FUTURIA「今と未来の大学」の新しい名前 デジタル・アル=ジャザリー(DJAIRI)公式ロゴ母体機関デジタル・アル=ジャザリー(DJAIRI)

AIと人間の未来ラボ

研究・学び・仕事における人工知能の応用、批判的思考、人間の協働。 メンバーが主体となり、誤りを直し、仲間を選ぶ開かれた実験の場です。ラボがメンバーの代わりにプロジェクトを運営することはありません。

ゴール: 現実の課題、証拠となる資料、出力の検証、倫理的な省察を含む小さなプロジェクトのつくり方を学ぶ。 メンバーは自分の文脈を選び、出典と加えた変更を記録します。参加しただけで段位やポイントが与えられることはありません。

このラボでの作業方法

ローカル実験ノート — 作品を私たちに送らずにエクスポートできます。

学習ユニット

1. 質問から検証可能な仮説へ

学習やサービスにおける問題を特定し、受益者に特定の質問、時間枠、およびチェックできる結果を挙げてください。 仮定を事実に変えないようにし、個人データを収集せずに何を測定できるかを定義します。

適用された拡張機能 — 仮説のテスト: 3 つの独立したクレームを選択し、それぞれについて検証可能な回答を書きます。 2 つの明示的な比較基準 (情報の正確性と信頼度の限界) を設定し、結果を古い一次情報源と比較します。 人の名前や個人データを入力せず、出力間の違いを記録します。

適用されたアクティビティ

問題カードを作成する: コンテキスト、質問、3 つの対立仮説、2 つの測定可能な指標。

予想される証拠

トレース可能な公開ソースを持つ時代遅れの問題カード。

セルフチェックの質問

一般的な質問とテスト可能な質問の違いは何ですか?

回答: テスト可能な質問には、受益者、時間枠、および確認できる結果が挙げられています。 一般的な質問は、その結果を判断する方法を提供しません。

なぜ 1 つではなく 3 つの代替仮説を書くのでしょうか。

回答: 代替案は、最初の仮定を事実として扱うことを妨げ、それらを区別する証拠を探すように促します。

個人データを収集せずに結果をどのように測定できますか?

回答: 一般的、集計された、または公開された指標を使用し、名前や個人を特定するものは避けてください。

2. 結果とバイアスを確認します

同じ要求を 3 つの方法で言い換えて、答えを比較します。 引用された参考文献を元の情報源で確認し、事実、推論、文書化されていない主張を区別します。 言語と文脈が結果にどのように影響するかについて話し合います。

適用された拡張機能 — リスクとバイアス マトリックス: さまざまな文脈と言語で答えをテストし、ユーザーが精査せずにそれに依存した場合、誰が害を受ける可能性があるかを特定します。 確率を証拠から切り離し、人間を意思決定者として維持します。 是正措置と、不明のままの制限を記録します。

適用されたアクティビティ

証拠に裏打ちされた回答、矛盾した回答、および検証が必要な主張を比較する表を作成します。

予想される証拠

証拠、警告、是正措置の表。

セルフチェックの質問

同じ要求を 3 つの方法で言い換えることの利点は何ですか?

回答: 答えが安定しているか、文言によって変化するかを示します。これは、それがどれほど信頼できるかを示します。

事実、推論、および文書化されていない主張を区別するものは何ですか?

回答: 事実は、検証可能な情報源によって裏付けられています。推論は証拠に基づいて構築された解釈であり、文書化されていない主張には情報源がありません。

AI ツールが使用されるとき、誰が最終決定を下しますか?

回答: The Human: ツールは、ユーザーが検証し、決定し、責任を負うことを提案します。

3. スモール プロトタイプとヒューマン イン ザ ループ

学習者が学習ソースを選択したり、学習パスを整理したりするための簡単な手順を設計して、最終承認を人に任せ、モデルの限界を文書化します。

適用された拡張機能 — 人間中心のデザイン: ユーザーが自分を決めずに選択できる小さなプロトタイプを作成します。 AI のないオプションと AI がサポートするオプションと比較し、ユーザーが出力に異議を唱え、それを理解し、サービスをオプトアウトできるかどうかをテストします。

適用されたアクティビティ

3 段階の相互作用モデルを設計し、実際のデータなしで 2 つの架空のシナリオでテストします。

予想される証拠

ワークフロー図、テスト結果、および使用限界に関するメモ。

セルフチェックの質問

「ループ中の人間」とはどういう意味ですか?

回答: 個人は、システムの出力を確認し、影響を与える前にそれらを承認または拒否する役割を維持します。

AI 対応のソリューションと AI のないオプションを比較する必要はありません。

回答: AI が実際の価値を付加するかどうか、またはより単純な代替手段で十分かどうかを調べるには。

プロトタイプでテストするプロパティを 3 つ挙げてください。

回答: アウトプットが争われるかどうか、説明できるかどうか、ユーザーがサービスをオプトアウトできるかどうか。

4. フォーラムで結果を発表します

質問、方法、証拠、何がうまくいかなかったかをカバーするプレゼンテーションを書きます。 別の分野から批評を求め、次のバージョンに変更を含めます。

適用された拡張機能 — 変更後の結果の監査: 1 つの要素のみを変更して実験を繰り返し、結果への影響を示します。 使用したモデル バージョン、テスト日、失敗、および作業を再現するために必要な条件を文書化します。 測定していない精度や影響を主張しないでください。

適用されたアクティビティ

多言語ディスカッションに向けた未解決の質問を含む短いレポートを発行します。

予想される証拠

レポートの文書化されたバージョンと変更ログ。

セルフチェックの質問

結果発表の本質的な要素は何ですか?

回答: 問題、方法、証拠、何がうまくいかなかったのか、その後の変化もあります。

実験を繰り返すときに要素を 1 つだけ変更する必要はありません。

回答: 結果の変更は、その要素だけに起因する可能性があります。

実験を再現するには、どのような情報が必要ですか?

回答: モデルまたはツールのバージョン、テストの日付、および使用される条件と設定。

ライブラリからさらに読む

このラボの範囲

教育および研究ラボ: 学歴や専門職の免許は授与されず、危険または規制された作業に対する専門家の監督に取って代わるものでもありません。 メンバーは自分で決定を下し、法律と他人の権利を遵守します。 エクササイズは、専門家の監督なしにリスクの高い専門的な手順に変えてはなりません。