メールの返信に不健康な時間を費やしています。
そこで最近、何千通もの電子メールをスキャンして、私の特異性、発話パターン、さらには私が採用しているさまざまな音域や語彙さえも捕捉するかなり正確なモデルを考案できるアプリケーションがあることを知ったとき、私は安堵のため息をつきました。文脈（学術的なアドバイスを求める高校生への返信と、インタビュー対象者への招待状を比較してください。礼儀正しさは同じでも、使用される語彙は異なるでしょう、あるいはそう願っています）。アプリケーションは大規模言語モデル (LLM) を利用して、私に代わって電子メールを作成します。それはGoogleに相当するものを周回することになる。
推薦者は非常に熱心に魔法の仕掛けを実演してくれました。私は彼の書き方や話し方をよく知っていたので、区別するために 2 通の電子メールを手渡されました。結局のところ、私は 2 通のうちどちらが彼によって書かれたものであるか（そうでないものであるか）を見つけることができました。彼のAI)、ただし、それはわずかなタイプミスと、決して文法的ではないぎこちない文構造のおかげでしたが、確かに審美的に不快でした。彼の貢献が不完全だったため、その信憑性が失われてしまいました。皮肉で歪んだ意味で、現在、本物の価値を評価することは、欠陥、欠陥、不完全さの崇拝と密接に関係しています。おそらく、少なくともこの初期の意味では、完璧なものは本当に善の敵なのかもしれません。
別のメールが届きました。今度は学生からでした。彼らは、2025 年に至る学界の就職市場について、私にアドバイスを求めたいと考えていました。2025 年には、当然のことながらどこの地域でも次善の状況に陥っています。授業中に生徒たちからよく聞かれるさまざまな心配の 1 つは、自分たちの仕事が取り上げられる可能性であるということです。 AIと自動化によって克服されます。認知労働による作品の制作と大量生産に携わる人々は、特に AI による代替の影響を受けやすいようです。推論には限られた計算量しか必要とせず、感覚運動スキルや知覚スキルには膨大な計算リソースが消費されるという技術者ハンス モラベック氏の観察を踏まえると。
人間のエージェントによるさらなる外部支援がない場合の、AI の自己プログラミングと自己コーディングについての話はすでに見てきました。コンピューティング能力の向上、「ふらつきの解消」、アルゴリズムの合理化と効率の強化を通じて、私たちは今後 10 年間で一連の桁違いの飛躍の頂点に立っている可能性があります。 OpenAI の元研究者が、この主題に関して非常に雄弁で強調した文章を書きました。ただし、彼の地政学的な見解には、控えめに言っても疑わしいと思います。
では、自動化できないものは何でしょうか?拡大を続ける AI 主導の自動化の手から有意義に逃れることができる仕事は何でしょうか?
この問題についてじっくり考えた結果、私は 2 つの初歩的な、そしておそらく時期尚早な結論に達しました。 1 つ目は、ネットワークが重要であるということです。ネットワーキングは人間特有のプロセスであり、信頼、認識、互恵的な扱いの原則に基づいて構築されます。 AI モデルは信頼を模倣し、信号を送ろうとするかもしれませんが、他者に対する真の信頼が存在せず、また、他者から信頼されることと本質的に結び付いている認知状態や知覚状態が存在しない場合、私たちがそのモデルを信頼することはまだ信じられないでしょう。私たちが対話する AI。
AIの幻覚の可能性を考えると、事実に基づいてそれを信頼することはできません。また、私たちは、道徳的および規範的な問題に関してそれを信頼することにも慎重になります。なぜなら、十分にまともな道徳的勧告はすべて十分に正当化され、私たちと同様のエージェントの経験に基づいていると期待しているからです。これが、私たちが家族を経営する方法をチンパンジーに教えてくれるのを信頼できない理由です（もちろん、チンパンジーから推論や洞察を引き出す人もいますが、おそらく熱心すぎるかもしれません）。信頼は獲得され、個別化され、深く変革をもたらします。それは一部の人々の証言を高め、増幅させる一方で、他の人々の証言を抑圧し、抑制します。虚偽と真実がますます絡み合う時代において、人々は信頼を必要としています。人々がお互いを信頼する理由、信頼から得られる利益、そしてコミュニティを構築できる健全で信頼できる社会関係の模範です。 。
したがって、信頼を重視するジョブは、少なくとも短期から中期的には自動化できる可能性が非常に低いです。社会学者のジェームズ・コールマンが言うように、1 と 1 をまとめると、信頼はソーシャル キャピタルの不可欠な要素であり、取引の通貨であり、人的ネットワークとコミュニティに与えられる切望されているリソースです。個人資産アドバイザーや人間関係マネージャーから、インスピレーションを与える知識人や政治家に至るまで、特定のタイプの個人は、純粋に発言のせいではなく、主にその人が誰であるか、どのように発言するかによって影響力を生み出します。企業が、ある主題に関する著名な退役政治家の洞察を 1 時間聞くだけでも 10 万米ドル以上を支払うのはこのためです。何を言っているかは、誰が言っているか (そしてどのようにメッセージを伝えているか) よりもはるかに重要です。信頼は失われるのは簡単ですが、築き上げるのは非常に困難です。いくつかの先進的で最先端の大規模言語モデルによってチューリング テストにすでに合格していることを示唆する文脈上の証拠にもかかわらず、AI がまだこの段階に到達することにはほど遠いと期待されています。
2つ目は、AIに勝つためには、人間はランダムに考え、行動し、発言する必要があるということです。強化学習、さらには教師なし学習が行われる方法から、ほとんどの AI モデルは入力と出力を結び付けるかなり厳密に規定された法則に従って動作することがわかります。そして、それはアルゴリズムの精度を確保するための骨の折れる努力によって支えられています。 AI の出力はどちらかというと「バニラ」である傾向があり、洗練され、しっかりと包括的ですが、印象に残るものはほとんどありません。 「Z 世代」の用語を使うと、AI 画像編集モデルやテキスト生成モデルはあまりにも「標準的」であり、時代の気まぐれや蔓延する時代精神に従順です。
ノーミーとバニラアーツは売れません。彼らは真に変革をもたらすものではないため、個性が欠けているとして広く軽蔑されています。したがって、LLMをより尖ったものになるように訓練するか（つまり、能力が低く、「フリンジ」ノイズを遮断することに熱心であること、プラットフォーム化してより多くの異常を提示し、そのような外れ点を生成プロセスに組み込むこと）、LLMとして機能する個人に権限を与える必要があります。非常に必要な分散の「ソース」が、最終結果に不確実性とランダム性を注入する役割を引き受けます。このようなトレーニングは、自信を持って多数の分野や分野にまたがり、AI モデルのデータベースに書き込まれることもめったに考えられない左分野のポジションや提案を思いつくことができるリーダーの集団を育成することによって実施できます。
ランダム性を強制的に育成することによってのみ、収束主導型および適合主導型の AI 学習プロセスと製品の猛攻撃に耐えることができる将来の世代を真に育成することができます。結局のところ、私は、評判の高い新聞に対する私の文章が、特に AI に親和的で、AI によって自動化できるとは考えていません。私は慎重ながらも楽観的な見方を続けています。それともそうですか？
#自動化の時代を生き抜く #EJINSIGHT