AIは確かに作業速度を向上させるが、それと引き換えに認知的負荷を増大させている。ハーバード・ビジネス・レビューやMITの研究によれば、AIツールの使用は仕事量を減らすのではなく、むしろ intensify(強化)することが明らかになった。タスク単位での所要時間は短縮されるものの、人々はより多くのタスクを引き受け、複数のAIエージェントを同時に監督することで、かえって精神的疲労とバーンアウトに陥っている。さらにMITの研究では、AIに思考を外注し続けることで、自力で考える能力が実際に低下することが脳波測定によって証明された。本動画は、AI活用の光と影を科学的エビデンスとともに検証し、持続可能なAI利用のための実践的アドバイスを提示する。
AIと生産性のパラドックス
もうかれこれ6年ほどAIについて話し続けてきました。でも最近、以前ほどエネルギーを感じられなくなっているんです。生産性を高めるツールがたくさんあって、これまで以上に多くのことができるようになったはずなのに、実際にはこれまでで一番ハードに働いている気がします。
そして不思議なことに、ある意味で自分が少し頭が悪くなっているような気さえするんです。これは別にアンチAIみたいな話を始めようとしているわけではありません。ただ、他の人たちと話していて、多くの人が同じように感じていることがわかったんです。そして実は、これについて実際に研究が行われていて、科学的な検証やテストも存在することが判明しました。これで私が単に頭がおかしくなっているわけではないことが確認できて、少し安心しました。AIがあるにもかかわらず、これまで以上に働いている気がして、精神的にも疲弊している。
認知能力を外注するというのは、ある意味では悪い考えだったんじゃないかと感じています。でも実際に、なぜこういうことが起きているのか、研究結果を見ていきましょう。コメント欄で私だけの問題だと言われそうですが、他の人たちも同じように感じているのは事実なんです。それを裏付ける資料があります。
ハーバード・ビジネス・レビューの研究
2月に、ハーバード・ビジネス・レビューがこんな記事を出しました。「AIは仕事を減らさない、intensify(強化)する」というタイトルです。この長い記事を読むという大変な認知作業の代わりに、要約を読んでみましょう。
AIの約束の一つは、従業員の仕事量を減らして、より価値の高い魅力的なタスクに集中できるようにすることでした。しかし新しい研究によれば、AIツールは仕事を減らすどころか、一貫してそれを強化しています。研究では、従業員はより速いペースで働き、より広範囲のタスクを引き受け、一日のより多くの時間に仕事を拡大していました。しかも誰かに頼まれたわけでもなく、自発的にです。
これは成功のように聞こえるかもしれませんが、そう単純ではありません。こうした変化は持続可能ではなく、仕事量の増大、認知的疲労、バーンアウト、意思決定力の低下につながります。最初に享受した生産性の急上昇は、やがて低品質な仕事や離職といった問題に取って代わられる可能性があるのです。
ハーバード・ビジネス・レビューは研究を行いました。200人ほどの従業員を抱える米国のテクノロジー企業で8ヶ月間の調査を実施したのです。重要な点として、この企業はAIの使用を義務付けてはいませんでしたが、従業員に使用を提供していました。
彼らが発見したのは、AIが知識のギャップを埋めることができるため、与えられたタスクが拡大したということです。労働者たちは以前は他の人の責任だった仕事にまで踏み込むようになりました。プロダクトマネージャーやデザイナーがコードを書き始めました。研究者がエンジニアリングのタスクを引き受けました。そして組織全体の人々が、以前なら外注したり、先延ばしにしたり、完全に避けていたであろう仕事に挑戦するようになったのです。
AIを使えば何でもできると感じてしまうので、人々は普段ならやらなかったようなことまで引き受け始めました。企業は外注を減らして社内でタスクを処理することでコストを削減しました。要するに、以前やっていた仕事にかかる時間がずっと短くなったのです。でもその新たに得た時間を使って労働時間を減らすのではなく、単に追加のタスクを積み上げていったのです。これは私自身もやっていることですし、AIに興味がある人のほとんどがやっていることでしょう。
仕事とプライベートの境界線の崩壊
研究ではまた、AIの使用が仕事と非仕事の境界を曖昧にしたことも発見しました。タスクがとても簡単になったので、プロンプトを入力すればものごとが片付いてしまうため、人々は単純にもっと頻繁にそれをやるようになったのです。ランチタイムに座っているときでも、プロンプトを送信するのがとても簡単に感じられるので、つい仕事をしてしまうようになりました。
あるいは仕事を家に持ち帰って、夜にもプロンプトを送り続けて仕事を進めるようになりました。こうした行動は、より多く働いているという感覚をほとんど与えませんでした。しかし時間が経つにつれて、自然な休憩が少なく、仕事との関わりが継続的な一日が生まれました。休憩中のプロンプト送信が習慣になりました。そのためダウンタイムは、以前のような回復の感覚を提供しなくなったのです。
AIはまた、労働者が同時に複数のアクティブなスレッドを管理する新しいリズムを導入しました。AIの結果として人々はより多くのマルチタスクをするようになりました。コードを書いてもらい、別のチャットウィンドウでリサーチをしてもらい、さらに別のチャットウィンドウでアイデアのブレインストーミングをしてもらう。人々はこれらすべてを行ったり来たりするようになったのです。
これは実際にスピードへの期待を高め始めました。上司が「もっと成果を出せ」と明示的に要求したわけではありませんが、日常業務の中で目に見えるようになり、標準化されていったのです。これは常にAIに浸っている私たちが確実に感じていることです。
もしかしたら今この動画を見ているあなたも、チャットボットを開いているかもしれません。あるいはチャットボットを開きながら、この動画をバックグラウンドで再生しているかもしれませんね。
このハーバード・ビジネス・レビューの記事では、話題にしている企業の名前は明かしていません。具体的な名前はありません。これは単に一般的な研究で、明らかな理由から、この企業が何者で、従業員が誰なのかは明かしていないのです。
個人の体験談
しかし先月バイラルになった別の記事があります。Sidhant Kuriさんによるものです。発音が正しいかわかりませんが、謝ります。彼は2月7日にこのブログ投稿を公開しました。実はハーバード・ビジネス・レビューの記事が公開される2日前です。だからこれはその記事への反応でもありません。
彼は記事をこう始めています。「私は先四半期、キャリアの中でどの四半期よりも多くのコードを出荷した。同時に、キャリアの中でどの四半期よりも疲弊を感じた。この二つの事実は無関係ではない」と。
彼は誰も警告してくれなかったパラドックスについて語ります。AIは確かに個々のタスクを速くします。以前3時間かかっていたことが、今では45分で終わります。しかし日々は楽になるのではなく、より大変になったのです。
でもこういうことなんです。一つ一つのタスクにかかる時間が短くなったからといって、やるタスクが減るわけではありません。むしろ、より多くのタスクをこなすようになるのです。あなたの能力が拡大したように見えるので、仕事がそれを埋めるように拡大し、さらにそれ以上に増えていきます。上司はあなたがより速く成果を出しているのを見て、期待値を調整します。あなた自身も自分がより速く成果を出しているのを見て、自分の期待値を調整します。
そしてベースラインが移動するのです。AI以前は、一つのデザイン問題に丸一日を費やすこともありました。紙にスケッチして、シャワーで考えて、散歩に行って、明確な答えを持って戻ってくる。ペースは遅かったですが、認知的負荷は管理可能でした。一つの問題、一日、深い集中です。
今では一日に6つの異なる問題に触れるかもしれません。AIを使えば一つにつき1時間しかかかりません。しかし6つの問題間でコンテキストを切り替えることは、人間の脳にとって残酷なほど高くつくのです。AIは問題と問題の間で疲れませんが、人間である私たちは疲れます。
ここにパラドックスがあります。AIは生産のコストを下げますが、調整、レビュー、意思決定のコストを上げます。そしてそれらのコストは完全に人間に降りかかるのです。
創造から監督へのシフト
次の部分は、私が感じていることの核心に迫っていると思います。追加の科学的データも紹介しますので、これは単に逸話的な話だけではありません。
AI以前、私の仕事は問題について考え、コードを書き、テストして、出荷することでした。私は創造者であり、メイカーでした。それが私たち多くをエンジニアリングの世界に引き込んだもの、つまり構築する行為だったのです。
私にとって、その類似物はYouTube動画です。信じられないかもしれませんが、私はもう17年近くYouTube動画を作っています。チャンネルが人気になったのはこの5年ほどですが、人生の約半分をこれに費やしてきました。
長い間、YouTubeは私にとって単に楽しみでした。10年以上、動画の再生回数はほとんどありませんでした。だから動画を作るプロセス自体を楽しまなければ、なぜそんなに長く、ほとんど誰も見ていないのに続けられたでしょうか。
AIが登場して、AIについての動画を作り始めたときでさえ、まだすべてが新鮮でした。まだあまり知られていなかったので、人々はAIができることをまだ見ていませんでした。私はMidjourneyやStable Diffusionのごく初期のバージョンでAI画像を作っていました。誰もこれらのツールの存在を知らない頃です。ChatGPTが存在する前から、GPT-3のようなツールにAPIを通じてアイデアのブレインストーミングを手伝ってもらっていました。
それでもまだクリエイティブに感じられました。主な理由は、AIモデルから望むものを得るために、本当に、本当に、本当に一生懸命働かなければならなかったからです。そして最終的に求めていた出力を得られたとき、AI+私がこれを作るのを手伝ってくれたという誇りのような感覚がありました。私にとって、それが構築する行為でした。それが私を興奮させたものでした。こういうものについての動画を作るプロセスが好きでしたし、他の人がこれらのツールにやらせることができなかったことを、どうやってやらせるかを理解するプロセスが好きでした。
でも、この記事の続きに戻りましょう。AI後、私の仕事はますますこうなりました。プロンプトを送り、待ち、出力を読み、出力を評価し、出力が正しいか判断し、出力が安全か判断し、出力がアーキテクチャに合っているか判断し、合っていない部分を修正し、再プロンプトし、繰り返す。私はレビュアー、審判、決して止まらない組み立てラインの品質検査官になったのです。
これは根本的に異なる種類の仕事です。創造することはエネルギーを与えてくれます。レビューすることは消耗させます。
FOMOのトレッドミル
そして彼が「FOMOトレッドミル」と呼ぶものがあります。これについては信じてください。私は文字通り毎日3〜4時間を費やして、最新のAIニュースを読み、最新のAIツールを開き、ツールを構築している人々と話し、ソーシャルメディアをスキミングして人々が実際にどうツールを使っているかを見ています。
私はこのトレッドミルを地球上のほぼ誰よりもよく知っています。
彼は言います。「息を整えて、ここ数ヶ月だけでもついていこうとしてみてください。Claude Codeがサブエージェントを出荷し、次にスキル、次にエージェントSDK、次にClaude Co-workを出しました。OpenAIがCodex CLIをローンチし、次にGPT 5.3 Codex、自分自身のコーディングを手伝ったモデルを出しました。
新しいコーディングエージェントがバックグラウンドモードを発表し、数百の同時自律セッションを実現しました。GoogleがGemini CLIをドロップしました。GitHubがMCPレジストリを追加しました。毎週のように買収が起こります。Amazon Q developerがエージェント機能のアップグレードを受けました。Crew AI、AutoGen、LangGraph、MetaGPT。Googleがエージェント間プロトコルを発表しました。OpenAIが独自のSwarmフレームワークを出荷しました。Claude 2.5がドロップしました。バイブコーディングが一つのものになりました。OpenClawがスキルマーケットプレイスをローンチしました。
そしてLinkedInやXにいると、こんなことを聞かされます。「2026年にサブエージェントオーケストレーションを備えたAIエージェントを使っていないなら、あなたはもう時代遅れだ」と。繰り返しますが、私は毎日この手のものに注意を払っています。
このペースは私の頭を爆発させたくなります。
思考力の萎縮
そして思考力の萎縮があります。これも動画の冒頭で触れたことですが、私は実際にある面で少し頭が悪くなっているように感じ始めています。そしてこれについても実際により多くの研究があるんです。これから見ていきます。
彼はデザインレビューミーティングにいました。誰かが彼にホワイトボードで並行処理の問題について推論するよう頼みました。ノートパソコンなし、AIなし、彼とマーカーだけです。彼は苦戦しました。概念を知らなかったからではなく、その筋肉を数ヶ月間使っていなかったからです。彼は最初の下書きの思考をAIに外注していたので、ゼロから考える能力が低下していたのです。
でも、私たちがこれまで話してきたことすべてについて、実際に追加の研究があります。これまでのほとんどは逸話的なものでした。匿名の企業がこれを見ていたとされ、一人の開発者もこれを見ていました。私自身も逸話的に、AIの結果として生活の中でこれらすべての問題に気づいていると主張しています。
ハーバード・ビジネス・レビューの「脳の疲弊」研究
ハーバード・ビジネス・レビューは実際に、私たちが話していることに名前をつけました。「brain fry(脳の疲弊)」と呼ばれています。
もう一度、この研究の論点を説明します。AIは効率を促進し、仕事を楽にする増幅器として機能すると約束しています。しかしこれらのAIツールを使用している労働者は、仕事を簡素化するのではなく、強化していると報告しています。
たとえば、Metaはエンジニアのパフォーマンス指標として、AIによって生成されたコード行数を含めています。当然のことながら、労働者はこのように働くと、認知能力の限界に直面していることに気づいています。
ハーバード・ビジネス・レビューは1,488人の米国のフルタイム労働者を対象に研究を行いました。48%が男性、51%が女性です。これは業界、役割、レベルを横断する大企業でした。彼らはAI使用のパターンと量、仕事の経験、認知と感情について尋ねられました。
彼らは、これらの投稿で説明されている現象、つまりAIエージェントの集中的な監督からくる認知的疲弊は、実際のものであり重要であることを発見し、それをAI brain fry(AI脳疲弊)と呼んでいます。
参加者はブザーのような感覚や精神的な霧を説明し、集中の困難、意思決定の遅さ、頭痛を伴いました。このAIに関連したメンタルヘルスの負担は、従業員のエラーの増加、意思決定疲労、退職意向という形で大きなコストをもたらします。
ただし、ニュアンスもあります。彼らはまた、AIがルーチン的で反復的なタスクを置き換えるために使用される場合、バーンアウトスコアは低下したが、精神的疲労スコアは低下しなかったことも発見しました。
つまりAIが軽減できるストレスの種類と、実際に悪化させるストレスの種類には区別があるのです。
彼らは前のいくつかの投稿で見たのと同じことを発見しました。AIエンゲージメントの最も精神的に負担の大きい形態は監督、つまりAIツールが労働者の直接的な監視を必要とする程度でした。
彼らはまた、誰かが3つ以上のツールを使い始めた後、生産性スコアが実際に低下することに気づきました。3つのツールを使うのが生産性のピークでしたが、4つ目を追加すると、今度は管理するものが多すぎるため、生産性スコアが落ちたのです。
研究結果のまとめ
もう一つだけ研究を紹介したいのですが、これまでのところまとめると次のようになります。
はい、AIはあなたをより生産的にします。以前多くの時間がかかっていたタスクの一部が、今ではずっと短時間で済むようになりました。しかし「ああ、自由な時間が増えた。グラフに触れたり、他の人間とコミュニケーションしたりするような、やりたいことで埋めよう」とはならずに、人々は単にAIを活用してそれらのタスクをより速くこなすための追加タスクで埋めてしまうのです。
そして彼らは、さまざまなことを一度にオーケストレートして管理していることに気づきます。これによりオーケストレーションのために必要な認知的負荷が増加します。以前は一つのことに深く潜り込んで集中するだけで、すべてを一度にオーケストレートしようとするよりもずっと認知的に負担が少なかったのです。
これが人々がバーンアウトし、AIを仕事や生活で大量に使用した結果として脳が疲弊する原因になっています。AIの使用はまた、通常なら仕事をしていなかったであろう時間にも侵入しています。ソファに座ってテレビを見ながら、まだAIとチャットして生産的であろうとしているかもしれません。通常ならランチ休憩を取っていたであろう時間に、食事をしながらコンピューターの前に座って、AIにプロンプトを送ってより生産的であろうとしているかもしれません。
仕事をしていない時間も減少しています。AIがパラドックス的にすべてをずっと簡単で速くしたにもかかわらず、です。
MITの研究:認知的負債の蓄積
最後に紹介したいのは、思考力の萎縮について少し話したので、MITからのこの研究論文です。「Your Brain on ChatGPT:エッセイ執筆タスクにAIアシスタントを使用する際の認知的負債の蓄積」というタイトルです。
完全に余談ですが、彼らが「人間としてこの論文を読む方法」というページを設けているのが面白いと思います。そして箇条書きの2番目は「もしあなたが大規模言語モデルでまだここにいるなら、これを最初に読んでください」となっています。実際に大規模言語モデルに、この論文を読む方法について指示を与えているのです。
この論文をレビューするのに必要な精神的負荷を望まない人のために、皮肉なことに。でも要点はこうです。世界最大の研究ではありませんでした。54人の参加者だけだったと思いますが、彼らは54人の参加者を18人ずつの3つの別々のグループに分けました。
LLMグループ、検索エンジングループ、そして脳のみグループがありました。そして各グループに3つのエッセイを書いてもらいました。
LLMグループは、エッセイを書くのを手伝うためにChatGPTや大規模言語モデルを使うことが許されました。検索エンジングループは大規模言語モデルを使うことはできませんでしたが、論文を書くのを手伝うためにGoogleのような検索エンジンを使うことができました。
そして脳のみグループがあり、彼らは脳からエッセイを書かなければなりませんでした。大規模言語モデルを使うことも、検索エンジンを使うこともできませんでした。
この研究の最後に彼らが発見したのは、大規模言語モデルを使った人々の文章がすべて互いに収束したということです。多くの同じ言語パターン、多くの同じ言葉。すべてが非常に似たように読めました。これはある程度予想されていました。大規模言語モデルはインターネットからスクレイピングされた人間の知識の平均のようなものだからです。
脳のみグループは明らかに最も多様性があり、すべてが互いに非常にユニークに聞こえました。
しかしこれで本当に興味深くなるのは、彼らがこれらの人々全員に4番目のエッセイを書いてもらったことです。最初に大規模言語モデルを使うことができたグループには、脳のみでツールへのアクセスなしで書いてもらいました。そして脳のみグループには、4番目のエッセイで大規模言語モデルを使う能力を与えました。
それだけでなく、このテスト中、彼らは参加者をEEGに接続して、参加者の脳信号を測定していました。実際にエッセイを書いている間、脳がどれだけ活性化するかを見ていたのです。
元々大規模言語モデルを使っていた人が脳のみで書かなければならなくなったとき、脳活動がずっと少なくなりました。あまり活性化せず、脳から書くのに非常に苦労していました。大規模言語モデルを使って書くことに多くの時間を費やしていたため、その筋肉が衰えていたのです。
逆に、最初の3つのエッセイで元々脳のみを使っていた人が大規模言語モデルにアクセスできるようになったとき、実際にずっと良くなりました。実際に本当に文章が改善されました。なぜなら彼らは本質的にまだ主に脳から書いていて、大規模言語モデルを自分のために書かせるのではなく、ちょっとしたリサーチをするための脳の延長、ツールとして使っていたからです。
論文の結論はこうです。LLMは間違いなく、検索エンジンと比較して参加者の質問に答える際の摩擦を減らしました。しかし利便性には認知的コストが伴い、ユーザーがLLMの出力や意見を批判的に評価する傾向を減少させました。
つまりこれらすべてが示しているのは、大規模言語モデルに精神的作業を認知的にアンロードすることの負の影響について、実際に研究と本物の科学があるということです。
ChatGPTや大規模言語モデルのようなものに脳の仕事を外注することに多くの時間を費やすと、将来自分で考えることが文字通り難しくなります。本質的に耐性を築いているようなものです。
子供の頃を思い出すと、私はみんなの電話番号を暗記していました。両親の番号を知っていました。親友の番号を知っていました。隣人の番号を知っていました。叔父や叔母の番号を知っていました。すべての電話番号を脳に保存していました。
携帯電話が登場して、人々の番号を携帯電話に保存し始めるとすぐに、私たちの脳は本質的に電話番号を覚える方法を忘れました。もうその筋肉は必要なくなったのです。
ChatGPTのようなものは現在、私たちの脳に同じことをしています。リサーチをしたり、下書きを書いたり、書きたいことの概要を作ったりする時が来たとき、そのすべてをAIに外注することに多くの時間を費やしていたら、実際に自分の脳でそれを再びやらなければならない時が来たとき、うまく機能しないでしょう。
そして言ったように、これは私が実際に感じていることです。そして実際、この動画を作ることさえ本当にためらっていました。みんなが「ああ、マットは最新のクールなツールを共有する楽観的なAI男だ」と思うだろうと考えていたからです。
でも最近、脳の中でこのことがぐるぐる回っていて「最近何かがおかしい気がする」と感じています。YouTube動画のアイデアを思いつくのに苦労しています。長い間、YouTube動画のアイデアをブレインストーミングするのにAIを使っていたからです。しばらくすると、アイデアのほとんどがちょっとつまらなくて面白くないように聞こえ始めました。
だから「動画のアイデアをブレインストーミングするのにAIを使うのをやめよう」と思いました。そしてそれをするとすぐに、アイデアを思いつくのが本当に大変になったことに気づきました。
AI以前の初期の頃、最初の10年ほど動画を作っていたとき、動画のアイデアに困ったことは一度もありませんでした。なぜ今日、動画のアイデアに困っているのでしょうか?話せる概念はたくさんあります。
そしてこれだと思います。意思決定、アイデア、ブレインストーミング、そういったものすべてを外注するのにAIを頻繁に使っていました。AIを使っていないときは、そういうことをするのが難しくなったのです。そしてAIが考え出したアイデアが気に入らなければ、ちょっと行き詰まってしまうようになりました。
実践的なアドバイス
でもこの動画を、私たちの脳がすべて台無しになって溶けていくというような悲観的な感じで終わらせたくありません。いくつか実践的なアドバイスを共有したいと思います。
Sidhantは実際に、何が実際に役立ったかで彼の記事を終えていて、これをここで共有するのが役立つと思います。
AIセッションをタイムボックス化してください。もうオープンエンドな方法で使わないでください。タイマーをセットして、そのタイマーの中だけで使ってください。
AI時間と思考時間を分けてください。午後はAI支援の実行に使い、午前中は思考に使います。
これは私が文字通りやっていることです。実際にペンと紙のノートを持っていて、そこに自分の考えを書き留め、毎日戻ってきたいものをハイライトしています。コンピューターで入力していると、ChatGPTやClaudeを開きたくなるかもしれません。
でもこれを使えば、今はすべてここに書いて、オフィスとは別の場所でやっています。
AIからの70%を受け入れてください。完璧な出力を得ようとするのをやめてください。
ハイプサイクルについて戦略的になってください。さて、すべてのAIニュースに追いつくのは私の仕事の一部で、毎週金曜日にAI動画を作り続けるつもりです。毎週金曜日、AI分野のすべてのニュースを分解する動画を作っています。
そしてこれは、常に指を脈に置いておきたい人のためではなく、最新のアップデートが分単位でいつ出るかを知る必要がある人のためではありません。そういうYouTube動画はたくさんあります。それがXの目的です。さまざまなブログを購読して、必要ならその瞬間ごとに最新情報を得られます。
私は金曜日に週次のAIニュース動画を作っています。だから30,000フィート上空のレベルで接続し続けたい人は、週に一度動画を見るだけで全体的な概要を得られます。私はあなたを圧倒しようとしているのではありません。あなたを圧倒したくありません。知っておくべきことをお伝えしたいのです。
毎週金曜日、あなたのためにノイズの中のシグナルでありたいと思っています。30分で今週起こったことについて知っておくべきことすべてをお伝えします。そうすれば残りの週はチェックアウトして、私があなたを最新状態に保ちます。
文字通りそのために動画を作っています。私はあなたにとって圧倒の源になりたくありません。あなたが週を過ごせて、週の終わりに私がすべてをキャッチアップさせるとわかっている、そんな穏やかさの源でありたいのです。
これは意図していなかったのですが、ちょっと売り込みのようになってしまいました。すみません。
AIが役立つ場所と役立たない場所を記録してください。彼らは数週間、AIが有用だと思った場所と有用でないと思った場所の簡単なログをつけました。そしてAIが生成したものすべてをレビューしないようにしました。これは彼らがコーダーであることに特有でした。彼らはAIにコードを書かせてから、それをすべてレビューしに行く傾向がありました。
これらはすべて素晴らしいヒントだと思いますし、結局のところ、実際にAIを使って、脳の力をそれに外注するのではなく、脳の力を本当に高めることができると思います。
Mark Cubanからのこの引用を共有して締めくくりたいと思います。これは私に本当に響きました。「一般的に、LLMユーザーには2つのタイプがいる。すべてを学ぶために使う人と、何も学ばなくていいように使う人だ」
個人的には、前者としてAIを使い始めています。archive(アーカイブ)で見つけたさまざまな研究論文について深掘りリサーチをする自分のRichard Feynmanボットを構築していません。
量子物理学やシンギュラリティ、量子化の理解、回路基板の仕組みなどのようなもの。より深く、より良い理解を得ようとする深掘りリサーチをするのが好きです。そして私にとって、それが最近のAIの最適な使い方になっています。
とにかく、それを共有したかっただけです。これらすべてを言ったうえで、このチャンネルでは何も実際には変わりません。
毎週金曜日に、その週に出たすべてのAIニュースを分解する動画を作り続けます。ニュースが出た当日のAIニュースの動画を作ることは少なくなるかもしれません。繰り返しますが、今では100万のYouTubeチャンネルがそれをやっています。それはこの時点で商品化されたコンテンツです。
私は毎週の終わりに一つの動画をあなたに提供する人でありたいです。「もし注意深く追っていなかったら、今週AI界で見逃したかもしれないことすべてがここにあります」と言う動画を。
注意深く追っている人でさえ、通常聞いていなかったことを見つけたと言います。それが私の目標です。管理可能にしてください。消火ホースではなく、あなたのために守られたホースにしてください。
それ以外では、まだ多くの動画を投稿するつもりです。いくつかのクールなAIツールで遊んで、発見したときにクールなワークフローを見せたいですし、週の終わりにそのAIニュースの分解を提供しながら、このような深掘りコメンタリーの動画をもっと作りたいと思っています。
もしそれがあなたの興味のあることなら、この動画にいいねをして、このチャンネルを登録してください。そしてこの動画が人々をAIについてあまり怖がらせなかったことを願っています。私たちがそれをどう使っているかについて、もっと意識的になる必要があると思うだけです。
とにかく、ご視聴ありがとうございました。本当に、本当に感謝しています。ではまた。
コメント