現代学術の基盤が粉々に打ち砕かれた
"the very foundation of modern academia has been blown to bits" (twitter.com)
要約
このツイートは、現代の学術研究の根幹が崩壊したという強い主張をしています。具体的な内容は不明ですが、学術界における深刻な問題提起を示唆しています。
全文翻訳
ログインまたはサインアップしてXにアクセス
Tony Feng氏はカリフォルニア大学バークレー校の数学教授であり、彼はこう語っています。「かつて、数学の博士号への道は、回復力、創意工夫、批判的思考、そして健全な懐疑心を育むものでした…しかし突然、ボタンを押すだけで、それなりに通用する博士論文を作成できるようになりました。」もちろん、これは数学に限ったことではありません。明らかにそうです。社会学、教育学、コンピューターサイエンス、あるいは機械工学の博士号を書きたいですか?ボタンを押すだけです。時間を巻き戻しましょう。私はウェブが登場する前に大学に入学しました。当時は、研究のために物理的な図書館に行かなければなりませんでした。紙の雑誌をさまよい、興味深いものを見つけ、そこで読むか、コピーするか、借りるかしていました。博士号を終えたとき、私は雑誌記事の山を持っていました。それらは何らかの方法で分類されていました。何年もかけて集めたものです。検索機能も、ましてやAIアシスタントもありませんでした。そのため、重要な論文を暗記する必要があったのです。指導教官からの助けはほとんどなく、一人で作業するのは大変でした。その時代は、指導教官の質が非常に重要でした。もし彼らがその分野の文献を手のひらのように熟知していれば、適切な論文にあなたを導くことができたでしょう。それは大きな違いを生みました。次にウェブと検索エンジンが登場しました。最初は、たくさんのPDFをディスクに放り込み、キーワードで検索していました。その後、Google Scholarが登場しました。画期的でした!科学文献全体の完全なインデックスです。それは、常に百科事典的な知識を持つ友人がそばにいるようなものでした。その時点で、もしあなたが世界の片隅で一人で、どうにかしてPDFにアクセスできる図書館があれば、何年もかけてではなく、数日か数時間で、あるトピックを選び、人々がそれについて何を書いたかを知ることができたのです。その間、博士論文を書く人の数は増え続けました。アメリカでは1990年の約36,000人から2024年には58,000人以上に増加し、中国では1990年代初頭のわずか数千人から現在では年間約88,000人に爆発的に増加しました。その後、コードやデータの共有がはるかに容易になりました。物理的な世界でも、研究の自動化はいくらか容易になりました。ドローンは森の上を飛行し、写真を撮ることができます。化学分析や実験を行うロボットがあります。そして、最大の要因:エージェント型AIが登場しました。今日、私は博士論文ジェネレーターを書くことができます。トピックを入力すると、2015年に博士号として受理されたであろうものに見えるPDFが出力されます。ほとんどの博士論文は決して良くなかったことを考えてみてください。博士論文をどれくらいの頻度で急いで読みますか?その大多数は読むのが苦痛です。あなたはほとんど何も学びません。したがって、ハードルは人々が想像するほど高くはありません。そして、それが今日の状況です。それで、人々は私にこう言います。「ああ、でも博士号を取得するには、ライブで発表して質問に答えなければならない。」ええ。それについて。社会的な理由から、論文の口頭試問に落ちることは非常にまれです。一部の人々は、生まれつきそれに非常に長けていません。彼らはうまく考えられず、混乱し、間違った質問に答えます。私は数ヶ月前に口頭試問に出席しました。私の年配の同僚は、広範な文献レビューについて絶賛し続けました。彼は、これほど若い人がこれほど短時間でこれほど広範なレビューを作成するのを見たことがないと繰り返し言っていました。この同じ同僚は、ChatGPTとその仲間たちに反対していると誇らしげに言っています。私は彼に言うでしょうか?いいえ、私は意図的に無礼になることはありません。要約すると、現代学術の基盤そのものが粉々に吹き飛ばされました。揺らいだのではなく。消滅しました。
[画像: @tonylfeng]
私はこの感情を何人かの数学者から聞いており、それは理解できますが、それは危険なほど間違っているとも感じています。そう言うのは、数学者はAIによる混乱がいつかなくなることを願うのではなく、激しく、そして迅速に適応する必要があると思うからです。そこには
引用
[画像: @NoahJSnyder]
AIが数学に与える長期的な影響について考えると、AIの能力は明らかに向上し続けるでしょうが、5〜10年後には、一般消費者向けのモデルは、現在の最先端モデルよりも高度な数学において、はるかに劣る可能性が非常に高いと思います。