AIのボトルネック：知能ではなく、コンテキストエンジニアリング

大規模言語モデル（LLM）は数学の分野で驚くべき成果を収め、国際数学オリンピック金メダリストと匹敵するレベルに達していますが、日常的な企業用途でのパフォーマンスは大幅に遅れています。この記事では、ボトルネックはモデルの知能ではなく、タスクの仕様とコンテキストエンジニアリングにあると主張しています。数学の問題は明確な仕様を持ちますが、現実世界のタスクは曖昧で、暗黙的な制約が多く含まれています。AIを改善するには、より優れたコンテキストエンジンとタスク仕様を構築する必要があり、データ取得、モデルのトレーニング、継続的な学習におけるブレークスルーが必要です。短期的にAIは科学分野で驚くべき成果をもたらしますが、長期的に、広範な企業の自動化は、仕様とコンテキストエンジニアリングの課題を克服する必要があります。