フィードバックは 新しい科学者 人気者は最新の科学技術ニュースを横目で見ています。読者が面白いと思う項目をフィードバックに送信するには、feedback@newscientist.com に電子メールを送信してください。
さまよえる月
読者の皆さんは、アルテミス II の乗組員が今月、月を周回して地球に帰還することに成功したという話を聞いたことがあるかもしれません。このミッションについては多くのことが語られてきましたが、その中にはおいしいものもあれば、不可解なものもあります。
アルテミス II の重要な点は、宇宙飛行士たちが旅の最遠地点で地球から 406,771 キロメートル離れたところにいたということです。これは、これまで誰も行ったことのない距離でした。読者のヘレン・フォン・デン・スタイネンは、アメリカ人が使用する「不条理な測定単位」について知らせるために手紙を書きました。 ニューヨーク・タイムズ そのギャップの大きさを伝えるために。このユニットはもちろんウインナードッグでした。
「22インチのダックスフントを鼻から尾まで並べると、その距離をカバーするには7億2,800万頭近くの非常に協力的な犬の群れが必要になる」と彼らは私たちに告げた。それを検証したい人がいる場合に備えて、彼らは「犬種を問わず、現在存在する犬の数はわずか約9億頭」であるという重要な警告も提供した。
それに満足せず、新聞社は犬の散歩に出かけた。 「ダックスフントを時速3マイルの速歩で連れて行った場合、そこに着くまでに8万4000時間以上歩かなければならない」と研究者らは書いており、これは「約10年間歩き続けたことに相当する」という。最終的には、「長距離をカバーするために 23 億 7,000 万個のネイサンズで有名なホットドッグのチェーン」を構築することを構想しました。 10分ごとに76個のホットドッグを平らげることができる大食漢は、チェーン全体を消費するには、ほぼ594年間ノンストップで食べ続ける必要があり、その過程で7,000億カロリー以上を消費すると彼らは書いている。
ヘレンさんは、「生きた犬とホットドッグをまるで比較できるかのように、楽々と切り替えていく様子」を称賛した。コメントもこの賞賛を共有しており、ダックスフントの長さはどれくらい異なるのか、そしてそれが考慮されているのかどうか疑問に思っています。これに加えて、非常に長い距離を伝えたい場合は、サンフランシスコのゴールデン ゲート ブリッジのような長いものから始めて、その倍数を作成すると便利かもしれませんが、これについてはあまり賢明になりすぎないようにしましょう。
また、我々は、コメントなしで、例えば作家のジェームズ・デリングポールが、乗組員はミッション期間中「高級ホテルに隔離されていた」と『X』に書いているなど、偽造された航海に関するオンライン上の必然的な観察にも言及している。
早速ですが、読者のリチャード・シモンズの著作を紹介して終わりにしたいと思います。私はこれらのページで、月の経済が成長しているとされることから、金銭的な意味で月がチェダーでできている可能性があることについて少し調べていました（4月11日）。リチャードは、月がどんなチーズでできているのか正確に考えました。グリーンチーズやその他の選択肢を除外した結果、彼はSelles Sur Cherに落ち着きました。これはフランス産の品種で、「木炭灰で覆われたきめの細かい円盤」と表現されています。アルテミス II の写真に基づいて、リチャード氏は「適切な色と表面質感を持っている」と述べています。
マラソン小屋
「放電電荷」の正確なサイズについての以前の議論の中で、読者の F. Ian Lamb は「内因性相対スケーリング ユニット」または ERS ユニットの概念を紹介しました (3 月 28 日)。これは絶対的なものではなく、文脈や個人の認識によって大きさが異なる単位を指します。当時、コメンテーターは、預金手数料が ERS ユニットの唯一の例なのか、それとも他にもあるのではないかと質問しました。
読者のアンドリュー・ウィンクリーさんは「マラソン」を勧めています。長距離走の文脈では、1920 年代に確立された 42.195 キロメートル、つまり 26.22 マイルという距離に明確な意味があることは明らかです。しかし、アンドリューが指摘するように、時間の測定にも使用されており、そこが物事が曖昧になるところです。 「24時間ダンスマラソン」「図書館を巡るマラソン勉強会」「飲み会マラソン」を考えてみましょう。アンドリュー氏が言うように、「この文脈で何がマラソンに該当するかは、アクティビティによって異なります。」そして、問題のアクティビティに対するその人の許容度に関するコメントを追加することもあります。
機密解除された
現時点では、AI の制限は十分に確立されているため、経験豊富なユーザーは、AI を制御できるアプリ、または問題を気にしないアプリを慎重に選択します。
冗談ですが、誰かが政府文書の分類にそれを使用したいと考えています。ジャーナリストの Matthew Sparkes は、arXiv で「機密文書の拡張分類検索」という記事を見つけました。著者らは、文書の分類は多大な作業であると指摘しています。「ユーザーが各文書の機密レベルを手動でラベル付けすることを要求するのは労働集約的であり、作業の継続性が妨げられ、一貫性のない、または主観的なラベル付けが行われることがよくあります。」そこで、代わりに大規模な言語モデルを使用するという彼の提案です。
彼らは、数年前にウィキリークスが公開した米国の外交公電の記録を基にモデルをテストした。彼らの最良のモデルは、96% の精度でそれらを「未機密」、「機密」、「機密」に分類することができました。
Matt 氏は当面の問題を特定します。ツールの精度が 96% であれば、おそらく「機密情報の 4% が漏洩する」でしょう。フィードバックはこれをしばらく見て、さらに考えがありました。まず、研究者らはAIを熟練した人間と比較していないため、AIの方が良い仕事をするか悪い仕事をするかはわかりません。
第二に、私たちは「AI はどのような方向に間違っているのか?」という疑問を抱いていることに気づきます。政府文書を機密扱いにするときは、たとえば自国のすべての核ミサイルの発射コードの暴露を避けるなど、用心深いほうが賢明かもしれない。この研究では、これらの非対称エラーに関する情報は見つかりませんでした。
それでも、何が問題になるのでしょうか?
フィードバック用のストーリーがありますか?
記事をフィードバックに電子メール (feedback@newscientist.com) で送信できます。ご自宅の住所をご記入ください。今週および以前のコメントはウェブサイトでご覧いただけます。
