4 AI との協働

下位の章

• 4.1 AI でデータを作る AI に作らせたものをデータとして扱うときの作法。人がどこで関わるか、誤りが残る前提でどう使うか、そして AI が作ったものであることをどう記録し、どう伝えるか。何を作らせるかは対象ごとに各節が扱うので、本節は対象を問わない作法だけを述べる。具体例として、DiHuCo ガイドラインシステムにおける記事生成ワークフロー——AI が生成した記事を AI がレビューし、講演者本人が確認してから登録する手順、素材にない情報を書き加えてしまう問題(幻覚)への対処、そして問題を工程設計に戻すループ——を取り上げ、誤りが残る前提での使い方・検査・工程改善のループを具体的に説明する。
• 4.2 AI で問う・読む AI に問いを投げて資料を読む。検索と生成を組み合わせる仕組み、意味による検索、対話による探索、翻訳や註釈の生成。資料を AI が読める形に整えること。返ってきたものを専門家が評価するという工程。
• 4.3 エージェントと研究の作法 AI がエージェントとして自律的に手順を進めるようになったとき、研究の進め方は何に変わるか。 Human-in-the-loop・Human-on-the-loop・Human-out-of-the-loopという三類型を本節が定義し、それぞれで研究者の関与の深さと責任の所在がどう変わるかを説明する。研究者が指揮者になるとはどういうことか——エージェントに権限を委譲しながら研究責任を保持し、出力を批判的に評価する能力を維持するという構造——、著者性と責任、そして査読や評価がどう揺らぐか。この三類型と指揮者概念は本節が本文書における唯一の定義箇所であり、他節(ai-create を含む)はここを参照するにとどめ、自節では説明しない。また、エージェント型AIの普及が研究者のキャリアパスと人材育成に何をもたらすかも本節が扱う——AIが比較的取り組みやすい問題を解ける段階になると博士課程の指導の常道がどう変わるか、若い世代はデジタル化からの転回を必要としないという世代差、北本氏が述べる人材育成・キャリアパスへの波及。これらは指揮者として研究責任を負う研究者像の変化の延長として本節が唯一の説明箇所となる。
• 4.4 AI と社会 AI を使うことが社会との関係で何を起こすか。学習と生成をめぐる法、権利処理とオプトアウト、真贋の判定、学習データに入っていないものの不在、計算資源と言語資源の非対称、そして AI が何を見つけさせ何を見つけさせないか。AI の時代に人文学の何を教えるか —— 学生が AI を使うときに何を身につけるべきか、教える側が何に変わるか。