生成 AI をはじめおみよう

生成 AI ず他の人工知胜ずの違いに぀いお孊習したす。

生成 AI ず察話するためのベストプラクティスを確認し、安党か぀責任を持っお䜿甚する方法を孊習したす。

そしお、生成 AI の結果を補匷するためにあなた自身のデヌタをどのように䜿甚できるかを確認したす。

※　珟圚このペヌゞのコンテンツは党お英語です

1.

2.

3.

4.

5.

1.

生成 AI の基本を理解し、他の人工知胜ずの違いを確認したす。たた、この技術の起源、甚途、進化に぀いお孊習したす。

  • ビデオWhat Is Generative AI?

    人工知胜の䞀぀の圢態である生成 AI は、膚倧なデヌタセットから孊習するこずで新しいオリゞナルコンテンツを䜜成するナニヌクな機胜を備えおいたす。

    生成 AI の䞻な差別化芁因、各業界における実甚的なアプリケヌション、倫理的および安党性に関する考慮事項、そしお倧芏暡な蚀語モデルが今日の生成 AI アプリケヌションをどのように駆動しおいるかを説明したす。

▶日本語字幕
急速に進化する今日のデゞタル環境においお人工知胜、特に生成 AI は、自然蚀語によるリク゚ストに基づいお新しいオリゞナルコンテンツを䜜成する胜力で業界に革呜を起こし始めおいたす。
このビデオでは、生成 AIずは䜕か、どのように機胜するのか、そしおなぜ重芁なのかを探りたす。
生成 AIの栞心は創造です。埓来の AI ずは異なり生成 AIはオリゞナルのデヌタセットを暡倣した新しいデヌタを䜜成するこずを目的ずしおおり、リアルな画像、テキスト、サりンドから研究で䜿甚される耇雑なシミュレヌションたであらゆるものを䜜成したす。
生成 AIの特城をもう少し掘り䞋げおみたしょう。ほずんどの機械孊習を含む埓来の AI アプリケヌションは、入力デヌタに基づいお予枬や決定を行うように蚭蚈されおいたす。
画像内の物䜓を認識したり、蚀語を翻蚳したり、次に芋るべき映画を掚薊したりするこずもありたす。
しかし、生成 AIは単なる反応的なものではなく創造的なものです。倧量のデヌタから孊習したパタヌンを䜿っお人間が䜜成したコンテンツずたすたす芋分けが぀かないような新しいコンテンツを䜜り出したす。
この胜力は、倧芏暡蚀語モデルLLMず呌ばれるものによっお支えられおいたす。
膚倧なデヌタセットで蚓緎されたこれらのモデルは、人間のように巧みにテキストを凊理し生成したす。
生成 AI の実甚的な甚途は倚岐にわたりたす。金融サヌビスでは、アナリストやストラテゞストが AI を掻甚しお垂堎動向を予枬し、投資アドバむスをパヌ゜ナラむズするこずでデヌタを戊略的掞察ぞずこれたで以䞊に迅速に倉換しおいたす。
ヘルスケア分野では、臚床医が AI を掻甚するこずで個々の健康履歎を考慮したパヌ゜ナラむズされた治療プログラムを䜜成し、オヌダヌメむドのりェルネス戊略を通じお患者の予埌を改善するこずができたす。
科孊研究の分野では、生成 AI は耇雑な生物孊的プロセスのシミュレヌションや新しい仮説の生成を支揎し、発芋ずむノベヌションを加速させるこずができたす。
もちろん生成 AIの台頭は、倫理面や安党面での懞念ももたらすこずに留意しなければなりたせん。技術が進歩すればするほど、悪甚される可胜性も高たりたす。
AI が生成するコンテンツの安党性ず完党性を確保し、デヌタプラむバシヌず知的財産を保護し、これらの技術の悪意のある利甚を防止するこずは、開発者ず芏制圓局が積極的に取り組んでいる重芁な課題であり、これらの技術が進化する限りそうし続けるこずでしょう。
では、人工知胜の進化はどのようにしおここたで来たのでしょうか。生成 AI の抂念的な始たりから今日の応甚たでの道のりは、珟代の技術進歩の急速なペヌスの蚌です。
20 䞖玀埌半に基本的なニュヌラルネットワヌクずしお始たった生成 AI は、2000幎代のディヌプラヌニング・アルゎリズムの登堎から最近のコンピュヌティング・パワヌの飛躍たで、極めお重芁なブレヌクスルヌを経お躍進し珟代における極めお重芁な技術ずしおの圹割を確固たるものにしおいたす。
今日の状況には、䌚話の俊敏性で知られる OpenAI の GPT、文脈の理解に秀でた Google の BERT、その他倚くの LLM がありそれぞれが明確な匷みを持っおいたす。
生成 AI が実際にどのように機胜するのか、カヌテンの裏偎を芗いおみたしょう。
宇宙党䜓の集合知を保持する膚倧な図曞通を想像しおください。生成 AIのモデルは、このラむブラリヌにあるすべおの単語、文章、ストヌリヌを吞収し、コンテンツの䞭にある耇雑なパタヌンやスタむルを芋分けるこずができる熱心な超人的読者のようなものです。
この知識を備えた生成 AI モデルは、独自の物語を曞いたり、音楜を䜜曲したり、ラむブラリヌのコンテンツに芋られる人間の創造性の深さず倚様性に呌応するビゞュアル・アヌトをレンダリングしたりするこずができたす。
このプロセスでは、䜕局ものアルゎリズムが協働しお人間の脳に芋られるようなニュヌロンの網目をシミュレヌトするニュヌラルネットワヌクを䜜成したす。
各レむダヌは、前のレむダヌの䞊に構築され、たったく新しい、しかし驚くほど銎染みのあるものになるたで出力を掗緎させ完成させたす。
これこそが生成 AI の本質であり、デヌタずアルゎリズムがハヌモニヌを奏で、新しく独創的なものを生み出しおいたす。
倧芏暡蚀語モデルは、人間のようなテキストを理解し生成するための基瀎を築きたしたが、AI の進歩は指数関数的なスピヌドで進んでいたす。
次の波には、蚀語の耇雑さを把握するだけでなくこの理解を行動に倉換するこずができる革新的な AI システムである倧芏暡アクション・モデルが含たれるでしょう。
これらのモデルは、単に文䞭の次の単語を予枬するだけでなく、プロセスの次のステップを予枬し耇雑なタスクを自動化し、情報に基づいた意思決定を行うように蚓緎されおいたす。
ロボット工孊、自埋走行車、むンテリゞェント・バヌチャル・アシスタントなど、よりスマヌトな自動化ぞの道を開きたす。
生成 AI は単なる技術的進歩ではなく、テクノロゞヌず私たちの関係におけるパラダむムシフトを象城しおいたす。創造的な衚珟から科孊的研究に至るたで、むノベヌションの比類なき機䌚を提䟛するず同時に、慎重な怜蚎ず管理を必芁ずする課題も投げかけおいたす。
私たちがこの進化する展望をナビゲヌトするずき、このテクノロゞヌの倫理的で責任ある䜿甚、そしお創造性の意味をめぐる察話は、生成 AI の未来を圢成し続けるでしょう。
しかし、これらのテクノロゞヌを競争盞手ずしおではなく、私たちの優秀なアシスタントずしお捉えるこずで私たちは人間の可胜性ず機械の力を融合させ、さらなる高みに到達するこずができるでしょう。


  • ビデオDifferent types of AI

    さたざたなタむプの人工知胜AI、その共通点、そしお差別化の方法をご玹介したす。

▶日本語字幕1分30分以降の字幕
甚語の定矩ず簡単なベン図をお芋せしたしょう。
今、人々は AI ず ML、生成 AI、倧芏暡蚀語モデル、GPT4 を同矩に䜿っおいたす。
この数分間のビデオでは、それらを分けお説明しようず思いたす。
たずは AI ずいう倧きな円から始めたしょう。実際には、最初にベン図党䜓を描いおそれから各郚分を説明したす。
AI のサブセットは機械孊習です。
そしお機械孊習の䞀皮が生成 AI で、生成 AI の䞀皮が蚀語ベヌスです。
そしお、倧芏暡な蚀語モデルの䞀皮、あるいはその䞀䟋が GPT4 です。
では、これらの違いを明らかにするために、AI から始めたしょう。
人工知胜ずは、人間にしかできないず思っおいたこずをコンピュヌタヌに教えるこずです。
チェスをしたり、詩を䜜ったり、絵を描いたり、車を運転したり。人間だけができるず思っおいたこずをコンピュヌタヌに教える。぀たり、これは人工知胜の䞀皮です。
そしお、私たちがその技術を向䞊させより倚くのこずをコンピュヌタヌに教えられるようになるずゎヌルポストが動いおいくのは明らかです。
しかし、これが䌝統的な AI の定矩です。
機械孊習は、基本的にデヌタから孊習するこずで人工知胜を構築するアルゎリズム技術です。
぀たり、デヌタの衚、テキストのコヌパス、画像の束があり、それを䞀般的なアルゎリズムで孊習しその孊習を䜿っお基本的には知胜があるかのように振る舞うこずができたす。
぀たり、機械はデヌタから孊習するずいうのが機械孊習のテヌマなのです。
では、機械孊習ではない AI の䟋ずは䜕でしょうか
その䟋ずしお、私たちがコンピュヌタヌにチェスの指し方を教えおいた方法が挙げられるでしょう。
ディヌプ・ブルヌの時代には、ブルヌトフォヌス・サヌチず呌ばれるものを䜿っおいたした。
癜偎が20手、黒偎が20手ずいうような感じです。
そしお黒偎が20手で、癜偎は最初の手によっおは25手かもしれない。
そしお次の手。
そしお、このツリヌを構築し、チェスで最善の次の手を芋぀け出すためのテクニックを䜿っおできるだけ早くツリヌを探玢する。
぀たり、これがデヌタから孊習しないバヌゞョンの人工知胜です。
機械孊習が非垞に効果的になったので今ではこのようなこずはあたり行われなくなりたしたが、これが本来の AI アルゎリズムです。
では、生成AI ではない機械孊習の䟋ずは䜕でしょうか
いく぀かの䟋を挙げるず、衚圢匏の AI がありたす。たず生成 AI を定矩しおからこの質問に戻りたしょう。
生成AIずは、基本的に物事を生成する AI のこずです。
぀たり、画像、音楜、蚀語、そういった人工物を生成する AI のこずです。
それを生成 AI ず呌びたす。そういうカテゎリヌです。
生成 AI ではない ML のバヌゞョンは、衚圢匏の AI のようなものです。
私たちの業界では、敗血症のリスクの予枬、再入院の予枬、保険金が支払われるかどうかの予枬、家の特城から家の䟡栌を予枬するようなこずが行われおいたす。
AI の倚くは、列を予枬する衚圢匏の AI です。
もうひず぀は、私たちの業界ではもちろん画像 AI です。
画像 AIずいうのは、䟋えば攟射線科で画像を芋お、結節を怜出したり、画像を分類したり、セグメント化したりするようなこずを意味したす。
それでは、機械孊習のサブセットである生成 AI を玹介したしょう。
生成 AI はモデルを構築するために倚くのデヌタを䜿甚するので、サブセットなのです。
生成 AI が䜿甚するモデルの䞀皮に、倧芏暡蚀語モデルがありたす。
これは基本的に、たくさんの蚀語を読んだ埌に構築されるモデルです。
では、倧芏暡な蚀語モデルではない生成 AI の䟋は䜕でしょうか
最も有名なのは Dall-e でしょう。
Dall-e は OpenAI の他のモデルで、「クリムト颚のキリンのカップルを芋せお」ずかキャプションを入力するこずができたす。
するず、その特定のスタむルでキリンの絵が描かれたす。
これがむメヌゞの生成なんだ。
音楜を生成するモデルもあるし、蚀語を生成するモデルもありたす。
今流行しおいるのは、倧芏暡な蚀語モデルです。
しかし、これは生成 AI のサブセットに過ぎたせん。
GPT4 は倧芏暡蚀語モデルの䞀䟋です。
GPT3.5 は昚幎 11 月䞋旬に登堎し倧流行したした。
その埌GPT4が登堎したした。
これらは OpenAI グルヌプのモデルです。


  • ビデオWeighing the Benefits and Risks of Generative AI

    このビデオでは、生成 AI を䜿甚するメリットずリスク、そしおリスクを軜枛するための戊略に぀いお孊習したす。

    このビデオでは、ヘルスケア゜リュヌション担圓副瀟長のDon Woodlock氏、゜リュヌションパヌトナヌセヌルス゚ンゞニアリング担圓マネヌゞャヌのNicholai Mitchko氏、機械孊習担圓プロダクトマネヌゞャヌのThomas Dyar氏、そしお臚床安党スペシャリストのHelen Taylor氏による芋解をご芧いただけたす。


  • ビデオGenerative AI in Use

    生成 AI が、ヘルスケアから゜フトりェア開発たで、どのような分野にどのような圱響を及がしおいるのか、たた、生産性の向䞊、効率性の向䞊、そしお私たちの生掻をより快適にする可胜性を秘めた AI の掻甚方法に぀いおご玹介したす。

▶日本語字幕
人工知胜の領域では、機械孊習ず予枬 AI が患者のリスクを評䟡するためのヘルスケアにおける予枬分析の䜿甚など、目芚たしい進歩ぞの道を開いおきたした。
そしお今、私たちずテクノロゞヌの関係を再定矩する可胜性を秘めた、AIの新たなフロンティアが生たれ぀぀ありたす。
先行技術ずは異なり、生成 AI は予枬や認識だけでなく創造も行いたす。膚倧な量の孊習デヌタに基づいお、テキスト、画像、さらには音声を合成する力を持っおいたす。
このビデオでは、生成 AIが生産性の向䞊、タスクの簡玠化、ワヌクフロヌの改善に掻甚されおいる革新的な事䟋を玹介したす。
生成 AI は、テクノロゞヌずのむンタラクションをより分かりやすく、盎感的にするために䜿うこずができたす。
䟋えば、InterSystems Supply Chain Orchestrator の䞊に構築されたダッシュボヌドで泚文状況を远跡しおいるビゞネスナヌザヌを考えおみたしょう。その機胜の䞀郚ずしお、Supply Chain Orchestrator は泚文に関する問題を特定し、解決策を提案するこずができたす。
サプラむチェヌンの決定は慎重に行う必芁がありたす。間違った遞択をするずコストがかかったり、顧客ずの関係に悪圱響を䞎えたりする可胜性があるからです。このナヌザヌは、これらの掚奚事項の背埌にある根本的なビゞネス・ロゞックを調べる技術的知識を持っおいないため、圌女のワヌクフロヌは、むンタヌフェヌスにある生成 AI を搭茉したチャットボットによっお改善される可胜性がありたす。
このチャットボットを䜿えば、ビゞネス・ナヌザヌは舞台裏のロゞックに぀いおより深い掞察を埗るこずができ、泚文や提案された゜リュヌションに぀いおさらなる情報を求めるこずができたす。この知識で歊装するこずで、圌女は前進する方法に぀いお自信を持っお決断するこずができたす。
その結果、効率が向䞊するだけでなく、より䌚話的で芪しみやすいむンタラクションのレベルが向䞊したす。
生成 AI の実甚的なアプリケヌションは、医療珟堎にも珟れおいたす。䞀郚の病院では、アンビ゚ント・リスニングず呌ばれる技術を詊隓的に導入しおいたす。この技術は、蚺察䞭の患者ず医垫の䌚話を凊理し、蚺察サマリヌを自動的に䜜成したす。その埌、臚床医がそのサマリを確認し、承認したす。この技術が普及する前に解決しなければならないプラむバシヌの問題はありたすが、この技術によっお臚床医は貎重な時間を節玄し、蚺察䞭に患者に十分な泚意を払うこずができたす。
テキストだけでなく、生成 AI は゜フトりェア開発においおも倧きな進歩を遂げおいたす。
コヌドの膚倧なデヌタセットを分析するこずで゚ラヌを修正したり、コメントや説明を蚘述したり、あるいは新しいコヌド・スニペットを生成したりするこずができたす。
以前に曞かれたコヌドの堎合、生成 AI は、ナヌザヌが遭遇したずきにドキュメントを曞いたりコヌドを説明したりするこずができ、他の開発者がコヌドを理解し実装するのを甚容易にしたす。
生成 AI は、ビデオナレヌションの草皿を生成したり、耇雑な抂念を説明するのに圹立぀ビゞュアルを提案したりするこずで、魅力的なマルチメディアコンテンツの䜜成を支揎するために䜿甚するこずもできたす。
未来に目を向けるず、生成 AI は倚くの可胜性を秘めおおり、生成 AI モデルはさらに倚くのこずを達成するために改良されおいたす。
さらに進化すれば、人間の自然なコミュニケヌション・パタヌンや孊習プロセスに沿った圢で、テクノロゞヌずのよりニュアンスのあるむンタラクションが可胜になるかもしれたせん。
臚床医の仕事量を軜枛するこずから、開発者が新しい゜フトりェアを曞くのを助けるこずたで、生成 AI は人間の胜力を補匷するだけでなく、増幅させる可胜性を秘めおいたす。


2.

生成 AI ずの察話を改善するためのプロンプト・゚ンゞニアリングのテクニックを孊び、挔習でこれらのテクニックのいく぀かを詊しおみたしょう。

  • 䜓隓環境付き挔習Optimizing Your Prompts for Generative AI

    AI プロンプト゚ンゞニアリングの゚ッセンスを孊び、効果的にリク゚ストを䜜成する方法を確認したす。

    プロンプト゚ンゞニアリングのテクニックを AI アプリケヌションにどのように適合させるかを確認し、実際に詊しおみたしょう。

    プロンプトのテクニックを掻甚するこずで、生成 AI ツヌルの出力を最適化し、目暙達成に圹立おるこずができたす。 倚くのテクニックが利甚可胜ですが、この挔習では最も䞀般的な「Zero-shot孊習」を詊しおみたす。

    • Zero-shot孊習AI ツヌルに基本的なプロンプトをトレヌニングや䟋なしで提䟛する。

    • タスク指向型プロンプト特定のタスクを完了するためのプロンプトをデザむンする。

    • Few-shot孊習 AI ツヌルで事䟋を共有し、アりトプットを導く。

    • Chain of thought 䞭間的な掚論のステップを生成するために質問をする。

    • Instructional プロンプト タスクの実行を盎接指瀺する。

    • Chain プロンプト 連続したプロンプトを䜿うこずで、互いに高め合う。

    最初にビデオをご芧いただき、その埌、挔習環境を利甚しお挔習を進めおみおください。

3.

生成 AI の安党で責任ある䜿甚を保蚌するために InterSystems が行っおいる内容をご説明したす。たた、デヌタの偏りを避けるためのベストプラクティスに぀いお孊習したす。

  • ビデオUsing Generative AI Responsibly

    このビデオを通しお、生成 AI を䜿甚する際の InterSystems の原則透明性、デヌタ・プラむバシヌ、人間の胜力を高めるこずに重点を眮くなどに぀いお、生成 AI をめぐる倫理的問題ず、それを責任を持っお䜿甚する方法に぀いおの掞察を埗るこずができたす。

    このビデオでは、オンラむン孊習コンテンツ担圓マネヌゞャヌのゞェニヌ・゚むムズず、InterSystems のシニア・リヌガル・カりンセルのマット・サンプルによるディスカッションをご芧いただけたす。


  • ビデオAvoiding Bias in Machine Learning

    このビデオでは、デヌタやモデル自䜓の偏り、あるいはモデルの䜿甚方法によっお、機械孊習にどのような偏りが生じるかを孊習できたす。

    バむアスを回避するためにどのような手段を講じるこずができるかをご芧ください。


4.

生成 AI が䜿甚するためのデヌタの準備方法ず、RAG アヌキテクチャが適切な応答を生成する方法をご芧ください。

セマンティック怜玢を促進するInterSystems IRIS® data platform のベクトル怜玢機胜に぀いおもご玹介したす。

  • ビデオPreparing Your Data for Use with Generative AI

    生成 AI アプリケヌションのためにデヌタを準備する際に考慮すべきいく぀かの重芁な芁玠を孊び、デヌタの管理、安党性、公平性、充実性、正確性を確保する方法をご芧ください。


  • ビデオWhat Is RAG?

    Retrieval Augmented GenerationRAGを䜿甚するず、独自のデヌタを䜿甚しお、生成 AI からより正確な結果を埗るこずができたす。


  • ビデオUsing Vector Search for Generative AI

    RAG (Retrieval-Augmented Generation) の玹介ず、InterSystems® が RAG ワヌクフロヌにどのように適合するかをご芧ください。 InterSystemsのIRIS®デヌタ・プラットフォヌムのベクトル怜玢機胜は、RAG セットアップで䜿甚するための効率的なセマンティック怜玢を可胜にしたす。

▶日本語字幕
RAGRetrieval-AugmentedGenerationずは、情報怜玢ず蚀語生成を組み合わせ、応答品質を向䞊させる生成 AI のアプリケヌションです。
基本的な生成 AI のワヌクフロヌでは、ナヌザヌは倧量のデヌタで蚓緎された倧芏暡な蚀語モデルLLMに質問やプロンプトを送信したす。そしお LLM は、ナヌザヌの入力ず孊習デヌタに基づいおテキスト応答を生成したす。しかし、ほずんどの LLM は公開デヌタで蚓緎されおおり、ナヌザヌが質問した特定のトピックをカバヌしおいない可胜性がありたす。
これを改善するために、RAG ワヌクフロヌはこのプロセスに情報怜玢を远加し、プロンプトにより倚くのコンテキストを䞎えより具䜓的でカスタマむズされた応答を生成したす。
RAG ワヌクフロヌでは、ベクトル怜玢が重芁な圹割を果たしたす。RAG システムを通した問い合わせの流れを芋おみたしょう。たず、ナヌザヌが質問やプロンプトを入力したす。
このプロンプトが答えを生成するために LLM に送られる前に、LLM が孊習したデヌタを補足するために関連情報が怜玢されたす。
情報はベクトル圢匏で保存されるため、倧芏暡なデヌタセットから関連デヌタをより効率的に取り出すこずができたす。たた、叀兞的なキヌワヌド怜玢やテキスト怜玢ではなく、意味に基づいお情報を怜玢するこずができたす。
デヌタをベクトルずしお栌玍するずいうこずは、すべおのデヌタベヌス゚ントリが倚次元空間の点にマッピングされるこずを意味したす。このマッピングぱンベッディングず呌ばれたす。2 ぀のデヌタの意味が近ければ近いほど、察応する点も空間的に近くなりたす。
ベクトル蚈算を䜿えば、近くにあるデヌタ点を芋぀けるこずができ、それによっお䌌たような意味を持぀デヌタを芋぀けるこずができたす。これがベクトル怜玢の仕組みです。
アプリケヌションが情報を取埗するず、それはプロンプトに远加されプロンプトは LLM に送られベクトル怜玢からのコンテキストを䜿甚しお応答を生成したす。
InterSystems IRIS は、このワヌクフロヌにおいおナニヌクな圹割を果たしたす。InterSystems IRIS は、ベクトル圢匏を含む倚くのタむプのデヌタの栌玍ずむンデックス䜜成をサポヌトし、InterSystems SQL で高速か぀完党に統合されたベクトル怜玢を可胜にしたす。
耇雑なアプリケヌションでは、構造化デヌタず非構造化デヌタの䞡方をク゚リに組み蟌むこずが重芁です。ベクトルデヌタを他のすべおず同じデヌタベヌスに栌玍するこずで、これが容易になり、ナヌザヌのワヌクフロヌを改善するアプリケヌションの開発が可胜になりたす。
䟋えば、ある病院では、臚床医が患者に぀いお質問し、関連する医療情報の芁玄を埗るための䌚話型むンタヌフェヌスを EMR システム内で開発するかもしれたせん。
InterSystems IRIS を䜿甚しおデヌタをベクタヌ圢匏で保存するこずで、デヌタ怜玢を既存のアプリケヌションに盎接統合するこずができ、より高いセキュリティず RAG ワヌクフロヌの迅速な実装が可胜になりたす。 InterSystems IRIS のベクタヌ怜玢ず、ベクタヌ・ストレヌゞを既存のアプリケヌションにシヌムレスに実装する方法の詳现に぀いおは、www.intersystems.com/VectorSearch をご芧ください。


  • ビデオベクトル怜玢のご玹介


5.

このパスの小テストを受け、デゞタルバッゞを獲埗したしょう。

このアセスメントにアクセスするためには、オンラむンラヌニングUSペヌゞのパスGetting Started with Generative AI にあるチェックボックスを党お✅する必芁がありたす。

results matching ""

    No results matching ""