00:06
今日も一日、ありがとうございました。
この放送はWeb3にハマった建築設計者が 仮想通貨やNFT、メタバースなどのWeb3の話と
時々建築の話、最近はAIの話を少しする放送です。 よろしくお願いします。
今日は昇格論文の執筆にAIを活用するパート2を お話したいと思います。
よろしくお願いします。
前回から始まったこのシリーズなんですけども タイトルの通り昇格論文に
AIを活用して執筆するっていうのを チャレンジしています。
ちょっと背景からお話しすると 私は建設会社で会社員をしていて
そこそこの年齢になるんですけども そこに差し掛かった時点で
そろそろ昇格というイメージで言うと係長ぐらいの 役職に昇格する時期に来ています。
その係長に昇格するには試験が必要で その試験の一つとして論文っていうのがあります。
簡単に言うと会社のためにこういう課題があって 現状こういう課題があって
それを解決するために 私は係長としてこんなことをやっていきます
みたいなことを書く論文なわけですね。それを書くと。
それが大体1ヶ月後ぐらいにあるんですけども その一方で今年の初めぐらいから
本当にAIのツールっていうのが どんどん出来始めてきて
去年までだったらChatGPT一択みたいな そんな感じだったと思うんですけども
今年からChatGPTの代わりになるクロードとか Google… 何だっけ?Geminiでしたっけ?とか
あとはマイクロソフトのコパイロットとか っていうチャットボット的なやつとか
あとは画像系で言うとMid Journeyとか Stable Diffusionだりとか その辺りとか動画を作るものもありますし
音楽を作るAIもあるというような感じで AIツールが溢れ出るように
今年に入ってから出てきましたよね
そこを技術的な進歩の中で 1つ決めていたのが この時期にある10月ぐらいにある
昇格試験 昇格論文には AIを使って書こうというのを 心から決めていました
そこでそのシーズンがやってきたということで じゃあ実際に書いてみようと
その書いてる一部始終を このスタイフで話してみようというふうに決めました
っていうのが前回の放送になります
興味ある人は前回も聞いていただけたらなと思いますけども
今回はどんなことをお話しするかというと こういう感じでやりましたっていうお話と
03:05
論文を書くという視点に立った時に ちょっとコツが見えてきたので
そのお話もしようかなというふうに思っています
よろしくお願いします
まず前回お話ししたおさらいからいくと
まず大前提として 私 この昇格論文を去年も受けているので
去年作った論文っていうのがあります
今年は当然1年経っているんで 私はこういうことをしていきますっていう
価値観とか内容っていうのも 1年分ちょっと変わってきてる
変わってくるわけなので その変わってきた部分を修正するっていうのが
今回 そこをAIを使って書くというのが ポイントになっています
使うAIツールはクロードと呼ばれる 日本語の文章を書くのに結構適しているようなツールと呼ばれている
クロードというツールを使います
そこで前回までやってきたのが 去年の文章がある中で
こういう要素とこういう要素とこういう要素を 盛り込んで書き換えてくださいっていう指示を出して
今年バージョンの論文を書き上げました
それで上司に出して 上司のチェックバックを受けたっていうのが前回までです
今日ですけどね 今日はそのチェックバックを受けて 修正版を書くっていうのを
今日 さっきまでやってました さっき修正版を上司に出したんですけども
そこについてやったことと あとはそのやったことで
ちょっと見えてきたコツみたいなのを お話できたらなと思います
まずやったことっていうのは 指摘を修正する用のクロードのプロジェクト
機能 プロジェクトっていうのを作りました
プロジェクトっていうのは何なのかっていうと そのプロジェクト機能にあらかじめ資料とかを読み込ませて
あらかじめプロンプトとかを設定しておいて
その上でチャットを打つと あらかじめインプットしておいたプロンプトであったり
テキストの資料を踏まえて やり取りをしてくれるっていうのがプロジェクト機能になります
前回 昨日の放送でも言いましたけど そのプロジェクトには会社の方針であったり
社長のインタビューの社長のメッセージだったり そういったものをインプットしておいて
要は会社の方針はこんな感じだっていうのを 覚え込ましています
それによって各論文っていうのも 会社の方針に即した内容が書かれるような論文に
出来上がるようになっています
今回作ったプロジェクトっていうのは どういうものかっていうと
指摘の内容 指摘をプロンプトとして入力するので
その入力された指摘に合わせて 修正してくださいっていうプロンプトを
06:01
あらかじめ入力しておきました
さらに 修正してくださいだけではなくて 修正箇所を明確にして列挙してください
っていうのを入れました
その列挙した上で 最後に修正した全文をアウトプットしてください
そんな感じの指示を出しました
それすることによって 指摘がABCっていう指摘をインプットして
Enterを押すと修正版を出してくれるんですけども
修正項目が5個ぐらい出てきて ABCというインプットを与えると
5個ぐらい修正項目が出てきて その5個を反映した全文がバーッと出てくる
そんな感じのプロジェクトを構築しました
なので 5個のアウトプットっていうのは 指摘のAを踏まえてこういうことを修正しました
さらに指摘のAを踏まえて こういうことを修正しました
指摘のBを踏まえて こういうことをしました みたいな感じで5個
そんな感じのアウトプットが出てきて 最後に全文みたいな感じなんですね
そういうものを作りました
それによって指摘対応ですね 指摘を踏まえた修正ができるというのを目的としています
というようなプロジェクトをまず1個作りました
次にですね 2つ目のプロジェクトというか 2つ目の機能として
文字数を削減するやつというか プロジェクトを作りました
というのも 今回の昇格論文は文字数は当然決められていて
どんな論文もそうだと思うんですけど 何文字以内に書きなさいみたいな
今回は例えば2000文字だとしたら 2000文字という条件があるわけです
なので そんな中で こういう指摘を修正してくださいとか
こういう要素を盛り込んでくださいっていうと どうしても文字数が大きくなっちゃうんですよね
例えば出来上がった これいいなと 修正内容もほぼほぼ盛り込んだ
この文章はいいなと思ったら それが2300文字とかみたいな
そんな感じでまず出来上がるんですね
そこで出来上がったら 次に先ほど言った文字数を削減するプロジェクト
というのを活用します
文字数を削減するプロジェクトは どんな感じかっていうと
これ AIツール チャットボット チャットツールで文章を作らせる時に
本当にあるあるなんですけども こいつらは結構文字数っていうのを
あんまり正確に捉えてくれません
というのも 裏でトークンスみたいな 日本語の文字数ではない
別の それを分解したような単位で 物量っていうのを
文章の量っていうのを捉えてるみたいなんですね
09:00
なので そのトークンスと文字数っていうのは 必ずしも一対一しないんですね
解明すればできる気がするんですけども
なので 例えばですけども 先ほど例に出した2000文字が指定ですと
ただ2300文字になっちゃいましたと
そういった時に 普通であれば300文字減らして っていう指示を出すんですけども
もうその300文字減らして もう効かないですね
300文字減らしてって言ったら 平気で2300文字から
平気で1000文字ぐらいの文章を書き出したりするんで
そういった感じで文字数を指定して 指定した分だけ減らすっていうのは
よっぽど緻密なプロンプトを書かない限り 無理かなと思います
で 私がやったのは ちょっと減らしてみたいな
少しだけ減らしてくださいみたいな そんな指示を出しました
で その代わりに減らした箇所を抽出して 列挙してくださいっていうのをやりました
で その抽出して列挙するポイントっていうのは 例えば同じ言い回しを使ったりとか
余計な接続詞が入っていたりとか 余計な語尾が入っていたりとか
そういった普段検索するような観点あるじゃないですか
そういった観点を言語化して そういった箇所を抽出して そこを省略してくださいみたいな
そこを文字数少なくしてくださいみたいな そんなプロンプトにしました
で そういうところを列挙してください
で 列挙したら修正版の全文を書いてください そんな感じでやりました
それで文字数を減らして指定の文字に 2000文字なら2000文字に減らしたような文章を作ることができました
そんな感じで2つのプロジェクト 2つの機能を持つ修正を行うことで
今回の修正版を書いたわけです
1つ目の修正っていうのは 指摘に対応してくれるAI
2つ目は文字数を削減してくれるAI それで組み合わせでやったと
ここで両方使ったんですけども 共通して修正するという行為 全般でコツみたいなことが2つ見えてきたので
それ最後 お話ししようと思います
で そのコツの1つ目は いきなり修正の文章を書かせないっていうことですね
申し上げていたように いきなり文章を書かせずに 修正した箇所を列挙させる
これが結構ポイントかなと思ってます
なので1つ目のポイントは いきなり修正版全文を書かすんじゃなくて
修正した箇所を列挙させて その次に修正版を書かす これが1つです
で 2つ目のポイントは 1つ目の後にやることなんですけども
12:03
列挙したやつのいいとこ取りをするっていうのが 2つ目のポイントになります
1つずつ説明していくと 最初から全文を書くんじゃなくて
最初に修正点を列挙させるっていうのは これは最初から全文書かせると
やっぱりどこを修正したか分かんなくなっちゃうんですよね
で それを防止するために 最初にまず列挙させるっていうのをやって
修正点を分かりやすくすると
そうすることで何がいいかっていうと 2つ目のいいとこ取りにつながるんですけども
この修正はいまいちだなと この修正はなんかいい感じだなっていうのが
分かるわけですね
先ほどの例でいうと 例えば修正の指示ですね 指摘を
Aの指摘 Bの指摘 Cの指摘 3つ指摘を出しました
それによって5つずつの修正点が生まれました
1つ目はAに対応する 2つ目もAに対応する
3つ目はBに対応する 4つ目はCに対応する
5つ目はCに対応する こんな感じで 5つの修正箇所っていうのが出てきました
修正箇所と修正案ですね
その5つをひっくるめて 全文がバーッと書いてます
とりあえずこの全文だけ 当然 一番最初に出されたら
この5つ 5箇所が変わってるってことは 当然気づかないわけですね
なので事前にまずこの5つの5箇所を変えましたみたいなことを
トレッキングさせるっていうのが大事であると
それで その5箇所を見ると やっぱりこの1個目の修正はちょっといまいちだけど
2個目の修正はこれいいなと 3個目もいい 4個目 5個目はちょっといまいち
で なったら次 何をするかというと
全く同じ文章で 全く同じ指示で 全く同じ指示で文章を書かせます
そうすると 違う修正をして 違う文章を書いてきます
これがAIの いいところでもあり 悪いところでもあるんですけども
AIは同じプロンプトを出すと 毎回違う答えを出してきます
これ 悪く言うと再現性がないんですけども
よく言うと いろんな感じでアイデアを アイデアというか文章を出してくれるっていうのが
いいところなんですね
なので 今回も同じ文章を入力して 同じ指摘です ABCという指摘を直してください
のを出すと やっぱり違った答えを出してくるんですね
で 5個列挙されるんですけども また前回の5個とは違った5個が出てくるんですね
で それらを繰り返していくと これはいい これはダメ これはいいっていうのを
で 最終的にいいやつをこうやって採用していくと
結構 このABC全てに対応して 修正してくれる案っていうのが出来上がります
15:00
例えば 2回ぐらい繰り返したときに この2回を組み合わせると
Aはもう網羅できたなと BCはいまいちだけど Aは網羅できたなと
って言ったときに そのAは網羅できた文章案に変えて
で 今度はその文章 Aだけ修正した文っていうのを入力して
で 指摘も さっきまでABCの3個の指摘を書いてたんだけど
もうAはもう解決してるわけですから BとCだけの指摘にしてやれば
そのBとCに絞った修正案が出てくるっていうのができます
で そんな感じでいいとこ取り 繰り返し繰り返しやっていって
それは本当に同じインプットでいいので 同じインプットで繰り返して
違う文章案が出てくるんで その違う文章案を見て これはいい これはダメって判断して
いいやつを繰り返していくと ABCすべての指摘をクリアできる
組み合わせが出てくると そんな感じで修正をしていました
なので 意外と一発でパーンとやって ABCすべてをクリアするやつっていうのは
出ないです 普通は 出ない けども そういった組み合わせを意識することで
できあがると これは先ほども言ったように 一発で最初から全文をアウトプットさせるっていう
やり方では絶対できない技で 変えたところを列挙してくださいっていう
これがないと そういった何回もやって 組み合わせるみたいなことができない
ふうになっています
で これは2つ目のプロンプトの文字数を削減する これにも同じことが言えて
これだと10個ぐらい そしてっていう言葉を省略しましたとか
であるをですにしましたとか これ 3文字を2文字に減ってますよね
っていう感じで いろいろバーッと出してくるんですよね
しかしを削除しましたとか これをこういう言い回しにしましたとか
っていう感じでバーッと出てきて 当然 ここはしかしを取っちゃダメだろう
っていうところも挙げてくるんですよね そういったところは保留にして
ですを であるをですにして これはじゃあですにできるなとか
これも○×が付けられるわけですね 採用 非採用っていうのが付けられます
これも何度か繰り返すことで いろんなパターンの削減案っていうのが
削減箇所っていうのが出てきていて それも当然組み合わせて
これはいい これはダメ これはいい これはダメっていうのをやって
組み合わせていくことで いい感じの削減案っていうのが作ることができると
そんな感じで 今日 AIをフル活用して 聴覚論文の上司からの
指摘修正編をやってました 今まで話してきたように
当然 すぐポンと指摘 ABC 指摘を入れて これを直してって
18:05
一発で出てくるみたいな そんな簡単な話ではないなっていうのを
分かった後とともに 先ほど今言った コツを活用すれば
結構いい感じに直った文章が 出てくるなっていうふうに感じています
ということで 今日は長くなっちゃったので 以上としたいと思います
明日もこれに関連したようなお話を ちょっとしてみたいなというふうに
思ってますので 楽しみにしてもらえたらなと思います
ということで 今日は聴覚論文の執筆に AIを活用するのパート2を
お話ししました ということで 今日もお疲れ様でした
またねー バイバーイ
