実際、これまでの研究の大半はAIが不平等を減らし、スキル格差を縮めると結論づけています 逆に専門家がさらに上達したと感じた人は比較的少数です。そのうちの一つは、AIがスキル差を広げるという物語を構築するほど説得力がありました。でもそれは現実ではなかった

高校の英語の授業では、すべての本を2回読みました。授業の前半に1回、後半に1回ずつ、順番が逆でした。この概念にイライラしたのを覚えていますが、授業の終わりには理解できました。 フィクションの美しさは、人間の経験の深い側面に没入できることにあります。『罪と罰』はそんな本の一つで、最初に読んだとき、物語を読みました。二度目はそれを体験しました。最初にストーリーアークを追ったとき、2回目には実際に贖罪を内面化できたことを覚えています。 教師がもう丸ごと教科書を割り当てない傾向は、将来の世代がこの贈り物を奪うでしょう。

ここではAIと創造性について多くの議論がなされてきました――AIは本当に新しい知識や芸術を生み出せるのでしょうか? 創造性には2つのタイプがあります。クローズド型(特定の目標を持つもの)と、オープンで「青い空」型(オープンエンド型)です。私のお気に入りの論文の一つでは、閉鎖的創造性はインセンティブに反応する;「青い空」の創造性はそうではなく、内発的動機に基づいています。 AIシステムのトレーニングにおける重要な要素の一つが強化学習(RL)であり、モデルの出力に対してポジティブな信号を生成します。このシステムは「閉じた」創造性を最適化する一方で、「青空」の創造性には的を外している可能性があります。 実際、同じ著者たちは、人間が「ブルースカイ」クリエイティビティではAIを支配し続けている一方で、クローズドクリエイティブを伴うタスクではパフォーマンスが劣っていることを示しています。 AIに真に新しい知識を生み出したいのであれば、この種の「青空」的な創造性に最適化するトレーニングを考えることが有用です。これにより、報酬関数の設計方法や、モデルに内発的動機付け(これは現在も研究されている分野)をどのように付与するかなど、多くの重要な疑問が生じます。