Up

モデルセット型

作成: 2026-04-06 更新: 2026-04-06

---

生成AI は，つぎのように使う： 　　　 　　　　　　　　　入力(最初) 　　　　　　　　　┌────┼────┐ 　　　　　　　　　│ＡＩ　　↓　　　　│ 　　　　┌────┼→入力処理 Agent　│ 　　　評価を入力　│　　　　↓　　　　│ 　　　　↑　　　　│　　　モデル　　　│ 　　　ユーザ　　　│　　　　↓　　　　│ 　　　　↑　　　　│　出力処理 Agent　│ 　　　　│　　　　│　　　　│　　　　│ 　　　　│　　　　└────┼────┘ 　　　　│（ループ）　　　　↓ 　　　　└───────　出力 ここで，つぎの考えが出て来る： 　　｢ユーザの役を，AI の中の Agenet に持たせる｣ 　　｢モデルを複数にして，全自動型にする｣ 絵図としては， 　　　 　　　　　　　　　入力(最初) 　　　　　　　　　┌────┼────┐ 　　　　　　　　　│ＡＩ　　↓　　　　│ 　　　　　　　　　│→入力処理 Agent　│ 　　　　　　　　　│　　　　↓　　　　│ 　　　　　　　　　│　　モデル群の　　│ 　　　　　　　　　│　　Agent 接続　　│ 　　　　　　　　　│　　　　↓　　　　│ 　　　　　　　　　│　出力処理 Agent　│ 　　　　　　　　　│　　　　│　　　　│ 　　　　　　　　　└────┼────┘ 　　　　　　　　　　　　　　↓ 　　　　　　　　　　　　　出力 例. The AI Scientist ○ キャッチフレーズ 　　「AIが自分でテーマを見つけて論文を書く」 　 　　「つぎをすべて自動化： 　　　　　アイデア生成 　　　　　既存研究の検索 　　　　　仮説構築 　　　　　コード実装 　　　　　実験 　　　　　データ分析・評価 　　　　　論文執筆 　　　　　査読（レビュー）」 　 　　「科学コミュニティを内在化」 　　「AIが書いた論文が査読基準を通過した例もある」 　　「科学的方法論主体が機械化される」 　　「入力は，非常に短いプロンプトが基本」 ○ The AI Scientist の等身大 1. 使用モデル (複数) 　・役割分化 　　　　仮説生成用 LLM 　　　　コード生成用 LLM 　　　　論文執筆用 LLM 　　　　レビュー用 LLM 　・GPT系 / Claude系 2. 実質的には「AI研究 (特に機械学習)」に強く偏ったシステム 　　理由：全行程が，モデル群＋Agent の自律で済む 3. ｢アイデア生成 (課題の自己生成)｣ ではなく， 　 ユーザが示すアイデア/課題の分解・具体化 「何か研究課題を見つけて，論文にまで仕上げてね」調のターン・キーAI の構想は，AI の特徴を無視していることになる。 4. 入力 　　出力に期待するなら，細かい条件指定が必要 5 . LLM の特徴による限界 　・新規性は限定的 　・深い理論構築は苦手 　・評価の浅さ 　・エラー耐性が低い 6. 自律的と称される作業行程も， 　実際はユーザの評価ループの割り込みが何層も必要に 「最後の出力を待って，それから評価」は，いかに全行程やり直しを厭わない AI が相手でも，作業効率・コスパ (従量課金制？) がひどく悪い。