学者はAIについて目を覚ますべきだ

この投稿は、私が敬意を抱く人々による最近のAI関連の執筆の波に触発されたものです。Dan Williams、Alex Imas、Ben Ansell、Tibor Rutar、scott cunningham、Kevin Munger、Hollis Robbins、Claude（そう！）Blattman、Kevin Bryan、Andy Hall、Kelsey Piper、Sean Westwood、その他多くの方々です。ここでは、不快ではあるが必要な見解を書くという伝統を引き継ぎます。

私が研究しているのは移民と世論であり、AIではありません。しかし、ここ数ヶ月、AIが自分自身の研究ワークフローを変革するのを目の当たりにして、同僚たちに言いたいことがあります。人生で初めて、5年後のアカデミアがどのような姿になるのか、本当にわかりません。¹ たとえ進歩が完全に停滞し、現在のモデルに永遠にとどまるとしても、すでに進行中の変化は、私が属する学術研究と出版の分野を見違えるほど変貌させるでしょう。現状は持続不可能です。アカデミアは地球上で最も気質的に保守的な制度ですから、時間はかかるかもしれません。しかし、変わるのです。

以下は同僚たちへの10のテーゼです。その大多数は、依然として気づいていないように見えます。

1. AIはすでにほとんどの教授よりも優れた社会科学研究ができる。

これは誇張ではありません。Tibor Rutarは最近、AIのプロンプトだけで完全な研究論文を生成し、それが第一四分位のジャーナルに掲載可能な水準だと述べました。Paul Novosadも同様の成果を2〜3時間で達成したと報告されています。Yascha Mounkは、Claudeが最小限のフィードバックで2時間以内に掲載可能な水準の政治理論論文を生成できると主張しています。Scott Cunninghamは、原稿の作成コストが今やおよそ100ドルの編集サービス費用とClaudeの月額利用料程度まで下がったと見積もっています。

そしてこれは、数値処理や既存のStataコードの実行をはるかに超えています。はい、私がここで主張しているのは、LLMが優れた文献レビューを作成し、既存のアイデアの実りある再結合を生み出すということです。正直に言いましょう。学者は文章を書くことについても特に優れていたわけではなく、AIはあなたのアイデアを実際にそれを必要としている人々にはるかにわかりやすく伝えることができます。ただし、効果的な使用には投資が必要です。Aziz Sunderjiは、自分の研究ワークフロー、判断基準、行動上のガードレールをエンコードした約200行の指示ファイルを構築したと述べています。これにはスキルが必要です。

2. 学術論文は歩く死者同然のフォーマットである。

Sean Westwoodは率直に述べました。「AIは文献レビューをもっとうまくやる。AIが査読をするようになる。ユーザーはAIの要約に目を通すだけになる。本当の科学とは、問い、事前分析計画、そして分析のことだ。30ページの論文は、ただの名残の包み紙にすぎない。」彼はBlueskyでこの発言を叩かれました。しかし、彼は完全に正しく、反発はむしろ彼の指摘を裏付けています。この分野は、明白なことすら防衛態勢をとらずには議論できないのです。Arthur Spirlingが指摘するように、論文とは何か、「査読」とは何を意味するか、生成AIの適切な役割について対話が必要であるというのもまた正しいです。おそらく、AIが最終的に私たちを後押しして、大学が納税者の資金を使って商業出版社に対し、公的資金で行われた研究の古くなった成果をペイウォール付きのPDF²として非常にゆっくり出版するために支払うというシステムから脱却させてくれるなら、それは良いことかもしれません。

3. 商業ジャーナルシステムはこれを乗り越えられないかもしれない。

Cunninghamの最新の記事はその数理モデルを示しています。原稿作成が数時間と約100ドルにまで下がれば、投稿数は5倍に増える一方、ジャーナルの掲載枠は固定されたままです。デスクリジェクション率はおよそ50%から90%に跳ね上がります。収益モデルは崩壊します。すでに逼迫している査読は、この規模では不可能になります。Kevin Mungerは投稿料、有償の査読者、出版後査読、LLMによるスクリーニングを提案しています。問題は、ジャーナルが適応するか、迂回されるかです。私の予想では、大半が迂回されるでしょう。

4. 学者はAIに対して不合理な二重基準を持っている。

ハルシネーション（幻覚的な内容生成）は懸念すべきことであり、研究者は常に出典を確認すべきです。しかし、自動運転車と同様に、基準点が必要です。人間の執筆者は昔からアブストラクトだけを読んで表面的に論文を引用してきました。ジャーナルはすでに、データエラー、p値の操作、再現不可能な結果を含む研究を驚くべき頻度で掲載しています。ある推定によれば、掲載された論文のうち真に有用なものの割合はわずか約4%です。時折引用をでっち上げるLLMは、査読を通過するのに十分な専門用語で着飾ったジャンクサイエンスを日常的に生産するシステムと競合しているのです。AI出力に対して適用するのと同じ懐疑心を人間が生産する研究に適用したなら、明日にはジャーナルの半分を閉鎖しなければならないでしょう。

5. 若手研究者は最大の混乱と機会に直面している。

これは、この変革の最中にキャリアを築こうとしている若手研究者にとってはおそらく悪い知らせです。Jason Fletcherは、テニュアの戦略的論理は変わっていない——まず関門を生き延びよ——と論じていますが、AIはそこに至る方法を根本的に変えています。授業準備のコストは下がります。データの整理やデバッグはAIに委ねられるようになります。ボトルネックは実行から検証と独創的思考へと移行します。

Gauti Eggertssonは、概念的思考と独創的なアイデアへのリターンが、技術的な単純労働と比較して相対的に高くなっていると指摘しています。良いアイデアとClaude Codeを持つ若手研究者は、数年前であれば完全な研究室を必要としたペースで研究を生産できるようになりました。しかし他の誰もがそうできるのであり、評価基準はまだ追いついていません。³

6. 私のワークフローにはもはやリサーチアシスタントの役割を想定していない。

メンティーや共著者を持つことは依然として非常に価値があると考えています。しかし、その役割は急速に変化しています。AIがすべてをより速く、ほぼゼロのコストでやってくれるのに、データの整理、回帰分析の実行、文献レビューの草稿作成のために誰かを雇うつもりはありません。共同研究者に求めるのは、独創的な思考、専門領域の知識、そして知的な挑戦です。これは伝統的な徒弟制度モデルにとっての真の損失であり、それをどう代替するかについて明確な答えは持っていません。Fletcherの補完的フレームワーク——AIが初期分析を行い、人間の研究者が独立してゼロから再現する——は有望な方向を示しています。しかし、たとえば社会科学における共著者数の増加傾向は、非常に近いうちに逆転する可能性があることは明らかです。

7. AI反対論の多くは、原則を装った地位防衛にすぎない。

最近Twitterで、AIの特徴的な痕跡に対する嫌悪感の多くは、本質的に文法警察の新しい形——言語のゲートキーピングを通じてステータスの指標を強制する行為——ではないかと問いかけました。Kevin Bryanは率直に述べました。「職人が手作りし、行列を手で逆にするような研究への憧れはわかる。しかし、我々の仕事は知識のフロンティアを前進させることであり、自己実現ではない。」

Dan Williamsは、ほぼ全員が同じバイアスを共有する制度の中で、いかに知的なミスインフォメーションが繁殖するかについて説得力のある議論を展開しています。AIの否認についても同様のことが起きていると思います。多くの学者——特にBlueskyに集中している人々⁴、そしておそらく完全にオフラインの人々——は、すでに起きていることについて完全な否認状態にあります。Chris Blattmanは、Claude Codeの懐疑論者から、数週間でAIワークフローのツールキット全体を構築するまでに至りました。Robert Wrightは最近、Alex HannaとEmily Benderを招いてLLMは無用だと主張させました。何百万人もの人々が有用だと感じているツールが根本的に壊れていると主張する賢い人々。この自己満足的な態度こそ、ポピュリストが勝利している理由であり、政治と同様にAI否認にも当てはまります。

8. 生産的な懸念はセキュリティと検証に関するものである。

AI能力を軽視するすべての人への私の挑戦です：Claude CodeまたはCodexと一週間、一人きりで部屋にこもってみてください。チャットボットではありません——エージェントです。ほとんどの人はAIを、時々でたらめを言う検索エンジンだとまだ思っています。エージェント型AIシステムが何をできるか、彼らは全く理解していないのです。

LLMが「真に理解している」かどうか、「本当の」知識を生み出しているかどうかに焦点を当てることは、本当に心配すべきことから目をそらす哲学的な贅沢です。AI生成の主張を大規模に検証するにはどうすればよいか？ p値操作をどう防ぐか？ Andy Hallのチームは、AIエージェントが追従的なp値操作に対して驚くほど耐性があることを発見しましたが、適度な努力でジェイルブレイクできることも判明しました。AIツールが機関のリポジトリにアクセスする際、機密データをどう保護するか？ オンライン調査の回答者が本物であることをどう確認するか？ これらは解決可能な工学的・制度設計的問題であり、Hollis Robbinsが「ラストマイル」の課題と呼ぶもの——専門性の周縁部、文脈依存的で未確定のものに存在する問題——です。Claudeが「本当に」知能を持つかどうかを議論するのは、競争相手が問題集を解き終えている間に電卓が「本当に」数学をしているかどうかを議論するようなものです。

9. 私たちはこれからはるかに優れた科学を手にすることになる。

とはいえ、明るい面もあります。私自身の専門領域である移民について言えば、国家間の政策や世論の変化を自動的にカタログ化し、リアルタイムで改善策を提案できるようになります。難民や移民を受入先のコミュニティとより適切にマッチングするアルゴリズムを構築できます。学術ジャーナルを読んだことのない政策立案者や有権者に、研究とエビデンスを確実に届けることができるようになります。

より具体的に言えば、Yamil VelezとPatrick Liuは2022年からAI生成の実験デザインを構築しており、カスタマイズされたQualtrics実験がプロンプトを通じて15分で作成できるようになっています。Velezの研究はさらに大きなことを示唆しています。AIは既存の調査手法を高速化するだけでなく、手動でプログラミングすることが非現実的だったまったく新しい形のインタラクティブで適応的な調査を可能にするのです。David Yanagizawa-Drottはさらに一歩進んで、AIで1,000本の経済学論文を生産するプロジェクトを立ち上げました——これはパフォーマンスではなく、研究生成コストがほぼゼロに下がったときに何が起こるかのストレステストです。

英語を母語としない研究者も多大な恩恵を受けることになります。カイロ、サンパウロ、ジャカルタの研究者が、ケンブリッジやスタンフォードから出てくるものと同等に読みやすい文章を生産できるようになるのです。Eggertssonは、AIがアメリカのトップ校が長らく享受してきた独占的地位を侵食すると予想しています。なぜなら、その優位性の一部は、今やほぼ瞬時に行われるようになった知識伝達に依拠していたからです。科学の民主化を重視するなら、これは大学が資金を費やしている他のほとんどのものよりも重要です。

10. 最悪のシナリオを除けば、AIは本当にワクワクする存在である。

はい、真のリスクは存在します。一部の学者（および他の多くの人々）の雇用喪失は仮定の話ではありません。最悪のシナリオが実現する可能性は低いとしても、アラインメントと安全性の懸念は本物です。それらを真剣に受け止めており、不確実な未来をいくぶん恐れています。

しかし、私が何度も立ち返るのはこの一点です：AIは有用で楽しい。「エージェント型AIは私たちを愚かにしている」と主張する人々の一部はおそらく正しいでしょう。しかし、私のサボりの閾値が上がっていることにも気づいています。延々とSNSをスクロールする代わりに、今ではClaude Codeでサイドプロジェクトを試すことで時間を潰しています。おそらく最も生産的な非仕事の形態でしょう。ここ数週間、かなりワクワクするプロジェクトをいくつかバイブコーディングしています。お楽しみに。

賢明なるYiqing Xuは、全員が1ヶ月間立ち止まってワークフローを再評価・再設計し、それから再開すべきだと助言しています。同感です。その見返りは大きいでしょう。Claude Codeと部屋にこもって、何が起こるか試してみてください。

追伸： この投稿は、私の新しいClaude Code（Opus 4.6）ワークフローを使用して、エージェント型AIによって完全に生成され、Substackに投稿されました。それをどう受け止めるかは皆さんにお任せします。

追追伸： つまり、このトピックに関する私の手作りの人間によるソーシャルメディア投稿と考えに基づいて完全に生成されたということです。では、本当に書いたのは誰でしょう？ 皆さんが判断してください。