見出し画像

サティア・ナデラによるマイクロソフトAIツアーのキーノートセッション | バンガロール | 2025年1月7日

AGIに仕事を奪われたい

17,186 文字

地球上のすべての人とすべての組織がより多くを達成できるようにするには、どうすれば良いでしょうか。それは1人から始まります。1人の従業員から、チームが別のチームと協力し合い、1人のパートナーから顧客へ、そしてその顧客の顧客へと機会を広げ、信頼を得て、基本的な権利を守り、私たちの社会、経済、世界の持続可能性を推進していく。それが影響力です。私たち一人一人が持てる影響力です。それが私たちの共通の機会なのです。22万人の従業員が地球上の80億人を支援しています。
私たちは、想像力の限り速く構築し、創造性を解き放ち、社会の最大の課題に責任を持って取り組むことができる、新しいAIの時代にいます。私たちは協力して、これらの利益があらゆる国、産業、個人に届くよう保証できます。地球上のすべての人とすべての組織がより多くを達成できるようにすることで、世界を支援することができるのです。
皆さん、こんにちは。インドに、そしてバンガロールに戻ってこられて本当に素晴らしいです。特にこのような時期に、このエネルギーと興奮を見られることは、いつも信じられないほどです。私たちは、AIについて話し合い、インフラやモデルの新しい機能に感心するだけでなく、AIを使って大胆で大きなことを行う次のフェーズに入ろうとしています。ここに来て、人々が起こっていることに興奮しているのを見ると、それを実感します。
次の30分ほど、私が見ている可能性と、マイクロソフトがプラットフォーム構築に何を重視しているかについてお話ししたいと思います。ある意味で、マイクロソフトは常に2つのことを基本としてきました。私たちはプラットフォーム企業であり、パートナー企業です。AIの時代でもそれは変わりません。
しかし、これらのプラットフォームとプラットフォームの変化について話すとき、プラットフォームの変化を推進している根本的な力は何かということを考える必要があります。実際、私の35年間のテクノロジー業界での経験を振り返ると、それは1つの根本的な力でした。それはムーアの法則です。
ビルは毎年私たちを集め、文字通りムーアの法則とメモリーで何が起きているかを示し、「ソフトウェアでそれを埋めろ」と言うだけでした。それが会社全体への唯一の指示でした。今日でもそれは非常に当てはまります。AIとプリトレーニング、特にスケーリング法則について考えるとき、それは再びムーアの法則が働いているのです。
それは2010年にDNNとGPUで始まり、トランスフォーマーの効率的なデータ並列性により、また大きく変化しました。おそらく18ヶ月ごとの倍増が6ヶ月ごとの倍増になったのです。それがスケーリング法則の実態でした。
プリトレーニングのスケーリング法則について、継続するのか、壁に突き当たったのか、議論がありますが、私たちは基本的にスケーリング法則が素晴らしく、継続して機能すると信じています。しかし、データサイズやパラメータ数が増えるにつれて、システムの問題も大きくなるので、より困難になります。同期データ並列ワークロードは新しいワークロードなので、それは続きますが、より興味深いのは、推論時間またはテスト時間の計算のスケーリング法則が現れ始めていることです。
ある意味で、プリトレーニングにはサンプリングステップがありましたが、これは常にそのサンプリングステップをより効率的に使用することについてです。推論時間でさえもスケールできることが、これを次のレベルに引き上げると思います。私たちはとても興奮しています。たとえばall1やthink hardのように、コパイロットのthink hardは私が常に使用するものになっています。これは追加のプリトレーニングのためのサンプリングだけでなく、推論時間中にthink hardを使用してより良い結果を得られることを示しています。
これらの機能は増加し続けると思います。最終的に3つのことがあります。1つは、すべてのソフトウェアのインターフェースとして持つようになったマルチモーダル機能です。最近、iPhoneのアクションボタンをコパイロット用に設定しました。今では自信を持ってハイデラバードのウルドゥー語で話しかけることができ、高校の友人と話しているようです。すべてのコンピューティングにそのような親しみやすいシンプルなインターフェースを持てるという基本的なアイデアが、あらゆるソフトウェアカテゴリーを変えていくでしょう。
それに計画と推論能力を組み合わせます。GitHubコパイロットワークスペースに行くと、計画について考え、それを多段階のプロセスとして実行する能力を呼び出します。これは真のエージェント的な振る舞いの始まりです。
そしてもう一つの側面は、システムの外部やモデルのメモリコンテキスト、ツールの使用、権限の外にあるものを結び付けることができることです。実際、今後12ヶ月間、すべての開発者は、自分のモデルをどのようにツールを使用できるようにするか、関数呼び出しを超えてさえも、どのように正しい権限の理解を持たせるか、どのようにメモリと長期メモリを確実に持たせるかに本当に焦点を当てることになるでしょう。
これが、豊かなエージェントの織物を作り出すのに真に役立つと思います。エージェントについて考えるとき、マルチモーダル機能、計画と推論、メモリとツールの使用、特に権限を結び付けることで、個人エージェント、チームエージェント、企業全体のエージェント、企業間エージェントの構築を始めることができます。そのようなエージェントの世界は、私たちが一緒に構築することを楽しみにしているものです。
もちろん、マイクロソフトにとって、これらの技術は単独では重要ではありません。それは目的への手段であり、地球上のすべての人とすべての組織がより多くを達成できるようにすることです。このプラットフォームが提供できるその支援の感覚が次のレベルになると思います。それが私たちが本当に焦点を当てていることです。
そのために、私たちは3つのプラットフォームを構築しています。コパイロット、コパイロットとAIスタック、そしてコパイロットデバイスです。これら3つのプラットフォームが何を含むのか、大まかな輪郭をお話ししたいと思います。
コパイロットを概念化する最良の方法は、それがAIのUIであるということです。非常に豊かなエージェントの世界でさえ、AIは私たちとインターフェースする必要があり、それにはUIレイヤーが必要です。だからこそ、多くのエージェントが自律的な作業を行う世界では、コパイロットという組織化レイヤーがさらに重要になると思います。それが考え方として最適です。
私たちのアプローチは、既存のワークフローにコパイロットを組み込むことです。実際に見た最良の例の1つは、知識労働の高度な例です。医師が腫瘍委員会の会議の準備をしているケースを考えてみましょう。腫瘍委員会の会議は重要な会議で、すべての報告書を読み、各報告書にどれだけの時間を費やすかを正確に把握している必要があります。つまり、議題の作成は推論タスクです。より複雑なケースにより多くの時間が必要なことを知っている議題を作成します。
次にTeamsのミーティングに入ります。すべての医師がケースについて話し合っていますが、AIがすべての詳細なメモを取っているので、メモを取る代わりにケースに集中できます。彼女は教育医でもあるので、腫瘍委員会で起こったことを授業に持っていきたいと考えています。つまり、メモをWordに入れ、WordからPowerPointに移して授業に行けるということです。
世界中の医師が行っているこの単純なワークフローは、AIを既存のワークフローに組み込むことで、生活に影響を与えることができます。これは、現在のワークフローにAIを組み込む方法を考える良い例です。
次のステップに進みましょう。Pagesとチャット、Webとワークスコープを使えば、完全に新しいタイプのワークフローについて考えることができます。基本的に、Webの情報やMicrosoft 365グラフ内の情報に、1クエリずつアクセスできるようになりました。すべてのデータを取得し、Pagesと呼ばれるインタラクティブなAIファーストのキャンバスに昇格させることができます。
Pagesに入れたら、Pages内のコパイロットを使って修正を続けることができます。私はこれを、AIで考え、同僚と協力する比喩として使用しています。これが新しいワークフローです。AIで考え、物事をPagesに昇格させ、他の人を招待し、他の人と協力します。ちなみに、そのキャンバス上でもAIは存在しています。
以前のWordやExcel、PowerPointが仕事の方法を変えたように、チャットとPagesはAIハブとして、仕事の方法を強化する新しいモジュールになるでしょう。もちろん、そこで止まるわけではありません。次に考えているのは拡張性です。AIをどのように拡張していくかということです。
それはコパイロットアクションと呼ばれるものから始まります。Outlookのルールを長年使用していた人にとって、複雑さが大きすぎるまで使用していましたが、これはAI時代のルールだと考えてください。ただし、1つのアプリケーションずつではなく、M365システム全体で機能します。それがアクションの美しさです。
知識労働の多くは、情報を収集し、配布し、人々をアーティファクトや他の人々、他のアーティファクトに接続することです。今では、これらを本質的にコパイロットアクションとして設定できます。これが最初の拡張性です。もちろん、完全なエージェントを構築することもできます。私たち自身も、グループレベル、プロセスレベルでスコープを持つ多くのエージェントを構築しています。
プロジェクトエージェントを持つことができ、通訳者やファシリテーターのようなエージェントがTeams内で働いています。これは、タスクを手伝う追加のチームメンバーを持つようなものです。実際、SharePointには現在すべてエージェントが組み込まれています。SharePointの上に構築された知能レイヤーだと考えてください。これらのM365で構築されているエージェントの雰囲気を掴んでいただくために、ビデオをお見せしたいと思います。
Microsoft 365の新しいエージェントは、人間とAIがどのように協力するかを変革しています。SharePointのエージェントに会いましょう。組織のドキュメントに接続された高価値の洞察を解き放ちます。数回のクリックで作成され、これらのエージェントは知識共有を強化します。Copilot Studioで追加のデータソースでカスタマイズでき、Teamsチャットのようなどこにでも共有できます。
次はファシリテーターエージェントです。会議に参加して議題、リアルタイムのメモ、アクションアイテムを管理し、チームが議論に集中できるようにします。ファシリテーターエージェントは、リアルタイムの要約を提供し質問に回答することで、チャットでのコミュニケーションを効率化し、チームが重要なことに集中できるようにします。
新しい通訳エージェントにより、言語の壁は過去のものとなります。誰もが異なる言語で話し、聞くことができるリアルタイムの音声通訳を実現します。そしてプロジェクトマネージャーエージェントは、プロジェクト計画を作成し、タスクを割り当て、チームに代わってタスクを完了させ、全員が情報を得て効果的に協力できるようにします。
最後に、HRやITの特殊なビジネスプロセスのために、Copilotビジネスチャットの新しい従業員セルフサービスエージェントにより、従業員はヘルプデスクチケットの作成など、即座に回答を得て行動を起こすことができます。これはCopilot Studioで事前構築されたワークフローなどを使用してカスタマイズできます。Microsoft 365の新しいエージェントは、生産性を超強化し、仕事の進め方を再発明します。
これは本質的にシステムに組み込まれているエージェントの例です。しかし、本当に興奮するのは、もちろん皆さんがエージェントを構築できることです。そこでCopilot Studioが登場します。Copilot Studioのビジョンは単純です。これはエージェントを構築するためのローコード・ノーコードツールです。
Excelがあってスプレッドシートを作れたように、エージェントの構築もスプレッドシートを作るのと同じくらい簡単であるべきだと考えています。Copilot Studioは、私たち一人一人が知識労働として行っているワークフローを形作り、再形成する真の力を持てるようにすることです。それが本質的に私たちが実現したいことです。私たちが行うことを支援するエージェントの群れが、より多くの仕事を完了させ、退屈な作業を減らし、フローを生み出すのを助けるのです。
Copilot Studioは、例えばフィールドサービスのようなものを考えてみましょう。最初にプロンプトを与え、エージェントが何についてのものかの指示を与えます。次に、この場合はSharePointソースのような正しいところを指し示すことで、知識ソースに根付かせます。そうすれば、すぐにエージェントを作成してくれます。ローコード・ノーコードでプログラム可能なエージェントを作成できるこのシンプルさが、Copilot Studioで私たちが行っていることです。
さて、AIのUIとしてのこのCopilot、アクションで拡張する能力、組み込みのエージェントを使用し独自のエージェントを構築する能力を手に入れたので、完全なシステムができました。次の質問はROIと測定についてです。なぜなら、私たちが確実にしたいもう一つの基本的なことは、変化への本当の動機があることだからです。
結局のところ、私は何をしているのでしょうか。自分の生産性だけでなく、組織の成果を改善するのに役立っているものは何でしょうか。そこで測定が重要になります。私たちはこれらのCopilotアナリティクスを構築しています。それは単なるトップダウンではありません。営業地域マネージャーは、売上増加や収益増加のような出力指標を取り、これらすべてのCopilot機能の具体的な使用と相関させることができます。
これが採用サイクルを推進するもう一つのものだと思います。待つ必要はなく、使用量の増加とともにビジネス結果を推進できることをリアルタイムで確認できます。これが私たちが構築している最初のプラットフォームです。拡張性と測定を備えたAIのUIとしてのCopilotです。
私たちは既にマイクロソフト内で素晴らしい結果を見ています。基本的に、あらゆるビジネスプロセス、カスタマーサービス、HRセルフサービス、ITオペレーション、財務、サプライチェーン、マーケティングで、生産性が2桁の強い改善を示しています。マーケティングを考えてみましょう。購入には洗練さがありますが、コンテンツ作成の周りには非常に非効率な部分が多くあります。そこには大きなレバレッジがあり、私たちはそこで大きな運用レバレッジを得ています。
私たち自身の会社全体で重要な使用事例があり、もちろんインドに来て皆さんに会う機会があると、普及が非常に速いことがわかります。もはや主流になるまで何年も待つ必要はありません。規模での展開を見ている多くの皆さんから多くを学んでいます。
実際、今朝コグニザントの人々と話す機会がありました。彼らは知識労働者全体にどのように展開したかを話してくれました。アンディ・グローブは90年代に、知識のターンについて話していました。それは知識を速く作り出し、その知識を普及させることについてでした。小売業の人々がサプライチェーンのターンについて話すように、これは知識産業における知識のターンについてです。
もう一つの例は、パーシステントが行っていることです。彼らは本質的に契約管理エージェントを構築しました。実際、コパイロット内でパーシステントの契約AIに話しかけるだけで、契約管理のライフサイクル全体を通してそのエージェントにアクセスでき、単一の変更でさえ重大な影響を持つ可能性があります。これらは、人々が既にこのCopilotシステムを企業規模で展開している例の2つです。
次に、次のプラットフォームについて話したいと思います。それはCopilotスタックとプラットフォームです。私たちにとって、Azureは常に世界のコンピューターとして概念化され構築されてきました。それに引き続きコミットしています。なぜなら、AIは単独では存在できないという基本的な認識があるからです。それには完全なコンピュートスタックが必要です。
私たちはそれを世界規模で構築しています。60以上のリージョン、300以上のデータセンターを世界中に持っています。インドでは、私たちが持っているリージョンについて興奮しています。中央インド、南インド、西インドがあり、Geoで構築した容量もあります。多くのリージョン展開が行われており、本日、インドで今まで行った中で最大規模の拡大を発表できることに非常に興奮しています。
追加で30億ドルをAA容量の拡大に投資します。昨日モディ首相と会う機会がありました。素晴らしかったです。AIミッションを通じて推進したいと考えているすべての例を聞くことができて素晴らしかったです。それは、彼が持つヨジャナ、インドスタック、この国の起業家精神のエネルギー、消費者とビジネス両面での人口統計が、好循環に入っているという組み合わせです。そのため、次世代AIのための核となるコンピュート能力をもたらすことについて、私たちは素晴らしいと感じています。
インフラストラクチャについて、ある意味で新しい方程式があります。実際、どの国や企業にとっても、その方程式はトークン/ドル/ワットです。それだけです。トークン/ドル/ワット。2年後、5年後、10年後、私たちは、どのコミュニティ、どの国、どの産業、あるいは企業レベルでさえ、その方程式をどれだけ効率的に推進できるかということと、GDPの成長の相関について話すことになるでしょう。
そのために、インフラストラクチャ、インフラストラクチャ、インフラストラクチャが最優先事項である必要があり、私たちはそのあらゆる層で革新を行っています。データセンターレベルを考えてみてください。これらのデータセンターは、液冷AIアクセラレーター用に最適化されたデータセンターの建設方法に至るまで、新しいエンジニアリングの偉業です。
そしてそれが私たちが行っていることです。上流の再生可能エネルギー関係者と協力して、私たちのデータセンターに来るグリッドベースロードを確保し、その後、廃棄物ゼロ、水使用量ゼロで適切な冷却インフラを持つようにする方法から、システムレベルでそれらすべてが確実に組み込まれるようにする方法まで考えています。
そしてもちろん、シリコンの革新です。私たちはNVIDIAと革新を行っています。実際、今日私たちは初めてのgb200クラスターを私たちのデータセンターの1つで稼働させています。それが意味することについて非常に興奮しています。次にAMDとも協力しており、Mayaで独自のシリコンを構築しています。実際、Mayaは今日、microsoft.comのカスタマーサービストラフィックの多くを処理しています。
つまり、私たちはトレーニングのために最適化され、推論のためのカーネルを最適化した、世界クラスのAIアクセラレーターインフラストラクチャを構築しています。これは私たちやパートナーを通じて行われている重要な投資と革新です。実際、これはシステムにとって黄金時代だと考えています。イノベーションに関して言えばそうです。
インフラストラクチャがあれば、次の大きな、大きな、大きな考慮事項は、実際、今日多くのパートナーや顧客と会った際、最初に皆が話したいことは、AIについて話すのは素晴らしいが、データをどのように整えるかということです。データは、AIを作成する唯一の方法です。それはプリトレーニングだけではありません。RAGにはデータが必要で、ポストトレーニングにもデータが必要です。プリトレーニングを改善するために推論時の計算でサンプリングを行うにもデータが必要です。
そのため、データパイプラインとデータがすべてです。最初にすべきことは、データをクラウドとランデブーすることです。そこで私たちは、すべてのデータを持ち込めるようにデータステートを構築しています。Snowflake、Databriks、Oracle、私たち自身のSQLなど、何でもクラウドに持ち込むことができます。AIのために配管されている素晴らしい運用ストアがあります。Cosmos DBやSQLハイパースケール、分析ワークロード用のFabricなど、これらはすべてAIレディです。
実際、ChatGPTを見ても、彼らはCosmos DBの最大のユーザーの1つです。なぜなら、それはステートフルなアプリケーションだからです。ChatGPTのすべてのユーザーステートはどこにあるのでしょうか。それはCosmosにあります。私にとって、データレイヤーは非常に重要なレイヤーであり、これらのモデルと組み合わせて使用できるように、データを整えるのを確実に支援するためにすべてを行っています。
それには2つのことがあります。データで訓練されているモデルがありますが、データを使用して検索拡張生成のようなこともしています。そのため、データの重力とその近接性が非常に重要です。データのローカリティが重要になります。
インフラストラクチャとデータがあれば、3番目にすべきことは、AIアプリケーションサーバーを持つことです。実際、振り返ってみると、Webが起こったとき、私たちは何をしましたか。IISをアプリケーションサーバーとして構築しました。クラウドが起こったとき、何をしましたか。クラウドネイティブアプリケーションサーバーの構築を始めました。モバイルでも同じです。
各世代にはアプリケーションサーバーが必要でした。それが私たちがFoundryで行っていることです。Foundryはモデルから始まります。私たちはOpen AIとOpen AIのイノベーションで豊かです。now with o1、o3で来るものに興奮しています。もちろん4oもあります。それらはすべて利用可能です。プラスすべてのオープンソースモデル、LlamaやMistralからのものなどです。
そして産業固有のモデルがあります。インドからのモデルは、インディック言語やインドの垂直固有のニーズのために構築されています。世界中の人々がモデルの周りで行っているイノベーションの量を見るのは素晴らしいです。そのため、私たちは最も豊かなモデルカタログを持ちたいと考えています。より人気のあるモデルの一部は、モデルサービスとしても利用可能になります。つまり、アクセスできるAPIのファサードの下にあるだけです。
モデルを持っていれば、これらのモデルをデプロイしたい、これらのモデルをファインチューニングしたい、これらのモデルを蒸留したい、これらのモデルで評価を行いたい、グラウンデッドネステストを行いたい、安全性を確保したいと考えます。それらすべてを別々に構築する代わりに、私たちはそれらすべてをアプリケーションに組み込んでいます。
実際、評価が最も重要なことになります。私のチームへの指針も単純です。新しいモデルのフロンティアに留まり、アプリケーションサーバーレイヤーで俊敏性を確保して、モデルと共に移動し続けられるようにすることです。最新のサンプルを使用し、コスト最適化し、レイテンシーを最適化し、特定のユースケースや評価のためにファインチューニングを始めます。これが、常に繰り返し行うループです。それがFoundryの背後にある考えで、そのすべてを合理化することです。
再び、インドでは素晴らしい勢いがあります。既にこれをデプロイして使用しているお客様を見ると、実際、多くの良いフィードバックを得ています。マルチエージェント型のデプロイメントについても人々が推し進めています。皆さんが行っている野心的なことから多くを学んでおり、そのロードマップの進め方について、私たちは確実に非常に現実的です。
来年は、モデルについてはそれほど話さず、モデルのオーケストレーション、モデルの評価、そしてこれらのモデルフォワードアプリケーションをどのようにデプロイできるかについて話すことになると思います。それが業界全体での大きな変化になるでしょう。
今日、バロダ銀行の人々と会ったとき、彼らは3つのことを見せてくれました。新規顧客向けにセルフサービスエージェントを構築し、基本的にリレーションシップマネージャーエージェントを構築し、さらに自社の従業員向けにエージェントを構築しました。
素晴らしいスタートアップのCleartaxを見る機会がありました。WhatsAppで領収書を提出すると、返金が得られるようです。特にその部分が気に入りました。また、ICICI Lombardの人々と会う機会がありました。インドのヘルスケアでは、例えば標準化された請求フォームがないことに気付きませんでした。それぞれが新しい異なるエントリーなので、誰かが読む必要があります。
そこで効率を改善できると思います。ヘルスケアの効率を改善するたびに、経済が改善されます。なぜなら、保険が確実にカバーされるからです。MakeMyTripのチームと会う機会があり、彼らは旅行という非常に洗練された業界や垂直市場で、ホテルや航空、その他の交通手段について、実際にマルチエージェントフレームワークをデプロイできるような、非常に野心的な仕事を行っています。
しかし、もう一つの点は、大企業やスタートアップだけでなく、このテクノロジーのインドでの普及率が興奮させられるということです。そのために、バラマティ協同組合からのビデオをお見せしたいと思います。
インドでは、サトウキビ、小麦、米、豆類、綿花など、主要な作物を大量に生産しています。しかし、他の先進国と収穫量を比較すると、非常に低いです。農薬と肥料の過剰使用により、土壌侵食は今日インドの主要な問題です。
バラマティは50年以上にわたり農業コミュニティのために働いています。このトラストは、非常に貧しく、リソースを持たない農民を支援するために始まりました。これを通じて、何百万もの農民の生活を変えました。
Agri pilot.aiは、農民が推測作業を避け、科学を使用して正しい判断を下すための真実を得て、成功できるようにします。このプロジェクトでは、マハーラーシュトラ全体から1,000人の先進的な農民を選びました。土壌にセンサーと気象観測所を設置し、すべての農民に衛星サポートを提供しています。毎日、土壌からリアルタイムデータを収集しています。
Agri pilot.aiは、判断を下すためにMicrosoft Azure Data Manager for Agricultureを使用しています。歴史的なパターンに基づいて正確な結果を導くことができる20以上のアルゴリズムを実行しています。Azure OpenAIにより、農民は地域の言語で質問でき、それらはWhatsAppで配信されます。彼らは農場で灌漑と農薬の使用を正確に行っています。
これは私にとって、本当にすべてのドットをつなぐものです。私たちが構築してきたすべての技術、Azure IoT、データ接続からデータプレーン、そしてAzure AIを使用する能力をつなげていますが、最終的には農民がより高い収穫量で農業を行えるようにすることです。これが、このテクノロジーの力と私たちができることを物語っていると思います。
最後に話したいレイヤーは、インフラ、データ、AIアプリケーションサーバーがあれば、ツールです。私は常にマイクロソフトがツール企業として始まったことを思い出します。私たちは引き続きツールに非常に情熱を持っています。GitHubでは、素晴らしいことが起きているのを見るのは素晴らしいです。
インドでは現在、1,700万人のGitHubメンバーがいます。アメリカに次いで2番目に大きなコミュニティです。実際、2028年には最大になると予測されています。3年後が待ちきれません。2028年にはインドがGitHubで最も多くの開発者を持つことになります。それは興奮させられます。
現在、インドからAIプロジェクトへの貢献も、アメリカに次いで2番目です。GitHubでのすべてのオープンソースプロジェクトの進展に、インドの開発者コミュニティが積極的に関与しているのを見るのは素晴らしいです。それは、このコミュニティにある才能とエネルギーを物語っています。
GitHub Copilotでは引き続き大きな進展を遂げています。私が楽しみにしていた機能の1つで、現在持っているのはマルチファイル編集です。最初は継続から始まり、次にチャットがあり、継続とチャットを一緒にし、そしてマルチファイルにしました。これは素晴らしいです。リポジトリレベルの編集ができます。
他にも行っていることは、無料層の提供です。実際、12月に開始したばかりですが、インドではそれが本当に離陸しています。VS CodeにGitHub Copilotの無料層を提供し、それが広く普及しているのを見るのはとても興奮しています。
製品分野では、2019年か、いや2020年だったと思いますが、初めてGitHub Copilotを見たとき、LLMができることについての私自身の確信が完全に変わりました。同様に、最初にGitHub Copilot Workspaceを見たとき、チャットを超えて本当のエージェントへの次のジャンプをする時が来たと感じました。
なぜなら、それがまさにそうだからです。GitHub Copilot Workspaceは最初のエージェント的なものです。GitHubの課題から仕様を作成し、それを編集し、計画を作成し、計画を編集し、そしてリポジトリ全体でその実行を見ることができます。これらすべてを示すために、同僚のカレンをステージに招きたいと思います。
カレン: ありがとうございます。Copilot Edgeは開発者環境でコンテキストに応じたAIアシスタンスを提供しますが、Copilot Workspaceは次の進化です。自然言語を使用してアイデアをコードに変換するのを助ける、エージェント型のAIネイティブな開発者プラットフォームです。
実際に動作を見てみましょう。クリケットギアを含むスポーツ用品をオンラインで販売できるアプリケーションがありますが、管理者ページを通じて新しい商品を追加する方法がありません。Copilot Workspaceを使用して構築できるか見てみましょう。
管理者ページの要件を説明する課題があります。通常なら新しいブランチを作成し、自分で実装方法を考え始めますが、Copilot Workspaceでは課題からすぐに始めることができます。
Copilot Workspaceはすぐにこの課題の解決方法に取り掛かります。私にはコントロールがあるので、必要に応じて計画を編集できます。新しいブレインストーミングエージェントを使用すると、コンテキストに基づいてCopilot Workspaceを反復的に使用できます。ブレインストームは始めるためのいくつかの提案された質問を共有するか、私自身の質問を尋ねることもできます。
作成している管理者ページで、商品画像をアップロードする要件も追加したいと思います。ブレインストームでCopilot Workspaceに尋ねてみましょう。今回はヒンディー語で尋ねてみます。そしてそこにあります。ファイル入力要素の使用、ドラッグ&ドロップエリア、またはサードパーティライブラリなど、いくつかのアイデアを挙げてくれました。
既存のコンポーネントがあるので、それを使用します。タスクに追加をクリックすると、ここのコンテキストに追加されます。良さそうなので、計画を生成して前に進みましょう。
そうすると、Workspaceはどのファイルにどのような変更を加えるかのリストを生成します。準備ができたら、Copilot Workspaceに計画を実装させ、必要な変更を加えることができます。そしてそこにあります。素晴らしいですね。Copilot Workspaceは、全く新しいページを含む複数のファイルに変更を加えました。
Copilot Workspaceでは、修正を要求することで計画と実装を反復し続けることができます。アップロードした画像のプレビューを表示するようにCopilotに修正を依頼してみましょう。今回はカナダ語で尋ねてみます。「画像アップロードプレビュー」と言います。
そしてそこにあります。素晴らしいですね。Copilot Workspaceは私の意図を理解し、計画を更新し、必要なすべての変更も実装しました。それは素晴らしいです。
さて、コードが本番環境でホラーストーリーにならないように、先にいくつかのテストを実行しましょう。Copilot Workspaceでコマンドに素晴らしい拡張を加えました。ビルド、テスト、実行は一般的なシナリオで、ここにコマンドを設定してあります。
テストコマンドを実行すると、Copilot Workspace内でテストを実行してくれます。あ、テストが失敗しました。申し訳ありません。コードにテストが必要ないと思っていましたが、Copilotが救援に来てくれます。Copilot Workspaceにこれを修正するよう依頼できます。
Copilot Workspace内のビルド&修復エージェントが、このエラーを修正する解決策を提案してくれます。それを適用し、この場合はテストを修正して必要な編集を行います。戻ってテストを再実行してみましょう。私がテスターとして優秀であることを願っています。そしてすべてがうまく動作しています。
これで機能の準備ができたと思うので、アプリのプレビューを見てみましょう。Copilot Workspace内で実行コマンドを実行すると、ここからアクセス可能な開発サーバーが立ち上がります。そしてプレビューを開くことができます。そこに必要な画像アップロード機能を備えた管理者ページがあります。すべてCopilot Workspaceを使用して作成されました。
過去数分で、課題に記述されたアイデアから、Copilot Workspaceでブレインストーミングを行い、コードを実装し、エラーも修正しました。すべて自然言語で作業しながら。これがAIネイティブな開発者環境、あなたの創造性と同じ速さで動くエージェント型のワークフローです。ありがとうございました。サティアに戻します。
サティア: 開発ツールチェーンでの進展を見るのは本当に興奮します。実際、今日現在、Copilot Workspaceの待機リストはなくなりました。それについて非常に興奮しています。
私個人にとっても、おそらく最大のゲームチェンジャーは、開発デスクトップを持つWindows 365とGitHub Copilot、Copilot WorkspaceとCode spacesでした。これらを組み合わせると、世界のどこにいても幸せな人間になれます。これは開発生産性の素晴らしい変化でした。
最後に話したいのは、Copilotデバイスです。インフラストラクチャでの革新について多く話してきました。シリコンからクラウドで始まり、今それはエッジに来ています。Qualcomm、AMD、Intelとのnpuに関する仕事に非常に興奮しています。
実際、今日のジェンセンは、通常のPCに来る次世代GPUについても話しました。それらは完全なNvidiaスタックをローカルで実行できるようになります。これらのotとCopilot PC、そして広くGPUを搭載した従来のPCで起こっていることに非常に興奮しています。また、基本的なことにも興奮しています。私のCopilot PCを使用すると、バッテリーが1日中持ち、組み込まれたコパイロットなどの新しいAI機能があります。AdobeやCap Cutなどのサードパーティ開発者も使い始めています。
これは、クラウドで起こっているのと同じくらい興奮させられる、エッジの新しいプラットフォームの本当の始まりです。実際、これを古いクライアント・サーバーとは考えていません。これは切断されたローカルモデルについてではありません。これはハイブリッドAIについてです。
アプリケーションを構築する際に、ローカルnpuでヘルパーとして分類し、クラウドでLLMを呼び出すなど、多くの作業をオフロードできるようになるというアイデアです。どのアプリケーションも真にハイブリッドアプリケーションになります。ローカルで実行するか、すべてクラウドで実行するかということではありません。それが私たちが期待していることだと思います。Copilotデバイスで起こっているすべてのことの雰囲気を掴んでいただくために、ビデオをお見せしましょう。
これら3つのプラットフォームが広く配布され、広く使用されることを確実にするために、重要な考慮事項は信頼です。セキュリティ、プライバシー、AI安全性に関する信頼です。そのため、私たちには一連の原則がありますが、より重要なことは、これらの原則とイニシアチブが、効果的に全過程で信頼を確保できるように、実際のエンジニアリングの進展に基づいていることです。
例えばセキュリティを取り上げてみましょう。プロンプトインジェクションのような敵対的攻撃からどのように保護するのでしょうか。それが私たちが構築している重要なことです。AIにおけるプライバシーは、CPUだけでなくGPUでの機密計算について考えることを意味します。そのため、現在NvidiaやAMD、Intelなどすべてでそれを持っています。
AI安全性に関して言えば、人々が話す大きな問題の1つは幻覚です。どのように根拠を確保するのでしょうか。評価サポートを備えた根拠サービスは、AI安全性で実際の進展を遂げる1つの方法です。私たちは、信頼を第一級のエンジニアリングの考慮事項として扱い、一連の原則を持っていますが、より重要なことは、それらの原則を本質的にツールチェーンとランタイムに変換し、開発者としてより信頼できるAIを構築できるようにすることです。
始めたところで締めくくりたいと思います。つまり、すべての人を支援するという私たちのミッションですが、その前に話したいことがあります。それは、AIビジネス変革を行うということです。最終的には、カスタマーサービスを変えるか、マーケティングや営業、内部オペレーションを変えるかに関わらず、結局はビジネス結果についてです。
3つの考慮事項を提案したいと思います。AIのUIとしてのCopilotについて、AIアプリケーションを構築するプラットフォームとしてのアプリケーションサーバー（私たちにとってはFoundry）について考えること、そしてfabricのデータについてです。
おそらくこれら3つが、どのモデルよりも重要な主要な設計上の決定です。なぜなら、モデルは毎年毎月来ては去っていきますが、3つの基本的な設計の選択は、UIレイヤーとエージェントがそのUIレイヤーとどのようにインターフェースするか、データをどのように考えるか、そしてモデルの上で俊敏性を与えるアプリケーションサーバーをどのように考えるかということです。これらが3つの考慮事項です。
それが私たちがプラットフォーム全体で行ってきたことを通じて、皆さんが得られることを願っています。インドのここで、すべての人とすべての組織を支援するという私たちのミッションが私たちを駆り立てています。
そのために、最終的には、この国の人的資本が、このテクノロジーが持つ膨大な機会と可能性を活用するために、引き続き拡大できるようにすることです。そのため、本日、2030年までにインドで1,000万人にAIスキルを訓練するという私たちの常に持っていたコミットメントを発表できることに非常に興奮しています。
私にとって常に最も重要なことは、スキル向上を抽象的に考えるのではなく、スキルがここで1つのコミュニティずつ、1つの産業ずつ影響力に変換されるのを見ることです。そのため、既にインドで起こっているすべてのスキル向上の影響を示すビデオで締めくくりたいと思います。皆様、ありがとうございました。そしてプラットフォームでの素晴らしい仕事に感謝します。
私は視覚障がい者として生まれました。常に晴眼の友人や両親の助けに頼っていました。プログラムに参加し、より多くの技術知識を得ました。Pythonや AIについて、そしてMSコパイロットについてもいろいろと学びました。Vision Empowerのトレーニングに参加したとき、デジタルリテラシーとAIツールを学びました。どこかで行き詰まったとき、MSコパイロットがAIで問題解決を手伝ってくれます。AIがあれば、より自立できます。
今は多国籍企業で開発者としてインターンシップを得ました。視覚障がいを持つ教師と生徒のためにSTEM教育をアクセシブルにするという仕事を提供されました。エンジニアになれたことは誇らしい気持ちです。彼らはこのトレーニングを提供してくれて、今は自信を持っています。

いいなと思ったら応援しよう！