生成型AIが見出しの理由を学び信頼性を高める ^{CEFR B2}

イェール・スクール・オブ・マネジメントの研究チームは、生成型AIが「ある見出しが他より魅力的な理由」を学ぶことで、より魅力的で信頼できるコンテンツを作れると示しました。研究者はTong Wang、K. Sudhir、Hengguang Zhouです。焦点はオンラインメディアで広く使われるA/Bテストに置かれました。

研究ではUpworthyのA/Bテスト済みデータを用い、23,000件の見出しと4,500記事を分析しました。まずモデルに仮説を生成させるアブダクション（仮説生成）を行い、次に大きなサンプルでそれらを検証する帰納的手法で一般化可能な説明を抽出しました。抽出した説明で大規模言語モデルをファインチューニングし、表面的な手がかりではなく「正しい理由」でエンゲージメントを最大化する見出しを書くようにしました。

約150人の被験者による比較評価では、人間作と標準的なAI作はそれぞれおおむね30%ずつ最良に選ばれたのに対し、新モデルは44%の頻度で選ばれました。分析では標準的なAIが扇情的な語に依存する傾向が示されました。

研究者らはこの手法が分野横断的な知識生成に応用できると述べ、顧客サービス向けの個別化AIコーチングの共同研究例を挙げています。また、入力はテキストに限らず音声や視覚データを含められる可能性が示されました。結論として、知識主導のAIはコンテンツを改善すると同時に、より責任ある信頼できるシステムにする助けになるとしています（出典: Yale）。