AIは制御できるのか？【The Urgency of Interpretability】

今回はAnthropic CEOのDario Amodeiが書いた『The Urgency of Interpretability』について話しました。

【目次】

(00:00) 今回のテーマ「AIをどうやって制御するのか」

(00:21) 今回の参考文献『The Urgency of Interpretability』

(00:41) AIはブラックボックスである

(02:18) 「AIの内部構造の解明」で解決する3つの問題

(04:15) モデル解明(Model Interpretability)研究の今

(09:39) Superalignmentの手法: AIモデルの脳スキャン

(14:00) 我々人類のやるべきこと - 1.AI安全性研究にもっと取り組む

(16:06) 我々人類のやるべきこと - 2.AI安全性についてのルールを作る

(16:42) 我々人類のやるべきこと - 3.AI開発においてアメリカのリードを広げる

(18:43) 我々人類のやるべきこと - まとめ

(19:02) まとめ

(19:51) AnthropicのAlignment研究

【参考文献】

- https://www.darioamodei.com/post/the-urgency-of-interpretability

- https://openai.com/index/language-models-can-explain-neurons-in-language-models/

- https://transformer-circuits.pub/2025/attribution-graphs/biology.html

- https://www.anthropic.com/research/exploring-model-welfare

- https://youtu.be/pyXouxa0WnY?si=19FEKkB4Nt-MNS1U

- https://techstartups.com/2025/04/18/anthropic-backs-goodfire-in-50m-series-a-to-decode-ai-models-marking-first-ever-startup-investment/

【起業の履歴書について】

起業の履歴書は「偉大な企業を作り上げた起業家やその企業の歴史や哲学 📚」を掘り下げたり「スタートアップのテクノロジートレンド 💻」について話すチャンネルです！

＜ホスト＞

・East Ventures 村上雄也 - https://twitter.com/yu8muraka3

・伊藤工太郎 - https://twitter.com/etaroid

＜Podcast＞

Spotify - https://open.spotify.com/show/5ryodBEEOn66Wk7H2Sl8zF

Apple - https://podcasts.apple.com/jp/podcast/kigyo-no-rirekisho/id1767313170

【お問い合わせ】

起業の相談やお仕事の依頼は「下記お問い合わせフォーム 📋」または「上記XアカウントのDM 📮」にお送りください！

https://forms.gle/hYZojSEgvqis8Pys5

取り扱って欲しいテーマのリクエストなどもお待ちしております！