AIにもEternal Septemberが来る。あらゆる分野が同じ入門から始める

Ethan Mollickは、AIが急速に広がる際の副作用を言語化した。別の専門分野からAIを論じ始める知的な論者は、誰もが似た基礎問題を学び直す。AI safety、意識、雇用の議論にはEternal Septemberが訪れるかもしれない。

政治、文化、経済は異なる時期に同じ議論へ入る

Mollickの投稿は、今ほどAIについて聞く量が少ない日は二度とないという以前の指摘を受けている。政治、文化などの論者がAIについて書きながら、同じテーマを追いつくために学ぶことになると彼は述べる。

製品発表でも新しい研究成果でもない。知識がどう広がるかについての観察だ。AIは多くの専門的な議論に入りつつあるが、参加者が到着する時期も使う語彙もそろっていない。

各分野の専門家もAIでは新規参加者になり得る

この点は公開された論評の読み方を変える。政治学者は制度に詳しくても、modelの擬人化という既知の論点を最初から議論するかもしれない。経済学者は雇用市場を正確に分析しながら、benchmarkと実運用の挙動の違いを学んでいる段階かもしれない。

繰り返しのすべてが雑音というわけではない。新しい分野の専門家は、技術communityが十分に理解していない文脈へAIを運ぶ。自分の専門知識とmodelについて蓄積された証拠を結びつけた時、二つの議論を別々に行うより大きな価値が生まれる。

1993年の比喩は共有記憶の喪失を警告する

Eternal Septemberは元来、33年前の1993年ごろUsenetへ新規利用者が大量に流入した現象を指した。それ以前のcommunityは毎年9月、新しい利用者に規範を教えていた。大衆的なアクセスによって、季節的な循環が恒常的な状態へ変わった。

AIでも同じ仕組みが起こり得る。過去の議論の記憶が薄いまま、新しい聴衆に向けて同じ論争が戻ってくる。経験者は疲労を解決の証拠と取り違え、新規参加者は古い議論を自分の発見と思い込みやすい。

分野知識とAI literacyを結ぶ仕組みが質を決める

注目すべきは、短い共通知識を整えた上で、専門家を本来の得意分野へ進ませる報道機関、大学、職能団体だ。AIの未来を語る一般的なpanelを増やすより、参照先、用語、論争の履歴を整える方が重要になる。

Mollickの指摘は議論のインフラに向けられている。各分野にはAIの影響を自分の文脈へ翻訳する作業が必要だが、入門全体を再発明する必要はない。共有記憶がなければ、公共議論は学習能力より速く膨らむ。

Lilithの判定

議会、編集部、教室が、別々の日に同じAI入門講義を再生している。共有ノートがなければ、会場だけが満員になり、最初のslideはいつまでも変わらない。