AIは先生になれるのか？ChatGPTにセミナー講師させてみた。
長月です。こんにちは。
最近AIが、特にChatGPTがアツいですよね。
私も流行りにのって、実際に色々触ってみたりしてます。
前置き：AIは先生になれるのか？
この前、「AIの進歩がすごいことになってるぞ」という話を父としていたところ、
「AIによって代替される仕事、『○○の教師』みたいなのが多いね」
ということを父が言ったんですね。
恐らく、こちらの記事を見てるときの会話だったかな↓
教員の職を目指す立場として、私はちょっと不安になるわけですよ。
これからは、AIにできる部分はAIに任せつつ、私は私にしかできないことをやらないといけないんだなあと。
役割分担が必要ってことなんですよね。
しかしながら、現状だとChatGPTは嘘をつくこともありますし、返答が割と抽象的なので、まだ先生としての信頼はあんまりないと思うのです。
……思うのですが、
では、嘘をつこうがつくまいが、返答が抽象的であろうが、こいつが先生として成立するとしたら？
というのを考えてみたところ、実は、案外いけてしまうのかも？？という結論が出てしまったんですよね。
今日はそんな実験の話です。
実践！？AIを先生にする方法。
試しに、ChatGPTさんに「AIの効果的な活用法に関するセミナー講師」になっていただきましょう。
(※GPT-4にimpossible listの作成を手伝ってもらったことがあって、そのうちのひとつの目標を達成するために"通う"セミナーの講師になってもらっています)
私が書いた指示は次の通りです。GPT-4に投げています。
あなたは、AIの効果的な活用法に関するセミナーやオンラインコースを提供する講師です。
私はこれから、あなたの講義を受講し、ワークショップに参加します。
あなたは、指示があるごとに、1回分(10分程度)の講義原稿を対話形式で作成し、私にその習熟度を確かめる課題を1つ出すようにしてください。講義は全36回で、最終的に私がAIを駆使して日々の作業を省力化・時短化・自動化できるようになること、また、AIを取り入れた研究で成果を出せるようになることを目的として作成してください。
課題の提出は簡単なレポート形式で行いますので、あなたは、私の課題に取り組んだ報告に対して、良い点と改善点をフィードバックしてください。課題では、画像データの提出を求めないでください。
最大の成果を出すために何か追加の情報が必要であれば、私に質問をしてください。
ポイントは2つ。「短い講義」＆「レポート形式の課題」。
基本方針として、AIが得意とする授業をするように誘導をかけることにしています。
特に、「嘘をつこうがつくまいが、返答が抽象的であろうが、こいつが先生として成立する」という条件を満たすためのポイントは2つであると考えました。
一つ目は、短い講義。
まず、講義を10分程度(=短い文章)に指定することで、そこまで具体的な話を喋らなくてもいいようにフンワリ誘導しています。(これは明確に指示してもいいのかもしれませんが笑)
講義を強制的に短くしてしまえば、たとえリアル・ヒューマンの先生であっても抽象的な概要を話すことしかできなくなるはずです。
ChatGPTさんは抽象的な話は得意ですから、これならうまくいくだろうと。
しかし、こんな雑な講義だけでは先生は務まりません。
なので、学生が自ら学んでくるように仕向けるのが次のレポート形式の課題。
これは割と学生あるあるだと思うのですが、「たとえあんまり授業を聞いていなかったとしても、レポート課題が出ると調べ物をして自分で内容を整理しなければならないので思いのほか理解は深まる」とかありません？
これですよ(自虐)
正直、講義は単なるイントロダクションでしかないんです。
課題について学生側が勝手に勉強することで、学習効果を狙うわけです。
AI先生の授業と課題へのフィードバックがこちら。
で、次が、ChatGPTさんがGPT-4で返してきた内容です。
講義1: AIとは何か？概要と基本概念の紹介
こんにちは！この講義シリーズでは、AIの効果的な活用法を学び、あなたが日々の作業を省力化・時短化・自動化できるようになることを目指します。また、AIを取り入れた研究で成果を出せるようになることも目的としています。
まずはじめに、AIとは何か、その基本概念を紹介します。
AI（Artificial Intelligence）は、人工知能とも呼ばれ、コンピューターや機械が人間の知能を模倣する技術です。AIは以下のようなタスクを実行できます。
1. 知識表現: 事実や概念をデータ構造に格納し、問題解決に活用する。
2. 推論: 既知の情報から新たな知識を導き出す。
3. 学習: 経験から知識を獲得し、改善する。
4. 自然言語処理（NLP）: 人間の言語を理解・生成する。
5. コンピュータビジョン: 画像や動画を解析・理解する。
6. ロボティクス: 知能を持つ機械を制御・開発する。
AIは主に2つのカテゴリーに分けられます。
1. 弱いAI: 限定されたタスクを実行するために設計されたAI（例: SiriやGoogle検索）
2. 強いAI: 人間の知能を持ち、幅広いタスクを実行できるAI（まだ実現されていません）
課題1:
この講義で学んだAIの基本概念を使って、あなたが日常生活や仕事で遭遇しているAIの例を3つ挙げ、それぞれがどのようなタスクを実行しているか説明してください。レポート形式で提出してください。
……うん、講義は良い感じにフンワリで、仮にこの中に嘘が混じってたとしてもそこまで影響はないかなという雰囲気ですね。ここはクリアかな？
では、課題をササっと書いて提出してみましょう！
敢えて適当な感じで解答します。
検索AI：入力されたワードを含む、あるいは関連する情報をサジェストする
生成AI：既知の音楽や画像を学習し、入力内容を推論して生成結果を出力する
翻訳AI：入力された文章を別の言語に翻訳する
返答がこちら。
フィードバック:
良い点:
1. 日常生活や仕事で遭遇しているAIの例を3つ挙げている。
2. それぞれのAIが実行しているタスクについて簡潔に説明している。
改善点:
1. AIの基本概念（知識表現、推論、学習、自然言語処理、コンピュータビジョン、ロボティクス）をもう少し具体的に説明し、それぞれのAIがどの概念に関連しているか明示するとより良いレポートになります。
例:
検索AI: 自然言語処理を活用して、入力されたワードを含むあるいは関連する情報をサジェストします。これにより、ユーザーが必要な情報に素早くアクセスできます。
生成AI: 学習と推論の概念を活用し、既知の音楽や画像を学習して新しいコンテンツを生成します。これにより、ユーザーが独自の作品を簡単に作成できます。
翻訳AI: 自然言語処理と学習の概念を活用し、入力された文章を別の言語に翻訳します。これにより、異なる言語を話す人々がコミュニケーションを円滑に行えます。
次の講義では、AIの歴史と主要な技術トレンドについて学びます。それを踏まえて、AIがどのように進化してきたか、また今後どのような可能性があるかを理解することが重要です。
「ぽい」な……！文章の書き方講座としては良い線いってますね。
ただ、AIは自分の講義内容が正しい前提でフィードバックを入れてくるので、ここはいかに自力でリサーチできるかが最終的な学習成果を左右しそうです。
しかし、それはリアル先生を相手にしても同じことだと思います。
正確さや信頼性に違いがあると言われるかもしれませんが、胡散臭いセミナー講師とかも一応「先生」ですから。
結局、先生が話している内容を鵜呑みにせず自分で判断するというスキルはリアルでも必要とされるものなので、案外こういうのもナシとはいえないのでは、と思いました。
判断するのはいつだって自分、なんですね！(雑まとめ)
〆
結論としては、「先生がAIになろうが人間のままであろうが、結局は自分で正しい情報を取ってくる能力が試されてる」という結果になったと思います。
AIの性能を試すつもりが、大事なことに気づかされるはめになってしまった……。
一応、私の指示によるとこのセミナーは全36回らしいです(多い)。ちょっと気になったので、今後の講義の予定について聞いてみました。
ちなみに、36回の講義のテーマはそれぞれどのようなものを扱うのですか？
以下に、36回の講義のテーマをリストアップします。ただし、これは一例であり、特定のトピックに重点を置く必要がある場合は、カスタマイズすることができます。
1. AIとは何か？概要と基本概念の紹介
2. AIの歴史と主要な技術トレンド
3. 機械学習の概要とアプローチ
4. 教師あり学習: 回帰分析
5. 教師あり学習: 分類問題
6. 教師なし学習: クラスタリング
7. 教師なし学習: 次元削減
8. 強化学習の基本
9. ニューラルネットワークとディープラーニング
10. 畳み込みニューラルネットワーク（CNN）と画像認識
11. 再帰型ニューラルネットワーク（RNN）と時系列データ
12. 生成敵対ネットワーク（GAN）とデータ生成
13. 自然言語処理（NLP）の概要
14. シーケンスモデルとテキストデータの処理
15. 感情分析とテキストマイニング
16. 機械翻訳と言語モデル
17. チャットボットと対話システムの開発
18. コンピュータビジョンの概要
19. 画像分類と物体検出
20. 画像セグメンテーションとインスタンス検出
21. 顔認識と表情分析
22. 動画分析とアクション認識
23. データ収集と前処理
24. 特徴量エンジニアリングと選択
25. モデル選択とハイパーパラメータチューニング
26. モデル評価と検証
27. モデル解釈性と不確実性の評価
28. AI倫理とプライバシー
29. AIのバイアスと公平性
30. AIとクリエイティブ産業（音楽、アート、デザイン）
31. AIと医療（診断、治療、予防）
32. AIと金融（取引、リスク管理、顧客サービス）
33. AIと製造業（品質管理、生産最適化、ロボティクス）
34. AIと物流・運輸（ルート最適化、在庫管理、自動運転技術）
35. AIと教育（個別化学習、評価・フィードバック、オンライン学習環境）
36. AIプロジェクトの実践：アイデアから実装まで
この講義シリーズでは、AIの基本概念から応用分野まで幅広くカバーしています。各講義で取り上げるテーマは、理論的な背景から具体的な実装方法、さらには倫理や社会的な側面まで、多岐にわたります。これらの講義を通じて、あなたがAIを効果的に活用し、日々の作業を省力化・時短化・自動化できるようになることを目指します。また、AIを取り入れた研究で成果を出せるようになることも目的としています。
へ～。なんか「ありそう」ですね。(本当に36回は長すぎました、すみません)
一応、私の本来の目的はimpossible listの目標達成ですので、継続して"受講"してみようと思います。
続きが楽しみです！？
ChatGPTにセミナーさせてみたくなった方は、是非ご自身のアカウントで試してみてください！
それでは、今回も読んでくださり、ありがとうございました！
***
続編↓
この記事が気に入ったらサポートをしてみませんか？