記事を読んでたら、重要なのは（通常は役に立たない）結果に至るプロセスで、そこから人々が何を得るかだって。白と黒のコントラストが目に悪いことに気づいたら、長時間見続けたくなくてやめることにした。ある活動には、結果とは厳密には関係ない成果があるんだよね。

エージェントを取り除いたら、ボブはまだ始めてない1年生のまま。周りで年は過ぎていったけど、彼の中では何も起こってない。彼は製品を出したけど、技術を学んだわけじゃない。私たちは、VC資金に完全に依存する世代を育ててる。AI企業が利益を上げる道を見つけられず、VC資金が枯渇したらどうなるんだろう？

問題は、LLMがある一定の複雑さや特異性を超えると機能しなくなること。これは、自分が深く理解している分野で使おうとするとすぐに分かる。ここで、自分のスキルが役立つはずだけど、最初からLLMに頼っていたら、必要なスキルが身についていない。新しい問題に直面したとき、アリスは自分のスキルを活かせるけど、ボブはLLMがゴミを生み出し始めたら壁にぶつかる。私には「高スキルの人間」>「LLM」>「低スキルの人間」って感じに見える。低スキルの人たちは、自分の成果が急速に改善されるのを見てしまうけど、その裏にはスキルのゆっくりした積み上げがあって、そっちの方がはるかに高い天井があるんだよね。

そもそもなんでそれに取り組む必要があるの？ それは、数万ドルの借金を背負った人たちが、経験を十分に良いものだと感じて、ビジネスモデルが崩壊しないように促進してほしいからだよ。天体物理学やリベラルアーツ、サイエンスのコースを受けたことを本当に後悔する人がいるとは思えないけど、情熱があれば、直接その分野でキャリアを築く人が少ないのは確かだね。彼らはデータサイエンスのスキルや、磨いたコアコンピタンス、あるいは高度な抽象概念を学べる能力を証明したことが雇用に繋がる可能性が高い。ほとんどの仕事は、特定の学問的成果に依存してないんだ。

「アカデミア」が求めているのはそれなの？最後に確認したとき、「アカデミア」は意見や定義を聞くために電話できる人じゃなかったよ。明確で妥当な反論をするけど、アカデミアが求めているのは理解を生み出すことなんだ。これは、定義上、AIを直接使っては実現できないことだと思う（もちろん、AIはその過程で役立つこともあるけどね）。一般相対性理論を例にとってみて。理論の動的な性質の大部分は人間にはアクセスできない。私たちは理解したいからそれを学ぶんであって、具体的な「結果」を「達成」しようとしているのは二次的な理由なんだ。結果だけを気にする人は、理解を重視しない限り、ほとんど人間じゃないと思う。

なんで私たちは価値を生むことだけをしなきゃいけないの？人間の存在を利益を増やすことに還元したいの？

あなたは議論を見逃してる。教員について話しているときは、結果が唯一重要なことだから、LLMを使って早く結果が出たらそれは素晴らしい。でも学生のことを話すときは、LLMありとなしでは学生に大きな違いがある。後者の方がはるかに理解が深い。それは未来の物理学者を教育するシステムにおいて重要なんだ。

ブログのポイントを完全に見失ってるね。要は結果じゃなくて、科学者を育てることが大事なんだよ。

LLMの精神的な病にかかってる人たちの議論は、ますます絶望的になってる。天体物理学は理解と思考についてのもので、このコメントは結果重視に見える（それが何を意味するかは別として）。学術の産業化は、もっと多くの結果を生んだわけじゃなくて、無意味な論文を増やしただけだ。LLMが1万番目のノート取りアプリを生み出すのと同じで、LLMの精神的な病にかかってる人には、それで十分みたいだね。

学術研究の目標は理解を生み出すことであって、論文を作ることじゃない。もしすべての研究をLLMにアウトソースしたら、ただ後者を生み出すだけになる。