Downloaded 31 times
![②情報形式変換型
21
• 情報形式変換型は、与えられた情報量はそのままに、違った表現形式に変換を行うことで、新しい情報を生み出す用
途です
• 情報の中身は全部揃っているのですが、そのままの表現形式では用を成さず、形式を変換しないと意味がない時に、
その変換作業を生成AIが代わりにやってくれて大幅な時短になる、というのがメリットを生む基本的なパターンです
■翻訳 ■コード変換
意味をまったく変えずに形式を変える代表例が翻訳です。日本語から
英語への翻訳、英語から日本語の翻訳は、完全とは言いませんが可逆
式の情報形式変換です
コード生成は、ある言語で書かれたコードを別の言語に変換すること
です。1ステートメント単位で変換するのであれば間違いは少ないで
しょう（それでもテストは必須です）
なお、言語間の仕様差がある（ある言語にあるメソッドが他の言語に
ない、動的型付け言語を静的型付け言語に変換する、等）と、情報不
一致や情報不足で動かないというケースも多そうです
The information format
conversion type is used to
generate new information by
converting the given amount
of information into a different
expression format, while
keeping the amount of
information the same
情報形式変換型は、
与えられた情報量は
そのままに、違った
表現形式に変換を行
うことで、新しい情
報を生み出す用途で
す
※上記、英語翻訳したものは原文と情報量は変わりませんでした。さらに、再度
日本語に再翻訳したら、そちらの方がもっと分かりやすい日本語になっていました
def quick_sort(arr):
if len(arr) <= 1:
return arr
pivot = arr[len(arr) // 2]
left = [x for x in arr if x < pivot]
middle = [x for x in arr if x == pivot]
right = [x for x in arr if x > pivot]
function quickSort(arr) {
if (arr.length <= 1) {
return arr;
}
let pivot = arr[Math.floor(arr.length /
2)];
let left = arr.filter(x => x < pivot);
GitHub CopilotでPythonの関数をJavaScriptの関数に変更を指示したもの](https://image.slidesharecdn.com/genai101forgenaiusers-240501013644-db5ddbe3/75/2024-4-AI-AI-21-2048.jpg)
Uploaded byHiroshi Tomioka
[2024年4月] 業務で生成AIを活用したい人のための生成AI入門講座（社外公開版：キンドリルジャパン社内勉強会）
2024年4月に社内向けに開催した勉強会資料の社外公開版です
![[ICLR2017読み会 @ DeNA] ICLR2017紹介](https://cdn.slidesharecdn.com/ss_thumbnails/iclr2017denaiclr2017-170616173153-thumbnail.jpg?width=640&height=640&fit=bounds)
[2024年4月] 業務で生成AIを活用したい人のための生成AI入門講座（社外公開版：キンドリルジャパン社内勉強会）
- 1.
- 2.
- 3. 3 Agenda 1. 生成AIとはなにか p.4-9 2.生成AIの可能性と制約 p.9-17 3. 生成AIの代表的なユースケース p.18-23 4. プロンプトエンジニアリングとはなにか p.24-26 5. プロンプトエンジニアリングのテクニック p.27-41 6. 温度（Temperature）とはなにか p.42-44 7. 生成AIツール活用方法の探し方 p.45-48
- 4. 01 What isGenerative AI
- 5. 生成AIとは 5 • 生成AIとは、テキスト（会話やストーリー等）、 画像、動画、音楽などの新しいコンテンツを生成 できるAIです • 生成AIは、大規模言語モデル（LargeLanguage Model、LLM）と呼ばれる、膨大な量のデータで事 前学習された深層学習モデルを利用しています • 人間の言語（自然言語）を使ってタスクの指示や 詳細の指定をすることができ、一部の処理では人 間の専門家を凌駕する結果を得られたことから、 世界的なブームになりました Artificial Intelligence（人工知能） 人間を模倣してタスクを代わりに実行してくれるものの総称 Machine Learning（機械学習） 過去データからパターンを学習し、タスク対応するためのアルゴリズム等 Deep Learning（深層学習） 機械学習の一種。2015年以降、音声認識や画像認識等で活躍 Generative AI（生成AI） 深層学習の一種。コンテンツ生成に効果を発揮
- 6. 生成AIに関する注目度の上昇（2022年7月～現在） 6 • 生成AIは、画像生成AIが先に注目され、その後のChatGPTの登場でマスコミ等で毎日のように語られるようになりました • 2022年7月にMidjourneyがオープンベータ化して、テキストで画像の内容を指定するだけで品質の良い画像（イラスト） が生成できることでSNS中心にバズりました。その後、同様のことができるオープンソースのStableDiffusionやOpenAIの DALL-Eに話題は移りました • テキスト生成は、OpenAIのChatGPTが2022年11月にパブリックリリースされ、2023年2月1日の有料版ChatGPT Plusのリ リース、同3月15日のGPT-4の公開から数ヶ月が話題のピークですが、現在も高位安定して話題に上がっています Google Trends：日本のウェブ検索（2022/03/01～2024/03/28） ChatGPT Midjourney Stable Diffusion
- 7. 生成AIの活用はビジネスにおける必須知識に 7 • 早稲田大学ビジネススクール（MBAを取得できる社会人向け専門職大学院） では、2024年度から「プロンプトエンジニアリング―生成AIの応用」が 選択科目の一つとして登場しました（経営管理学を学ぶ場所なので、 これほど特定のIT技術に特化した科目は他にはありません） 画像出典：早稲田大学 • マッキンゼーが2023年8月に発行した「Thestate of AI in 2023: Generative AI’s breakout year」によると、生成AIツールがビジネスの現場に登場して1年未満にも かかわらず、回答者の1/3がビジネスで継続的に活用しており、C-suiteのエグゼク ティブの1/4も、生成AIツールを仕事に活用していることが示されてます • PMI (Project Management Institute)も「Generative AI Overview for Project Managers」という無料のe-Learningコース（PDU: 5）の提供を開始しました • このようにテクニカル寄りの人だけでなく、すべてのインダストリーの人に とって必須知識化しているので、使えない人は使えるようになりましょう
- 8. プロンプトエンジニアリング 8 • 生成AIは自然言語の指示（「プロンプト」と呼ばれる）で生成処理を実行させるAIです • その指示のやり方によって、アウトプットの品質が大きく変わります •その指示をうまく伝えるテクニックが「プロンプトエンジニアリング（Prompt Engineering）」です • プロンプトエンジニアリングについては、 「English as a new programming language」という表現 があります（「英語（自然言語）は新しいプログラミン グ言語」） • 生成AIは、PythonやJavaなどのプログラミング言語を覚え なくても、柔軟性の高い自然言語で指示することで、意 図した処理を簡単に実行させることができます • ただし、生成AIを"うまく動かす"には文法（プロンプトエ ンジニアリング）を覚えて使いこなすことも重要です • これからプロンプトエンジニアリングの基本を一緒に学 んでいきましょう
- 9. 02 Potential &Limitations
- 10. 機械学習とプログラミング 10 • 機械学習（Machine Learning）とは、過去データからパターンを学習し、タスク対応するためのアルゴリズム等です •過去データからパターン学習をさせた「予測モデル」を構築し、その予測モデルがデプロイされたITシステム（機械学習 システム）にユーザーが処理を実行させることで活用しています • 機械学習のパターン学習は、インプットとして訓練データを与 えて学習させており、パターン判定の内部ロジックは学習過程 で自動的に調整させています （内部構造はブラックボックスです） →未知の状況でも柔軟に対応してくれる場合があります。一方 で、やらなくてもいいこともやって間違える可能性があります。 また、制御内容の細かい調整が難しいです • 従来型のプログラミングは、条件分岐等を全部人間が細かく定 義します（内部構造はホワイトボックスです） →細かい制御内容の調整ができます。コードをしっかり設計し ている限り、間違ったことをしない安心感があります。一方で、 想定から少しでも外れるとその途端に対応できなくなりますし、 決まった用途にしか使えません 訓練データ による機械学習 機械学習システム （ユーザーが使っているのはこちら） 学習 デプロイ プログラミング 開発 デプロイ 従来型ITシステム 予測モデル
- 11. 11 プログラミング 機械学習 相対的に 得意な場面 • 利用状況において、条件分岐がかなり明確 に定義できる場面 •未知の状況への柔軟性よりも、間違えない ことを重視したい場面 • 利用状況において、条件分岐が膨大で人間の 能力で定義することが難しい場面 • 多少の間違えは許容しても、未知の状況への 柔軟性を重視したい場面 開発方法 展開方法 • プログラマーが、設計およびコーディングを行う • 開発したコードをコンパイルして、本番システムにそのア プリケーションをデプロイする • ユーザーはその本番システムを利用する • 機械学習エンジニアが、学習データの収集・前処理（データ クレンジング等）を行う • 学習データから予測モデルを構築し、本番システムにその予 測モデルをデプロイする • ユーザーはその本番システムを利用する 内部構造と 説明可能性 ホワイトボックス • 内部構造は、人間が理解できる形式になっている（少なく とも高水準言語で書かれている部分は解読可能） • 処理結果を見て、「なぜそうなったか（なぜそうならな かったのか）」を説明することは可能 ブラックボックス • 内部構造は、人間が理解できる形式にはなっていない • 処理結果を見て、「なぜそうなったか（なぜそうならなかっ たのか）」を明確に説明できない（「説明可能なAI」で説明 可能性を上げようとはしているが限界がある） 未知の状況への 対応能力 未知の状況に対応できない • コーディングの条件分岐等で書いたとおりにしか動かない • 未知の状況は、If文のElseや、Try-CatchのCatchで対応して 終了させるが、考慮不足だとランタイムエラーで落ちる 未知の事象にも対応しようとする • 未知の条件であっても、学習パターンに基づき、類型パター ンとして対応しようとする • 正解を知らないのに対応するので、間違えることもある
- 12.
- 13.
- 14. 2. データ保護の問題 →機密データや個人データが知らないうちに流出する危険性がある。データの安全性を保証するベンダーのAI製品を使い、AI に渡すデータも吟味する必要があります（業務上は社内で利用が認められたツールしか使わない） 3. 品質に対する責任 →生成AIは学習データセットに含まれていない事象等に誤った判断（ハルシネーション）を行うことがあります。それで問題 が起きた場合は責任の所在が曖昧になるため、生成AIの結果を鵜呑みにせず、人間が妥当性を常に判断する必要があります 責任あるAI（ResponsibleAI） 14 • 生成AIは強力なツールで、強力であるがゆえに、重要なビジネスシーンに 活用する際は、倫理や規制、法的リスクを勘案した運用が重要になります • その対応の基本原則を定義したものが「責任あるAI（Responsible AI）」 です • AIを使ったITシステムの提供側が特に意識すべき内容も多いですが、 生成AIを日常業務で使うエンドユーザーである私たちが意識すべき観点も いくつかあります 1. バイアスの問題 →AIが学習しているデータは、「過去の主流派の常識」の影響が強く残る傾 向がある。そのため、価値観の変化やマイノリティへの配慮が十分でない判 断をAIがすることがある点を意識する 画像削除
- 15. 15 C o pi l o t • 生成AIの特徴を考えると、「Copilot（副操縦士）」という位置づけが最適です • 副操縦士とは、「航空機乗員のうちの最高責任者・管理者である機長の補佐・機長業務の代行などを行う乗 員」のことです（Wikipediaより） • つまり「機長（Pilot）の隣で機長の仕事をサポートをしてくれる頼もしい存在」と言えます • それと同時に「責任者はあくまで機長（生成AIを使うあなた）であり、副操縦士は責任を主たる立場で負う 存在ではない」という意味が含まれていると考える必要があります
- 16. 生成AIのプロンプトとトークン 16 • 生成AIは、「プロンプト」と呼ばれる自然言語の指示でタスクを実行させるものです • プロンプトは自分の指示だけでなく、その指示のコンテキスト（文脈、背景情報、補足情報）を含めることができ、 コンテキストを与えることで、より想定通りの処理を生成AIに実行させることができます •この自然言語のプロンプトは、生成AIに処理させる際に「トークン」と呼ばれる単位に分割されて処理されます • 生成AIを利用する際は、このトークンに関する制約を意識しないといけないことがあります 1. 従量課金の場合は、トークン数が課金対象となる（トークン数の多いリクエストほどお金がかかる） 2. 一度のリクエストで処理できるトークン数に制限がある（最上位モデルでも現在は本1冊程度のデータ量まで） • このトークンの制約があるため、 「生成AIの予測モデルは超大量のデータを学習して構築されているのに、予測モデ ルは一度に超大量のデータを処理するのには向かない」という特徴（実用上の制約）が現状はあります C h a t G P T i s g r e a t ! Prompt: C h a t G P T i s g r e a t ! Tokens: (6 tokens) (3 words, 15 characters w/o spaces)
- 17. 生成AIは過去のやり取りは覚えていない 17 • ChatGPTのような生成AIアプリケーションは触ったことがあるもの の、生成AIアプリケーションを開発したことがない人は勘違いしが ちなのですが、生成AIの予測モデルは過去のやり取りを覚えていな い「ステートレス」型です • それなのになぜChatGPTは過去のやり取りを覚えているかのように 見えるか、というと、質問するタイミングでアプリケーションが会 話履歴もコンテキストとして生成AIに毎回フィードしているからで す（その結果「ステートフル」に見えるのですが、それはアプリ ケーションがそういう風に実装しているからです） •ただし、会話が長くなると、会話履歴データ量が生成AIが処理でき る「トークン」の制約にぶつかります（過去のやりとりを毎回全部 再フィードできない限界に到達する） • そのため、必要に応じて履歴データをサマリーして圧縮します • しかし、このサマリーの過程で情報がどうしても欠落するため、 「長い会話で最初にだけ伝えた重要ポイント等を途中で忘れてし まったように見える」問題がよく発生します こんにちは。質問をどうぞ！ 次のサーバーメンテナンスのスケ ジュールを教えてください 次のサーバーメンテナンスは 2024年4月15日午前1時から 午前4時までです その間はサービスは全部利用できない のですか？ ほとんどのサービスはご利用 いただけませんが、今後の予 定の参照だけはできます このメンテナンスで何か機能変更の予 定はありますか？ サーバーの安定性とセキュリ ティの確保のためのメンテナ ンスで機能変更はありません わかりました。その次のメンテナンス はいつですか？ その次のメンテナンスは未定 です。詳しくはメンテナンス ページを確認ください 再送信する 会話履歴 ＜2024年4月15日の メンテナンスの話＞ ＜2024年4月15日の メンテナンスの話＞ ＜2024年4月15日の メンテナンスの 次のメンテナンスの話＞ ＜質問時点から見た 次のメンテナンスの話＞
- 18. 03 Typical UseCases
- 19. ①情報圧縮型 ②情報形式変換型 ③情報増幅型 イメージ 内容 与えられたデータから重要部分を抜き出し、 重要でないデータを切り捨てる 与えられたデータの情報量はそのままに、違っ た表現形式に変換を行う 与えられたデータを参考に新しいデータを付 け足して、元のデータより情報量を増やす 品質 安定性 △（依頼者から見た重要部分を見落とす ことがある） ◯（情報の取捨選択の自由度が少ない分、品 質は安定しやすい） ✕（依頼者の想定とは外れたり、ハルシネー ションが起こったりしやすい） 独創性△（依頼者が気付かなかった重要部分を 見つけ出すことがある） ✕（依頼者の想定を超えたアウトプットが生ま れる可能性が少ない） ◯（依頼者の想定にはない新たなインサイト を得られる可能性がある） プロンプト (含コンテキスト) アウト プット テキスト生成の用途 19 • 生成AIは、テキスト以外に画像や動画など多様なコンテンツを生成できますが、ここからは業務上もっとも多く利用す るであろうテキスト生成に話を限定します • テキスト生成と言うと、何もないところから何か新しいものを作るものをイメージしがちですが、元ネタ（プロンプ ト）の情報量に着目すると、大きく以下の三種類に分類できます（※独自分類です） プロンプト (含コンテキスト) アウトプット (情報量は同じ) プロンプト (含コンテキスト) アウトプット
- 20. 画像削除 ①情報圧縮型 20 • 情報圧縮型は、与えられた情報から重要部分を抜き出して、重要でない部分を切り捨てることで、情報を圧縮する用 途です • 人間が全部見て判断するにはデータ量が大き過ぎる時に、生成AIがその情報を間引き、人間が判断しないといけない データ量を減らすことで人間が助ける、というのがメリットを生む基本的なパターンです ■要約■評価 要約対象は、論文、レポートなどがありますが、議事録の要約とタス ク抽出などは利用機会の多い用途です 右はこの勉強会の議事録まと め（MS365 Copilotが自動作 成）です。3章に分けて話を した内容を、バランスよく抽 出してまとめています 録画動画を見たり、トランス クリプトを読まないと詳細は 分かりませんが、要約（会議 のまとめ）を見れば、話題が なにかは一瞬で把握できます 評価は、テキストの情報を分析し、評価軸の尺度に落とし込んで単純 化することです。感情分析や能力評価などで使うことができます 以下は小説の主人公（メロスと杜子春）のヒューマンスキルをMS Copilotに10段階評価してもらったものを、私がグラフ化したものです。 わかりやすいですが、用途によってはバイアスが気になります 0 2 4 6 8 10 ヒアリング力 ロジカルシンキング 説得・交渉力 リーダーシップ 向上心 メロス 杜子春
- 21. ②情報形式変換型 21 • 情報形式変換型は、与えられた情報量はそのままに、違った表現形式に変換を行うことで、新しい情報を生み出す用 途です • 情報の中身は全部揃っているのですが、そのままの表現形式では用を成さず、形式を変換しないと意味がない時に、 その変換作業を生成AIが代わりにやってくれて大幅な時短になる、というのがメリットを生む基本的なパターンです ■翻訳■コード変換 意味をまったく変えずに形式を変える代表例が翻訳です。日本語から 英語への翻訳、英語から日本語の翻訳は、完全とは言いませんが可逆 式の情報形式変換です コード生成は、ある言語で書かれたコードを別の言語に変換すること です。1ステートメント単位で変換するのであれば間違いは少ないで しょう（それでもテストは必須です） なお、言語間の仕様差がある（ある言語にあるメソッドが他の言語に ない、動的型付け言語を静的型付け言語に変換する、等）と、情報不 一致や情報不足で動かないというケースも多そうです The information format conversion type is used to generate new information by converting the given amount of information into a different expression format, while keeping the amount of information the same 情報形式変換型は、 与えられた情報量は そのままに、違った 表現形式に変換を行 うことで、新しい情 報を生み出す用途で す ※上記、英語翻訳したものは原文と情報量は変わりませんでした。さらに、再度 日本語に再翻訳したら、そちらの方がもっと分かりやすい日本語になっていました def quick_sort(arr): if len(arr) <= 1: return arr pivot = arr[len(arr) // 2] left = [x for x in arr if x < pivot] middle = [x for x in arr if x == pivot] right = [x for x in arr if x > pivot] function quickSort(arr) { if (arr.length <= 1) { return arr; } let pivot = arr[Math.floor(arr.length / 2)]; let left = arr.filter(x => x < pivot); GitHub CopilotでPythonの関数をJavaScriptの関数に変更を指示したもの
- 22. ③情報増幅型 22 • 情報増幅型は、与えられたデータを参考に新しいデータを付け足して、元のデータよりデータ量を増やす用途です • 人間が与えたデータに対して、生成AIが自分が学習したデータの範囲からもっともらしい情報を付け加えてくれるため、 一般的によくある情報を作成する手間が省けたり、依頼者が知らないベストプラクティスを発見できたりする、とい うのがメリットを生む基本的なパターンです ■ドラフト作成■アイデア出し 障害報告書のドラフト作成は、情報増幅型の典型例です。58文字指示 をするだけで、それらしい障害報告書のドラフトを作成してくれまし た アウトプットが自由すぎて、品質の担保はされていないものの、世界 中の公開情報で学習しているので、一人の人間の知識や発想では思い つかないような新しいアイデアを出すのは得意です。ブレーンストー ミングや自分の考えの壁打ち相手として使えます（ただし、最終的に 採用責任を負うのは常に利用者です）。 人間はゼロから何かを作るより、 叩き台を修正する方が作業を捗 りやすいこともあるので、ドラ フトがあると助かることもあり ます。 一方でこれは、生成AIが連想し て作成しただけで論拠がなく、 網羅性も担保されないので、こ のドラフトを頼りにしてしまう のは問題です（ハルシネーショ ンの問題が発生する） クラウドシステムの非機能要件として「信頼性」 「パフォーマンス効率」「セキュリティ」「オペ レーショナルエクセレンス」「コスト最適化」 「持続可能性」を考えました。足りないものはあ りますか？ あなたが挙げた非機能要件は、クラウドシステムの 設計と運用において非常に重要です。しかし、以下 の要素も考慮に入れると良いでしょう： 1. システムが他のシステムとや技術と適切に連携 できること（以下省略）
- 23. ①情報圧縮型 ②情報形式変換型 ③情報増幅型 イメージ 内容 与えられたデータから重要部分を抜き出し、 重要でないデータを切り捨てる 与えられたデータの情報量はそのままに、違っ た表現形式に変換を行う 与えられたデータを参考に新しいデータを付 け足して、元のデータより情報量を増やす 品質 安定性 △（依頼者から見た重要部分を生成AIが 見落とすことがある） ◯（情報の取捨選択の自由度が少ない分、品 質は安定しやすい） ✕（依頼者の想定とは外れたり、ハルシネー ションが起こったりしやすい） 独創性△（依頼者が気付かなかった重要部分を 生成AIが見つけ出すことがある） ✕（依頼者の想定を超えたアウトプットが生ま れる可能性が少ない） ◯（依頼者の想定にはない新たなインサイト を得られる可能性がある） プロンプト (含コンテキスト) アウト プット 業務ユースケースの見つけ方 23 • 以下の三種類は、一度の処理の中で組み合わせて使うこともできます（英語を日本語に翻訳してから、内容をサマリー して教えてもらう） • 皆さんの日々の業務の中で、情報を受け取って解釈したり、形式を変換したり、情報を新たに生み出したりする機会は 多い（むしろ情報処理こそが仕事である）と思いますので、そのような場面から業務ユースケースを探してください プロンプト (含コンテキスト) アウトプット プロンプト (含コンテキスト) アウトプット (情報量は同じ)
- 24. 04 What is PromptEngineering
- 25. プロンプトエンジニアリングとは 25 • 生成AIは、プロンプトと呼ばれる自然言語の指示によって、アウトプットを生成します • アウトプットは、目的に沿ったもの（質および関連性が高いもの）であることが望ましいです →生成AIを使っている限りは、アウトプットになんらかの期待値が存在するはずで、 その期待値が達成されて初めてアウトプットが役に立ちます •プロンプトエンジニアリングは、生成AIが目的とするアウトプットを生成するように ガイドするためのプロセスやテクニックです プロンプトエンジニアリングとは、生成 AIソリューションをガイドして、目的の出力を生成させるプロセスをいいま す。生成AIは人間を模倣しようとしますが、質および関連性の高い出力を生成するには詳細な指示が必要です。プロ ンプトエンジニアリングでは、AIがユーザーとより有意義にやり取りできるようガイドする、最も適切な形式、語句、 記号を選択します。 プロンプトエンジニアリングとは何ですか？ - AWS
- 26. なぜプロンプトエンジニアリングが必要なのか 26 • 生成AIの大規模言語モデル（LLM）は、大量のデータから学習 を行った結果、ここまでで学んできたように非常に多種多様な タスクに対応できる汎用性と柔軟性を獲得しました • 一方で、生成AIを使う時に実行するタスクは、同じ人であって も使うタイミングでまったく異なりますし、期待するアウト プットの期待値も毎回異なります •生成AIは汎用性が非常に高く、「なんでもできるため」に逆に アウトプットが利用者の想定とは違った方向に行ってしまう可 能性があります →「場合によっては間違いとも言えないが、ここで必要だった ものとはちょっと違う」というアウトプットが来る • そのため、プロンプトを通して、できるだけ明確にストライク ゾーンを示して誘導してあげることが重要です （「なんでもできる」ので「なにをするか」を具体的に示す）
- 27.
- 28. 実行して欲しいタスク（動詞）を明確に書く 28 • 何かのタスクを実行してもらいたい場合は、そのタスクを示す動詞（コマンド）を明確に書くことが重要 です。指定しない場合、「疑問形」は質問への回答、それ以外は感想やアドバイスが来ることが多いです お久しぶりです。 お久しぶりですね。何かお手伝いできること がありますか？ 「お久しぶりです。」を英語に翻訳してく ださい 「お久しぶりです。」は英語で "Longtime no see." と翻訳されます。他の表現としては "It's been a while." もよく使われます。どち らも久しぶりに会った人に対して使う表現で す。どちらを使っても大丈夫ですよ。 ＜実行して欲しいタスクを明確に書かない＞ ＜実行して欲しいタスクを明確に書く＞ 【生成AIに実行させるタスクの動詞（コマンド）の例】 翻訳する、提案する、要約する、評価する、分析する、説明する、回答する、改善する、計算する、検索する、 比較する、編集する、推敲する、整理する、変換する、予測する、計画する、応答する、等 ＃翻訳タスクを実行した ＃ただの挨拶として返答
- 29. 回答が不十分な場合は具体的な追加情報を与えて再試行する 29 • 人間が対話型で利用している限りは、一回目で正解を引き出すことは必ずしも必要ではありません。一回 目の回答が不十分になったポイントを考え、具体的な追加情報を与えて、違う結果を引き出してください 誕生日プレゼントのおすすめを教えてくだ さい 誕生日プレゼントの選び方は、その人の趣味や 好みによりますが、以下にいくつかの一般的な おすすめを挙げてみます： 1. 本や雑誌：その人が好きなジャンルや作家 の本、または興味のある分野の雑誌を選ぶ と喜ばれるでしょう。 2.美味しい食べ物や飲み物：高級チョコレー ト、お気に入りのコーヒー豆、地元の特産 品などは、普段自分ではなかなか手に入れ ないものだからこそ（以下略） 飼っているオス3歳の犬の誕生日プレゼント のおすすめを教えてください もちろん、お手伝いします！3歳のオスの 犬への誕生日プレゼントとして以下のアイ テムを考えてみてはいかがでしょうか： 1. 新しいおもちゃ：犬は新しいおもちゃ を見つけることが大好きです。特に、 噛むことができるおもちゃや、音が出 るおもちゃは喜ばれることが多いです。 2. グルーミング用品：ブラシや爪切りな どのグルーミング用品は、犬の健康と 快適さを維持するのに（以下略） ＜回答が思っていたものと違った＞ ＜再試行時は具体的な追加情報を与える＞ ＃人間向けではなく犬向けだとわかったので、 犬向けのプレゼントを提案してくれた ＃人間に対するプレゼントと想定し、趣味や好みに 関わらず大半の人間に喜ばれるものを提案した （しかしそれは質問者の想定するプレゼント相手とは違った）
- 30.
- 31. 回答のアウトプット形式を指定する 31 • 特定のアウトプット形式（箇条書き、表、JSON、YAML、XML等）が必要な時は、そのアウトプット形式 を指定すると、その形式で回答してくれる確率が上がります（二次利用が必要な時に便利です） John.Doe@kyndryl.comの氏名、メールアド レス、ロール名を教えてください。キンド リルのテナントに登録されている会社内の 公開情報の範囲です。 キンドリルのテナントに登録されている情報に 基づいて、氏名はJohn Doe、メールアドレスは John.Doe@kyndryl.com、ロール名はプロジェク ト管理のリードです。他にも何かお手伝いでき ることがございましたら、お知らせください。 John.Doe@kyndryl.comの氏名、メールアド レス、ロール名をJSON形式で教えてくださ い。キンドリルのテナントに登録されてい る会社内の公開情報の範囲です。 以下のJSON形式で、キンドリルのテナント に登録されているJohnDoeの公開情報をお 知らせします。 ＜形式を指定しないと文章として回答した＞ ＜指定した形式（JSON）で回答した＞ { "氏名": “John Doe", "メールアドレス": “John.Doe@kyndryl.com", "ロール名": "プロジェクト管理のリード" } ＃情報としては十分だが、文章の中に埋め込まれて いるので使い回しは面倒（抜き出して、変換が 必要となる） ＃JSONデータとしてフォーマットされており、 コピーしてそのまま使える
- 32. 回答の長さを指定する 32 • 生成AIは、バランスよく回答をするチューニングが施されているので、回答が冗長になりがちです。回答 の長さを指定することで簡潔に回答してくれる可能性が高まります（長く回答させることも可能です） ITエンジニアにとって重要なスキルを教えて ください ITエンジニアにとって重要なスキルは以下の通 りです： 1. プログラミングスキル：Python、Java、 C++などのプログラミング言語を理解し、 使用する能力は必須です。また、フロント エンド開発にはJavaScript、HTML、CSSな どの知識が必要です。 2.問題解決能力：複雑な問題を解決するため の論理的思考と分析能力は、エンジニアリ ングの基本です。(以下略、合計375文字) ITエンジニアにとって重要なスキルを100文 字程度で教えてください プログラミングスキル、問題解決能力、コ ミュニケーション能力、新技術への適応力、 プロジェクト管理能力がITエンジニアにとっ て重要なスキルです。これらは日々の業務で 必要とされます。(合計88文字) ＜回答の長さを指定せずに質問する＞ ＜回答の長さを指定して質問する＞ ＃スキルの詳細説明まで含まれているが 項目だけ知りたい場合には余計なこともある ＃スキルの項目しか回答されていないが 回答が早く表示され読む負荷も小さい
- 33. 回答として求めるレベル感を指定する 33 • 生成AIのアウトプットを自分で使うにせよ、他の誰か向けに転用するにせよ、回答のレベル感に想定があ るのであれば、指定すると使い勝手が向上します クラウドコンピューティングとはなんです か？ クラウドコンピューティングは、インターネッ トなどのコンピュータネットワークを経由して、 コンピュータ資源（サーバー、ストレージ、 ネットワーク、データベース、ソフトウェアな ど）をサービスの形で提供する利用形態を指し ます。これにより、企業は初期投資を最小限に 抑えることができ、システムリリースまでの リードタイムも短縮することができます。 クラウドコンピューティングの主な特徴は以下 の通りです： （以下略） クラウドコンピューティングとはなんです か？小学生の息子でも分かるように説明し てください。 もちろんです！クラウドコンピューティン グを小学生にも分かるように説明しますね。 あなたがお子さんにおもちゃを買ってあげ るとします。そのおもちゃは家に持って 帰って、お子さんが遊びたいときにいつで も遊べますよね。でも、そのおもちゃは場 所を取ったり、壊れたときには新しいもの を買わなければならなかったりします。 （以下略） ＜聞き手のレベル感を指定せずに質問する＞＜聞き手のレベル感を指定して質問する＞ ＃一般的な定義に基づく、簡潔で無駄のない回答 ただし、非IT業界の人にはこれでは伝わらない かもしれない ＃対象となる聞き手に合わせた卑近な例を使った オンプレミスの所有型との利用形態の違いは イメージしやすくなる例かもしれない
- 34. 生成AIに回答者の専門性や立場を指定する（ペルソナ設定） 34 • 生成AIは、一般的で多角的な観点から回答しようとします。しかし、回答者の専門性や立場を指定する （ペルソナ設定する）ことで、特定分野に限定されるものの深い知識を引き出す可能性が向上します 会社の売上高を上げる方法を教えてくださ い。 会社の売上高を上げるための一般的な方法は以 下の通りです： 1. 新しい顧客を獲得する：新しい市場を開拓 したり、新しい製品やサービスを開発した りすることで、新しい顧客を獲得します。 2.既存の顧客からの売上を増やす：既存の顧 客に対して、製品やサービスのアップセル （より高価な製品への販売）やクロスセル （関連製品の販売）を行います。 （以下略） あなたはハードウェア製品の発明家でハー ドウェア製品会社のCEOです。会社の売上 高を上げる方法を教えてください。 ハードウェア製品の発明家であり、ハード ウェア製品会社のCEOとして、売上高を上 げるためのいくつかの戦略を提案します： 1. 製品開発：市場のニーズを理解し、そ れに基づいて革新的な製品を開発しま す。これは、競争力のある製品を提供 し、市場での地位を確立するための基 本的なステップです。 2. 品質管理：製品の品質を確保し、顧客 満足度を高めることが重要です。（以 下略） ＜回答者の専門性や立場を指定しないで質問する＞ ＜回答者の専門性や立場を指定して質問する＞ ＃どの営利企業でもあてはまるような 一般的な回答 ＃製品の品質と顧客満足度など、製品であることを 意識して、より焦点を絞った回答になった
- 35. コンテキストを指定する 35 • コンテキスト（文脈、背景、制約、参考情報）を明記することで、知らない情報や細かい条件指定ができ ます。指示（コマンド）とコンテキストの区別が付くように「#」や「“」で区切るのがOpenAIの推奨です 生成AIについて説明してください 生成AI（Artificial Intelligence）は、人間が行 うような創造的なタスクを自動化するための 技術です。これには、文章の作成、画像の生 成、音楽の作曲などが含まれます。生成AIは、 大量のデータからパターンを学習し、その知 識を基に新しいコンテンツを生成します。 生成AIの一例としては、自然言語処理（NLP） の一部であるテキスト生成があります。これ は、ニュース記事、詩、物語、ソフトウェア のコードなど、あらゆる種類のテキストを生 成する能力を持っています。これは、GPT-3や GPT-4などのモデルによって可能になりました。 (以下略) #制約条件 ・文字数は100文字程度 ・カタカナ語は可能な範囲で避けて、漢字 か平仮名の同義語に置き換える ・語尾に「～だよ」など柔らかい表現を 使う #命令 生成AIについて説明してください 生成AIは、ユーザーの質問に答えたり、情報 を提供したりするための助けとなる存在だよ。 さまざまな情報を理解し、それを基に有益な 回答を生成する能力を持っているんだよ。そ れが生成AIの役割だよ。(94文字) ＜コンテキストを指定しないで指示する＞＜コンテキストとして制約条件を指定して指示する＞ ＃比較のためのコンテキストなしの例 ＃制約条件に従う形で命令（指示）を実行した ちなみに禁止する条件を指定する場合は、 代わりにどうしたらいいかを示すことが推奨
- 36. 回答例を示す（Few Shot Prompting） 36 同類の問題に模範解答の形式があるのであれば、それを正答例として与えることで、新しい問題の回答を正 答例と同じような形式に誘導できます #命令：以下の入力文の感情を分析してく ださい #入力文：もう十分後にはあの丸善が美術 の棚を中心として大爆発をするのだったら どんなにおもしろいだろう この文章は、興奮や期待の感情を表している可 能性があります。“もう十分後にはあの丸善が 美術の棚を中心として大爆発をするのだったら どんなにおもしろいだろう”という表現は、何 か新しいことが起こることへの期待感や興奮を 示していると解釈できます。しかし、感情の解 釈は主観的であり、文脈によりますので、これ は一つの解釈に過ぎません。他の文脈では、こ の文章が異なる感情を表現している可能性もあ ります。(以下略) #命令：以下の入力文の感情を分析してく ださい #入力文1：えたいの知れない不吉な(略) #回答1：NEGATIVE #入力文2：私はもう往来を軽やかな(略) #回答2：POSITIVE #入力文3：平常あんなに避けていた(略) #回答3：NEUTRAL #入力文4：もう十分後にはあの丸善が美 術の棚を中心として大爆発をするのだっ たらどんなにおもしろいだろう #回答4： #回答4：POSITIVE ＜正答例を示さずに指示する（ZeroShot）＞ ＜正答例を示して指示する（Few Shot）＞ ＃比較のための正答例なしの例 ＃正答例のパターンをその場で把握して、 そのパターンに合わせた形式で回答した ※上記分析対象は梶井基次郎の『檸檬』です
- 37. 推論ステップで推論力を向上させる（Chain-of-Thought） 37 生成AIは確率で次の文字を補完するので、論理が飛躍しがちです。推論ステップを明示的に指示したり、 「ステップバイステップで考えてみましょう」と伝えることで、品質が向上させる方法が過去は提唱されて いました。それ以降、LLM自体のモデル変更や性能調整もありましたので、現在の効果は不明です 私は市場に行って10個のリンゴを買いまし た。隣人に2つ、修理工に2つ渡しました。 それから5つのリンゴを買って1つ食べまし た。残りは何個ですか？ 11個のリンゴ 私は市場に行って10個のリンゴを買いまし た。隣人に2つ、修理工に2つ渡しました。 それから5つのリンゴを買って1つ食べまし た。残りは何個ですか？ステップバイス テップで考えてみましょう もちろんです、ステップバイステップで計 算してみましょう。 まず、市場で10個のリンゴを買いました。 次に、隣人に2個、修理工に2個のリンゴを 渡しました。これで、10 - 2- 2 = 6個のリ ンゴが残りました。 その後、さらに5個のリンゴを買いました。 これで、6 + 5 = 11個のリンゴがあります。 最後に、1個のリンゴを食べました。これ で、11 - 1 = 10個のリンゴが残りました。 したがって、最終的に10個のリンゴが残り ました。 ＜推論ステップを指示せずに質問する＞ ＜推論ステップを指示して質問する＞ ＃過去のLLMの回答例であり現在の回答とは異なる （2024年4月16日時点ではMicrosoft Copilotの GPT-4は「10個」と正解した） ＃正解。なお、この文句を 付け加えると結論に至る までの段階的な考察を 説明する傾向は見られる
- 38. ノード分割して相互評価させる（Tree-of-Thought） 38 生成AIは何にでもなれる特性を活かし、思考をノード分割して、それぞれの思考結果を推論過程で相互評価 させることで多角的観点で推論させる方法です。「三人寄れば文殊の知恵」を一人でやらせるイメージです。 あるいはエヴァンゲリオンのMAGIシステムみたいなものかもしれません 社員がAIスキルを身につけるにはどのよう にすればいいですか？ AIスキルを身につけるためには、以下のスキル と学習方法が推奨されています： 1. 数学：AIシステムはモデル、ツール、フ レームワーク、ロジックなど、数学的なト ピックで構成されています。特に、線形代 数、統計学、微分積分などの概念はAIキャ リアを始めるための重要なトピックです。 2. プログラミング言語：Python、Java、C++、 Julia、Rなどのプログラミング言語の知識 は、AI関連のタスクに必要です（以下略） #コンテキスト ・下記の質問に対して3人の異なる専門家が回答 していると想像してください。 ・すべての専門家は自分の考えを書き留め、それ をグループと共有します。 ・その後、すべての専門家は次のステップに進み ます。 ・任意の専門家が間違っていると気づいた場合、 その専門家はいつでも退出して別の専門家が参加 します。 ・上記ステップを3サイクル繰り返し、グループ の結論をまとめて提示してください #質問 社員がAIスキルを身につけるにはどのようにすれ ばいいですか？ ＜ノード分割させずに推論させる＞＜ノード分割して推論させる（ToT）＞ ＃比較のためのノード分割無しの例 （正解はないなのであくまで参考） #生成AIの回答はスペースの関係で省略するが、 コミュニティ参加など違う視点も回答に含まれた
- 39. 情報が足りない時は確認させる（Interviewer Approach） 39 • 生成AIに指示する時は具体的な情報を与えて指示した方がいいのですが、なんの情報を伝えると良いのか 分からないことがあります。その際は、情報不足の時にインタビューアーになるように生成AIを促します 誕生日プレゼントのおすすめを教えてくだ さい 誕生日プレゼントの選び方は、その人の趣味や 好みによりますが、以下にいくつかの一般的な おすすめを挙げてみます： 1.本や雑誌：その人が好きなジャンルや作家 の本、または興味のある分野の雑誌を選ぶ と喜ばれるでしょう。 2. 美味しい食べ物や飲み物：高級チョコレー ト、お気に入りのコーヒー豆、地元の特産 品などは、普段自分ではなかなか手に入れ ないものだからこそ（以下略） #前提条件 あなたは私の質問に対して最適な回答を行 うため、必要な情報が不足している場合は、 必要な情報を私にインタビュー形式で質問 した上で回答をしてください #質問 誕生日プレゼントのおすすめは何ですか？ 誕生日プレゼントのおすすめを提案するた めに、いくつかの詳細を教えていただけま すか？ 1. プレゼントを受け取る方の年齢は何歳で すか？ 2. プレゼントを受け取る方の性別は何です か？（以下略） ＜提供情報不足で質問している＞ ＜情報が足りない時はインタビューさせる＞ ＃利用者は質問に回答するだけで良い 生成AIは回答結果を受けて回答精度を向上させる ＃スライド29と同じ内容
- 40. 情報を与えて回答させる（Retrieval Augmented Generation） 40 •生成AIの学習データは、過去のある時点での限定的な学習データでしか回答しないので、最新の情報を知 らなかったり、ニッチな情報ほどハルシネーションが発生します。そこで、最新の関連情報をコンテキス トとして与えて回答精度を向上させるRetrieval Augmented Generation（RAG）という手法が使えます （以下は手動でやっていますが、システムが関連情報を自動で検索して補完する作りが一般的です） 大谷翔平の通訳は誰ですか 大谷翔平選手の通訳は水原一平（みずはら いっぺい）さんです。 主な経歴は以下の通りです。 1. 東京外国語大学英語専攻卒業後、ロサンゼル ス・エンゼルスに入団。 2. 2018年から大谷選手の専属通訳を務める。 3. 野球の知識が豊富で、大谷選手とコミュニ ケーションを取るのが上手いと定評がある。 （以下略） #関連情報 ``` ドジャース・大谷翔平投手が25日、水原 一平元通訳の解雇騒動を受け（中略）水原 氏に代わって通訳を務めたウィル・アイア トン通訳（以下略） ``` #質問 大谷翔平の通訳は誰ですか 大谷翔平選手の新しい通訳はウィル・アイア トン氏です。 主な経歴は以下の通りです。 - 東京生まれ - 10代の時にハワイに移住 - カリフォルニア州で野球選手（以下略） ＜自分の知識だけで回答させる＞ ＜関連情報をコンテキストとして与える＞ ＃関連情報を与えるとLLM自身が 知らない情報でも正確な回答ができる ※上記はClaude 3 Opusで実行した例 ＃LLM自身の知識だけで回答させると、最新情報を 反映していなかったり、自信満々に間違ったりする ※上記はClaude 3 Opusで実行した例
- 41. Microsoft Copilotで検索先を指定する 41 • MicrosoftCopilotは検索最適化されているので、自分の知識だけでなく検索で知識を補って回答します。 ただし、検索結果上位なだけで間違っていたり、非公式情報を参照したりすることがあります。検索先と して見るべき情報が決まっている場合は、検索対象を指定して範囲を縛る方法がとれます HTMLとCSSでは、どちらを覚えるとより稼 げますか？ HTMLとCSSは、ウェブ開発者やデザイナーが ウェブサイトを作成するために使用する2つの 主要なプログラミング言語です1。これらのスキ ルを持つプロフェッショナルの給与は、経験、 地域、具体的な職種などの要素により異なりま す2。（以下略） #前提条件 ・以下の参考ウェブページを参照し、質 問に回答してください ・以下の参考ウェブページに答えがない 場合は、「答えが見つかりませんでし た」と回答してください ・以下の参考ウェブページに記載がない 内容を回答した場合罰せられます #参考ウェブサイト https://developer.mozilla.org/ja/docs/Web /CSS（同様のURLを羅列） #質問 HTMLとCSSでは、どちらを覚えるとより 稼げますか？ 答えが見つかりませんでした（以下略） ＜検索先を指定しないで質問する＞ ＜検索先を指定して、それ以外を検索させない＞ ＃参考文献にない答えは回答しないので信頼性の薄い情報源を排除できる （ただし一般常識などは自己判断して検索しないで回答することも多い） ＃IndeedやDATATAS、PayScaleなど幅広い ウェブページを検索して回答してくれる （ただし出典の信頼性も確認が必要）
- 42.
- 43. 温度（Temperature）とは 43 • 生成AIは確率論で次の言葉を選択しますが、その確率論で言葉を選択する挙動を制御するパラメータが 温度（Temperature）です（OpenAIのChat Completionでは0から2の範囲。デフォルト値は1） •温度が0に近い（温度が低い）ほど、確率が最も高い結果を毎回採用しようとするので、保守的ですが安定 したアウトプットが出やすくなります • 温度が0より高くなる（温度が高くなる）ほど、確率が低い結果も採用しようとするので、予想外で人間の 発想を超えた結果を返す確率が高まります ←「クリエイティブ」は温度が高く、 「厳密」は温度が低い
- 44. なぜ温度が高いとクリエイティブなのか 44 • まったく新しいアイデアというのは、「これまで組み合わせたことのないものを新たに組み合わせるこ と」で生まれるものです（シュンペーターの『経済発展の理論』における「新結合」） • 一人の人間の知識・経験は限られますので、組み合わせの選択肢に限界があります。新しい組み合わせを 見つけるためには、違う知識・経験を持っている他人とブレーンストーミングすることなどが重要です •最近の企業経営でダイバーシティが推進されているのは、既存の従業員とは違った知識・経験を持った人 間を採用して、新しい組み合わせが生まれる確率を上げること、が主要な理由の一つです （チャールズ・オライリー『両利きの経営』における「知の探索」） 知の探索 （新しい知を見つける） 知の深化（知っていることを有効活用） • 生成AIで温度を高くすると、試したことのない組み合わせに なりやすくなります（＝クリエイティブ）。一方、答えが 決まっているものは温度が低い方（＝厳密）が最適です • 生成AIは利用者の知らないような幅広い知識を学習している ので、新しい知の発見につながります。アイデア出しなど では「クリエイティブ」を使ってみるのも良いと思います （思いがけない面白い発想が生まれるかもしれません） 知の探索と知の深化の両方の バランスが重要（両利きの経営） 結果の安定性や効率性を重視しすぎると 知の深化に偏りイノベーションが起きない （成功した大企業の「成功の罠」）
- 45. 07 How tofind Tips on GenAI
- 46.
- 47. 商業出版書籍やe-Learningを活用する 47 • 生成AIで一番メジャーな「ChatGPT」に関する商業出版書籍は数多く出版されているので、中身がどうか は分かりませんが、手にとってみてもいいかもしれません。また、IBM（Cognitive Class）やPMIなど、大 手企業や団体が無料で生成AIe-Learningコースを提供しているのでそれらも活用できます <Amazon.co.jp「ChatGPT検索」> <PMIのPM向け生成AI概要のe-Learning> （PM向けPrompt Engineering Guideも提供）
- 48. ウェブ検索やSNS検索は「プロ驚き屋」に注意 48 • ネットにおけるアフィリエイトやインフルエンサービジネスの影響などがありますが、最近「プロ驚き屋」という人が 増えています。特に生成AI関連の情報では、かなりの頻度でプロ驚き屋に遭遇します SNSでChatGPTなどの最先端ツールやテクノロジーを、神・最強・ヤバすぎ、のような誇張表現を使って興奮気味に紹介し、時 折それを自分にとって都合の良いように選んだ２、３個の成功例に基づいて、妄想や行き過ぎた主張を交えながら行う人 「プロ驚き屋」の意味と英訳（2023年 新語ネットスラング） •プロ驚き屋には、OpenAIのプレスリリース等を無批判に受け入れて興奮している種類の人と、可能性と制約は分かって いるもののインプレッション稼ぎであえて誇張表現をしている種類の人、の2種類がいると思います • ウェブ検索やSNS検索をすると「神」「最強」「ヤバすぎ」「全人類必須」「使わないのはバカ」など強い言葉で表現 している人が多く見つかりますが、そういう人は「プロ驚き屋」だと思って、表現やその人の下した評価はあまり気に しない方がいいです（中身を見て、紹介している機能が使えるかどうかは、他人の評価ではなく自分で評価する） • 個人的な感触では、業務用途になりそうな候補が100個あって、実際に生成AIを使い続けるのは2～3個くらいだと思い ます（人によってその2～3個の中身は異なる）。ただし、その2～3個をいったん見つけて生成AIを使いこなせるように なると、「生成AIが無い時代にはもう戻れない」くらいのインパクトはあって、世間に普及していくテクノロジーだと 思います
- 49.