ヒューマノイドのデータビジネスの重要性
ヒューマノイド最前線。 ヒューマノイドのいる職場を当たり前に、そんな未来を本気で作ろうとしている、株式会社Play Roboticsのお二人と一緒に、ヒューマノイドの最新動向から、実際にロボットを触ってみたリアルまで、最前線からお届けする番組です。
こんにちは。Play Robotics CEOのたかちんこと、佐野たかちんです。
Play Robotics CTOのよこしゃんこと、横山幸太です。
ブック代表、樋口清典です。
ということで、早速本日のテーマなんですが、たかちん本日のテーマは何でしょうか。
たかちん 本日はですね、データビジネスを徹底解説したいなと思ってまして、
データだ。
たかちん 前回、吉川さんに出ていただいて、データの話も出てきたと思うんですけど、ビジネスの観点と技術の観点からもう少し深掘りできたらなっていうのと、
吉川さんしか知らない情報があったなっていくつかありながらですね、まだ伝えきれてないところもあるので伝えたいなと思ってます。
すっごいどうでもいいこと1個だけ、どうしても言いたくて話してもいいですか。
なんですか。
たかちん 吉川さんが人間にそっくりなUBテックのU1シリーズが出たって話してくださったじゃないですか。
はいはい。
たかちん 僕あれ見てたら横山と顔そっくりなやつがいくつか見つかって、横山ってなんか世界的に見てイケメンっていうモデルなんだなって思って、
めちゃくちゃ激ネのやついて、これ横山じゃんとか思って。
僕のデータ盗まれてるんじゃない。
たかちん めちゃくちゃ面白かった。
すげえな、データ取られてる可能性がありますね、横山がデータを取られる。
たかちん 横山ってやっぱりもうヒューマノイナーなんじゃないみたいな。
僕が乗り換えやすいボディが1個できたってことです。
たかちん そうね。
違和感なく乗り換えられるっていう。
たかちん オープンチャットで僕見つけたらそれスクショして貼り付けるんで見てみてほしいし。
面白え。
たかちん 話したかった、ずっと。
いやーちょっともうすでにね、ヒューマノイドの疑いがありますね、横山は。
たかちん うん。
マジ面白え。
じゃあU1横山と一緒にね、やってきたって思うけど。
データですよ。
たかちん データですね。やっぱこのヒューマノイドにおいて、そしてフィジカルAIにおいてデータは本当に一番欠かせないのかなと思ってまして、
ここを深掘っていきたいなと思ってます。
なんかもう実際AIとかは、もう行き着くところデータってなってる感じがしてて。
たかちん そうですね。
頭の良さって結構もうなんかだいぶ感想してるというか人間を超えてるじゃないですか。
あとはなんかどういうデータを食わすかによって成長するみたいな感じになってきてると思うんで、
たぶんヒューマノイドもそうなのかなと想像してますね。
たかちん まさしくそのLLMと言われてるAIと、今このロボットに関わるデータって何が違うのっていうところが結構本題かなと思ってまして、
AIってめちゃくちゃ早く爆速で成長したじゃないですか。2,3年で。
これはなんで成長したかって言うと、今まで僕たちがインターネットですごいたくさんの情報をアウトプットしてきたからなんですよ。
なるほど。
たかちん それを拾えたっていうのが大きくて、
ただヒューマノイドとかフィジカルAIっていうのは、実際にデータと言われている教科書データみたいなものが本当に少ないんですよね。
なぜなのかっていうと、人間の目の高さで、かつ人間が動かしているものっていうのをこの目の位置から撮ってるわけじゃないじゃないですか。
なるほど。
たかちん 監視カメラとかいろんな映像はもちろんあると思うんですけど、それが撮れてないっていうのがまず一番大きいかなと思っていて、
かつヒューマノイドは一体一体形が違いますし、関節の部分も違ったり長さも違ったりしていて、結構それぞれ違うので、
教科書を教えて撮って、ちゃんと映像で撮って分析かけるっていうことを今やってるんですけど、そこが結構時間がかかっているところ。
ロボットの脳の進化：VLAとワールドモデル
ただここを破壊してくれるかもしれないのは、ワールドモデルって言われている物理法則から計算して先読みしていくっていう考え方。
これがもっと進んでいけば、今やっている行為はむしろ全部不要になるかもしれないし、全然いるんですけど、そういうふうになっていくかなと思っているところがまずちょっと根幹としてあるかなとは思っています。
これちょっと一応説明しとくと、今ってリアルな世界からしかデータが取れないっていうところから、バーチャルの世界でいっぱいシミュレーションの中でデータが取れるようになると、
無限にいくらでもすごい速度で作れるって話であってます?
やっぱりバーチャルはバーチャルでズレがあるんで、実際のリアルモデルと。なのでリアルモデルをちゃんと取り続けないと、まだデータは成長していかないよねってところです。
世界モデルっていうのは、世界をモデルにした架空の空間みたいなこと?
じゃないです。それは世界モデルとワールドモデルって言われているものは、物理法則を考慮した予測するデータですね。
ああ、そういうことか。
ロボットの脳の機能として主流となっているのが2つあるんですけど、まず1個目がVLAと呼ばれて、見たものを言語情報で理解してアクションに落とし込むっていうものなんですよ。
それは人がコップを取る動作とかを何度も繰り返し練習させると覚えるようになる、身体が勝手に動くみたいな、人間がよく例えば自転車に乗る時とかって常に脳で考えて何かやってるわけじゃないですか、もう何回も繰り返してるんで考えなくてもできるみたいな脳の使い方がVLAって呼ばれているもので、
もう1個の主流になっているのが、今注目されているのがワールドモデルっていうものでして、これはロボットの脳みその部分が行動を起こす前に、前者のVLAの方は何か事象が起きた時に考えはしてるんですけど、瞬時に身体が動いてるような状態なんですけど、それに対して頭の中で想像して、今こういう状況だから次の瞬間こうなるよなっていう想像力を植え付けるみたいなところですね。
例えばジェンガとかをやってる時って、今ここ抜いたらここ崩れるよなっていうのを行動に移す前に、頭の中で人間って考えてるじゃないですか、みたいな能力をロボットに与えるよっていう能力のことをワールドモデルって呼んだりしますね。
へえ、初めて聞いたかも。 人間はその素早い思考、脳を飛ばさずに身体で覚えて熟練の技みたいなのと、考えて前にやったことがこういうのだから次の瞬間こう起きるよねみたいなところの想像力を働かせて物理現象から導き出したものと両方をうまく使い分けてるんですけど、その両方の人間の脳に模したもの、動きを両方の派閥として研究しているところが進んでるってところが現状ではあります。
だから人間は両方使ってるって言ってもいいんですか、それ。 そうですそうです。
世界モデルっていうのとVLAモデルっていうのを無意識のうちに組み合わせて使ってるみたいな。
そうです。先ほどの自転車の例とかで言うと、普段よく進んでる道とかは何も考えずに身体感覚で自転車に乗って進んでいけるじゃないですか。
初めて行く道とかになるとちょっと立ち止まったり考えながら次右曲がるよなとか、初めて行くカーブだったらこの角度で入ったら転ぶよなとかっていうのを考えながら進むっていうのを無意識に切り替えてると思うんですけど、
それをロボット用に言語化してあげて、直感的にやってるのはこっちだよね、考えて想像力働かせてやってるのはこっちだよね、みたいなところを定義してそれぞれ研究を進めてるみたいな感じですね。
なるほど、なるほど。やっとイメージできてきた。
データ収集の3つの主流手法
ステップで分解すると結構面白くて、まず世界モデル、ワールドモデルって一旦先の動作の映像を大量に生成するんですよ、ブワーって。
その生成のものをまた別のAIがこれって物理法則に反してないかをちゃんと審査するんですよ、バババババって。審査を通ったものだけが教科書として扱っていって、物理法則として正しいよねって言って使われていくっていうことが起きてるんで、今まで人力データだったら1時間で1時間分しか取れなかったのが、
これを1時間取った分をさらに10時間先の分までのワールドモデルを検討することができるようになってくるんで、破壊が起きる、さっきの言った人で集めるっていうモデルが全部不要になるまでは言えないけど壊れる可能性があるっていう可能性はどうなるかわかんないですけどね。
教師データを生成できるってことですね、AIによってね。
なるほどなるほど。
ここまで来ると今の僕たちが使っているAIとかと近しいものぐらい伸びてくるので、データ量がたくさんになってくるんで、指数関数的には一気に伸びるかもしれないなっていうふうには言われてます。
なるほど、なんか吉川さんの話もありましたけどそのデータファクトリーだったかな、なんか人間がグローブをつけてずっと作業してるのをずっとデータ取ってるみたいな、だからそういう世界になってるってことだな。
そうですね。
一度ちょっと主流になっているデータの取り方を整理させていただきますと、3種類ありまして、まず一つ目がその吉川さんが話してたグローブで取るみたいな遠隔操作で取るっていうところですね、人がロボットを遠隔操作することでロボット自体に作業させるっていうところ。
われわれが小学校に行って小学校の子供たちにヒューマノイドを触ってもらうっていうイベントを前にやったんですけど、その時も同じ手法を使ってまして、子供たちがVRゴーグルとコントローラーを持って、子供が手を前に出すとヒューマノイドロボットも同じように手を出すみたいなコントローラーとロボット自体の動きが連動していることで、作業者の方がコントローラーを使って何かを作業するとロボットも同じ動きをする。
そうするとその時の各関節の動き、どのくらいモーターが回転したかとかっていうデータが取れるじゃないですか。そういったところの情報を取得するっていう方法が結構メインでやられてる方法の一つとしてあるっていうところがあります。
あと二つありまして、二つ目が人間の動画の流用ですね。最初にたかちんが説明したように一人称視点での動画が必要になってくるんですけど、その人間の目線で作業した時に手元がどういう動きをしているのか、指先をどう使っているのかみたいなところを一人称視点の動画で撮るっていうのを学習用データとしてどんどん取得していくっていうところも主流の方法の一つになってきてますね。
ただこの動画を使うとかってところは、欠点としてはそのどのくらいの力でものをつかんでるかっていうのが動画だけではわからないってところはあったりします。
ところの力触覚情報をどうするのかっていうのは未だに研究がどんどんされている議論がされているところになりますね。
3点目が先ほどのワールドモデルで出てきたようなシミュレーション上で仮想空間上で大量に試すっていうものですね。
データの元となるものを元に、例えば摩擦係数を変えてみたり、重力の関数を変えてみたりとか、あと物の大きさを変えてみたりっていうのをいろんな変数のパターンを無限に生成できるわけじゃないですか。
それを行うことで計算能力のあるGPU上で何万時間もシミュレーションを回すみたいな。
高級なGPUを使うとドラゴンボールの精神と時の部屋みたいに、現実世界では数秒しか経ってないのにパソコンの中では数万時間経ってるみたいなことが可能になるので、
そこで様々な条件を試してそのデータをロボットに食わせるみたいなところを実現するっていう方法が3つ目の種類になってる方法ですね。
3つ目の手法は結構大量にデータを作れるって言ったところは優れてるんですけど、やっぱりそのシミュレーションをリアルに落とし込んできた時に、
例えばその物の表面のザラザラ感とかが厳密に物理シミュレーションができてなかった場合に、シミュレーションとリアルの間のキャップが生まれてしまうっていうところは問題になっていて、
そこをどう解決するかってところはまだ議論が進んでるっていう感じですね。
まあね質感は取れないですけど、でもなんかボールを投げてどう跳ねるかとかはある程度物理シミュレーションでいけるから。
ああそうですねそうですね。ただその辺の表面の素材感とかっていうところまで、まだ厳密に物理シミュレーションとして数式化できてないみたいで、
そうなんや。
この辺の細かい数式化をどうしていくかっていうのは今後の課題みたいです。
あ、数式化できてないんですね。おもろ。
みたいですね厳密には。粗いモデルにはできてるらしいんですけど、100%同じ質感をシミュレーション上で再現するための数式っていうのはできてないみたいです。
なるほどな。そうか質感によって摩擦が変わったりとか、なんか壊れやすとか、ブニブニかどうか硬いカチカチかどうかとかで変わるってことか。
そうですね。なのでデータの数としては優れてるんですけど、やっぱりその触った時の滑りやすさとかになってくると遠隔操作で実際にロボットに触らせた方がいいみたいな、
どれもメリットデメリットみたいなのがこの3つの手法を紹介しましたけど、どれもトレードオフとなってこっちを立たせるとこっちが立たないみたいなのがあるので、
どれが一番優れてるっていうのはまだ言えないってところはありますね。
データがお金になる時代と「たまにミスする人」の価値
それはそうか、実際僕らもゴムでできたコップを持つのとガラスでできたコップを持つのだったらちょっと変えてるのか。
ああですねですね。
掴み方とか、なるほどな。
今なんか横さんが言ってくれてたその質感みたいなものって結構難しくて、実際例えば清掃とか掃除とか家事とかって結構そこが一番出てくるんですよ。
なるほど。
液体でぬるぬるしてたりとか、布とかってすごいくしゃってするとかじゃないですか。
なるほど。
あれとかすごい難しくて、だからこそ人間のデータの方がすごい重要になってくるんで、テレオペデータでもいいですし、
ここにカメラに手にとかここに目についてるゴーグルとかのカメラで撮っていくっていうデータが必要になってくるんですけど、
今ここって以前お伝えした稼げるよみたいな話したかなと思うんですけど、
実際にですね、どのぐらいのコストがかかってるのかってちょっと計算AIに相談して出してみたんですけど、
当初2024年の初頭では1時間あたり340ドルでデータが取れるって言われてたんですよ。
今118ドルぐらいに下がってきてるんですけど、
3分の1ぐらい。
その中のさらに人件費だけで換算すると1時間あたり25から50ドル。
だから数千円から7500円とかそのぐらいですよね。
はいはい。
ここまでじゃあ1時間18000円で売れるっていうわけでもなくて、
実際その118ドルで売れるかどうかっていうよりかはもうちょっと安くなってくるわけですよね。
ただ今やっぱすごい良い時期なので、データが欲しいって企業すごいたくさんあるので、
実際データ買いますって言ってデータを元に稼いでる人たちも結構現れてきてるので、
この時代はなんかデータがお金になる時代。
なるほど。
なんでじゃあデータ買えるお金があるのかっていうと、
そこに投資家がついていて、未来の利益のために投資をしてくれてる会社がいっぱいあるので、
そのお金払ってる企業はその体力があってデータを取りに行こうとしてる。
データを取る会社になれば何が起きるかっていうと、
そのデータをベースにいろんなロボットが動いたりとかしてくるので、
結構中央のビジネスを取ることとかポジションを取ることができるかなっていうところがあるので、
またちょっとNVIDIAはまた別の戦略とかいろいろ取ってるんですけど、
どれだけ根幹の元を取れるかっていうのが、
吉川さんの話でも出てましたけど、
ボディに価値がなくて中身に価値があるっていうのはそういうことなのかなと思ってますね。
これしかも誰でもできる系のデータと、
ある程度習熟しないと取れない系のデータあるような気がしますね。
そうですね。
例えば歩くデータよりも自転車に乗るデータの方が、
自転車ちゃんと乗れる人じゃないと取れないだろうし、
あとは包丁で魚を捌くとかも技術がないとできないから。
そこも結構難しいポイントでして、
めっちゃ熟練してる人のデータだからいいってわけでもないみたいなんですよ。
えっ。
とある論文で言ってたのは、少し下手な人の方が、
完璧な人って全く迷いがなく動くじゃないですか。
なのでそのデータのばらつきが生まれないので、
何か不足の事態がちょっと発生した時に、包丁で切ろうとしたものを落としちゃったとかっていう、
ミスからのリカバリ動作みたいなのが、完璧なプロってそのデータの中に含まれないんで。
はあ。
なんかその龍鳥なでも、完璧なプロのデータだけで学習させた時の、
仕事の成功率が52%くらいだったのに対して、
まあまあ仕事できるけどたまにミスっちゃうよねみたいな、
人のデータを使った時にもう少し成功率が上がって68%くらいまで上がった、
15ポイントくらい高くなったみたいなところがあるんで、
そこも何を教師データにしたらいいんだろうっていうのは、
もうまだ正解がない状態ではありますね。
あら、世界中のオッチョコチョイにチャンスがある。
そうですね。
オッチョコチョイ聞いてます?これを聞いてるオッチョコチョイ。
いっぱい稼げそう、俺もそれだったら。
ねえ。
たまにミスしちゃう人を選定した方がいいですね。
なのでそれで言うと、この間タイミーの方と話した時に、
タイミーでもフィジカルAI用のデータ取っていきますとかって話をしてたんですよ。
まさにこれ在宅ワークめっちゃ可能性あるなと思ったんですよね。
なんかそういう初めての人がやる時って、
ちょっとミスっちゃったけど氷代わりしようみたいな、
いろんなバリエーションのデータが取れるんで、
その領域と結構相性いいんじゃないかなと個人的に思いましたね。
そうか、タイミーってね、ほぼ素人の人がいきなりバンと入って、
すぐ仕事をするみたいなことができるって仕組みだから、相性はいいのか。
はい、しかもタスク単位で小さく切られたタスクで簡単なものになるので、
ロボットが最初に扱うのにふさわしいタスクのデータっていうところになるんじゃないかなと思います。
なるほどね、そう考えたらほとんどの動作がデータとして価値が出てきますね。
人間が生きてるだけでデータとしての価値が出てくるみたいな。
なんかもう山奥で一人生活させて、そいつのデータずっと取っとくみたいなこともいいっすよね。
生きてるだけで役に立つみたいな、技術の発展に、みたいなことが起きそうですよね。
なるほど。
中国の国家規模の取り組みと日本のデータ共有戦略
データって、吉川さんも中国やばいって言ってたじゃないですか、
ちょっと調べてみたんですけど、国家規模で結構なことやっていまして、
この北京の身体知能ロボットデータ訓練基地っていうのがあって、
身体知能っていうのは体を持って現実世界で動くAIのことなんですけど、
画面の中で会話するAIとの対比用語ですね。
AIとの対比用語は身体知能だと思ってもらったらいいんですけど、
これが120以上の主要ロボットの機種が、120機種以上が訓練をまず受け始めていて、
かつ6分野、家庭内サービス、小売り、オフィス業務、産業、生産、医療、ヘルスケアってとこが、
今シナリオを作られてるんですよ。
これがですね、どのくらいの大きさかわかんないんですけど、
1万平方メートル、分かんないですけど、16の訓練シナリオができていて、
約100体のヒューマノイドが1日中作業を反復してるんですって。
かつ、40箇所以上のデータ収集センターが発表されてるんで、
2025年12月までの時点で、もうヤバいことが起きてるんですよね。
だからもう、かつですね、Ubitechっていう、さっき横さんの顔に似てるロボット販売してる会社あるじゃないですか。
あそこの会社、ちゃんとデータドリブンもやってて、
データセンターに5億6千6百万件分のロボットを販売って、
ちょっとどのぐらいかわかんないんですけど、ぐらいを販売していて、
ヒューマノイドって結構みんな売れてるって言ってると思うんですけど、
実は国に売ってるっていうケースが多くて。
で、国に売ってデータ取ってるっていうので結構売り上げてるっていうのが起きてるんですよ。
なるほどな。
だからこのぐらい稼げてるんですよね、そういった現状。
国の政策としてやっぱどれだけロボットに力入れてるかっていうのがわかりますよね。
そうね、もうなんかこれがいわゆる大きな流れみたいな感じですよね。
国がもう押してるんやから絶対にここは来るみたいなのが大きな流れですよね。
儲かってる儲かってるって言うと箱開けてみると国と政府とかそっち関連だったみたいなこと。
実際の大学の研究開発のためにユニツリーのロボットとかめちゃくちゃ売られてるって話したと思うんですけど、
そういうことが起きてるんで、日本がロボットに勝つにはもうちょっと国が頑張らないと難しいですよね。
ですよね、まずは資金が単純にパワーになるから国とかじゃないとできない規模の研究とかあるやろうから、なるほどね。
日本の話で言うとデータを共有財産もう各社で囲い込まずに、日本全体で協力して共有財産にしようぜみたいな動きが出てきてまして、
高市政権が今年の1月にその現場のデータが豊富にあるので、
その辺を使ったプラットフォームとか作っていきたいみたいなことを発表したんですね。
経済産業省とかがお金を払って、AIロボット協会、通称AIROAってところがあるんですけど、
そこがそういう実際の現場から多様なロボットの稼働のデータを収集するっていったところのプラットフォームを作っていくっていうところをやっていて、
そこに日本の大企業がいろいろ参画していって、みんなでデータ取っていこうぜっていう動きが動いてたりしますね。
なんか日本っぽいですね。 ですね。
なんかシェアしてみたいな。 でもそれって結構利にかなってるみたいでして、
とある論文によると、1社のロボットだけでデータ学習を回すよりも複数社のロボットの機体のデータで学習を回した方がロボットは賢くなるっていう論文が出てまして、
その論文で言ってたのが、22種類のいろんな形のロボット、片腕から両腕から四足歩行までっていろんな機体のデータを合わせてミックスさせて学習させたってところがあったらしいんですけど、
そうすると単体のロボットだけで学習させてたものよりも動作を成功させる確率が、もともと単体のロボットで学習させたものでは42.8%くらいしか成功できなかったものが、
複数の22種類の機体で動作したものをミックスで学ばせた時に75.8%までアップしたみたいなところがあるらしいんですよ。
例えるなら、僕らって自転車に乗ったことがあれば、なんとなくバイクもこういう姿勢で乗るんだなみたいなところのカンコツみたいなの掴むじゃないですか、
それと同じみたいで、別の機体での学習その経験が他の機体を乗る時にも活かせるみたいなところが大規模なデータセットになると出てくるらしいので、そういうふうに各社で持ってるロボット、ファナックとかヤスカワとかいろんな産業用ロボットありますけど、
そういったところがロボット機体で作ったデータを共有のプラットフォーム上で公開して、それをミックスして学習データにすることで、より優れたロボットの脳みそ部分AIができるっていうところは理論的に証明されてるみたいですね。
まあそりゃそうっすよね、なんかいろんなパターンでやったほうが、より抽象化したところで共通因子みたいなものを見つけ出してそれを学べるっていうところであるから、だから教師データは多様なほうがいいってことだから、実際人間もいろんな先生から学んだほうが頭良くなるみたいなのありますよね。
確かにそうですね。 一人の算数の先生よりも塾で学んだ教え方、学校の教え方、親みたいな感じで学んだほうがいろんな共通点と違いとわかるから、人間にたどいてもそうだなと思いました。
1X社の「NEO」に見るデータ収集の逆転構造
実際クロードコードとかでいろんな事例を仕事して溜めていくじゃないですか、結構共通項を割り出してとかいうといろいろ出てきますもんね。そうっすよね。
自分の仕事のスタイルとか、そこの業界の特徴とか、かつ僕調べててさすがだなって思ったのがあって、ノルウェーの事例なんですけど、前に出した1Xっていうサブスク75000円の会社がヒューマノイドネオっていうのがいるんですけど、これちょっとまだうちも予約が購入したんですけどまだ届いてなくて、これ知ったら恐ろしいなってちょっと思った部分があって、
なんやろ。 これネオってまずそんなにまだ買った早々から使えないロボットなんですよ。実際基礎的な動きはできるんですけど、このロボットが知らない火事に出会ったら1Xとの遠隔オペレーターに予約ができて、その人間が代わりにオペレーター学習してこうやってやりたげますみたいな感じですよね。
へえ。 これね、ビジネスモデルの構造上めちゃくちゃすごいなと思ったのはですね、僕らはサブスクで75000円か何百万円か一括払い払って買うわけじゃないですか。
はい。 で、自分の家に置くじゃないですか。で、やはりこれ何が起きてるか、データ収集装置を置いてるんですよ、お金払って。お金は普通企業が払うんじゃなくて僕たちが払ってるんですよ。で、オペレーターにどんどんどんどんみんな頼むじゃないですか。
はい。 じゃあ何の作業してほしいんですか、こうやってやってあげるじゃないですか。で、これで位置学習を覚えるわけです。家庭内に潜り込んでデータ取ってお金もらえてるっていうビジネスでは、なんか今まで企業がお金払って人にバイトでやらせるっていう僕が最新紹介したやつの逆バージョンをやってて、頭よって思って、お金払ってテレオペのデータをあげちゃってるんだ僕ら。
まあでもなんかたまにそれ思うとこあって、アプリとかであなたの行動データをサーバーに送信していいですかみたいなやつあるじゃないですか。あれっすよね。 トラッキングデータですね。 トラッキングデータっすよね。
僕らはいつのまにかロボットを買った瞬間から教科書を作ってる側になってて。 すげえな。 だからよく昔オンラインサロンとかでお金払ってイベントスタッフやりますとか流行ったじゃないですか、ピンコニシノさんの。 バーベキュー型って呼ばれてるやつね。
そうです。昔はありえなかったじゃないですか。なんでこっちがお金払って働くんやみたいな。でも経験だよねみたいな。そういうのをビジネスモデルで構造上仕組みでこういうのを作り上げちゃったってなんか面白いなって。
そういう切り取り方をするとすごいな。しかも各家庭が実験場やから一個の理想的な状況で作られたところに集めてやるよりも多様性という意味でも多様化するっすもんね。 しますします。 全部間取りが違う、性格が違う家主のところでやるんやから。
しかも絶対金持ちか企業うちみたいな企業の専門業者しか買わないじゃないですか。でその人たちはもう楽しくてしょうがないからいろんな動作を覚えさせたいわけじゃないですか。モチベーションMAXなタイプがMAXでめっちゃ問い合わせするやつが一緒に協力してくれるっていうなんかすごい構造なんですよね。
飛んでみろおいジャンプしてみろよとか言って。でもすげえすぐに学んでお前やるやんみたいな感じになるでしょ。 すごいなあ。
偏ったデータになるかもしれないですけどね。椅子代わりに使われてるデータだけいっぱいあるみたいな。 お前それどこで覚えたんやみたいな。〇〇さんに全て教わりましたとか言って。
でもさこのみんなが取ってプレイチームお願いしたデータが収集データになってさそれがまた肩貸してまたみんなに配られるわけでしょ。だから家にいるだけでずんどんアップデートしてみんなで一緒に一個のロボット育てていこうみたいな概念だから。
でもなんかこれマジでちょっと人類全員でロボットを育てるみたいな意識倫理観必要っすねこれ。マジでAIになんかそういうの教えるみたいなやつあったじゃないですか。なんかXのアカウントで差別的なやつばっかりをずっとコメントしてたら差別的な発言をするようになったAIみたいなのが確か一時期あったんですよ。
楊 学習するんだっていう意識をなんかデータを与える側がやらないと本当にハックできちゃうというか悪意があれば。なんかこれ倫理観とセットやなと今。人間って思いついたらやるからここそろそろ倫理観とセットにしないと危ねえなって思いましたね。
てかリスナーのみなさんとリモートコントロールでみんなで交代ずつになんかの動作をめちゃくちゃ覚えさせたいっすね。 楊 それやりたいわ。 なんかどれだけ綺麗にあの大根を正方形にフレンチ料理のように切れるかとか。 楊 いい。 修行でやるじゃないですかフレンチって。 楊 はいはいはいはい。 とかね。なんかやりたいっすよね。
楊 これできますね。 できるできる普通にゴーグル買ってくれればできますよ。 楊 しかも下手な人でも大歓迎ですからね。むしろその方が上手くなるんで。 楊 そうだ。もう一回言っときますか。おっちょこちょい聞いてます?おっちょこちょいの人。あなたチャンスですよ。 楊 活躍してください。 活躍してください。
失敗も価値となる未来
ああ面白いなあ。 楊 なにが価値が出るかわかんない時代になってくるっすね。失敗も価値やしっていうね。
ということでなんかあの人類のすべてがね一挙手一投足本当にもうなんかあの価値が出るという時代になったら面白いなと思いながら今日めちゃくちゃ面白かったです。
はいということで最後までお聞きいただきありがとうございました。面白いまた聞きたいと思っていただけた方ぜひフォローチャンネル登録お願いします。
お二人も募集しておりますね。概要欄のフォームからお送りください。あとハッシュタグはヒューマノイド最前線です。ぜひコメントシェアお願いします。
この番組は毎週水曜日の朝6時に配信予定です。次回もお願いします。