生成AIは、テキストや画像を含む多様なコンテンツの作成に使われています。
これらの先進技術を最大限に活用するには、人間の認知スキルが必要です。
本稿のヒントでは、生成AIが私たちの生活で果たす役割と、それをどのように活用するのが最善かを概説します。
ChatGPTとBardは、先進技術との関わり方や、私たちが互いに何を期待するようになるかという点で、真の変化の始まりを示しています。
これまでの技術とは異なり、生成人工知能(AI)は、人間による入力と好奇心を求めます。また、私たちの強みと限界を理解することを求め、そして、慣れ親しんだ受動的な「ユーザー」の考え方から脱却することを求めます。
直感に反すると感じるかもしれませんが、生成AIを最大限に活用するための最善の戦略は、私たちの最も人間的で能動的な認知能力により一層積極的に依拠することです。
AIに支えられた世界で求められる人間のスキルとは何でしょうか。成功と失敗を分けるのは何でしょうか。要するに、優れた生産的な問いを立て、疑わしい答えを巧みに検証する能力です。
生成AIについて、私たちは何を知っておく必要があるのでしょうか。
第一に、生成AIを含むAIアプリケーションは、依然として次の2つの一般的な目的に最も適しています。すなわち、過去の実績が将来のニーズおよび/または人間の限界を明確に満たすため、望む結果が確実に得られると考えられる定型的な人間の作業を支援または代替すること、あるいは、規模が大きすぎるか、人間が扱うには時間が短すぎるデータセット全体にわたる新たな知見や予測を検出し、潜在的な関連性を明らかにすることです。これはすべての作業に当てはまるわけではありません。AIは他の多くの種類のユースケース向けにも開発されています。しかし現時点では、「繰り返し実行する」または「スキャンして提案する」ことを求める場面で最も効果を発揮します。
第二に、前述のとおり、生成AIは「ユーザー」や「消費者」の考え方に適した対象ではありません。むしろ、探究、共創、協働という能動的なアプローチを求めます。私たちの言葉遣いも、これを反映して変えるべきです。生成AIツールは、私たちが慣れ親しんできたデジタル製品や機器とは根本的に異なります。それらは機器でも製品でもありません。生成AIは、私たちなしでは不完全なのです。 提供されるコンテンツを、ただ消費すべきではありません。
第三に、これらの技術が最終的に私たちに何を可能にするのか、また、技術的に実行できる場合であっても何をすべきでないのかを定義する方法は、誰にも正確にはわかりません。これらのツールは、明確に定義された反復的な作業や、膨大な量のデータの同化において、さらに向上していくでしょう。膨大な量のテキスト(またはその他のメディア)を要約し、やや複雑なアイデアの初稿を表現する点でも、かなり優れたものになるでしょう。
しかし、これらは推論ツールではなく、統計的モデリングのツールです(結果は複雑なパターンマッチングに基づく予測であり、この意味においてのみ「学習」します)。問いの前提が妥当かどうかにかかわらず、多かれ少なかれ、投げかけられた問いの妥当性を前提としてしまいます。例えば「地球が平らだと言える最良の論拠を教えて」といった問いです。これらは「ゴミを入れればゴミが出てくる」という問題(基礎データの誤りが結果の誤りとして現れること)に今後も悩まされるでしょう。また、不正確さや、何かを知らないこと(あるいは知らないことを認めないこと)といった人間の欠点も共有しています。
生成AIから最大限の成果を得るにはどうすればよいでしょうか。
CEOであれ学生であれ、看護師であれ弁護士であれ、わかりやすい枠組みを確立することは、生成AIが私たちの生活で果たしうる役割と、それをどのように活用するのが最善かを理解する助けになります。以下は、すべての人にとっての3つの重要な検討事項です。
1. 問いを立てる
これらの先進技術に関しては、好奇心が極めて重要です。次のような問いを立ててみてください。何に役立つのか、どのように作られているのか、限界は何か。さらに具体的に言えば、生成AIツールを使うには、有用で正確な問いや指示を作成し、それによって目的に適い、頑健で、誤り、偏り、プライバシーのリスクを低減する回答を得る方法を学ぶ必要があります。
すべての問いが同じというわけではありません。どのように問いを立て、ツールに指示を出すかによって、得られる結果と、その結果がどれほど価値があり、説明可能で、安全であるかが直接左右されます。例えば、がん細胞を検出するモデルに、サンプル画像内のすべての非定型細胞を特定させることと、定型的な細胞をすべて除外させることは異なります。偽陽性率と偽陰性率はそれぞれの場合で異なり、個人のがん状態に関する専門的な診断を支えるためにモデルの出力に依拠する場合、その違いは重大な結果をもたらします。ポンプ一組の推奨を提示するようモデルに指示することでも、同様の問題が生じうりますが、結果の重大さはほとんど同じではありません。
有用な指示を作成することは、見た目ほど容易ではありません。それは文脈への依存度が高く、文化的に特有の作業です。私たちは物事を尋ねる際に多くのことを前提としてしまいます。多くの場合、私たちは不正確です(例:サンドイッチの作り方を指示すること)。また、言語固有の慣用句(朝飯前など)を使ったり、前提を置きすぎたりします(以前うまくいったので、今回もうまくいくはずだ、など)。こうした問題はいずれも、専門知識や経験のレベルが高まるほど、むしろ増える可能性があります。
2. 回答を問う
同様に、生成AIは、すべてのモデル出力を批判的な目で評価する方法を学ぶことを私たちに求めます。技術主導の提案に対して、人間が異議を唱えられるように、時間と余地を確保しなければなりません。これは、技術と人間の双方に生じる「ゴミを入れればゴミが出てくる」という問題が生じる場であり、同時に、AI対応ツールとの協働を改善しつつ、従来の実践のいくつかの点を改善する方法を慎重に見直す機会でもあります。
生成AIは、さまざまな出力を生成できます。そのうちどの出力を実装して成果を生み出すかは私たち次第であり、一般に事例ごとに大きく異なります。AIが、反復可能でよく理解された作業に取って代わる場合、適切または妥当な出力を見極めることはより容易かもしれません。私たちはそれらを評価する豊富な経験を持っていますが、独自性や新規性の高い作業や知見の場合はそうとは言えません。想定される出力だけでなく、意外な出力についても検証することが特に重要になります。どちらか一方の結果しか得られない場合、あなたが本当に知っているのは、同じ問いから生じうる他の多くの可能な結果を見落としているということだけです。
すべての回答が正しいわけではありません。実際、多くの回答は明らかに誤りであり、一部は問題ないものの最善とは言えないものや、ある条件には十分でも別の条件には不十分なものもあるでしょう。また、私たちはツールからも、互いからも、継続的に学んでいくでしょう。同様に、何かができるからといって、それをすべきだとは限りません。したがって、実際の場面でこれらのツールを使う際には、謙虚さと慎重な判断が必要です。出力が成果となる前に、自分自身の判断、あるいは同僚、学生、ベンダーの判断が、モデルの出力に疑問を呈するだけの十分な理由を持ちうることを、常に考慮する姿勢を保ちましょう。一部の学生はすでにこれを実践しており、今後さらに増えることを期待します。
3. 責任を持って活用する
これらは新しいツールであり、完璧ではありませんが、人間(これもまた完璧ではありません)と協働し、人間を支配するためではなく、人間を支援するように設計されています。あらゆる種類の悪事、思い込み、粗雑な仕事が起こりうる余地は尽きません。リスク管理の実践とガバナンスの統制は、そうした可能性のすべてを考慮し始めています。そして重要なのは、こうしたガバナンスの実践の多くは新しいものではないということです。生成AIの世界においても、私たちは日々の業務において、敬意と人間性、包摂性のある規範を築くために多くのことができます。すぐに、手元にあるツールから始めることができます。子どもや同僚には、市民社会のルールが今なお適用されることを確認しつつ、生成AIツールの使い方を学ぶよう促すべきです。むしろ、そのルールはこれまで以上に適用されるのかもしれません。
この点を踏まえ、生成AIをより効果的に活用するために、誰もが実行できる9つのことを以下に示します:
自分自身と他者において、好奇心を育み、問いを立てることを奨励し、評価し、そのための時間を確保しましょう。
同じ問いを複数回実行してみましょう。
同じ問いを複数の方法で尋ねてみましょう。
AIツールが作業を支援したかどうかを明らかにしましょう。
最初に得られた結果を受け入れたり、それに基づいて行動したりしないようにしましょう。
最も意外な結果をもたらす問いと、最も想定どおりの結果をもたらす問いの両方を見つけ出すよう努めましょう。
受け入れる、あるいは好む出力について、(他の選択肢と比べて)なぜそれを選ぶのかを説明できるようにしましょう。
無礼、虐待的、または搾取的な結果は受け入れないようにしましょう。
好奇心を持ち続け、注意深くいましょう。
