データホエール

データホエールの共有

実践的なヒント：ハーバードの逆学習法、出典：QuantumBit

数学の権威テレンス・タオ氏が強く推奨するハーバードの逆学習法は大ヒットとなった。AIを教えるということは、自分自身を教えるということだ。

彼は最近、ハーバード大学の応用数学および応用物理学の教授であるマイケル・P・ブレナーの教授法を紹介しました。

プロンプト プロジェクトを使用すると、学生は AI に通常の数学の宿題 (正式な評価には含まれません) を完了するように教えることができ、その後、これらの AI は学期末に試験を受けることができます。

まあ、それはまるで、ロシアの入れ子人形のように、学生が AI を再び学生として扱うようなものです。

マイケル・P・ブレナー教授は、この方法により、学生に問題を分解し、キューワードエンジニアリング技術を深く理解させることが可能になると考えています。

AIを教える際には、生徒が自ら問題を理解する必要があり、問題をより小さなステップに分解するプロセス自体が優れた練習となります。さらに、AIアプリケーションにおいて質問の仕方を学ぶことは非常に困難ですが、この教授法は生徒がキューワードエンジニアリングの技術を習得するのに役立ちます。

生徒：この教授法によって私の考え方が変わりました。

この革新的な教授法を提唱したマイケル・P・ブレナーは、アメリカの応用数学者であり物理学者です。

彼はペンシルベニア大学で物理学と数学の学位を取得し、シカゴ大学で物理学の博士号を取得しました。

彼は2001年からハーバード大学の教授を務めており、以前はMITで応用数学の助教授および准教授を務めていました。

彼の研究は、応用数学的手法を用いて科学と工学、特に流体力学と材料科学に関連する幅広い問題を解決することに重点を置いています。

AIに関わるようになってから、彼は機械学習を使って科学的発見を進めることに特に興味を持つようになりました。

ハーバード大学では、大学院 1 年生を対象に「応用数学 201」というコースを教えていました。このコースでは、主にハードサイエンスの問題 (通常は自然科学と工学に関するもの) を解決するための数学的手法を教えていました。

彼は複雑な問題を解決できるモデルやチャットボットを構築するというアイデアに非常に興味を持っていたので、新しいアイデアを思いつきました。

通常の課題の最後にAI セクションが追加され、学生はハーバードの Generative AI Toolkit のチャットボットを使用して問題を解決し、プロンプトを作成してこれらのチャットボットを教えるようになります。

もちろん、ブレナー教授は、この部分のスコアは正式な評価には含まれないと思慮深く述べました。

ただし、生徒は日々の課題でプロンプトワードの経験を積み重ね、より効果的なプロンプトワードを提出する必要があります。

学期末には、学生は協力して最終研究プロジェクトを完了し、AI の学習成果（最終試験に合格できるかどうか）をテストする必要があります。

ブレナー教授によると、15人の学生がこの研究に参加し、3つのグループに分かれたという。

• グループ 1 はプロンプト プロジェクトを担当し、学期を通じて全員が提出したプロンプトを収集して整理し、どのプロンプトがどのような種類の問題を解決するのに優れているか、または劣っているかを評価します。
• グループ 2 はデータセットの生成、問題と解決策を含む一連のデータの構築を担当し、自動生成を実現する必要があります。
• グループ 3 は、インフラストラクチャの開発、プロンプトとデータセットのまとめ、最終試験の質問を解くためのチャットボットの評価とトレーニングを担当しました。

その過程で、彼らはさまざまなタイプの問題（さまざまなプロンプトで解決策が何ポイント獲得できるか）の図を描き、最大スコアが 25 ポイントの採点システムを作成しました。

最終的に、学生たちは実用的な数学モデルを構築し、優れた結果を達成しました。（最大20点）

コース終了後、学生たちも温かい感謝の意を表しました。

この教授法は私の考え方を変えました。

参考リンク: [1]https://mathstodon.xyz/@tao/1... [2]https://www.youtube.com/watch... [3]https://www.youtube.com/watch...