ソース | Xinzhiyuan
最近、「数学の天才」テレンス・タオ氏は、ホワイトハウスの生成型人工知能作業部会を率いて現在のAIに関する評価と意見収集を行うと発表した。Tao Zhexuan 氏の見解では、ChatGPT をワークフローに追加しても、数学の分野ではあまり価値がありません。
最近、米国大統領科学技術諮問委員会 (PCAST) は生成人工知能ワーキング グループを設立しました。
数学の天才であるテレンス・タオがこのワーキンググループの共同リーダーの役割を果たしたことは言及する価値があります。
Tao Zhexuan は自身のブログに、Laura Greene と私がこの生成人工知能ワーキンググループの共同議長であると投稿しました。
同氏は自身のブログで、このグループは主に、一般的なテキストベースの大規模言語モデル(ChatGPTなど)、画像生成用の拡散モデル(DALL-E2、Midjourneyなど)など、科学と社会における生成人工知能技術の広範な影響を研究していると述べた。 )、および科学アプリケーション用のモデル (タンパク質設計や天気予報など)。
テレンス・タオ氏は生成 AI グループの議長を務めた
ホワイトハウスは13日発表の記事でこう言及した。
PCAST によって設立された Generative AI グループは、主要な AI の機会とリスクの評価を支援し、これらのテクノロジーの開発と展開が可能な限り公平で、説明責任があり、安全であることを保証する最善の方法についての意見を提供します。
記事の最後で、Tao Zhexuan が作業グループのメンバーの一人であることがわかります。
さらに、AMD CEO の Lisa Su もこの生成 AI グループのメンバーです。
テレンス・タオ氏のブログによると、Generative AI グループは 5 月 19 日金曜日の PCAST カンファレンス中に公開会議を開催します。
ライブリンク:
https://www.whitehouse.gov/pcast/meetings/2023-meetings/
大規模モデル研究テストポータル
ChatGPT ポータル (ウォールフリー、直接テスト可能):
https://yeschat.cn
GPT-4 ポータル (壁がなく、ブラウザの警告ポイントが進んでいる場合に直接テストできます/引き続きアクセスします):
https://gpt4test.com
2 人の専門家パネルが生成 AI の現状を紹介し、最終的には広範な質疑応答が行われます。これらの講演者には次のものが含まれます。
科学のための AI:
アニマ・アナンドクマール (カリフォルニア工科大学 & NVIDIA)
デミス・ハサビス(Google DeepMind)
フェイフェイ・リー (スタンフォード)
人工知能と社会:
センディル・ムライナタン (シカゴ)
ダロン・アセモグル (MIT)
サラ・クレプス (コーネル大学)
さらにタオ氏は、タスクフォースが生成AIアプリケーションの積極的な導入を進める方法とリスクを軽減する最善の方法について一般の意見を求めていると述べた。
最初の焦点は、言論の自由を犠牲にすることなく、人工知能が生成する偽情報やディープフェイクを発見し、抵抗し、軽減する方法であり、これは難しいテーマです。
ChatGPT がワークフローに参加した後
ChatGPT が誕生してからは、Tao Zhexuan のような数学の達人にも愛用されています。
Mathstodon に関する最新の投稿で、私は生成 AI ツールに関する私の見解を共有しました。
私自身と現在の生成 AI ツールとの比較優位性がどこにあるのかが見え始めています。私が毎日実行するタスクについては、ワークフローを最適化するのに十分なテクノロジーを開発しましたが、AI ツールは私にとって大きな価値をもたらしません。最も明らかなのは数学の勉強だけでなく、メールの書き方でもあります。ボタンをクリックしたときに GPT-4 に電子メールの応答を作成させるためのプラグインをインストールしましたが、何十年もの練習のおかげで適切な電子メールの応答をすばやく作成できるようになったので、ほとんど使用していません。
ある程度の専門知識はあるものの、実践がほとんどないタスクでは、AI ツールが役に立ちます。多くの場合、AI ツールを使用して出力の初稿を作成し、それを検証して修正したり、少なくともインスピレーションの源として使用したりできます。場合によっては、カニンガムの法則の精神に則り、AI の欠陥がインスピレーションの源となっている場合もありましたが、それでも自分で問題を解決しようとするよりも生産的でした。このカテゴリの例には、データ処理、外国語への翻訳、めったに使用しない形式 (人前でのスピーチ、ルール ファイルなど) でのテキストの作成などが含まれます。
専門知識がほとんどなく、非常に高品質で信頼性の高い出力を必要としないタスクについては、単純に AI ツールに質問して、多かれ少なかれそのアドバイスに従うことができます。ここでAIは、従来の検索エンジンを少し便利にしたバージョンとして機能します。
最後に、専門知識がないが品質や信頼性が求められる業務は、AIでも私でも解決できず、人間の専門家に相談する必要があります。複雑で高価で繊細なデバイスの修理など。
要約すると、生成 AI ツールに関するテレンス タオの見解は 4 つのカテゴリーに分類されますが、彼の数学の専門分野にはあまり付加価値がないことは注目に値します。
3 番目のケースでは、Tao は ChatGPT に前の記事をフローチャートに要約するよう依頼する例を示しました。
ChatGPT はテキストによる説明を提供します。Tao 氏によると、将来のマルチモーダル GPT では、テキストによる説明の代わりにフローチャートを直接提供できるようになると推測されています。
2 番目のタイプのタスクの例: GPT に LaTeX 形式でフローチャートを出力させることができることに気づいた後、下の最初の図が得られましたが、これは明らかに完璧ではありません。しかし、私は LaTeX に慣れているので、2 番目の画像に手動で修正するのは難しくありません。
明らかに、Tao はワークフローで少し前に普及した ChatPDF も使用していました。
3 月にタオ氏は、AI ツールを私のワークフローに組み込むためにさまざまな方法を試すことにしたと述べました。これらには、ChatGPT や DeepL などのツールが含まれます。
その後、彼は ChatGPT などのツールを使用した自身の経験を頻繁に共有しました。
数式の検索、コード形式の文書の解析、論文の文章の書き換えなど、ChatGPT の隠された機能の多くが彼によって発掘されました。
たとえば、ChatGPT は数学における中途半端な意味検索を実行できる場合があります。つまり、ChatGPT を使用してヒントを生成することができます。
たとえば、テレンス・タオ氏は、ChatGPT に説明からクンマーの定理を特定するように依頼しましたが、正解は得られませんでしたが、得られた近似的な答え (ルジャンドルの公式) に基づいていました。
この点に関して、Tao Zhexuan氏は、数学における人工知能の役割は、暫定的な近似的な答えを提供することであり、その後、従来の検索エンジンと組み合わせて正しい答えを簡単に見つけることができると述べた。
Tao Zhexuan 氏はまた、数学的問題を扱う際に、さまざまな言語での数学的概念の音訳を認識できる ChatGPT の明るい点も発見しました。
あるいは、ChatGPT に、MathSciNet から取得した多数の参考文献を変換し、LaTeX 参考文献のコンテキストで \bibitems としてフォーマットするよう依頼することもできます。
しかし、ChatGPT が間違いを犯している暇はありませんか?
「素数は無限に多いかどうか」に関する証明問題で、Tao Terence 氏は、ChatGPT によって与えられた答えが完全に正しくないことを発見しました。
一方で、ChatGPT によって与えられた議論のアイデアは修正できることを発見しましたが、このアイデアはこれまで見たことがありませんでした。
ChatGPT のような AI ツールはワークフローに追加されていますか?
参考文献
[1]https://terrytao.wordpress.com/2023/05/13/pcast-working-group-on-generative-ai-invites-public-input/[2]https://www.whitehouse.gov/ pcast/briefing-room/2023/05/13/pcast-working-group-on-generative-ai-invites-public-input/
この記事はmdniceマルチプラットフォームによって公開されています