【要約】【ぼくのなつやすみ②】生成AIに「いつもと違う視点」で探してもらったらアイデアは変わるのか？ [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
筆者は、生成AIによるアイデア出しが既存の知識に偏る課題に着目した。従来のLLMでは、新しい視点を得るのが難しい。
- ・LLMは学習データの頻出パターンに引きずられる。
- ・プロンプト調整だけでは、既知の生物模倣事例に留まる。
- ・技術用語で検索すると、未知の知見に辿り着けない。
// Approach
筆者は、生物模倣のプロセスをAIに組み込むため、3つの手法を比較した。
- ・条件A: 追加指示なしのLLM。
- ・条件B: 「自然界をヒントに」という指示を3行追加。
- ・条件C: Strands Agentsを用いたエージェント。課題を抽象化し、Tavily APIでWeb検索を行う。
// Result
検証の結果、Agentを用いた手法が最も高い新規性を示した。
- ・新規性は、条件A(2.75) < B(3.33) < C(3.92) と向上した。
- ・条件Cは、課題の抽象化により毛細血管や理想自由分布（IFD）等の高度な知見を提示した。
- ・一方で、新規性が上がるほど実現可能性は微減する傾向にある。
Senior Engineer Insight
> アイデアの質を高めるには、検索対象の「抽象化」が極めて有効だ。Agentに技術用語を剥がし、機能として捉え直させる工程を組み込め。これにより検索空間を劇的に広げられる。ただし、新規性と実現可能性のトレードオフには注意せよ。R&Dの初期段階における思考の壁打ちとして、実戦投入の価値は高い。