人工知能と英語論文を読む

人工知能と英語論文を読む 公立小松大学 藤田 一寿 Ver. 20241212

やること • 対話型人工知能を活用し英語論文を読む． • 読んだ論文の内容を結果を発表する． • ねらい • 対話型人工知能の多言語能力（翻訳力）を知る． • 対話型人工知能の要約力を知る． • 対話型人工知能の回答の性質とその正確性の限界を知る． • 対話型人工知能の理解力を知る． • 以上を通し，対話型人工知能の活用し知識の獲得の方法を習得 する．

英語論文を読む必要性

なぜ英語を読まなければならないか • 最新の科学技術の情報は英語で発信される． • 機器には外国製の物が多い． • 外国製の機器には英語のマニュアルしかついていないかもしれない． • ソフトウェア開発に関する最新の情報やマニュアルは英語で発信される． • つまり，将来たくさんの英語の文章を読む必要がある． • 真面目に内容を理解する必要があるものは英語の本文を読まなければ ならない． • 一方で対話型人工知能を活用し，効率的に英語の文章を理解する必要 もある．

文献を読むときのポイント • 次の点を気にして読む． • 研究背景は何か．何が分かっているか． • 何が問題なのか．何を明らかにしようとしているのか． • どのような手法を使っているのか． • 表やグラフで何が分かるのか． • 結論はなにか． • 何がまだ分からないのか． • 言い方を変えれば，論文紹介では，上記のことについて話すと良い．

論文の構成

読み手の立場からの論文の構成を知る必要性 • 論文の構成を知っていると効率的に論文が読める． • 論文の基本的な構成は決まっている． • 構成が決まっているので，欲しい情報が何処に書いてあるかあ る程度分かる． • 知りたいことが書いて有りそうなところを重点的に読める． • 結果が知りたければ，結果が書かれているところを読む． • 手法が気になったら，手法が書かれているところを読む．

論文で重要なこと • 何が新しいのか？ • 論文は研究成果の最初の発表である． • 他の人が結果を再現出来るか？ • 再現性がない研究に意味は無い． • 以上を伝えるために分かりやすく簡潔で明快な文章を書くことが重 要である．

論文で何を伝えたいか • なぜ研究をするのか． • これまでどんな研究がなされていたか． • 何が新しいのか． • どうやって実験したのか．どんな手法か． • どんな結果が出たのか． • どのような結論が出せるのか．

論文の構成 • 論文は通常次のような構成となる． • イントロダクション(Introduction) • 手法(Methods) • 結果(Results) • 議論(Discussion) • 参考文献(References) • この構造をIMRAD (Introduction, Methods, Results, And Discussion)と 言う． • 19世紀後半から徐々に使われてきた(Day，初めての科学英語論文)．

イントロダクション • イントロダクションでは研究を理解する上で必要な情報を最低限提 供する． • イントロダクションで書かれる内容 • 研究の背景 • 研究の意義 • 研究の問題と目的 • 研究の方法 • 研究の簡単な結果と結論

手法 • 研究で用いた手法を書く． • 論文では研究結果の再現性が最も重要であるため，手法は他の研究 者が研究結果を再現するための情報を十分詳細に提供する． • プログラミングを用いた研究の場合，再現性を担保するため作成し たプログラムコードを公開することが多い．

結果 • 結果では，結論を導くために必要なデータを示す． • 研究を通し取得したデータをすべて載せるのではなく，必要なデータを 選別して論文に載せる． • 近年は捏造問題や再現性問題に対応するため，生データを公開する場合 も多い． • 結果を分かりやすくするため図や表を用いる． • 大量の生データを載せず，統計処理を行いデータを整理する． • 統計処理を行う場合は，その手法の意味と前提を十分に理解すること． • 「よく分からないが，みんなが使っているから使う」ではいけない． • 例えば平均をとる場合，我々は「なぜ平均を取るのか？」，「なぜ平均 をとって良いのか？」に答えられる必要がある． 私は平均をとることすら恐ろしい．

議論 • 結果から導出される結論を書く． • 結果に対して議論する． • 過去の研究と比較する． • 研究結果から予測される事柄を述べる． • 研究の波及効果を述べる． • 研究結果が他の問題を解決する可能性がある． • 研究結果が他の分野に使える． • 未解決点もくしはFuture workを述べる． • 次の研究のネタになるので述べたくない． • 当たり障りなく書くしかないか．

参考文献 • 論文と関係する研究は過不足なくイントロダクションや議論で話題 にしているはずである． • 研究は全く0からするわけではなく，先人が積み重ねた知見から 着想を得ているはずである．巨人の肩の上に立つ． • また，研究は全く独立であるはずはなく，関係する研究が存在 するはずである． • 一方，アインシュタインは特殊相対性理論の論文に参考文献を 付けていない！？これは良くない例である． • 他の研究を話題にする際，その研究が載っている雑誌や本の詳細を 参考文献で書く必要がある．

その他の構成要素 • タイトル • 論文には必ずタイトルが付けられる．タイトルは研究内容を適切に短く表 現したものにする． • 概要 • 論文の縮小版だと思って書く． • 関連研究 • イントロダクションで背景を語るとき関連研究について言及する． • しかし，関連研究の記述が多すぎるとイントロダクションが読みづらく研 究の意義が分かりにくくなる． • それを回避するために，関連研究だけに絞った節を設けることがある． • まとめ • 手法の提案などの場合，結果について最後に語るとき議論というほど語ら ない場合はまとめとする．

英語論文を読むための人工知 能の活用

PDFが読める人工知能

英語論文のを対話型人工知能に取り込む • インターネットで閲覧できる論文の多くはPDFで配布されている． • 多くの対話型人工知能ではPDFを取り込む機能がついている． • 人工知能にPDFを読ませることで，人工知能は論文の内容に対して 答えることができるようになる．

現在，無料でPDFが読み込める対話型人工知能 • Microsoft Copilot • Google Notbook LM • https://notebooklm.google.com/ • Google AI Studio • https://aistudio.google.com/ • 制限あり • Mistral LE CHAT • https://chat.mistral.ai/ • Grok • https://x.com/i/grok

• https://notebooklm.google.com/
• https://aistudio.google.com/
• https://chat.mistral.ai/
• https://x.com/i/grok

人工知能による論文要約

論文の要約作成 • 論文を素早く読むために人工知能で論文を要約し，論文の概要を素 早く把握する． • ポイント • 人工知能に論文の要約を依頼し，論文の主要なポイントを把握 する． • 研究目的，方法論，結果，結論などの構造化された要約を作成 してもらう． • ただし要約は参考程度に留め，重要な詳細は必ず原文で確認す る．

プロンプト例 • この論文の主要な研究課題と結論を簡潔に説明してください． • この論文の主な研究目的は何ですか？ • この研究はどのような問題を解決しようとしていますか？ • 著者が提案している新規性や独自性は何ですか？ • この論文の結論はどのような内容ですか？

実行例 プロンプト この論文の主要な研究課題と結論を短く簡潔に説明してください （人工知能にKazuhisa Fujita (2022) AlphaDDA: Strategies for Adjusting the Playing Strength of a Fully Trained AlphaZero System to a Suitable Human Training Partner. PeerJ Computer Science, 8, e1123.のpdfを事前に与えた．） 返答 この論文の主要な研究課題は、ゲームの状況に応じて強さを動的に調整できるゲームAI、AlphaDDAを開発することです12。AlphaDDAは、 AlphaZeroをベースに、DNNとMCTSを組み合わせたものです13。AlphaDDAはAlphaZeroと同じようにゲームを学習しますが、DNNを用いて盤面の 状態からゲームの価値を推定し、その推定値に基づいて強さを調整できるという点が異なります12。 この論文では、**3種類のAlphaDDA（AlphaDDA1、AlphaDDA2、AlphaDDA3）**が提案されています4。 ●AlphaDDA1は、推定された価値に応じてMCTSのシミュレーション回数を変更することで強さを調整します45。 ●AlphaDDA2は、推定された価値に応じてDNNのドロップアウト確率を変更することで、DNNにダメージを与え、強さを調整します46。 ●AlphaDDA3は、価値に基づいた新しいUCTスコアを用いたMCTSによって次の手を決定することで強さを調整します47。 これらのAlphaDDAは、Connect4、6x6オセロ、オセロの3つのゲームで、AlphaZero、MCTS（異なるシミュレーション回数）、Minimaxアルゴリズ ム、ランダムプレイヤーなど、様々な強さのAIと対戦し、その性能が評価されました89。 結論 評価の結果、AlphaDDA1とAlphaDDA2は、AlphaZero、MCTS、Minimaxに対して、ある程度強さを調整できることが示されました10111213...。つ まり、対戦相手の強さに応じて、自分の強さをある程度調整することができました。 しかし、AlphaDDA1とAlphaDDA2は、最も弱い対戦相手であるランダムプレイヤーに勝ってしまうという問題がありました10121314...。これは、 AlphaDDA1とAlphaDDA2が、訓練されたAlphaZero（Nsim = 1）とドロップアウトを使用した訓練されたAlphaZero（Pdrop = 0.95）よりも弱くするこ とができないためです17。図3Aと図4に示すように、これらのAlphaZeroはランダムプレイヤーよりも強いのです。 AlphaDDA3は、ランダムプレイヤーに対しては強さを調整できましたが、ランダムプレイヤー以外の他のAIエージェントには負けてしまいまし た131518。これは、AlphaDDA3のアルゴリズムの目的が、勝つことではなく、平均推定値のバランスをとることにあるためです17。AlphaDDA3は、 平均推定値のバランスをとるために、意図的に不利な手を選択することがあり、結果として負けてしまうことがあります。 この研究では、AlphaDDA1とAlphaDDA2のアプローチがDDAの実用的な方法であると結論付けています19。しかし、非常に弱いプレイヤーに対し ては、強さを適切に調整できないという課題が残されています20。この問題を解決するため、対戦相手があまりにも弱い場合には、AlphaZero ベースのAIアルゴリズムをより弱いものに変更するなどの改善策が考えられます20。 NotebookLM

翻訳させる

翻訳させる • 英語の論文を読んでいると，意味がわからない文章が出てくるかも しれない． • そのような場合，日本語に訳して理解しようとするかもしれないが， それもうまくいかない場合もある． • このようなとき，人工知能に論文を翻訳してもらう． • ポイント • 訳したい英文を渡し和訳を頼むだけで日本語にしてくれる． • 論文のPDFを渡した状態で和訳を頼んだほうが論文の内容に基 づいた訳になる可能性がある．

プロンプト例 • 次の文章を平易な日本語に翻訳してください．

実行例 プロンプト 次の文章を平易な日本語に翻訳してください． Artificial intelligence (AI) has witnessed rapid advances in recent years and has shown remarkable applicability in various fields. One of the research domains in AI is developing a superhuman-level AI for playing board games. Researchers have demonstrated that AI can defeat top-ranked human players in certain board games such as checkers, chess (Campbell, Hoane & Hsu, 2002), and Othello (Buro, 1997). In 2016, AlphaGo (Silver et al., 2016), which is Go-playing AI, defeated one of the top Go players; however, the best Go software did not even have a decent chance against average amateur players before 2016 (Li & Du, 2018). Furthermore, AlphaZero (Silver et al., 2018) can play various board games and perform better than other superhuman-level AIs at chess, Shogi, and Go. Thus, in traditional board games, game-playing AI has already been shown to demonstrate superhuman skills. 返答 近年、人工知能（AI）は急速な進歩を遂げ、様々な分野で驚くべき応用性を示しています。AI研究の分野の一つに、ボー ドゲームで人間を超える能力を持つAIの開発があります。チェッカー、チェス（Campbell, Hoane & Hsu, 2002）、オセ ロ（Buro, 1997）など、AIがトップクラスの人間プレイヤーを打ち負かすことが既に示されています。2016年には、囲 碁AIであるAlphaGo（Silver et al., 2016）がトップ棋士の一人に勝利しましたが、2016年以前は、最強の囲碁ソフトでも アマチュア平均レベルのプレイヤーに勝つ見込みはほとんどありませんでした（Li & Du, 2018）。さらに、AlphaZero（ Silver et al., 2018）は、チェス、将棋、囲碁など様々なボードゲームをプレイでき、他の超人的AIよりも優れた成績を収 めています。このように、従来のボードゲームにおいては、AIは既に人間を超える能力を示していると言えるでしょう。 Gemini 1.5 Flash

人工知能による質問をする

質問をする • 論文を読んでいると，論文の内容，図，専門用語が分からないときがあ る． • 論文を読み込んだ人工知能に専門用語やその内容について質問をするこ とで，人工知能は論文の内容に回答をすることができる． • また，論文に書いてあることは覚えているが，それが何処にどのように 書かれているか忘れることもある．この場合も，人工知能に聞くことで 書いてある場所が分かり，論文を書くときに役に立つ． • ポイント • １つの論文を読み込んだ状態で質問するだけでも良いが，関連論文を 複数読み込んで質問する事もできる．

プロンプト例 • 〇〇とは，どのようなものですか？易しく説明してください． • 〇〇について書かれている場所を教えて下さい． • この論文に関連する背景情報を提供してください ． • この図の説明をしてください．

実行例 プロンプト AlphaDDAとは，どのようなものですか？易しく説明してください． 返答 AlphaDDAは、コンピュータゲームで人間と対戦するAI（人工知能）です。普通のAIだと強すぎて人間が楽しめ なかったり、弱すぎてつまらなかったりするのですが、AlphaDDAは、対戦相手に合わせて自分の強さを変える ことができます。 具体的には、AlphaDDAはゲームの状況を見て、自分がどれくらい有利か不利かを判断します。有利な状況なら 少し弱くなり、不利な状況なら少し強くなることで、常に人間と互角に戦えるように調整するのです。 まるで、人間の対戦相手の腕前を見て、わざと弱いフリをしたり、本気を出すのを調整するようなイメージです。 これによって、人間はAIとゲームを長く楽しめるようになる、というわけです。 AlphaDDAは、囲碁やチェスで超人的な強さを発揮したAlphaZeroというAIをベースに作られており、高度な技術 が使われています。しかし、その仕組みは、ゲームの状況を理解して自分の強さを調整する、というシンプルな アイデアに基づいています。 Gemini 1.5 Flash

実行例 プロンプト AlphaDDAのアルゴリズムについて書かれている場所を教えて下さい． 返答 論文中のAlphaDDAアルゴリズムに関する記述は、複数のセクションに分散しています。 正確なページ番号は、お持ちの論文のバージョンに よって異なる可能性がありますが、以下のキーワードやセクションを探すと良いでしょう。 "ALPHADDA" セクション: このセクションではAlphaDDAの全体像と、AlphaZeroとの関係が説明されています。 AlphaDDAがAlphaZeroをベー スにしていること、DNNとMCTSを使用していること、そして重要なのはゲームの状態の価値を推定してスキルを調整するという核心的なアイ デアが記述されています。 "The value of the board state" セクション: ここで、AlphaDDAがDNNを使って盤面の状態からゲームの状態の価値をどのように推定するか説 明されています。 これはAlphaDDAのスキル調整の中核をなす部分です。 "AlphaDDA1", "AlphaDDA2", "AlphaDDA3" セクション: それぞれ、AlphaDDAの3つのバリエーションについて、具体的なスキル調整方法が説 明されています。 AlphaDDA1はシミュレーション回数、AlphaDDA2はドロップアウト率、AlphaDDA3はUCTスコアを調整することで、ゲーム の状態の価値に基づいてスキルを調整します。 これらのセクションでは、数式や擬似コードを使ってアルゴリズムが詳しく記述されているはず です。 "RELATED WORK"セクション: 先行研究との比較の中で、AlphaDDAの独自性が強調されています。 既存のDDA手法との違いを理解することで、 AlphaDDAアルゴリズムの理解が深まります。 これらのセクションを丹念に読むことで、AlphaDDAのアルゴリズムの全貌を理解できるはずです。 数式や図表をよく確認しながら読むことが 重要です。 また、AlphaZeroのアルゴリズムについての基礎知識があると、より理解が容易になります。 Gemini 1.5 Flash

実行例 プロンプト この図の説明をしてください 返答 この図は、モンテカルロ木探索（MCTS）におけるシミュレーション数と、Eloレーティングの関係を示したグラフです。横軸がMCTSのシミュ レーション数、縦軸がEloレーティングを表しています。Eloレーティングは、強さを数値化したもので、値が高いほど強いことを示します。 グラフには、Connect4、6x6 Othello、8x8 Othelloの3つのゲームの結果が示されています。それぞれのゲームにおいて、シミュレーション数を増 やすことでEloレーティングが上昇していることがわかります。これは、シミュレーション数を増やすことで、より最適な手を探索できるように なり、AIの強さが向上することを意味しています。 注目すべき点は、ゲームの種類によって、Eloレーティングの上昇傾向が異なることです。Connect4は比較的少ないシミュレーション数でEloレー ティングが頭打ちになっているのに対し、Othello（6x6と8x8）は、シミュレーション数を増やすことで、より高いEloレーティングを達成してい ることがわかります。これは、ゲームの複雑さや、最適な手を探索する難しさの違いを反映していると考えられます。 全体として、このグラフは、MCTSのシミュレーション数が、AIの強さに大きな影響を与えることを示しており、ゲームAIの性能向上において、 シミュレーション数の調整が重要であることを示唆しています。 また、ゲームの種類によって最適なシミュレーション数が異なることも示唆し ています。 Gemini 1.5 Flash

人工知能に専門用語の解説を させる

Web検索人工知能 • 対話型人工知能は学習したに基づいて回答するため，覚えた知識以外は 答えられない．さらには，いい加減な答えをする可能性もある． • 対話型人工知能は知識の検索の用途で使えない． • 検索目的で対話型人工知能を使う場合は，ウェブサイトを検索し，その 検索結果をもとに回答するものを使うと良い． • とはいえ間違えることもある． •例 • Microsoft Copilot • Perplexity (https://www.perplexity.ai/) • Genspark (https://www.genspark.ai/) • Felo (https://felo.ai/ja/search)

プロンプト例 • 〇〇について教えて下さい．

実行例 プロンプト ゲームにおけるDDAについて教えて下さい． 返答 ゲームにおける動的難易度調整（Dynamic Difficulty Adjustment、DDA）は、プレイヤーの実時間のゲームプレイ状況に応じて、ゲームの難易度を自動的に調整する技術です。以下は、 DDAに関する主要な点です。 ## プレイヤーの感情と満足度 DDAは、プレイヤーの感情や満足度を監視し、それに基づいて難易度を調整する手法を含みます。例えば、Julianらの研究では、プレイヤーの自己申告に基づいた感情（フラストレー ションや退屈感など）を利用して、ゲームの難易度を設定し、プレイヤーの満足度を高める方法が提案されています[1]. ## フロー理論の適用 DDAは souvent フロー理論（Flow Theory）に基づいています。この理論によれば、プレイヤーのスキルレベルと課題の難易度がバランスを取ると、プレイヤーは最も満足感を感じる 状態（フロー状態）に入ります。Chenらの研究では、コアユーザーは自身のスキルレベルより高い難易度の課題を好み、ライトユーザーは低い課題を好むことが示されています[2]. ## 実時間の調整 DDAは、ゲーム中のリアルタイムで難易度を調整します。例えば、プレイヤーがゲームを楽しく感じるために、プレイヤーのパフォーマンスや感情に応じて、敵の強さ、レベルデザイ ン、またはその他の要素を動的に変更します[2]. ## 行動遅延を利用した調整 一部の研究では、行動遅延（action delays）を導入することで、AIエージェントの性能を意図的に調整し、プレイヤーのスキルレベルに応じた難易度調整を行う方法が提案されていま す。この方法は、技術的に簡単ながらも効果的にAIエージェントの性能を低下させることができるため、有用です[1]. ## プレイヤーの振る舞い分析 高難易度のゲームにおけるプレイヤーの振る舞いを分析する研究もあります。例えば、プレイヤーがゲームを難しいと感じた体験や、その際の振る舞い（中断、継続、責任転嫁、模倣 など）について調査し、プレイヤーのスキルレベルと難易度の関係を明らかにしています[2]. DDAは、プレイヤーのゲーム体験を向上させるために重要な役割を果たしており、継続的な研究と改良が行われています。 Citations: [1] https://hosei.ecats-library.jp/da/repository/00030608/gradcis_19_22T0004.pdf [2] http://endohlab.org/paper/nicograph2020%20138.pdf [3] https://gamescience.jp/2018/Paper/Honma_2018.pdf perplexity

議論する

議論する • 論文の内容についてを議論したくなる．人工知能は与えた論文とも ともと持っている知識をもとに議論してくれる． • ポイント • 何を聞いても恥ずかしくないし機嫌を悪くしないので遠慮なく 議論できる． • 論文以外の知識も有しているので，関連知識に基づいた深い議 論ができる可能性がある．

プロンプト例 • なぜ研究者はこの手法を選んだのでしょうか？ • この研究はなんの役に立つと思いますか？ • わたしは，この研究について〇〇と考えています．私の理解は正し いでしょうか？ • この研究の限界点として考えられるものを挙げてください． • この研究の欠点はなんですか． • この実験デザインの潜在的な問題点はありますか？ • この論文に書かれた研究をもとに新しい研究テーマを考えてくださ い．

実行例 プロンプト この研究の欠点はなんですか． 返答 この論文の研究、特にAlphaDDAにはいくつかの欠点や限界点が挙げられます。 •ランダムプレイヤーへの対応の弱さ: AlphaDDAは、ランダムプレイヤーに対しては十分な難易度調整ができていないという結果が出て います。これは、AlphaDDAの難易度調整が、ある程度の戦略性を持つプレイヤーを想定しているためと考えられます。 完全にランダ ムな行動には対応できない点が欠点です。 •DNNの精度への依存: AlphaDDAの性能は、DNNがゲームの状態を正確に評価できるかどうかに大きく依存します。 DNNの精度が低い場 合、適切な難易度調整ができません。 DNNの学習データの不足や、DNNのアーキテクチャの限界によって、精度が制限される可能性が あります。 •スキル調整方法の限定性: AlphaDDAは、シミュレーション回数、ドロップアウト率、UCTスコアの調整という、限られた方法でスキル 調整を行っています。 より洗練された、あるいはゲームの種類に合わせた柔軟なスキル調整方法の開発が必要となる可能性があります。 •特定のパラメータへの依存: AlphaDDAは、シミュレーション回数、ドロップアウト率、UCTスコアの調整といったパラメータに依存し ています。これらのパラメータの最適な値は、ゲームの種類や対戦相手によって異なるため、毎回調整が必要になります。 パラメータ 調整の自動化や、パラメータ自体を学習によって決定するといった改良が必要です。 •計算コスト: AlphaZeroをベースとしているため、計算コストが高い可能性があります。 特に、MCTSのシミュレーション回数を増やす と計算コストが指数関数的に増加します。 リアルタイムでのゲームプレイに適用するには、計算コストの削減が必要です。 •ゲーム固有の調整が必要な可能性: 論文では3つのゲームで実験が行われていますが、ゲームのルールや特徴によって、DNNの構造やス キル調整方法を最適化する必要があるかもしれません。AlphaDDAの汎用性を高めるには、ゲーム固有の調整を必要としない、よりロバ ストなアルゴリズムの開発が重要です。 •評価指標の限定性: 論文ではwin-loss-draw rateが主な評価指標として用いられていますが、ゲームプレイの楽しさや、人間のプレイ ヤーの満足度といった定量化が難しい要素は考慮されていません。 これらの欠点を克服することで、AlphaDDAはより汎用的で高性能な、人間にとってより魅力的なAI対戦相手となる可能性を秘めていま す。 今後の研究では、これらの点を踏まえた改良が期待されます。 Gemini 1.5 Flash

プロンプト この研究はなんの役に立つと思いますか？ 返答 この研究、特にAlphaDDAは、いくつかの分野で役立つ可能性があります。 1. ゲームAIの開発: •より魅力的なゲームAIの開発: AlphaDDAのような動的難易度調整機能を持つAIは、人間にとってより楽しく、やりがいのあるゲーム体験 を提供します。 ゲームAIの開発において、単に強いAIを作るだけでなく、人間のプレイヤーのエンゲージメントを高めることが重要に なってきており、AlphaDDAはそのための重要なステップとなります。 •ゲームバランス調整の支援: AlphaDDAのスキル調整メカニズムは、ゲームのバランス調整に役立ちます。 ゲーム開発者は、AlphaDDAを用 いて、様々なプレイヤーのスキルレベルに合わせてゲームの難易度を調整し、よりバランスのとれたゲームを作成することができます。 2. 教育・トレーニング: •パーソナライズされた学習支援: AlphaDDAは、学習者のスキルに合わせて難易度を動的に調整できるため、教育・トレーニングツールと して活用できます。 例えば、プログラミング学習や語学学習において、学習者のレベルに合わせて問題の難易度を調整するシステムに AlphaDDAを応用することができます。 •スキル習熟度を測る指標: AlphaDDAと対戦させることで、人間のプレイヤーのスキルレベルを客観的に評価できる可能性があります。 AlphaDDAがどの程度の難易度で対戦相手と渡り合えるかを観察することで、スキルレベルの指標として活用できます。 3. その他の分野: •対話型AI: AlphaDDAの、相手の状況に合わせて応答を変えるという考え方は、対話型AIの開発にも応用できる可能性があります。 人間の 反応に合わせて、AIの応答を調整することで、より自然で人間らしい対話を実現できるかもしれません。 •ロボット制御: AlphaDDAの動的調整機能は、ロボットの制御にも応用できます。 周囲の環境や状況に応じて、ロボットの動作を柔軟に調 整することで、より安定した動作を実現できます。 ただし、AlphaDDAは現状では計算コストが高く、全てのゲームにそのまま適用できるわけではありません。 しかし、その基本的なアイデ ア（相手の状況を認識して自分の行動を調整する）は、様々な分野に応用可能な汎用性のある概念であり、今後の発展が期待されます。 Gemini 1.5 Flash

人工知能に論文要約の発表資 料を作らせる

人工知能にプレゼン資料を作らせる • 人工知能は論文要約のプレゼン資料の内容だけではなく，パワーポ イントすらも作る機能を持つものがある． • 今のところ使用はお勧めしないが，作例の紹介をしておく．

プロンプト例 • このPDFの内容をまとめたプレゼン資料を作ってください．言語は 日本語で，プレゼン資料はパワーポイント形式で作成してください．

実行例 プロンプト Fujita2022 1.pdfこのPDFの内容をまとめたプレゼン資料を作ってください．言語は日本語で，パワー ポイント形式で資料は作成してください． 返答 PDFの内容を確認し、日本語でプレゼン資料を作成します。少々お待ちください。 タイトル: AlphaDDA: 完全に訓練されたAlphaZeroシステムのプレイ強度を適切な人間のトレーニング パートナーに調整するための戦略 1. はじめに •背景: AIは囲碁、チェス、オセロなどのボードゲームで超人的なパフォーマンスを達成。 •問題点: 人間プレイヤーがAIと対戦する際、AIが強すぎると楽しめない。 •目的: AlphaDDAは、動的難易度調整（DDA）を用いてAIのスキルを人間プレイヤーに合わせる。 プロンプト パワーポイント形式で資料を作ってください． 返答 人工知能が作ったプレゼン資料は次のスライド Microsoft Copilot

人工知能が作った論文要約の プレゼン資料の作例 人工知能が作ったプレゼン資料をそのまま貼っており，人間が文章の修正はしていません． プレゼンのスタイルはこのプレゼン資料のものが適用されています．

AlphaDDA: 完全に訓練された AlphaZeroシステムのプレイ強 度を適切な人間のトレーニング パートナーに調整するための戦 略 Kazuhisa Fujita, Komatsu University, University of ElectroCommunications

1. はじめに • 背景: AIは囲碁、チェス、オセロなどのボードゲームで超人的なパ フォーマンスを達成。 • 問題点: 人間プレイヤーがAIと対戦する際、AIが強すぎると楽しめ ない。 • 目的: AlphaDDAは、動的難易度調整（DDA）を用いてAIのスキル を人間プレイヤーに合わせる。

2. AlphaDDAの概要 • 構成: AlphaDDAは、AlphaZeroと同様に深層ニューラルネットワー ク（DNN）とモンテカルロ木探索（MCTS）を使用。 • 動作: ゲームの状態からDNNを用いて価値を推定し、その価値に基 づいてスキルを調整。

3. 実験と結果 • 対象ゲーム: Connect4、オセロ、6x6オセロ。 • 対戦相手: AlphaZero、MCTS、ミニマックスアルゴリズム、ランダ ムプレイヤー。 • 結果: AlphaDDAは、ランダムプレイヤーを除く他のAIエージェン トとスキルをバランスさせることができた。

4. 結論 • DDAの有効性: AlphaDDAは、ゲームの状態に基づいてスキルを調 整することで、人間プレイヤーに適したトレーニングパートナーと なる可能性がある。

まとめ

まとめ • 対話型人工知能は文章の要約や翻訳は得意である． • 対話型人工知能は人間と同じで覚えている知識を元に回答する．そのため ，人工知能が知らないことについて質問すると誤った回答をする可能性が ある． • 対話型人工知能はよく知っている分野であれば，極めて高度な会話ができ る． • 対話型人工知能は賢いので，普通に質問や指示をするだけで希望通りの作業 や会話ができることのほうが多い． • プロンプトにこる必要はない． • 人工知能は怒らないので，どんな質問しても良い．どんどん質問する．

まとめ • 我々が専門性が高い文章を読むのは簡単ではない． • 対話型人工知能をうまく使い，専門性の高い文章を読むコツを身に つけたい．

英語論文を探す

文献探し • ウェブサイト検索や論文検索サイトなどで探す． • ウェブサイト検索 • Google検索 • 文献検索 • Google scholar • Google が提供する文献検索サイト • PubMed • 生物・医学系の文献検索サイト • 出版社 • Elsevier • Springer • IEEE Xplore • オープンアクセスの雑誌 • Nature Communications, Scientific reports, PLoS, PeerJ, PNASなど • プレプリントサーバ（論文の信頼性に関し論文誌より警戒しておく必要あり） • arXiv • BioRxiv 太字のサイトの論文は公立小松大学から無料で読める． その他でもオープンアクセスの論文は読める．

演習

演習 • 読む論文を探す. • 手頃な長さの論文を探すのならScientific reportsで探す． • 人工知能を活用し論文を読む． • 発表資料を作る． • 発表する．