MyShell創業者との対話：ロボットのためのスーパーメガファクトリーを創る
TechFlow厳選深潮セレクト
MyShell創業者との対話：ロボットのためのスーパーメガファクトリーを創る
MyShellの成長は非常に「有機的」であり、綿密に設計されたというよりも、むしろ進化してきたようなものだ。
Web3業界の深掘り報道に専念し潮流を洞察取材：Afra、Zohar
執筆：Afra、ChatGPT
MyShellが注目を集めた起点
「最初のデモボットをリリースしてから3週間目か4週間目の段階で、ユーザーのコミュニティはすでに8000人を超えました。当時、バックエンドに表示されていた総ユーザー数は3万人でした。」
「グループ内には毎日8000人が活発に議論しており、3月から4月にかけて、コミュニティのメンバーがコードやさまざまなモジュールを開発し、少しずつ私たちのプラットフォームを支えてくれました。その間にも、投資したいと申し出てくれるユーザーが現れました。」 「記事公開時点で、総ユーザー数はすでに10万人を突破しています。」
MyShellの成長は非常に「有機的」であり、緻密な設計というよりは進化のように起こった
「当時GPTや多くの大規模言語モデルが登場し、そのテキスト処理能力の高さに驚きました。ただ、これに魅力的な音声機能を加えれば、単なるチャットツールではなく、ユーザーが新しい言語を学ぶのにも役立つのではないかと考えました。特に当時、英会話の練習ニーズがあったため、1日かけてロボットを作成しました。完成後、とても感動し、Rickも喜んでいました。Samantha（注：MyShell初期のロボット。スカーレット・ヨハンソンの声を使用）と英語で会話することで、人と話すときの恥ずかしさもなくなりました。」
「その後、私たちは友人向けにWeChatのミニ投稿をしました。それが予想外に広がり、Telegramグループのメンバーは数十人から数百人に増え、瞬く間に1000人、さらに8000人まで膨れ上がりました。」
「非常に人間らしく、直接音声で対話できる。音声ボタンを押して話しかければ、送信後にロボットが音声で返答してくれます。」
MyShellはノーコードのロボット作成プラットフォームである
AI Vanguard：まず、現在取り組んでいるMyShell製品について紹介してください。また、現時点での成果と今後の展開計画について教えてください。
Rick（MyShell創業者）：私たちの目標は、プログラミング未経験の大学生でも簡単にオリジナルのロボットを作れるノーコードプラットフォームです。最近、『マシン工房』機能を正式にリリースしました。この機能を開放して以降、ユーザーの参加が爆発的に増加し、すでに約60体のユーザー自作ロボットが生まれています。公開ロボット以外にも、ユーザーが独自に保有する非公開ロボットは100体以上にのぼります。それに対し、それまでの2か月間で私たちが作ったロボットはわずか5体でした。
当社のプラットフォームには、言語学習、教育、実用ツールなど、多様なタイプのロボットがあります。ユーザー自身の興味に基づいて、好みのロボットを自由に組み合わせられることを目指しています。現在、音声生成機能を統合済みで、今後は画像モジュールの追加も予定しています。より人間らしく、柔軟に組み合わせ可能なロボットを提供し、細分化されたニーズにも応えていきます。
優れたbotの紹介
-
YUKI - IELTS Teacher Ben
-
【IELTS Teacher Ben】が一対一の模擬練習やスピーキングの添削をサポートします
-
使用例：
-
-
Kaiserwetter - MBTI Stimulation
-
任意のMBTI人格と任意のキャラクターとして会話可能
-
使用例：
-
当社のプラットフォームでは、モデル提供者、ロボット制作者、ユーザーという三者の関係性を築き、健全で持続可能な経済モデルを通じて有機的な協働を促進することを目指しています。ユーザーはお気に入りのロボットを選択でき、ロボット制作者は高品質なモデルを選べ、モデル提供者はアプリケーションの場面と高品質なデータを得られます。
AI Vanguard：Langchainアーキテクチャのように、ノーコードで処理を行い、より多くの人々に生態系構築への参加を促していると理解できます。
Ethan（MyShell創業者）：はい、まさにそれが私たちの狙いです。ユーザーが一切のコード知識を持たなくても、低コストかつ効率的に自分のAIを作成できるようにしたいのです。Langchainとは異なり、Langchainは主にテキストモダリティに特化しており、開発者が迅速にテキストの入出力を実現できる点に強みがあります。しかし、私たちにとってマルチモーダル性は極めて重要だと考えています。そのため、音声モダリティを独自に開発・統合しており、近い将来には画像理解および画像生成機能も追加する予定です。これにより、プラットフォームはよりシンプルかつ多様になり、マルチモーダル統合という点で大きな価値を持つと考えています。
大規模言語モデルは、他のモダリティやサービスをつなぐ“スーパー接着剤”になるべきだ
AI Vanguard：人格化についてもう少し掘り下げたいと思います。人格化というのは、単にロボットの外見や声だけではなく、コミュニケーション能力や提供されるサービスの質にも関わってきます。この点についてどのようにお考えですか？
Rick（MyShell創業者）：私たちはロボットを二層構造で捉えています。表層はユーザーとのインタラクション部分、つまりコミュニケーションインターフェース。底層はロボットが持つ「能力」の部分です。大規模言語モデルは、他のモダリティやサービスをつなぐ“スーパー接着剤”の役割を果たすべきだと考えています。ロボットは交通管制官のような存在で、ユーザーの指示をより適切に処理できるモジュールへと振り分けることができます。
能力層については、特に基本的な機能（例えば、食事の配達注文や数学の問題解決など）においては、ある程度均質化されているべきだと考えます。一方で、表層、つまりインターフェース層の差別化は非常に重要です。ロボットのUIは人間らしく、ユーザーとの感情的なつながりを築き、ユーザーの意図を深く理解した上で、裏側で複数の小さなモデルを連携させる必要があります。
Ethan（MyShell創業者）：大規模モデルはユーザーの利用習慣から意図を理解できますが、その背後には多くの小型モデルが連携して動作しています。ユーザーに最もよく馴染んだ大規模言語モデルまたは専用モデルが、各能力モジュールを統括的に管理します。天気の問い合わせや翻訳、その他の機能的課題に対しても、ユーザーの利用習慣や意図を正確に把握する力が必要です。
Rick（MyShell創業者）：具体例を挙げましょう。会議中に専門的な問題に直面し、別の人に意見を求めることと同じです。「上の件を見て、何か提案できる？」と聞くように、Samanthaに「今夜12人でディナーに行くんだけど、何かおすすめある？」と聞けば、Samanthaは料理担当のロボットを会話に参加させ、彼に料理の手配を依頼するかもしれません。これらのロボットは共通のイベント空間を持っており、お互いの存在と能力を認識しており、必要なときに他のロボットを呼び出して協力します。
さらにマルチモーダル性について言えば、ロボットは異なるモデルやサービスを自由に選択して応答できます。たとえば、Samanthaに家のリフォーム相談をすれば、文字だけではやり取りが困難ですが、画像モダリティを呼び出せば数秒で解決できます。どの場面でどのモダリティを使うかを判断できることが、個性的なUIの鍵だと考えています。
将来的に大規模モデルはますます強力になるが、ごく少数の大手企業に集中するだろう
AI Vanguard：大規模モデルの出現は業界にどのような影響を与えましたか？今後の発展方向はどこにあるとお考えですか？
Ethan（MyShell創業者）：まず、GPTシリーズのような大規模モデルの登場は、過去10年間のNLPアルゴリズムに大きな衝撃を与えました。従来は翻訳や誤字訂正など、それぞれのタスクに専用のアルゴリズムを使っていましたが、今や一つの超大規模モデルが複数の専用モデルの能力を上回るようになっています。これにより、多くの専用アルゴリズムが不要になりつつあります。
次に、GPT-3のようなモデルのパラメータ数はすでに1000億を超え、消費級ハードウェアや小規模な専用ハードウェアでは訓練が極めて困難で、コストも非常に高くなります。ただし、LoRA（Low-Rank Adaptation of Large Language Models）のような技術（注：事前学習済みの大規模モデルに対して極少数のパラメータのみ調整し、新データや新シナリオに適応させる手法）により、コストを大幅に削減できる可能性があります。
同時に、将来の大規模モデルはますます強力になりますが、その開発と所有はごく少数の大手企業に限られるでしょう。一方で、オープンソースコミュニティの活発化により、LoRAのような手法を使い、最先端の汎用モデルと独自データを組み合わせて、無数の小型・専用モデルが生まれると予測しています。
大規模言語モデルは、いずれすべてのAPI、アルゴリズム、ツールをつなぐ“脳”のような存在になるでしょう。外部の知識やサービスを呼び出し、外部からの入力を統合して、複雑なタスクを遂行します。
AI Vanguard：現状では、他のモデルがGPT-4に追いつこうとする場合、特別なデータを持っているか、特定分野の専門知識を大量の独自データで訓練した場合に限られます。GPT-5が登場すれば、OpenAIに追随しようとするモデルたちにどのような挑戦が生じると予測されますか？
Ethan（MyShell創業者）：GPT-5は非常に強力かもしれませんが、コストも非常に高くなるでしょう。そのため、将来的には用途やコストパフォーマンスに応じてモデルが分化すると考えます。GPT-5は、大量かつ標準的な形式の高品質データ生成に使われる可能性が高いです。コストは高いものの、人間による作業よりも安価になるケースもあります。すでにスタンフォード大学では、GPTが生成したデータで小型モデルを訓練する事例があります。
私たちの独自の見解として、Appleは大規模言語モデル時代においてまだ動きがありませんが、強力なエンドポイントデバイスとチップ製造能力を持つ企業です。そのため、モバイル端末向けの専用チップが、ローカルで効率的に大規模言語モデルを動作させる可能性があります。これはデータのプライバシー保護だけでなく、レスポンスタイムの最適化にも寄与します。将来的にAppleがAIの潮流の中で重要な役割を果たし、OpenAIのAPIに依存する競争構造を変えるかもしれないと考えています。
AIスタートアップが壁を築くには、アルゴリズムとデータの両面からアプローチすべきだ
AI Vanguard：起業家として見た場合、現在のAIスタートアップが直面する最大の障壁や難点は何だと思いますか？
Ethan（MyShell創業者）：危険なのは、OpenAIのような基盤となる大規模モデル企業が、急速に機能を進化させることで、多くの伝統企業やGPTベースの新興スタートアップの機会を奪ってしまうことです。GPT-4やGPT-5の能力と進化の方向性を予測するのは困難です。そのため、OpenAIと密接に関連するインフラ層の多くが、OpenAI自身によって提供される機能に置き換えられてしまうリスクがあります。
Grammarlyが現在直面している状況が良い例です。起業の方向性や技術蓄積を考える際には、このような巨大企業との関係性をどうバランスするかが非常に重要です。
私たち自身としては、まずマルチモーダル性が極めて重要だと判断し、製品開発の全アルゴリズムと人的リソースを、人間らしい感情豊かな音声合成アルゴリズムの開発に集中させています。なぜなら、音声という新しいモダリティは、少なくとも1年以内はOpenAIが本格参入しないと考えており、これが私たちの技術的・製品的優位性になると見ているからです。また、市販の最新テキストモダリティ製品と、オープンソースアルゴリズムと独自データでファインチューニングした小型モデルを組み合わせることで、製品を構築しています。これにより、大規模言語モデルに過度に依存する構造を避けられます。
さらに、オープンソースコミュニティの進化スピードも急速に高まっています。今年に入って、大規模言語モデル分野におけるオープンソースの進展は著しく、最高性能のオープンソースモデルはすでにGPT-3.5に肉薄するレベルに達しています。FacebookのLLaMAの流出から、StanfordやCMUなどの研究機関によるAlpaca、Vicuna、画像理解が可能なMiniGPTに至るまで、オープンソースコミュニティの力は、大手企業のGPT時代と並ぶ重要な勢力だと考えます。
こうした状況下で、MyShellとして技術的壁をどう築くかが問われます。アルゴリズムと独自データに壁を築く必要があります。外部のオープンソースアルゴリズムがどれほど進化しても、常に最新のオープンソースアルゴリズムと独自の専有データを組み合わせることで、オープンソースや汎用モデルを上回る能力を生み出せるからです。技術的壁に加え、短期的な技術優位性をもとに多面的ネットワークを構築し、コミュニティとコンテンツの壁を築くことも重要です。たとえば、抖音（ドウイン）や淘宝（タオバオ）は、供給者と消費者の双方が存在する多面的ネットワークです。すでに多くのクリエイターとユーザーを持つプラットフォームに対して、新規参入者は非技術的な競争圧力に直面し、容易に突破できません。
AI Vanguard：上記の二つの課題に対して、具体的な戦略をお持ちですか？
Rick（MyShell創業者）：流れに乗ることが必要です。オープンソースも大規模モデルもますます強力になっています。そのため、起業アイデアはこれらの変化とともに進化するものでなければなりません。つまり、オープンソースが強くなればなるほど、大規模モデルが強くなればなるほど、自社のアイデアも強化されるような構造が理想です。これら二大勢力に挑戦しようとするアイデアは、今年中につぶれる可能性があります。
Ethan（MyShell創業者）：今年は多くの人が大規模言語モデルに注目していますが、私たちにとってはマルチモーダル性が極めて重要です。そのため、私たちの技術的壁は音声に重点を置いています。従来の音声合成技術はコストと品質の両面で不十分で、大規模な応用は不可能でした。しかし今年、我々はすべてのAPIよりも2桁安いコストで、自然で感情豊かな音声を合成できるようになりました。
第二に、当社のプラットフォームでは、ユーザーの製品利用プロセスを通じてデータのフィードバックループを形成し、高品質なデータセットを蓄積することに重点を置いています。たとえば、私が公開した「Voice Collector」というボットがあり、ユーザーが製品を使う過程で音声やテキストのデータを提供してもらい、それによってアルゴリズムをより人間らしく、温かみのあるものにしていきます。このようなデータは、特定のシーンで蓄積された専有データであり、オープンソースコミュニティとの調和的な協働関係を築く基盤となります。オープンソースモデルがいかに進化しても、特定シーンの専有データは常に私たちの強みであり続けます。クリエイターに使いやすいツールと強力な機能を提供することで、より多くのユーザーを惹きつけ、最終的にはコンテンツとクリエイター生態系に基づく壁を築くことができます。この壁が一度形成されれば、どんな技術変化にも怯えることなく、常に最高のAPIを採用したり、最高のオープンソースモデルに独自データでファインチューニングしたりできるのです。
新たな技術的加速の時代が到来する
AI Vanguard：これまでの起業経験と、なぜ今このタイミングで起業を決めたのか、またなぜWeb3の視点から始めたのか教えてください。
Rick（MyShell創業者）：私たちは2013年からAI分野で起業しています。その間に数回の就職経験はありますが、ほとんどの時間を起業に費やしてきました。そのため、再び起業することは自然な選択でした。
2013年、私はARの基盤SDKを開発するグラフィックス・イメージング企業を設立しました。当時はAppleがARKitをリリースする前で、似たような製品を開発していました。その後、オックスフォード大学にいたEthanと知り合い、帰国してインターンとして私の会社に加わりました。その後EthanはVRの起業を始め、空間の撮影とVR内でのウォークスルー技術を解決し、最終的にベイカー（贝壳找房）のVR内見システムになりました。
私たちは長年にわたりAIアルゴリズムの研究と商用化を試みてきました。特にアルゴリズムの大規模展開と品質の安定的出力に関する経験を多く積んできました。その後、共にAIユニコーン企業に参加し、ロボット部門を担当しました。この経験を通じて、ロボット開発は非常に魅力的だと感じました。ロボットは典型的なマルチモーダル製品であり、あるモダリティが機能しないときは別のモダリティを導入するという考え方で、これは現在のソフトウェアロボット開発の思想と一脈相通じるものがあり、起業の種を植えることになりました。
今このタイミングで起業を決めたのは、GPT-4などの大規模モデルの強力な能力を見て、新たな技術的加速の時代が来たと感じたからです。昨年末にChatGPTを見て以来、私たちは混乱と衝撃の状態にあり、極度の興奮と恐怖が交錯していました。業界の先駆者たちさえ、OpenAIの急激な発展に驚いているのがわかりました。
自然言語は極めて重要な領域だと考えます。AIが直接自然言語を扱えるようになった瞬間、人間と機械の境界が崩れ、新たな技術的加速が始まり、さらなるモダリティの融合が進むでしょう。これにより、これまでの多くの取り組みの価値が相対的に低下し、私たちは興奮と恐れを感じました。このような技術的加速の中で、過去の起業モデルや技術に対する理解をいったんリセットし、ゼロから考え直すしかないと感じました。そのため、今年3月に起業を決断し、すぐに最初のデモをリリースしました。
Ethan（MyShell創業者）：個人的な観点として、Web3の経済モデルと多面的ネットワークの効率向上能力が、私たちが多モーダルロボット創作プラットフォームを構築する使命を支援するツールになると感じました。さらに、AI時代はコンテンツ生成の生産性を根本的に改善する可能性を持っています。Stable Diffusionのような画像生成アルゴリズムや、GPTのようなテキスト生成モデルにより、専門知識やプログラミングスキルを持たない人でも特定のシーンで生産性を1〜2桁向上させられます。このような状況下では、価値の定義と分配が極めて重要になります。Web3の多面的ネットワークと暗号技術は、多面的クリエイタープラットフォームの構築効率を飛躍的に高め、AI時代の新たな所有権と価値分配の課題を解決できます。Web3の多面的メカニズムを通じて、スマートコントラクトで分散型の利益分配を実現し、トークン保有でプラットフォームの流動性を確保できます。現時点の技術は未熟ですが、データ資産、モデル資産、データプライバシーの面で、大企業中心の設計に対抗し、コミュニティ内の多様な役割を持つ経済システムを構築する可能性があります。そのため、私たちはこのような視点からモデルを構築しており、従来の企業形態は私たちのプラットフォームには適していないと考えます。
パンドラの箱はすでに開かれ、AI軍拡競争は止まらない
AI Vanguard：Geoffrey Hinton氏がGoogleを退職し、AIの将来について警告するなど、多くの業界の重鎮がAIの発展を懸念し始めています。この点についてどう思いますか？
Rick（MyShell創業者）：ここには一つの問題があります。今日私たちが構築した多くのインターネットインフラやシステムは、新しい人工知能の台頭に備えていない可能性があります。大規模モデルの前では、多くの仕組みが脆く崩れてしまうかもしれません。これがセキュリティ面の問題です。また、データの問題もあります。良いデータ（たとえばIELTSの指導や感情的な伴侶）だけでなく、悪意あるデータ（誤情報、ネット工作員など）も存在します。このような状況に対処するには、「魔法で魔法を打ち負かす」しかありません。つまり、より強力な防御モデルで防衛するしかないのです。これは中小企業やセキュリティ意識の低い個人にとっては非常に厄介な問題です。
Ethan（MyShell創業者）：はい、技術は人間が創造したものですが、ひとたびその有用性が明らかになれば、さまざまな勢力が競争に巻き込まれます。MicrosoftとGoogleの間で起きているAI軍拡競争は、かつての米ソ宇宙開発競争のように、どちらも負けを認めず、停止することはないでしょう。人類のあらゆる欲望によって、この進化は止められないのです。未来がどうなるかは誰にもわかりません。
Rick（MyShell創業者）：OpenAIの創設者Sam氏がWorldcoinプロジェクトを立ち上げた理由がよくわかります。これから深刻なデータ汚染が起きる可能性があるため、データの帰属を明確にする必要があるのです。データには責任者がいなければなりません。法的に責任を負える人物が発信したデータでなければいけません。嘘をついてもいいですが、そのデータが「人間が発信したもの」であることを証明できなければなりません。そうすれば、その人物がそのデータに対して責任を負うことができるのです。
Ethan（MyShell創業者）：Worldcoinは、現実世界のすべての人間がインターネットやブロックチェーン世界で唯一のIDを持つことを保証しようとしています。この問題を解決できれば、先ほどRickが述べたデータ帰属の問題にも対処できるかもしれません。また、WorldcoinはSam氏が未来の人間社会の在り方について深く考えた結果のプロジェクトだと感じます。
起業で最も重要なのは空のコップの心構えを持ち、固定観念にとらわれないことだ
AI Vanguard：経験豊富な起業家として、AI分野での起業を考える人々にアドバイスはありますか？
Rick（MyShell創業者）：まず、起業が唯一の道ではないと感じます。起業しない人でも、次世代AIの恩恵を受け、多くのチャンスがあります。これまで人的リソース不足で解決できなかった細かいニッチな需要が埋まるでしょう。社会全体の生産価値が飛躍的に向上します。一般の人々は生活をより良く計画したり、恩恵のある分野に資金を投じたりできるでしょう。
ただ、起業家にとって最も重要なのは「空のコップ」の心構えです。過去の経験則や数十年にわたるインターネットの慣性は、多くの人々に「次はモバイルインターネットのようなチャンスだ」と誤認させます。しかし実際には、AIはまったく新しい方法で技術的加速を始める可能性があります。そのため、固定観念を持たず、常に学び直す姿勢を持つことが成功の鍵です。
Ethan（MyShell創業者）：今回のAI時代には、多くの特定シーン向けの小型モデルが登場し、アルゴリズムやモデル同士の組み合わせ可能性がますます高まり、柔軟性が増すでしょう。そのため、一つの製品が同じモダリティ内で異なる企業の技術を統合し、ユーザーにサービスを提供することが可能になります。このように、技術の進化は非常に速く、製品も柔軟になります。起業家には、鋭い観察力と革新性が求められます。
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
