AI（人工知能）は強力なツール？

Home > Logging > AI（人工知能）は強力なツール？

2026年01月03日

文字数[2674文字] この記事は3分21秒で読めます.

おはようございます.AI時代の非AI論という動画をニューズピックスがYOUTUBEに断片をUPしていたので視聴.非AI論と言いつつAIを褒めてない？と…思った訳ですがそれは置いといて.

もう自分はAI技術を手放すことは出来ないと思っていて今まで使っていたググるよりも強力なツールだと思っています.

動画の冒頭にもあったのですが相対性理論の情報を与えていない状態でもAIが相対性理論を導き出せるところまで技術は来ているみたいです、もしかしたら今まで証明されていなかった難問がもう証明されているのかも知れないですね.後は人がそれを正しいかを理解するだけのものが実は合ったりするのではないだろうかと.

相対性理論を中学生でも分かるように教えてなどとChatGPTに投げてみて下さい、もしくはGoogleのAI検索でも良いです.そうすると噛み砕いて教えてくれます、これがググると違うところです.そしてそれが正しいかは判断する人間の責任になりますが、皆んなが質問しそうな質問は大体、正解します.

# 相対論的時間遅れを用いた大気ミューオン生存数の最尤推定
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import minimize

# =========================
# 物理定数・実験条件
# =========================
c = 299792458          # 光速 [m/s]
tau = 2.2e-6           # ミューオン静止寿命 [s]
H = 10000              # 生成高度 [m]
v = 0.99 * c           # ミューオン速度
N0 = 10000             # 初期生成数

# 理論ローレンツ因子（真値：実験者は知らない想定）
gamma_true = 1 / np.sqrt(1 - (v / c) ** 2)

# =========================
# 理論期待値
# =========================
def expected_muons(gamma):
    t = H / v
    return N0 * np.exp(-t / (gamma * tau))

# =========================
# 観測データ生成（ポアソン統計）
# =========================
np.random.seed(42)
observed_muons = np.random.poisson(expected_muons(gamma_true))

print(f"観測されたミューオン数: {observed_muons}")

# =========================
# 尤度関数（負の対数尤度）
# =========================
def neg_log_likelihood(gamma):
    if gamma <= 1:
        return np.inf
    lam = expected_muons(gamma)
    return lam - observed_muons * np.log(lam)

# =========================
# γ の推定（最尤推定）
# =========================
result = minimize(
    neg_log_likelihood,
    x0=5,
    bounds=[(1.0001, 50)]
)

gamma_est = result.x[0]

print(f"理論的 γ : {gamma_true:.3f}")
print(f"推定された γ : {gamma_est:.3f}")

# =========================
# 可視化
# =========================
gamma_vals = np.linspace(1.01, 20, 500)
lambda_vals = [expected_muons(g) for g in gamma_vals]

plt.figure(figsize=(10, 6))
plt.plot(gamma_vals, lambda_vals, label="理論期待値 $\\lambda(\\gamma)$")
plt.axhline(observed_muons, color="red", linestyle="--", label="観測値")
plt.axvline(gamma_est, color="green", linestyle="--", label=f"推定 γ = {gamma_est:.2f}")
plt.xlabel("ローレンツ因子 γ")
plt.ylabel("地上で観測されるミューオン数")
plt.title("ミューオン寿命の時間遅れによる γ の最尤推定")
plt.legend()
plt.grid()
plt.show()

これはAIモデルには評価基準があり、そのスコアを各社が競い合っているので大体の一般的な質問には答えられるようになっています.それは無料より有料の方が優秀ですが無料でもそれなりに今の人工知能モデルは答えられる感じです.

自分が使っている限りでは料理系などは弱い感じですね.

AIを使うにあたってA社のAI回答が合っているかを確認するために、B社にその回答を投げて正しいか検証してもらう方法があります.そうすると間違っていれば指摘してくれたりします.