Generative AI is just the Beginning AI Agents are what Comes next | Daoud Abdel Hadi | TEDxPSUT

Summary

このスクリプトは、AIと特に機械学習の進歩を説明し、GPT-3の登場以来の大きな一歩を強調しています。AIは従来のように特殊なタスクに限定されていなく、自然言語を使用してパターンを認識し、理論的に人間のようになります。AIの現在の状態と、将来的には自動化されたエージェントとして機能する可能性についても説明しています。これらのエージェントは、エンドツーエンドのワークフローを自動化し、人間の介入を最小限に抑えます。スクリプトでは、AIが私たちの生活やビジネスにどのように影響を与えるかを具体的に示しています。

Takeaways

• 🎓 脚本の主人公はAIの硕士号を接近し、AIが真の知能を持ち得るまでの距離が遠いと感じていた。
• 🤖 AIは診断、詐欺検知、交通最適化など多くの分野で役立つが、特定のタスクに特化しており、人間のように一般化能力が低い。
• 🚀 2年後にOpenAIがGPT-3をリリースし、AIの大きな進化をもたらした。
• 📚 GPT-3は書籍、記事、研究論文などをデータとして、強力なコンピュータで訓練された大規模な言語モデル。
• 💡 GPT-3は自然言語で文章を書く、質問に答え、コードを読み書きすることができ、知能の兆候を見せる。
• 🤔 GPT-3は完璧ではない。事実をでっち上げる「幻觉」を起こすことがあり、情報が古く、基本的な数学の問題にも苦戦する。
• 🧠 人間は問題解決能力を持っている。それは知識だけではなく、計画能力、問題を小分けする能力、行動の結果を反映する能力、ツールの使用能力が関与している。
• 🤖 AIをチャットボットではなく、自主的なエージェントとして考えると、ワークフローを自動化し、人間の介入が少なくなります。
• 🛠️ エージェントは、AIが使用するツールを自分で選択し、使い方を決定し、自主的に実行する。
• 🌐 エージェントの可能性は、ウェブ開発やデータ分析、旅行計画など、様々なタスクを自動化することにある。
• 📈 技術の発展により、エージェントは私たち生活にますます近づいている。MicrosoftのCopilotやShopifyのSidekickなどが既に存在している。
• 🌟 AIの発展により、コンピュータとの交渉方法が変わり、より協力的な関係になる可能性がある。

Q & A

AIが真の知能を持ち得るに至ったカギは何ですか？

AIが真の知能を持ち得るカギは、大規模な言語モデルGPT-3の登場です。これにより、AIは自然言語を理解し、様々なトピックの質問に答え、コードを書く、または記事、歌、詩を書くことができるようになりました。

GPT-3がリリースされる前に、AIが人間の仕事を完全に自動化するという考えはどのように見えましたか？

GPT-3がリリースされる前は、AIが人間の仕事を完全に自動化するという考えは非常に遠いものと見えました。AIは特定のタスクに特化したものであり、人間のように他のタスクに簡単に一般化することができませんでした。

GPT-3がもたらしたAIの進化は何ですか？

GPT-3がもたらしたAIの進化は、AIが単なる専門家から、自然言語を用いて様々なタスクを理解し、実行するようになることでした。これにより、AIはプログラミングする必要なく、自然に文章を書き、問題を解決する能力を獲得しました。

GPT-3が得意とすることは何ですか？

GPT-3は自然に文章を書き、幅広いトピックの質問に答え、コードを書くことができるようになっています。また、記事、歌、詩など様々な形の書き込みを行うことができます。

GPT-3がまだ完璧ではない理由は何ですか？

GPT-3はまだ完璧ではない理由は、事実を架空することや、情報が古くなること、基本的な数学問題を扱うことが難しいこと、またはマルチタスクでの課題に対応するのが難しいことが挙げられます。

AIが人類と同様の問題を解決する能力とは何ですか？

AIが人類と同様の問題を解決する能力とは、将来を予測し、問題を小さく分け、行動の結果を反省する能力、そしてツールを使用して目標を達成する能力を指します。

AIエージェントが何を自動化するのですか？

AIエージェントは、ワークフローを自動化し、人間の介入を最小限に抑えます。これには、計画の立案、行動の実行、結果の反映、そしてツールの使用が含まれます。

AIエージェントが使用するツールは何ですか？

AIエージェントは、人類が使用する同様のツールを使用します。これには、ウェブブラウザ、エクセル、プログラミングツール、データ分析ツールなどが含まれます。ただし、AIはこれらのツールを自動的に選択し、使用する方法を決定します。

AIエージェントがビジネスにおいてどのように役立つか？

AIエージェントは、ビジネスにおけるデータ分析、ウェブサイトの構築、旅行の計画、エッセイの執筆など、様々なタスクを自動化することができます。これにより、ビジネスはより効率的になり、コスト削減や新しいサービスの創出が可能になります。

AIエージェントの普及がもたらす可能性は何ですか？

AIエージェントの普及は、コンピューターとのインタラクションの進化をもたらす可能性があります。これには、グラフィカルインターフェースからAIアシステッドインターフェースへの移行や、より多くの人々が革新を起こしやすくなることなどが含まれます。

AIの発展がもたらす可能性についての個人的な考えは何ですか？

AIの発展は、技術スキルが民主化され、革新の壁が低くなることを意味しています。これにより、より多くの人々が製品やサービスを作り、問題を解決することができます。AIは私たちよりもツールを使用するのに優れていますが、それは私たちがより大きなpicturedに焦点を当て、本当に重要なツールを使用する機会を与えるものです。

Outlines

00:00

🤖 AIと機械学習の進化と課題

この段落では、著者は自分の人工智能(AI)の修士課程を終えた当時、AIと機械学習が様々な分野で役立っている一方で、それらは特定のタスクに特化しており、人間のように一般化することができないという問題点に触れています。AIが人間の仕事を完全に自動化するというアイデアは信じがたいものだと感じていたが、OpenAIがGPT-3という大規模な言語モデルをリリースしたことで、その考え方が劇的に変わりました。GPT-3は自然言語を用いて文章を書く、質問に答え、コードを読み書きすることができる能力を示しており、知能の兆候を示しています。

05:00

🤖 代理人(Agents)の概念とその可能性

この段落では、AIをツールとして使用することで、代理人(Agents)がどのようにしてタスクを自動化するかについて説明されています。代理人は、人間がAIにタスクと最終目標を説明し、AIが必要なツールを選択して使用する方法を計画し、自主的に実行します。これにより、Web開発者を雇うのではなく、AIがビジネスを説明してウェブサイトを構築するなど、より迅速で効率的な作業が可能になります。また、データ分析や旅行計画など、様々なタスクを自動化できる可能性が示されています。

10:01

🤖 既存のAI代理人の例とその将来

最後の段落では、既に存在するAI代理人の例が挙げられています。MicrosoftのCo-PilotやShopifyのSidekick、Hyperwriteなどが、それぞれのアプリケーションを通じてAIを活用してタスクを自動化する例です。また、GPT-3自体も様々なエージェントを提供しています。これらの代理人がより普及し、より高度なAIとして進化すると、コンピュータとの相互作用の考え方乃至びに社会全体が変わることになる可能性についても触れられています。最終的には、AIとの協働関係が重要であり、人間の創造性や経験を活かすことが強調されています。

Keywords

💡AI

AI（Artificial Intelligence）は、コンピュータシステムが人間の思考や行動を模倣し、自己の知恵や判断に基づいて行動する技術です。このビデオでは、AIが特定のタスクをこなす「専門家」から、自然言語を使用して問題を解決し、ツールを使うことで自己の知識を超えた「エージェント」へと進化しているというテーマに沿って説明されています。

💡machine learning

機械学習は、コンピュータがデータからパターンを学習し、未来の予測や判断を行う能力を獲得する技術です。このビデオでは、機械学習がAIの発展に不可欠であることや、GPT-3のような大規模な言語モデルの開発において重要な役割を果たしていることが強調されています。

💡GPT-3

GPT-3は、OpenAIによって開発された大規模な自然言語処理モデルです。このモデルは、書籍、記事、研究論文など、膨大なデータを学び、最も強力なコンピュータで訓練することで、自然な文章生成、質問の回答、コードの読み書き、甚至は詩や歌の作成など多岐にわたるタスクをこなすことが可能です。

💡intelligent agents

知能エージェントとは、自己の知識を超え、問題解決やタスクの自動化を目的としたAIシステムです。このビデオでは、AIが単にチャットボットとして機能するのではなく、エンドツーエンのワークフローを自動化し、人間のように計画、問題解決、ツールの使用を行うことで、より高度なタスクを遂行できるようになることが示されています。

💡natural language processing

自然言語処理（NLP）は、コンピュータが人間の言葉を理解し、応答する技術です。このビデオでは、NLPがAIが自然に文章を生成し、質問に答え、コードを読み書きする能力を可能にする重要な要素であることが強調されています。

💡code

コードは、コンピュータが実行する命令の集合であり、プログラミング言語を使用して書かれます。ビデオでは、すべてのスクリーン表示はコードに基づくものであり、エージェントはコードを用いて、人間が行うタスクを自動化することができることが示されています。

💡multitasking

マルチタスキングは、同時に複数のタスクをこなす能力です。このビデオでは、AIがマルチタスキングに苦労することがあることや、それに対処するための技術の進歩が触れられています。

💡digital labor

デジタル労働は、コンピュータやAIが人間の労働を代替し、自動化を行うことを指します。このビデオでは、AIエージェントがウェブを自動的に閲覧し、ファイルの使用、アプリケーションの操作、甚至はデバイスの制御を行うことで、デジタル労働を可能にしていることが示されています。

💡innovation

革新は、新しいアイデアや技術の開発によって生み出される変化や進歩を指します。このビデオでは、AIが技術革新を促進し、技術的なスキルが民主化されることで、より多くの人々が革新的なソリューションを考案できるようになるという希望が示されています。

💡collaborative

協調的とは、複数の要素や個人が協力して作業を進め、共通の目標を達成することを指します。このビデオでは、AIと人間が協力し合い、AIがツールとして使用されることで、人間はより大きな問題に焦点を当てることができるという協調的な関係が強調されています。

Highlights

Six years ago, the speaker was completing their master's degree in AI, feeling that true intelligence with computers was far away.

AI and machine learning have been revolutionary in diagnosing illnesses, detecting fraud, and optimizing traffic flow.

AI has traditionally been a specialist in specific tasks, not generalizing well to others, similar to humans.

OpenAI's release of GPT-3 marked a massive leap forward in AI, demonstrating more generalized intelligence.

GPT-3 can write naturally, answer questions on various topics, and even read and write code, showcasing impressive capabilities.

Despite its abilities, GPT-3 and similar AI are not perfect, can make mistakes, and struggle with basic math and multitasking.

The speaker suggests that intelligence is not just knowledge but also the ability to plan, reflect, and use tools effectively.

AI can be thought of as autonomous agents, designed to automate workflows with minimal human intervention, similar to how humans approach problems.

Agents use language models to plan tasks, reflect on outcomes, and use tools, much like humans do in practical operations.

The potential of agents includes building websites, making business decisions, and planning trips, all without human knowledge of specific tools.

Agents are digital labor, capable of browsing the web, navigating files, using applications, and controlling devices on our behalf.

Everything on our screens is formed of code, allowing AI to use and combine various tools and applications creatively.

Agents operate through a cycle of planning and executing actions using language models, breaking down tasks into a series of actions.

Examples of agents include Microsoft's Copilot, Shopify's Sidekick, and Hyperwrite, each automating specific tasks in their respective domains.

As agents become more widespread, intelligent, and sophisticated, they may change how we think about computers and human-computer interaction.

The democratization of skills through AI empowers more people to innovate and build solutions, lowering barriers for individuals and small businesses.

AI's ability to use tools quickly and efficiently may lead to a collaborative relationship with humans, focusing on bigger-picture thinking and creativity.

Transcripts

[Music]

about six years

ago I was approaching the end of my

master's degree in Ai and despite

studying a variety of different projects

involving machine learning genetic

algorithms and even generative AI

I couldn't help but feel like we were

still so far away from creating true

intelligence with

computers yes Ai and more specifically

machine learning has been a revelation

in so many ways helping us diagnose

illnesses detect fraudulent activity

optimize traffic flow and so much more

but if you've worked with AI in practice

you'll know AI has always been more like

a specialist very good but at very

specific tasks and unlike humans they

don't generalize very well to other

tasks so to me at the time the idea that

AI would completely automate people's

work seemed quite far-fetched

except I was

wrong very wrong only two years later we

saw a massive Leap Forward for AI That's

when open AI introduced the world to

large language models with the release

of gpt3 the predecessor to chat

GPT it was basically one big

experiment what would happen if we

gathered all the data we can find every

book every article every research paper

and trained in AI with the most powerful

computers

available many of you will have tried

chat jpt and seen for yourselves what we

get are signs of intelligence even

without programming it to do so

it can write in a natural way it can

answer questions on a huge range of

topics it can read and write code and it

can do different forms of writing like

articles songs and

poems what's impressive is it does those

things surprisingly well but what's

arguably more impressive is the way it

can reason and recognize patterns in

similar ways to

us using just natural language we can

ask a question or give it an instruction

and somehow it understands our

request AI now is no longer just a

specialist and that in

itself is a huge

milestone now many of you will have

tried Chachi PT or something similar and

thought this is great for brainstorming

ideas writing content doing some editing

and maybe even answering some queries

but that's just the tip of the iceberg

of what generative AI can actually do

to understand just how far this

technology can go I'd actually like to

start with what it doesn't do very well

first and you'll see why in a second now

a lot has been said about whether this

technology is actually

intelligent that's because they're not

perfect they can make

mistakes for example it can completely

make up facts also known as

hallucinating the information it has

isn't always up to date

and surprisingly it can struggle with

even basic maths and it can often times

struggle with

multitasking these can be big issues

depending on what you're trying to do

but if we're going to be

fair we're not perfect either many of us

can struggle with those same things as

well but maybe a counterargument to that

is we still manage to solve problems and

get things done why is

that

that's because our intelligence isn't

confined to just our knowledge and what

we know it encompasses a lot more like

our ability to plan ahead and break down

problems into smaller

problems it's down to our ability to

reflect on the outcomes of our actions

and of course down to our ability to use

tools to help us complete a given

goal now here's where things get

interesting what if we try try to use or

replicate the way humans approach

problems using language models it's at

this point when we stop thinking about

AI like chat GPT as just a chatbot that

requires constant human input to

complete a task and instead think think

of them as agents or autonomous

agents agents are designed to automate

workflows end to endend with little to

no human intervention and they do so

by planning their tasks reflecting on

the outcomes of their actions and using

tools to help them out so very similar

to us to understand what agents actually

do let's think about how we generally

operate practically everything we do

nowadays involves our phones and our

computers the applications and programs

on our devices act as tools to do

certain

things so if I'm writing an essay I

might use a web browser to access the

intern internet to research a topic if

I'm an

accountant I could use a different set

of tools maybe Excel or an accounting

software if I'm a programmer again I

have a different set of tools but we're

basically constantly using a variety of

different tools to help us with a given

task and this is where agents are a bit

different instead of us using those

tools we just describe to an AI what the

task is and what the end goal is and

then then it plans which tools it needs

to use and how to use them and then it

actually does it on its own not only can

they complete the task much quicker than

we can but in theory we wouldn't even

need to know how to use these tools in

the first place so imagine this you're

an entrepreneur you've just started a

business and you need a website but you

have no idea how to build one but

instead of hiring a web developer you

just describe your business to an AI you

describe how you want the website to be

and then the AI uses the same tools the

web developer does and builds the entire

thing in a matter of

seconds or maybe you've been collecting

a bunch of data and you want to make

Better Business decisions instead of

hiring a data analyst the AI is using

data analysis tools to answer your

business queries instantly or finally

maybe you're just looking to travel

somewhere nice so you ask an AI to plan

your trip for you finally you flight

options accommodation and even plans

your activities once you're there that's

the potential of agents and believe it

or not we're not far off from that

world agents are like digital labor

capable of automatically browsing the

web navigating our files using our

applications and potentially even

controlling our devices for

us so how is this all possible it sounds

a bit like s science fiction but because

of today's technology it's simpler than

it

seems first an important thing to

understand is that everything we see on

our screens is just a visual

representation we can make sense of so

but in the background everything is

formed of code so for every button and

for every action you can do there's a

piece of code Associated to it and

here's just a couple of examples this is

the programming way of using chat GPT so

instead of going on the website and

using their interface you can just run

this line of code and it gives you gpt's

answer similarly this is how you might

do a Google search so uh just an

alternative to Google search and this is

how you might use or create a Word

document the only reason why I show this

is because when things are formed of

code it means we can assemble programs

that combine different different

functionalities and different

applications in creative and interesting

ways and and that's a core aspect of how

agents work by its ability to use

different tools

interchangeably and so if we look at the

framework of a of an agent it consists

of a set of actions it can do and again

these actions are just code just like we

saw in the last slide and the language

model like chat GPT and first the user

gives a request in this example it might

be book me the cheapest flight to

London and then we start a cycle of

questioning and answering with the

language model and we can ask a question

as simple as this based on the user's

request what do you think the next

action should be because language models

are so smart we can get them to break

down a task into a series of actions it

needs to perform to complete the end

goal and so in this example it might be

searching flights and again because

language models can read and WR code we

can get them to format the input just

how we need them to be to execute that

code with no errors then once it does we

can get the output which might be a list

of flights and their prices and then we

repeat this questioning process again

based on the information you have now

what do you think the next action should

be and then we repeat this process over

and over until the task is actually

complete so agents are just a feedback

loop of planning and executing actions

using language models and I mentioned

that we're not far off having agents but

in reality they're already

here for example Microsoft's co-pilot is

an example of an

agent within Excel you can just use

natural language to get it to analyze

your spreadsheets and reports without

needing to know all the fancy formulas

and all the complex

functionalities similarly Shopify has a

sidekick that helps you build a website

using

AI hyper write acts like a personal

assistant that can book flights for you

order takeaway and even organize your

emails for you and even chat GPT itself

has a whole catalog of Agents known as

gpts and this is just the start I

believe many more businesses will start

incorporating agents both internally and

as part of their products and services

language models are getting cheaper and

cheaper every year to the point where

they're virtually free and not only that

but they're also very accessible and

easy to use so practically anyone with

basic programming knowledge can get

started with building an

agent but as agents become more

widespread more intelligent and more

sophisticated it'll likely change the

way we think about computers in the

first

place in the same way that the

transition from a command line interface

to a graphical interface completely

revolutionized the way we interact with

computers perhaps the next evolution of

that is a kind of AI assisted interface

maybe like Tony Stark and his AI

Jarvis there's no doubt that a world

full of intelligent assistants and

agents is going to be

strange the technical skills we once

thought are unique to us are now being

outsourced to AI even as a data

scientist myself I wonder how long

before an AI can do the things that I

can do it is a scary thought but at the

same time as an optimist I can't help

but feel like it's also incredibly

empowering with our skills

democratized the barriers to Innovation

are lower than ever

more people can participate in creating

Solutions and building things that were

once only in the hands of large

corporations and specialized

professionals and in the same way that

Jarvis doesn't replace Tony Stark I

believe our relationship with AI will

always be one of kind of a collaborative

one sure AI might be better and quicker

at using the tools than us but that

gives us an opportunity to focus on the

bigger picture and use the tools that

actually matter our creativity Ingenuity

and Human

Experience thank

[Applause]

you