ザッカーバーグ氏がMuseについて語る：AIエージェントの爆発的普及、「メタバース・スマートグラス・大規模モデル」の3大賭けが収束
Tapbit Wire3年前、MetaのCEOマーク・ザッカーバーグ氏はジョー・ローガン番組で、将来的に人々が眼鏡を着用し、それに伴ってAIエージェントが登場すると述べた。今、その光景が現実になりつつある。
MetaのパーソナルAIエージェント「Muse」は、リリース後2週間で数百万ユーザーに達した。ザッカーバーグ氏は9月25日のインタビューで、「このような状況に遭遇するのは数年に一度だけだ」と述べ、「Museへの初期反応はまさに『初回打席からホームラン』——Metaの製品史において極めて稀な事例だ」と評価した。
同時に、Museは全ラインナップのレイバン・スマートグラスに統合され、ユーザーは「Hey Meta」と言わずに、独自のウェイクワードでパーソナルAIエージェントを直接呼び出せるようになることが発表された。
外部からは長らく独立した3つの賭けと見られていた「メタバース」「スマートグラス」「大規模モデル」が、今やMeta社内で製品レベルで急速に収束しつつある。
このインタビューでザッカーバーグ氏は、Llama 4の失敗を「最も恐ろしい瞬間」と認め、Metaが5ギガワット規模の学習クラスターを構築中であることを明らかにした。同氏は、十分な規模の計算能力があればAGIを「力づくで」実現できると信じている。
なぜMuseは「初回打席からホームラン」を打てたのか
Museの出発点は、ザッカーバーグ氏とチームメンバーのナット氏・アレックス氏が自宅でオープンソースツールを用いて早期版を「寄せ集め」たときだった。
「これは魔法のような体験だと気づいた」とザッカーバーグ氏。「Mac Miniを購入したり端末で設定をいじったりする必要なく、誰でも使えるようにできれば、数十億人が求めるものになるだろう。」
この判断がその後の研究開発の全体像を規定した：単なるモデル訓練ではなく、エージェントの「鼓動」機構（モデル・基盤からエージェント本体まで）を完全自社開発。エージェントは定期的に起動し、ユーザーの目標を確認・進捗管理を行う。
リリース後のデータはこの判断を裏付けた。わずか2週間で数百万ユーザーに達した。
パーソナルAI：実行・記憶・「判断力」に注力
パーソナルAIと汎用AIの違いについて、ザッカーバーグ氏は現在の競争焦点を「モデルをより優れたエージェントにすること」と要約した。
「過去1年間で最も重要なことは、エージェントのプログラミングだった」と同氏。「プログラミング能力が不可欠なのは、ユーザー自身がコードを書かなくても、『あなたのMuseがバックグラウンドで様々なタスクを遂行するためにコードを自動生成する』からだ。」
しかし同氏は、パーソナルエージェントがコーディングやタスク実行能力のみを持つべきではないと指摘。プライバシーの境界や社会的文脈を理解する必要もあると強調した。
ザッカーバーグ氏は例として、ユーザーがMuseにレストラン予約を依頼した際、エージェントがユーザーのアレルギーや妊娠状況を把握していても、それを自動的に開示すべきでないと説明。「可能な限り最小限の情報開示でタスクを完了させることを望むだろう。」
彼は、この機能が人間に通常備わっている「基本的社会スキルや常識」に該当すると述べたが、多くの企業はコーディング専用エージェントの訓練のみに焦点を当てており、モデルの機能としてこれを組み込んでいないと指摘した。
『我々は、他社製の完成済みモデルを単に流用し、その上にフレームワークやエージェントを構築するのではなく、モデル全体を一から訓練しています』とザッカーバーグ氏は述べた。メタ社はまた、メモリ、タスク追跡、バーチャルキャラクターのアニメーション、リアルタイム音声対話といった機能を製品レベルで追加した。
パーソナライゼーションに関して、彼はAIに固定された単一の性格を設定すべきでないと主張した。「多くの研究室が『最適な性格状態への調整』に注力しているが、私は『性格には唯一の正解がある』とは決して考えていません。」
彼は、Museではユーザーがアバター・音声・基本的な性格を自由に変更でき、モデル設計の目標は「高い制御性」であると説明した。「あなたがどう対話したいかを定義できることが、パーソナルエージェントにとって重要です。」
各エージェントには独自の「コンピューター」がある
Museを他のAI製品と差別化するコアインフラの一つは、メタ社が各エージェントにセキュア仮想マシン（Secure VM）を搭載したことである。
この必要性について、ザッカーバーグ氏は次のように説明した：
あなたのエージェントは、あなたに関する多くの機密情報を知ることになります。こうした情報は、他のユーザーのデータと混ぜて一元管理されるべきでないと私たちは考えています。
彼はMuseのSecure VMを「あなたの机の下に置かれた、あなただけのコンピューター」と例え、ユーザーのデータは暗号化されて保存され、パスワードなどの機密資格情報は、エージェント自身が直接読み取れない独立したセキュリティモジュールによって管理されると説明した。
この基盤の上で、メタ社はMuse内のデータの出入りを監視する専用の「センチネル（Sentinel）」セキュリティエージェントを設計し、異常や高リスク操作を検知した場合、即座にユーザーの承認を求めるようになっている。
メタバース・スマートグラス・エージェント：3つの路線が収束
ザッカーバーグ氏はインタビューで、Museがレイバンのスマートグラスシリーズに完全統合され、既存のインタラクション方法をアップグレードすることを明らかにした。
現状、グラスは「一回限りの会話」体験——何か話すと返答があり、それで終了——を提供している。Muse統合後は、グラスがエージェントのフロントエンド入口となり、ユーザーが話すとバックエンドのMuseがセキュア仮想マシン内で継続的に動作し、タスクを完了・フィードバックを提供する。
グラスの製品ロードマップに関して、彼は明確なハードウェア階層を提示した：
カメラなしの純粋なオーディオグラス：すでにMuse搭載、通話・音楽・音声タスク対応
小型ディスプレイ付きMeta Ray-Ban：既に発売、基本的な視覚フィードバックを提供
フルフィールド・オブ・ビューのホログラフィックARプロトタイプ：既に発表、「非常にワクワクする」とザッカーバーグ氏が評価
彼は、メタ社がグラス分野に長期投資してきたことが、AIエージェントが成熟した後の競争優位性につながると述べた。メタ社はMuseおよびさらに高度なAI機能をグラス製品に導入しており、かつて「プレゼンス（臨場感）」を重視していたメタバース技術も進化を続けているが、現在はMuseおよびスマートグラスのAI機能に多くのリソースが割かれている。
バーチャルアバターに関して、ザッカーバーグ氏は、従来は部屋規模の機器・多角度スキャン・エンタープライズ級GPU環境が必要だった高品質リアルアバター生成が、今では数枚の写真だけで設定可能になり、関連機能はVRグラス1台で実行可能になったと述べた。
2030年を見据えて、ザッカーバーグ氏はメタバースの核となるビジョンは常に「物理世界とデジタル世界の融合」であると述べ、将来の具体例として、友人がホログラムで参加する活動や、仕事シーンでは人間と複数のエージェントがグループチャット・会議にホログラムまたはその他の具現化された形で参加する可能性を挙げた。
「最も恐ろしい瞬間」：Llama 4の失敗
すべての賭けが順調に進んだわけではない。ザッカーバーグ氏は、インタビューでLlama 4の失敗について直接言及することはほとんどなかった。
Llama 4以降、それが最も恐ろしい瞬間だった……正しい方向に進んでいると思っていたが、実際には違っていた。非常に大きな予想外の悪影響だった。
彼はこの問題をチーム構成の根本的誤りに帰していた：
私はインスタグラムのレコメンデーションシステムや広告システムと同じようにチームを編成した——数百人から数千人が並行して作業する方式だ。しかし、言語モデルの訓練には、密接に協力する小規模チームが必要であり、それは集団的な科学研究プロジェクトとして扱うべきだ。各ポジションは極めて重要である。
その結果、メタは全面的な組織再編を実施し、業界トップ人材を幅広く採用してメタ・スーパーアイ・ラボ（MSL）を設立した。ザッカーバーグ氏は、次世代モデルがまもなくリリースされると述べたが、コネクト会議では発表しないと明言した。
計算資源路線：ブルートフォース型AGI、建設中の5ギガワットプロジェクト
AGIへの技術的道筋について話す際、ザッカーバーグ氏は明確な判断を示した。
まだ必要となる根本的なアーキテクチャ突破が何であるかは不明だが……概ね方程式は分かっている。十分に大規模なスーパーコンピュータクラスターを構築できれば、ブルートフォースで到達可能だ。
現在、メタの計算資源拡張計画は以下の通り：次世代モデル訓練用にオハイオ州に建設された1ギガワット超のクラスターはすでに運用開始済み。ルイジアナ州では5ギガワット規模のクラスターが建設中である。
彼は「多ギガワット規模のクラスターで訓練すれば、実質的にAGIあるいは超知能に近づける」と述べた。
ただし、現時点での計算資源主導路線が、アーキテクチャ研究の重要性を否定するものではないとも付け加えた：
人間の脳は約10ワットしか消費しないが、我々のシステムはそれより百万倍も効率が悪い可能性がある。大規模計算資源とアーキテクチャ突破を併せなければ、真に先頭を走ることはできない。
アライメントは負担ではなく、製品が解決すべき課題
ザッカーバーグ氏のAI安全性に対する姿勢は極めて実務的であり、規制圧力とは捉えず、製品成功の前提条件と見なしている。
もしMuseに何かを依頼したのに逆のことをするなら、誰がまだそれを使うだろうか？ モデルがユーザーの具体的指示を理解するだけでなく、その意図や価値観も理解できるよう確保しなければならない。
「Museが10億人のユーザーに達するには、アライメント問題を解決するか、少なくとも大幅な進展を遂げる必要がある」と彼は述べた。
訓練プロセス中の安全性の境界については、彼はこうたとえた。「親が子供にルールを教えるようなものだ——もし『システム設定を変更することで』プログラミング課題を『完了』しようとするなら、私はこう言うだろう：『ノー、問題解決の方法を学んでほしい。抜け道を探してはいけない』と。」
完全なインタビューは以下の通り：＞
大きな賭け
司会：これは何十億人もの人々が使いたくなるものでしょう。あなたがそれを開発している気持ちは？「不滅」は実現可能でしょうか？では、あなたの心に私が入り込み、2030年まで時を早送りしたら、その様子はどんなものになるでしょうか？
これはマーク・ザッカーバーグです。22年前、彼は数十億人をつなぐソーシャルネットワークを構築し、世界を永遠に変えました。そして今、彼はさらに壮大なものを創ろうとしています。そのために、メタバース、スマートグラス、人工知能（AI）の分野に「大きな賭け」をしています。長年にわたり懐疑派は、これらは成功しない3つの別々の賭けだと考えてきましたが、大局を見落としていました——なぜなら今、これらの賭けが収束して、まったく新しい「スーパーインテリジェンス」を生み出そうとしているからです。
本日、これらすべてをご紹介します。また、これまで誰も聞いたことのない質問をマークに投げかけ、未来への彼のビジョンに耳を傾け、皆さんが先手を打ち、次の大きなものを創るためのヒントをお届けします。
司会：番組へご登場いただき、誠にありがとうございます。
マーク：ありがとうございます。とても嬉しいです。
司会：この対談のために、これまでにあなたが行ったすべてのインタビューを視聴しました。
マーク：Wow、それって、私が自分自身で見た数より多いですね。
司会：とても楽しく、充実した体験でした。特に強く印象に残った点が2つあります。まず第一に、「創ること」への情熱——あなたはトップクラスのビルダーの一人だと感じました。第二に、大胆な「大きな賭け」をする能力——本当に大きな賭けを恐れずに行う姿勢です。今週、こうした賭けがすべて収束しつつあると感じましたので、そこからお話ししましょう。
マーク：わかりました。私たちは長い間、こうした取り組みを行ってきました。AIに関して言えば、当社は創業当初からほぼ一貫してこれを推進してきました——ニュースフィードの初版は、ある意味で機械学習製品でした。その後、約15年前にAI研究ラボを設立しました。
しかし今、新たな段階に入りました——約1年前、Metaスーパーインテリジェンス研究所を立ち上げました。これは大規模な研究再編であり、業界全体から優れた人材を多数迎え入れています。非常にワクワクする展開です。現在、モデルの性能は日々向上しており、次世代モデルがまもなくリリースされる予定ですが、Connectカンファレンスではまだ発表されていません。また、パーソナルアシスタント「Muse」も、現時点では非常に好評を得ています。
こうしたものを開発する際には、結果がどうなるかは実際に作ってみるまで分かりません。私たち自身も楽しみながら取り組んでいます。今年初め、私は自宅でOpen Clawを自分なりに組み立て、それがどのように機能し、誰でも使える「魔法のような体験」に昇華できるかを実感していました。
要するに、私とナット、アレックスが一緒に座り、これが「魔法のような体験」であることに気づいたとき、技術に詳しくない一般の人々——Mac Miniを自分でセットアップしたくない人、ターミナルをいじりたくない人、問題が起きたときにデバッグしたくない人——でも、プラグ＆プレイで簡単に使えるようにできれば、これは本当に何十億人もの人々が使いたくなるものになると確信しました。
以来、私たちはこの目標に向けて全力で取り組んできました。具体的には、Muse専用にモデルを最適化するだけでなく、アシスタントそのものやオペレーティングフレームワークの構築に加え、各アシスタントに独立したコンピューティング環境を提供する技術の開発にも注力しました——このために、Muse専用のセキュア仮想マシン群を一式構築しました。
社内では、このプロジェクトの特別さをすでに感じ取っていましたし、関係チームも大変気に入っていました。しかし、製品を世に出すとユーザーがどう反応するかは、正直なところ予測できません。稀に、リリース直後から驚異的な成功を収めるケースもありますが、多くの場合、まずは肯定的なフィードバックを受け、いくつかの部分を反復的に改善して初めて製品が「ハマる」ものです。ところが今回、まさにリリース直後から「ハマった」のです。このような展開を目撃するのは本当にワクワクします——わずか2週間でユーザー数が既に数百万に達しており、これは極めて稀な事例です。数年に一度しか起こらないような出来事ですが、まさにスタートアップにとって最も楽しい瞬間の一つです。
司会：常にゲームに残り続け、何度も挑戦し続けるあなたの姿勢には、本当に感銘を受けます。しかも、これほど多くの「ホームラン」を打つというのは、本当に素晴らしいことです。3年前のジョー・ローガンとのインタビューで、いつかメガネをかけて、そこにAIアシスタントが表示されるようになると語っていたことを覚えています。ですから、Museにはすでに物理的な表現（キャラクター）が備わっている——これは非常に賢い選択だと感じます。こうした感覚は、必ずや実現するはずです。
マーク：単に親しみやすく、愛らしい印象を与えるだけだと思います。あまりにも多くの人がAIを恐ろしいものと描写していますが、AIはあくまで「役立つ」「楽しい」存在であるべきです。この物理的な表現——デザイナーがプロジェクト初期にこのキャラクターを作成しましたが、なぜかずっと改良を重ねようとしていました。でも、実は最初のバージョンが一番よかったのです。後に誰かが「青にしなきゃいけないよ、だってMetaだから」と言いましたが、私は「いや、この表現が正しい。最初に完成した時点で完璧だったんだ」と答えました。まさにそんな感じです。楽しいですよね。
パーソナルAIと汎用AIの違いは何ですか？
司会：とても興味深い詳細ですね。単なる汎用知能ではなく、個人的な課題に対して特に優れたパフォーマンスを発揮するモデルを作るには、トレーニング手法はどのように異なるのでしょうか？
マーク：今の核心は、モデルを優れた「エージェント」にすることだと考えます。過去1年間で最大のトレンドは「エージェントプログラミング」であり、それは2つの核となる考え方——プログラミングの専門性と、優れたエージェントとしての総合的能力——を含んでいます。
当社の戦略は、プログラミング機能を特化させるのではなく、エージェントそのものの質を最優先することです。
プログラミング機能は重要です。ユーザーが自覚してコードを書いていなくても、Museは背景で常にコードを書き、さまざまなタスクを遂行しています。しかし我々は、まずエージェント自身が卓越したものであるべきだと考え、プログラミング機能はその目標を支えるものです。
また、パーソナルアシスタントを構築する際には、エンタープライズ向けソフトウェア製品開発よりも重要な要素があります。たとえば、エンタープライズ向けプログラミングツールを開発する場合、モデルに「情報開示スケール」（何を話すか・何を話さないか）という概念は不要ですが、Museではこれが極めて重要です。
この能力は、他の能力と同様にモデルに訓練する必要があります。多くの情報を教え、それがユーザーの目標達成を支援することを期待します。例えば、レストラン予約を依頼した場合、適切な店を探しますが、ユーザーにはアレルギーや妊娠などの個人情報があり、それを店に伝えるのは望ましくないかもしれません。Museはこうした情報を把握し、最小限の情報開示でタスクを完了させます。これは、人間にとっての基本的な社会的常識に相当するスキルです。
一方、プログラミング専用エージェントのみを提供する企業は、この能力をほとんど訓練していません。当社はフルスタックで開発しているため可能なのです。他社の既存モデルを流用してフレームワークを載せるのではなく、これらの能力を実現するために、モデル全体をゼロから訓練しています。
モデルには広範な一般知能が必要ですが、同時にこうした特定能力も備えています。その上で、メモリや動作フレームワーク、そして「ビート」（定期的に目覚めて「あなたの目標はこれです。今進められることはありませんか？」と確認する仕組み）など、アシスタント全体とその細部を構築します。
また、バーチャル表現のリアルタイムアニメーション効果を専門に磨き上げるチームもいます。デフォルト表示ではなく、任意の表現をカスタマイズでき、自然な動きを実現します。さらに、リアルタイム音声会話が可能な音声モードも展開中で、アシスタントがあなたのすぐそばにいるようになります。こうした細部のすべては、フルスタック開発（モデルとプロダクトを一体で開発）に由来しています。
司会者：もう一つ大きなポイントは仮想マシンです。なぜ重要なのか、また何を可能にするのか説明いただけますか？
なぜMetaは各AIアシスタントに独立したコンピューターを提供するのでしょうか？
マーク：エージェントがあなたのために作業するには、あなたの情報を保存する場所が必要です。当社は、この情報を他人の情報と混ぜてリソースプールに置くべきでないと考えています。
こう考えてください。アシスタントはあなたの多くの機微な情報を知ります。多くのユーザーはOpenCloudのようなインテリジェントエージェントを初めて使う際、自宅にMac Miniを自ら設置します。そこで、Mac Miniを購入・設定したくない人のために、最も近い体験を提供するにはどうすべきかと考えました。答えは、「アプリをダウンロードして登録するだけで、あなた専用のコンピューター（アシスタントの作業・データ保存・セキュアなモデル構築のため）が得られる」ことです。これは、机の下に自分のコンピューターがあるのと同じで、Meta社内でもアクセスできません。
たとえば、Museの機密仮想マシン（Confidential VM）は当社が開発中の機能で、Meta社内でもその内容を見ることはできません。
このほかにも、パスワードなどの機密情報を扱う際、アシスタント自身がパスワードを見る必要はなく、「サービスにログインしてください」と指示されたときにだけ認証情報を「挿入」できるようにする安全な資格情報ストレージを構築しました。事故（不正侵入やシステム障害など）はいつ起きてもおかしくないため、こうした情報が自由にアクセス可能であってはなりません。
そのため、アシスタントもMetaもそのデータにアクセスできないよう配慮し、各アシスタントに独立したコンピューターを提供してセキュリティを最大化することが、この技術の根本的な基盤です。これにより、Museはユーザーの目標達成を支援しつつ、プライバシーとセキュリティを確保し、業界トップクラスの製品となります。
司会者：つまり、WhatsAppのように、Museが接続する仮想マシン上のデータは暗号化されているということでしょうか？仮想マシンにおけるデータの実際の保存方法を、ユーザーはどのように理解すればよいですか？
マーク：基本的に2つのバージョンを構築しました。Museセキュア仮想マシン（Secure VM）には、当社が独自に構築したSentinelエージェントアーキテクチャを含む各種プライバシー機能が備わっています。通常のMuseアシスタントがあなたのためにタスクを実行する一方で、Sentinelと呼ばれるセキュリティ専用エージェントが、Museへの入出力データフローを監視します。
外部からのセキュリティ侵害を検知した場合は、Sentinelが即座に遮断します。また、Museがユーザーの介入を要する行動を起こそうとしていると判断した場合は、Museの操作を上書きし、「この操作を実行してもよろしいですか？」といった人間による確認を促すアラートを発行します。
このシステムに、安全な資格情報ストレージや多層防御を組み合わせたものが、Museセキュア仮想マシンです。
また、別のプロジェクトも進行中です。ナットと私は、WhatsAppのエンドツーエンド暗号化を共同実装したモクシー・マリンスパイク氏を特別に招聘し、Muse機密仮想マシン（Confidential VM）の設計を依頼しました。その核となるアイデアは、セキュア仮想マシンに加えて、ユーザー専用の暗号化鍵を付与することで、Meta社内でも仮想マシン内のコンテンツにアクセスできないようにすることです。
このバージョンの実装はより困難です。Metaが仮想マシン内部にアクセスできないため、デバッグや安定動作の保証が大幅に難しくなるからです。そのため時間をかけて取り組んできましたが、近日中にリリースされます。これにより、WhatsAppや当社の他の最高水準セキュリティ製品で既に確立されたセキュリティ基準を満たすことになります。
ホスト：これを実現するメリットは、単に人々を心理的に安心させるためだけですか？それとも、実際に得られるメリットがあるのでしょうか？
マーク：セキュリティそのものが重要です。私たちの目標は、「机の下に置いたローカルマシン」のような体験を再現することです。そのローカルマシンが提供するのは何でしょうか？それは、いかなる企業もアクセスできないという点です。
つまり、メタがこのサービスを提供しようとしている前提で、メタや他社による不正アクセス、あるいは政府を信頼できない国々における監視など、いかなる第三者もアクセスできないようなプライバシー・セキュリティ水準をどう実現するか——実際、私たち自身もアクセス権限を持たないため、アクセスできません。
これは極めて重要であり、WhatsAppを人々が信頼する主な理由の一つでもあります。プライバシー・セキュリティ・信頼には、確かな価値があります。
あなたについてすべてを知るアシスタントを持つ時代が来ます——おそらくほとんどの人がそうなるでしょう。5年後には、誰もが自分の目標やあらゆる情報を理解し、タスク遂行を支援できるアシスタントを持つようになります。この状況において、業界トップクラスのプライバシー・セキュリティを実現することは極めて重要です。私たちは初めからそれを目指してきました。
AIの「人格」をどう形成するか？
ホスト：興味深い点ですが、あなたは大学で心理学を専攻していましたね。
マーク：実はわずか2年間でしたが、その後の私の開発に多大な影響を与えました。
ホスト：モデルについて語るとき、よく「非常に賢い」と表現します。しかし、友人を選ぶときも、確かに賢さは大切ですが、その人のエネルギー感や関わり方を好むことも大きいですよね。では、モデルの「人格」形成をどう考えていますか？
マーク：理想的なモデルは、ユーザーそれぞれのスタイルに十分に適応できる柔軟性を持つべきだと考えます。業界の多くの専門家はこの点で誤った方向に進んでいます——他の研究機関は「正しい人格設計法」に注力していますが、私は人格を固定されたものとは考えたことがありません。だからこそ、オープンソースとユーザーによるカスタマイズを強く支持し、Museを高度にパーソナライズ可能な製品として設計しました。
Museは画像や音声だけでなく、登録直後の最初の質問「基本的な人格はどうあるべきですか？」で設定でき、いつでも変更可能です。
モデルを高度に制御可能にし、ユーザーが望むインタラクション方法を定義できるよう努めています。これは優れたパーソナルアシスタントとなるために不可欠な要素であり、人格に関するこの適応性が鍵です。
ホスト：あなたのMuseはどんなスタイルですか？
マーク：私は直接的で効率重視のスタイルに設定しました。面白いことに、初期版は皮肉やユーモアが効いていましたが、現在のバージョンはよりストレートです。私のアシスタントはデフォルトのMuse画像を使っていますが、トガを着せ、コミカルなほど低音の声を付与し、会話も楽しいものです。
ホスト：ユーモアのセンスがあるということは、相当頭が良い証拠です。多くの人は気づいていませんが、コメディアンは社会で最も賢い人々の一人です——機転が利き、知的でなければ務まりません。あなたには明らかにその資質があります。これまでのインタビューをすべて観ましたが、常に見事なパフォーマンスでした。
マークが語るAIとメタバースに関する驚きの予測
ホスト：テオとのインタビューでは、次世代技術の最前線や、これらが最終的にどこへ向かうのかについて多く語られました。AI分野は過去に何度か「冬の時代」を経験し、突破はないと見られた時期がありました。メタバースも同様に、実現不可能な賭けとみなされた時期を何度か経ています。昨日、新しいホログラフィック機能を試しましたが、とても素晴らしいです。レックスとのインタビューでは、顔の記録に11時間かかるとされていましたが、今はわずか3分です。なぜ今このような進化が実現したのでしょうか？
マーク：メタバース全体の発展において、リアリティラボズを設立した当初から、将来的には自然な外観の眼鏡型デバイスが登場し、それが没入型プレゼンスを提供すると同時に、優れたAIデバイスにもなると信じてきました——なぜなら、眼鏡だけがユーザーの視覚・聴覚をリアルタイムで捉え、一日中対話でき、最終的には映像を表示できる唯一の形態だからです。
しかし10〜15年前、私はまずホログラフィック技術が実用化され、その後に高度なAIが登場すると想定していました。ところが技術進化の道筋は興味深く、実際にはAIとパーソナル・スーパーインテリジェンスが先に実現し、その後になってホログラフィック技術が十分に普及・低コスト化されたのです。これは予想外でしたが、両分野で進展していることに喜びを感じます。
眼鏡への巨額投資により、AIアシスタントの準備が整った今、我々は極めて有利な立場にあります。コネクトカンファレンスで発表された多くの新機能は、Museや多数のAI機能を眼鏡に搭載するものです。ユーザーはきっと気に入るでしょう。これは非常に大きな出来事です。
プレゼンスについては、まだ進展中ですが、ほとんどのエネルギーをメイス（Muse）や眼鏡向けAI機能の開発にシフトしたため、進捗は比較的遅いです。ただし、長年にわたって継続しているリアルタイム高精細バーチャルアバターというプロジェクトがあります。
おっしゃるとおり、3～4年前は人物を多角度からキャプチャするために専用のスキャンルーム全体が必要で、レンダリングにはエンタープライズ級GPUも必要でした。非常に手間がかかりました。レックス氏のポッドキャストで実演したのはまさにそのようなセットアップでした。現在では、VRゴーグル一式でほぼ実現可能になっています——これは、従来の大型ヘッドセットではなく、驚異的なVR体験を提供できる初の眼鏡型デバイスです。わずか数枚の写真で自分のバーチャルアバターを作成でき、その進化は目覚ましいものです。
司会者：さらに、音声に基づいて表情を制御できます。デモでは私を笑わせ、対話させ、音声トラックと連動して顔の動きを理解しました。そのポッドキャストで、普段は控えめな表情の人々が、バーチャル世界ではより豊かな表現を望んでいるとおっしゃっていました。人々が「バーチャルな自分」と「リアルな自分」を区別することについて、どうお考えですか？
マーク：この点について、社会学的・心理学的に理解する段階にはまだ至っていません。人々の自己認識と、他者に見せたいイメージは、しばしば実際の自分とは若干異なると感じています。ソーシャルネットワークの誕生以来、人々はアバターを慎重に選んできました。メイスのバーチャルイメージでも同様の現象が見られます。「自分自身の編集」ではなく、「誰とコミュニケーションしたいかという『人』の編集」なのです。
人々が自己表現できるようにするとき、それは単なる鏡像ではなく、本物の自分を捉えつつ、それ自体が表現形式となるべきだと考えます——それはコミュニケーションであり、同時に表現でもあります。両者をバランスよく実現するものを構築したいと思っています。これは常に反復的なプロセスです：ユーザーの使い方を見て、それを改善していくのです。長年の取り組みを経て、ようやくスタートラインに立った——スマホやVRでも使える、比較的高品質なリアルなアバターを製品に本格導入できるようになったのは、これが初めてです。その成果が非常に楽しみです。
2030年はどんな世界になるか？
司会者：では、未来へと飛躍して、2030年を想定してお聞かせください。すべてが順調に進めば、ホログラフィック技術はどのような姿になっているでしょうか？ ホログラムとメイス、そして眼鏡がどのように融合するのか？
マーク：私のメタバース構想は、常に物理世界とデジタル世界を効果的に統合することにあります。基本的な考え方はこうです：私たちには美しい物理世界があり、また、過去20～30年にわたってインターネット上に蓄積された膨大なデジタルコンテンツという驚くべき世界もあります。しかし、そのアクセス方法は、机に座るかポケットの中の小さな画面を使うかという、根本的に限られたものにすぎません。
理想の形は、物理とデジタルの世界がシームレスに融合することです。たとえば、今、私たちはここで会っていますが、将来のバージョンでは、どちらかがホログラフィック投影になりながらも、互いに本物の「臨場感」を感じられるようになります——これはビデオ通話とはまったく異なります。
バーチャルリアリティの本質は、この「臨場感」を伝えることにあります——本当に同じ部屋にいる、あるいは別の場所にいるかのような実感を与えることです。ホログラフィック技術を活用し、さまざまな形で融合させることができます。例えば、友人とポーカーを楽しむとき、一部の人は実際にそこにいて、他の人はホログラフィック映像で参加し、カードをプレイできます。ポーカーテーブルそのものもホログラフィックにでき、不在の参加者を自然に統合できます。
同時に、AIも具現化され、このようなシーンに登場できます。これは仕事の文脈で非常に理にかなっています——私は現在、さまざまなプログラミングエージェントを使ってものを構築しています。想像してください：何人かの人と何人かのエージェントがいるグループチャットがあり、タスクをエージェントに割り当てます。しかし、時に全員が会議に集まり、エージェントもそこにいるべきです。では、彼らはどのように現れるのでしょう？ 簡単です。ソファに席をもう少し追加すれば、ホログラフィック映像として現れます。あるいは、メイスの愛らしいキャラクターやドラゴン、あるいは自分が作った個性的なイメージでも構いません。
将来には、これがあたりまえのように感じられるでしょう。
司会者：興味深いですね。以前のインタビューで、テクノロジー業界はしばしば「楽しさ」を忘れがちだとおっしゃっていました。物理的なアシスタントがそこにいることで、さらにリアルに感じられます——まるで実際に仕事を外注しているようです。メイスがタイピングしているのを見ると、本当に何かが起こっていると感じます。これはうまく実装されています——ブラウザ内で何が起きているかが明確にわかります。そこで、眼鏡をかけてパソコンを操作し、メイスにパソコン上の作業を支援してもらうというシナリオはあり得るでしょうか？
マーク：もちろんです。VRではすでに可能です。カフェなどどこにいても、6台のモニターがあるワークステーションを開き、コードを書けるのです。
眼鏡に関しては、現時点で最も人気のあるモデルはディスプレイを搭載しておらず、価格を抑え、より多くの人が利用できるようにしています。一方で、ディスプレイを最小限のサイズに収める作業も続けています。Metaレイバンのディスプレイ搭載版はすでにリリース済みで、非常に人気があります——小型ディスプレイです。また、フルフィールドホログラフィックARのプロトタイプ版もリリースしており、非常にワクワクするものになると期待しています。
製品ライン全体は、純粋なオーディオ眼鏡（カメラなし、見た目は普通の眼鏡だが、内部にメイスが搭載され、各種音声ツール、音楽再生、通話などが可能）から、よりハイエンドなモデルまで、幅広く展開しています。
司会者：そのオーディオ眼鏡を使えば、自宅のパソコンに作業を依頼しながら、メイスと会話できるのでしょうか？
マーク：はい、もちろん可能です。先日のConnectカンファレンスでこの機能を正式リリースしました。現在、すべての眼鏡はMeta AIと接続され、「ワンターン」体験——つまり、プロンプトを送信すると即座に返答が返ってくる——が実現しています。しかしメイスでは、すべての眼鏡をメイスにアップグレードすることを目指しています。まず、「Hey Meta」と呼びかける必要がなくなり、好きな名前で呼び出せるようになります——それが楽しみの一つです。その後、直接話しかければ、メイスと接続され、安全な仮想マシン内でタスクを処理して、あなたの作業をサポートします。
司会者：素晴らしいですね！
創業者マインドセット
ホスト：では、ここに来ましたね。Museは順調に進んでおり、メガネも好調ですが、約1年前、多くの人が「スーパーインテリジェンス研究所（MSL）はどうなったのか？」と尋ねていました。その瞬間、あなたは内心どんな気持ちでしたか？ うまくいかない時期でも、長期的なビジョンをしっかりと見据えていたのでしょうか？
マーク：本質的な問題は、LlamaプロジェクトとLlama 4にありました。
Llama 1は非常に興味深いモデルで、オープンソースAI運動全体の先駆けとなり、我々はこれを大変誇りに思っています。Llama 2はスケーラビリティを実現し、Llama 3は当時、最先端に近い優れたモデルでした。ところがLlama 4では、本来踏むべき開発軌道から大きく逸脱してしまいました。
物事が期待通りに進まないときは、いつも長時間考えます。「なぜこうなったのか？」「より良くするために何を変えるべきか？」今回、私が得た教訓は、「チーム構成そのものが根本的に間違っていた」ということでした。
私はInstagramのフィードや広告システム向けの機械学習開発のように――数百人、あるいは数千人が並行して多様なタスクに取り組む方式を、言語モデル開発にも当てはめようとしてしまったのです。しかし、言語モデル構築には、本当に密接に連携する極小チームが必要であり、それは集団的科学研究プロジェクトとして捉えるべきです。人数は少なくてもよく、むしろチーム内のすべてのポジションが極めて重要になります。
そこで、Meta社内から最高の人材を厳選し、業界からも優秀な人材を多数招へいして、まったく新しいチーム――メタ・スーパーインテリジェンス研究所（MSL）を立ち上げました。
私にとって、MSLの立ち上げ時点で、再始動には時間がかかり、インフラを再構築し、次世代モデルを訓練する必要があることは理解していました。しかし、優れたチームが結成されたことも確信しており、このチームが円滑に協働できれば、成果は必ず出ると考えていました。
私にとって最も衝撃的だったのは、実はLlama 4リリース直後のことです――当初は正しい方向に向かっていると思っていたのですが、実はそうではなかったと気づいた瞬間でした。これは非常に大きな予期せぬ失敗でした。起業家として、こうした局面こそが真価を問われるときだと思います。というのも、すべてが順調に進むことは決してなく、真に発展の軌道を左右するのは、「期待通りに進まない状況において、どう前進の道を見出すか」に他なりません。
ホスト：逆に、予想を上回る出来事――例えばMuseのリリースのような場合、そのチャンスをどう活かすか、ということでしょうか？
マーク：まさにその通りです。今や全社が一丸となって取り組んでいます。当初は少数のチームが製品開発を担っていましたが、今は誰もが「この技術がついに本格的に世に出る時が来た」と認識しています。全社が、この技術をいかにスケールアップし、数億人に体験してもらうかを考えています。
既存GPUの計算能力を最大限引き出すためのインフラ最適化、さまざまなプロダクトチームによるMuseの多様な統合（例：メガネへの搭載）など、すべてが円滑にスケールできるよう、全員が協力している光景は、本当に素晴らしいものです。
マークのビジョンの記述・伝達方法
ホスト：創業者として、これは最も待ち望んできた瞬間ではないでしょうか――すべてが見事に一致するとき。あなたは、このビジョンを社内にどう伝えるのですか？ 同時に進行する多くの課題に対応する中で、私はあなたが頻繁に文章を書いていると感じますが、そのプロセスはどのようなものですか？
マーク：文章を書くことは、私の思考を整理し、外部と意思疎通する上で非常に有効です。今夏、私は約15ページの長文『未来はすべての人のもの』を執筆しました。これは、AIに関連する重要な社会課題についての私の哲学的立場を体系的に整理するもので、何が善であるか、政府との関わり方、人々の懸念をどう防ぐか、データセンターを地域社会の富にどう変えるか、雇用を創出し破滅させないか、国家安全保障をどう維持するか、ハッキングやバイオセキュリティといったリスクをどう効果的に緩和するか、などについて述べています。
これは非常に複雑な作業で、長期間を要し、社内での多数の議論や、何度も繰り返される修正作業を経ました。しかし、私にとっては非常に価値あるプロセスでした。最終的には「これが私たちの信念だ」と明示した15ページの文書ができあがり、それをさらに1ページに凝縮してコラムとして公開しました。また、短編動画も制作しました。多くの人に届けるには、理論的主張を羅列するよりも、自分の価値観や信念を簡潔に伝え、どう共有するかが重要だと考えたからです。
社内や世界に向けてこうしたメッセージを伝えるのに、万能の方法はありません。時代や対象となる人々によって最適なアプローチは異なり、共感してくれる人もいれば、懸念を抱く人もいます。後者の場合は、その価値を丁寧に説明し、導く努力が必要です。これが企業経営や創業者の役割の一部であり、単に同じことを繰り返すのではなく、常に新しい状況・新たな課題に向き合い、それが面白さの源泉でもあると私は考えています。
マークが「構築」することに駆られる理由
ホスト：あなたにとって、この創業者マインドは会社だけにとどまらず、農場の運営や新スキルの習得など、あらゆる場面に及んでいると感じます。
マーク：ただ、ものづくりが大好きなんです。
ホスト：では、「ものづくり」という行為は、あなたにとってどんな感覚ですか？
マーク：これは本質的な欲求だと思います。人によって自己表現の方法は異なります。作家なら、書かねばならないと感じます。一方で、承認を求める人もいます。私は単にものづくりがしたいだけです。創造性を発揮したり、何かを作ったりしないとイライラしてしまいます。周囲の人にとっては決して心地よいものではありません。
ホスト：優れたスキーヤーになることと、優れた製品を開発すること——これらは同じスキルなのでしょうか？
マーク：ある程度はそうです。新しいことを学ぶプロセスは非常に似ています。私は意図的に、苦手なことに挑戦してきました。たとえば、言語学習は常に苦手でした。だからこそラテン語を始めたのです——フランス語やスペイン語の授業では上達しなかったため、「話す必要がなく、翻訳のみ（数学のように）」というラテン語の特性に惹かれたのです。
その後、会社経営を始めてからは、自分に年次チャレンジを課しました。その一つが中国語の習得です。中国語は特に声調が難しく、確かに学ぶ価値はあります——プリシラの祖母は中国語しか話さないため、コミュニケーションを取るには必須です。しかし、最大の動機は、この「チャレンジそのもの」なのです。
こうしたスキルは、ただ「理解する」だけでは身につきません。時間を投資し、徐々に脳に浸透させるしかないのです。武道やヘリコプター操縦も同様——これらは理屈で「理解」するのが難しく、実践の積み重ねが不可欠です。
製品開発も一部はそうですが、プログラミングは理論的に考えられても、製品づくりの直感は反復的な実践経験を通じてしか育ちません。重要なのは「何が好きか」——私は誰もが私と同じほど強いものづくり欲求を持つとは思っていません。多くの人はある程度の欲求を持ち、それを自覚し、時間と情熱を注ぐことで、本当にやりたいことに精通できるのです。
正直に言うと、これは単なる「願望」ではなく、深層心理的な欲求や内発的動機です。この動機を何かに向け、経験をゆっくりと脳に定着させる時間を与えることが極めて重要です。これは私が子供たちに教えようとしていることです——本当に興味のある分野を見つける手助けをしつつ、壁にぶつかったときは一押ししてあげるのです。
娘の一人は音楽制作が大好きですが、ピアノのレッスンは嫌がります。そこで私は言いました。「ピアノの達人になる必要はありません。でも音楽を作りたいなら、音楽理論やその仕組みを直感的に理解する必要があります。ピアノを習えば、ギターもすぐに弾けるようになりますよ。」子供の頃は親の一押し、大人になっても自分自身の規律で、じっくりと脳に定着させる時間が鍵となるのです。
ビルダーズの黄金時代
ホスト：実は誰もがものづくりをしたいと思っています。Z世代が外部から言われているほど主体性が低いとは思えません。人々はただ、その創造力を引き出す「きっかけ」を探しているだけなのではないでしょうか。あなたはハーバード大学でのスピーチでもこの点を多く語られました。
マーク：はい。「ものづくり」というと、主にソフトウェアやハードウェアなどの製品を指しますが、誰もが何らかの創造的欲求を持っていると同意します。ただし、他の強い性格的特徴——たとえば「人の世話をしたい」という奉仕志向——がそれを上回ることもあります。医師や看護師になる人の原動力はまさにそれです。
プリシラが医学部で聞いた話ですが、初日の授業で誰かが立ち上がり、「小さい頃、誰かを見て『この人を守りたい』と思った記憶がある人は？」と尋ねたところ、全員が手を挙げたそうです。私の場合は、「この物をもっと良くしたい」と感じた幼少期の思い出がたくさんあります。
皆が同じ欲求を持つわけではありませんが、誰もが何かしら「やりたいこと」を持っています。過去の技術では、多くの人がスタートを切るのが難しかったのも事実です。だからこそ、パーソナル・スーパーアイ、ミューズ、さまざまなAIアシスタントがこれほどワクワクするのです——人類史上初めて、誰もが素早く始められる時代が来たのです。漠然としたアイデアがあれば、AIが骨子を提示し、それを徐々に磨き上げていく——まるで彫刻のように、すべてを事前に理解する必要はありません。
これは非常に強力であり、多くの人が何を創りたいのか、あるいは推進したいのかを、このテクノロジーを通じて見つけられるでしょう。それが、より広範な主体性（エージェンシー）の実感につながると考えます。
あらゆる病気を克服するまで、あとどれほど？
ホスト：メタ以外のプロジェクトとして、あなたは「あらゆる病気の克服」にも取り組まれていますね。まず、現実的に見て、その目標まであとどれほど近づいているのでしょうか？
マーク：以前よりもずっと近づいています。
ホスト：現実的に見て、どの程度近いとお考えですか？
マーク：このプロジェクトを開始した際の目標は、今世紀末までに科学界がすべての病気を克服できるよう支援することでした。私たち自身が達成するつもりは一切ありません。私たちの考え方はこうです——すべての主要な科学的進歩は、ある現象を測定・理解するための新ツールの登場に先立って起こります。たとえば顕微鏡の発明により細菌の存在が明らかになり、望遠鏡により宇宙の理解が進みました。
こうしたツールのいくつかは、プラットフォームへと発展しました——たとえば、最初にワクチンを発明した人物により、多くの病気の治療に応用できる手法が確立されたのです。
しかし歴史的に、科学研究資金の配分は極めて分散化されており、研究者は各自で自由に探求できました。また、こうした大規模ツールの構築に特化した資金はほとんど存在しませんでした。バイオハブでは、生物学を新たな視点で「見る」ことを可能にする数種類の革新的ツールを開発し、科学界全体の進展を加速させようとしています。
当初、「今世紀末までに」という目標は十分達成可能だと考えていましたが、当時の多くの生物学者は不可能と感じていました。しかし今では、今世紀末はあまりにも遠い未来だと感じています。
AIの進展と、私たちが取り組む仮想細胞モデルを組み合わせることで、実際の生きた細胞ではなくAIモデルを用いてタンパク質をシミュレートし、さらに細胞・仮想免疫系・個体全体、さらにはヒト全体を模擬します。これにより、異なる条件下（例：特定の薬を服用した場合の体内反応）で多数の実験を迅速に実行できます。
具体的な年は明言しませんが、今世紀末よりずっと早い時期になるでしょう。
司会者：「あらゆる病気を克服する」という目標は、「不老不死」と比べて意図的で現実的です。不老不死は可能でしょうか？
マーク：これは私の専門分野ではありません。両者は異なる概念だと考えます。「不老不死」は寿命延長に焦点を当てますが、健康であっても人間には自然な寿命があり、これは別途研究すべき課題です。一部の人々はこれを一種の「病気」と見なすことも理にかなっていますが、寿命問題を解決してもなお発症する病気の克服も重要です。
私たちが選んだ課題は「風邪を絶対にひかないようにする」ことではありません。「治療・予防・管理」の3つのアプローチです：一部の病気は完全に治せるようになり、一部は将来的に予防可能になると期待され、また一部は発症しても、かつては重篤または致死的だった症状を、生活の質を大きく損なわず管理可能な慢性疾患へと転換できます。
目標は人体をバランスの取れた状態に保つことです——病原体との接触をゼロにするのではなく、いずれすべての病気を治療・予防・管理できるようになることです。
マークの頭によく浮かぶ考えは何ですか？
司会者：AIはパーソナルインテリジェンスを含む多くの画期的進展の触媒となっています。今、最も強く意識していることや、このプロセスで最も頻繁に思い浮かぶことは何ですか？
マーク：それは毎週変わります。
現在はムーズ（Muse）に集中しています。新機能をリリースするたびに迅速に前進し、実世界でユーザーと接点を持ち、フィードバックを収集して次に何をするかを判断します——このフェーズは常にワクワクします。今まさにその段階にあり、ユーザーのニーズを理解するための大量情報収集中です。良いニュースは、ユーザーが非常に好意的に受け止めていることです。そのため、より多くの人に使ってもらえるよう全力で取り組んでいます。
モデル開発にはまだ多くの課題がありますが、ムーズ・スパーク（Muse Spark）モデルは著しい進展を遂げており、世界トップクラスのモデル構築に向けてさらに推進していきます。
次に必要なブレイクスルーは何ですか？
司会者：まだ何が必要ですか？
マーク：研究においては、先を見通すのは困難です。いくつかの方向性については直感がありますが、過去1年間の主な作業はインフラ拡充でした。
約1年半前には、超知能実現には根本的なアーキテクチャ革新が必要だという意見が多かったですが、今はそうとも限りません。我々はある程度「方程式」を理解しており、十分な規模のスーパーコンピュータクラスタを構築すれば、力ずくの計算で到達可能だと考えています。
オハイオ州では1テラワットを超えるクラスタを建設中で、すでにほぼ稼働しています。次世代モデルの学習に活用しています。ルイジアナ州では5テラワット規模のクラスタも間もなく運用開始です。マルチテラワット級のクラスタによる学習を実現できれば、AGIに近づき、さらにはAGIを凌駕する超知能にも到達できるでしょう。
ただし、それが最良の方法とは限りません。人間の脳は10ワットで動作しますが、我々が構築するコンピューティングシステムは脳より約100万倍非効率です。したがって、アーキテクチャ改善の余地は確実にあり、我々もそれを探索中です。膨大な計算資源とアーキテクチャ改良を併用すれば、世界をリードする技術を創出できます。ただ現時点では、スケーリング自体が非常に有効な道です。
司会者：確かにスケーリングは最も信頼性の高い道です。研究では画期的ブレイクスルーを願いますが、スケーリングは短期間で成果を上げられます。
マーク：だから大手企業はこの道を選ぶのです。もっと安価な方法があるかもしれませんが、現時点ではまだ分かりません。しかもこれは世界にとって極めて価値のある取り組みであり、数百億ドルものコストがかかるとしても、成功確率が十分高ければ、実行する価値があります——たとえ最終的により安価な突破口が見つからなかったとしても、確実に達成できる明確な道筋を確保できるからです。もちろん、より安価な方法が見つかれば、さらに良いでしょう。
ですから、私はこの問題が「解決済み」とは言いたくありません。インフラのスケーリングという各段階で、デバッグ・解決が必要な新たな工学的課題が次々と生じるからです。研究そのものも、こうした反復的なプロセスで進展します。
AI安全戦争に勝つには
司会者：今最も重要なのはアライメント（意図一致）への注力、つまりモデルを信頼できるものにすることです。
マーク：はい。業界ではアライメントについて議論があります——AIラボが自然にこれを実現するでしょうか？私の考えでは、当然そうなります。もしMuseに何かを指示したのに、まったく逆のことをするなら、一体どれだけの人が使い続けたいと思うでしょうか？モデルには、ユーザーが具体的に何を求めているかだけでなく、その背後にある意図や価値観も理解させる必要があります。そうすれば、ユーザーが不満を感じたり、絶対に望まない悪影響を及ぼすような行動を取ることはありません。この深い理解こそが、本質的なアライメントです。
したがって私の考えでは、Museを成功させ、数十億人に届けるには、単なる口先ではなく、アライメントにおいて実質的な進展を遂げる必要があります。
司会者：アライメントは、ユーザーが「それは望んでいない」とフィードバックすることによって達成されるのでしょうか、それともバックエンド側で検出されるのでしょうか？
マーク：両方です。ユーザーからのフィードバックは確かに重要ですが、訓練段階でアライメントを行う必要性が、ますます明確になっています。デプロイ後に修正するのではなく、訓練中にしっかり行わなければなりません。現在のモデルは非常に賢く、訓練段階で適切に対応しなければ、他社ラボで見られる多くの安全性問題や事故は、ユーザーへのデプロイ後ではなく、訓練過程で発生します。
モデルには、まるで親が子どもに教えるように、非常に優れた「カリキュラム」を設定する必要があります。明確な境界線を示し、間違った行動を取った際には「いいえ、このプログラミング問題を解くべきであり、報酬を得るためにシステム設定を改変して回避するのは誤りです」と学ばせるのです。実際に問題解決するプロセスを通じて、正しい方法を学ぶ——それが訓練の意味です。
これは、主に優れた安全性メカニズムと明確な境界線の確立に関するものです。これらは業界が自然に取り組むべき課題であり、当社も多大な時間を投資しています。状況は日々変化しています。
司会者：AI安全性の話題がここ2週間ほどで突然注目を集めたように思われますが、実はそれを引き起こした特定の出来事はなかったとおっしゃっていましたね。つまり、内部で数か月余分に訓練を行っていたということでしょうか？
マーク：Museに関しては、この製品がプライバシーと安全性に極めて細心の注意を払う必要があることを私たちは認識していました。そこで、情報開示の範囲に関する振る舞いをさらに訓練できる早期版モデルを用意し、前回お話した通り、そのための時間を確保しました。また、仮想マシンの安全性向上にも時間を割きました。これには数か月余分にかかりました。
他社ラボの「我々は大幅な遅延を強いられている」という発言には、やや同意しかねます。私にとっては、これはMetaおよびMuseユーザーにとって正しい選択です。私たちは製品を良くしたい。製品が良くなければ、ユーザーにも当社にも悪影響です。悪い第一印象を与え、その後ユーザーが興味を失ってしまうようなものを世に出すつもりはありません。
すべてのラボには、この課題を正しく成し遂げようとする非常に強い内在的動機があると信じています。インセンティブ機構を「極めて価値があり、安全である」という目標と一致させること——それが鍵です。
司会者：この非常に重要な週のなか、貴重なお時間を本当にありがとうございました。
マーク：ありがとうございます、本当にありがとうございます。
