LLMを使いこなすには専門知識が鍵
मूल शीर्षक: LLMs reward expertise
यह क्यों महत्वपूर्ण है
LLM活用における人間の専門知識の役割を具体例で示し、AI時代のスキル論に新たな視点を提供している。
ブログ「seangoedecke.com」の2026年7月24日付記事によると、LLMの活用において最も重要なスキルは「プロンプトの書き方」ではなく、質問する分野の専門知識であると主張している。数学者Terence TaoとChatGPTの対話がその具体例として挙げられている。
エンジニアのSean Goedecke氏は、LLMの利用においては専門知識を持つ人ほど高い成果を得られると指摘する。2010年代、CSSが書けないなどの技術的な欠点は、同僚への依存やインターネット検索で補うしかなかった。現在はLLMに任せることで誰でも「そこそこ」の成果が得られ、LLMは全員をジェネラリスト化させると述べている。
しかし氏は「全員が同じモデルに話しかけているから、スキルに差はない」という考えを否定する。その根拠として、著名な数学者Terence TaoがChatGPTと交わした「Jacobian Conjecture（ヤコビアン予想）の反例」に関する対話を挙げている。Taoのメッセージは短く要点を絞ったもので、モデルの出力が多段落の説明ではなく簡潔な応答になっている点が特徴的だ。これはTaoが専門家としての姿勢を示すことで、モデルが「素人向けの説明モード」ではなく「数学者向けの対話モード」に切り替わったためだとGoedecke氏は分析する。
Taoは「これは思ったより複雑に見える」と間接的に疑問を呈したり、自ら別のアプローチを提案したりしており、モデルの提案に単純に従うことはほとんどない。Goedecke氏は自身のプログラミング経験でも同様のことが言えると述べ、コードベースへの深い理解があれば「もっとシンプルにできるのでは」「すでにXという処理があるのでは」などと、LLMを強く方向付けられると説明する。
氏は最後に「人間が情報をモデルから引き出すための能力こそがボトルネック」と結論づけ、モデルの性能が向上してもなお、人間の専門知識は価値を持ち続けると主張している。