AIはゴリラを見逃す：LLMの探索的データ分析における課題

ある研究によると、特定の仮説を検証するために与えられた学生は、自由にデータを探索した学生と比較して、データにおける明白な異常値に気づく可能性が低いことが示されました。著者はその後、大規模言語モデル（LLM）であるChatGPT 4とClaude 3.5を探索的データ分析においてテストしました。その結果、両モデルとも、生成された視覚化において初期段階では明確なパターンを識別できず、視覚化の画像を提供した後にのみ異常を検出することがわかりました。これは、LLMの探索的データ分析能力における限界を示しており、視覚的なパターン認識よりも定量的な分析に偏っていることを示しています。これは、強み（人間の認知バイアスの回避）であると同時に、弱点（重要な洞察を見逃す可能性）でもあります。