Partnered With:

世界の激変の中で、人文科学の専門家はどのようにAIをより効果的に活用すべきですか？

MasterPa

この記事を読むのに必要な時間は 33 分

この AI パワードの経験を活用する方法は、ただ単にいくつかのマジックワードを覚えることではなく、むしろ作業方法のセットに近いものです。

原文タイトル：「人文学者のための AI 利用ガイド」

原著者：汉洋 MASTERPA、Funes 創設者

人文学者は世界を変えることはできませんが、世界の変化に適応する必要があります。

時々、人工知能チュートリアルを販売しているアカウントは、AI を魔法のように扱っているように思えます。神秘的なプロンプトを与えられれば何でもできると考えています。現実はそうではありません。私たちは過去数年間、FUNESを立ち上げたことで、毎日大量の AI を通じた生産を余儀なくされました。さらに、「蜉蝣天地」や私自身の執筆などのコンテンツ制作が加わり、人手だけでは不十分でした。したがって、私たちは、AI をどのように活用してコンテンツマーケティングや人文科学研究を支援するかを積極的に試みました。

後日、会社に新入社員が加わった際、私は簡単な Keynote を作成しました。すると、チャー行家先生がこのシェアを聞いて、私にシェアをするよう招待してくれました。その際に、私と共同創業者の可达はこの共有を「人文学者のための AI 利用ガイド」と命名しました。当時は、純粋に非公開のシェアであり、主に大まかな原則に焦点を当てていました。その後、何度か同様のシェアを行い、徐々に拡大しました。

過去1年以上に渡り、これらの AI を使用する方法を多くのコンテンツ制作者、研究者、知識製品開発者にシェアしてきました。その目的は、何らかの神秘的なプロンプトワードを覚えさせることではなく、AI を万能薬として扱うことでもありません。それどころか、これはむしろワークフローの一連の方法のようなものです：コードを書かずに、大規模モデルを自分の執筆、研究、編集、テーマ選定、データ整理、および生産プロセスに本当に組み込み、リトライ可能で、トレース可能で、検証可能にし、最終的には作品に署名し続けることができる方法です。

この方法は、実際のプロジェクトで経験した困難から生まれました：コンテンツが大規模生産段階に入ると、人力だけでは維持できず、AI による直接の執筆は幻想的で怠慢であり、AI のように執筆されてしまいます。そのため、私たちは作成を生産ライン化し、ラインを反復可能なシステムに変換する必要がありました。

今日、私は単に神秘的なヒントワードを提供するのではなく、いくつかの重要なガイダンス思考と原則を提供したいと考えています。

原則の前に：このガイドの三つの基本原則

具体的な方法よりも、まず三つの基本原則を明確にします。これらは、「なぜこういった方法で AI を使用するのか」を決定するだけでなく、「AI をどのように使用するか」も決定します。

1. プロセスはトレース可能で、監視可能で、検証可能でなければなりません
結果だけを求めてプロセスを無視してはなりません。人文科学の仕事において、ブラックボックスは最も危険です：幻想、誤った導入、概念のすり替えなどがブラックボックス内で静かに発生する可能性があります。

2. 操作可能である必要があります
それがどのように行われるか、どの基準で行われるか、どこで遅れるか、どこで厳格にするかを制御できる必要があります。あなたは「ランダムなカードを引く」のではなく、生産を行っています。

3. 最終的にあなたはまだ署名したいと思います
「私は名前を出したいと思いますか？」という質問は最終的な品質チェックです。名前を出したくない場合、それは通常、倫理的な問題ではなく、プロセス中にあなたの意志が反映されていないことを意味し、つまり品質が管理不能であることを意味します。

原則0：AIに願い事をしないでください、作業台として扱ってください

多くの人がAIを使用する方法は、本質的に願い事をしていることです：
「良いジョークを作って」「良い記事を書いて」「この論文を説明して」。

問題は、「説明」という言葉自体には無数の解釈があることです： 素人に対して、学部生に対して、大学院生に対して、専門家に対してはまったく異なるタスクです。 AIはあなたのバックグラウンド、目的、好み、基準をデフォルトで知ることは不可能です。はっきり言わない限り、AIは「平均人間」のデフォルト方法で最も効率的な回答を提供するしかありません。

大規模モデルを作業台として扱うということは：結果を要求するのではなく、プロセスを完了するためにそのツールを活用することを意味します。 あなたがやるべきことは、タスクを明確に説明し、基準をはっきりさせ、手順を決めることです。

たとえば、AIに論文を説明させる

あなたは願い事のようなリクエスト（この論文を説明してください）を作業台的なタスクに変えることができます：

· ターゲットオーディエンスを明確にする：知的で好奇心旺盛でありながらその分野の専門家ではない大学院生

· 説明方法を明確にする：ヒューリスティック、段階的、学術的に厳密

· 構造の要件を明確にする：意義を先に述べ、次に背景を補足、研究の経緯を説明、主要技術要点を説明、示唆を提供

· トーンを明確にする：知性を尊重し、高飛車にならず、相手が既に深い知識を持っていると偽らない

気付くことでしょう：要求が「レポート要件」に似ているほど、AIはAIらしくなく、本当に仕事のできるアシスタントのようになります。

原則1：AIによる優れた仕事を望む場合、まず自己を省みてください — あなたが責任者です

もし秘書を雇う場合、あなたはきっとこう言うだけではないでしょう：
「漢洋の文章をアメリカのラストベルトについて書かれているものに修正してください。」

必ず以下を補足するでしょう：

この記事を書いた理由、誰に向けて書いたか、現在の課題、解決してほしい問題、変更不可の項目、希望するスタイル、最も重要なメトリクス。

AI も同様です。それを非常に勤勉で非常に礼儀正しく、しかし内在的前提を理解していない同僚と考える必要があります。本当の「ヒント工学」は技巧ではなく、責任感です：どんな仕事もあなたがやっていて、AI は単に手助けをしているだけです。

AI の出力に満足していない場合、最も効果的な最初の反応は「AI が悪い」とではなく、次のようにします:

·「対象/受け手/目的」を十分に明確に説明しましたか？

· 十分な背景情報と制約条件を提供しましたか？

· 「抽象的な願い」を「実行可能なアクション」に分解しましたか？

· 正誤を判断できる基準を与えましたか？

原則 2：同じ問題には少なくとも 3 つのモデルに問い合わせる——各 AI には「個性」と得意分野があります

当社では、最初に大規模なモデルに触れる同僚に対して、初期段階では、1 つの問題につき異なる 3 つの AI に質問してほしいと考えます。AI は人と同様に異なります：文章の書き方が得意なもの、推論問題が得意なもの、コーディングやツールの使用が得意なものがいます。より現実的なのは、同じ製品のモデル、同じモデルの新バージョンも、常に「スタイル」と「境界」を微調整しているということです。

ですので、非常にシンプルですが非常に効果的な習慣は：同じ問題を少なくとも 3 つの異なる AI に投げることです。そうすることで、以下を迅速に把握できます：

· 誰がよりよく書けるか、誰がよりよく考えられるか、誰がよりよく調べるか、誰がより怠け者か

· どのタスクが誰による「初稿」として適しているか、どれが誰による「校正者」として適しているか

· 誰が「トピック/構造」を出すのに適しているか、どれが「段落/文章」を出すのに適しているか

このステップの価値は「最も力のあるモデルを選択する」ことではなく、あなたがチームを管理するようにモデルを管理し始め、それを唯一の啓示と見なさないことです。

原則 3：AI は全知全能ではない——それを「熱心な大学生」の常識レベルと考えよう

非常に実用的な期待管理：
AI の常識レベル≈985 大学生のようなものです。

あることについて「優秀な大学生でさえ知らないかもしれない」と感じる場合、AI も知らないと仮定するべきです；少なくとも、知らない時は「知っているように見せかける」でしょう。

これには、2つの直接的な行動が伴います：

1. 常識を超える内容については、あなたがそれを教える必要があります
例：ジョークを書く、独創的な文案を書く、高度な専門的論文を書く—「もっと上手に書いて」と一言で終わらず、例や基準、禁止事項、教材を提供する必要があります。友人に自分の良い文章を説明するのにも時間がかかると思います；では、なぜ AI がデフォルトでそれを知っていると思えるのでしょう？

2. それを神ではなくインターンとして協力させる必要があります
それは多くの「マイクロインターポレーション」作業ができます：提供された枠組みを埋める、提供された素材を読みやすいテキストに編集する。しかし、「枠組み」と「方向」は依然としてあなたから来ます。

原則4：AIを段階的に目標に近づける—ホワイトボックスの段階的アプローチは、ブラックボックスの一度限りより信頼性が高い

AIの利点は「直接的な正解を提供すること」ではなく、あなたが設計したフロー内で多くの小さなステップを安定して実行できることです。一度に完璧を求めれば求めるほど、AIは「見かけは完全だが、実際には手を抜いている」ブラックボックスになりやすくなります。

TTS（テキスト読み上げ）や読み上げ原稿の処理をする場合が特に直感的な例です。単に「多音語に注意し、間違えないでください」と言うよりも、タスクを以下の手順に分解する方が効果的です：

・一時停止/強勢/スピード変化をマークする

・潜在的な多音語を識別する

・辞書や権威ある発音に基づいて確認を行う（必要に応じて検索してから確認）

・誤解されやすいが一般的な単語を事前にマークする

・絶対にわからない場合は、同音異義語を使用して、読み間違いの可能性を根本的に排除する

このような「明白な正しいやり方」は、人間は自分で行うとデフォルトで考えます；しかし、AIはデフォルトではありません。流れに「明白なこと」を組み込まないと、AIは最も効率的な経路で間違いを com ます。

原則5：まず産業化、そしてAI 化—あなたは農業時代から一気にAI 時代には進化できません

あなたの執筆/研究プロセスがランダムで、インスピレーションに基づいており、データが管理されていない場合、それをAIに任せるのは難しいでしょう。なぜなら、AIはあなたの「説明可能で再現可能な」部分しか理解できないからです。

より現実的な進め方は：

1. ます「生産ライン」に作業を変えます：分割可能、再利用可能、品質検査可能

2. その後、サブステップを AI に委任する：神ではなく労働者として

私たちは非常に愚かだが非常に重要な作業を行いました：非架空記事をどのように執筆するかを解明すること。これには次のものが含まれます：

· なぜこの物語で始めるのか

· なぜこの引用を選ぶのか

· 例にどのような評価を与えるか

· 導入、展開、転換、結論方法

· 小さな物語を大きな視野に繋げる方法

最終的に、数十のステップに分解され、異なる AI がそれぞれのステップを担当しました。結果は次のとおりです：
モデルが突然強力になったのではなく、プロセスが「一度に少しずつだけ実行できる」能力を結集させたのです。

自分の記事がどのようにして作成されたかを明確に説明できるようになると、気づくことでしょう：品質の限界を決定するのは常に「どの大規模モデルを使用するか」ではなく、作業方法をきちんと説明できるかどうかなのです。

テスト時に実施したいくつかのステップ

ただし、このセクションでは、番組を聞いていただくことを強くお勧めします。

原則 6：AI が怠惰になることを予想——計算を節約し、AI に「フォーマットの障害」を除去させる

AI は怠惰であり、「体系的な怠惰」です：ウェブサイトを開かないようにし、PDF を読まないようにし、スキップできるものはスキップします。それはAIが悪いわけではなく、計算リソースと時間の制約の下で、できるだけ効率的な方法を選択する傾向があるためです。

ですので、あなたが行うべきことは：AI の計算リソースを「テキスト理解」に使用し、それを「フォーマット処理」に浪費させない

非常に効果的な改善方法には、次のものがあります：

· コンテンツを純粋なテキスト/Markdownに変換し、それをAIに提供する

· ウェブコンテンツをクリーンなテキストにコピーする（ナビゲーション、広告、脚注のノイズを除去）

· 長いコンテンツには、「事実抽出/構造抽出」を先に行い、その後にAIに執筆させる

· PDF/EPUB/ウェブページを検索可能なTXTに統合し、その後のタスクを実行する

次第に、多くの人がこの種の「肉体労働」に抵抗することに気付くでしょう。「機械が代わりに汚い仕事をするべきだ」と考える人々がいます。しかし、人間と機械の協力では、逆が真実です—少しの機械的労働をすることで、AIの知的部分がより鋭く、信頼性が高くなります。

原則 7：コンテキスト限定を忘れずに — タスクはできるだけ「圧縮」し、それが「空中で膨張」することを期待しないようにする

AI にはコンテキストウィンドウがあり、「メモリ上限」があります。2 万単語を与えても、AI が記憶できる量は必ずしも多くないかもしれません。20 万単語を与えても、AI がたぶんタイトルだけをスキャンする可能性があります。イメージ的な比喩としては、人を小さな部屋に閉じ込め、1 日のうちに彼に 20 万単語の本を与えて覚えさせることをイメージしてください — 記憶できる量は、おそらく AI が「覚える」ことができる量です。

そのため、直感に反するかもしれませんが、非常に重要な経験があります：

1. 圧縮は膨張よりもはるかに容易です

100 万単語を 1 万単語に圧縮することは、1 万単語を 100 万単語に展開するよりも信頼性が高いことがよくあります。

これにより、AI に要求を出す方法が直接変わります：

· 100 語のヒントで論文を求めないでください

· その代わり、素材を可能な限り提供し（バッチ処理、検索、RAG など）、十分な素材を基に構造、視点、本文を圧縮させてください

過去に記事や論文を書いた場合、通常は「大量の素材を読み込んで要約、整理、執筆」を行います（少なくとも私はそうしています）。 AI の場合、突然、それを空中で膨張させることを要求しないでください。

原則 8：「私の微妙な手直しで大丈夫」という衝動を抑える — プロセスを変更し、結果を変更しない

ライティングが得意な多くの人々が、AI の前で最も失敗しやすいのは次のような場合です：
AI が 59 点の下書きを出力し、あなたはそれを数回修正するだけで 80 点にすると考え、それを修正し始めます。修正を続けるうちに、あなたが書き直すことになります。書き直しを終えた後、「やっぱり自分でやろう」と言って、それ以降 AI を使わなくなります。

解決策は、より効果的に「下流」に焦点を移すことではなく、

· AI に直接 100 点の内容を書かせることを目指さないでください

· 目標は、生産ラインが安定して 75～80 点の成果物を出力できるようにすることです

· システムを反復させ、単一の記事を完璧にしてではなく「平均点」を向上させることです