テレンス・タオ：2026 年には、GPT が数学論文の共著者となる予定です。 GPT-4の「フルバージョン」を事前に試してみたら衝撃を受けた

3か月前、OpenAIのGPT-4がデビューし、注目を集めました。そのマルチモーダル機能は人類に衝撃を与え、主要な試験で高得点を獲得しました。史上最も先進的なAIシステムとして知られています。

現在でも、GPT-4 は主要な評価リストのトップにランクされることが多いです。

今日、テレンス・タオ氏は突然メッセージを投稿し、実は今年 GPT-4 がリリースされる前から、マイクロソフトの主任科学者であるエリック・ホルヴィッツ氏が彼を GPT-4 モデルを試すよう招待していたと述べた。

タオさんは実際に試してみて、その体験と感想を記事にしました。

タオ氏は、半年も経たないうちにこの記事をもう一度読めば、AI技術がいかに急速に発展しているかが分かるだろうと述べた。そして、この振り返るプロセスもまた非常に興味深いものです。

テレンス・タオのGPT-4初体験

過去数十年にわたり、人間は情報技術によって訓練され、徐々に特定の状況に慣れてきました。例えば：

• ハードウェアとソフトウェアは、より漸進的な改善に移行する前に、ムーアの法則（パフォーマンス、ユーザー エクスペリエンス、信頼性などの指標）の速度で改善されます。
• 個々のソフトウェア ツールは高品質の出力を確実に生成できますが、入力データは最高品質で、ツールに必要な特定の形式で慎重に準備されている必要があります。
• ツールが高度になるほど、仕様や特殊なケースも複雑になります。適切に設計された標準がない限り、ツール間（特に異なるベンダー間）の相互運用性は大きな技術的課題になります。
• すべての重要な実行決定は人間が行います。ソフトウェア ツールは、人間の指示の実行の成功または失敗の結果を通じて、人間の意思決定プロセスに影響を与えます。

GPT-4 のような生成 AI ツールの登場により、これらの習慣はすべて、完全に放棄されるわけではないにしても、再調整する必要があるでしょう。

これらのツールは、漠然とした（そして少し間違った）言葉遣いの自然言語プロンプトや、Web ページや PDF から抽出されたノイズの多いデータに対して非常にうまく機能します。

私は最近の数学のプレプリントの PDF の最初の数ページを GPT-4 に入力し、まともな品質の学術的な質問をいくつか生成しました。

将来のプレゼンテーションを準備するときや技術的に複雑な論文を読むときには、同様のプロンプトのバリエーションを使用します。

最初は、プログラミング言語やスクリプト言語の経験に基づいて、自分が書いたプロンプトをできるだけ正確にしようとしました。

最終的に、プロンプトの単語を注意深く書かずに、大量の生のテキストを AI に投げ込んだときに、最良の結果が得られました。

このような高い耐障害性により、AI ツールは従来のソフトウェア ツールと連携して動作したり、AI ツール同士を統合したり、未処理の個人データや個人の好みと連携して動作したりできるようになります。

この種の AI ツールと既存のソフトウェア ツール、生データの連携、または AI ツールの連携方法は、現在のように人間の行動について単独でいくつかの提案を提供するだけでなく、人々のワークフローを完全に変えるでしょう。

これらの AI ツールはさまざまなモダリティからの入力を理解できるため、私たちはそれらを最大限に活用してその可能性を最大限に引き出す方法をまだ実験中です。

私は現在、GPT-4 を頻繁に使用して、以前は検索エンジンで回答を探すのに多大な労力を費やしていた、カジュアルで漠然とした言葉遣いの質問に答えています。

私はすでに、いくつかの複雑な文書の初稿を作成するためにこれを使用しました。

私の知っている他の人たちは、これらのツールの優れた人工感情知能を利用して、心理的なサポート、快適さ、安心感を得ています。

私の同僚の親戚が最近重い病気と診断されましたが、その同僚は後に GPT-4 で生成された慰めの手紙に感動して涙を流しました。

人間との会話において、GPT-4 は思いやりのある聞き手、熱心な応答者、創造的な女神、翻訳者や教師、または悪魔の代弁者として行動することができます。

彼らは、あらゆる面で私たちが急速かつ継続的に成長できるよう支援してくれます。

現在の大規模言語モデル (LLM) は、特定の知識領域 (私自身の研究である数学など) の専門家の正しい応答を説得力を持って模倣できることがよくあります。

しかし、私たち全員が知っているように、彼らの回答を詳しく調べると、その回答にはしばしばナンセンスな点があります。

人間と AI の両方が、この「新しいタイプのテキスト」を分析するスキルを開発する必要があります。

これまで私が、あるひどく誤った数学的議論を「検出」するために使用してきた文体上のシグナルは、LLM で生成された数学テキストにはほとんど役に立ちません。

各行を注意深く読むことによってのみ、内容があるかどうかがわかります。

奇妙なことに、意味のない LLM によって生成された意味のない数学コンテンツでさえ、関連する概念を参照することがよくあります。

人間の専門家は、少しの努力で、実行不可能なアイデアを正しい独創的なアイデアに修正することができます。

2023年には、AIは数学者にとって役立つヒントや手がかりを生成できるようになり、数学者の意思決定や思考プロセスにおいて役割を果たすようになるでしょう。

形式証明検証器、インターネット検索、記号数学パッケージなどのツールと統合され、適切に使用すれば、2026 年には AI が数学研究だけでなく他の多くの分野でも信頼できる共著者になると予測しています。

今後どのように発展していくのでしょうか？これはテクノロジーだけでなく、既存の人間の制度や仕組みがどのように適応するかにも依存します。

現在、大学院生は AI の指導を受ければ 1 日もかからずに初級レベルの数学の論文を作成することができ、将来的には AI ツールの精度はさらに向上するでしょう。

このような状況に直面して、研究ジャーナルは出版および引用のポリシーをどのように変更するのでしょうか?

大学院教育に対する私たちのアプローチはどのように変化するのでしょうか?

私たちは学生にこれらのツールの使用を積極的に奨励し、訓練していますか?

これらの質問にはまだ答える準備ができていません。

AI ツールを専門職の組織に取り入れていくと、AI の助けを借りて達成される成果と勇敢な試みは驚くべきものになるでしょう。

しかし、恥ずかしい間違い、論争、痛みを伴う混乱、白熱した議論、性急な決断も伴います。

私たちの既存の技術的パラダイムは、これらの未知の領域を探索するためのガイドとしては役立ちません。

おそらく最大の課題は、いかにして可能な限り安全に、賢明に、公平に、AI 支援の新しい世界に移行するかということでしょう。