ChatGPTの登場で生成系AIに注目が集まっている。これまでのニュースでAIの文書作成能力が報じられてきたが、汎用大規模言語モデル (LLM) の活用による論文生成能力や大量文書読み込み要約能力など既存の生成系AI機能について活用方法が出そろった。
　さて、生成系AIがもたらす変化として、科学知識の獲得スピードが上がることや、R&Dの戦略・意思決定における調査の迅速化や効率向上などが指摘されても、引き起こされたイノベーションで生じる人間の役割変化があまり論じられていない。例えば、生成系AIは形式知や経験知を人間よりはるかに大量に幅広く学習している。そのため、問題解決シーンで専門家の役割が問われる可能性がある。
　但し、現在の生成系AIは、知識量や処理スピードは人間の能力を超えるが、その動作は、文脈から次に来るであろう言葉を確率的に推定して知を処理していることが知られている。すなわち、人間らしい回答をしてくる生成系AIではあるが、人間と全く同じ思考をしているわけではなく、その利用においてハルシネーションが懸念されている。
　本セミナーでは、生成系AIが実現する近未来に知のパラダイムシフトが起きることを想定し、すでに指摘されている問題を回避して実務の問題解決でうまく活用する方法を解説する。
　抽象的な説明とならないように、技術で解決された「電気粘性流体の耐久性問題」を事例に、科学の方法とデータサイエンスによる方法、生成系AIを用いた仮想解決方法を実話をもとに比較しながらセミナーを進行する。その他ノーベル賞を受賞したiPS細胞ヤマナカファクターの発明事例も解説し、AIが今より進歩しても、問題解決シーンで常に必要とされる人間の知の役割があり、AIと「友物」関係を形成して問題解決を進める新パラダイムを提案する。

1. 緒言
   1. コンピューターの登場と知識労働者
   2. AIの歴史と生成系AI
   3. トランスサイエンス
   4. コンピューターによる問題解決法とは
2. AIを活用した業務遂行に潜む問題
   1. 生成系AIが解説する電気粘性流体
   2. 否定証明
   3. 科学と技術
   4. データサイエンスの問題解決力
   5. データサイエンスと科学
3. オブジェクトとしてのデータ
   1. データ駆動と生成系AI
   2. コンピューター言語とオブジェクト指向
   3. オブジェクト指向とPython
   4. オブジェクト指向とアイデア創出
   5. 深層学習が最良とは限らない
4. 生成系AIを活用した問題解決法
   1. 日々の業務に問題解決力は必須
   2. アイデア創出法と生成系AI
   3. データとヒューリスティック
   4. 非科学的なノーベル賞の受賞事例
   5. 問題解決法で期待されるAIの役割
5. 生成系AIを活用するヒント
   1. 知識労働者とPython、そして生成系AI
   2. AIはプログラマーの「友物」
   3. 生成系AI活用のヒント
6. まとめ:情報の時代