実験の結果、AIの回答に同意した割合は、グループ1の80.9％に対し、グループ2では74.8％と有意に低く、グループ3でも77.6％と低かった。AIの回答に対する参加者の自信も似た割合であった。つまり、自信がない回答をされるとAIに対する参加者の自信と同意する傾向が下がった。 その一方、参加者の最終的な回答の正確さは、グループ1の63.9％に対し、グループ2では72.8％と有意に高く、グループ3も67.9％とやや高かった。この結果は、参加者のAIに対する過度な依存が減った可能性（完全には排除されない）を示唆する。 続いて、グループ1ではLLMとは別にネット検索をする割合が19.1％だったのに対し、グループ4では92.9％だった。またAIの回答が不確実性を含む場合、AIの回答を利用する割合が有意に低下し、独自検索をする割合が上昇した。さらに、AIの回答が不確実性を含む場合、回答時間が長くなる

研究チームは、27枚の宝くじで当選を保証できることを証明するのは比較的簡単だったが、26枚では不可能であることを証明するのが非常に難しかったと述べている。26枚で不可能であることを検証するには、宇宙の原子の数よりも多い10の165乗もの計算が必要だという。 この問題を解決するために、研究チームは1970年代にフランスで開発された「Prolog」という論理プログラミング言語を使用した。従来のコンピュータ言語では、コーダーが機械に何をすべきかを適宜指示するが、Prologは問題に関する既知の事実のリストを取り、それが解決可能かどうかを自ら推論する。 Source and Image Credits: Cushing, David, and David I. Stewart. “You need 27 tickets to guarantee a win on the UK National L