「概念モデリング自動化に向けた第一歩」 ～ ChatGPT・Open AI 活用による開発対象のモデル化
•Download as PPTX, PDF•
0 likes•60 views
UMTP-Forum 2023 で講演したセッション資料。 https://umtp-japan.org/event-seminar/mf2023/13453 ※ サイズの関係でデモ動画は省略
Recommended
More Related Content
Similar to 「概念モデリング自動化に向けた第一歩」 ～ ChatGPT・Open AI 活用による開発対象のモデル化
Similar to 「概念モデリング自動化に向けた第一歩」 ～ ChatGPT・Open AI 活用による開発対象のモデル化 (20)
More from Knowledge & Experience
More from Knowledge & Experience (20)
Recently uploaded
Recently uploaded (9)
「概念モデリング自動化に向けた第一歩」 ～ ChatGPT・Open AI 活用による開発対象のモデル化
- 1. 概念モデル自動化に向けた第一歩 ～ ChatGPT・Open AI 活用による 開発対象のモデル化 Knowledge ＆ Experience 太田 寛 https://www.kae-made.jp E-Mail: master@kae-made.jp Twitter：@embedded_george 1 Date: 2023/11/22
- 2. 自己紹介 ～ モデリングの観点で ～ • 1987/4～1989/3 • 物理学専攻修士課程 ～ 物理学は現実世界をモデル化し検証する • 1989/4 ～2006/8 • OA機器メーカーの技術者として • 実製品の組込み制御 SW 開発で Shlaer-Mellor 法を適用し技法を習得 • 社内外の技術者に対する普及啓発活動 • 2006/9～2022/2 • Microsoft の Evangelist、Technical Specialist として • Shlaer-Mellor 法の思考スキームで新規技術・サービス・製品を素早く キャッチアップ • 数百の IoT・Digital Twins 実案件支援において、Shlaer-Mellor 法を陰な がら活用し実践を継続 • 2022/3～ • Knowledge & Experience を設立 • 一般的なビジネスシステム開発に適用できるよう、Shlaer-Mellor 法を“概 念モデリング”として、拡張・再定義 • 多くの技術コンテンツを執筆・公開 • https://note.com/kae_made • https://github.com/kae-made
- 3. アジェンダ • 自己紹介 • モチベーション • 概念モデリングとは • ジェネレータ開発に向けた概念モデリング体系の検証 • モデルジェネレータへの取組み • 最後に
- 5. AI、IoT、Digital Twins もすべてはデータモデルから モデル駆動型開発の基本 Zinovy Diskin et.al の論文 “Category Theory and Model-Driven Engineering: From Formal Semantics to Design Patterns and Beyond” より Digital Twins: 現実世界のモノ・コト等を、データ化して、デジタル空間上に 再現する為のテクノロジーセット IoT : 現実世界のモノ・コトの状態（データ）をデータ空間上に収集する、 あるいは、状態（データ）を変えるためのテクノロジーセット DX（Digital Transformation）: デジタルテクノロジーを使用して、ビジネスプロセス・文化・ 顧客体験を新たに想像して、変わり続けるビジネスや市場の要 求を満たすプロセス ※ Wikipedia より 技術的基盤 技術的基盤 現実世界における“やりたい事”のモデル ☜ 概念モデル たった一個のモノ（Identity）とたった一個の特徴値しかないなら簡単だけど… 現実は複雑怪奇で果てしない。視点ごとに複数の見方（ドメイン）があるし… モデルは圏？で、ドメインは圏の圏？で変換によるコード生成は関手圏か？ 多分、視点（ドメイン）毎のモデルはモノイドで、 対応付けは関手の圏で表す自然変換なんだろうな… ↤ “対応付け” Open AI ↤ “対応付け” マイクロソフト時代の経験から…
- 6. 概念（オントロジー）系のモデリングは難しい • 30年来の経験から • 学習障壁の壁 • 特にソフトウェア技術者は習得が困難？ • 私事ですが、習得に7年ぐらいかかりました（笑） • 資質の問題？ • 一方で… • 生成系 AI の台頭 • 概念モデルジェネレータがあったら、皆、Happy？ • 概念モデルジェネレータ開発に向けて • “概念モデル”の基礎固め • 生成系AI（OpenAI）によるプロトタイプ開発
- 9. “概念モデリング”とは ベースとして “Shlaer – Mellor Method” “長くて豊富な経験の元に Refined and Redefinition” “手法の拡張” ：“リアルタイム & 組込システム”だけでなく “一般的なビジネスシステム開発”・“問題解決”にも適用可能 現在は、”eXecutable & Translatable UML” と呼ぶ
- 12. 基礎固め：“現実世界” ⇔ “概念モデル”？ 現実世界をモデル化する 現実世界の対象を “概念モデリング”で正しくモデル化 （記述）できるのか？ 1. 現実という“客観”の世界と人間の“主観”を通じて認識した世界は一致するか 2. 一致するとして、その記述方法として“概念モデリング”は適切か 哲学的観点と数学的観点から考察
- 13. 哲学的な観点から • フッサールの“現象学”を主に ＋フレーゲ、ラッセル、ウィットゲンシュタインを少々 「現象学的還元」 我々が「身体」を動かすという体験、あるいはまた「身体」で様々な事物を感じるという体験を、「意識」に生じている事柄として適切に記 述できれば、それが、「身体」体験の「現象学的還元」となる 身体を動かすというような体験を適切に記述することはそもそも不可能 概念的な事態ではなく、感性的な事態だから。 表象様式は無限だから 1. コギタチオ（意識体験） • コギターツム（意識を向けている対象そのもの）という構造がある • 現に知覚しているのはつねに一部、だがそれを通して全体対象を志向的に体験しているという事 2. 「中心対象」と「背景野」という構造がある • メルロー＝ポンティ的には、「地と図」 3. 注意、配置という主体的な中心点がある 人間の世界を事実としての世界としてではなく、 「関係の世界」、すなわちたえず「意味」と 「価値」の連環として編み変えられている「関係の 世界」として捉える事、これが「世界」を「本質」 として捉える視点の核心 https://note.com/kae_made/n/n7ba632d9555e?magazine_key=m12bb08458a18
- 14. 結論として… 第二の問への解 • 概念モデル ＝「一般意味」の単語を組織化 • 特徴値を束ねて、概念クラスを定義 • Relationship で、概念クラス間の関係を意味付ける ⇒ これらにより、「企投的意味」が補強される ⇒ ドメインは、データ型、特徴値、概念クラス、Relationship の集まりで詳細化されたもの ＝ 背景野 Yes！ ： 記述方法として“概念モデリング”は適切なのか？ ⇒ 最低限の要求を満たす 「知覚」という体験の共通項を取り出す作業が、知覚の現象学的還元であり、「意識体験の本質」あるいは「意識のア・プリオリ」を把握するとは、 すなわちそういうこと 正しい世界像が存在するという想定を一旦破棄する ‐ エポケー（括弧入れ） • モデル化する事＝現実世界を記述する事であり、他者の主観的世界観との共通項を括りだすための手段になりうる⇒むしろ何らかのモデル 化技法は必須 • 出来上がったモデルが正しいかどうかを問う事は無意味であり、そのモデルに関わる人（モデル化対象の世界に参加している人達）が同 意するか否かが重要 • モデルは、モデル作成者がモデル化対象の世界に対して抱いている確信が何故成立するのかを説明する為の、条件と構造の記述である 現象学の “エポケー”から… 第一の問は無意味！ 重要なのは、“モデルの正しさ”ではなく、“関係者間が正しいと合意する事”
- 15. 言葉とは？ • 概念モデル:＝{概念クラス、特徴値、データ型、Relationship} • 図と言葉で定義する • ポストモダンの言語哲学での言葉遊び的な矛盾の数々 “すべてのクレタ人は嘘つきだ”とクレタ人が言った そんなあやふやな“言葉”という道具を使って大丈夫なのか？ どれほど単純に見える言語行為でも、必ず「一般意 味」を利用して、その都度の各自的な「意」の投げ かけあい（関係企投）を行っているといえる。 この様に語の「一般意味」と、言語の「企投的意 味」は違った本質を持っている この実存的企投に発する他者との世界了解の共有（分 有）ということが、発語する事の基本的「動機」であり、 またそれが、「現実言語」の「企投的意味」の本質です。 更にこの様な関係行為としての言語による「企投的意 味」の集合的な痕跡（積み重なり）として、言語の「一 般意味」（辞書的意味）が成り立っている あれ？これ LLM の基本じゃん！
- 16. データは単体で存在しない • 温度 • 何の？ • 部屋の • その部屋を記述するほかのデータは？ • 部屋の名前とか？湿度とか？ • ⇒部屋というクラス:={部屋の名前、温度、湿度} • 部屋に関係するほかのモノとかは？ • そこにいる人とか？その部屋の建物とか？ • ⇒ほかのクラス群とクラス間の Relationshipがあるよね
- 17. 概念モデリング ～ 概念情報モデル 現実世界の商品販売 アイデンティティのあるもの、 直接目で見えないもの、 触れられないものも含めて… • 名前 • 住所 • 値段 • 数量 • 商品コード • 商品番号 • … この段階で既にそれぞれの値ではなく、 分類の名前であることに注意 概念情報モデル 普遍化している事と、分類を扱って いることに注意 企投的意味を担っているのは関係性で あることに留意 概念クラスと特徴値、概念クラスと Relationship は述語命題を作成可
- 19. 数学的観点からの考察 • 数学的妥当性の考察 • 一見正しそうに見えても、論理的破綻・矛盾がある表記を使うと、ど こかで破綻するに違いない • 概念モデルの妥当性は、数学的に証明されるのが望ましいだろう • 考察に使った数学の分野：“圏論（Category Theory） • 数学の基盤定義で使われている分野 • 計算理論でも、モナドが Haskell や最近のプログラミング言語で利用されている • DiGraph、量圏、Schema 等、様々な圏が既に考察されている • 圏（Category） ＝ 合成可能な矢印のシステム • モノ、モノ間の射、恒等射（Identity）、結合律 • 関手（Functor） ＝ 圏の圏における射：アナロジー • 自然変換（Natural Equivalence）＝アナロジーのアナロジー
- 20. 現実世界をモデル化するとはどういうことか？ 現実世界に散らばる 様々な何か 抽出 1対1対応 現実世界 モデル化された世界 圏 圏 モデル化の観点において… 圏 と圏 は“自然同値”でなければならない ⇒圏 で成り立つことは、圏 でも成り立つ • 概念インスタンス • 値を持った特徴値 • リンク • 事象
- 21. 圏論的に概念モデリングを見ると… 現実世界（ドメイン） • 概念インスタンスと特徴値の値 • 事象と状態機械 • 概念インスタンス間のリンク • データ型 それぞれの“モノ” それぞれの“コト” それぞれの“役割” それぞれの“単位” 1対1対応 • 概念クラスと特徴値 • 関係：Relationship • 概念クラスの状態モデル • データ型 圏 モデル化された世界 存在を規定するスキーマ 存在を規定するスキーマ 圏 圏 ※ 変りやすく不安定 ※ 安定：概念モデリングの中心 クラスと関係を使って“命題”を構成でき、かつ、 それぞれの“命題”は有意味で“True”であること それぞれの道具立ては、 Well-Known もしくは Specific な“圏”で表現可能 自然同値
- 23. 参考資料 https://note.com/kae_made コラム集：SaG of Modeling for Real World • 3. モデリングとは ～ 現象学からの考察 • 5. 概念モデリングに関する圏論的考察 • 7. 現実世界のダイナミクスと概念振舞モデルに関する考察
- 25. モデルジェネレータが開発可能として… • 生成できれば… • 以下を使ってビジネスシステムのほとんどを生成可能 • BridgePoint で作成した概念モデルから DTDL 定義を自動生成する • ビジネスシナリオを元に作成した概念モデルを Azure Digital Twins、Azure Functions を使って実装する • 生成できたとしても… • 出力された概念モデルを理解できる能力は必要 • そもそもの、ビジネス要件は理解しておかなければならない
- 26. OpenAI によるモデルジェネレータ開発 ～ その前に • 概念モデル作成における AI の活用ポイントは？ • スキル獲得支援 • 概念モデリングの理解を支援する • 用語の意味を教えてくれる • モデリングのコツやモデルのパターン、手順等、作成に役立つ情報を教えてくれる • モデル作成支援 • 概念クラスや Relationship 候補の提示 ☆ • 状態アクション等の、テキスト形式による、アクション自動生成（インテリセン ス的に） • 概念モデルチェック用の概念インスタンス・リンク群の自動生成 • 作業の流れのガイド • ビジネスコンテキスト理解促進（当然ですが）☆
- 27. いきなりは無理なので…最初の一歩 • 概念モデリングを支援する環境を作ってみる • 自然文で問いかけると、概念モデリングに特化した回答が得られる • 学習済みモデルへの追加学習 ＋ プロンプトエンジニアリング • 利用環境 • Azure OpenAI Services ※ 利用申請必要 Azure OpenAI Service https://note.com/kae_made GPT-4 追加学習 チャット
- 28. DEMO ～ Azure OpenAI Studio を使って ～ 28
- 29. 仕組みの振り返り GPT-4 Text-embedding-add-002 Python Code ※ この仕組みは、他の追加学習にも適用可能 プロンプトエンジニアリング ＋ Azure Blob Storage Azure OpenAI Studio
- 30. Long and winding road… • モデルジェネレータ実現は、そもそも可能なのか？ • ポイントは多分… • 学習済みニューラルネットの構造が、圏Iなのか圏Cなのか 学習済みニューラルネット 圏 なら不可能だろう 圏 なら何らかの方法で可視化すればよい どなたか、協業しませんか？
- 31. 素朴な疑問 • ここまでの話を聞いて… • 浮かぶ素朴な疑問 • “関連ドキュメント→生成→概念モデル”、そこからさらに “概念モデル→生成→コード”なら、 “関連ドキュメント→コード”で十分では？ • いやいやぁ… • 入力情報の定義と生成プロセスの区分けにもよるが • 仕様＝機能要件（概念モデル）×非機能要件（変換による実装） • 機能要件の生成と、非機能要件の生成に分けた方が実用上便利だろう • 概念モデルは、対象世界を理解し記述し共有する為の道具立て • 曖昧だったり、くどかったりする自然文による解説よりも、概念モデルの方が厳密で わかりやすい • 人間による系統的なチェックがしやすい
- 33. 最後に～ https://note.com/kae_made から公開中 世界で一番正確で詳しい Azure IoT・DT 技術情報 概念モデリング教本 様々な観点からのコラム集 概念モデリングチュートリアル集 変換による実装教本 独自の視点からのSW開発の基本解説 大規模SW開発エンジニアリングの要諦
- 34. @2023 Knowledge & Experience Knowledge ＆ Experience Hiroshi Ota E-Mail: master@kae-made.jp