NotebookLMの活用法
データアナリストのりょっちです。 データサイエンティストのたっちゃんです。
いや、つか今回のはさ、オライリーの本をさ、PDFで変えるっていうところが結構デカかった。
だよね、このボリューム。 え、これどういうふうに読んでました?
一応、一通りは普通に目を通したけど、最初にあれ見たわ。NotebookLMにPDFバーンって入れて、
あの、マインドマップで全部展開して読んだ。
ちゃんと使ってる。 使ってる使ってる。
マインドマップ俺結構好きだよ。 全体の構造をちゃんと把握して読むのが、
あの、やるべきですよね。自分もそこは理解しつつも自分は愚直に本として上から順番に読んでましたね。 あの、ゆるゆると。
なんか全体見ながら、えーって言って、あの、マインドマップのそれぞれの項目のこれ、これ何だろう?みたいなのを、ぽちぽち押しながらちょっと詳細見るみたいなのは、
やってた上で一回読むみたいな感じだった。
その出来上がったマインドマップと、ここの本の冒頭書いてる目次と、なんか大きくどう違います? なんかマインドマップにする良さみたいなところってどういうところにあるんですか?
マインドマップにする良さは、あの、その目次と込み出しまではおおむね、おおむね同じのが出てきて、
そっから、あの、一番深いところまで広げた時に、
あの重要なワードがちゃんと羅列するのが多分良いポイントかな。 なんかそうだね、例えば第一部を展開すると、
その第一章、プロンプトエンジニアリングの世界とか、LLMを理解するとかになって、
で、2章を開くと、LLMとは何かとか、 一つのトークンに注目するとはどういうことかとか、
トランスフォーマーアーキテクチャーとかっていうリュードで情報が整理されて、で、トランスフォーマーアーキテクチャーをさらに押すと、
あの、処理ユニットの話だったり、アテンションだったり、
プロンプトの順序の重要性とかっていうのが出てくる。 これがさっきの、あの多分、無関心の他人の話とかになってくるのかな。
そう、で、アテンションとかはさらに細分化できるようになってる。 で、なんかそこに情報伝達とかマスキングとかの話が入っていてみたいな、
3段階目ぐらい、そんなに細かいところまで見ないけど、3段階目ぐらいまで見て、 こういう細かいのが入ってんだって見て、
知らん言葉のマインドマップのそのノードをポチッと押すと、 それについて、ノートブックLLMのチャット側で勝手にまとまるから。
それで、外形を整理していったかな、最初に。
なるほどね。さらに1段深くこの目次の情報をサクッと見れるっていう意味だといいですね。
うん、めっちゃいい。
マインドマップ結構使うな。どのパターンの時も。 マインドマップはおすすめだね。
AIと音声コンテンツの影響
ポッドキャストにしてみたけど、オーディオファイルとかに。 ああ、はいはい。
どうでした? あんま聞き心地よくないから好きじゃないんだよね、ノートLLMとブックLLMの喋ってるの。 なんか、わざとらしさが強いというか。
今回の本だともしかしたら相性悪いかもしれないですね。 なんか、ちょっと教科書的な内容だったりもするじゃないですか。
はいはいはい。 言葉の定義とか、なんかこう概念の説明とか。 そういうものに対してはあまりこう音で聞いていても面白くないというか。
ああ、まあそれはあるかもしれないね。 確かに自分の本全部読み込ませて、ポッドキャスト作らせたときはちょっと面白かった。
ああ、こうやって説明するんだみたいな。 ちゃんとやってるの面白いね、自分の本で。
自分の本やったやった。どうやって話すんだろうみたいな。 ポッドキャストをベースにして作った本をポッドキャストにしたらどうなるのか気になるじゃん。
そうだね。 どうでした?まだ負ける気しないですか? AIのポッドキャストとは。
いやまあそうね、ポッドキャストがAIに食われることは、俺はあんまない気がしてるから。
ああ、なるほど。ちょくちょく出てきてますよね、AIで喋ってるチャンネルとか。 ああ、そうそうそうそう。
なんか、それだったらYouTubeとかのあの画像付きの、なんかこう、解説、AIが読み上げて解説してるようなやつとかが多分、
その価値として、ど真ん中の価値としては高い気がしてて。 うん、それはありそう。
で、なんかポッドキャストで、その情報とか、そういうので勝ってる番組ってあんまないんだよね。
情報。 なんかどっちかっていうと、なんかその、やってるやつの思想とか、今なんかどういうことに熱量が上がってんのかとか。
こう、いわゆるなんか人間味みたいな部分。 うん、わかるな。
まあ、なんかそう、友達応援しちゃうみたいな感覚が、にじみ出てきてる時の方が伸びるみたいな。 うんうんうん。
もちろんAIのコンテンツがあっていいんだけど。 うん。 だから、なんかあんま食われる気もしないっていう感じ。
ポッドキャストこう、前向きに情報を取りに行くみたいな使い方をする人があまりいないっていうことなんですかね。 あ、そうそうそうそう、それだね多分。
うん、それはすごく自分は共感できて、こう、話聞いてくる中でポロリと出てくる、ちょっと自分にとって価値のある情報みたいなのが得られた時にすごく嬉しいというか。
そうそうそう、とか、同じとこで悩んでんだみたいな人が。 わかるな。
とかっていうのが、俺のポッドキャストが伸びた時も、白紙論文書いてて、死にそうな声で喋ってる時とかもそうだし、
その時マジで10倍とか視聴者数になったのもあるし、あと、最近実はめっちゃ伸びてて、宇宙版し。 へえ、それは?
この間見たら、日本ランキングアップルポッドキャストで70何位とかになってて。 どこにも特集されてないのに。日本全体で70とかだからヤバいじゃん。
確かにね。 で、でも思い返してもう、バズる面白い話とかはほぼなくて。
で、特集された形跡もなくて。 で、多分最近その仕事が忙しすぎて、ポッドキャストを毎日更新するのを
頑張ってるっていう、なんかその謎の応援要素みたいなのがあるぐらいしか多分ないんだよね。
あ、そのフェーズなんだ今。 こいつ今日ちゃんと更新できてるのかなって聞きに来てるやつが多い説っていうのが、
俺の中で実はちょっとあって。 なんかXでそこを分析してる
っていう視聴者さんいましたよね。 いたいたいたいた。
ちょっと笑っちゃったんですけど、すごいなーって思いました。 10分っていうのをテーマにしてて、でなんか
今日のやつやたら短かったし更新のタイミング遅かったけど、これは ポジティブなのかネガティブなのかっていうのをAIに聞いて、ネガティブですねって帰ってきててそれを
俺に作るみたいな。 なるほどね。だからそうだよね。
そういうところにこう、人を好きになるみたいな要素があるんでしょうね。 応援したくなると。多分ね。AIではない何かが。
ポッドキャストってなんかこう、探しに行ってハマって情報を引き出すみたいな感じになってるから AIがくれる情報は、もっとなんかもっと手前のところでポンポン出してくれるものでいい気がする。
だからなんかAIでポッドキャストの番組バーって作っても、なんか 攻め方が違う気がするみたいな。
当たり障りのないことをAIは言ってくれるし、綺麗に情報としてまとまっているから 人間味みたいなところは少しなくなってくるのは当たり前なんですけど。
AIブームに対する考察
そうそうそう。 なんかそうだ、今の話とあえて今回の本を少し絡めると自分、なるほどなぁと思ったのが一個あって
テンパーチャーっていうパラメータ? テンパーチャーっていうパラメータがLLMにあると思うんですけど。
うん。 なんかあれでLLMの次の言葉の補完をするときのその、何だろうな、もっともらしさというか補完するこう、あるべき言葉と意外とそういう意外性みたいな想像性を出すべきなのかっていうところの
コントロールをテンパーチャーっていうパラメータでしているみたいな話が書かれてたと思うんですけど。
全然記憶にないな。 今、ノートブックレームに書いてみた。 テンパーチャーと補完の関係性。
そうそう、基礎の第一章の中の、第一部の中の前半ぐらいに書いていたのかな。
そのLLMの構造、仕組みの中で、補完っていう仕組みが流れで次の言葉を予測するけど、その補完する次の言葉を決定論的にそう、
1、2ってきたら次3が妥当でくるよねみたいな話があって。これは1、2ってきて3は決定論的には決まるみたいな。
でもテンパーチャーっていうパラメータを大きくしていくところ、1、2の後に全然違う言葉を出すこともできるみたいな、そういう話ですね。
なるほどね。確かに、この表現確かにあったな。 だから一個一個、なんか俺、俺もテンパーチャーの多分役割が文章全体をもうちょいなんかふわっと表現するかどうかぐらいで、
そう、テンパーチャー捉えてたけど、トークン一個一個の次の言葉の選び方の可能確率を制御してるっていうのは、
そうだね。 ちゃんと理解してなかったかも。 そうそうそう。だから次の言葉どう選ぶかっていうときに、ここのパラメータいじれば一気にこう、
想像性のあるAIを作るというか、こともできるし。 確かに、1、2、3ってきて。 3でボケるAIを作りたかったらここのテンパーチャーを変えるかもしれないというか。
3でボケるはテンパーチャー1越えだね。で、0の時は1、2、3ってきたら4みたいな。 そうそうそう。
で、そっかちょっとテンパーチャー上げると、例えば1、2、3ってきたから、
素数で行くみたいな。 あーそうだね、もうありですね、次は5とかね。
とか、みたいなことだよね。 ピボナッチ数列で攻めるみたいな話とかが、多分テンパーチャー0.12ぐらいのとこでしょ。
ある法則なんだけど、1個ずれてるみたいな。 そうそうそう。
こういうところをコントロールすれば、言いたかったのは、そのAIの出力ってあまり面白くないというか、一般的なことしか言わないよねっていうところも、
ちゃんとLLMのこのパラメータコントロールで、ちょっと想像的なものをあえて作ることもできなくはないよねっていう話。
そうね、そう。で、だから、ポッドキャストっていうメディアで言うと、そのテンパーチャー上げればいいのかみたいな。
で、なると次はそのなんかテンパーチャーを上げると、まあ想像性が増える分、まあなんか余白みたいなのができてくる感じがあって、その余白に
あの、そいつの考えとか苦労とか、みたいなのがあったら、そこが多分その人に惹かれるポイントになってくるというか。
だから結局テンパーチャーだけじゃ今んとこはカバーできないみたいな。 いや、そうは思うな。
まあでも、別に永遠に負けないとは思ってないんだけどね。 そのうちはなんかでまくられるでしょ。
いや、あると思う。そこすらも理解してLLMが次のいい言葉を選んだりとかっていうのはあり得るから、
なんか、いつかはこうね、超えるのか何なのかわかんないけど、人間っぽさみたいなところを出せるLLMはすぐできてくるはずではありますね。
でもこう、裏の仕組みを理解しておくっていうのは大事かなとは。 確かに確かに。
思うのが一つの、あれですね。 なんかそう、話しておきたかったなーっていうのが一個あって、
なんか前に、前の収録かなんかで、最近その 生成I系のサービスがどんどん出てきて、
追い越されていく、取り残されるじゃないかみたいな話したじゃないですか。 そのなんか状態がこのデータサイエンスとかAIやってる人たちの中で、
変なストレスを抱えている人が増えてるんじゃないかっていうふうに思ってて。 この話を結構自分もいろんな人と会話していく中で、
とか、あと今回この本を読む中で一個たどり着いた答えとして、 自分の中での解決策を一個見つけたんですけど、
結局いろんなアプリケーションとかサービス出てきても、 LLMの本質って変わらないよねっていうふうに理解しておけば、
こう一個ストレス値は下げられるんじゃないかなと思っていて。 それが何かというとさっきずっと言ってる、
そのトランスフォーマーベースで次の言葉を予測するって、この仕組み自体は変わってないから、そこのなんか
LLMの本質を理解しておけば、どんな上辺のアプリケーションが出てきても、 まあまあまあなんか大きなこう技術革新があるわけじゃないから、いいよねというか。
っていう整理で片付くのかなっていう。 いやでも、うん。いや、そうだよね。俺、
そう、こないだあれでしょ?俺がさ、これ触った?これ触った?つってLINE送ってたときに、
これAI鬱になるわーっつって返事来た時のあれでしょ? その話もあるし、なんかその1個前でも似たような話していて、ここ最近このなんか変なストレス感じるよねっていう話を確かした気もあって。
あれから結構考えたんですけど。 確かにね。
でもなんか、その目線で言うと、俺多分、なんかうわーって思いながら確かに圧は感じてたけど、割とその気持ち早めになってた気もする。
あ、そうなんだ。
なんか、っていうより、そんな真理にたどり着いた感は全然ないんだけど、その、ほんとね、いろんな
ワークフロー構築ツールみたいなのがバーってってきて、いろんな人がこれがいいあれがいいみたいな、
AIと興味の維持
言ってるとか、あとはその、カーソルがめっちゃ話題になって、ギター部コパイロットとどっちがいいんだわーきゃーみたいな話をしてるけど、その、
本質的には一緒じゃね?みたいな。ってなって、その、そうやって安心をするっていうよりは、普通にあんまテンション上がってなかったかも。
いや、わかるな。
ついていけないっていうよりは、面白みを感じられないみたいな。けど、知らないからちょっと焦っちゃうみたいな。のがたぶん実情だった気がする。
会話の中で知ってる知らないのところもあるかもしれないね。人との中でね。
で、結局、で、それで、で、たぶん今みたいな話かな。その、変わ、本質的には変わらんみたいな。モデルもそうだし、なんかそのワークフロー構築とかオーケストレーションみたいなやつも変わらんなって思い始めたら、
なんかそれぞれをちょっと触りつつ、例えば、なんかこういうエージェントの機能を磨き込みたいみたいな、なんか俺で言うとデータ分析の、を、になってくれるAIがあればいいって思ったときに、やんなきゃいけないのは、どうせモデルなんか進化するんだから、基盤を整えるだけなんだよな、人間がやるのは、みたいな話とか。
になってきて、なんかもう1回ちゃんと、あ、頑張ろうって、ちょうど今覚えてるタイミング。で、頑張る上で、いろんなツール知っといた方がいいかっていうので、もう1回一通りツールを触り始めてるみたいな。
で、ツール自体もまあ、時代とともにどんどんこう、出ては消えてとか、増えてとか、拡張されてとかっていう状態だから、実際に使うタイミングで、まあ最適なものを調べて使うでもいいのかなくらいの気持ちにはなりますよね。
実務で使い始めたときに、困る内容ってSNS映えしないから、俺が見ていた、そのタイムラインに流れてくるAIの情報は、あんまり参考にならんっていうのも、ちゃんと触り始めるとわかるし。
SNS映えしないっていうのは?
あの泥臭い作業とかって、SNS映えしないから、あの驚き屋さんたちは触らないんだよね。
ああ、そういうことか。
で、そのAIうつみたいなのを作る原因って、もうその驚き屋さんに徹してる人たちの感度の高さと、それに乗り切れてる風のアカウントたちでタイムラインが染められるから、劣等感を感じるんだよね。
なるほどね。
けど、もうAI系の情報って正直、多分Xから引っ張るのが一番効率はいい。
まあ今ね、何が流行ってるかを知る上では間違いないね。
そうそうそうそう。っていう、なんか現代病みたいな、ちょっとした矛盾みたいなもあるのか。
データアナリストの知識共有
そうそうそうそう。けど、実務で使おうとしたら、なんかあんまそういうところで取り立たされないような内容みたいなのが大事になってくるし、気になるし、みたいな。
そうだよね。これ面白いし、人によってここの対処法というか考え方ってマチマチなんだなーっていうのはね、
自分もこの話をいろんな会社の人とか、同じような業界の人とかに話を振ってみて、それぞれだったなーっていうのはあって、もうなんか諦めたみたいな。
いるよね結構。
もう別にいるんですよ、同じ業界でも。何ならその、コード補完の機能はもうオフにしてるとか、自分で書いたほうがいいじゃんとかいう、ちょっともうなんかツワモロというか、人もいるし。
あとはもうそもそもキャッチアップするのも疲れたからやめたみたいなその、言っちゃえばドロップアウトそうもいたりとか。
あとは、人によって週1キャッチアップの時間をまとめて取るようにして、毎日追うのはもう疲れるからみたいな、こうなんだろうね、賢い人というか、自分で時間の作り方が上手い人がいたりとか。
結構それぞれ。面白いなと思いましたね。
確かにね、コード補完オフはやばいね。ガラケー使ってるおじいちゃんみたいなもんだもんね。
そういう人もいるんですよねー。
そう。でもやっぱわかるよ、その古き良きがいいみたいな。俺も、俺、割と古い車乗ってるからさ。
うんうん。
それ、あの楽しいんだよね。今の最新の車から見たら本当にあの初期のガラケー使ってるみたいな、なんかそういう。
あーはいはい。
今のやつってもう本当、機械だからさ、でかい機械が走ってるみたいな感じだから。燃費も悪いし。
うんうん。
そう、なんか。
確かに、なんでそれ使うのっていう、理解できない人もいるのか。
そう、エンジンかけるの、いまだに鍵挿すやつだし俺。ドアに手かざしても開かないし、CDの口ついてるし。
プライベートならいいっすよ、それで。
そうなんだよ。
プライベートはいいっすよ。
それでレース出るんかっていう話だからさ。
そうそうそう。仕事はまた違うじゃないですか。
そうだよねー。
頑張んないとやべーよって思うけど、あの、乗らない気持ちももうわかる。
うんうん。
この間、その、あるクローズドなコミュニティを立ち上げまして、クローズドだからあんまその内容の詳細は言わないんだけど、
その、会社で、会社でほら俺ずっとイベントやってたじゃん。
うんうん。
で、あのイベントをずっとやってて、1年間運用してたんだよね。企画も全部自分でやって、みたいな。やってたんだけど、なんかその、でAIの企画とかもさ、一緒にやったじゃん。
うん、そうですね。
あれちょっと、SNSっぽすぎるなっていう反省になって、だからその、表面的な、あの話、というか。
あー、そうね。こういう取り組みやってますよってちょっとアピールというか、会社としてのね、外向けの発信の場みたいな、そういう位置づけでもあったのかなと思いますね。
そうそうそうそう。で、調べればわかるようなことを、なんか温度感を持って伝えてもらう場、みたいな感じになってて、1年間やり終わった後の手応えがちょっと弱かったんだよね。
なるほど。
で、こないだ、その、もうマネージャーレイヤーのデータアナリストとか、っていう近い業界の人たちを、一旦15人ぐらい集めて、で、あの、その、もうその場での資料もアイズオンリーのみ、みたいな、にして、
あの、会社の、その、ブランディングみたいなやつで背伸びしてる状態、マジでやめて、一回、そのデータアナリストどうなってるか全員で喋ろうぜ、みたいな、のを、やったんだよね。
そしたら、めちゃめちゃ良くて、うんうん。で、そこでの、じゃあデータアナリストのAI活用って、皆さんなんか会社のメディアとかで、めちゃめちゃなんか、こう、こんだけすごい、みたいな感じでやってるけど、
その、実情どうなん?みたいな、話とかして、
けっこう気になるね。
そう、お互いの、その、その、歩幅の違いというか、
はいはい。
あの人たちなんかすげえ、もう10、100メートルぐらい先にいる感じしてるけど、本当はどうなんだろう?って言ったら、意外とやっぱ、見える範囲にいつつ、やっぱ同じことで悩んでるみたいなのが、そう、知れて、
そう、で、これをちょっとあの、会社で、会社起点で全部やってるんだけど、
うんうん。
あの、招待制でちょっとずつ広げていくイベント形式に変えていこうと思って、ゴリゴリに踏み込むときは、あの、NDA巻くレベルの会にしようと思ってるんだけど、
そう、そう、やったらめっちゃ良くて、で、それって、その、AIうつとかにならない場なんだよね、たぶん。
あー、なるほど。
ある程度のベースの知識がある上で、ちょっと実務に応用してる人たちが集まって、5、5歩10歩圏内ぐらいにいる人たちと、どこで迷ったかの話をするとか、どこで困ってる話をするみたいな、
うん。
で、それをチームにどう浸透させるとか、会社でどういう方向に持っていくみたいな話とかも、背伸びせずに喋ろうぜみたいな、っていうのをやったらね、めちゃめちゃ良くて。
え、それはさ、あれなの?そこでやることのなんか目的というか、何に期待してみんなが集まってくるの?
あの、今、どの会社も欲しいのって、若手の人材が欲しいっていう会社あんまなくて。
隣のデータ分析屋さん、今回も面白いと思ったらフォローレビューよろしくお願いします。
フォローレビューの促進
番組の感想や質問は、ハッシュタグ、隣の分析屋。隣のがひらがなで、分析屋は漢字でお願いします。
また、ガイドラーに貼ってあるお手紙フォームからコメントを寄せてください。
ではまた。
ばいばーい。
