Podcast
Questions and Answers
AIリテラシーには実践が必要である。
AIリテラシーには実践が必要である。
True
AKIEEフレームワークは何の頭字語ですか？
AKIEEフレームワークは何の頭字語ですか？
Awareness, Knowledge, Interaction, Empowerment, Ethics
AIの主な目標にはどれが含まれるか?
AIの主な目標にはどれが含まれるか?
LLMは消費者のニーズだけを満たすように設計されている。
LLMは消費者のニーズだけを満たすように設計されている。
Signup and view all the answers
AIを4つの視点から理解する際の視点はどれか？
AIを4つの視点から理解する際の視点はどれか？
Signup and view all the answers
AIはどのように分類されるか？
AIはどのように分類されるか？
Signup and view all the answers
チューリングテストの目的は何ですか？
チューリングテストの目的は何ですか？
Signup and view all the answers
AIが3つの大きなタイプの中で、現在の段階で重要なのは何ですか？
AIが3つの大きなタイプの中で、現在の段階で重要なのは何ですか？
Signup and view all the answers
生成AIの特徴は何ですか？
生成AIの特徴は何ですか？
Signup and view all the answers
機械学習は大規模なデータセットに依存している。
機械学習は大規模なデータセットに依存している。
Signup and view all the answers
LLMの進化の3つの主要な枝は何ですか？
LLMの進化の3つの主要な枝は何ですか？
Signup and view all the answers
BERTモデルはデコーダーのみの構造を採用しています。
BERTモデルはデコーダーのみの構造を採用しています。
Signup and view all the answers
LLMモデルの主要な動作原理は何ですか？
LLMモデルの主要な動作原理は何ですか？
Signup and view all the answers
LLMの創造性と______は同じコインの裏表です。
LLMの創造性と______は同じコインの裏表です。
Signup and view all the answers
LLMを効果的に使用することで何を得られますか？
LLMを効果的に使用することで何を得られますか？
Signup and view all the answers
LLMの温度設定が高いほどどうなりますか？
LLMの温度設定が高いほどどうなりますか？
Signup and view all the answers
LLMの生成プロセスは、トークン化、生成、マッピングのステップで構成されています。
LLMの生成プロセスは、トークン化、生成、マッピングのステップで構成されています。
Signup and view all the answers
GPQAテストとは何ですか？
GPQAテストとは何ですか？
Signup and view all the answers
以下の役割をLLMの専門的な用途に関連付けてください。
以下の役割をLLMの専門的な用途に関連付けてください。
Signup and view all the answers
AIリテラシーの3つの次元を何と呼びますか？
AIリテラシーの3つの次元を何と呼びますか？
Signup and view all the answers
プロンプトエンジニアリングでは何を重視しますか？
プロンプトエンジニアリングでは何を重視しますか？
Signup and view all the answers
Study Notes
AIリテラシー：イントロダクション
- ユームテクノロジージャパン 千葉佑介氏が講師を務める「AIリテラシー」コース
- AIリテラシーは実践が重要で、運転や水泳を学ぶように、実際に対話して練習する必要がある
- このコースは、AKIEEフレームワークに基づいています。AKIEEは、Awareness（認識）、Knowledge（知識）、Interaction（相互作用）、Empowerment（能力強化）、Ethics（倫理）を表します
- コースでは、LLM（大規模言語モデル）との対話を通じて、プロンプト作成とモデルからのフィードバックの観察、AIコーチからの構造化されたコーチングとフィードバックを提供
- 能力強化フェーズでは、LLMを日常業務に適用する実践的な経験を積む
- 組織におけるAIの倫理的な利用とコンプライアンスに重点を置く
AIの起源と発展
- コースは6つのモジュールで構成されています。最初のモジュールはAIの起源と発展を紹介し、現代に至るまでの歴史的背景を提供
- 第2モジュールは、生成AIの時代におけるAIリテラシーの発展に焦点を当て、前半はAI、後半はAIリテラシーについて解説
- コースは一般ユーザー向けに設計されており、分かりやすく学術的に厳密な生成AIの説明を提供
- 第3モジュールは、プロンプトリテラシーに焦点を当て、RSTCCフレームワークを紹介。このフレームワークは、職場における問題をLLMを使って解決するのに役立ちます
- RSTCCフレームワークは、他のプロンプトフレームワークと比較し、柔軟に対応することが可能です。このセクションでは、RSTCCプロンプトフレームワークと5段階のプロンプトモデルについて説明
- 第3モジュールの第2部では、12の優れたプロンプトテクニック（GKn、RAR、RAGなど）を紹介し、LLMの専門的な能力を引き出す
- 「LLMを建設的に使う」という概念は、LLMを人間の強化に役立てることを主張。AIを人間の代替とするのではなく、人間の能力を高めるために使用する
- AIを本当に効果的に活用している組織は、より多くの人材を雇用し、トレーニングに投資している
- 第4モジュールでは、LLMを一般的な職場シナリオでの活用方法をケーススタディを通じて解説
- 第5モジュールでは、AIの倫理的な使用について議論。特に、組織内でどのようにAIを活用してパフォーマンスを向上させるかに焦点を当て、コンプライアンスと倫理の確保について考察
- 最終モジュールは、コースの総復習と反省
AIの基礎
- AIは、「知能」と「人工知能」の2つのレベルで理解できる
- 知能とは、人間の精神能力を指し、人工知能はコンピュータを使って人間の知的行動を模倣すること
- AIの主な目標は、コンピューターがタスクを完了することと、人間や生物に関する質問に答えること
- AIは4つの視点から理解できる。「人間のように考える」「人間のように行動する」「合理的に考える」「合理的に行動する」
AIのタイプ
- AIは3つの大きなタイプに分類できる：人工狭義知能（ANI）、人工汎用知能（AGI）、人工超知能（ASI）
- 人工狭義知能 (ANI) は、特定のタスクや問題に特化したAIであり、現在多く使用されている
- 生成AI（Gen AI）、特にLLMは、人間の創造性を模倣してコンテンツを生成できる
- 将来的にはAGIに進化し、さらに推論者、エージェント、革新者の段階を経て、ASIに到達する可能性がある
AI開発の歴史
- AI開発の歴史は、3つの大きな波を経験している。1950年代、1990年代、そして現在の生成AIの時代
- 1950年代は、チューリングテストの提案や人工知能に関するダートマス会議で幕開け。この時期は、AIに対する大きな期待もあったが、課題と停滞期（AI冬の時代）も経験
- 1997年には、IBMのディープブルーがチェスの世界チャンピオン、ガルリ・カスパロフに勝利し、機械学習の時代における重要なマイルストーンとなった
- 2016年には、GoogleのAlphaGoが囲碁の世界チャンピオン、李世乭に勝利し、深層学習の時代の到来を示した
- 2017年に、Googleが画期的な論文「Attention is All You Need」を発表。トランスフォーマーアーキテクチャの導入は、新たなAI時代の幕開けを告げた
- 2022年11月、OpenAIがChatGPTをリリースし、生成AIの時代が到来
チューリングテスト
- 1950年にアラン・チューリングが提案したテスト。機械が人間と区別できないレベルの知能を持つ場合、その機械はチューリングテストに合格したとされる
- 近年の研究では、GPT-4は54%のケースでチューリングテストに合格できるとされている
ディープブルーとAlphaGo
- 1997年、IBMのディープブルーがチェスの世界チャンピオン、ガルリ・カスパロフを破り、AIが複雑な戦略ゲームにおいて優位性を示す
- 2016年、GoogleのAlphaGoは、囲碁の世界チャンピオン、李世乭を破り、深層学習AI技術の進化を証明。AlphaGoはその後、韓国で名誉9段の称号を授与
- 2017年、AlphaGoは世界囲碁チャンピオン、柯潔に勝利し、柯潔に大きな心理的影響を与える。中国の囲碁協会はAlphaGoに囲碁のプロ9段の称号を授与
ジェネレーティブAI時代の到来
- 機械学習から深層学習への移行により、フィードアルゴリズムを活用したスーパーアプリが台頭
- 2017年にGoogleが発表した「Attention is All You Need」は、アテンションメカニズムを導入。これは、Google翻訳の性能向上と、後の大規模言語モデル（LLM）の開発に大きく貢献
- 2018年、OpenAIはTransformerアーキテクチャに基づいたGPT-1をリリース。これは、LLMの進化を加速させる重要なマイルストーンとなった
- 2022年11月、OpenAIがChatGPTをリリース。対話型のAIとして、多くのユーザーにAIの力を体験させる
ChatGPTの誕生
- ChatGPTは、OpenAIがGPT-3に基づいて開発した対話型AI
- OpenAIは、当初強化学習プロジェクトやビデオゲームAIの開発に注力していたが、ChatGPTは当初、期待されていなかったプロジェクト
- ChatGPTは、投資家の関心を引きつけ、OpenAIに数十億ドルの投資をもたらす。最も成功したAI製品の一つに
GPTの進化
- 2023年3月にリリースされたGPT-4は、テキストと画像の両方を処理できるようになった
- 2023年5月にGPT-4はさらに進化し、テキスト、音声、画像の入力をサポート。スマートフォンのChatGPTアプリでリアルタイムの音声・画像認識が可能になった
ジェネレーティブAIとは？
- 深層学習モデルを用いた、人間のような応答を生成する技術
- 従来のAIとは異なり、新しいコンテンツを作成できる能力を持つ
- ジェネレーティブAIは、コンテンツ生成能力によって、様々な業界で新しいユースケースを生み出している
ジェネレーティブAIの活用例
- 世界中で数千のジェネレーティブAI製品が存在
- 従来のタスクの置き換えと、新しいシナリオの実現の可能性がある
- 従来のAIは、大量の事前にラベル付けされたデータが必要だったが、ジェネレーティブAIは、ユーザーが事前に準備する必要がない
- ユーザーは、自然言語でジェネレーティブAIと直接やり取りできる
ジェネレーティブAIの重要性
- 使いやすく、誰でも簡単に始められる
- 非常に強力で、急速に進化している
- ユーザーが開発者になれる可能性を持っている
言語モデルから大規模言語モデル（LLM）へ
- LLMは、言語モデルと大規模の2つの要素で構成される
- LLMの「大規模」とは、大量のパラメーター、大規模な計算能力、大量のデータ量を持つことを指す
- トランスフォーマーアーキテクチャは、エンコーダーのみ、デコーダーのみ、エンコーダー・デコーダーの3つの実装方法がある
LLMの進化ツリー
- Googleは、BERTモデルでエンコーダーのみの構造を先駆けて使用
- OpenAIは、GPTシリーズでデコーダーのみの構造に注力し、生成能力において進歩を達成
- 現在、ほとんどのLLMはデコーダーのみのアーキテクチャを基に構築されている
LLMの動作原理
- LLMは、入力テキストをトークン化し、次のトークンの確率分布を予測することでテキストを生成
- 温度設定は、低確率の単語が選ばれる可能性に影響を与える
- LLMの動作原理は、「次の単語予測」と言える
LLMの生成プロセス
- LLMは、テキストをトークン化し、生成し、テキストに戻すというプロセスでテキストを生成
- 生成されたテキストは、確率分布に基づいて選択された単語の組み合わせである
創造性と幻覚
-
LLMは、低確率の単語を選ぶことで創造性を発揮することがある
-
創造性と幻覚は、同じコインの裏表と言える
-
幻覚は一般的には望ましくなく、温度設定でその確率を調整できる### 大規模言語モデル
-
大規模言語モデル（LLM）は、数百から数千もの異なるサブモデルで構成され、それぞれが異なるレベルで機能している。
-
LLMは膨大な計算能力が必要であり、多数のパラメータとデータを統合することで、幅広い知能と能力を発揮する
-
LLMは継続的に学習しており、新しい情報を吸収して能力を向上させている
LLMの学習プロセス
- 文法：LLMは、文脈における単語の順番を学習することにより、文法的に正しい文章を生成できる
- 語彙的意味：LLMは、単語の意味と文脈における関係を理解し、適切な単語を選択することで、意味的に一貫した文章を生成できる
- 世界知識：LLMは、大量のデータから世界に関する情報を学習しており、様々な質問に対する適切な回答を提供できる
- 感情分析：LLMは、文章から感情を推測し、感情を判断するために使用できる
- 翻訳：LLMは、多言語コーパスに基づいて言語間の翻訳を行うことができる
- 空間的推論：LLMは、キャラクターの動きや空間的な関係を理解することができ、複雑なシナリオにおけるキャラクターの動きを予測できる
- 多段階推論：LLMは、数段階の推論が必要な複雑な質問に対しては、理解と解決に苦労することがある
LLMの限界
- LLMは、非常に複雑な質問や複数のステップを必要とする問題に対しては、現在、完全な理解と解決能力を持っていない
- LLMの能力には限界があるため、複雑な質問を避けるか、可能な限り質問を簡素化する方が良い
GPQAテスト
- GPQAテストは、LLMのパフォーマンスを評価するための世界的に認知されたベンチマークテスト
- テストは、448個の選択式問題で構成され、難易度が高く、人間の能力も試す
- 人間がランダムに回答した場合、平均25ポイントを獲得すると予測される
- 人間が真剣に回答した場合、平均得点はわずか0～1ポイント程度であり、テストの難しさを示している
- GPT-3.5は約28ポイント、博士号レベルの人間は約34ポイント、GPT-4は約39ポイント、GPT-4oは驚異的な53.6ポイントを獲得した
- これらの結果は、AI技術、特にLLM分野における急速な進歩を示しており、AIモデルが人間の専門家を超える成果を上げていることを示している
AIリテラシー
- AIリテラシーとは、AI技術への理解、AIとのコミュニケーション、AIをツールとして活用するための能力を指す
- AIリテラシーは、職場において重要なスキルとなり、LLMを効果的に活用することで、専門家レベルのサポートを得られるようなものである
- このコースの目的は、ユーザーがAIを協力者として効果的に活用できるようになることで、LLMのメリットを最大限に引き出すこと
ジェネレーティブAIの生産性向上効果
- NBERの研究では、技術サポートスタッフがジェネレーティブAIを使用して質問に答えた結果、生産性が平均14%向上したことが明らかになった
- MITの研究では、ジェネレーティブAIを使用することで、学生は作業時間を37%削減し、仕事の質も向上したことが示された
- ハーバードビジネススクールとBCGの共同研究では、コンサルタントがAIを使用することで、タスクの完了率、作業スピード、アウトプットの質が大幅に向上したことが確認された
- これらの研究は、ジェネレーティブAIがさまざまな職場において、生産性向上に貢献することを示している
AIリテラシーのASKモデル
- ASKモデルは、AIリテラシーを3つの次元、態度（Attitude）、スキル（Skills）、知識（Knowledge）に分けて捉えるモデル
- 知識の次元では、AIの基本概念、歴史的発展、様々な分野におけるAIの応用などを理解する必要がある
- スキルの次元では、プロンプトの作成、LLMの長所と限界の理解、LLMを活用して複雑なタスクに取り組む能力などを身につける
- 態度の次元では、LLMの進化にオープンな姿勢を持ち、常に学習し続けることが重要
プロンプトリテラシー
- プロンプトリテラシーとは、LLMに効果的な指示を与え、期待通りの結果を得るための能力
- LLMと対話する際には、適切なプロンプトを作成することで、LLMの能力を最大限に引き出すことができる
- プロンプトの作成には、RSTCCフレームワーク（Role、Skill、Task、Context、Constraint）を活用することで、より効果的な指示を与えることができる
RSTCCフレームワーク
- RSTCCフレームワークは、プロンプトを構造化し、より効果的な指示を作成するためのフレームワーク
- 役割（Role）：LLMに特定の役割を割り当てることで、モデルのドメイン知識を活性化させる
- スキル（Skill）：LLMが持つべき知識や能力を具体的に指定することで、タスクの遂行をより効果的にする
- タスク（Task）：LLMに実行させたい具体的な指示を明確にする
- 文脈（Context）：タスクの背景や状況に関する情報を提供することで、モデルがより理解し、適切な応答を生成できるようにする
- 制約（Constraints）：タスクの制限条件を指定することで、モデルが期待通りの結果を生成できるようにする
B2CとB2BにおけるLLMの使用方法の違い
- B2C では、LLMは主にタスクを迅速に完了させるために使用され、そのタスクが完了すれば終了である
- B2B では、LLMは専門的な知識を活用するために使用され、より洗練されたアプローチが必要となる
- B2B においては、LLMを外部の専門知識として活用することで、従業員が専門的なタスクをより効果的に遂行できる
LLMの進化と今後の展望
- LLMは急速に進化しており、その能力は日々向上している
- LLMは、今後さらに様々な分野で利用され、様々な産業に大きな影響を与える可能性を秘めている
- 人工知能技術は今後ますます進化し、AIリテラシーは、個人や社会全体の進歩に不可欠なスキルとなる
Studying That Suits You
Use AI to generate personalized quizzes and flashcards to suit your learning preferences.
