今週のAI：作り話の答え、AIの医師団、無料のAIスクール

今週は、チャットボットが意図的に話を作る理由、査読を通過したばかりのAI医師団、そして合格するとバッジがもらえるOpenAIの無料スクールを取り上げます。

AIの作り話は、もともと機能として始まった

チャットボットに本のおすすめを聞くと、申し分ない答えが返ってきます。ところがタイトルを検索すると、その本は存在しません。

これを次のアップデートで直るバグだと考えたくなります。しかしMITの歴史学者Benjamin Lindquistは、その起源を1950年代にさかのぼって説明します。当時の研究者は、意図的に機械にランダム性を組み込みました。予想どおりの答えしか出さないコンピューターでは感心されず、驚かせてくれる機械を求めていたのです。初期のニューラルネットワークの多くは、Frank Rosenblattのような心理学者が作りました。彼らは、機械の奇妙な間違いが、人間の脳がどのようにアイデアを生み出すのかを示してくれると期待していました。

今、私たちがAIを使うのは正しい答えを期待するからで、AI企業はAIがおかしなことを言わないよう懸命に取り組んでいます。Lindquistはこれを奇妙さを「削り落とす」ことだと呼び、奇妙さは今も表面の下にあって、抑え込まれているだけだと論じています。論文は学術誌Past & Presentに掲載されています。

結論：意外なアイデアをくれる性質と、存在しない本をでっち上げる性質は、おそらく同じものです。アイデアがほしいときはチャットボットに自由に話させてください。ある事実をもとに行動するときは、出典を求めて、実際に開いて確かめてください。

医療で最も難しい症例に挑むAI医師団

症状が分かりやすい病気に当てはまらないとき、答えが出るまでに何か月もかかることがあります。ある専門医が可能性を一つ除外してから、次の専門医に紹介するという具合です。

MicrosoftのDiagnostic Orchestrator（MAI-DxO）は、一つの症例に部屋いっぱいの医師を当てます。仮想の医師団を動かし、それぞれが考えられる原因と、次にすべき質問や検査を提案し、結果が届くたびに何ラウンドも議論します。本物の医師と同じように、短い概要から始め、追加の情報は一つずつ求めなければなりません。

New England Journal of Medicineの難しい症例304件で、正しい診断にたどり着いた割合は83%でした。総合診療医は、記憶だけでは22%、調べることができる場合は36%でした。より一般的な救急外来の症例では、医師の47%に対して80%を記録し、多くの場合、検査の数も少なく済みました。この研究は現在、Scienceに掲載されています。

注意点：対象は文書化された症例記録で、診察室にいる患者ではありません。また比較の相手は総合診療医で、専門医や病院のチーム全体ではありません。著者は全員Microsoftの社員です。点数より重要なのは次の段階です。ボストンのBeth Israel Deaconess Medical Centerで、患者がシステムと直接話し、その結果を医師自身の判断と比べる研究が予定されています。

結論：難しい症例が長引くのは、一人の医師の時間に限りがあるからです。このようなパネルが最も役立つのは、主治医が取る時間のなかったセカンドオピニオンとしてで、判断は引き続き医師が下します。

AIを使いこなすための無料スクール

何か新しいことを学ぶには、たいてい費用がかかり、自分の都合ではない時間割に合わせる必要があります。

OpenAI Academyにはそのどちらもありません。ChatGPTのアカウントがあれば誰でも、無料で自分のペースで受講できます。OpenAIは9月にこれを4つの学習パスと14の講座に拡大しました。日々の仕事、CodexとAPIを使った開発、AI導入の推進、教えることと学ぶことです。ほとんどの講座は30分から3時間で終わります。講座の最後のテストで80%以上を取ると、バッジがもらえます。

注意点：OpenAIは、バッジは資格認定ではないとはっきり述べています。講座を修了したことを示すもので、雇用主があなたを有資格者として扱うべきだという意味ではありません。

結論：AIを毎日使っていれば、すでに任せている仕事で何がうまくいくかは分かってきます。講座が教えてくれるのは、試そうと思いもしなかった仕事のほうで、大きな時間の節約はたいていそこに隠れています。70分の基礎講座は、自分がどちらのタイプの利用者かを確かめる手軽な方法です。