マーク・ザッカーバーグ氏インタビュー「なぜAIを無料公開するのか」

(16:58)
１つのAIがすべてのことをするようになるとは思っていない。すべてのビジネス、すべてのクリエーター、インフルエンサーは、自分たち専用のAIを求めるようになるというのが僕の予測だ。自社AIに競合他社の製品を褒めてもらいたくないからだ。

約２億人のクリエーターがMetaのサービスを使ってくれている。彼らの多くはファンとより密接に交流したいと思っているが、物理的に無理。ファンもクリエーターとより密接に交流したいと思っている。クリエーターが自分好みにAIを訓練してファンと交流できるようになれば、すばらしいことだと思う。

(18:05)
そうした消費者向けユースケースの他にも、妻とやっている財団で、科学の進歩のためにAIを利用できる。なのでデータセンターの用途はいくらでもあると思う。

【巨大モデルvs特化モデル】

(18:46)
巨大モデルがいいのか、小規模モデルで特定の用途に特化させるほうがいいのか。正直言って分からない。

ただ基盤モデルの外側にツールをいろいろ作っていくことで、次の基盤モデルの内側にどんな機能を追加すべきか見えてくる。

例えばLlama2は最新情報を持っていなかったので、検索エンジンにアクセスできるツールを開発した。それが便利だったのでLlama3には検索エンジンにアクセスできるツールが内蔵された。今、Llama3の外側にエージェント的なツールを開発している。そしてそれはLlama4に内蔵されるようになると思う。

つまり、いろいろな追加機能を基盤モデルの外側に実験的に取り付けて試行錯誤することで、次の基盤モデルにどんな機能をつければいいのか明らかになってくるのだと思う。（湯川解説：サードパーティーがLlamaの周辺に追加機能を取り付けた特化型モデルを開発することは奨励するが、その追加機能が多くのユーザーにとって価値のあるものならMeta自身が次期モデルに内蔵していくことになり、次期モデルがリリースされるとサードパーティの特化型モデルが陳腐化する可能性がある、という意味）。

【GPUの使い道】

(24:00)
年末までに35万個のGPU（NVIDIA製のAI向け半導体）を購入する計画だが、今は22万個から24万個のクラスター（半導体の集合）で学習と推論の両方を行なっている。Metaは、SNSコミュニティーの運営に推論を行わないといけないので、AIの競合他社に比べると推論に割り当てるGPUの割合が多いように思う。（湯川解説：半導体は大別すると、２つの用途で使われる。１つはAIモデルにいろいろなことを学ばせるために使う。その用途は、「学習」向けと呼ばれる。もう１つは、学習済みのAIモデルが、ユーザーの質問に答えるという用途。これは「推論」向けと呼ばれる）