による画像 アレクサンドラ・コッホ
によると、100 月だけで XNUMX 億人以上が ChatGPT を使用しました。 1つの推定値、歴史上最も急速に成長している消費者向けアプリケーションとなっています。 プロンプトに応じて履歴書、エッセイ、ジョーク、さらには詩を生成することにより、ソフトウェアは言語モデルの逮捕力だけでなく、質問を正しく構成することの重要性に焦点を当てます.
そのために、私は数年前に 100の質問イニシアチブ、データを活用して科学的洞察を開発する方法の文化的変化を触媒することを目指しています。 このプロジェクトは、新しい質問を生成するだけでなく、質問するプロセスを再考することも目的としています。
答えを求める根深い欲求
種として、そして社会として、私たちは答えを探す傾向があります。 答えは明晰さと確実性をもたらし、私たちの行動と政策決定を導くのに役立ちます。 しかし、どのような回答も、質問から始まるプロセスの暫定的な最終段階を表しており、多くの場合、さらなる質問が生成される可能性があります。 アインシュタインは、多くの場合、最終的に到達する答えを決定する (または少なくとも決定において重要な役割を果たす) 可能性がある、質問の構成方法の決定的な重要性に注意を喚起しました。 質問の構成を変えると、別の答えにたどり着く可能性があります。 しかし、社会として、私たちは質問する行為を過小評価しています。質問を作成するのは誰か、質問を作成する方法、質問が私たちの調査対象や決定に与える影響です。 また、答えが実際に最初に提起された質問に対処しているかどうかについても、十分な注意を払っていません。
質問は、私たちの生活の多くの面で重要な役割を果たします。 たとえば、適切な質問は、科学的プロセスにとって重要であり、幅広いトピックや問題にわたって調査と調査を推進し、公共政策を形成します。 学校の子供たちに推奨されるワクチンの政府認可リストを検討してください。 このリストは、長いプロセスのエンドポイント (回答) を表します。 しかし、科学者や政策立案者は、このリストにたどり着くためにどのような質問から始めたのでしょうか? 彼らが設定した公衆衛生の目標は何でしたか、有効性をどのように決定したか、利益とリスクのバランスにおいてどのカットオフポイントを選択したか? このような質問は、リストに載せるワクチンの最終的な選択だけでなく、公衆衛生においても重要な役割を果たします。
科学レポートは、結果と洞察に焦点を当てる傾向があります。 これらは最終段階または最上位の情報を表します。 上記の例が示すように、質問とその構成方法にもっと注意を払うことで、最終段階の情報を文脈化するのに役立ち、政策立案者と市民が同様により良い、より責任ある決定を下せるようになります.
質問はまた、データに価値を与えます。 今日の報告と解説の多くは、生成されたデータの量と、それらを科学的および公共の消費、つまり生データの提供のために公開する必要性に焦点を当てています。 しかし、生データを情報に変換するのは質問です。私たちが尋ねる質問は、私たちが解決しようとしている問題を組み立て、公共の利益のためにデータを活用できるようにします。
なぜ AI が質問の科学をこれまで以上に差し迫ったものにするのか
の始まり 大規模な言語モデル （LLM）との分野 迅速なエンジニアリング LLMに回答を提供してもらうために、質問を正しく構成することの重要性を私たちに教えてくれました（ただし、これらの回答の正確さと真実性は依然として問題です）。 しかし、迅速なエンジニアリングが重要になる前に、AI エンジニアがデータから学習する機械学習モデルを開発する場合、そのモデルが学習するもの (つまりモデル自体) は、データについて答えようとする質問に依存することを指摘しておくことが重要です。
また、AI システムによって提供される回答が反映される可能性があることに留意することも重要です。 基礎となるデータのバイアスまたは欠落. この問題が浮き彫りになったたとえば、Alexa や Siri などの自動化された Q&A システムのコンテキストでは、さまざまな日常のタスクや質問に対して多数の世帯に回答を提供します。 したがって、データ固有のバイアスの一部を克服するように質問を定式化する方法を発見して開発することは、プロンプト エンジニアリングの実践と理論の重要な部分であり、より一般的には、データの時代における質問の新たな科学の重要な部分となるはずです。
デジタル環境では質問の役割が高まるかもしれませんが、実際にはその重要性ははるかに深くなります。 少なくともソクラテスや東洋思想の多くの学派にさかのぼる長い伝統があり、質問を使って教育学やさまざまな形態の人間的および社会的学習を促進しています。 他の人は、 「問いかける教育法」. そして最近では、科学者や学者は、 データ分析におけるソクラテス法 & データリテラシーの促進.
情報過多に対抗するための質問
最終的に、本当に重要なことを理解するのを助けることによって、質問は社会の変化と改善の原動力となります。 それらは優先順位を確立するのに役立ち、代替案を想像することを可能にします。 そのため、質問は政治的なものです。 そして、ペリー・ザーンが説明したように 好奇心の政治 私たちの政治的コミットメントは、しばしば、私たちが尋ねる価値があると思う質問を伝えます。
社会がデータとデータから得られた発見で過負荷になるにつれて、私たちは質問からますます離れていきました。 この投稿は、私たちが疑問の新しい科学と考えるかもしれないものの最初の正当化を表しています.
そのような科学を定義し作成するには、実際、一連の質問を自問することから始める必要があります。 科学で問われている問題に焦点を当てた科学レポートを作成するにはどうすればよいでしょうか? 良い質問 (と悪い質問) とは? データ サイエンスを新しい質問科学で補完するにはどうすればよいでしょうか。 学習者が質問者になれるようにするにはどうすればよいでしょうか? 質問が包括的で偏見のないものであることをどのように保証しますか? 良い質問で機械学習と AI の可能性を実現するにはどうすればよいでしょうか?
このような疑問に立ち向かい、それに答えるには、科学者、データ サイエンティスト、サイエンス ライター、社会変革のアクター、アーティスト、教育の専門家を結び付ける新しい学際的な取り組みが必要です。 そんな取り組みの片鱗 すでに進行中です。 しかし、私たちは情報と分野のサイロを超えたより多くの相互作用を必要とし、社会の焦点を答えから文脈と目的に移す会話を促進する必要があります。つまり、正しい質問をすることです。
著者について
ステファン・G・ベルフルスト、ガバナンス研究所（GovLab）の共同創設者兼最高研究開発責任者、 ニューヨーク大学 共著で書いた記事です アニル・アナンサスワミー、ニューサイエンティスト誌のサイエンスライターおよび元ライター。
この記事はから再公開されます 会話 クリエイティブコモンズライセンスの下で 読む 原著.
Amazon のベストセラー リストからのパフォーマンスの向上に関する書籍
「ピーク：専門知識の新しい科学からの秘密」
アンダース・エリクソンとロバート・プール
この本では、著者は専門分野の研究を利用して、人生のあらゆる分野で誰もが自分のパフォーマンスを向上させる方法についての洞察を提供します. この本は、意図的な練習とフィードバックに焦点を当てて、スキルを開発し、習得するための実践的な戦略を提供しています。
「原子の習慣: 良い習慣を構築し、悪い習慣を打破するための簡単で実績のある方法」
ジェームス・クリア
この本は、大きな結果につながる小さな変化に焦点を当てて、良い習慣を築き、悪い習慣を断ち切るための実践的な戦略を提供します。 この本は、科学的研究と実例に基づいており、習慣を改善して成功を収めたいと考えているすべての人に実用的なアドバイスを提供しています。
「マインドセット：成功の新しい心理学」
キャロル・S・ドゥエック
この本では、キャロル・ドウェックが考え方の概念と、それが私たちのパフォーマンスと人生の成功にどのように影響するかを探っています. この本は、固定マインドセットと成長マインドセットの違いについての洞察を提供し、成長マインドセットを開発し、より大きな成功を達成するための実践的な戦略を提供します。
「習慣の力：人生とビジネスで私たちがしていることをする理由」
チャールズ・デュヒッグ
この本では、Charles Duhigg が、習慣形成の背後にある科学と、それを生活のあらゆる分野でのパフォーマンスを向上させるためにどのように使用できるかを探っています。 この本は、良い習慣を身につけ、悪い習慣を断ち切り、永続的な変化を生み出すための実践的な戦略を提供しています。
「Smarter Faster Better: 人生とビジネスで生産性を高める秘訣」
チャールズ・デュヒッグ
この本では、Charles Duhigg が生産性の科学と、生活のあらゆる分野で生産性を向上させる方法を探っています。 この本は、より高い生産性と成功を達成するための実践的なアドバイスを提供するために、実際の例と研究を利用しています。
