AI の得意不得意を理解して、うまく使い分けよう

得意な分野と不得意な分野の違い

• 得意な分野（概念・推論・統合）
  • 学習データが豊富にあり、複数の分野の情報を統合して抽象的な概念を説明する作業（例：運動理論に基づくゴルフスイングの解説、歴史の流れなど）。
• 不得意な分野（個別具体的なピンポイント情報）
  • 特定の指導者の名前、特定の本のタイトル、個別の銘柄など、膨大な情報から1点だけを正確に拾い出す作業。これらは検索エンジンの方が適しており、AIは嘘の情報を出力しがちです。

活用事例：お米の炊飯方法の改善

• 無洗米から普通のお米に変えた際、浸水時間をかけずに0.5合の美味しいご飯を炊く方法をAIに相談。
• AIは「温度をゆっくり上げながら加熱すれば浸水効果が得られる」と推論し、「ウォーターオーブンを160℃でじっくり加熱する」という解決策を提案。非常に美味しいご飯を炊くことに成功しました。

まとめ

AIに対して個別具体的な固有名詞の検索を求めて「使えない」と判断するのではなく、原理原則や状況に応じたアドバイスなど、概念の整理・推論が得意な領域で活用するのが効果的です。