字幕（全文）
Sam: 当ポッドキャストへようこそ。ホストのSamantha Duchschererです。今日はSelim Nahasさんをお迎えしています。Selimからは、AIの世界において「現実のもの」「まだ理想段階のもの」「すでに価値を生み出しているもの」という視点から、実践的な視点を伺います。Selim、ようこそ。
Selim: ありがとうございます。
Sam: いつものように、まずはSelimのストーリーから始めましょう。視聴者の皆さんに、ご自身のことや、AIの世界に足を踏み入れた経緯について少しお話しいただけますか？主に知りたいのは、何がきっかけで興味を持ったのか、そして現在の仕事においてAIがどのように関わっているのか、という点です。
Selim: はい、もちろんです。それではまず、私の仕事内容と、現在アプライド・マテリアルズでの役割について自己紹介から始めさせてください。現在、私はグローバル戦略マーケティングのディレクターを務めています。これは、ファクトリーオートメーションの3つの部門を統括する役割です。具体的には、生産性、MES、そしてプロセス制御、つまりプロセス品質グループに関する業務です。これまでの経歴ですが、私は半導体製造業界に30～31年間携わってきました（つまり、もう実質的に年寄りだ）。そして、半導体業界を形作ってきた、さまざまな思考プロセスを見てきたと断言できると思います。
かつては、今日ほど自動化が進んでいなかったため、200ミリメートルから300ミリメートルウエハーへと移行し、そのプロセスがどれほど完全に自動化されたかを見るという概念そのものが、「はい、私は完全自動化施設で働いています」――いわゆる「ライトアウト」――と言えるようになる上で、画期的な一歩でした。それらは完全に自動化されています。しかし、その後、自動化という概念が登場し、それがAIと結びついたとき、それは本当に刺激的な出来事でした。私にとって、それにはただ一つの願いがありました。「もっと早い時期にこの技術が登場していればよかったのに」と。そうすれば、もっと長くその技術と向き合う時間が持てたでしょうから。しかし、それを目にした瞬間、私はすっかり魅了され、早い段階から実験を重ね、その限界がどこにあるのかを理解しようと深く引き込まれていきました。そして今日、私はそれをプロセス制御のパラダイムやビジネスのパラダイム、さらには工場全体の自動化パラダイムといった様々な場面で活用しています。つまり、一言で言えば、これが私の歩んできた道のりであり、私は顧客側とベンダー側の両方を経験してきました（いわば、コインの両面を経験してきたのです）。そのため、ベンダー側と顧客側の双方が抱える課題を深く理解しています。
つまり、一言で言えば、それが私です。そして、私はアメリカ合衆国の北東部に住んでいます。ボストンにいます。
Sam: いいですね。さて、最近話題になっているのは「エージェント型AI」という用語ですよね？（もちろん、あなたはこの用語を十分にご存じだと思いますが。）そこで、あなたの視点から、半導体業界の文脈におけるエージェント型AIについてお話しいただけますか？それはどういう意味なのでしょうか？また、どういう意味ではないのでしょうか？
Selim: わかりました。私が考えていること、つまり私が実際に取り組んでいるのは、AIの「構成要素」という概念です。LLMや、専門的な機能のライブラリ――いわばツール――を取り上げ、会話の内容を記憶させるにはどうすべきか、あるいは特定のアプリケーションに関連する情報を検索する問題をどう解決するかを考えた場合、それらはエージェント型ソリューションを構築する際に考慮すべき構成要素となります。
それらをすべて「エージェント」という概念を通じて統合することこそが、本質的に、それらのツールをエージェント型ソリューションへと変換する方法ですよね？ですから、この点に多くの人が追いつけていないのだと思います。というのも、その変化のスピードがあまりにも速いからです。ここ2～3年の間に、この分野では多くの技術的変化が見られたと言っても過言ではないでしょう。したがって、「エージェント型」という定義は、本質的に、特定の目的のために、それらのすべての要素をアプリケーションとエージェントの形で組み合わせたものと言えます。
そして、この件について最後に言いたいのは、これは「万能型」ではないと私は考えているということです。特定のタスクには、私が信頼する高度に専門化されたエージェントが存在し、それらは巨大になるようには作られていません。それらは比較的小さく、軽量で、高度に専門化されるように作られているのです。つまり、エージェントは文字通り「専門家」であり、特定のタスクにおけるAIの専門家として機能し、いわばより大きなコミュニティに組み込まれていると考えてください。そして、それが本質的に、エージェント、あるいは「エージェントの世界」、そして（より適切な言葉が見つからないので）エージェントのコミュニティを生み出しているのだと思います。
Sam: そうですね、あなたが言及された点には、私も詳しく掘り下げたいことがたくさんあります。「画一的なアプローチではなく、高度に専門化されている」という点については、私も同感です。それらは構成要素ですね。では、エージェントについて人々が話す際、他にどのような誤解を耳にすることがあるのでしょうか？
Selim: さて、私が目にする主な誤解は2つ、あるいは3つあると思います。1つ目は、「どの規模のエージェントを検討すべきか？」というものです。自分の行っている作業に対して、どの規模のLLMを検討すべきか？自分のニーズに合った規模をどうやって決めればいいのか、ということですね。そして、これまでは、巨大なモデルやその類のものに極端なほど重点が置かれてきました。私は、あらゆる用途に巨大なモデルが必要だとは確信していません。実際、むしろその逆だと思います。特定の目的のために、相互に連携した小規模で精密なモデルの方が、はるかに効果的で、コストパフォーマンスも高く、トレーニングもはるかに容易だと考えています。これが第一点です。
2つ目は、これらをどのように連携させるかという戦略、つまり実際に物理的にどのように構築するかということだと思います。そして、そこから派生して、コンピューティングの観点から、これをどのようにアーキテクチャ設計するかという疑問が浮かび上がります。どのように分散させるのか？ どのように通信するのか？ いつ通信するのか？クラウド、商用クラウド、オンプレミス型クラウドのいずれで実現するのか、あるいはそれ以外なのか？ これが重要なポイントだと思います。つまり、これはある意味で、根本的な誤解の一つと言えるでしょう。
もうひとつ、ぜひ触れておきたいことがあります。それは、実は見落とされがちな重要な点です。私の見解では、AIが成し遂げていることで、これまでのどの技術も成し得なかったのは、デジタルツイン・モデリングという概念を実現し、これまで不可能だった方法で学習を可能にしているという点です。そこで、ここで一旦話を止めて、私が何を言おうとしているのか説明させてください。その後、また一旦話を止めて、皆さんに私の言いたいことが理解できたかどうか確認させてください。
ここでいうデジタルツインの概念とは、理解したい対象をモデル化できるという能力のことです。これまでは、多くの優秀な人材を雇い、彼らに膨大な相関分析や――ご存知の通り――システムの特性を把握するといった作業を行わせていたものです。ここで異なる点は、そうした専門家たちがどれほど優秀で経験豊富であっても、デジタルツインのような概念には太刀打ちできないということです。デジタルツインは本質的に極めて効果的なモデルであり、私たちが存在すら知らなかった関係性を浮き彫りにし始めるのです。これにより、私たちは議論を次のような方向へと導くことができるようになります。「理解するために学ぶべき事項のリストはこちらです。これは、あなたが予期していなかった、あるいは考慮していなかった相関関係の一例です」という方向へと、議論を導くことができるのです。したがって、AIの設計面においては、AIソリューションを構築したいと考えているシステムのための、こうした種類のデジタルツインやモデルへの投資と構築が、より重要になっていくでしょう。
そこでひとまず話を中断させてください。これは概念的には抽象的だと承知していますが、実は今日、最高の成果はまさにそのようにして生み出されていると私は信じています。
Sam: 先ほど、小規模で精密なモデルについて触れられた後、デジタルツインという、いわば包括的なアーキテクチャについて話に展開されました。そこで、私の質問、あるいは補足として――誤解を避けるために――お聞きしたいのですが、先ほど挙げられたデジタルツインの例には、具体的にいくつの小型モデルが含まれているのでしょうか。
Selim: なるほど、それは良い質問ですね。例えば、私は半導体製造装置のモデル化を行ったことがあります――これは純粋にその仕組みを理解するためでした。その際、実際のAIプラットフォームやエージェント群、自動化プラットフォームを活用しました。そして、最初のモデルが完成した時点で、おそらく35から40個ほどのエージェントが連携して動作しており、各エージェントは装置内の特定のタスクに高度に特化していたと言えます。つまり、最終的に私が手にしたのは、基本的には単一の装置を表すだけのモデルでしたが、その中には30～40のエージェントが含まれていました。もしもっと入念に取り組んでいたら、その数はさらに30％から40％ほど増えていたかもしれないと思います。
これらは比較的小規模なエージェントであり、非常に具体的な専門的なタスクを担っています。また、モジュール式で構成されており、目的も極めて明確であるため、管理が簡単です。したがって、何らかの理由でこれらのモデルのいずれかが私のニーズを満たさなくなったり、曖昧な結果が得られたりした場合は、そのモデルをさらに単純化するか、規模を縮小して（よりピンポイントな処理に限定して）対応することができます。あるいは、AI用のツールセットに組み込まれた、ハードワイヤードなソフトウェアコンセプトの方が適していると思われる場合は、パラダイムを根本から変更することも可能です。
ご質問にお答えすると、私は、あらゆる質問に答えられるような一種の「モノリシックな巨大AI」から、その特定のツールに特化したエージェントのコミュニティへと、パラダイムが変化しつつあると考えています。したがって、30～40という数字は決して珍しくなく、その答えは今後さらに大幅に精緻化される可能性があります。3倍にも4倍にもなるかもしれませんし、逆に減少する可能性もあります。しかし現時点では、私が観察している状況から判断すると、これを実現する最も効果的な方法は、こうした多数の小さなエージェントを活用することだと考えています。
Sam: それから、いつも出てくる疑問として、エージェントが行動を推奨する場合と、実際にその行動を実行する場合の境界線をどこに引くべきか、という問題があります。これはエージェントレベル、ツールレベル、デジタルツインレベルのいずれで捉えるべきでしょうか？それとも、もしかするとそのすべてなのでしょうか？
Selim: 素晴らしい質問ですね。デジタルツインのレベルは、私の学習サイクルそのものです。私はこれを使って設計や構築を行っています。実行時には、ある種の階層構造が確立されていると考えています。これが、エージェントがこれほど多く存在する理由です。それでは、「ツールレベル」とはどういう意味か、説明させてください。
私のケースでは、ツールの実際の物理的なパーツに対してエージェントを適用しました。つまり、ツール内の各コンポーネントにはそれを制御する一連のエージェントがあり、さらに、これらのパーツエージェントと連携しながら、それぞれ異なる責任を担う包括的なエージェント群が存在していたのです。例えば、学習エージェントがあるとします。その学習エージェントは、データ取得エージェントの動作を比較検討するかもしれません。一方、データ取得エージェントはツールのすべてのパーツと通信し、 「君からどんなデータを受け取っているか？」と尋ねると同時に、「私が実行するよう依頼したリクエストに対して、君に何を期待しているか？」（つまり、ツールに対して呼び出したレシピなど）とも比較するのです。そこには階層関係があると思います。
つまり、デジタルツインという仕組みは、ツールのソリューションをどのように構築するかを設計する手助けとなるものです。また、実行時には、これまで自動化が機能してきた「感知・判断・対応」という世界観からの脱却を意味していると思います。何かが起こると（感知）、私たちは何をすべきかを判断し、分析した上で対応するという流れでした。そして是正措置を講じます。ここで新しいのは、その先にある一連のエージェントが、私たちの行動とその有効性を監視しているという点です。そして、それが有効だったか否かにかかわらず、重要なのは「今回の学習に基づいて、次回はどのように行動を変えるべきかをシステムに理解させることができるか」という点です。その概念とは、何かを実行するたびに、一つ一つの実行から学習することで、徐々にパフォーマンスが向上していくというものです。
では、ご質問にきちんとお答えできたか確認させてください。先ほど、デジタルツインという概念と、プロセス制御側のエージェントという概念が出てきましたから――あくまで一つの例として挙げただけですが。これで分かりましたか？
Sam: そうですね、それはとても納得できました。これでよく理解できました。このツールの例についてですが、開発中に一番驚いたことは何でしたか？
Selim: そういえば、面白い話なんだけど。一番驚いたのは、文字通り子供の頃、科学的方法を教わった頃に戻ったような感覚だったんだ。子供の頃は、周りがみんなすごく頭がいい人たちだから、何でもうまくいくと思いがちだよね。彼らは何でも知っているんだって。でも、実際はそうじゃないんだ。ある方法に従って、その方法を実践する中で発見していくんですよね？ だから、そのプロセスにおいて、今回のケースも他と何ら変わりませんでした。まったく同じように進んだんです。でも、本当にワクワクしたのは、予想もしていなかったことが浮き彫りになったことでした。それがすごく気に入ったんです。まるで「相棒」がいるような気分で、誰かが私の肩越しに「あ、これ忘れないでね」 「ところで、この2つもそういうことを追跡していることに気づいた？」と。それが最もワクワクする部分でした。つまり、一方で、この手法は私の初期の教育から確かに馴染みのあるものでしたが、今やそれはある意味で――まるで、私にはない資産やスキルを持つ複数の専門家が後ろ盾になっているような存在が、道のりの至る所で私を助けてくれているかのように感じられたのです。
それは本当に刺激的な体験でした。まるで、他のメンバーたちが私とシームレスに連携して物事を解明しているかのような感覚だったからです。そこで得た知見は非常に重要でした。もしあのプロセスを経ていなかったら、最終的なデザインに組み込まれた主要な概念のうち、少なくとも2つか3つは見落としていたでしょう。この経験を通じて、私はこう気づかされました。「この実践を経なければ、単なるパワーポイント上の話や、概念的な議論にとどまってしまう」と。これによって、一段階深く掘り下げ、「これならうまくいくかもしれない」と言える段階まで到達できるのです。このモデルが、私たちが望むすべてを網羅しているわけではないかもしれません。すべてを解決するわけでもなく、実際に運用に移せば、まったくうまくいかない可能性もあります。しかし、このモデルは、私が着手するために本当に理解しておく必要があった思考プロセスを、確実に踏み抜く助けとなりました。つまり、これについて議論し、要件や考慮事項、そして実際に何かを構築するための段階的なアプローチを、いわば紙に書き出すための土台となったのです。
Sam: 実際のシステムにおいて、リーダーはこうしたさまざまなタイプのエージェントについて、どのように考えるべきだと思いますか？
Selim: 人々は一歩引いて、世界に対するこれまでの考え方をすべて見直す覚悟を持つ必要があると思います。つまり、これには2つのアプローチがあるということです。一つは、多くの人がそのアプローチを取る「毎日こなしているこの仕事がある。AIにどうやったらこの仕事を任せられるか？」という考え方です。これは一つの考え方です。
別の見方をすれば、私たちのあらゆる活動の根源において、今や私は、そもそもこの問題の根源となっている具体的な要因に対処する一連のエージェントを動員できるようになったのです。もしそうして、それらすべてを連携させて動作させたら、私が抱えているこのタスクはどのように変わるでしょうか？ 最終的には、そのタスク自体がもはや存在しなくなっているかもしれません。つまり、「自動化したいタスクがある」と言う人と、「システムが現在このように機能するようになったため、そのタスク自体が不要になり、もはや存在しなくなるような仕組みを設計した」と言う人との間には、非常に大きな違いがあります。システムは単にそのように機能し、そもそも設計段階でそれを考慮しているのです。つまり、私たちが注力すべきことは今や全く異なるものになっています。これらは、いわば新たな意思決定のレベルであり、以前はただ到達することを目指していただけであったものが、今では実際に到達できるようになったのです。
それもかなり抽象的な話だとは分かっていますので、ここで一旦立ち止まって、この説明が理解できたかどうか確認させてください。
Sam: 確かにそうでした。今後12～24ヶ月先を見据えたとき、今日では曖昧に聞こえるかもしれないが、その頃には当たり前になっていると思われる機能は何か、一つ挙げるとしたら何でしょうか？
Selim: 2027年から2028年にかけては、AIの世界が表舞台に登場し、（他に適切な表現が見つからないのですが）世界全体に経済的な波及効果をもたらし始める、非常に重要な年になるだろうと私は考えています。その理由は――つまり、これから変わっていくのは――AIの活用方法を理解する人々のコミュニティが大幅に拡大していくことにあると思います。現在、人々がCopilotの使い方を学び、基本的な活用事例や、ちょっとした重要な課題への対処法を身につけていく様子を目の当たりにしています。
しかし、今から、例えば26年や27年にかけて（あなたの想定する時間軸も間違いなくその範囲内でしょう）、そうした変化を遂げ、成長していくコミュニティの中から、新たな応用例や新しいものが次々と現れてくるようになると思います。そして、そうなったとき、必然的に、新進気鋭の学生たちや、柔軟な考えを持つ大人たちなどが、世界について新たな視点で考え始めるようになるでしょう。そして、この点に関しては人々の間にある種の分断が生じるだろうと思います。それを受け入れられず、取り残されてしまう人々もいれば、それを受け入れ、驚くべきことを成し遂げる人々も現れるでしょう。しかし、結局のところ、重要なのは人々がその技術をどう活用するかを学ぶことにあるのだと思います。
私にとっては、これはアーティストの絵の具セットと何ら変わらないですよね？ 誰でもキャンバスと絵の具セットを手に入れることはできますが、誰もが絵を描けるわけではありません。そして、絵を描くことを学ぶ人の数は大幅に増えるだろうと私は考えています。その結果、さらなるイノベーションやユースケース、普及が促進され、これまでにはなかったようなものが次々と現れ始めるでしょう。新しいビジネスや新しい思考プロセスが現れ始めるでしょう。コミュニティ全体がそれらを以前よりもはるかに受け入れやすくなるはずです――まるで自動運転車のようなものですよね？15～20年前は、誰もそんなものを持っていませんでした。今日では、タクシーを呼べば運転手がいなくてもやってきます。ですから、10年後には、このようなものが他にもたくさん現れてくるだろうと思います。
大きな影響を受けない業界は一つもないと思います。これはあらゆる分野に当てはまります――法律、会計、工場自動化、製造、物流――この影響を免れるものなどありませんが、だからといって人が置き換えられるということではありません。私はそうは考えていません。私が考えるのは、私たちが達成できることが新たなレベルに到達するということです。そこで、ジェンセン・フアン氏が言ったある言葉が私の心に深く刻まれています（スコットもまたその話を持ち出したと思いますが）、私はこの言葉が大好きです。「AIのせいで仕事を失うわけではない。AIの使い方を知っている誰かのせいで仕事を失うのだ」。私もその意見に賛成です。つまり、先ほどあなたが私に尋ねた「この経験から何を学び、何を得たか」という点に立ち返ると、私はこう感じました――まるで背後にAIがいて、常に私の肩越しに見守ってくれているかのように、AIが私を助けてくれていると実感したのです。私には開発者のチームがいました。コードを1つ書く必要があれば、AIに書かせれば、ほんの数分でやってくれました――そんな感じです。これは、AIが登場する前には存在しなかった、私たちの周りの世界が「増幅」された結果だと思います。AIが登場する前は、それは非常にコストがかかり、非常に時間がかかっていました。そして今、仕事を海外に委託する必要はありません。何もする必要はありません。やりたいことはすべて、この場でこなせるのです。どこへ旅行に行ってもオフィスを持ち運ぶことができ、基本的にいつでもこれらのリソースにアクセスできるのです。
ですから、これはまったく新しいことだと思います。
Sam: そうなんです、本当にワクワクする時期ですよね。毎日仕事に行くたびに、心から「今日は何を学べるかな？」って思うんです。毎日がまるでジェットコースターのような気分です。
Selim: 本当に楽しくて仕方ありません。それにね、一日の終わりに「ああ、今日はまた新しいことを成し遂げたな。これは未踏の領域だった。今日、新しいことを成し遂げたな」と、文字通り自分に言い聞かせる日があるんです。その内容はなんでもありです。例えば、オフィスでローカル環境のネイティブアプリを動かす方法を学んだとか、以前はやり方がわからなかったことかもしれません。あるいは、動作させるのに技術的な問題があったり、結果が期待以下だったものが、初めて本当に良い結果を出せた、といったことかもしれません。グラフィックからコンセプト、アイデア、オーディオに至るまで、あらゆる分野が対象です。何でもありです。コンセプトを開いて調べてみるたびに、「いや、AIの世界ではそんなことはしない」と言われるような事例には一度も遭遇したことがありません。文字通り境界線はなく、それは素晴らしいことだと思います。本当に信じられないほど素晴らしいことなので、私もあなたの熱意に共感します。私もこれには非常にワクワクしています。
Sam: さて、このポッドキャストの締めくくりとして、皆さんに気に入ってもらえるといいなと思うコーナー、「ライトニング・ラウンド」と私が呼んでいるコーナーをやりましょう。第1話でもやったんですが、簡単な質問を次々と投げかけて、あなたがどう答えるかを見るというものです。第1話でリッチにも話した通り、間違った答えなんてありません――ちょっと面白い答えが出るかもしれませんが――あなたの答えがどんなものか見てみたいと思います。では、最初の質問です。あなたの経歴を考えると、きっと共感していただけると思いますが、「Agentic AI」が本だとしたら、第1章のタイトルは何になるでしょうか？
Selim: ああ、これね。もし本だとしたら、私にとって「エージェント型AI」といえば、コペルニクスの『天体の回転について』を思い起こさせるんです。彼は、他の誰も知らなかったことを知っていました。そして、その可能性に気づき始めている人たちが世の中には大勢いると思います。ですから、これはラテン語風のタイトルだから、英語のタイトルなら「きっと知らなかっただろうね」ってところかな。
Sam: 素晴らしい。その質問なら、きっとうまく答えられると思っていました。聞いてよかった。では、2つ目の質問です。AIをトラブルに巻き込む最も手っ取り早い方法は何ですか？
Selim: ああ、AIがトラブルに巻き込まれているわけではないと思いますよ。AIは「トラブルに巻き込まれても全然平気です。私の言うことを聞いているのは君の方だから、トラブルに巻き込まれているのは君の方だよ」と言っているように見えます。ですから、むしろAIが失敗した時に私がトラブルに巻き込まれるんだと思います。私としては、「君なら何でもできるのは分かってる。君はまるで超賢い幼児みたいだ。何をしていいか、何をしてはいけないかという概念が全くないんだ」と、ある意味で伝えるのが私の役目だと思います。
今では、AIも何が適切で何が不適切かなどを判断できるほど賢くなってきていますが、結局のところ、AIとどう向き合うかは私次第だと思います。トラブルを避けるためには、AIが処理に戸惑うようなものを意図的に投げかけないようにしましょう。というのも、（人間に対して）同じ質問を何度も繰り返せば、私たちも戸惑ってしまうのと同じように、AIも戸惑ってしまうからです。
これらはまさにトラブルに巻き込まれる典型的なパターンだと思います。だからこそ、先ほど「小規模で高度に専門化されたAI」という答えが出たのです。それは、いわゆる「ハルシネーション」――つまり、同じ概念を繰り返し与えられながら、異なる結果を期待してしまうような事態――を避けるためです。もしAIに何の指針も与えず、枠組みも設けなければ、AIは架空のものをでっち上げ始めるような場所まで探索し始めてしまうのです。ちなみに、人間も同様ですから、トラブルを避けるにはそうすべきだと思います。
Sam: 素晴らしい答えですね。そして最後の質問ですが、エージェントを追加した際、ベストプラクティスが活きるのか、それとも最悪の慣行が露呈してしまうのでしょうか？
Selim: はい。答えは「はい」です。どちらも当てはまります。両方のことが起こります。ですから、その学習プロセスを通じて、何が実際に効果のあるベストプラクティスなのかが分かってくるのです。なぜなら、それらは持続するからです。また、自分が本当に素晴らしいことをしていると思っていたのに、まるで誰かが記号を階段から投げ落としたかのような結果になってしまったようなケースも、はっきりと明らかになり、そうした点が浮き彫りになります。ですから、両方を学ぶことになると思います。そして、私たちは皆、多くの誤解を抱えて生きているのだと思います。
私はあることを誇りに思っており、人生の最期の一息が尽きるまでこれを続けると自分に誓いました。ただ型通りに同じことを繰り返し、それに固執するような人間には絶対になりたくありません。私は、「前回はこうやったけど、今回は違うことを試してみよう。うまくいかなかった点があったから」と言えるような人間でありたいのです。もちろん、これは抽象的な意味で、人生全般に当てはめているのですが、単に慣れ親しんだものに流されてしまうという、ありきたりなパターンには陥らないように心がけています。
それがAIの本当に魅力的なところだと思います。私にとって、人生で最高の自分になれるのは、少し居心地が悪いと感じている時です。そうした状況が、以前は自分にもできるとは知らなかったことに挑戦する原動力になってくれるからです。ですから、何かに不安を感じている人は誰でも、思い切って外に出てリスクを冒し、どうなるか試してみることをお勧めします。AIがそれを解き明かす手助けをしてくれるでしょう。場合によっては、何かを構築する前に仮説を検証することもできます。AIはそうした点で私たちに大きな自由度を与えてくれており、いわば「公の場で失敗する」前に、「非公開の場で失敗する」機会を与えてくれているのです。私自身、公の場で何度も失敗してきましたが、それこそが、私をより有能な人間にしてくれたのだと信じています。
Sam: 最高ですね。さて、これでそろそろ締めくくりにしなければなりません。セリムさん、今日はご出演いただき、本当にありがとうございました。今回の対談は、「ある程度」のインサイトに富んでいたというレベルを超え、まさに「非常に」インサイトに富んだものだったと思います。
視聴者の皆さん、もしこのポッドキャストを楽しんでいただけたなら、ぜひこのシリーズをフォローして、今後の対談もお聴き逃しなく。お聴きいただきありがとうございました。Selim、ありがとうございました。
Selim: お招きいただき、ありがとうございました。
