最近、国内外の筋ジスなどの団体にまたコンタクトをし始めました
以前、コンタクトしても結果出ているといっても。ほぼ全員無視もしくはエビデンスは？何のジャーナルで出版されたかを言ってみろ、
ということで相手にされなかった
今回はコンタクトするにあたり、数時間以上かけて文面をAIという優秀な部下の力を総動員してブラッシュアップをしてみました。
おすすめなのが、
もうこれでいいのではないかという状態になりつつある状態から、
これに関してのリスク、メリット、デメリット、その上でより最適だと思う文面に修正してその論拠を述べて。目的は信頼構築。
ということで
chatGPTとGemini(think mode)でお互いを指摘させ、ブラッシュアップをさせる
(理由はこの2つが今のツートップ。Geminiは急速によくなっています)
理由を述べさせることにより、自分の考えとの乖離も見える化される
そして、自分の考えと違ったらダメ、というのではなく、そこも議論する。違和感があるからこうして、という指示はあまりよくなく言われた通りの自分の頭の枠から出ないアウトプットとなる
そこで、自分はこういう違和感を感じる、それはこういう理由で違和感を感じるのだと思う。この違和感を解決するための文面とそれを作成した場合のリスク、また、違和感があってもそうした方がいい場合はその理由を明確に述べよ、というのをまた、2つのAIに、聞く
それぞれの意見をそれぞれにインプットする
そうすると最初はこうだ、これが最適だ、と言っていたAIも意見を変えたり、より深い理解をして、より最適なアウトプットを出す。
これにより自分一人では1週間かけても書き上がらなかった文面が作成できる
結果その文面を送ってみるのだが、結論は音沙汰なし。
ただ、ここまでやったのだからという満足感もあり、また新たな発表や進捗があればそのうち聞く耳を持つさ、と思いやり切った感ある状態で次の打つ手を考える。
この部下たちを議論させる、というのが実はとても大事。
調べてみたらやはりそのようだ
AI同士を議論させる（マルチエージェント・ディベート）ことでアウトプットの質が上がるという実感は、最新のAI研究でも**「Self-Reflection（自己反省）」や「Multi-Agent Collaboration」**という分野で非常に重視されています。
LLMの構造や特性上、なぜ「議論」が有効なのか、その理由は主に3つあります。
1. 「ハルシネーション（もっともらしい嘘）」の相互監視
LLMは確率的に「次に続く最もらしい単語」を選んでいるだけなので、一つのモデルだけだと間違った方向に突き進む（自己補完する）性質があります。
* 構造上の理由： LLMには「自分の間違いをリアルタイムで検知する外部機能」が基本的には備わっていません。
* 議論の効果： 別のAI（あるいは役割の違う同じAI）に「反論」や「検証」の役割を与えると、最初のAIが生成した論理の飛躍や誤った事実を、別の角度からの確率計算で指摘できます。これにより、出力の客観的なフィルタリングが可能になります。
2. 「思考の連鎖（Chain of Thought）」の深化
LLMは「一度に複雑な問題を解く」よりも「段階を踏んで解く」方が正答率が上がることが分かっています。
* 構造上の理由： LLMの計算リソースは、1トークン（単語）を出す際にある程度一定です。一度に100の複雑な推論をさせるのは無理があります。
* 議論の効果：
* AI Aが「仮説」を出す。
* AI Bがその仮説の「欠点」を出す。
* AI Aが欠点を踏まえた「修正案」を出す。
このプロセスにより、実質的に計算ステップ数が増え、推論の密度が濃くなるため、1回のアウトプットでは到達できない高度な結論に辿り着けます。
3. 多角的な「コンテキスト（文脈）」の活用
LLMは学習データの中に、正反対の意見（例：Aという政策のメリットとデメリット）を両方持っています。
* 構造上の理由： 1回のプロンプトでは、AIは「一貫性のある一つの人格」として振る舞おうとするため、持っている知識の半分（反対意見など）を捨ててしまう傾向があります。
* 議論の効果： 「肯定派」「否定派」など役割を分けることで、モデル内に潜在している膨大な知識を、相反する方向からフルに引き出すことができます。
AI議論を最大化する「役割分担」のコツ
単に「話し合って」と言うよりも、以下の3つの役割を置くと、より「最適なアウトプット」に近づきます。
| 役割 | 任務 |
|---|---|
| 立案者 (Creator) | 創造的で大胆なアイデアを出す。 |
| 批判者 (Critic) | 論理的欠陥やリスクを徹底的に突く。 |
| 調整者 (Moderator) | 両者の意見を統合し、実用的な結論にまとめる。 |
余談：キックボクシングの戦略分析でも……
先ほどの「カーフキック」の例で言えば、一人のAIが「カーフは最強だ」と回答するだけでなく、別のAIに「そのカーフをどうカットするか？」を議論させることで、より深く実戦的な「フェイントの重要性」という結論に辿り着けるのと似ています。
特定のテーマ（例えばビジネス戦略やプログラムのデバッグなど）で、AI同士に議論させるための**「最強のプロンプト構成」**を一緒に作ってみますか？
ちなみになぜ最後に格闘技の話が出ているかというと、格闘技というマイナーなものでもちゃんとジャブの意味やカーフキックという最近トレンドの技術の理解を聞いたからです
格闘家やアスリートも活用するといいです。
筋トレのアドバイスももらったりして、パーソナルトレーナーも知識の部分はもうなんの価値もなかったりする。(応援や怪我防止サポートの価値はあり)
話はそれましたが、AIはすごいです
1-2年前とは別物
高収入の代名詞
コンサルファームでいうとアソシエイト、
ローファームでいうとアソシエイト、パラリーガル
なんかはもう仕事厳しいだろうなぁと思います
AIを中心に据えて業務を進めるためのコンサル
なんかも短命で出てくるだろう(アクセンチュアがやるかな？)
AIの使い方ひとつでビジネスや個人の成長、趣味すら全く違った未来になりそう
我々の場合、AIにツッコミさせても医学的にも正しいことをしている仮説が成り立つことも更なる自信になった
検索や単純な作業もできるが、
思考をさせる
ということができるのが最大の特徴でありメリット
優秀な部下としてぜひ使い倒しましょう！
