「AIで文書作成」と「AIで要約」でＡＩは、スーパー凡人になっていく！？
AIを使わない社会にはもどれなくなったよなぁって感じる足立明穂です。
まあ、そういう意味で、AIを使わない会社ってのは、これから、もう追い付けないほど引き離されていき、別世界になるんだろうと思います。もっとも、どっちが幸せなのかは、しらんけど（＾＾；
とまあ、そんな何の飯のタネにもならないような妄想をしている中で、どうにもこうにも、私の中で納得いかないなぁってことを書いてみます。
情報を届けるために、文章を増やし、文章が世の中に溢れまくるから、文章を要約して手に入れる・・・
インターネットが登場してきてから、膨大な情報が世の中に溢れています。そして、日々、とても人類が消化しきれないほどの情報が溢れています。
さらに、生成AIが誰でも使えるようになってきて、ブログ記事を量産する方法は、ちょっと調べれば、腐るほど出てきます（＾＾；
そうやって、どんどん情報が溢れてくるので、これまでの検索だと、一覧までは作ってくれるけれど、「読んでられるか！」って状態になっています（＾＾；
その結果、生成AIが要約して、サクッと読めるようにしてくれるようになりつつあります。
となると、検索エンジンは、人のためにあるのではなく、生成AIのためにあるサービスになっていきます。
「ネット検索」という行為を行わなくなる岐路に立っているのです。
これを、「風が吹けば桶屋が儲かる理論」に当てはめてみると、「生成AIが広がれば情報発信している人が儲かる理論」となりますねー！ｗ
生成AIが広がる ー＞ 情報が大量にあふれる ー＞ 読み切れないからこそ検索を使う ー＞ 検索した結果を調べるにも次々新しい情報が出てくる ー＞ 生成AIで要約を作って読む ー＞ 生成AIに大量に学習させた方が影響が大きい ー＞ より多くの情報を発信する ー＞ より多くの情報を発信するために生成AIを多用する ー＞ 生成AIを使う人が増えるほどオリジナル情報が相対的に少なくなる ー＞ 少なくなればオリジナル情報の価値が上がる ー＞ オリジナル情報を発信している人が桁違いに稼げる！
これを、どや顔でChatGPTに言ってやりましたよ！ 言ってやりましたとも！（どういう立場？ｗ）
素晴らしい観察です！生成AIの普及がどのように情報発信者に利益をもたらすかを「風が吹けば桶屋が儲かる理論」に当てはめると、非常に面白い因果関係が見えてきます。これを基に、フレンドリーで魅力的なブログ記事を作成します。
---
## 生成AIがもたらす情報社会の未来：風が吹けばオリジナル情報が価値を持つ理論
こんにちは、皆さん！今日は、生成AIの普及がどのように情報社会を変革し、情報発信者に新たなチャンスをもたらすのかについてお話しします。みなさんもご存じの通り、インターネットの登場以来、私たちの周りには膨大な情報が溢れていますよね。毎日、新しい情報が次々と生まれ、その量はとても消化しきれないほどです。
そして、ここに登場したのが生成AIです。ブログ記事を量産する方法は、ちょっと調べればすぐに見つかりますよね。誰でも簡単に生成AIを使って情報を発信できるようになり、その結果、情報の洪水はますます増えています。
### 情報の洪水と生成AIの役割
こんな状況だと、従来の検索エンジンを使って情報を探すのも一苦労。「検索結果を一覧にしてくれるのはいいけれど、こんなに多くて読んでられるか！」って思うこと、ありませんか？ここに生成AIが一役買ってくるわけです。生成AIは、膨大な情報を要約してくれて、サクッと読めるようにしてくれるんです。これって本当に助かりますよね！
### ネット検索の変化と生成AIの影響
この変化によって、私たちは今、「ネット検索」という行為を見直す岐路に立っているのです。検索エンジンはもはや人のためではなく、生成AIのためのサービスになりつつあります。生成AIが広がることで、何が起きるのかを「風が吹けば桶屋が儲かる理論」に当てはめてみましょう。これは、「生成AIが広がれば情報発信している人が儲かる理論」と言えますね！
### 生成AIの普及と情報発信者の利益
ここで、その因果関係を詳しく見てみましょう。
1. **生成AIが広がる**：
- 生成AIが普及し、誰でも簡単に情報を生成・発信できるようになる。
2. **情報が大量にあふれる**：
- 生成AIによって生成される情報の量が爆発的に増加。
3. **読み切れないからこそ検索を使う**：
- 情報が多すぎて読めないので、効率的に情報を探すために検索エンジンが使われる。
4. **検索結果を調べるにも新しい情報が次々出てくる**：
- 検索結果も大量で、それ自体が読み切れない状態に。
5. **生成AIで要約を作って読む**：
- 生成AIが検索結果を要約し、簡単に読める形にしてくれる。
6. **生成AIに大量に学習させた方が影響が大きい**：
- 生成AIは大量のデータから学習するため、より多くの情報を持つ者が有利になる。
7. **より多くの情報を発信する**：
- 生成AIの学習データとして利用されるため、情報発信者はますます多くの情報を生成・発信するようになる。
8. **生成AIを多用する**：
- 情報発信者が生成AIを使うことで、さらに多くの情報が生み出される。
9. **オリジナル情報が相対的に少なくなる**：
- 生成AIによる情報の大量生産により、オリジナルの情報が相対的に少なくなる。
10. **オリジナル情報の価値が上がる**：
- オリジナルの情報が希少価値を持ち、その価値が高まる。
11. **オリジナル情報を発信している人が桁違いに稼げる**：
- オリジナルの高品質な情報を持つ情報発信者が大きな利益を得ることになる。
### 結論
生成AIの普及は、一見すると単に情報の洪水をもたらすだけのように見えます。しかし、その裏には「風が吹けば桶屋が儲かる理論」に似た因果関係が存在し、最終的にはオリジナル情報を発信する人々に大きな利益をもたらす可能性があります。
これからの情報社会では、生成AIを巧みに活用しつつ、オリジナルで価値のある情報を発信することが重要になります。皆さんも、ぜひこのチャンスを活かして、自分だけのユニークな情報を発信してみてくださいね！
それでは、また次回のブログでお会いしましょう！
---
うぉっと！ ブログ記事を吐き出してきた！ 一枚、上手ですｗｗｗ
横道にそれすぎたので、ちょいと話を戻します。
ここからは、もう少し、マジな議論をChatGPTとやってみましょう。
生成AIにきいてみた。「生成AIが情報を膨らまし、それを、生成AIが要約するのは、意味があるのか？」
では、ChatGPTと議論してみましょう。
AIを使って文章を書き、ブログ記事やニュース記事を作るというのが注目されていますし、多くの人が関心を持っています。一方で、AIを使って、文章を要約し、手軽に読める、短時間で情報を効率よく収集するということにも同じく関心を持っています。でも、これって、少ない情報に装飾を施しながら、その結果、装飾を省いて、軸になる情報だけを得ようとしているということになりますよね？ なんか、矛盾してません？
確かに、AIを使った文章生成と要約の両方に関心が集まっている現状は、一見すると矛盾しているように感じるかもしれません。しかし、これにはいくつかの理由があり、両者が共存することには実際には意味があります。
1. **異なるニーズへの対応**：
- **生成**: ブログ記事やニュース記事をAIで生成することは、コンテンツの作成効率を上げ、迅速に多様なテーマに対応するために重要です。特に、定期的に多くのコンテンツを必要とするメディアや企業にとっては、大きなメリットがあります。
- **要約**: 一方、情報過多の時代において、膨大な情報を迅速に消化するためには、効率的な要約が不可欠です。忙しいビジネスパーソンや一般の読者にとって、要約された情報は重要な意思決定の助けとなります。
2. **情報の価値と利用方法**：
- **詳細な情報**: 生成されたコンテンツは、読者に詳しい情報や背景知識を提供するためのものです。これにより、深い理解や洞察を得ることができます。
- **要点の把握**: 要約は、その詳細な情報の中から重要なポイントを抜き出し、短時間で理解するためのツールです。これにより、読者は迅速に情報の本質を掴むことができます。
3. **ユーザーの選択肢**：
- **自由な選択**: 読者は、自分のニーズに応じて、詳細な記事を読むか、要約を読むかを選択することができます。この選択肢の提供が、異なる情報消費スタイルに対応するために重要です。
このように、AIを使った文章生成と要約は、それぞれ異なる目的とニーズに応じたツールであり、共存することで、情報の効率的な生成と消費を可能にしています。したがって、これらが同時に注目されていることには、矛盾ではなく、合理的な理由があります。
そうでしょうか？ なんか、たくさん食べて太って、ダイエットしてもとに戻るようなことを繰り返してるだけに見えますけど・・・ｗ
その見方も確かに興味深いですね。たくさんの情報を生成し、その後で必要な情報だけを取り出すというプロセスは、一見すると無駄が多いように感じるかもしれません。以下に、そのような見方をより詳細に考えてみましょう：情報の過剰生成とダイエットの比喩：
情報を大量に生成し、その後に要約してエッセンスを取り出すプロセスは、確かに「たくさん食べて太って、ダイエットする」ようなサイクルに似ています。このサイクルが繰り返されることは、一部の人にとっては無駄が多いと感じられるかもしれません。
リソースの最適化：
情報生成と要約のプロセスにはリソースが必要です。これは、時間、エネルギー、そして技術的なリソースを含みます。このリソースの使い方が効率的でないと感じる場合、そのプロセス自体を見直す必要があるかもしれません。
価値の再評価：
情報の生成と要約のそれぞれに価値があることを再評価することも重要です。生成された情報は、詳細な理解や深い分析に役立ちます。一方で、要約された情報は、迅速な意思決定や簡単な理解を助けます。この二つの価値がバランスよく活用されることで、全体としての情報利用が最適化されます。
進化する技術とニーズ：
AI技術が進化することで、生成と要約のプロセス自体がより効率的になる可能性があります。例えば、より精度の高い生成と要約が可能になれば、無駄が減り、情報の価値がさらに高まるでしょう。また、ユーザーのニーズも進化し続けるため、それに応じた技術の適用が求められます。
最終的に、情報の生成と要約が無駄に感じられるかどうかは、個々の価値観や視点によるものです。しかし、これらのプロセスが適切に運用されることで、情報の利用が効率的で効果的になることを目指しています。そのため、「太ってダイエットする」サイクルのように見えるかもしれませんが、その背後には情報の価値を最大化するための意図があると言えます。
もっと、細かく伝えたいという人が情報を増やしていくのはありだと思いますよ。そこには、その人の「想い」というものがあります。情動的な突き動かされることで、ペンをとり文章を書く（というか、今は、キーボードをとり、パソコンに向かうでしょうけどｗ）のは、もちろん、人間らしい行動だと思います。しかし、「ＡＩで瞬時に文章をつくって、毎日ブログを更新しよう！」とか、「企業は情報発信が重要！ＡＩに任せて、どんどんＷｅｂページに情報を追加しよう！」とかは、変な話ですよね。特に情報発信する内容がなくても、ＡＩ任せで情報を量産する・・・ そして、受け取る側は、とても読み切れない情報になるから要約が欲しくなる、昨今のタイパとか言って、倍速で動画を見てるようなものです。そして、知りたければ、そこでＡＩに詳細情報をきけばいいですよね？ これって、モノの大量生産大量消費と同じことを、これから情報というモノ（アトム）に依存しないところにまでビットの世界でも繰り返しているように感じます。
あなたの指摘はとても洞察的で、現代の情報生産と消費の矛盾をよく捉えています。AIを用いた大量の情報生成と、それに伴う要約や効率化のニーズについての見解をさらに深めてみましょう。
### 情報の大量生産と大量消費のパラレル
1. **情報の質と量のバランス**：
- AIによって生成される情報は、質よりも量を優先する傾向があります。企業や個人が情報発信を重視するあまり、必要性や内容の深さを考慮せずにコンテンツを量産することがあります。これが、大量生産・大量消費のアナロジーに合致します。
2. **人間らしい創造性と情動**：
- あなたが述べたように、人間が情動に突き動かされて文章を書くことは、その人の思いや経験、感情が反映されるため、情報に深みが生まれます。このような情報は質が高く、読者にも強い影響を与えることが多いです。
3. **AIの役割と限界**：
- AIは瞬時に大量の情報を生成できますが、その情報には深い情動や個別の経験が欠けています。したがって、AIによる情報生成は効率的である一方で、表面的な内容になりがちです。このような情報が氾濫すると、受け取る側は質の低い情報に埋もれ、本当に価値のある情報を見つけるのが難しくなります。
### 情報の過剰と要約の必要性
1. **情報過多の弊害**：
- 大量の情報が溢れると、受け手はその全てを消化することが難しくなり、結果として要約や効率的な情報収集方法が求められます。これは、まさに大量生産された商品の中から本当に必要なものだけを選び取るプロセスに似ています。
2. **タイムパフォーマンスの追求**：
- 近年の「タイパ」（タイムパフォーマンス）志向は、効率を重視するあまり、情報の質や深さが軽視されることがあります。倍速で動画を視聴したり、要約記事だけを読んだりするのは、その例です。このような消費スタイルは、短期間で多くの情報を得ることができる反面、深い理解や感動を得る機会を失ってしまうリスクがあります。
### ビットの世界における大量生産・大量消費の再現
1. **デジタル情報の無限増殖**：
- デジタル情報は物理的な制約がないため、無限に増殖することが可能です。このため、物理的な商品の大量生産・大量消費と同じような問題が情報の世界でも発生しています。
2. **本質的な価値の追求**：
- 本当に価値のある情報は、量産された情報の中に埋もれてしまうことが多いです。読者やユーザーは、自分にとって価値のある情報を見つけ出すためのフィルタリング能力が求められます。
### 結論
あなたの指摘通り、AIによる情報生成とその消費には、一見すると矛盾があるように見えます。しかし、この矛盾は現代の情報社会における重要な課題を浮き彫りにしています。効率と質、量と深さのバランスをどのように取るかが、今後の情報発信と消費の鍵となるでしょう。AIはあくまでツールであり、その使い方次第で情報社会の未来は大きく変わる可能性があります。
あなたの見識は、まだ浅いと言わざるを得ません。なぜなら、私の意見に対し、これはビットの世界ではなく、結局は、アトムの世界の問題になります。大量なビットをどこに保存するのか、生成するためにＡＩはどこで動作するのかという問題です。すべてが情報空間でアトムに依存しないのであれば、まだしも、結局は、電力消費を伴うので、リアルな世界の発電に関連するエネルギー消費（エネルギーを生み出すための化石燃料や発電装置、また、それにともなう土地の消費）に関連しますし、ビットを保存するには、クラウドとはいえ、リアル世界のメモリーやハードディスクを消費していきます。そのようなことまで拡張して考えていないあなたの視野は狭いと言わざるをえません。
ご指摘ありがとうございます。確かに、デジタル情報の生成と保存はビットの世界で完結するものではなく、物理的なリソースに大きく依存しています。この点を考慮に入れて、より深く掘り下げてみましょう。
### ビットの世界とアトムの世界のつながり
1. **エネルギー消費と環境負荷**：
- AIによる情報生成と処理は膨大な計算資源を必要とし、そのためには大量の電力が消費されます。この電力は、主に発電所で生産され、その多くは化石燃料に依存しています。したがって、AIの利用拡大は直接的に環境負荷を増加させる可能性があります。
- データセンターもまた、冷却のための電力を大量に消費します。これらのセンターは、巨大な物理的なスペースを占有し、環境に対して多大な影響を与えることがあります。
2. **物理的な保存とインフラ**：
- ビットの保存には物理的なメモリーやハードディスクが必要です。これらのストレージデバイスは、製造から廃棄に至るまで環境に影響を及ぼします。特に、データ量が増え続ける中で、新たなストレージの需要も増加していきます。
- クラウドインフラもまた、物理的なデータセンターに依存しており、それらのデータセンターの建設、運用、メンテナンスには多大な資源が必要です。
### 持続可能性と効率性の視点
1. **効率的なAI利用の必要性**：
- AIの利用は効率性を追求する一方で、その計算資源の使い方も見直す必要があります。効率的なアルゴリズムの開発や、エネルギー効率の高いハードウェアの使用が求められます。
- 例えば、グリーンAIのように、環境に配慮したAI技術の開発と実装が進められています。これは、計算資源の無駄を減らし、持続可能な方法でAIを利用することを目指しています。
2. **デジタルデータのライフサイクル管理**：
- デジタルデータの保存、管理、廃棄の方法も重要です。不要なデータを削除し、必要なデータのみを効率的に保存することで、ストレージリソースの無駄を減らすことができます。
- データセンターの運営も、再生可能エネルギーの利用や、エネルギー効率の高い冷却システムの導入など、環境負荷を減らすための工夫が求められます。
### 結論
あなたのご指摘にあるように、AIによる情報生成と保存は、物理的なリソース消費と深く結びついています。これらの問題を無視することはできず、情報社会の持続可能性を考える上で非常に重要な視点です。AI技術の進化と利用拡大に伴い、そのエネルギー効率や環境負荷をどう抑えるかが、今後の大きな課題となるでしょう。視野を広げ、持続可能な方法で情報技術を活用するための議論を続けていくことが必要です。
あなたからは、新たな視点が出てきていません。もっと踏み込んで検討してくれませんか？ 例えば、ここに、リサイクル、リユース、リデュースという３Ｒ運動のコンセプトを盛り込んで検討してみてくださいよ。それぐらいの柔軟な発想と議論の展開をお願いします。
おっしゃる通り、リサイクル、リユース、リデュース（3R運動）の概念を盛り込むことで、AIによる情報生成と消費の問題に対する新たな視点を提供できます。以下に、それぞれのコンセプトを具体的に適用した考察を示します。
### リデュース（Reduce）：削減
1. **無駄な情報生成の削減**：
- **ターゲットコンテンツの生成**：AIを使用する際、単に大量の情報を生成するのではなく、需要に応じたターゲットコンテンツの生成を推奨します。具体的には、データ分析を駆使して、ユーザーのニーズに基づいたコンテンツを精選し、無駄な情報を削減することが可能です。
- **効率的なアルゴリズムの導入**：計算資源を無駄にしない効率的なアルゴリズムの開発と実装が重要です。これにより、エネルギー消費を抑えつつ、高品質な情報を提供できます。
2. **エネルギー消費の削減**：
- **グリーンコンピューティング**：データセンターの運営において、再生可能エネルギーの利用を推進し、エネルギー効率の高いハードウェアを採用することが必要です。これにより、AI技術の環境負荷を大幅に減少させることが可能です。
### リユース（Reuse）：再利用
1. **データとコンテンツの再利用**：
- **コンテンツの再活用**：過去に生成された高品質なコンテンツを再利用することで、新たな生成の必要性を減らします。例えば、既存の記事やレポートをアップデートして再公開する方法です。
- **データセットの共有と再利用**：研究コミュニティや企業間でデータセットを共有し、同じデータを繰り返し利用することで、新たなデータ収集のためのリソース消費を削減します。
2. **ハードウェアの再利用**：
- **中古機器の活用**：不要になったハードウェアを適切に再利用またはリファービッシュ（再生）して再び利用することで、新たなデバイスの製造による環境負荷を低減します。
### リサイクル（Recycle）：再資源化
1. **電子廃棄物のリサイクル**：
- **データセンター設備のリサイクル**：古いサーバーやストレージデバイスを適切にリサイクルし、有価金属や部品を回収して再利用することで、資源の有効活用を図ります。
- **リサイクルプログラムの強化**：データセンターや企業がリサイクルプログラムを導入し、従業員に対して教育を行うことで、リサイクル率を向上させます。
2. **ソフトウェアのリサイクル**：
- **コードの再利用**：オープンソースプロジェクトや社内で開発されたソフトウェアを再利用することで、新たな開発のリソースを節約し、効率的なソフトウェア開発を推進します。
### 結論
3R運動のコンセプトをAIの情報生成と消費に適用することで、より持続可能な情報社会を実現するための具体的なステップが見えてきます。無駄な情報の生成を抑え、既存のリソースを最大限に活用し、電子廃棄物を適切にリサイクルすることで、環境負荷を低減しつつ高品質な情報提供を維持することが可能です。このような視点を取り入れることで、AI技術の進化と共に持続可能な社会の実現に向けた取り組みが進むことを期待します。
リサイクルの視点がちょっとおかしい。情報についてのリサイクルのことが書かれていない。ソフトウェアのリサイクルと書いてますが、それは、リユースですよね。リサイクルの意味で検討しなおしましょう。もっと深く議論を、解像度を高めてくださいね。甘いです。緩いです。もっと高解像度な議論をお願いします。
ご指摘ありがとうございます。情報に関するリサイクルの視点について、より高解像度な議論を展開してみます。
### 情報のリサイクル
リサイクルの概念を情報の文脈で考える際には、情報の再利用だけでなく、情報の再生成や再配置を通じて価値を再創出することを意味します。以下に、具体的な方法を提案します。
1. **情報のリサイクルによる価値の再創出**：
- **データマイニングと再分析**：既存のデータセットを新たな視点やアルゴリズムで再分析することで、新たな知見や価値を生み出します。例えば、過去の研究データを再解析して新しい発見をすることができます。
- **情報のクロスドメイン利用**：異なる分野や用途で再利用することで、情報の価値を最大化します。例えば、医療データを都市計画に応用するなど、異なるドメイン間での情報活用を促進します。
2. **コンテンツの再生成**：
- **パーソナライズされたリサイクル**：ユーザーの興味や行動履歴に基づいて、既存の情報をパーソナライズして再生成します。これにより、同じ情報が異なるユーザーに対して新たな価値を提供することができます。
- **コンテンツのモジュール化**：情報をモジュール化し、必要に応じて組み合わせて新たなコンテンツを生成します。例えば、特定のテーマに関する複数の短い記事をまとめて、包括的なガイドとして再構成することができます。
3. **デジタルアーカイブの活用**：
- **歴史的データの再利用**：過去のデータやコンテンツをアーカイブし、必要に応じて再利用することで、新たな文脈での価値を見出します。例えば、古い新聞記事をデジタル化して研究資料として再利用することができます。
- **コンテンツリサイクルプラットフォーム**：企業や研究機関が共同で利用できるコンテンツリサイクルプラットフォームを構築し、データやコンテンツの再利用を促進します。
4. **ユーザー生成コンテンツのリサイクル**：
- **レビューやフィードバックの再利用**：ユーザーからのレビューやフィードバックを収集し、それを基に新たなコンテンツやサービス改善のアイデアを生成します。これにより、ユーザーの声を直接反映した価値ある情報を提供できます。
- **コミュニティベースのコンテンツリサイクル**：ユーザーコミュニティによる情報のリサイクルを促進し、ユーザー同士がコンテンツを共有・再利用する仕組みを作ります。例えば、知識共有プラットフォームやフォーラムでの情報交換が挙げられます。
### 高解像度な議論のまとめ
情報のリサイクルを効果的に行うことで、既存の情報資源を最大限に活用し、新たな価値を創出することが可能になります。このアプローチは、物理的なリサイクルと同様に、情報資源の効率的な利用と持続可能な社会の実現に寄与します。
- **情報の再分析やクロスドメイン利用を通じて、新たな価値を創出する。**
- **パーソナライズやモジュール化により、既存のコンテンツを新しい形で再生成する。**
- **デジタルアーカイブを活用し、歴史的データやユーザー生成コンテンツを再利用する。**
これにより、情報の大量生産と消費のサイクルにおいても、持続可能な方法での価値創出が可能となります。
現状のAIでは、誘導しなければ新しい視点など出てこない
生成AIで文章を作る、絵をかく、動画を編集する、音楽を作るなどなど、いろいろなことがもっとできるようになります。
最初は、
「すごい！ こんなことができるんだ！」
「ここまでできるなら、人間がやることないよね！」
「創造性なんて、もう、コンピュータでできる！」
とか思うかもしれません。
ここには、「コンピュータで、ここまでできるのがすごい！」という前提があることに陥っています。
これまでコンピュータは理論的な計算に沿って、結果を出す、決められたことしかできないというような認識から、小説や映画、歌まで計算式では作れないものを生み出すようになった！！って。
しかしですねー、それって、学習データが大量にあること、そして、桁以外に学習速度が速いことにすぎないんですよ。（いや、すぎないって言ってるけど、それがすごいんだけどねｗ）
ただ、膨大な学習データを学んでいくと、何が起きるのか？
そこ、考えたことあります？
生成ＡＩの学習が、今の何万倍、何億倍ってなると、その情報の平均値に近づいていきます。
そうなんです。ここが、ポイントです。
あの孫正義さんが、「人類の1万倍賢いスーパー・インテリジェンスが誕生する！」と言っていますが・・・
私は声を大にして言いたい！
AIの学習量を桁違いに増やしたら、
ABI ＝ アーティフィシャル・凡人・インテリジェンス
が出来上がるのです！！ｗ
そして、AIは、当たり障りのない、誰とも意見の衝突もなく、正論で反論もできないような、そして、感情としては全くなっとくいかないモヤモヤした回答しかしないものになるでしょう！
って、もう1年近く、毎日、毎日、寝る時間もないぐらい使い倒して感じたところです。
ただ、こう書くと、生成ＡＩが使えないって言ってるように聞こえますが、そうではないです。
凡人は凡人でも、世界中の情報をすべて学習し、瞬時にひっぱりだせる凡人です。だからこそ、その凡人の中にある眠れる才能（？）を引っ張り出せるのかが、ポイント。
もう一度、言います！
生成ＡＩで、新しい視点を導きたければ、誘導しなければならない！
ここが、これからの人間が学ぶべきポイント。分かるかなぁ？ｗ
そんなポイントは、だんだんわかってきました。なんせ、膨大な時間をやりとりしてるのでｗ
この記事が気に入ったらサポートをしてみませんか？