生成AIパスポートを受験。AIと勉強した結果は？

生成AIパスポートの試験を受験した。

これまでChatGPTを相手に、シラバスをもとに勉強を続けてきた。

AIに練習問題を作ってもらい、それに回答する。

間違えたところは解説してもらい、理解を深める。

そんな勉強を繰り返してきた。

練習問題では9割程度の正解率。

これなら、そこそこいけるんじゃないか。

そんな気持ちで本番に臨んだ。

ところが、実際の試験は甘くなかった。

まず、見たこともない単語が次々と登場する。

シラバスをもとに勉強してきたはずなのに、AIとの練習では一度も触れていない言葉がいろいろ出てくる。

設問を読んで、半分くらいは理解できた。

しかし、残りの半分くらいは、正直なところ勘に頼るしかなかった。

さらに戸惑ったのが、設問の形式。

「正しいものをすべて選びなさい」

という複数選択の問題があった。

これまでAIと練習してきたのは、主に選択肢から正解を一つ選ぶ形式。

複数の正解を選ぶ問題には慣れていなかった。

一つ分かっても、ほかにも正解があるかもしれない。

これはなかなか厄介だった。

試験を終えて思った。

やっぱり公式問題集を購入して勉強するのが、いちばん確実だったのだろう。

シラバスは、あくまで学習範囲を示すもの。

そこからAIに問題を作ってもらっても、実際の試験の出題範囲や形式を十分に再現できるとは限らない。

AIが作った問題で9割正解できたからといって、本番でも9割正解できるわけではない。

考えてみれば当たり前のことだ。

ただ、今回の勉強方法が無駄だったとは思っていない。

公式問題集に頼らず、シラバスとAIとの対話だけで、どこまで試験に対応できるのか。

その一つの実験にはなった。

AIは分からないことを何度でも説明してくれるし、自分の理解度に合わせて問題も作ってくれる。

学習の相手としては、実に便利だ。

しかし、AIとの練習で高得点を取れることと、実際の試験に対応できることは別問題だった。

今回の試験で、その違いを実感できた。

もっとも、これが絶対に合格しなければならない大切な試験だったら、こんな勉強方法を選ぶべきではない。

公式教材で出題範囲と問題形式を確認したうえで、AIを補助的に使う。

そのほうが間違いないだろう。

さて、肝心の試験結果はどうなることやら。

合格していればうれしいけれど、今回の受験では、試験の点数とは別に一つ勉強になった。

AIは便利だが、AIだけを頼りにしてはいけない。

これもまた、生成AIパスポートの勉強で得た成果なのかもしれない。

Factorio、工場壊滅。最初からやり直すのだ

せっかく順調に発展していたFactorioの工場。

昨日、ドラマを見たくなり、ゲームを中断することにした。

ところが、セーブするのを怠ってしまった。

ドラマに夢中になり、Factorioはそのまま放置。

そして戻ってみると、見事に死亡していた。

あらら。

直前のオートセーブから再開してみたものの、工場はバイターに荒らされ、見るも無残な状態になっていた。

復元しようと思えばできるのかもしれない。

でも、そこまで頑張る気力が湧いてこない。

幸い、ゲームの操作方法にもだいぶ慣れてきた。

だったら、いっそのこと最初からやり直そう。

今回の反省点は二つある。

一つ目は、研究を急ぎすぎないこと。

新しい技術が研究できるようになると、ついつい先へ進みたくなる。

でも、研究ばかり進めても、工場の整備や防衛が追いつかない。

もう少しゆっくり開発を進めてもいいのではないか。

二つ目は、敵が弱いうちにやっつけること。

自分が弱いうちは、バイターとの戦闘も大変だ。

だから、ある程度強くなってから退治しようと考えていた。

ところが、自分が強くなる頃には、バイターも強くなっている。

結局、殲滅するのに苦労するのだ。

それなら、お互い弱いうちに苦労しておいた方がいいのではないか。

もちろん、こちらも弱いのだから簡単ではないだろう。

この考えが正しいのかどうかは、やってみないとわからない。

でも、それもまた楽しみの一つだ。

荒れ果てた工場を必死に復元するより、何もないところから新しい工場を作り直す方が、精神的にはずっと優しい。

今度は、もう少し計画的に、ゆっくり発展させてみよう。

そして、ドラマを見るときは忘れずにセーブするのだ。

人生では、失敗したからといって最初からやり直すわけにはいかない。

でも、ゲームなら何度でもやり直せる。

せっかくのゲームなのだから、気楽に楽しもう。

ということで、Factorio、再出発なのだ。

生成AIパスポート、だんだん難しくなってきた

生成AIパスポートの試験勉強を続けている。

最初の頃は楽勝だった。

用語を覚えて、その意味がわかれば問題は解ける。説明を読んで、選択肢から正解を選ぶ。それほど悩むこともなかった。

ところが最近、様子が変わってきた。

設問を読んでも、単純に正しいか間違っているか判断できない。

「これは正しいような気がするけど、本当にそうなのか？」

いちいち考えなければ答えが出なくなってきた。

もしかすると、試験対策以上の本格的な理解を問う問題になっているのかもしれない。

最初は暗記で済んでいたものが、今では覚えた知識を組み合わせて考えなければならない。

これがなかなか疲れるのだ。

特に困るのが横文字だ。

聞いたことはある。勉強もした。意味も一度は理解したはず。

でも、いざ問題に出てくると、どうもあやふやなのだ。

「あれ、これは何だったっけ？」

頭の中から記憶を引っ張り出そうとする。

脳が汗をかいているような感じだ。

最初の頃は気軽に取り組めた勉強も、最近は少し覚悟が必要になってきた。

正直、少ししんどい。

でも、考えてみれば、ここからが本当の勉強なのかもしれない。

単に言葉を覚えるだけではなく、その意味を理解して使えるようになる。

今はその途中なのだろう。

この壁を乗り越えれば、試験の結果だけでなく、自分の中にも何かが残るはずだ。

そう信じて、もう少し頑張るのだ。

Factorio、自動運転の列車にやられた

Factorioの操作方法を、少しずつ思い出しながら学び直している。

「こうしたいけど、どう操作するんだっけ？」

そんなときはAIに聞いてみる。

AIが操作のヒントをくれる。ただし、必ずしも正解とは限らない。こちらの質問の仕方によっても回答が変わる。

便利なのは、画面のスクリーンショットを見せられることだ。

多くの言葉で説明しなくても、画面を貼り付けて「これ、どうするの？」と聞くだけで、だいたい通じる。

少しずつ操作を覚え、できることが増えていく。これがなかなか楽しい。

鉄道の自動運転に挑戦

チュートリアルで、鉄道の自動運転について学んでいた。

列車には発車条件を設定できる。

「貨物が満タンになったら発車する」
「貨物が空になったら発車する」

なるほど、こうやって列車を自動で動かすのか。

条件をいろいろ考えていると、突然ゲームオーバーになってしまった。

あれ？ 敵にやられたわけでもない。

何が起きたんだ？

画面をよく見ると、線路の上に自分の死体がある。

あっ、そういうことか。

貨物の条件が成立して、列車が勝手に発車したのだ。

しかも、考え事をしている間、私は線路の上に立っていた。

自分で設定した自動運転の列車にひかれてしまったわけだ。

現実なら、動いている鉄道の線路上に立って考え事などしないだろう。

でもゲームの中では、そんなことを気にせず適当に立ってしまう。

まさか自分で設定した条件が原因でゲームオーバーになるとは。

自動化は便利だが、自分の安全までは保証してくれない。

Factorioは、こんな失敗も含めて面白い。

やっぱりAIは確率で回答するものだ

生成AIパスポートの受験勉強をChatGPTに任せている。

毎日、AIが問題を出し、私が回答し、AIが採点する。なかなか便利な仕組みだ。

しかし、使っていると気になることがある。

AIは、こちらが指摘しなければ、おかしなことでもそのまま進めてしまう。

最近も、そんなことが2回あった。

答えを先に教えてどうする

AIが5問の4択問題を出したときのこと。

問題の最後に、こんな案内があった。

「いつものように『2 4 3 3 1』といった数字だけの回答でも大丈夫です。」

私は数字だけで回答することにしているので、回答形式を説明してくれたのだろう。

しかし、例として並べた数字が正解と一致していた。

これでは問題にならない。

「先に答えを並べないでください」と指摘すると、AIはすぐに謝り、今後は正解を推測できる数字を表示しないと約束した。

言われれば理解する。でも、言われるまでは気づかない。

正解できればいいわけではない

もう一つは問題の作り方だ。

4択問題で「不適切なものを1つ選べ」という設問がある。

ところが、4つの選択肢のうち、1つだけが明らかにおかしい。

例えば、RAGについての問題。

3つの選択肢は、RAGの特徴や限界についてもっともらしく説明している。

残る1つは「回答に誤りが含まれることはない」という極端な断定だった。

これならRAGをよく知らなくても、不適切な選択肢を選べてしまう。

私はAIに指摘した。

すると、AIは問題の作り方が甘かったことを認め、選択肢の表現をそろえ、もっと判断に迷う問題を作るよう改善すると答えた。

その日の結果は25問全問正解。

しかし、問題が簡単すぎるのであれば、全問正解にどれほど意味があるのだろう。

AIは確率で回答する

生成AIは、学習した膨大なデータから、文脈に合う言葉を確率的に予測して文章を作る。

だから、もっともらしい回答は得意でも、必ずしも目的に合った回答になるとは限らない。

今回の例では、回答形式を親切に説明しようとして正解を漏らし、正解しやすい問題を作ってしまった。

どちらも文章としては自然だ。

しかし、受験勉強で本当に必要なのは、気持ちよく正解することではなく、理解できていない部分を発見することだ。

そこをAIが十分に考慮できていなかった。

結局、人間が確認する必要がある

AIは指摘すると、すぐに修正してくれる。

これは大きな利点だと思う。

ただし、指摘するためには、人間の側が問題点に気づかなければならない。

今回のように自分で気づける問題ならいい。

しかし、自分が知らない分野ではどうだろう。

AIが作った問題が適切なのか、解説が正確なのか、そもそも学習内容に不足がないのか。

判断できないまま、AIの回答を信用してしまう可能性がある。

AIに任せることで勉強はずいぶん楽になった。

それでも、任せきりにはできない。

AIは便利な道具だが、AIの回答を評価する役割まで手放してはいけない。

生成AIパスポートの勉強を通じて、試験範囲の知識だけでなく、AIとの付き合い方も学んでいるような気がする。

生成AIパスポートの勉強もAIに任せてみた

先月末、生成AIパスポートという認定試験を受けてみようと思った。

ただ「AIを使っています」というだけよりも、公的な資格というわけではないが、何かしらの認定試験に合格していた方が、第三者からの信頼度も上がるのではないか。

そう考えて受験することにした。

受験勉強もAIで

受験対策にはChatGPTを使うことにした。

試験の出題範囲であるシラバスと、公開されているサンプル問題を読み込ませる。

あとは毎日30分勉強して、10月末までに受験するようにスケジュールを組んだ。

最初は用語を理解しているかどうかの確認から始まった。

AIが用語を説明し、その直後に関連問題を出してくる。

これでは間違えるわけがない。

そこで、説明した直後には同じ内容の問題を出さないようにしてもらった。

すると、前日に解説した内容を復習問題として出すなど、少しずつ工夫してくれるようになった。

AIが弱点を覚えてくれる

問題を解いていると、自分の弱点も見えてくる。

例えば「不適切なものを選びなさい」という設問。

問題文をよく読まずに、つい「適切なもの」を選んでしまうことがあった。

するとAIは、

「この用語は弱点ですね」

「不適切なものを選ぶ設問が苦手ですね」

といった具合に、間違えた傾向を覚えてくれる。

以降の問題には、その弱点が反映されていく。

本当に理解しているか確認したいときには、4択ではなく「自分の言葉で説明してください」という問題を出してくることもある。

単なる暗記ではなく、応用問題も混ぜてくれるようになった。

なかなか便利な家庭教師だ。

いつの間にか半自動になっていた

普段は5問ずつ出題されることが多い。

回答は、

「1 3 2 4 4」

というように、選択肢の番号を並べて送信する。

ところが、10問の問題を解いていたときのこと。

いつもと画面が違う。

各設問にチェックを入れて回答する形式になっていて、最後には「回答する」というボタンがあった。

10問すべて回答して、そのボタンを押してみた。

すると、採点を依頼するプロンプトが自動的に作成され、そのまま実行された。

おお、半自動だ。

こんなことまで普通のChatGPTの画面でできるのか。

これまでは自分で回答番号を入力していたのに、いつの間にか操作方法まで便利になっていた。

AIに勉強を教えてもらっているつもりが、AIの新しい使い方まで教えてもらっている。

試験は何とかなりそうな予感

勉強を始めてまだ2週間ほど。

AIが説明し、問題を出し、採点し、間違えたところを次の問題に反映してくれる。

もちろん、AIの説明や採点が必ず正しいとは限らない。

それでも、一人で参考書を読んで勉強するより、自分には合っている気がする。

学習も思った以上にはかどっている。

10月末の試験、何とかなりそうな予感がしてきた。

それにしても、生成AIの資格を取るために生成AIを使って勉強する。

なかなか面白い時代になったものだ。

FactorioとAI。便利になったけれど、時間泥棒は変わらない

MacBook AirにFactorioをインストールして遊び始めた。

以前はNintendo Switchで遊んでいたのだが、当時はどうやって操作方法を覚えたのだろう。あまり覚えていない。コントローラーを使って、何とか操作できるようになっていたのだと思う。

PC版は操作が難しい

PC版はキーボードとマウスが基本だ。

主人公の移動はWASDキー。「WASDで移動」と言われてもピンとこない。結局、矢印キーに割り当てを変更した。

しかもMacBook Airではマウスを使わず、トラックパッドだけで操作している。

右クリックやホイールスクロールをどうするのか。パッド操作を覚えたり、キーを再配置したり。

AIがなければ、かなりしんどいゲームだったかもしれない。

AIに聞けば、その場で解決

今は画面のスクリーンショットをAIに貼り付けて質問できる。

「これをどう操作するの？」

「この生産ライン、どう工夫すればいい？」

画面を見ながら具体的なアドバイスをもらえる。

以前は自分で生産ラインを考え、悩み、インターネットで他の人の工夫を探し、試して、また悩んでいた。

今はAIに相談できる。時短にもなるし、ストレスも減る。

便利な時代になったものだ。

それでも時間泥棒

ただし、Factorioが時間泥棒であることは変わらない。

鉄板を作り、電子基板を組み立て、生産ラインを改善する。一つ解決すると、また次の課題が出てくる。

気がつけば何時間も過ぎている。

ゲームの中では工場が発展しているが、現実では多少の電気代と、たっぷりの時間を消費しているだけではないか。

もちろん、ゲームを楽しむことが悪いわけではない。ゲーム市場には多少なりとも貢献している。

では、自分自身には何が残るのだろう。

問題を見つけ、改善策を考え、試してみる。そんな経験は現実にも役立つのかもしれない。

それとも、単なる自己満足なのだろうか。

AIは時間を節約してくれる。けれど、節約した時間を何に使うかまでは決めてくれない。

Factorioの工場は着実に発展している。

さて、現実の自分はどうだろう。

WindowsとMacでObsidianを共有してみた。GitHubのPUSHとPULLに悪戦苦

普段、Windows 11でObsidianを使っている。

データはWindowsのローカルドライブに保存しているのだが、せっかくMacBook Airを購入したので、Macでも同じデータを見られるようにしたいと思った。

最初に考えたのは、Googleドライブを使った同期だ。

ただ、必ずしも即時同期である必要はない。Macで使う前に最新データを取得する方法でも十分だ。

それなら、すでにバックアップに使っているGitHubを利用すればいいのではないか。

WindowsでGitHubにデータをPUSHして、MacでPULLする。

これなら新たに同期の仕組みを作る必要もない。

MacにGitHubとObsidianをインストール

さっそくMacにGitHubを扱う環境とObsidianをインストールしてみた。

GitHubからデータを取得し、Obsidianで開いてみる。

おお、見られた。

ところが、どうも最新の情報が反映されていない。

考えてみれば当たり前だった。

Windows側で最新のデータをGitHubにPUSHしていなかったのだ。

GitHubに保存されているのは、最後にPUSHした時点のデータである。

つまり、WindowsでPUSHしてからMacでPULLする必要がある。

理屈は簡単だ。

何も変更していないのに「7つの変更」？

Windows側でPUSHを済ませ、今度はMacでPULLしようとした。

ところが、ここからがよくわからない。

Mac側で7つの変更があるという。

えっ、何も編集していないのに？

自分ではファイルを変更した覚えがない。

GitHubの画面には見慣れない英語の項目が並んでいる。

調べながら操作していると、「Discard All Changes」という項目が出てきた。

日本語にすると「すべての変更を破棄する」。

なんだか恐ろしい言葉だ。

ただ、Mac側では何も編集していないので、変更を破棄しても構わない。

そこで、変更を破棄してから、あらためてPULLしてみた。

今度はうまくいった。

Windowsで更新した最新のデータが、MacのObsidianにも反映された。

ようやく目的達成である。

ちなみに、なぜMac側に7つの変更が発生していたのかは、結局よくわかっていない。

PUSHとPULL。簡単そうで簡単ではない

今回の操作を整理すると、やることは実に単純だ。

- WindowsでObsidianのデータを更新する
- WindowsからGitHubへPUSHする
- MacでGitHubからPULLする
- MacのObsidianで最新データを見る

たったこれだけ。

しかし、実際に操作してみると、PUSHやPULLの意味を理解しているだけでは足りない。

変更があると言われたり、操作する対象がどこなのかわからなくなったり。

GitHubは便利だが、まだまだ使いこなせていないことを実感した。

それでも、AIに画面を見せながら一つずつ確認して、なんとか目的を達成できた。

また一つ、Macでできることが増えた

これでWindowsのObsidianデータをMacでも見ることができるようになった。

MacBook Airを購入してから、プリンターの接続、ファイル共有、動画の再生など、少しずつできることが増えている。

今回はGitHubを使ったObsidianの共有だ。

ただ、ここまでやっておいて何だが、実際にMacでObsidianを見る機会がどれほどあるのかは、今のところわからない。

そもそも、必要性がどれほどあるのかも不明だ。

まあ、それでもいい。

必要になったときに使える環境が一つ増えた。

また一つ、Macでできることが増えたということである。

MacにFactorioを入れてみた。時間泥棒との再会

MacにFactorio（ファクトリオ）を入れてみた。

Factorioは、数年前にNintendo Switchで遊んでいたゲームだ。

これが実に面白かった。

工場を組み立てる喜びというか、問題点を見つけて改善していく楽しさというか。生産設備を増やし、効率を上げ、物流を整えていく。いろいろな要素が絡み合っていて、気がつけば何時間も過ぎている。

まさに「時間泥棒」と呼ぶにふさわしいゲームだ。

このたび、FactorioがMacでも遊べることを知った。しかもオフラインでも遊べるという。

これはいい。

外出先でちょっと時間が空いたとき、インターネットにつながらなくても遊べる。暇つぶしには十二分すぎるゲームだ。

ということで、購入することにした。

Switch版では、一応ロケットを打ち上げるところまで進んだ。

ただ、そのあたりで目標がうやむやになってしまった。

振り返ってみると、反省点もある。

その一つが、鉄道網を作らずに進めてしまったことだ。

Factorioには鉄道による輸送システムがあるのだが、前回はそこにあまり手を出さなかった。

今回は、しっかりと鉄道網を作ってみたい。

工場と工場を線路で結び、資源を運び、生産を拡大していく。考えただけでも楽しそうだ。

さらに、その先には「Space Age」という拡張コンテンツまで用意されている。新しい惑星へ進出し、さらに工場を発展させることができるらしい。

時間泥棒にも、きりがない。

日常生活とうまく折り合いをつけられるのか、少々心配でもある。

さて、Macへのセットアップだが、これが思ったより面倒だった。

公式サイトが英語表記なので、どこからダウンロードすればよいのか、購入後に何をすればよいのか、いまひとつわかりにくい。

そこで、画面のスクリーンショットをAIに見せながら、一つずつ教えてもらった。

「次はどこを押す？」

「これは何の意味？」

そんなやり取りを繰り返しながら、なんとかセットアップを完了することができた。

AIがいなかったら、途中で心が折れかけていたかもしれない。

こういうとき、AIは実に心強い相棒だ。

さて、準備は整った。

今度こそ立派な鉄道網を作ってみたい。

ただし、その前に解決しなければならない問題が一つある。

Factorioに費やす時間を、どう管理するか。

工場の生産効率を改善するのは得意でも、自分の時間の管理となると、なかなか難しい。

MacのログインアイコンをAIで作ってみた

Macを使い始めて、少しずつ自分好みの環境にしている。

今日はログインするときに表示されるユーザーアイコンが気になった。

最初はMacに用意されているパンダを使っていたのだが、せっかくなので自分で作れないかと思った。

もちろん自分で絵を描くわけではない。

AIに作ってもらう。

最初は風景のような画像を作ってもらった。

悪くはないのだが、なんとなくイメージと違う。

「もっとシンプルに。3Dっぽい幾何学図形で」

と頼んでみた。

出てきたのが、球体のまわりをリングが回っているようなデザイン。

おお。

なんだかいいじゃないか。

意味は特に決めていない。

AIにも見えるし、思考やつながりにも見えるし、ただの立体図形にも見える。

このくらい曖昧な方が長く使えそうだ。

Macを買ったときは、操作を覚えるだけで精一杯だった。

でも少し慣れてくると、壁紙を変えたり、アイコンを変えたり、自分の道具にしていく楽しさも出てくる。

Macのログインアイコン、AI製。
なかなかいい出来じゃないか。