具体と抽象と適応課題
検索は抽象(キーワード)->具体(商品や体験談など)
LLMは意味からキーワードを教えてくれる
/villagepump/独自の用語を造語する
教えるというより、網をかけてレコメンドする感じだけど
散りばめる
つまり具体->抽象をしているのでは?
知の水脈に接続する
LLM以前
判断力を上げるには頭の良さが必要だった?
これだと決断が入ってW型問題解決モデルが完結してしまってるかも
参照クラスそのものの量(経験・知識)
何を参照クラスに取れるかの判断力
観念にならない適切な抽象化力
観念にならないよう机上で正しく因果推論できる論理力
コントロール可能性を見極めて適切なリスク戦略を取れる洞察力
正しいことにちゃんと正しく乗り続けられる決断力、ソフトな勇気
このうちの前半がLLMでかなり埋まった
知識や論理力が機械補助を受けれるように
知らなければ探せない鶏卵の関係が解消してとりあえず話しかけるができるようになった
後半がまだ埋まってない
したがって前半のきっかけもまだ埋まってない
傷の円環
違うかも
具体→具体のときに抽象であるモデルを介せるということと、でてきた具体がまさに今の状況にフィットするかを検証できない(ので効率が悪い?)ということは別じゃない?
具体抽象のベクトルの軸で話せない気がした
今は十分な効率で検証できないけど強化学習はかなりチャンスあるんだろうなとは思う
ステート、コンテキスト
身体性とはセンサーとコンテキスト
これはLLMには身体がないという批判に響いてる
AIの身体性
つまり抽象->具体が苦手
適応課題が解けない
が、道が半分まで来ているので時間の問題でもある...?
線形ならそう
LLM以外のブレイクスルーが必要かもしれない
LLMだけのオーケストレーションではLLMの性能が上がるだけ
独学大全は具体的手法を列挙しているように見えて、その選定にセンス・教養が表れてるのではないか
その全体をぼんやり見ることで、円環サイクルができるようになってる?それともよく不足する部分が補われるようになってる?
そのもっと背景にW型問題解決モデルやU理論あたりが統合された何かがありそう
このひと揃えのサイクルを回す能力こそ自走性だと思う
したがってサイクルを回す仕組みを作れるのが甲斐性
緩やかな促しの仕組み
/tsuzumik-private/具体と抽象と適応課題