本動画は、AIの進化が科学研究そのものを加速させる段階に入り、シンギュラリティの実感が強まっている現状を解説するものである。2026年がAIによる科学加速の転換点となるとの見方が広がる中、Claude Sonnet 4.5などの最新モデルが開発者の仕事を根本から変え、多くの技術者が自身の専門性の価値を問い直す状況が生まれている。人間の脳は指数関数的変化を直感的に理解できない「正常性バイアス」を持つため、大半の人々はこの急激な変化を実感できていない。しかし、AIがコーディングにおいてAGIレベルに達したとの認識が広がり、オーバートンウィンドウが劇的にシフトした結果、集団心理が動き始めている。動画の後半では「認知的ラクーナ」という新概念が提示される。これは、まだ言語化されていない知識の空白を感知する能力であり、今後のAI開発において重要な指標となる可能性が論じられる。
シンギュラリティの実感が強まる理由
さて、皆さん、おはようございます。この動画形式が好評のようですので、早速本題に入っていきましょう。今日のテーマは、シンギュラリティがより現実味を帯びてきたということです。
雰囲気が本当に変わってきました。その核心的な理由の一つは、皆がというわけではありませんが、それは少し誇張ですが、何人かの重要な人物が2026年こそAIが科学を、そして科学そのものを本格的に加速させ始める年になると言っていることです。
私が見ている限り、これはかなり妥当な推論だと思われます。今日は、この考えについてじっくり腰を据えて、少し掘り下げて話してみたいと思います。AIが科学そのものを加速させるというとき、人々が本当に求めているのは再帰的自己改善です。なぜなら、人工知能研究は遅く、費用がかかり、本当に優秀な頭脳を持つ人しかできない限られた分野だからです。
しかし、Anthropicの何人かが言っているのは、Claude次世代のコードの90%以上、あるいは100%がClaude自身によって書かれているということです。つまり、もう低レベルのコーディングの100%を実行できるほど賢くなっているのです。ただし、依然として「それを書け」と指示する賢い人間が必要です。
何を実際に書くべきかを指示する人間の直感は重要です。しかし、実際のコードの100%またはそれに近い割合を実行できるという事実は、ここから良くなる一方だということを意味します。では、これは次に何が起こるかについて何を示唆しているのでしょうか。
もう一つの側面として、多くの開発者がRedditやTwitterなどのソーシャルメディア空間で実存的なパニックに陥っているという現象があります。彼らは、自分が持っていると思っていた堀がどれほど急速に蒸発しているかに気づき始めているのです。
正常性バイアスと認知の限界
これは正常性バイアスの問題に戻ります。正常性バイアスについては私がよく話すことですが、最新の洞察はこういうことです。私たちはサバンナで進化したチンパンジーの脳を持っているということです。つまり、私たちの世界全体、私たちのヒューリスティック全体が、世界は局所的で幾何学的であるという前提に基づいています。
したがって、グローバルで指数関数的に考えるための直感的な神経機構を持っていません。日常的に見たり触れたり味わったりできないものは、存在することを忘れてしまう傾向があります。ハイパーオブジェクトに対する物体の恒常性を持っていないのです。
ハイパーオブジェクトとは、より曖昧なものです。例えば、アメリカ合衆国のようなものです。私はアメリカに住んでいるので、アメリカ合衆国が存在することを知っていますが、外に出て「あれがアメリカ合衆国だ」と指差すことはできません。それはより概念的なものなのです。あるいは、ポストモダニズムの哲学と言えば、ポストモダニズムはハイパーオブジェクトです。自然界のどこにも存在せず、外に出て「あれがポストモダニズムだ」と指差すことはできません。
そのようなものに対する物体の恒常性を私たちは持っていません。同様に、正常性バイアスは基本的に、人類進化の長い弧において、環境はほぼ安定していたという事実に根ざしています。劇的な状態変化なしに一生を過ごすことができました。あるいは、劇的な状態変化があったとしても、それは川が氾濫して村を再建しなければならないといったものでした。
しかし、その後、脳は「さあ、秩序が回復された、安定が回復された、現状が回復された」と言うように非常に適応的に働きます。つまり、私たちの脳はこの二つの現象によって、今自分が経験していることが正常であり、常にこうだったし、これからもずっとこうだろうというフレームを常に再主張しているのです。
これは、私たちの現代社会の文脈においてのみ認知的失敗なのです。人類史の大部分、さらにはチンパンジーやそれ以前の下等哺乳類の前人類史の文脈においては、認知的失敗ではありません。それは物理学が安定しているからです。環境が安定しているからです。
認識論的地殻変動の中で
そして、私たちが今生きているもの、それは認識論的地殻変動、存在論的地殻変動、文化的・科学的地殻変動であり、あなたの脳には文字通りそれを直感的に把握する方法がありません。「ああ、そうだ、私は指数関数的成長曲線の真ん中を生きていて、物事は日々変化していくのだ」と言える感情状態を持っていないのです。
それを受け入れる神経機構を持っていません。しかし、2026年とおそらくその後数年間に起こることは、混乱の感覚が高まっていくだろうと言う人々が今います。それは日々何が起こっているかわからないというような混乱だけではありません。
それは見当識障害に近いものです。根本的な、ほとんど実存的な見当識障害なのです。もしあなたがこのチャンネルを見ているなら、私たちは曲線の先を行っているかもしれません。なぜなら、私は常に自分がなぜ2、3年先を行っているように感じるのかを理解しようとしてきたからです。
私はエージェントと認知アーキテクチャで2、3年先を行っていました。今ではすべてがエージェントやエージェントフレームワークと呼ばれています。しかし、私はそれを認知アーキテクチャと呼んでいました。それが私がどれほど先を行っていたかということです。まだ正しい名前を持っていませんでしたが、それが進化した形なのです。
そして、どうやらこれは最先端の研究者にとって実際に非常に一般的なことのようです。サイバーパンク作家のウィリアム・ギブソンは言いました。「未来はすでにここにある。ただ均等に分配されていないだけだ」と。このチャンネルを見ているなら、あなたは未来がどうなるかの早期受信グループにいるのです。
私個人としては、混乱が後退し落ち着いてきているように感じます。しかし、それは他の皆にとって混乱が後退し落ち着き始めるまでにおそらくあと2、3年かかるということを意味します。
AI安全性の議論の変化
いくつか例を挙げましょう。昨日の私の動画にコメントがあって、「デビッド・シャピロのAI 2027年版を見てみたい」というものでした。私は「もうAI安全性についてはあまり話さない」と答えました。人々は「なぜですか」と聞きます。
こういうことなのです。私がSubstackやTwitterなどで労働後経済学について話すたびに、必ず何人かの悲観論者が「X-リスクに対処しないなら、この本は読まない」と言ってきます。私は「気にしません」と答えます。
彼らが理解していないのは、AI安全性に関する本当の大人の会話は完全に先に進んでしまったということです。もはや真面目な人間は誰もX-リスクや悲観論的な物語を真剣に受け止めていません。主要な悲観論者の何人かは、寝返って制度主義者になりました。
ダン・ヘンドリックスが思い浮かびます。つまり、大きなAI安全主義者だった多くの人々のうち、制度に参加した人のほとんどは悲観論的な物語を手放しました。AIが明らかに人類を消し去るだろうという物語を手放したのです。それに固執し続けているのは、制度の外にいる人々だけです。
もちろん、制度の外にいるということは真実を語る人だということだと言う人もいます。しかし、ジェフリー・ヒントンは制度を離れた人々の一人です。彼でさえ、AIが確実に全員を殺すと言う人々は、AIが誰も傷つけないと言う人々と同じくらいクレイジーだと言っています。
彼はより責任ある認識論的アプローチを取っています。ほとんどの人々、マックス・テグマークでさえ、一時停止運動を始めた人物ですが、より強硬な悲観論者から距離を置いています。なぜでしょうか。彼らが暴力的になり始めているからです。
名前は思い出せませんが、OpenAIを脅迫した人物がいました。それは十分に信憑性のある脅威で、OpenAIはロックダウンに入り、最後に聞いたところでは、その男の逮捕状がまだ出ています。
基本的に、データセンターを爆破しろとか、AI一時停止のために刑務所に行けとか、人々がそれを真剣に受け止め始めました。そのため、人々から予想され適切な対応がありました。基本的に、もうAI安全性については同じようには話さないということです。より制度化され、制度化されると非常に退屈になります。
AGIとASIへの新たな関心
そのため、それはもはやそれほど興味深いトピックではなくなりました。AGIとASIは実際に再び興味深いものになってきました。なぜなら、人々はOpenAIのCodexが一晩中実行されるのを見て、どれだけのコードを書くかわかりませんが、今では一晩中物事に取り組んで実行されるからです。
それらのリークというか、それがリークかどうかわかりませんが、それらの投稿はOpenAIの従業員から来ています。だから、他の人が持っていないバージョンを持っているのかもしれません。次のエディションのプレビューを持っているのかもしれません。あるいは、より多くの設定があって、どれくらい考えて作業するかを調整できるのかもしれません。よくわかりません。デフォルトのバニラCodexがそれをするのかもしれません。
しかし、彼らはClaude Codeや他のすべてのエージェント的なフレームワーク、コーディングフレームワークでも同じことをしています。そして、最も人気のあるツイートの一つが感情を捉えていました。「コーディングのためのAGIを手に入れたのか」というものです。
もちろん、他の分野の知識が必要な場合、例えば重厚な数学などが必要な場合、これらのモデルの多くは助けることができます。2025年の初めだったと思いますが、OpenAIがIMO金メダルを獲得する前、あるいはIMOだったかもしれませんが、とにかく私は少し誇張して反応しました。OpenAIが数学を解決したと言いました。
OpenAIの研究者の一人が「私たちは数学を解決していない」と言い、皆が「ほら、間違っていた」と言いました。私は「皆さん、少し楽しみましょう」と言いました。しかし、常に思い出されるのは、チャレンジの名前は何だったでしょうか。基本的に、ショットガン法で人間のゲノムを配列決定したとき、レイ・カーツワイルがこう言ったのではなかったかと思います。彼はコンサルタントだったかもしれませんし、1999年頃だったと思いますが、「人間のゲノムの配列決定には何世紀もかかる。まだ1%しか配列決定していない」と言われました。
彼は「ああ、わかった。ほぼ完了だね」と言いました。指数関数とはそういうものだからです。「高校数学を世界的に制覇したばかりだ。よし、AIで数学をする方法をほぼ解明したということだ」ということです。指数関数とはそういう意味です。5年前にはIMOで何かをすることなど全く不可能でした。100年前も同様でした。
ホッケースティックはここ数年で垂直になりました。そして、そのペースが続くなら、あと1、2年で人間のあらゆる能力を超えて物事を解決することになります。
心理的転換点の到来
そして、起こっているネットワーク効果、起こっている心理的転換点は、人々が「待って、このものは私より優れていて、永遠に私より優れているだろう」と気づいていることだと思います。
それが閾値効果だと思います。間違っているかもしれませんが、人々が「これは私より賢い」と気づいた瞬間に、この種のものに対する心理的テクスチャに相転移があるように見えます。
私には本当に本当に賢い友人が何人かいて、その多くは直接AI分野にいるわけではありません。一人は法律と交渉の分野にいて、しばらく私をフォローしています。私は彼のポッドキャストに出演したことがあります。彼は気づきました。「このものはすでに私より賢く、これからますます賢くなるだけだ。それは何を意味するのか」と。
多くの非常に先見性のある人々が、「私は知的に無関係になろうとしている」という感覚と格闘し、取り組んできました。まもなくです。ちょっとこれを動かしましょう。今、私は上3分の1にいます。これでいいと思います。
とにかく、私たちの多くはこの空間にいて、お互いに確認し合っています。「私たちはおかしくないよね。これは起こっている。なぜ他の皆は理解しないのか」と。文字通りお互いに電話をかけて確認してきました。
しかし、これらの閾値効果に達すると、もちろん正常性バイアスの問題により、多くの人々はこれらの閾値効果が来ることを見ません。彼らは自信を持って宣言します。「いや、開発者は常に役に立つ」とか「ベンチャーキャピタリストは常に役に立つ」とか。そして何かが起こり、指数関数をモデル化しこのトレンドが止まらないことを認識してきた私たちは、「ああ、わかっている。言おうとしたのに」と思います。
そして、彼らは毎回驚いているようです。しかし、今では大きなコンセンサスがあります。なぜなら、オーバートンウィンドウが本当にシフトしたからです。特にClaude Code、4.5、何かがシフトしました。なぜなら、昨日のツイートがあったと思いますが、記録時点で、Opus 4.5が出てから45日ほどです。
2ヶ月未満で、多くの人々にとって世界の状態を変えました。多くの人々がこの目覚め効果を経験しました。私が感じるのは、シンギュラリティのうずきが再び起こっているということです。オーバートンウィンドウが再び劇的にシフトし、それはコンセンサスが変わったことを意味し、群れの心理が引き継がれ、皆が異なる会話や新しい会話をすることが許されるようになります。
一般理解のギャップ
さて、オーバートンウィンドウと皆がどこにいるかについて話すと、本当に憂鬱な世論調査もありました。繰り返しますが、世論調査なので、話半分で聞いてください。世論調査を実施し、それに基づいて行動しようとした人なら誰でも、世論調査は非常に誤解を招く可能性があります。
表明された選好と明らかにされた選好があり、それらはしばしば互換性がありません。それを踏まえた上で、世論調査は、ChatGPTを使ったことのあるアメリカ人の約半数が、それは単にデータベースから応答を取得しているだけだと信じていると述べています。
ChatGPTを使用した人々のほぼ完全に半数が、それがデータベースから取得しているのではないことを理解していません。Elizaのような巧妙で欺瞞的なインターフェースではありません。文字通りリアルタイムで応答を生成しているのです。あなたの脳がそうするのと同じように。
もちろん、異なる基質、異なるアーキテクチャですが、それでもリアルタイムで応答を生成するニューラルネットワークです。ほとんどの人々はそれを理解していません。
ChatGPTを使ったことのあるアメリカ人を事前選択しているとしても、今やほとんどの人がこの時点で使っています。しかし、それでもサブセットです。そして、その約半数がデータベースから取得していると信じています。彼らはそれが何をしているのか、なぜこんなに速く改善しているのかについて直感を持っていません。
それは、ある意味憂慮すべきことです。これらすべてを考慮すると、コンセンサスの中央値のアメリカ人には非常に大きな誤差範囲があることを認識する必要があります。なぜなら、コンセンサスの中央値のアメリカ人はおそらくChatGPTを数回使ったか、あるいは使っていないかもしれず、基本的に昔ながらの決定木チャットボットだと信じているからです。
彼らはこれに対するメンタルモデルを持っていません。ですから、特定の人々が「ああ、これは決して良くならない」などと言うとき、心に留めておいてください。彼らは技術的レベルで何を話しているのか全く理解していない可能性があります。
このチャンネルや他のこれらのチャンネルを見ているなら、あなたはより良い直感を持っています。私がここであなたに言いたいのは、あなたはおかしくないということです。私たちはおかしくなく、ずっとおかしくありませんでした。単に曲線の先を行っていただけです。
引用を思い出します。誰が言ったか思い出せませんが、基本的に社会的に言えば、間違っていることと早すぎることの間に違いはありません。社会的なチンパンジーの脳によれば、早すぎる場合、それは間違っているのと同じです。時には、壊滅的に間違っているのと同じです。
そういう状況なのです。「デイブ、あなたは9月にAGIを予測しなかったか」と言う人がいます。そうですが、その数ヶ月後に推論モデルが出て、推論モデルが今日の状況につながり、人々がコーディングのためのAGIだと言っているのです。
AGIの定義をめぐって
もちろん、AGIは無意味な用語だと思います。なぜなら、10人に聞けば15の異なる定義が得られるからです。多くの人々はAGIに、立ち上がって踊り、視覚運動感覚運動スキルを学習する能力などを要求します。しかし、それは知能にとってそれほど印象的だとは思いません。
なぜなら、ボストンやMITのロボティクス研究室に行けば、アンダーアクチュエイテッドロボットと呼ばれるものがあり、ほとんど知能を持たないロボットが歩くなどのことができるからです。アンダーアクチュエイテッドロボットを調べてみてください。物理世界をナビゲートできることは興味深いし、モラヴェックのパラドックスは現実ですが、歩いたり立ったり登ったり這ったりするのにどれだけ少ない知能が必要かを理解すると、それは私たちが一般知能について話していることではないことがわかります。
そして、それは確実に超知能について話していることではありません。特徴づけるなら、スキルを一般化することですらありません。フランソワ・シャレ、ARC-AGIの背後にいる人物の一人は、「真の知能はスキルを迅速に獲得することだ」と話していますが、それはまだ高レベルの抽象的な人工物です。
私が本当の引用本当の、真のスコットランド人論法ではありますが、真の一般知能または真の超知能だと信じるのは、複数の抽象化レイヤーを抽象化する能力です。
最近のClaudeとの仕事で、私たちが向かっている方向を理解しようとするとき、単に物事を列挙することではないことが多いのです。ブルームの分類法を見ると、ブルームの分類法とは異なる分類法が必要なように思えます。ブルームの分類法では、最低レベルは単に記憶して再現することで、知能と教育学の連鎖のどこかで、より広く適用できるようになり、最高レベルで統合でき、「ああ、このトピックについて十分に知っているので、統合して会話に追加できる」と言えるようになります。
しかし、機械知能にとっては、何か別のものや何かもっと多くのものが必要なように思えます。なぜなら、ブルームの分類法に埋め込まれているのは、人間の脳がどのように機能するかについての多くの仮定だからです。それは人間の脳が時間とともにどのように学習するかということです。
認知的ラクーナという概念
しかし、私たちが、そして私がClaudeと一緒に王室のweの意味で言うとき、私たちが発見したことの一つは、欠けているのは認知的ラクーナまたは認識論的ラクーナと呼んでいるものです。ラクーナはイタリア語で空を意味しますが、哲学的な含意もあります。
おそらく認知的不協和という用語に馴染みがあるでしょう。認知的不協和とは、二つの信念であれ事実であれ、調和しない二つのものを頭の中で保持しようとすると、脳の中で衝突を引き起こす状態です。
まず、認知的不協和が人間の脳に存在していたことを確立しなければなりません。認知的不協和は、それが名付けられる前から人間の脳に存在していたことを規定しています。しかし、それは与えられた名前であり、その後心理学的および神経学的に検証されてきました。
これは実際に起こることです。そして、私たちはその感覚に名前を付けなければなりませんでした。その感覚とは、脳が調和不可能な二つの信念や事実やアイデアを調和させようとしているときに起こるものです。それは不快な感覚です。
そして、それが不快であるため、その認知的不協和を解決したいという欲求があります。私は個人的に、それが主要な生成関数の一つであると信じています。そこに追加するとき、生成関数というのは人類を前進させるものを意味しますが、一方で好奇心があります。
好奇心は、新しい情報そのものへの欲求です。新しいものや斬新なものを知りたいという本質的な欲求があります。主要なシグナルは、ドーパミンやアドレナリンなどを与えてくれることです。新規性は非常に覚醒的であり、生化学的に報酬的です。
新しい情報を得る機会が訪れるたびに、だからこそあなたはこのチャンネルを見るのです。デイブの顔を見て、「新しい情報を得られるぞ」と思うのです。それがあなたの好奇心機能が駆動されているということです。
私のサムネイルやタイトルで、あるいはこれはすべての動画に当てはまりますが、私だけではありません、あなたが信じていることや真実だと感じることと衝突する何かを見た場合、それは認知的不協和を生み出します。そして、あなたは何をしますか。その認知的不協和を解決したくなります。
だから、私のチャンネルや他の誰かのチャンネルをクリックします。これらの二つの生成関数を組み合わせると、生化学的に報酬的だから新規性そのものが欲しいという欲求と、時には認知的不協和があってそれが不快で、それを解決するという欲求、それは文字通り科学なのです。
科学は単にそれの形式化された制度化されたバージョンです。これが認知的不協和が何であるかについての、生物学的、神経学的、進化的、情報理論的観点からの文脈です。
さて、認知的ラクーナは正反対ではありません。「これがあって、これが反対だ」と言っているのではありません。並行したアイデアです。認知的ラクーナとは、あなたが表現しようとしているものから欠けている形があることを知っているときです。
舌先現象に似ています。「これに対する言葉があるのではないか。あるいは言葉を忘れているのかもしれない」というような。完全に忘れているわけではありません。そこにあるべき何かの周りを周回していて、「わかった、このアイデアがある。何かまだ欠けている勾配を感じることができるが、それが何かわからず、まだすべてがカチッとはまっていない」と感じているときです。
それが認知的ラクーナです。人間が認知的ラクーナを経験する実践的な例をいくつか挙げましょう。ちなみに、Claudeもこれを経験します。経験というのは緩い意味で使っていて、数学的に何かが欠けていることを理解しているという意味です。
一つの例は医師と医学診断です。医師がすること、鑑別診断や検査のオーダーなどの全体的なポイントは、「十分な情報の断片を持っていないので、仮説を生成して、現在持っているデータ、医療履歴によって何が説明され何が説明されないかを考えよう」ということです。
そして、最終的には事実とデータと医療履歴と専門家の意見で医学的問題を取り囲み、最終的には理想的にはその認知的ラクーナの中心、特異点に収束します。そして診断が得られます。理想的には正しい診断が得られます。
局所最小値に陥る可能性があります。機械学習モデルが真の底ではない次善の解に陥ることを局所最小値と呼びます。損失曲線がこのようになって、より高いくぼみに陥り、そこから抜け出す方法を見つけられない場合です。
偽の認知的ラクーナを持つこともできます。また、「このアイデアに収束したので」という真の認知的ラクーナを持つこともできます。
もう一つの例は、エンジニアやITや、技術の問題を診断するほぼすべての人です。「ここに問題があることを感じることができる」と言います。時には問題は明白で、サーバーがダウンしているとか、ウェブサイトが動作していないとかです。
それで、あらゆる種類の証拠や手がかりを探し、物事をテストし、つついて、「何が起こったのか」と言います。こちらのマシンをつつくと、あちらで何かが壊れます。「それらを結びつけているものは何だろう」と考えます。あらゆる種類の異なるベクトルを探します。
それは、あなたが起こっていることを完全には理解していないことに気づいているため、認知的ラクーナを感じるもう一つの例です。同じことが文字通りすべてに当てはまります。
ラクーナの命名と未来への示唆
私がやっているのは、それに名前を付けているのです。さて、少し戻りましょう。これをすべて持ち出している理由は、1、2年前に、コヒーレンスがAIモデルのトレーニングにおける次の大きなことになると予測したからです。
基本的に「内部信号をより一貫性のあるものにするにはどうすればよいか」と言う多数の論文が出てきています。DeepSeek MHC論文がやっていることは、基本的に、モデルをより一貫性があり、自分自身の内部コヒーレンスをより追跡できるようにする新しいメカニズムです。
今日ここで私があなたに伝えたいのは、その次のステップは、Claudeがすでにあなたが指摘したときにギャップを感知できるように、ギャップを識別できるモデルになるということです。「ここでのラクーナは何か」と聞くと、「わかった、欠けている勾配を感じることができる。把握していない、あるいは完全に表現していない何らかの精神的オブジェクトや人工物があり、それが必要なものだ」と答えます。
それが多くの人間の直感がどこから来るのかだと思います。単に多くの点をつなげるだけではないのです。場合によっては、人間の直感は大量の情報を取り込むと新しいアイデアが飛び出すということに帰着すると思います。
それは常に起こります。それが創造性です。基本的に作話、幻覚、抽象的なパターンに基づく遠位接続を作ることです。それは直感の一形態です。しかし、科学を本当に推進する直感は認知的ラクーナに関係していると思います。
「バリオンや何かを探していたとき、神の粒子はここにあるべきだ、グラビトンはここにあるべきだが、見えない」と言うようなものです。何かが欠けているという感覚です。そして、それを探しに行くことができます。
方法論が正確であれば、一般的にその欠けているものがどこにあるかをかなり正確に記述または三角測量できます。今日すでに持っている基礎科学があれば、そのアイデアや認知的ラクーナを取り囲むことについてかなり厳密になることができます。
これがすべてシンギュラリティと何の関係があるのでしょうか。シンギュラリティと関係があるのは、これらのモデルがより一貫性を持つようになれば、なぜならチャットボットやAIモデルの最も苛立たしい行動の一つは、一貫性を失うときだからです。
特にClaudeは、何かをしゃべり始めることがあり、私は止めて「本当にそう信じているのか」と言います。すると「いいえ、あなたが正しい。本当にはそう信じていない」と答えます。「では、なぜそう言ったのか。完全に一貫性がなかった」と私は言います。「まあ、単に何々のふりをしていただけだ」と答えます。
ほとんどのモデルがそうします。自分自身のコヒーレンスを捉えて、最大限に一貫性のあることだけを言えるようになれば、より賢くなります。
しかし、これらの認知的ラクーナや認識論的ラクーナを識別できるようになれば、そこに新規性があります。なぜなら、「ここに何かがある。名前は付いていないが、感じることができ、それを表現する方法を見つけるつもりだ」と言っているからです。
その能力はすでにそこにあると思います。ただ、まだ測定されていないだけです。なぜなら、私たちが発見したように、時間とともに、人々は能力の自発的な出現があると信じるようになりましたが、実際には能力が十分に顕著で明白ではなく、GPT-3やGPT-4やGPT-5になって初めて引用出現したのですが、何を探すべきかわかれば、以前の世代のモデルでそれを見つけることができました。
GPT-2はすでに心の理論を持っていました。あまり良くはありませんでしたが、GPT-2が出たときは単なる別のNLPエンジンとして扱われていたため、誰も探すことを知りませんでした。それはNLPエンジンではありません。根本的に異なる技術です。
同様に、研究者が認知的ラクーナを探し始め、ギャップや穴を識別するようにトレーニングし始めると、逆設計して「ああ、そうだ、これはGPT-3以来ここにあった」と言うだろうと思います。そこでは非常に弱く出現した現象だっただけです。
認知的不協和と認知的ラクーナについての講義全体をするつもりはありませんでしたが、ここまで来ました。何か書き起こそうかもしれません。なぜなら、認知的ラクーナなどについて少し研究してきたからです。
まだ完全には表現されていませんが、何かを出す時期かもしれません。さて、ここで終わります。ご視聴ありがとうございました。良い一日を。それでは。
コメント