作者 | 高允毅
TransformerをGoogleが発明したことは多くの人が知っています。しかし、ChatGPTはGoogleが作ったものではありません。このことは、過去数年間、シリコンバレー最大の「残念な注釈」となっていました。
しかし、今日のGoogle DeepMindに本当に足を踏み入れると、Googleは「遅い」のではなく、より大きなチェスを指していることがわかります。
最近、Google DeepMindの最高運営責任者Lila Ibrahim氏とGoogleの研究・技術・社会上級副社長James Manyika氏が、ポッドキャスト番組で、同社で起きている変化を初めて体系的に解説しました：
- DeepMindはどのように運営されているのか？
- なぜGeminiは6ヶ月ごとに世代交代できるのか？
- Googleは量子コンピューティング、材料科学、気象予測、宇宙コンピューティングの分野でどのように同時に推進しているのか？
- そして、AIネイティブ製品はどのように本当に実装され、実験室にとどまらないのか？
OpenAIが高速でスプリントするスタートアップだとすれば、今日のGoogleは「現代版ベル研究所」として再起動した存在に似ています。
DeepMindの運営モデルには2つのコアメソドロジーがあります：
- 方向性だけを示し、答えは与えない。
壮大な研究アジェンダを設定するが、経路は規定せず、研究者に高い自由度を与えます。
- 広範な学際研究。
生命倫理学者、神経科学者、コンピュータ科学者が同じテーブルで働くことが、Googleの日常です。
この仕組みの背後には、もう一つの重要な変数があります。Google DeepMindの魂であるDemis Hassabis氏です。彼はタイミングに対する正確な判断力を持ち、トップダウンで方向性を設定しながらも、ボトムアップでのイノベーションを許容しています。
例えば、Demis Hassabis氏は、2026年にGeminiが十分に成熟し、DeepMindの「学習科学」における蓄積を全面的に取り入めることができると判断しています。この判断が、リソースの配分や製品が爆発期に入るタイミングを決定します。
James Manyeka氏は、過去3年間の最大の変化は、Google BrainとDeepMindを統合し、Geminiを中心とした中央AIエンジンを構築したことだと述べています。このモデルでは：
- Geminiは全社の基盤インフラ
- 5、6ヶ月ごとに大幅な反復
- モデルがリリースされると、すぐに検索、Workspace、Gemini Appなどのコア製品に導入
同時に、Googleの研究所文化が回帰しており、その規模は過去よりも大きくなっています。
James Manyeka氏によると、研究所は現在約30のプロジェクトを同時に推進しています。
Googleにはシリコンバレーで有名なイノベーションメカニズムがあります。全従業員が20%の時間をプロジェクト以外の探索に使うことで、絶えず優れた製品が生まれ、Googleにフィードバックされます。例えば、資料を消化できるNotebook LM、AI映画制作ツールFlowなどです。
生成AIだけを見ると、Googleを過小評価することになります。DeepMindは同時に、生物学研究、教育システム、材料科学、気象予測、量子コンピューティング、宇宙コンピューティング計画などを推進しています。多くの分野で、Googleはすでに画期的な成果を上げています。
量子誤り訂正の突破から、150カ国をカバーする洪水予測システム、TPUを宇宙に送ってトレーニングを行うProject Suncatcherまで、これらの配置は稀に見る長期的視点を示しています。
「慎重にリリースする」から「リリースの中で学ぶ」へ、Googleは新しいリズムへの転換を完了しました。この企業は、「長期主義」の意味を再定義しています。本格的に加速し始めたとき、人々はそのチェスのゲームが誰も想像するよりも大きいことに気づいているのでしょうか？
以下はポッドキャストの精彩な詳細です。Googleの最新進展がさらにありますので、ぜひご覧ください：
Google DeepMindの運営モデル：ベル研究所とアポロ計画
司会者：DeepMindの最高経営責任者Demis Hassabis氏は、以前私たちの番組で、DeepMindを現代版ベル研究所と形容しました。Layaさん、これは具体的にどういう意味ですか？研究モデルを紹介していただけますか？研究所モデルですか、それとも企業的運営ですか？
Laya Ibrahim：まず、私たちのミッション「責任を持ってAIを構築し、人類に利益をもたらす」から始めたいと思います。すべてはこれが基礎だからです。
まず、非常に野心的な研究アジェンダを設定し、大きな方向性だけを明確にし、具体的な方法は規定しません。私たちのアプローチはベル研究所の黄金時代から学び、アポロ計画も参考にし、さらにピクサーからも学んでいます。核心は、トップタレントを集め、彼らが成功し、自由に探索できる環境を整えることです。
第一に、壮大な研究方向を明確にし、チームにどの分野に集中するかを伝えますが、どのように働くかは規定しません。
第二に、研究範囲が非常に広いため、学際的チームを構築します。生命倫理学者、コンピュータ科学者、神経科学者が肩を並べて働く文化を醸成し、これがブレークスルーを生み、価値を創造する鍵だと考えています。この方法は、すでに多くの非凡な成果をもたらしています。私たちは探索を恐れず、タイミングを判断することも知っています。Demis Hassabis氏はリズムの把握に非常に優れています：探索に投資し、壮大な目標を設定し、進展を評価すべき時期を知り、果断に中止する勇気もあれば、投資を倍増する勇気もあります。
良い例があります：過去数年間、私たちは学習科学の分野で深く研究し、人間がどのように学習し、学習方法をどのように改善するかを研究してきました。今年、Demis Hassabis氏は、Geminiが十分に成熟し、学習科学における蓄積を全面的にGeminiに注ぎ込むことができると判断しました。これは私たちの重点分野の一つであり、Geminiが学習者に提供する能力を向上させるためです。 Google DeepMindは、タイミングの判断において、本当に独特なところがあります。
司会者：プロセスをもう一度整理しましょう。先ほどおっしゃったように、Demis Hassabis氏がGeminiは学習科学関連の能力を受け入れる準備ができていると判断し、DeepMindは推進を開始しました。Google DeepMindの仕事は、トップダウンとボトムアップの比率はどのくらいですか？OpenAIは自社のモデルを大企業内のスタートアップの集合体と形容したことがあります。Googleは似たようなモデルですか、それともよりトップダウンですか？
Laya Ibrahim：私たちのミッションは非常に壮大で、AIが人類が宇宙の謎を解き、人類の大きな課題に取り組むのを助けることができる核心的方向を見つけることです。この範囲は十分に広く、気象研究や天気予報の改善から、AlphaFold（DeepMindが開発した、タンパク質の3D構造を正確に予測できるAIプログラムで、構造生物学の革命と呼ばれています）まで可能です。このようなタンパク質構造予測は、疾病の理解や治療法の開発に役立ちますし、生成AIを継続的に最適化し、人々の生活を改善することもできます。
私たちは非常に広範なポートフォリオ配置を採用しつつ、研究者に探索の余地を残しています。これも最初に言ったことですが、適切な人材を見つける必要があります。ミッション駆動、価値観が一致し、探索を望み、大きな影響力を追求し、Googleのプラットフォームを活用してスケールできる人です。Demis Hassabis氏はこの点で非常に優れた思考をしており、長くこの分野に深く関わっており、DeepMindは16年前に設立され、これはほぼ彼の生涯のミッションです。同時に、私たちのチームは創造力に富み、学際的協力を好み、世界を変えたい人たちで満ちており、彼らもボトムアップのアプローチと方法を提案します。したがって、両者の組み合わせであり、一部はDemis Hassabis氏主導のトップダウン、一部はチームのボトムアップの探索です。
司会者：このような組織構造は、管理と人材に対する要求が高いです。視野を科学技術業界全体に広げましょう。かつて、多くの科学技術企業がトップタレントに大きな自由度を与え、短期的には成果が見えない方向を探索させていた時期がありました。その後、突然AI競争に入り、多くの企業が長期プロジェクトの研究者と製品をより密接に結びつけ、長期研究はほぼすぐに製品価値を生み出すことを求められました。このような変化はDeepMind内部でも起きましたか？
Laya Ibrahim：私はGoogleに参加して約8年になりますが、確かに発展の歴史を経験してきました。しかし、Google DeepMindが多くの従業員を長期間留まらせることができるのは、十分に広範な配置があるからです。最先端AIの深い研究を続けたい人や、科学方向の探索を好む人もいれば、純粋な探索をサポートする余地がありますし、同時に生成AIの進展を製品化することもできます。例えば、昨年Geminiが達成した一連のブレークスルーです。
司会者：さらに掘り下げて聞かせてください。Google内部の転換は、各製品部門がそれぞれAIロードマップを策定するのではなく、社内に中央エンジン、つまりAI部門があり、AI能力を構築し、各製品部門にエンパワーメントすると説明されています。このプロセスを紹介していただけますか？
Laya Ibrahim：これも過去数年間で最もエキサイティングな変化の一つで、Google BrainとDeepMindを統合し、Googleの最も優秀なAIチームと研究力を一つに集め、より広範な分野を配置できるようにしました。おっしゃる通り、私たちの位置づけはAIイノベーションエンジンです。しかし、私たちは他のGoogleチームに技術を「配布」するとは言いません。むしろ、製品部門やユーザーと緊密に協力し、実際のニーズを理解し、最初からモデルをシーンに合わせて作り、協力的かつ責任ある方法で推進します。技術がGoogleの各製品に実装される頃には、すでに大量のテストを経ており、特定のシーンに最適化されています。これも良い結果をもたらしています。例えば、Gemini 3をリリースした後、すぐに大量の開発者とユーザーに開放できました。
司会者：最後の質問をしてから、Jamesにバトンタッチします。私たちの番組には一つの観察があります：Sundar Pichai氏はマッキンシーで働いていましたが、現在のGoogleの再編、中央集権、各チームの再協調の方法は、マッキンシー的な考えに似ています。これは事実ですか？
James Manyeka：私自身もマッキンシーで働いていたことがあり、組織構造の問題に答えられるかもしれません。現在のGoogleの構造は非常に特別です：一方でGeminiプロジェクトがあり、これはすべての能力の基礎であり、大規模モデルを構築し、Gemini、Gemini 2.5、Gemini 3などがあります。3年前、私たちはGoogle BrainとDeepMindチームを統合し、Geminiプロジェクトを開始しました。今、このプロジェクトは全社の製品を支えており、検索、Google Workspace、Notebook LMなどすべての製品でGeminiを見ることができます。これが基盤であり、これがGoogle DeepMindとGeminiプロジェクトがコアエンジンとなっている理由です。
それ以外にも、会社には大量の深い科学研究があり、最も根源的な問題に焦点を当て、大量の研究とイノベーションの入り口を開いています。他にも野心的なプロジェクトがたくさんあります。例えば、Genieが世界モデルを構築し、Waymoのための特別な仕事もあり、自動運転モデルの能力を向上させています。したがって、厳密なトップダウンではなく、Geminiプロジェクトを基礎として、迅速な反復を保証しています。現在、約6ヶ月ごとに新しい世代のGeminiが誕生し、すぐに全製品に実装され、遅延はありません。最新版のGeminiがリリースされると、すぐに検索、Gemini Appなどすべての場所に現れます。これが過去3年間で起きた核心的な変化です。
Google研究所の回帰とAIネイティブ製品の実装
司会者：研究所について話しましょう。初期のGoogle製品を使った人は、Googleにかつて非常に実験的な時代があったことを覚えているでしょう。その後、研究所は一時姿を消しました。実験は完全に停止したわけではありませんが、研究所が再起動された後、Googleが大量の実験プロジェクトを発表し始め、久しぶりにこのような光景を見るようになりました。研究所はどの程度の役割を果たしていますか？なぜ研究所は再び戻ってきたのですか？
James Manyeka：研究所は非常に面白いです。3年前、Sundar Pichai氏の推進により、研究所を再起動しました。当時はAI爆発の節目にあり、完全にAIを核心とするネイティブ製品を探索、実験、構築したいと考えていました。研究所の考え方は：Google DeepMind、Google研究、社内のすべての最先端研究成果を持ってきて、実験的なAIネイティブ製品の構築に集中することです。
最もおなじみなのは、現在のNotebook LM（Google Labsが発表した、Geminiモデルに基づくAIネイティブ研究・学習ツールで、核心は自分の資料をAIに「食べさせ」、AIがあなた専用のコンテンツに基づいてサービスを提供することです）でしょう。その起源は非常に面白いです。最初はTailwindと呼ばれ、4、5人だけで作っていました。アイデアは、ユーザー自身のコンテンツに基づいて動作するAIネイティブの研究ツールを作ることでした。資料、本、論文、下書き、インポートしたいものを何でもNotebookに入れ、それと対話できます。このアイデアは、ある程度、作家のSteven Johnson氏から啓発されました。彼は数十年のメモ、原稿の下書きを保存しており、すべての資料を入れ、対話して質問できる製品を望んでいました：1997年はどう思っていたのか？あの下書きには何が書かれているのか？Notebook LMは最終的にこのような強力な研究ツールになり、ユーザー独自のコンテンツに基づいて、要約や原稿を生成する際に引用元を付加し、これが核心機能です。あなたのコンテンツを引用する場合、出典を明記し、クリックして原文に戻ることができ、非常に実用的です。
その後、私たちは考えました：時には資料を読むだけでなく、聞きたいこともあります。そこで、AIオーディオ概要機能を追加しました。効果はポッドキャストのようで、2人の司会者が対話して解説します。このアイデアは最初、Jeff Dean氏らのチームから来ました。彼らは毎日大量のコンピュータ科学論文を読み、通勤時に論文の要約を聞いて、精読する内容を選別したいと考えていました。また、対話や討論を通じて学ぶ効果が良く、これがセミナーの価値でもあり、オーディオ概要機能が誕生し、製品は本当に爆発しました。AIデモをするたび、その場でNotebookを作成し、ポッドキャストを再生すると、初めて接する人は非常に衝撃を受けます。多くの視聴者やリスナーが「あなたの声でトレーニングしたのですか？」と聞いてきます。私に似て聞こえるからです。私はいつも「いいえ、ただ冒頭で『分解してみましょう』と言うだけで、ほとんどのポッドキャストがこのように始まります」と答えます。
Notebook LMにはもう一つの良い使用シーンがあります：各形式のコンテンツをインポートできます - 論文、YouTube動画、ローカルファイル。あるシーンで使ったことがあります：100以上の国から、異なる言語の論文を処理し、すべてインポートした後、直接言語を越えて対話でき、現在はグラフやスライド付きの動画概要の生成もサポートしています。これが研究所で起きていること：DeepMindとGoogle研究の最先端成果を、優れたAIネイティブ製品に変換することです。
もう一つの例はFlow（Google Labsが発表したAI映画制作ツールで、DeepMindのVeo、ImagenとGeminiモデルによって駆動され、クリエイターのために作られ、テキスト、画像を一貫した高品質の動画断片と完全なシーンに変換できます）。小さな話をさせてください：私の人生で最初で最後の登山は、エクアドルのコトパクシ火山でした。記録動画を作りたかったのですが、撮影しなかった瞬間もあり、ただ登山に集中したかっただけです。例えば、私の水筒がバックパックから落ち、氷河を転がり落ちて暗闇に消えた瞬間です。この断片をアニメで再現したくて、Googleの動画生成ツールFlowを使い、指示を入力してドキュメンタリースタイルのアニメを生成し、動画に挿入しました。以前なら、アニメーターを探さなければなりませんでした。Flowは研究所から生まれた素晴らしい製品です。
当時、研究所の責任者Josh Woodward氏、Demis Hassabis氏、私たち数人が集まって議論しました：既存のツールを統合したら、どんな実用的なものができるか？最初のバージョンは比較的粗いものでしたが、その後、本物の映画製作者と交流し、フィードバックを得ました。研究所の大きな特徴は、クリエイターと深く協力し、彼らにツールを磨いてもらうことです。Flowはこうして誕生しました。レンズごとに動画を生成する指示ができ、一貫した生成もサポートしており、これが「Flow」という名前の由来です。最初のバージョンは使いやすくありませんでしたが、映画製作者は、レンズごとの創作、接続、一貫した制作が必要だと指摘しました。そこで最適化しました。
研究所はおそらく同時に約30の実験プロジェクトを推進しており、Google研究所のウェブサイトで見ることができます。
司会者：お願いがありますが、公開範囲を広げてください。多くのプロジェクトは非常に面白そうですが、毎回待機リストと表示されます。
James Manyeka：努力します。例えば、Pomello（伝統的な中小企業向けのAIマーケティングツールで、Google LabsとDeepMindが共同開発）、中小企業向けのツールで、テクノロジースタートアップではなく、伝統的な中小企業が、創造的なオンラインプレゼンスページを迅速に構築するのを助けます。また、AIR Studio（開発者向けのノーコード/ローコードAIプロトタイプ開発プラットフォーム）、開発者向けです。私たちは、開発者、アーティスト、映画製作者、音楽家など、各種クリエイターのために、トップレベルのAIツールを作りたいと考えています。
20%の時間でイノベーション
司会者：2つの製品を試してみたいです。次のNotebook LMになるかもしれません：一つはCC（Geminiベースの個人AIアシスタント、生産性エージェント、「スーパー版Notion AI + 個人スケジュール管理」に似ています）、Google内部の実験的生産性エージェント；もう一つはDisco（Gemini 3ベースの生成ブラウザ、核心能力はGenTabs）、リンクの山に基づいてウェブアプリを生成できます。例えば、週末の活動を計画する際、大量のウェブページを開くと、対応するアプリを自動生成でき、カスタムマップなど、各活動場所をマークし、日付を選択すると、その日に利用可能なプロジェクトをハイライトします。
お二人に聞きたいのですが：かつてGoogleには「20%時間」というメカニズムがあり、従業員は20%の勤務時間を本職以外のプロジェクトに使うことができ、Gmailなど多くの重要な製品がここから生まれました。これらの実験プロジェクトは誰が作ったのですか？20%時間は何らかの形で戻ってきたのですか？このような面白い実験は、社内でどのように推進されているのですか？
James Manyeka：私が先に答えましょう。このメカニズムは実際にまだ存在しています。研究所に戻ると、約80%のプロジェクトは研究所チームから来ており、残りの20%は20%時間プロジェクトから来ています。
教育分野の例を挙げます。これはLayaと私が非常に重視している方向です。Google研究の従業員がいて、本職は教育と関係ありませんが、あるアイデアを出しました：人々が自分に合った方法で学べるようにできないか？現在のAIツールはすでに多様な学習方法をサポートできます。このプロジェクトは最終的に「Learn Your Way」（Google Labsが発表した、LearnLMベースのAIパーソナライズ学習実験ツールで、核心は静的な教材、資料を学年に適合し、興味に合わせ、マルチモーダル対話の学習体験に変えること）になりました。Google研究所でこの実験製品を見つけることができます。これは研究所チームが作ったのではなく、他部門の従業員のアイデアです。私たちは全社から様々な優れたアイデアを受け取り続けています。
もう一つの例はCo-Scientist（Google ResearchがGemini 2.0に基づいて構築したマルチエージェント科学研究協力システムで、人間の科学者の仮想研究パートナーと位置づけられ、核心は「仮説生成 - 議論 - 検証 - 反復」の完全な科学研究プロセスをシミュレートし、研究者が発見を加速し、思考の限界を突破するのを助ける）で、DeepMindとGoogle研究から来ており、科学者が研究発見を行うのを助けるツールで、その後研究所でテスト、反復されますが、研究所内部で構築されたわけではありません。全社員がアイデアを生み出すメカニズムは依然として非常に活発で、多くのエキサイティングなイノベーションをもたらしています。
Laya Ibrahim：DeepMindの研究者も実験的製品を構築する機会があります。これは実際に私たちの文化の一部であり、みんなに探索の余地を与え、学際的方法を堅持し、研究者に限定せず、非常にエキサイティングです。私たちは異なる視点を集め、実際の課題を解決します。時にはAIツールを使って自分の作業効率を向上させることもあります：例えば、法務チームが研究論文をより早くレビューし、フィードバックを得る；責任チームのために、より自動化されたレッドチームテストを行う；古代文献の解読もあります。
あるプロジェクトは、ある研究者が自発的に開始した探索です：今日の知能だけでなく、忘れられた歴史的知識も掘り起こすことです。彼が主導してプロジェクトを作り、粘土板の時代を特定するだけでなく、欠損内容を補完し、翻訳も行えます。これがProject ANEKS（Google DeepMindのAI研究プロジェクト）で、古代文献研究に焦点を当てています。Jamesが言ったように、Googleに欠けているのは、賢く、好奇心旺盛な人たちであり、会社の文化もこのような探索をサポートしています。
司会者：私がこれを非常に気にしている理由を説明します。前世紀、S&P 500企業（米国のトップ500上場企業の株価指数）の平均存続期間は67年でしたが、現在は15年しかありません。AI時代の到来により、変化はより速くなり、アイデアの源泉、実験、新しいプロジェクトの能力は、企業の長期的存続にとって極めて重要です。だからこそ、Google内部でどのように運営されているかを非常に気にしています。
Laya Ibrahim：私は以前ベンチャーキャピタルをやっていましたが、VCは最も素晴らしい場所だと思っていました。大胆なアイデアを持つ起業家に会えるからです。しかし、Googleでの感覚は：イノベーションは日常文化の一部であり、各部門で起きています。ただ、DeepMindとGoogleの他部門の提示方法は少し異なりますが、会社全体がイノベーションをサポートしています。
James Manyeka：もう一点補足します。Googleの研究文化は非常にユニークです。最初に言及したベル研究所に戻ると、DeepMindであれGoogle研究であれ、私たちは一つの理念を堅持しています：研究から現実へ。多くの研究のブレークスルーは非常に速く現実の影響力に転換されます。AlphaFoldは良い例で、ノーベル賞レベルのブレークスルーであり、現在、世界中で190以上の国、350万人の研究者が使用しています。天気予報分野のブレークスルーもあり、すでに実際に使用されており、私たちの洪水警報システムはすでに150カ国、20億人をカバーしています。研究のブレークスルーを社会的影響力に転換することは、私たちの非常にユニークな点です。
司会者：聞かなければならない質問があります。そうしないと、視聴者がなぜ聞かないのかと私に聞いてきます。長年、Googleに対する外部の印象は「製品を発表するのが怖い」でした。最も典型的な例：TransformerモデルはGoogleが発明しましたが、ChatGPTはそれに基づいた最初のメインストリームアプリケーションです。年末にSam Altman氏にインタビューした際、彼は注目を集める言葉を言いました：もしGoogleが早期に私たちを重視していたら、とっくに私たちを圧倒していたでしょう。今や彼らは強力な競争相手です。「製品を発表する」ことは、Google内部でより重要になりましたか？実験を公衆に押し出す野心はより強くなりましたか？
James Manyeka：そうだと思いますし、これは自然な進化のプロセスです。Googleは常に大量の研究ブレークスルーを生み出しており、常に健全な緊張関係が存在していました：製品はすでに準備ができているか？私たちは常に完璧な判断ができるわけではありませんが、この緊張は良いことだと思います。「大胆さと責任の共存」の体現です。同時に、私たちは気づいています：多くの実験やイノベーションは、人々に使用、体験させて初めて学べることがあります。これは科学的方法に戻ります。製品のレッドチームテストは多く行っていますが、実際のユーザーの使用、さらには悪意のある使用からもっと多くを学べます。これは一種の進化です：有用な製品を発表し、発表の中から学ぶ。私たちは今、「継続的デリバリー」と言っており、Geminiモデルは約5〜6ヶ月ごとに新世代が反復され、これが見られる変化です。
AIと教育：力になるのか、それとも危険なのか？
司会者：AIと教育は、お二人が非常に注目し、多くを投資している方向です。最近の研究では、18歳以上の学生の85%がAIを使用しており、残りの15%は本当のことを言っていないと私は推測します；81%の教師がAIを使用しており、世界の公衆の66%のAI使用率よりはるかに高いです。AIは教育に実際の影響を与えています。お二人の視点から始めましょう：これは教育全体にとってプラスですか？批判も多く、学生がAIでカンニングし、教師が採点するのはカンニングで生成された宿題だという声もあります。実際の状況はどうなのですか？
Laya Ibrahim：まず、Jamesが前に言ったように、これは非常に重要な分野です。私たちのアプローチは他の分野と一致しています：AIがどのように学習方法を変え、人間の潜在能力を解放するかを大胆に考えると同時に、責任を保ち、リスクを特定し、リスクを低減するためにリソースを投じます。調査では、約80%の成人学習者がAIは学習に役立つと考えていることもわかりました。適切な形式で、必要な時に情報を提供できます。私たちが重視する方向の一つは、AIが単に答えを出すだけでなく、一歩一歩問題を分解してガイドすることです。これらはすべて科学的方法に基づいています。
3年前、私たちは学習を一流の科学問題として研究することを決めました：人はどのように学習するのか？Google内部には関連経験と専門能力があり、世界中にも多くの研究者がこれに取り組んでいます。私たちは教育学の専門家、世界中の教育者と慎重に協力し、LearnLMを発表しました。
今年、この能力をGeminiに全面的に注ぎ込み、Gemini Appでガイド付き学習などの機能を発表し、ユーザーが一歩一歩問題を分解するのを助け、どのように学習し、分析するかを教えます。私自身も10代の子供を持つ親として、常に「ABテスト」をしています。
司会者：AIを使う子と使わない子に分けて、最終的にどちらが良いか見るべきです。
Laya Ibrahim：次の実験にこれを入れます。娘の一人は読み書き障害があり、既存の教育システムは彼女に適していません。しかし、彼女がAIを学習に取り入れると、数学の問題を分解するのも、混乱した思考を整理し、滑らかな文章にするのも、彼女はかつてない自信を感じています。身体に障害がある妹もおり、教育システムは彼女のために設計されたものでもありません。世界を見渡すと、適切な技術ツールがないために多くの学生が置き去りにされています。
私たちの構想は：すべての学生にパーソナライズされた导师を持ち、すべての教師に教育アシスタントを持たせる。AIは生産性ツールであり、師生の対話のパターンを変えることができます。私たちはAIが魔法だとは言いません。教師が核心であり、しかしAIは教師を解放し、人と人の間の真実の対話に戻らせることができます。教師の生産性ツールですでに良い進展が見られます。最近北アイルランドに行った際、地元の教師と政府が協力してパイロットを行い、付箋には成果が書き留められていました：教師一人当たり平均週10時間節約し、余った時間で家族と過ごし、クラスの30人以上の異なるニーズを持つ学生のために教案を設計。非常に励みになります。しかし、私たちはまだ初期段階にあり、このことが重大であることを認識する必要があります。人の一生物学関わることです。彼らが学習し、機会を開き、そこから学び、研究にフィードバックすることは極めて重要です。
James Manyeka：もう一点補足します。教育分野は社会の他分野と同様に：新しい技術が到来すると、既存のプロセスに単純に接続するだけでなく、ワークフローを再設計する必要があります。学習の例を挙げます：カンニングの問題を非常に心配しています。AIが普及した世界では、もはや従来の方法で試験や評価を行うべきではないかもしれません。一部の学区が発見したのは、学生がガイド付き学習を使用すると、本当に学習しており、知識の習得度が向上することです；しかし、ただ徹夜で宿題を終わらせるためだけなら、真面目に使いません。そこで、これらの学区は実験を行いました：週テストを増やす。学生はテストが増えると聞いて崩壊するかもしれません。しかし、結果は：テストが増え、学生は試験勉強のためにガイド付き学習を能動的に使う時間が長くなり、学習効果は逆に良くなりました。これは、技術を既存の構造に当てはめるのではなく、学習プロセスを再想像する必要がある例です。私たちは教師、学校、学区と交流し、多くの面白い実験とイノベーションの結論を得ました。まだ非常に初期の段階ですが、認知オフローディングなどの問題に対する懸念は本物であり、真剣に取り組む必要があります。
司会者：この点についてさらに話したいです。多くの技術、特にAIと同様に、懸念されているのは：野心的な人は正しく使い、能力が大幅に向上する；間違った方法で使うか、使わない人は、格差がさらに広がることです。『ニューヨーク・タイムズ』に最近記事があり、学生だけでなく、教師もChatGPTを使っており、一部の学生は不満を持っています。ノースイースタン大学の学生が、教授のスライドにスペルミスがあり、画像に余分な肢体が現れ、これらはすべてAIが生成した痕跡だと発見しました。このような社会的分断を悪化させる可能性がある問題をどう見ていますか？
Laya Ibrahim：これはかつてコンピュータを教室や大学に導入した時を思い出させます。その歴史から多くの経験を学べます。一方で、私たちは能動的にいくつかのことができます；他方で、私たちは各方面のリーダーを集め、システムレベルで対応方法を検討しています。管理者を集め、それぞれの機関で責任ある技術使用のフレームワークを構築する方法を議論しています。
現在の状況は少し混乱しており、各人がそれぞれのやり方をしていますが、探索的な合意が必要です：AIは消えません、公平な使用機会とリテラシーが極めて重要です。一部の学生はリードするためにAIを使い、一部の学生はカンニングと見なされることを恐れて使わず、これが格差を生み、性別による違いも観察しています。私たちができるのは、リーダーを集め、新しい章を開く方法を検討し、収益を最大化しながらガードレールを構築し、リスクを低減することです。昨年末、私、James、数人の同僚が共にイベントを開催し、ベストプラクティスを共有し、何が有効で何が無効かを交流し、私たちの研究者も参加しました。また、教師に実践的なトレーニングを提供し、責任あるツールの使用方法を教えました。これは代替ではなく、生産性と潜在能力を解放するためです。インセンティブメカニズムの設計も跟上しなければならず、これは間違いありません。
最先端科学技術の進展：量子コンピューティング、材料科学、気象予測、宇宙計画
司会者：Jamesさんに伺います：量子コンピューティングの現状はどうですか？多くの人が予想していたよりも速く発展しています。
James Manyeka：私たちはトップレベルの量子AIチームを持ち、画期的な仕事をしています。総じて、量子コンピューティングの進展は大衆の認識よりも速いです。量子コンピューティングの究極の目標は、完全にフォールトトレラントな量子コンピュータを構築することで、多くのルートがあります。主流の方向は超電導量子ビットで、これも私たちのチームが取り組んでいるものです、世界中の多くのチームがこの道を研究しており、複雑さは高いですが、最も有望な方向と考えられています。また、中性原子など多様な技術ルートもあります。
具体的な進展：基盤チップの進歩が大きい、例えば私たちのWillowチップは、1年半前に大きなマイルストーンを達成しました。RCSと呼ばれるベンチマークテストを完了し、トップレベルの古典スパコンは100億年かかる計算を、わずか5分未満で完了し、画期的な方法で誤り訂正も行いました。
量子コンピューティングのもう一つの核心的な障害は、スムーズな誤り訂正でした：容量を拡大し、量子ビットを増やしながら、エラー率をどうやって下げるか。これが真のブレークスルーであり、私たちが年間ブレークスルー賞を受賞した理由でもあり、閾値以下の誤り訂正が実現できることを初めて証明しました - システムが拡大し、エラー率は逆に下がり、これこそ私たちが望んでいた結果です。
もう一つの大きなブレークスルーは昨年末にありました：これまでのすべてのベンチマークテストは、私が先ほど言ったものも含め、ベンチマークのためだけで、実際の用途はありませんでした。昨年、私たちは初めて実用的価値のある計算を実現しました。つまりQuantum Echoesで、関連成果は『ネイチャー』の表紙を飾りました。ある有用な計算を完了しました：分子のスピンダイナミクスを研究し、これは他の方法では実現できないものです。また、バークレーのチームと協力し、彼らは核磁気共鳴実験で研究室で結果を検証しました。これが最初の実用的価値のある量子コンピューティングの事例です。
総じて、量子コンピューティングの進展は、皆が思っている「まだ数十年かかる」よりもはるかに速いです。今後5年程度で、量子コンピューティングの実用化応用が見え始めると考えられ、非常に期待されます。
司会者：材料科学はAI研究の中で比較的軽視されている分野ですが、AIは予測技術を通じて新しい材料を発見できます。Layaさん、現在の進展を紹介してください。
Laya Ibrahim：これは私たちの核心的な考え方に戻ります：AIがどのような根源的な問題を解き、世界に対する基礎的理解を深め、分野全体に扉を開くことができるか。AlphaFoldはその一つです。おっしゃったAlphaGeometry（DeepMindが開発した、高難度のオリンピック幾何学証明問題を自動解決できるAIシステムで、国際数学オリンピック「IMO」の金メダリストレベルに達しています）も、私たちの材料科学プロジェクトも、非常にエキサイティングです。既知の4万種の安定結晶を、40万種以上に拡張し、現在実験室や研究でテストしています。これは何を意味するのでしょうか？より良い電気自動車のバッテリー、スーパーコンピュータの超伝導体などが想像できます。多くのブレークスルーは新材料に頼って実現する必要があります。まだ初期段階ですが、これは有望な方向であり、私たちの生活や働き方を変える可能性があると信じています。
司会者：新しい材料を発見した後、何をもたらしますか？例えば、Tシャツのように薄いが、冬服に匹敵する保温性を持つ材料？
Laya Ibrahim：その通りです。身近なすべてのものが、新しい材料を通じて再想像できます。例えば、バッテリー、電気自動車、ボディをより軽くし、航続距離をより長くし、充電をより速くし、既存の物理的制限を突破する。これらはすべて基礎材料のブレークスルーを通じて実現できる可能性があります。
司会者：次は気象予測です。Googleは多くの方向でAI気象に深く取り組んでいます。
James Manyeka：私たちは非常に大規模な気象プロジェクトを持っており、DeepMindとGoogle研究が共同で推進しています。気象予測の次元は多いです：普通の天気予報、来週、明日の天気はどうか、Graphcast（Google DeepMindが2023年に発表した、グラフニューラルネットワーク「GNN」ベースの全球中期天気予報AIモデルで、気象予測分野の画期的なブレークスルー）はDeepMindから来ており、現在業界でトップレベルのモデルです。他の気象イベントも予測しています：モンスーン、ハリケーン、洪水など極端な天気。
生命の安全に影響する例を挙げます：業界では、洪水警報が6日以上前に発せられれば、命を救えることが以前から知られています。国連の推定では、これにより災害損害を半分に減らせるとしています。これはずっと難題でした。2年半前、私たちのチームは河川洪水を予測するモデルを構築し、バングラデシュでパイロットが成功しました。現在、私たちの洪水予測は150カ国、20億人をカバーしています。これが画期的イノベーションから社会的実価値への典型的な事例です。また、国立ハリケーンセンターと協力し、ハリケーンの50の異なる経路を15日前に予測でき、ハリケーンMelissaの追跡にも成功しました。この種の情報は災害対応に大きな意味を持ち、フライトスケジュールなど日常のシーンでも使えます。
司会者：最後のプロジェクト：Project Suncatcher（Googleの「宇宙AIデータセンター」計画で、地球軌道に太陽光発電衛星からなるコンステレーションを展開し、TPUを搭載し、宇宙の無限の太陽エネルギーを利用してAI計算を行う）とは何ですか？
James Manyeka：これは典型的なGoogle式の狂った構想です。私たちは考えました：今日、どのようにAIシステムをトレーニングするのか？100年後、トレーニングモデルに必要なコンピューティングとエネルギーを考慮すると、どうするか？100年後、私たちは間違いなく宇宙でトレーニングするでしょう、結局、太陽のエネルギーは地球の百万億倍で、24時間途切れないからです。なぜ今、この未来に向かって進まないのか？Project Suncatcherプロジェクトは、このようなGoogle式のムーンショット計画です。
私たちはすでにいくつかの重要なマイルストーンを完了し、TPUを、専用AIチップを、宇宙に送ってトレーニングを行う計画です。本当にチップを宇宙に送ります。最初のマイルストーンは、2027年に宇宙でいくつかのトレーニング任務を完了したいと考えています。これがProject Suncatcherで、一歩一歩その未来に向かっています。有人はダイソン球（物理学者フリーマン・ダイソンが1960年に提唱したSF級の巨大エンジニアリング構想で、核心は巨大な構造で恒星を完全に包み込み、そのほぼすべてのエネルギーを捕獲することで、II型文明の標志的エネルギー方案）を連想するでしょう。太陽系、あるいは銀河系のエネルギーを利用します。ある元Google社員がかつて提言しました：AGIに向かうなら、地球はデータセンターで埋め尽くされるかもしれません；しかし、データセンターを宇宙に置けば、地球は人類が生活するために残せます。ご期待ください、次のマイルストーンは2027年で、宇宙トレーニングを完了したいと考えています。
参考リンク：