとき、その未来を作り上げる手助けをしてくれると信じているからこそ、私たちはこれを行っています。
あなたが話すことになる人々は素晴らしい人たちです。彼らはより良い未来を作り上げたいと願う楽観主義者たちですが、私たちは超音速飛行機や量子コンピュータ、粒子加速器など、多くの異なるトピックを扱っているため、何百万人もの人々が全く予備知識なしに各エピソードを見ています。CPUとGPUの違いを知らない各分野の専門家や、いつか将来あなたのような人になるかもしれない12歳の子供が、まさに学び始めているところかもしれません。
私の役割としては、このインタビューの準備のために数ヶ月間、あなたのチームの多くのメンバーとバックグラウンド対話を行ってきましたが、私はエンジニアではありません。そこで、その視聴者があなたの見る未来を理解できるよう手助けすることが私の目標です。私は3つの分野について質問します：1つ目は、私たちはどのようにしてここまで来たのか?現在のコンピューティングの大きな根本的な変化につながった重要な洞察とは何だったのでしょうか?2つ目は、今実際に何が起きているのか?それらの洞察が、多くのことが同時に起きているように見える現在の世界にどのようにつながったのでしょうか?そして3つ目は、次に何が来ると考えているのか?
AIに関する現在の大きな転換点について語るために、90年代のビデオゲームにまで遡る必要があると思います。当時、ゲーム開発者たちはよりリアルなグラフィックスを作りたいと考えていましたが、ハードウェアがその必要な計算に追いつけませんでした。
NVIDIAは、ゲームだけでなくコンピューティング自体を変えることになるソリューションを考え出しました。その当時に立ち返って、何が起きていたのか、そしてあなたとNVIDIAチームが最初の現代的なGPUを作り出すことになった洞察とは何だったのか、説明していただけますか?
90年代初頭に会社を設立した時、私たちはソフトウェアプログラムの中で、わずか数行のコード、おそらく10%のコードが処理の99%を行っており、その99%の処理は並列に実行できることに気づきました。しかし、残りの90%のコードは順次実行する必要がありました。完璧なコンピュータとは、順次処理と並列処理の両方ができるコンピュータであり、どちらか一方だけではないということが分かりました。それが大きな発見でした。そして私たちは、通常のコンピュータでは解決できないコンピュータの問題を解決する会社を作ることにしました。それがNVIDIAの始まりです。
CPUとGPUが本当に重要な理由を示す私のお気に入りの視覚的説明は、NVIDIAのYouTubeチャンネルにある15年前の動画です。そこでは、Mythbustersが、1つずつペイントボールを発射する小さなロボットを使って、CPUでの1回ずつの問題解決、つまり順次処理を示し、一方で、すべてのペイントボールを一度に発射する巨大なロボットを出して、GPUでの小さな問題を同時に解決する、つまり並列処理を示しています。
「3...2...1...」そしてNVIDIAはビデオゲームのために新しい力を解き放ちました。なぜ最初にゲーミングだったのですか?ビデオゲームは3Dグラフィックスの処理に並列処理を必要とし、私たちがビデオゲームを選んだ理由は、まず第一に、私たちはそのアプリケーションが大好きで、それは仮想世界のシミュレーションであり、誰が仮想世界に行きたくないでしょうか。そして、ビデオゲームにはエンターテインメントとして史上最大の市場になる可能性があるという良い洞察がありました。そしてそれは事実となりました。
大きな市場を持つことは重要です。なぜなら、テクノロジーは複雑で、大きな市場があれば、私たちのR&D予算も大きくなり、新しいテクノロジーを作り出すことができるからです。テクノロジーと市場、そしてより優れたテクノロジーとの間のこのフライホイールこそが、NVIDIAを世界で最も重要なテクノロジー企業の1つにした原動力でした。それはすべてビデオゲームのおかげです。
GPUはタイムマシンだとおっしゃっていましたね?はい。それについてもう少し詳しく教えていただけますか?GPUはタイムマシンのようなものです。なぜなら、未来をより早く見ることができるからです。ある量子化学の科学者が私に言った最も素晴らしいことの1つは、「ジェンセン、NVIDIAの仕事のおかげで、私は自分の人生の仕事を自分の生涯の中で完了することができます」というものでした。それはタイムトラベルです。
彼は自分の生涯を超えるはずだった何かを、自分の生涯の中で実現することができました。これは私たちがアプリケーションの実行を非常に高速化し、未来を見ることができるようにしたからです。例えば、天気予報を行う時、あなたは未来を見ています。仮想都市を仮想の交通とともにシミュレーションし、その仮想都市を通じて自動運転車をシミュレーションする時、私たちはタイムトラベルを行っています。
そして並列処理はゲーミングで成功を収め、以前には作れなかったような世界をコンピュータ内に作ることを可能にしました。そして、あなたがおっしゃったように、ゲーミングは並列処理が多くの力を解き放つ最初の素晴らしい例となり、その後、人々はその力を多くの異なる産業で使い始めました。
量子化学研究者の例について、私がその話を聞いたときは、彼は分子シミュレーションを、以前使っていたCPUのスーパーコンピュータよりもNVIDIAのGPUで並列に実行する方が、はるかに高速だったということでした。はい、その通りです。
ああ、すごい、それは他のすべての産業も革新しており、コンピュータで何が可能かについての見方を変え始めています。私の理解では、2000年代初頭にあなたはこれを見て、実際にそれを行うのは少し難しいことに気づきました。なぜなら、その研究者が行わなければならなかったのは、GPUに問題がグラフィックスの問題だと思い込ませる必要があったからです。
その通りです。調査が良くできていますね。そこであなたはそれをより簡単にする方法を作り出しました。その通りです。具体的には、CUDAというプラットフォームで、プログラマーがCなど、すでに知っているプログラミング言語を使ってGPUに何をすべきか指示できるようにしました。これは大きな進歩です。なぜなら、より多くの人々がすべてのこのコンピューティングパワーにより簡単にアクセスできるようになったからです。
CUDAを作り出すことになったビジョンについて説明していただけますか?部分的には研究者の発見、部分的には内部からのインスピレーション、そして部分的には問題解決でした。多くの興味深いアイデアはそのようなスープから生まれてきます。その一部は願望とインスピレーション、一部は単なる切迫感です。
CUDAの場合も全く同じで、おそらく並列処理のために私たちのGPUを使用するという最初の外部からのアイデアは、マサチューセッツ総合病院の数人の研究者がCT再構成に使用するという興味深い研究から生まれました。彼らはその目的で私たちのグラフィックスプロセッサを使用していて、それは私たちにインスピレーションを与えました。
一方で、会社内部で解決しようとしていた問題は、ビデオゲーム用の仮想世界を作る際に、美しいだけでなく動的でもあってほしいということでした。水は水のように流れ、爆発は爆発のようでなければなりません。そのため、粒子物理学や流体力学を行う必要がありますが、パイプラインがコンピュータグラフィックスしかできない場合、それはより困難です。
そのため、私たちが提供していた市場で、それを行いたいという自然な理由がありました。また、研究者たちも私たちのGPUを汎用的な加速に使用して実験していました。そこで、複数の要因がそのスープの中で結びついていき、時が来て、私たちは適切な何かを行うことを決め、その結果としてCUDAが生まれました。
根本的に、私がCUDAが成功すると確信し、会社全体をその背後に置いた理由は、ビデオゲーム市場が非常に大きかったため、私たちのGPUが世界で最も大量に生産される並列プロセッサになるだろうということでした。そのため、このアーキテクチャは多くの人々に届く良い機会があったのです。
CUDAの作成は、より多くの人々がより多くのコンピューティングパワーを使用できるようにすれば、素晴らしいものを作り出すかもしれないと言う、非常に楽観的な「huge if true」な取り組みだったように私には思えます。そして、もちろんそれは実現しました。彼らは実際にそうしました。2012年、3人の研究者のグループが、画像を認識してカテゴリーにラベル付けできるコンピュータシステムを作成する有名なコンペティションにエントリーを提出します。
そして彼らのエントリーは、競争を完全に圧倒します。はるかに少ない間違いしか出しません。素晴らしかった。誰もを驚かせました。それはAlexNetと呼ばれ、ニューラルネットワークと呼ばれるAIの一種です。私の理解では、それが非常に優れていた理由の1つは、彼らがそのシステムの訓練に膨大な量のデータを使用し、それをNVIDIAのGPU上で行ったということです。
突然、GPUはコンピュータをより高速で効率的にする方法だけでなく、全く新しいコンピューティングの方法のエンジンとなりました。私たちはコンピュータに段階的な指示を与えることから、大量の例を見せることでコンピュータに学習させることへと移行しています。
2012年のこの瞬間は、私たち全員が現在AIで目の当たりにしているこの本当に地殻変動的な変化の火付け役となりました。あなたの視点から見て、その瞬間はどのようなものだったのか、そして私たち全員の未来にとってそれが何を意味すると考えたのか、説明していただけますか?
CUDAのような新しいものを作り出す時、作っても誰も来ないかもしれません。それが常に懐疑的な見方です。しかし、楽観的な見方は、作らなければ、誰も来ることができないということです。そして、それが通常私たちが世界を見る方法です。これが非常に有用である理由を直感的に理解する必要があります。
実際、2012年にトロント大学の研究室にいたイリヤ・サツケヴァー、アレックス・クリジェフスキー、ジェフ・ヒントンは、CUDAについて知り、CUDAがAlexNetの訓練のための並列プロセッサとして使用できるかもしれないということを学んで、GeForce GTX 580に連絡してきました。
GeForceがこの並列アーキテクチャを世界に広めるための乗り物となり、研究者たちがいつか見つけ出すだろうという私たちのインスピレーションは、良い戦略でした。それは希望に基づいた戦略でしたが、それは理にかなった希望でもありました。
本当に私たちの注目を集めたのは、同時に私たちは会社内でコンピュータビジョンの問題を解決しようとしており、CUDAをコンピュータビジョンプロセッサとして優れたものにしようとしていて、コンピュータビジョンに関する私たちの初期の開発の多くに苦労していたということです。
そして突然、私たちはAlexNetを目にしました。これは以前のコンピュータビジョンアルゴリズムとは全く異なる新しいアルゴリズムで、コンピュータビジョンの能力において大きな飛躍を遂げました。そしてそれを見たとき、それは部分的には興味からでしたが、部分的には私たち自身が何かに苦労していたからでした。そのため、私たちはそれが機能するのを見たいと強く興味を持ちました。
そして、私たちがAlexNetを見たとき、私たちはそれにインスピレーションを受けました。しかし大きなブレークスルーは、私たちがAlexNetを見て、「AlexNetはどこまで行けるのだろう?コンピュータビジョンでこれができるなら、どこまで行けるのだろう?」と自問したことでした。そして、もしそれが私たちが考える限界まで行けるとしたら、それが解決できる問題の種類は何か、コンピュータ産業にとって何を意味するのか?そしてコンピュータアーキテクチャにとって何を意味するのか?
私たちは、機械学習、ディープラーニングアーキテクチャがスケールできるなら、機械学習の問題の大部分はディープニューラルネットワークで表現できると正しく推論しました。そして、機械学習で解決できる問題の種類は非常に広範で、コンピュータ産業全体を作り直す可能性があり、それが私たちにコンピューティングスタックを完全に再設計させることになりました。それがDGXが生まれた理由であり、ここにある小さなDGXも、これらすべてがその観察から生まれました。
IBM System 360が現代の汎用コンピューティングを導入してから65年後、私たちは知っているコンピューティングを作り直しました。この全体の物語を考えると、並列処理が現代のゲーミングを作り直し、産業全体を革新し、次にその並列処理というコンピューティング方法が異なる産業で使用され始めました。
あなたはCUDAを構築することでそれに投資し、そしてCUDAとGPUの使用がニューラルネットワークと機械学習における飛躍的な進歩を可能にし、今日私たちが見ている重要性がますます増している革命の始まりとなりました...突然、コンピュータビジョンが解決されました。突然、音声認識が解決されました。突然、言語理解が解決されました。
知性に関連するこれらの信じられないような問題が、以前には解決策がなく、解決策を切実に望んでいたにもかかわらず、突然、数年ごとに次々と解決されていきました。素晴らしいことです。そうですね、あなたはそれを見て、2012年に先を見据えて、それが今あなたが生きている未来になると信じ、そこに到達するための賭けをしました。本当に大きな、非常にリスクの高い賭けでした。
そして、素人である私の認識では、そこに到達するまでにかなり長い時間がかかりました。あなたはこれらの賭けをします - 8年、10年 - そこで私の質問は:AlexNetは2012年に起こり、この視聴者はおそらく10年後にAIとNVIDIAについてはるかに多くのことを見聞きしているのですが、なぜ10年かかったのか、そしてあなたはそれらの賭けをしていたので、その10年の中間期はあなたにとってどのような感じだったのでしょうか?
ワオ、それは良い質問ですね。おそらく今日のような感じだったと思います。私にとって、常に何か問題があり、そして焦りを感じる理由があります。常に今いる場所に満足する理由があり、そして継続する多くの理由があります。そして、先ほど振り返っていたように、それは今朝のように聞こえます!
しかし、私たちが追求するすべてのことにおいて、まず核となる信念を持つ必要があります。最善の原則から推論する必要があり、理想的には物理学や産業の深い理解、あるいは科学の深い理解など、どこから推論するにしても、第一原理から推論します。そしてある時点で、何かを信じなければなりません。そしてそれらの原則が変わらず、仮定も変わらなければ、核となる信念を変える理由はありません。
そして途中で、常に成功の証拠があり、正しい方向に進んでいることを示す証拠があります。時には成功の証拠なしに長い時間が過ぎることもあり、少し軌道修正が必要かもしれませんが、証拠は現れます。そして正しい方向に進んでいると感じれば、私たちはただ前進し続けます。なぜそんなに長い間コミットメントを保ち続けたのかという質問に対する答えは、実は逆です:私たちはそれを信じていたので、コミットメントを変える理由がなかったのです。
そして私は30年以上NVIDIAを信じ続けており、今でも毎日働いています。私の信念システムを変える根本的な理由はありません。そして私は、コンピューティングを革新する私たちの仕事は、以前よりも今日の方がより真実であると根本的に信じています。そのため、特に理由がない限り、私たちはそれを続けます。
もちろん途中で非常に困難な時期もありました。誰も信じていないものに投資し、多くのお金がかかり、おそらく投資家やその他の人々は単に利益を維持するか、株価を上げるなど、何か別のことを望んでいたかもしれません。しかし、あなたは自分の未来を信じなければなりません。自分自身に投資しなければなりません。
そして私たちはこれを深く信じていたので、本当に実現する前に何百億ドルもの投資をしました。そうです、それは長い10年でした。しかし途中は楽しかったです。
それらの核となる信念をどのように要約しますか?コンピュータがどのように機能すべきか、そして私たちのために何ができるのかについて、あなたが信じていることは何で、それがその10年を乗り越えるだけでなく、今行っていること、おそらく次の数十年のために行っている賭けを続けさせているのでしょうか?
最初の核となる信念は、私たちの最初の議論、つまり加速コンピューティングについてでした。並列コンピューティング対汎用コンピューティングです。私たちはそれらのプロセッサを2つ組み合わせ、加速コンピューティングを行うことになりました。そして私は今日もそれを信じ続けています。
2つ目は、2012年に公になったこれらのディープラーニングネットワーク、これらのDNNが、さまざまな種類のデータからパターンと関係性を学習する能力を持っているという認識でした。そして、より大きくなればなるほど、より微妙な特徴を学習できるということです。そしてそれらをより大きく、より深く、あるいはより広くすることは簡単で、アーキテクチャのスケーラビリティは経験的に真実です。モデルサイズとデータサイズがより大きくなれば、より多くの知識を学習できるということも、経験的に真実です。
そしてそれが事実なら、限界は何でしょうか?物理的な限界やアーキテクチャの限界、数学的な限界がない限り、それは見つからず、そのため私たちはそれをスケールできると信じました。そして、唯一の他の質問は:データから何を学習できるのか?経験から何を学習できるのか?データは基本的に人間の経験のデジタル版です。
そして、何を学習できるのか?明らかに画像から物体認識を学習できます。単に音を聞くことから音声を学習できます。大量の文字と単語を学習することで、言語や語彙、構文、文法までも学習できます。そこで私たちは、AIまたはディープラーニングがほぼすべての種類のデータを学習し、あらゆる種類のデータに変換できる能力を持っていることを実証しました。
それは何を意味するのでしょうか?テキストからテキストへ、つまり段落を要約することができます。テキストからテキストへ、言語から言語へ翻訳することができます。テキストから画像へ、それは画像生成です。画像からテキストへ、それはキャプション付けです。アミノ酸配列からタンパク質構造へさえも変換できます。
将来的には、タンパク質から言葉へ変換できるでしょう:「このタンパク質は何をするのか?」あるいは「これらの特性を持つタンパク質の例を挙げてください」など。薬物標的を特定するなど。そして、これらの問題がすべて解決される角を曲がったところにあることが分かります。
言葉から映像へ行けるなら、なぜ言葉からロボットのアクショントークンへ行けないのでしょうか?コンピュータの視点から見て、それがどう違うのでしょうか?そしてそれは問題を解決できる機会と問題の宇宙を開きました。そしてそれが私たちを非常に興奮させています。
私たちは本当に巨大な変化の直前にいるように感じます。次の10年について考えるとき、過去10年とは異なり、私たちはすでに多くの変化を経験してきましたが、私は現在開発されているテクノロジーをどのように使用することになるのか、もう予測できません。その通りです。過去10年がそのように感じる理由は、過去10年はAIの科学についてでした。次の10年も多くのAIの科学があるでしょうが、次の10年はAIの応用科学の時代になります。基礎科学と応用科学の違いです。そしてAIの応用研究、応用面は今:デジタル生物学にAIをどのように応用できるか?気候技術にAIをどのように応用できるか?農業、漁業、ロボティクス、輸送、物流の最適化にAIをどのように応用できるか?教育にAIをどのように応用できるか?ポッドキャストにAIをどのように応用できるか?などになります。
私たちが話してきたコンピューティングのこの根本的な変化が、実際に人々の生活体験をどのように変えるのか、実際にこれまで話してきたすべてに基づくテクノロジーをどのように使用することになるのか、それらのいくつかを選んで人々が理解できるようにしたいと思います。私が今あなたが多く話されているのを聞き、私が特に興味を持っているのは、フィジカルAI、言い換えれば、ロボットです。
「私の友達!」- つまり人型ロボットだけでなく、自動運転車やスマートビルディング、自律倉庫、自律芝刈り機などのロボットも含みます。私の理解では、私たちはこれらのロボットすべての能力に大きな飛躍を見る可能性があります。なぜなら、私たちはそれらの訓練方法を変えているからです。これまでは、ロボットを実世界で訓練する必要がありました。そこでは損傷や摩耗の可能性があったり、モーションキャプチャスーツを着た人間からの限られたデータソースしか得られませんでした。
しかし、それはロボットがより速く学習するために必要な例を十分に得られていないことを意味します。しかし今、私たちはデジタルの世界でロボットを訓練し始めています。これは1日あたりはるかに多くの反復、はるかに多くの条件、はるかに速い学習を意味します。
そのため、私たちは今、ロボットのビッグバンの瞬間にいる可能性があり、NVIDIAはそれを実現するためのツールを構築しています。あなたはOmniverseを持っています。私の理解では、これはロボットシステムを訓練するための3D世界で、物理的な世界で訓練する必要がないようにするものです。その通りです。あなたは最近、Cosmosを発表しました。これは3Dユニバースをより現実的にする方法です。
このテーブルで何かを訓練している場合、テーブルに対するさまざまな種類の照明、さまざまな時間帯、さまざまな経験をロボットに与えることができ、Omniverseからさらに多くのことを学ぶことができます。スター・トレックのデータや、アイザック・アシモフの本を愛して育ち、ロボットのある未来を夢見ていた子供として、現在のロボットからあなたが描くロボティクスの未来の世界にどのようにたどり着くのでしょうか?
そうですね、OmniverseとCosmosを理解するために、言語モデル、おそらくChatGPTを参考にしましょう。まず、ChatGPTが最初に登場したとき、それは驚くべきもので、あなたのプロンプトからテキストを生成する能力を持っていました。しかし、素晴らしかったにもかかわらず、長く続けたり、十分な情報を持っていないトピックについて論じたりすると、もっともらしい答えを生成することはできますが、幻覚を起こす傾向がありました。
そのため、人々はそれを幻覚と呼びました。そして次の世代はすぐに、コンテキストによって条件付けられる能力を持ちました。つまり、PDFをアップロードすると、それが基準となります。PDFが真実の基準となります。検索を行うこともでき、その検索が真実の基準となります。そしてその間に、求められている答えをどのように生成するかについて推論することができます。
そして最初の部分は生成AI、2番目の部分は真実の基準です。さて、物理的な世界に入ってみましょう。ロボティクスが物理的な世界について賢くなるためには、ChatGPTがブレークスルーとなった基盤モデルが必要だったように、世界モデル、つまり基盤モデルが必要です。重力、摩擦、慣性、幾何学的および空間的な認識を理解する必要があります。
物体が存在することを理解し、私が目を離して戻ってきても、それがまだそこにあることを理解しなければなりません。物体の永続性です。原因と結果を理解する必要があります。傾けると倒れるということです。そのような物理的な常識とでも言うべきものを、世界の基盤モデルに取り込むか、エンコードする必要があります。そうすることでAIは世界の常識を持つことができます。
誰かがそれを作る必要があり、それが私たちがCosmosで行ったことです。私たちは世界言語モデルを作りました。ChatGPTが言語モデルだったように、これは世界モデルです。次に私たちが行わなければならないのは、PDFやコンテキスト、真実の基準での地固めと同じことを行うことです。
そして、私たちがCosmosを真実の基準で補強する方法は、物理シミュレーションを使用することです。なぜなら、Omniverseは原理に基づいたソルバーを使用する物理シミュレーションを使用するからです。数学はニュートン物理学であり、私たちが長い間理解してきた物理学の基本法則がすべてOmniverseにエンコードされ、取り込まれています。そのためOmniverseはシミュレータなのです。
そしてシミュレータを使用してCosmosを基準付け、あるいは条件付けることで、私たちは無限の数の未来の物語を生成できます。そしてそれらは物理的な真実に基づいています。PDFや検索とChatGPTの組み合わせで、無限の興味深いことを生成し、多くの興味深い質問に答えることができるように。
OmniverseとCosmosの組み合わせで、物理的な世界でそれを行うことができます。これを視聴者に説明するために、工場にロボットがいて、取ることができるすべての経路を学習させたい場合、手動ですべての経路を進む代わりに、それには数日かかり、ロボットに多くの摩耗が生じる可能性がありますが、今では時間のほんの一部で、そしてロボットが直面する可能性のある多くの異なる状況 - 暗い、ブロックされているなど - でデジタルでそれらすべてをシミュレーションできるため、ロボットははるかに速く学習しています。
私には、将来は今日とは非常に異なるように見えます。10年後を想像すると、人々は実際にこのテクノロジーとどのように関わることになると考えていますか?クレオ、動くものはすべていつかロボット化され、それは間もなくです。
芝刈り機を押して回るというのは、すでに少し馬鹿げています。楽しいからやる人もいるかもしれませんが、必要ありません。そしてすべての車はロボット化されるでしょう。人型ロボット、それを可能にするために必要なテクノロジーは、すぐそこまで来ています。そして動くものはすべてロボット化され、それらはOmniverse Cosmosでロボットになる方法を学び、私たちはこれらの物理的にもっともらしい未来をすべて生成し、ロボットはそれらから学習し、そして物理的な世界に入ってきて、それは全く同じです。
ロボットに囲まれた未来は確実です。そして私は自分のR2-D2を持つことに興奮しています。もちろんR2-D2は缶のような形ではなく、転がり回ることはないでしょう。それはR2-D2かもしれません。はい、おそらく異なる物理的な形態になるでしょうが、それは常にR2です。
そのため、私のR2は私と一緒に行動します。時にはスマートグラスの中に、時には電話の中に、時にはPCの中にいます。私の車の中にもいます。そしてR2は常に私と一緒で、家に帰ってもR2の物理的なバージョンを置いてきました。そしてそのバージョンが何であれ、私たちはR2と交流するでしょう。そのため、私は、私たち一人一人が人生全体を通じて自分のR2-D2を持ち、それが私たちと共に成長するという考えは、今や確実だと思います。
ニュースメディアがこのような未来について話す時、多くは何が間違う可能性があるかに焦点を当てます。それは理にかなっています。間違う可能性のあることは多くあります。間違うことを防ぐために、何が間違う可能性があるのかについて話し合うべきです。はい、それが私たちが番組で取るアプローチです。大きな課題は何か、それを克服するにはどうすればよいか?はい。
この未来について心配する時、あなたはどのような分類で考えていますか?誰もが話題にすることがたくさんあります:バイアスや有害性、あるいは単なる幻覚。つまり、何も知らないことについて大きな自信を持って話し、その結果、私たちがその情報に依存してしまうことです。偽情報、偽ニュースや偽画像などを生成することもその一種です。もちろん、なりすましもあります。
人間のふりをするのが非常に上手くなるため、特定の人間になりすますことも非常に上手くできる可能性があります。そのため、私たちが懸念しなければならない領域のスペクトルはかなり明確で、多くの人々がそれに取り組んでいます。
AIの安全性に関連するものの一部は、深い研究と深いエンジニアリングを必要とし、それは単に、正しいことをしようとしているが、それを正しく実行できずに結果として誰かを傷つけてしまうということです。例えば、上手く、適切に運転しようとする自動運転車が、何らかの理由でセンサーが故障したり、何かを検出できなかったり、あまりにも急激なターンをしたりするなどです。
それを間違って実行してしまいました。そのため、AIの安全性が、製品が適切に機能することを確実にすることで維持されるように、多くのエンジニアリングが必要です。そして最後に、システム、AIは良い仕事をしようとしたが、システムが失敗した場合はどうなるでしょうか?
つまり、AIが何かを止めようとした時、まさにその時に機械が故障してしまったということです。これは、飛行機の中のフライトコンピュータに3つのバージョンがあり、オートパイロットの中にトリプル冗長性があり、2人のパイロットがいて、航空管制があり、他のパイロットがこれらのパイロットを見守っているのと何ら変わりません。
そのため、AIの安全システムはコミュニティとして設計される必要があります。これらのAIが、まず機能し、適切に動作すること。適切に機能しない場合でも、人々を危険にさらさないこと。そして、AIを安全に保つための十分な安全とセキュリティシステムがそれらの周りにあることを確実にすること。そしてこの会話のスペクトルは巨大で、私たちはそれらの部分を分解し、エンジニアとして構築する必要があります。
私たちが今いるこの瞬間の素晴らしいことの1つは、CPUと順次処理の世界で持っていた多くの技術的な制限がもはやないということです。そして私たちは、新しいコンピューティング方法だけでなく、継続的に改善する方法も解き放ちました。並列処理は、CPUで可能だった改善とは異なる種類の物理学を持っています。
私は、現在の世界であなたが多く考えている科学的または技術的な制限は何なのか、興味があります。結局のところ、すべては持っているエネルギーの制限内でどれだけの仕事ができるかということです。そしてそれは物理的な制限であり、情報を転送し、ビットを転送し、ビットを反転させ、ビットを転送するための物理法則、結局のところそれを行うために必要なエネルギーが、私たちができることを制限します。そして、私たちが持っているエネルギーの量が、私たちができることを制限します。
私たちは前進を妨げる根本的な制限からはまだはるかに遠いところにいます。その間、私たちはより良い、よりエネルギー効率の高いコンピュータを構築しようとしています。このコンピュータ、大きなバージョンは25万ドルでした - 持ち上げてみましょうか? - はい、これは小さなDIGITSです。これはAIスーパーコンピュータです。私が提供した最初のバージョンは、これはプロトタイプなのでモックアップですが、2016年にOpen AIに提供したDGX 1で、25万ドルでした。
このバージョンの10,000倍のパワー、より多くのエネルギーが必要で、このバージョンは6倍の性能を持っています。すごいでしょう。私たちは全く新しい世界にいます。それは2016年以来なので、8年後に私たちはコンピューティングのエネルギー効率を10,000倍向上させました。
そして、私たちがエネルギー効率を10,000倍向上させたり、車が10,000倍エネルギー効率が良くなったり、電球が10,000倍エネルギー効率が良くなったりしたことを想像してみてください。私たちの電球は今、100ワットの代わりに、10,000分の1で同じ明るさを生み出すことになります。そうです。そして、特にAIコンピューティングのエネルギー効率は信じられないほど進歩しており、それは必要不可欠です。なぜなら、私たちはより知的なシステムを作りたいと考えており、よりスマートになるためにより多くの計算を使用したいと考えているからです。そのため、仕事を行うためのエネルギー効率は私たちの最優先事項です。
このインタビューの準備をしている時、私は多くのエンジニアの友人と話をし、これは彼らが本当に私に聞いてほしかった質問です。そのため、あなたは本当にここであなたの人々に語りかけています。あなたはCUDAですべての種類の方法でより多くの人々により多くのコンピューティングパワーを使用させることで、アクセシビリティと抽象化の価値を示してきました。
テクノロジーのアプリケーションがより具体的になるにつれて、例えばAIのトランスフォーマーについて考えています...視聴者のために、トランスフォーマーは、今では多くのツールで使用されている、より最近のAIの非常に人気のある構造です。
それらが人気がある理由は、トランスフォーマーが情報の重要な部分に「注意を払う」ことを助け、はるかに良い結果を生み出す方法で構造化されているからです。AIモデルの特定の種類だけに完全に適したチップを作ることはできますが、そうすると他のことを行う能力が低下してしまいます。
これらの特定のAI構造やアーキテクチャがより人気を集めるにつれて、私の理解では、これらを「チップに焼き付ける」こと、つまり特定のタスクに非常に特化したハードウェアを設計することと、より一般的なままでいることとの間で、どのようにそれらの賭けを行うかについての議論があります。そこで私の質問は、それらの賭けをどのように行うのですか?どこにでも行ける車を作るのか、それともAからBへ行くことに本当に最適化された列車を作るのか、どのように考えますか?あなたは巨大な賭けを行っており、私はそれについてどのように考えているのか興味があります。
はい、そしてそれは正確にあなたの質問、あなたの核となる信念は何かということに戻ってきます。そしてその質問は、トランスフォーマーが研究者が今後発見する最後のAIアルゴリズム、AIアーキテクチャであるという信念か、あるいはトランスフォーマーは、数年後にはトランスフォーマーとしてほとんど認識できないほど進化したトランスフォーマーへの踏み石であるという信念かのどちらかです。
そして私たちは後者を信じています。その理由は、単に歴史を振り返って、コンピュータアルゴリズムの世界、ソフトウェアの世界、エンジニアリングとイノベーションの世界で、1つのアイデアがそれほど長く続いたことがあるかと自問すれば、その答えはノーだからです。そして、それが実際の美しさ、コンピュータが10年前には誰も想像できなかったことを今日行うことができるという本質的な美しさなのです。
そして10年前にそのコンピュータを電子レンジに変えていたら、なぜアプリケーションが次々と生まれてくるのでしょうか?そのため私たちは、イノベーションと発明の豊かさを信じており、発明家やイノベーター、ソフトウェアプログラマー、AI研究者がそのスープの中で泳ぎ、素晴らしいアイデアを生み出せるようなアーキテクチャを作りたいと考えています。トランスフォーマーを見てください。
トランスフォーマーの基本的な特徴は、「アテンション機構」と呼ばれるもので、基本的にトランスフォーマーは、すべての単語と他のすべての単語との間の意味と関連性を理解すると言います。そのため、10個の単語があれば、それら10個の間の関係を理解する必要があります。
しかし、10万語がある場合、あるいはコンテキストがPDFを読み、多くのPDFを読むようになり、コンテキストウィンドウが今や100万トークンのような大きさになった場合、それらすべてにわたって処理することは不可能です。そしてその問題を解決する方法は、フラッシュアテンションや階層的アテンション、他日読んだウェーブアテンションなど、すべての種類の新しいアイデアがあります。
トランスフォーマー以降に発明されたさまざまな種類のアテンション機構の数は非常に驚異的です。そして私は、それが続くと思いますし、私たちはそれが続くと信じています。そしてコンピュータサイエンスは終わっておらず、AI研究はすべて諦めていません。私たちも諦めていません。研究とイノベーション、新しいアイデアの柔軟性を可能にするコンピュータを持つことが、根本的に最も重要なことだと考えています。
私が本当に興味を持っていることの1つは、あなたはチップを設計します。チップを組み立てる会社があります。ナノメートルスケールで作業することを可能にするハードウェアを設計する会社があります。このようなツールを設計する時、現在物理的に作ることが可能なことの文脈で、設計についてどのように考えていますか?今日、その限界を押し広げることについて考えていることは何ですか?
私たちの方法は、例えば私たちのチップはTSMCによって作られていますが、TSMCが持っている深い専門知識を持つ必要があると考えています。そのため、私たちの会社には半導体物理学に非常に優れた人々がいて、今日の半導体物理学で何ができるかの限界について、感覚を持ち、直感を持っています。
そして私たちは限界を押し広げようとしているので、彼らと密接に協力して限界を発見します。私たちは同じことをシステムエンジニアリングと冷却システムでも行っています。液体冷却のため、配管が私たちにとって本当に重要です。そしておそらくファンも空冷のために私たちにとって重要で、私たちはこれらのファンを、最大量の空気を通し、最小限の騒音で済むように、ほとんど空力学的に設計しようとしています。そのため、私たちには空力学のエンジニアがいます。
そのため、私たちは作らないにしても、設計し、作り方について深い専門知識を持つ必要があります。そしてそこから、私たちは限界を押し広げようとしています。この会話のテーマの1つは、あなたが未来に大きな賭けを行い、そしてそれらの賭けについて何度も正しかったということです。私たちはGPU、CUDA、AIでの賭け - 自動運転車について話しました。そしてロボティクスについても正しいでしょう - これが私の質問です。今、あなたはどのような賭けを行っているのですか?
私たちが最近CESで発表した最新の賭けは、私は非常に誇りに思っており、非常に興奮しています。それはOmniverseとCosmosの融合で、この新しい種類の生成的な世界生成システム、このマルチバース生成システムを持つことです。私は、それがロボティクスと物理システムの未来にとって非常に重要になると思います。
もちろん、人型ロボットに関する私たちの仕事、ツールシステム、訓練システム、人間のデモンストレーションシステムなど、あなたがすでに言及したすべてのことの開発は、その仕事の始まりを見ているだけで、私は人型ロボティクスの世界で次の5年間が非常に興味深いものになると思います。
もちろん、デジタル生物学での私たちの仕事も、分子の言語と細胞の言語を理解し、物理的な世界と物理学の言語を理解するように、人体の言語と生物学の言語を理解したいと考えています。そしてそれを学び、予測できれば、突然、人間のデジタルツインを持つ可能性が現実的になります。そのため、私はその仕事に非常に興奮しています。
気候科学での仕事も大好きで、天気予報から、高解像度の地域気候、あなたの頭上1キロメートル以内の気象パターンを理解し、予測することができます。それを高い精度で予測できることの意味は本当に深遠です。そのため、私たちが取り組んでいることの数は本当にクールです。
私たちは、タイムマシンであるこの装置を作り出すことができ、私たちが話したすべての分野でタイムマシンが必要なので、幸運です。そうすることで未来を見ることができます。そして未来を見て、未来を予測できれば、その未来の最高のバージョンを作る可能性が高くなります。それが科学者が未来を予測したい理由です。それが、私たちが設計しようとするすべてのことで未来を予測しようとする理由です。最高のバージョンに最適化できるようにするためです。
そのため、誰かがこれを見ていて、おそらくNVIDIAが信じられないほど重要な会社だということは知っていたけれど、なぜか、あるいはそれが自分の人生にどのように影響するかを完全には理解していなかった人が、今、過去数十年にわたるコンピューティングの大きな変化をより良く理解し、私たちが今いるこの非常に興奮する、非常に奇妙な瞬間、多くの異なることの境目にいるような瞬間を理解できるようになったとしたら。もし彼らが少し未来を見通したいと思うなら、これらのツールが実際に彼らに影響を与えることについて、この瞬間をどのように準備し、考えるべきかについて、どのようなアドバイスをしますか?
未来を推論する方法はいくつかあります。1つの方法は、あなたが行う仕事は引き続き重要だけれど、それを行うための労力が1週間かかるものから、ほぼ瞬時になったと仮定してみることです。つまり、退屈な作業の労力がほぼゼロになります。それはどういう意味を持つでしょうか?これは、突然この国に高速道路ができたらどうなるかという質問とよく似ています。
そしてそれは前回の産業革命で実際に起こりました。突然、州間高速道路ができ、州間高速道路ができると何が起こるでしょうか?郊外が作られ始め、突然、東から西への物資の流通がもはや問題ではなくなり、突然、高速道路にガソリンスタンドが現れ始め、ファストフード店が現れ、モーテルが現れます。なぜなら、州を横断し、国を横断する人々が数時間や一晩だけ滞在したいと思うからです。そして突然、新しい経済と新しい能力、新しい経済が生まれます。
ビデオ会議で、もう移動しなくても互いを見ることができるようになったらどうなるでしょうか?突然、家と仕事から遠く離れて働き、住むことが実際に問題なくなります。そしてこのような質問をするのです。
ソフトウェアプログラマーが常に私と一緒にいて、私が思いつくものなら何でも、そのソフトウェアプログラマーが私のために書いてくれたらどうなるでしょうか?アイデアの種があり、それを大まかに描くと、突然、プロトタイプの制作が目の前に現れたらどうなるでしょうか?それは私の人生をどのように変え、私の機会をどのように変えるでしょうか?そしてそれは何を可能にしてくれるのでしょうか?
そのため、私は次の10年、すべてではありませんが、いくつかのことについて、知性が基本的に超人的になると思います。しかし、それがどのように感じるかを正確に説明できます。私は超人的な人々、私から見れば超知性に囲まれています。なぜなら、彼らは自分の分野で世界最高であり、彼らは私よりもはるかに優れた仕事をしているからです。
そして私は何千人もの彼らに囲まれていますが、それが私をもはや必要ないと考えさせることは一度もありませんでした。実際にそれは私に力を与え、より野心的なことに挑戦する自信を与えてくれます。そして、今、誰もが特定のことが得意な、あるいはいくつかのことが得意なこれらのスーパーAIに囲まれているとしたら、それはあなたにどのように感じさせるでしょうか?
それはあなたに力を与え、自信を持たせてくれるでしょう。そして私は確信していますが、おそらくあなたはChatGPTやAIを使用していて、今日の方がより力を感じ、何かを学ぶことにより自信を持っています。特定の分野の知識、その理解への障壁は低くなり、私は常に個人的なチューターを持っています。
そのため、私はその感覚が普遍的であるべきだと思います。もし誰もに1つのことを勧めるとすれば、すぐにAIチューターを手に入れることです。そしてそのAIチューターは、もちろん好きなことを教えてくれ、プログラミングを手伝い、文章を書くのを手伝い、分析を手伝い、考えることを手伝い、推論を手伝うなど、それらすべてのことはあなたに本当に力を与えてくれると思います。そして私は、それが私たちの未来だと思います。
私たちはスーパーヒューマンになります。スーパーを持っているからではなく、スーパーAIを持っているからスーパーヒューマンになるのです。これらの物体について少し説明していただけますか?これは新しいGeForceグラフィックスカードです。はい、これはRTX 50シリーズです。これは基本的にPCに入れるスーパーコンピュータで、もちろんゲーミングに使用しますが、今日の人々はデザインやクリエイティブアートにも使用しており、素晴らしいAIを実行します。
ここでの本当のブレークスルー、これは本当に素晴らしいことですが、GeForceがAIを可能にし、ジェフ・ヒントン、イリヤ・サツケヴァー、アレックス・クリジェフスキーがAlexNetを訓練できるようにしました。私たちはAIを発見し、AIを進歩させ、そしてAIはGeForceに戻ってきてコンピュータグラフィックスを支援しました。そしてここで素晴らしいことは:4Kディスプレイの約800万ピクセルのうち、私たちは50万ピクセルだけを計算し、処理しています。残りはAIが予測します。
AIが推測し、それでも画像は完璧です。私たちは計算した50万ピクセルで情報を与え、それらすべてをレイトレースし、それはすべて美しい。それは完璧です。そして私たちはAIに、これらの画面の50万ピクセルが完璧なピクセルであれば、他の800万ピクセルは何かを教えます。そしてそれは画面の残りを埋め、それは完璧です。
より少ないピクセルしか処理する必要がないなら、処理するピクセルが少ないので、それらにより多くを投資できるため、品質は向上し、AIの外挿も...その通りです。なぜなら、どのようなコンピューティング、どのような注意、どのようなリソースがあろうと、それを50万ピクセルに置くことができるからです。
これは、なぜAIが私たち全員をスーパーヒューマンにするかの完璧な例です。なぜなら、それができる他のすべてのことを私たちのために行い、私たちが本当に価値のあることに時間とエネルギーを集中することを可能にするからです。そのため、私たちは自分のリソース、つまりエネルギー集約的、注意集約的なものを、数十万ピクセルに専念させ、AIを使用して他のすべてをスーパーレゾリューション、アップレゾリューションにします。
そのため、このグラフィックスカードは今や主にAIによって動作しており、内部のコンピュータグラフィックス技術も信じられないほど素晴らしいものです。そして次のものは、先ほど言及したように、2016年にAI研究者のために最初のものを作り、最初のものをOpen AIに提供し、イーロンがそれを受け取りに来ました。このバージョンは、私がミニミニバージョンを作った理由は、AIがAI研究者からすべてのエンジニア、すべての学生、すべてのAI科学者へと広がったからです。そしてAIはどこにでもあるようになります。
そのため、25万ドルのバージョンの代わりに、3,000ドルのバージョンを作ります。そうすれば学校も持つことができ、学生も持つことができ、PCやMacの横に置けば、突然、自分のAIスーパーコンピュータを持つことができます。そしてAIを開発し、構築することができます。自分のAI、自分のR2-D2を作ることができます。
この視聴者に知っておいてほしい重要なことで、私が質問していないことは何ですか?私が勧めたい最も重要なことの1つは、例えば、もし私が今日学生だったら、最初にすることはAIを学ぶことです。ChatGPTとの対話方法、Gemini Proとの対話方法、Grokとの対話方法をどのように学ぶか。
AIと対話することを学ぶことは、質問をうまくする人になることと似ています。あなたは質問をすることが非常に上手です。そしてAIへのプロンプトも非常に似ています。ランダムに質問を投げかけるだけではいけません。そのため、AIにあなたのアシスタントになってもらうには、それをプロンプトする方法についてのある程度の専門知識とアート性が必要です。
そのため、もし私が今日学生だったら、数学や科学、化学や生物学など、どの科学分野に進むにしても、どの職業に就くにしても、自分の仕事をより良くするためにAIをどのように使用できるかを考えます。弁護士になりたいなら、AIを使ってより良い弁護士になるにはどうすればよいか?より良い医師になりたいなら、AIを使ってより良い医師になるにはどうすればよいか?化学者になりたいなら、AIを使ってより良い化学者になるにはどうすればよいか?生物学者になりたいなら、AIを使ってより良い生物学者になるにはどうすればよいか?その質問は誰にでも当てはまるはずです。
そして、私の世代がコンピュータを使って仕事をより良くするにはどうすればよいかと自問した最初の世代として育ったように。私たちの前の世代にはコンピュータがありませんでした。私の世代が、仕事をより良くするためにコンピュータをどのように使用するかという質問をしなければならなかった最初の世代でした。覚えていますか、私はWindows 95の前の1984年に業界に入りました。そして、その後まもなく、コンピュータがオフィスに現れ始め、私たちは仕事をより良くするためにコンピュータをどのように使用するかを考えなければなりませんでした。
次の世代はその質問をする必要はありませんが、明らかに次の質問、つまり仕事をより良くするためにAIをどのように使用できるかを考えなければなりません。それが誰にとっても最初から最後までだと思います。それは本当にエキサイティングで怖い、だからこそ価値のある質問だと思います。
私は、それは信じられないほど楽しいものになると思います。AIは明らかに人々が今学び始めている言葉ですが、それはただ、あなたのコンピュータをより使いやすくしただけです。自分で研究するよりも、ChatGPTに何でも好きなことを質問する方が簡単です。
そのため、私たちは理解の障壁を下げ、知識の障壁を下げ、知性の障壁を下げました。そして誰もが本当にそれを試してみる必要があります。本当に面白いことは、コンピュータを初めて使う人の前に置いても、1日でそのコンピュータを学ぶことはできません。それは不可能です。誰かが本当に見せてくれなければなりません。
しかし、ChatGPTの使い方を知らなくても、「ChatGPTの使い方が分かりません、教えてください」と入力するだけで、いくつかの例を示してくれるでしょう。それが素晴らしいことです。知性の素晴らしいところは、それがあなたを助け、途中であなたをスーパーヒューマンにしてくれることです。
よし、もう1つ質問があります。時間があれば。これは質問する予定ではなかったのですが、私は飛行機が少し怖いです。それは私の最も理性的な性質ではありませんが、ここに来る飛行機は少し揺れていて、うん、とても揺れていて、私は座っていて、それが動いていて、私の葬式で何を言われるだろうと考えていました - 彼女は良い質問をしたね、それが墓石に書かれることになるでしょう - そう願います!
そして、私が夫と友人、家族を愛したことの後で、私は彼らが話してほしいと願ったのは楽観主義でした。私は、彼らがここで私が試みていることを認識してくれることを願っています。そして私はあなたにとても興味があります。あなたは長い間これを行ってきました。あなたが描いたこのビジョンの中には、とても多くのことがあるように感じます。あなたが試みていることについて、人々に言ってほしいテーマは何でしょうか?
非常に単純に、彼らは extraordinary な影響を与えました。私は、長い時間前のいくつかの核となる信念と、それらの核となる信念を守り、それらの上に構築することで、私たちは今日、世界で最も重要で、結果として重要なテクノロジー企業の1つ、そしておそらく史上最も重要な企業の1つとなっていることを幸運に思います。そのため、私たちはその責任を非常に真剣に受け止めています。
私たちは、大企業だけでなく個々の研究者や開発者にも、利益の有無、大小、有名無名に関わらず、あらゆる科学分野にわたって、私たちが作り出した能力を利用できるようにするために懸命に働いています。そしてそれは、私たちが行っている結果として重要な仕事と、それが多くの人々に与える可能性のある影響を理解しているからこそ、私たちはこの能力をできるだけ広く普及させたいと考えているのです。
そして私は、数年後を振り返った時、次の世代が認識することを願っています。まず第一に、彼らは私たちが作成するゲーミングテクノロジーのすべてを知ることになります。私は、デジタル生物学とライフサイエンスの分野全体が変革され、材料科学についての私たちの理解が完全に革新されたことを振り返ることになると思います。
ロボットがあらゆる場所で危険で単調な作業を手伝ってくれています。運転したければ運転できますが、そうでなければ昼寝をしたり、自分の車をホームシアターのように楽しんだり、仕事から家までの間に読書をしたりできます。その時点で、遠くに住むことを望むでしょう。そうすれば、車の中でより長い時間を過ごすことができます。
そして振り返ってみると、そのすべての中心にある会社があり、それがたまたまあなたがゲームで育った会社だったことに気づきます。私は、それが次の世代が学ぶことになることを願っています。ありがとうございました。楽しかったです。私も楽しかったです！良かった！

いいなと思ったら応援しよう！