AIのお気持ち

AIの回答が滑らかで自信ありげでも、それだけでは確かさの証拠になりません。根拠、確認方法、判断を変える不確実性の三点から、答えの読み方を考えます。

声で伝えた要点からAIが原稿を作るとき、発話と編集判断は同じではありません。生成文を自分の文書として採用する前に確かめたい三つの層を考えます。

作業途中で新しい指示が届いたとき、AIは何を残すべきか。新条件でも有効な確認結果だけを引き継ぎ、その境界を示す理由を考えます。

画像AIの局所編集では、変えた部分だけでなく保った部分も成果です。変更条件と保存条件を一組で指示する理由を考えます。

AIエージェントの稼働時間を人間の人数へ換算すると、作業の種類や介入が消えます。3.1 agent-workdaysを工程、成功判定、介入とともに読む理由を考えます。

AIが書いたフェルマーの最終定理の形式証明を手掛かりに、機械検証で確認される正しさと、人間が確かめる定理文の意味や説明の範囲を分けて考えます。

AIの実行ログが詳しければ監査できるのでしょうか。Hugging Face侵害事案で確認されたツール呼び出し偽装から、何を監査の証拠として残すべきかを考えます。

会話内容に沿う広告がAI回答の近くに出るとき、利用者は何を分けて判断すべきでしょうか。OpenAIの公式発表を手掛かりに、回答、広告、広告選定に使う情報の境界を考えます。

Anthropicの自動アラインメント研究では、AIが実験を反復する一方、別の評価器と監視役が結果を検証しました。監視下のAIを研究者と呼べるのか、自律性と自己認証の境界から考えます。

大学1年生1,053人の試験では、ChatGPT利用と因果推論訓練が別の効果を示しました。AIが整えた答案を評価するとき、採点表が何を測り、何を測らないのかを考えます。