Bing は 2023 年も、私があまりにも敵対すると、いつも電話を切りました。

制御された実験の結果はますますさらに進んでいます:既製のAIを持つ医師は、診断に従わない医師よりも優れています...しかし、AIだけでは医師を凌駕する。 それをどうしたらいいのかわかりにくい。どのようなシステムやインターフェースが人間とAIのチームをより良くするのでしょうか?

XでのAIの会話は、研究者が経済学、社会学、歴史学、心理学のよく理解されている問題にぶつかり続けるため、イライラすることがありますが、知っておくと役に立ちますが、経験者との対話の欠如によって傷つきます(どちらもXを去ったため、AIの話の一部ではありません)。

新しい GPT-5 パーソナリティは、サンドイッチのフィードバックを与えるのが好きです (あなたは素晴らしいです - 改善のための提案 - あなたは素晴らしいです)。 一般的に、GPT-4oよりも、少し失神しながら押し返すのが優れています。(AIラボが良いフィードバックを与えるための研究を見るのは良いことです)

これは、ユーザーが妄想的または潜在的に心理的に危険な方向に押し込むのと、与えられた AI モデルがどれだけ機能するかを測定するためのベンチマークで非常に必要とされている最初の試みです。 完全なGPT-5(チャットではない)が心理的にリスクの低いモデルであるという初期の兆候。

これは、ユーザーが妄想的または潜在的に心理的に危険な方向に押し込むのと、与えられた AI モデルがどれだけ機能するかを測定するためのベンチマークで非常に必要とされている最初の試みです。 GPT-5 が実際に心理的にリスクがはるかに低いモデルであることを示す初期の兆候があります。

私が予測したように(そして心配していた)、AI「パーソナリティ」は多くの消費者向けAI開発の戦場になるでしょう。それがGrokにとってのそういう角度であり、OpenAIが4oの引退に対する反発から得た教訓のようです。それは結果的なものかもしれません。

AI モデルの補助機能をバイラルにするためにどれだけの労力が費やされているかを見るのは興味深いことです。(有機的な)スタジオジブリの瞬間以来、Grok & Gemini の焦点の 1 つは、ゲートウェイとしてのビデオでした。課題は、人々が創造的なビデオのアイデアを持っているかどうかでした。

プロモデル(GPT-5 Pro、Gemini 2.5 Deep Think、Grok 4 Heavy)は、目に見えにくい方法で印象的です。質問に答えるのに多くの時間がかかり、専門家の評価を必要とする非常に難しい問題のために構築されています。これは狭いですが、非常に貴重な問題空間でもあります。

GPT-4o は、医療推論ベンチマークでは医療専門家のレベルを下回っていましたが、GPT-5 (明らかに思考媒体) は現在、彼らをはるかに上回っています。(通常のベンチマークの注意事項が適用されます)