I, Creative Cyborg: An Autoethnographic Account of Poietic Rumination, GenAI, and the Act of Academic Research
修士論文執筆のオートエスノグラフィー的記述を通じ、本稿は、生成AIは学術的タスクにおける周辺的なツールにはなり得るものの、知的営みの核心である「ポイエーシス的熟考（poietic rumination）」を代替することはできないと論じ、真の知的関与を確かなものにするために、研究者がこの内省的プロセスを自らのために留めておくよう促すものである。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
現代社会において、人間と機械の境界線はますます曖昧になっている。私たちは、ペンで書く方法からGPSでナビゲートする方法に至るまで、道具が私たちを形作ってきたことを古くから受け入れてきた。高等教育の領域には、新しい種類の道具が登場した。生成AIである。これらのシステムは、人間の思考を模倣するかのような速度と流暢さで、エッセイを書き、本を要約し、問題を解決することができる。これは学者や学生の間で激しい論争を巻き起こしている。このテクノロジーは、私たちがより良く考えるのを助けるパートナーなのか、それとも思考することを止めてしまう近道なのか。これに答えるべく、研究者たちは学術的な作業を行う実際のプロセスを詳しく調査し始めている。彼らは、研究のどの部分を機械に委ねることができ、どの部分を厳格に人間に残しておかなければならないのかを問い直している。核心となる問いは、単なる効率性についてではなく、理解の本質そのものについてである。もしコンピュータが完璧な段落を生成できたとしても、それはコンピュータがその概念を理解したことを意味するのか、それとも単に理解しているかのように見えるように言葉を並べただけなのだろうか。
ロンドン芸術大学の研究者であるレイ・グルワルは、自身の仕事にレンズを向けることで、この問いを調査することに決めた。彼は、人工知能がいかに創造性と学習に影響を与えるかというテーマで修士論文を執筆したが、彼はある特殊なことを行った。彼は、コンピュータプログラムを使用して自分を助けたすべての場面について、詳細かつ正直な日記を記録したのである。彼は、機械に投げかけたあらゆる質問、返ってきたあらゆる回答、そしてそれらの回答を自分がどのように使用したかを記録した。その後、この日記を最終的な執筆物と比較することで、どこで機械が助けとなり、どこで失敗したのかを正確に特定した。彼の目的は、強力なデジタルアシスタントと共に働いているときの、人間の精神の境界線をマッピングすることであった。彼は、機械が真に思考の負担を分担できるのか、それとも、人間が意味を見出すための実際の作業を行う一方で、機械はデータの重労働をこなすことしかできないのかを突き止めようとしたのである。
研究によれば、研究者と機械の関係は対等なパートナーシップではなく、「周辺（ペリフェリ）」と「核（コア）」の間の分業である。周辺においては、機械は極めて有用なツールであることが証明された。それは、研究者が行き詰まったときに複雑な概念を平易な言葉で説明してくれる、疲れを知らない家庭教師として機能した。また、数百もの学術論文の中から最も関連性の高いものを探し出し、読書時間を大幅に節約してくれるリサーチアシスタントとしても機能した。さらに、調査結果を整理し、生の数値から完璧な精度でチャートを作成するデータプロセッサーとしての役割も果たした。機械はアンケートや研究に必要なレッスンプランの設計さえも手伝った。これらの領域において、機械は研究者のリーチを広げ、より短時間でより多くの作業を行うことを可能にした。それは、天文学者がより遠くを見るために望遠鏡を使うのと同様に、研究者の能力を拡張する義肢であった。
しかし、作業が研究プロセスの周辺から核へと移動すると、機械は高い壁に突き当たった。この研究は、機械が複製することのできない特定の思考サイクルを特定している。このサイクルは、情報の取り込み、それに対する深い思考、新しい理解を形成するための異なるアイデアの結合、その理解を言葉による表現、そして最後に、成果を改善するためのフィードバックへの内省という5つの段階で構成されている。機械は、情報を探すという第一段階を支援することはできたが、困難なテキストの抵抗感を真に読み取ったり、理解したりすることはできなかった。混乱を招く概念について、それが理解できるまでじっくりと向き合うこともできなかった。最も重要なのは、二つの遠い理論を結びつけて新しい洞察を生み出すという飛躍を行うことができなかった点である。研究者が研究のために二つの異なるフレームワークを組み合わせようとしたとき、機械はその計画に熱狂的に同意したが、実際にはその二つのフレームワークは互いに相容れないものであった。二つの理論を組み合わせるという、遅くて困難な思考の作業を通じて、最終的にエラーに気づき、機械の提案を破棄しなければならなかったのは、人間の研究者であった。
機械は、執筆と内省の段階においても失敗した。機械は流暢な文章を生成することはできたが、ある特定の思考を一つの精神から別の精神へと転送するという意図を持って書くことはできなかった。研究者が論文のセクションの草案作成に機械を使用した際、それらのドラフトはしばなしばしば空虚なプレースホルダーに過ぎず、研究者自身の理解の重みを運ぶためには、完全に書き直さなければならなかった。同様に、機械は研究者の考えを変えるような種類のフィードバックを提供することはできなかった。真の内省とは、鋭い質問を投げかけたり、論理の欠陥を指摘したりする人間の批評家との摩擦から生まれるものである。対照的に、機械は過度に協力的であり、深い学習に不可欠な「葛藤」を取り除いてしまうような、滑らかな回答を提供する傾向がある。研究によれば、これらの核となるタスクを機械に依存することは、研究者を賢くするのではなく、単に問題解決のために自力で苦闘する際に起こる「精神的な筋肉作り」をバイパスしてしまうことになる。
このことは、未来の「サイボーグ」をどのように捉えるべきかについて、極めて重要な区別を示唆している。「サイボーグ」という言葉は、しばしばテクノロジーと融合した人間を指すが、これはシームレスな融合を暗示している。しかし、この研究が示唆しているのは、最も効果的なサイボーグとは、機械と完全に融合する者ではなく、どこに線を引くべきかを正確に知っている者のことである。機械には、ロジスティクス、データ、および初期の情報探索を任せるべきである。しかし、人間はプロセスの中心、すなわち深い思考、アイデアの統合、および批判的な内省を守らなければならない。もし人間が核となる部分を機械に明け渡してしまえば、研究の価値を形作る能力そのものを失うリスクがある。危険なのは、機械が人間に取って代わることではなく、機械が物事を簡単に見せてしまうために、人間が思考するという困難な作業をやめてしまうことである。
この知見は、これらのツールを使用するすべての人に対して明確な道筋を提示している。アドバイスは、行われている具体的な精神的作業を定義し、機械がその作業をサポートしているのか、それとも代替しているのかを問うことである。タスクがデータの整理や定義の検索であるならば、機械は強力な味方となる。しかし、複雑な議論を理解すること、二つの理論を結合すること、あるいはある記述が真に何を意味するかを決定することであれば、人間が主導権を握らなければならない。研究によれば、人工知能の価値は、私たちの代わりに思考する能力にあるのではなく、時間とエネルギーを解放する能力にある。最も重要なことは、研究者が深い思考という、ゆっくりとした不快な時間を守り、最終的な成果物が、単に洗練された言葉の羅列ではなく、真の人間的理解の表現であることを保証することである。結局のところ、機械はその出力を意味あるものにするために人間を必要とするが、人間は考えるために機械を必要としているのではない。人間は、より良く考えるために機械を必要としているのである。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。