能力と限界

能力と限界

（7分）

動画

YouTubeで観る字幕をダウンロード字幕の使い方

この動画では、いまの時点で生成AIに何が効果的にでき、何ができないのかを見ていきます。生成AIが言語タスク全般でみせる多才さ、会話の流れを保つ力、そして追加の学習なしにさまざまなタスクを切り替えられる力に注目します。あわせて、知識のカットオフ（学習データの締め切りの時点。それ以降のことはもともと知らない）、ハルシネーション（事実と異なる出力）、コンテキストウィンドウの制約、推論の難しさといった限界にも触れます。さらに、この分野が急速に進化していること、そして最も効果的な活用は、人とAIが協働して、互いに補い合う強みを持ち寄るところに生まれることを強調します。

主なポイント

• 生成AIは、すでにあるデータを分析するだけでなく、新しいコンテンツ（文章・画像・コード）を生み出します。
• LLMのような現代のシステムは、3つの重要な進歩によって可能になりました。
  • アルゴリズムと設計（アーキテクチャ）の飛躍——とりわけトランスフォーマー・アーキテクチャ
  • 膨大なデジタルの学習データ
  • 計算能力の飛躍的な向上
• 生成AIは2つの段階で学びます。事前学習（数十億もの例にわたってパターンを分析する）と、ファインチューニング（指示に従い、役立つ応答をすることを学ぶ）です。
• いまの能力には、さまざまなタスクをこなす多才さ、会話の流れの把握、外部ツールと連携する力が含まれます。
• いまの限界には、知識のカットオフ、ハルシネーション（事実と異なる出力）が起きる可能性、コンテキストウィンドウの制約、複雑な推論の苦手さが含まれます。
• 最も効果的な活用は、人とAIの強みを組み合わせます。人は、批判的思考・判断・創造性・倫理的な見守りをもたらします。
• （KAKEHASHI 補足）トランスフォーマー・アーキテクチャとは：文章ぜんたいを見渡して、語と語のつながりをつかむAIの仕組み。

演習

リフレクション

先に進む前に、少し立ち止まって考えてみましょう。

• 生成AIの技術的な土台（学習データや、事前学習・ファインチューニングなど）を理解したことで、これらのシステムとの付き合い方についての考え方は、どう変わりましたか？
• これらのシステムの仕組みと、いまの限界を学んで、どんな倫理的な論点が思い浮かびますか？

次のレッスンでやること

次のレッスンでは、4Dの力の最初のひとつ——委任——を詳しく見ていきます。自分の目的とAIの能力の両方を理解したうえで、自分とAIのあいだで作業をどう分けるかを、戦略的に決める方法を学びます。この土台は、いつ・どのようにAIを、あなたの創造や問題解決の流れに迎え入れるかを、思慮深く見定める助けになります。

フィードバック

コースを進めるなかで、学んだ概念をあなたの生活・仕事・授業でどんなふうに使っているか、また何かご感想やご意見があれば、ぜひお聞かせください。フィードバックはこちらから。

謝辞とライセンス

Copyright 2025 Rick Dakan, Joseph Feller, and Anthropic. Released under the CC BY-NC-SA 4.0 license. This course is based on The AI Fluency Framework by Dakan and Feller. Supported in part by the Higher Education Authority, Ireland, through the National Forum for the Enhancement of Teaching and Learning.

（補足和訳）著作権 2025 Rick Dakan、Joseph Feller、Anthropic。CC BY-NC-SA 4.0 ライセンスのもとで公開されています。本コースは Dakan と Feller による「The AI Fluency Framework」に基づいています。アイルランド高等教育庁（Higher Education Authority）の、教育・学習向上のための国立フォーラムを通じた支援を一部受けています。