生成AIと大規模言語モデル（LLM）の広大な世界は、画期的な能力を提供することを約束しています。しかし、ある重要な疑問が残ります。どのようにしてAIに深いドメイン固有の専門知識を持たせることができるのか？その答えは、AIの過去からの手法を再検討することにあります。

ナレッジエリシテーションの復活

ナレッジエリシテーションは目新しいものではありません。ルールベースのエキスパートシステムの時代に根付いたこの技法は、人間の英知と機械の能力の橋渡しとなるものでした。今日、それはAIが深遠でありながらも曖昧な人間の専門知識を取り込もうとするにつれて、新たな関連性を見出しています。Forbesによれば、この方法論はLLMを最良の実践知識の宝庫に変えるうえで中心的な役割を果たしています。

ドメインエキスパートLLMへの設計図

たとえば、医学や法律のような特定の分野でLLMを卓越させることを考えてみてください。このプロセスは、関連する文書を集めることから始まり、それらの文書がリトリーバル増補生成（RAG）のような技術を使用してAIシステムに投入されます。しかし、ここには課題があります。すべての専門知識が文書化されているわけではないのです。真の専門知識の本質はしばしば業界のベテランたちの集合的な経験と微妙な直感の中に宿っています。

実践におけるナレッジエリシテーション

ここで登場するのがナレッジエリシテーションの実践です。専門家との体系的な関わり合いが、未公開の経験則や営業秘密を浮かび上がらせます。専門家へのインタビューから口頭でのプロトコル解析に至るまで、目的は暗黙の知識を捕らえ、AIの知識群に取り入れることです。例えば、ランス・エリオットは株のトレーダーの専門知識をLLMに符号化する事例を示し、AIの知識群をニッチな戦略で拡大します。

合成専門家で進化するAI

合成専門家という概念は、AIモデルが人間のカウンターパートから学習するときに浮かび上がります。AIがドメインの精通をシミュレーションすることによって、アドバイザーの役割を模倣することが可能です。しかし、これには制限があります。汎用人工知能は依然として将来への願望ですが、今日ナレッジエリシテーションを戦略的に応用することによって、有能で狭義のAI専門家の基盤を築くことができます。

狭義AIと汎用AIのギャップを架ける

狭義AIと汎用AIの議論は、引き続きその舞台を形作っています。LLMが汎用的な知能の要素を既に具現化していると主張する者もいれば、真の専門知識は人工汎用知能を要するとの意見もあります。いずれのシナリオでも、人間が考案した実践をAIのフレームワークに統合することで、生成モデルのドメイン固有の能力が豊かになります。

エルバート・ハバードの言葉を借りれば、「今日の質の良い仕事」に集中することが明日の優秀さの舞台を整えます。人間の知識をAIに埋め込むことは、専門知識の民主化をもたらすだけでなく、LLMを機能性と関連性の新たな高みに引き上げます。