次の川へ飛び込む
2023年6月、私は約10年間働いたSenseTimeを離れた。
辞めた時点で、検証済みのプロダクトも、完成した事業計画もなかった。具体的に何をするのかさえ、まだはっきりしていなかった。
ただ、自分が再び次の川へ飛び込む時を迎えたことだけは分かっていた。
川を変えるのは初めてではない。だが、そのために会社を離れなければならなかったのは初めてだった。
私が繰り返してきた選択
私は農村の小学校から県庁所在地の中学校へ進み、その後、南京大学で学部を、清華大学で大学院を修めた。大学院在学中に、創業したばかりのSenseTimeへ加わった。入社後は、まず生体検知チームを立ち上げ、その後、産業用ビジョンチームを立ち上げた。
振り返ると、こうした変化は数年おきに訪れている。
あらかじめ設計した人生計画ではない。それまでの仕事が意味を失ったからでもない。ただ、何年も取り組むうちに、その領域も自分も少しずつ成熟していく。仕事がすべて終わったわけではなくても、自分の限界を越えることを迫られなくなる。
多くの人にとって、それは理想的な状態だろう。だが私には不安をもたらす。先まで見通せる人生が好きではない。だから時折、やり方が分からず、どこから始めるべきかさえ分からない問題の中へ、自分を置く必要がある。
ここでいう「川」は会社ではない。川を変えることが、必ずしも退職を意味するわけでもない。新たに学び直さなければならない領域、まだどうすれば成し遂げられるか分からない仕事のことだ。SenseTimeで過ごした約10年の間にも、私は二つの異なる川へ飛び込んだ。
一方で、私はただ変化だけを求める人間でもない。自分の中には、それとほとんど反対向きに働く力もある。責任感だ。
私は物事を途中で投げ出すのがひどく嫌いだ。やると決めたことは、本当にうまくやり遂げたい。一方の力は次の川を探させ、もう一方の力は元の川にとどまって、始めたことを終わらせようとする。
今年の退職は、この二つの力が長くせめぎ合った結果だった。
アルゴリズムを現実世界へ
SenseTimeに入った当初、私は研究部にいた。それでも関心は一貫して応用にあった。知りたかったのは、アルゴリズムが実験データ上で有効かどうかだけではない。それが現実世界に入り、具体的な問題を解けるかどうかだった。
生体検知は、SenseTimeにとって最初の大規模な実用化プロジェクトの中核だった。それ以前にも、顔認識ではいくつか優れたデモができていた。しかし、本当の大規模運用に向き合うと、本番環境の問題が数多く未解決だと分かった。とりわけ、オンラインシステムへの攻撃が問題だった。
当時、システムへのアクセスは一日100万件を超え、ピーク時には一日に数十万回もの攻撃を受けた。技術を進歩させ続ける一方で、すでに稼働しているサービスも支えなければならない。仕事はしばしば白兵戦になった。午前3時、4時まで会社に残ることも多く、そのまま徹夜することもあった。
一日一晩かけて既知の攻撃をすべて解決し、家へ戻って眠る。ところが寝入った直後に電話が鳴る。オンラインがまた破られた、というのがよくあることだった。
この過程で私たちは、SenseTimeの顔認識におけるエンドツーエンドのモデル体系づくりにも携わった。それ以前、多くの深層学習アルゴリズムは局所的な工程にしか使われず、システム全体は複数の段階を直列につないで構成されていた。しかし、変化し続ける攻撃を前に、人手で組み合わせた手法では高速な反復に追いつけない。私たちに見えた唯一の道は、一つのエンドツーエンド深層学習モデルにデータから直接学ばせることだった。当時、私たちはこれを「大一統モデル」と呼んだ。
このプロジェクトで、私は初めて本当の意味を理解した。デモで有効なアルゴリズムが、そのまま成立した技術なのではない。大規模アクセス、絶え間ない攻撃、さまざまな想定外に耐えて初めて、実際に使える技術になる。
その後、私たちはスマートフォンへ進出した。端末メーカーはリリースのたびに数百人規模のテストを行い、同業者や利用者も新たな問題を次々と見つけた。そのため、当時私たちが知るAIアルゴリズム企業の中でも最大級のテストチームをつくり、あらゆる可能性を洗い出そうとした。
逆光に関するある問題は、SenseTimeのあるオフィスにある特定の男性用トイレでしか再現できなかった。「陰陽顔」と呼んだ別の問題は、特定の木の下の決まった角度に立った時だけ現れた。数億人の日常で確実に動くプロダクトにするため、私たちはこうした作業を大量に重ねた。
最終的に、スマートフォンの本人認証で市場をリードするまでになった。
これがSenseTimeで入った最初の川だった。生体検知は論文のデモから始まり、何度もの大規模運用による検証を経て、かなり成熟した領域になった。2019年には、かつて危険を承知で探索しなければならなかった問題の多くを、蓄積した経験で解けるようになっていた。すべてを終えたわけではない。それでも、自分が再びコンフォートゾーンに入ったことは分かった。
そして、またじっとしていられなくなった。
SenseTimeに残り、川を変える
2019年、私はSenseTimeを辞めなかった。同じ会社の中で、本人認証から産業用ビジョンへ移ることを選んだ。
大規模な調査を行い、会社の経営陣やビジネスチームと何度も話し合った末、最初の産業用ビジョン案件として、高速鉄道C4架線設備のスマート検査を選んだ。
私はプリセールスチームとともに、多くの鉄道検査センターや鉄道局を訪ねた。最も印象に残っているのは徐州の検査センターだ。訪問の直前まで雨が降っていた。センターはかなり辺鄙な場所にあり、私たちは足を泥に取られながら中へ入った。
中にはコンピュータがずらりと並んでいた。検査員は毎日長い時間、画像を見続け、鉄道の架線設備に起こり得る故障を探す。ほとんど全員の目の下にくまがあった。故障を見つけた後も、数千キロに及ぶ線路をたどり、一つずつ対処しなければならない。単にねじやナットが緩んでいるだけでも、現場へ急ぐ必要がある。厳寒でも猛暑でも、先延ばしにはできない。
あまりにも切実なニーズだと思った。少なくとも、一番時間のかかる作業、つまり画像を見ることは、私たちが助けるべきだった。
実際に始めてみると、想像以上に難しかった。架線設備には100種類以上の部品と、1,000種類以上の欠陥がある。この数字でさえ、現場の人たちと何度も数え直して、ようやく整理できたものだ。従来の検査の多くは経験に依存し、資料や過去のデータは各所に散在していた。私たちは一から資料を集め、現場の人たちと一緒に働きながら、故障項目を一つずつ理解しなければならなかった。この作業には断続的に2年近くかかった。
さらに大きな課題は少数サンプルだった。高速鉄道で故障が起きること自体、極めて少ない。一年に一度も起きないものもあるが、ひとたび起きれば深刻な結果を招き得る。十分なサンプルが集まるまで待つことはできない。現実の条件に合わせて手法を設計し直すしかなかった。
最終的に、このプロジェクトは成功し、大規模に導入された。
産業用ビジョンは、SenseTimeで入った二本目の川だった。会社は変わらなかったが、それまで慣れ親しんだもののほとんどが変わった。問題、データ、顧客、評価基準、働き方。そのすべてが違った。私は再び初心者になり、チームとともに、当初はやり方すら分からなかったことを成し遂げた。
だから私は、川は会社と同じではないと言う。私を本当に引きつけるのは、ある場所を離れることではなく、より難しい問題へ入ることだ。
川を変えなかった2022年
SenseTimeは上場後、新たな財務面とリソース面の圧力に直面し始めた。同時に、前のコンピュータビジョンの波は成熟期に入り、次の波はまだはっきりとは現れていなかった。多くのことがリソース、市場、技術の限界に制約され、以前のような速さで進めにくくなった。
2022年を通じて、私は少し意気消沈し、言い換えれば、やや流されるような状態にいた。普通に出勤し、普通に退勤するようになった。
それ自体には何の問題もない。決まった時間に働くのは、多くの人にとって普通の暮らしだ。しかし私は、それまで仕事をずっと起業のように捉えていた。突然この状態に入ると、かえって強く落ち込んだ。
表面上、その頃の生活は以前よりずっと快適だった。目覚めるたびに必ず解くべき新たな問題があるわけでもなく、オンライン障害のために徹夜することも減った。だが私を本当に苦しめたのは、その快適さだった。何も変えなければ、数年後にどんな暮らしをしているか想像できるようになった。
それでも、すぐには辞めなかった。私をとどめたのは責任感だった。
高速鉄道の検査は成功したが、自動車工場の品質検査は実現できず、産業用の知能ロボットアームも完成していなかった。私はそれらを続けたかった。自らチームをつくり、方向を選んでおきながら、最も苦しい時に去ることを簡単には受け入れられなかった。
一方の力は次の川を探せと言い、もう一方の力は目の前の仕事がまだ終わっていないと言った。
2022年は、後者の力の方が強かった。
次の川が見えた
昨年末にChatGPTが現れ、今年前半にはGPT-4が登場した。それまでの均衡は崩れた。
当時、私は強く感じた。コンピュータビジョンは「本丸を奪われた」と。
未来は、文字、画像、音声それぞれの独立したモデルから成るのではない。コンピュータビジョンはなくならないが、汎用モデルが世界を理解するための一部になる。私たちは以前、ビジョンを一つの完結した技術の中心と考えていた。今、より大きな汎用知能の時代が現れつつあった。
これはコンピュータビジョン内部の技術更新ではない。技術発展の本流そのものが変わったのだ。
私はまた、流れをまだ知らない川を見つけた。
以前なら、SenseTimeに残ったまま川を変えられた。2019年に本人認証から産業用ビジョンへ移ったのが、まさにそうだった。だが今回、次の川は従来の仕事の延長線上にはなかった。私が入りたかったのは、汎用知能と、そこから生まれる新しい応用だった。
当時の私の役割と責任は、まだ産業用ビジョンにあった。残るのであれば、産業用ビジョンをよいものにするため全力を注ぐべきであり、元の責任を負いながら自分の次の行き先を準備すべきではなかった。
本当に次の川へ飛び込むには、まず以前の役割を離れなければならなかった。
今年前半になると、私はますますじっとしていられなくなった。新しい技術が最終的にどんなプロダクトを生むのかも、自分がそこで何をできるのかも分からなかった。それでも、すべてを考え抜くまで待てば、学び始めるべき最も大切な数年間を逃すかもしれないと分かっていた。
本当に重要な仕事には、「すべて完了した」と宣言できる瞬間がないことが多い。責任とはあらゆる問題が終わるまで待つことだとすれば、人は永遠に新しい選択をできないかもしれない。
私は次第に、責任は残ることだけを意味しないと気づいた。残るのも一つの選択であり、その結果を引き受けなければならない。責任感を、選択を無期限に先送りする理由にしてはいけない。
こうして今年6月、私はSenseTimeを離れた。
答えがないまま辞めた理由
辞める前、仕事の外でひそかに起業の準備をしてはいなかった。SenseTimeが手がけていた事業を持ち出して起業するつもりもなかった。
会社で働き、会社の仕事を届ける責任を負い、会社のリソースを使いながら、心の中では自分の次の行き先の準備を考えているとしたら、それは現在の仕事に対して誠実ではないと感じる。
つまり、退職した時の私は本当に準備ができていなかった。
起業を真剣に考えていなかったからではない。辞めるまでは、まだ以前の仕事を真剣に考えていたからだ。
先に離れ、その後で答えを探すしかなかった。
泳げるからといって、すべての川を知っているわけではない。流れを完全に理解するまで岸に立ち、それから飛び込むこともできない。水の中でしか得られない知識があり、動き始めて初めて見える方向もある。
今回は、川を変えることがたまたま退職を意味した。だが私を動かしたのは、退職そのものへの憧れではない。次の川が現れたことだった。
応用する側を選ぶ
ChatGPTの登場後、私は友人たちとある問題を話し合った。AGIが実現したら、知能は最終的に少数のプラットフォームへ集中するのか、それともより多くの人に共有されるのか。
私の考えは、最終的には必ず広がっていく、というものだった。
これを厳密に証明することはできない。ただ、宇宙そのものは中央集権的なシステムではない、という直感がある。現実世界は、無数の人、デバイス、環境、局所的な問題からできている。知能が本当にこの世界へ入るなら、同じように無数の異なる形で存在するはずだ。基盤モデルの訓練は少数の企業に集中するかもしれない。しかし、知能の応用が少数のプラットフォームだけのものになるとは思わない。
だから私は、基盤モデルをつくろうとは思わない。新しい知能で、一つひとつの具体的なニーズに応える応用をつくりたい。
この選択は、自分の人生経験からも来ている。
私は農村で育った。小学校から中学校まで、休みや放課後の多くを家の農作業に使った。種まき、施肥、農薬散布、トラクターの運転、家畜の飼育。ほとんど何でもやった。休暇中の自分は、まさに一人の農民だった。
私は、この仕事がもたらす達成感が好きだった。作物がよく育ったか、動物をうまく育てられたか。結果はすぐに分かる。少しうまくやれば、一つの家族の暮らしが少しよくなる。
大学では多くのアルバイトをし、同級生と夏期講習も開いた。募集、集金、授業のすべてを自分たちで行った。その夏、参加した数人の同級生は皆、翌年の生活費を稼ぐことができた。
大学院では家庭教師をした。その後、SenseTimeが創業したばかりで、オフィスが清華大学南門近くの文津ホテルの一室にあった頃、私は初期の創業メンバーとして加わった。
表面上、これらに共通点はないように見える。だが、達成感を与える仕組みは同じだった。現実にある問題を解き、自分が関わったことで物事が変わるのを見ることだ。
だから、新たな汎用知能の時代が現れた時も、私は本能的に応用する側に立った。関心があるのは、技術の強さをどう証明するかではなく、それが最終的に具体的な一人のために何をできるかだ。
飛び込んだ後
次の川に入ったからといって、すぐにどこへ泳ぐべきか分かったわけではない。
SenseTimeを離れて最初の数か月、私はまだ本能的に最も慣れた場所から機会を探した。友人と画像に関わるプロダクトをいくつか試した。それまで約10年間の仕事はコンピュータビジョンに関わっていたのだから、そこから始めるのが最も自然に思えた。
だがしばらく取り組むうちに、方向が違うと感じるようになった。必ずしもプロダクト自体が悪いのではない。私たちが、利用者が本当に何を必要としているかではなく、自分たちに何ができるかを出発点にしていたことが問題だった。
10年もハンマーを持っていると、別の部屋に移っても、目に入るものはすべて釘になりやすい。
新しい領域へ入るとは、場所を変えて過去に成功した方法を使い続けることではない。本当に一から始めるには、自分が最もよく知る答えを、いったん手放さなければならない。
そこで自分に問うた。過去10年の技術的な蓄積を考えないなら、自分が一番欲しいAIプロダクトは何だろう。
答えはノートだった。
私が最も欲しいプロダクト
中学生の頃から、私は「筆を動かさずに本を読まない」という習慣を持っている。私にとってノートは、資料を保存するだけの場所ではない。記憶の延長であり、思考の一部でもある。
ノートはよく「第二の脳」と呼ばれる。しかし、その第二の脳は実際には知能を持っていない。
情報を入れても、整理し、探し、つながりをつくり、取り出す方法を考えるのは自分だ。もう一つの脳というより、外付けハードディスクに近い。
今世代の大規模モデルを見て、私は初めて、これが根本から変わり得ると信じた。未来のノートは、人が書いたものを保存するだけでなく、その内容を理解し、互いのつながりを見つけ、必要な時に思い出すのを助け、さらには思考に加わるかもしれない。
私がつくりたいのは、AI機能をいくつか追加したノートアプリではない。本当に知能を持つ第二の脳だ。
汎用知能は、私が飛び込んだ次の川である。インテリジェントノートは、その中に入って最初に泳ごうと決めた方向だ。
まだ対岸には着いていない
それ以前にも、私は起業に似たことをいくつもしてきた。大学で夏期講習を開いたのは非公式な起業だった。創業直後のSenseTimeに加わったのは起業への参加だった。SenseTimeの中で生体検知と産業用ビジョンのチームを立ち上げたことも、会社の中で起業するのによく似ていた。
だが今回は違う。今年6月、私は初めて会社を離れ、自分を完全に市場の中へ置き、本当の意味でフルタイムの起業を始めた。
今日は2023年12月31日だ。SenseTimeを離れてから半年が過ぎた。
すべての問いに答えが見つかったわけではない。成功と呼べる対岸にも着いていない。プロダクトをつくること、市場を理解すること、そして両者を適合させることなど、これまで得意ではなかった多くのことを学んでいる。
多くの人には苦しい状態かもしれない。私にはむしろ、久しぶりの懐かしさがある。自分が答えを知らない場所へ、また戻ってきたからだ。
これは私の個人ブログの最初の記事だ。旅が終わったから書くのではない。本当に始まる時に、自分がなぜ出発したのかを記録しておきたい。これからもここで、技術、プロダクト、人について考えたこと、そして自分がつくっているものを書き続けるつもりだ。
この川が最終的にどこへ流れるのかは分からない。
だが振り返れば、人生の重要な変化のいくつかは、同じ選択から始まっていた。十分に長い時間を注ぎ、自分が少しずつコンフォートゾーンに入ったと気づいた時、次の川を探し始めるという選択だ。
今年6月、私は再びその選択をした。
今もまだ、水の中にいる。