Generative AI Study Group 明星大学経営学部招聘講演資料

1. 生成系AIと
ChatGPT講座
Kunihiro Sugiyama
Generative AI Study Group

2. Introduction

3. Agenda

4. Introduction
• Topics
• 生成系AIとビジネス
• 生成系AIとはChatGPTとはなにものなのか
• 新しいAIパラダイムがもたらすインパクト
• 教員向けChatGPT講座
• 吉田先生ご作成資料より抜粋してご紹介

5. 生成系AIとビジネス

6. 生成系AIとは

7. 生成系AIと従来型AIの違い
1 入力データ
生成系AIは、データ自体か
ら新しい情報を作成できま
す。一方従来型AIは、プロ
グラミング段階で作成され
たルールに基づいて、デー
タを解析・分類できます。
2 応用範囲
生成系AIは、新しいデータ
を創造するのに有用です。
一方、従来型AIは、分類、
予測、意思決定、音声認識
などの特化したタスクに対
して性能を発揮します。

8. "Attention Is All You Need"革命
Transformerは、2017年にGoogle AIによって開発されたDeep
Learningモデルです。
Transformerは、Attentionと呼ばれるメカニズムを使用して、テキ
ストの長距離依存関係を学習することができます。Attentionとは、
テキストの特定の部分に注目して、その部分の情報を他の部分に
伝達するメカニズムです。Transformerは、このAttentionメカニズ
ムを活用することで、機械翻訳やテキスト要約などの自然言語処
理タスクで優れた性能を発揮しています。
Transformerはそれまでの自然言語処理モデルである
RNN(Recurrent Neural Network)と比較して、以下のメリットがあ
ります。
- 長距離依存関係を学習できる
- 並列処理が可能
- 学習速度が速い
これらのメリットにより、Transformerは、機械翻訳やテキスト要
約などの自然言語処理タスクで、RNNを大きく上回る性能を発揮
しています。
さらに、Transformerの特性、つまりデータをシーケンスとして扱
う能力は、テキストだけでなく、画像生成タスクを含む他のAIア
プリケーションに対しても有用です。
出典]
https://arxiv.org/pdf/1706.03762.pdf

9. Large Language Model
GPT-3 (GPT: Generative Pre-trained Transformer, Brown et al. 2020)
出典] https://drive.google.com/file/d/1I09n8EK1Z_T0tOEI_891OoWkaRaaXaOT

10. ChatGPT
出典]
https://argilla.io/blog/argilla-for-llms/

11. Text generation の仕組み
出典] https://towardsdatascience.com/decoding-strategies-in-large-language-models-9733a8f70539

12. ChatGPTのCapability
• ChatGPTとの対話は大まかに以下に分類されることを念頭におく。
• 操作
"要約" "補完" "換言" "抽出" など入力テキストに対しての操作要求と結果応答を期待する。
"~~~ を英訳してください。" "~~~ の文章を要約してください。"
• 創作
ChatGPTに対して、何らかの文章による創作を要求し応答を期待する。
"~~~についての詩を作成してみてください。"
• 知識
ChatGPTが備えている知識に対して問い合わせを行い応答を期待する。
"新型コロナウイルスの特性について教えてください。"
Reference: https://gist.github.com/yoavg/6bff0fecd65950898eba1bb321cfbd81
出典]
https://www.docswell.com/s/KunihiroSugiyama/Z383P8-2023-06-21-132820

13. ChatGPTのCapability
• ChatGPTを直接的に検索用データベースとして期待することは良いアプローチと
は言えない。
• ChatGPTを検索ツールと捉えることは、「知識」と「創作」が組み合わされてしまう可能性が
ある。
• つまり、出力結果に「知識」では補えない部分に「創作」が混ざる。
• 特にユーザが意図しない、ChatGPTが行う「創作」は「ハルシネーション」と呼ばれる。
• 結果、出力に関連するドメインに対して前提知識がないとLLMがハルシネーションしているか
そうではないのかの判断がつかない。
• 検索的に使いたいのであれば、それ相応の手間をかける必要がある。
• 一般的な検索というのであればBingで十分。
出典]
https://www.docswell.com/s/KunihiroSugiyama/Z383P8-2023-06-21-132820

14. ChatGPTの歴史
出典] https://drive.google.com/file/d/1I09n8EK1Z_T0tOEI_891OoWkaRaaXaOT

15. ChatGPTの歴史
• 3月23日
• Third party plugin release.
• 5月18日
• iOS App release.
• 6月13日
• Function calling release.
• 7月6日
• All paying customers have access to GPT-4
• Code Interpreter too.

16. 出典]
https://prtimes.jp/main/html/rd/p/000000023.000056016.html

17. 生成系AIの未来展望
いずれこの新AIは全てのユーザインタフェースエンドポイントとなり
"In-Out Multimodality"
"Full-auto workflow"
"Infinite functinal capability"
の実現が予想されます。
これにより、新AIが我々の社会と生活に深く浸透しその全てが大きく変
わるでしょう。

18. Information https://docs.google.com/spreadsheets/d/1bjJfAhfEvNMSuxAszCiSo0qdE89sp86ooAyBdRVuDO0/edit?usp=sharing

19. 生成系AIとビジネス

20. 生成型AIとビジネス
経営者の能力の代替
やり手経営者（もしくは経営
陣）に内在し暗黙知化されて
いる、所謂経営者の「感」や
「洞察力」、総称すれば「経
営手腕」を代替えし完全に支
援する*AIが登場する。
依存とその問題性
経営判断の多くを（サービス
化された）AIに依存すると、
企業の意思決定や方針が均質
化しうる可能性がある。
これは抜きん出た競争力を所
謂「経営手腕」に求めること
が難しくなる。
データセントライズ
AIの経営判断支援の質はデー
タにより決定づけられ、その
量と質が、競争力の源泉とし
て益々重要になる。つまり
データの扱いそのものが競争
力の源泉と力の源泉となる。
セキュアな導入と運用
技術およびオペレーションの
失敗、データセキュリティ、
規制変更、等のリスクを最小
化するため**SAIFのようなフ
レームワークの適用を検討。
** https://blog.google/technology/safety-security/introducing-googles-secure-ai-framework/
*https://ieeexplore.ieee.org/document/9765153/authors#authors

21. 生成型AIとビジネス教育
1
新しい時代の経営
AIを理解し、経営に有効に統合できる人材
の教育
2
AIの活用とデータ駆動
データ駆動型経営を支えるデータセントラ
イズを指向する人材の教育
3
競争力の再定義
AIの進化に伴い、競争力の再定義を行い新
時代に飛躍する組織経営を模索する教育
4
AI倫理の教育
AIに関わる、プライバシー、バイアス、透
明性など、多くの倫理的問題に適切に対処
するための教育

22. 教員向けChatGPT講座
~ 東京大学大学院工学系研究科 准教授吉田塁先生作成資料より抜粋 ~

23. 出典] https://drive.google.com/file/d/1I09n8EK1Z_T0tOEI_891OoWkaRaaXaOT

25. EOF
https://www.linkedin.com/in/kunihiro-sugiyama-49b0372a
https://www.ai-tech-c.jp/generative-ai-study-group-gasg/