生成AIの基礎
おはようございます。しゅうへいです。この番組では、1年後のあなたが楽になるヒントを、瀬戸内海の島から毎日有効にお届けしております。
はい、ということで今日は、生成AIって何ぞやという話をしたいと思います。
もちろん完璧にわかっているわけではないんですが、生成AIっていう本を今読んでおりまして、これ小林さんの本かな。
2023年5月時点の多分情報なんですけど、非常に僕も生成AIっていうかAIの歴史みたいなものを最近すごい気になって、それがすごくわかりやすくまとまっているんですよね。
そう、だから実際僕らは2023年5月以降の情報を知ってて、それこそChatGBTの今5が出てきていて、世の中がどう変わったかっていうのをなんとなく体感していると思うんですよね。
それがちょっと本当に前半ぐらい、どういうふうにこれからChatGBTが入ってくるかっていうところが答え合わせみたい、この2年間ぐらいの答え合わせになってて。
僕はちょっとそこは一旦いいやっていうことで、第3章のAIは1回目2回目の大きな2度の浮遊を乗り越えてきたっていうところまで今読み進めたんですけど、
これすごい分かっておくの大事だなと思ったんですよ。
自分が使っているもの自体の歴史とか、どういう背景があって生まれてきたものだったりとか、その仕組み、全部は無理だけど、どういうふうに生成AIって考えているのかっていうね。
そういうのを知っておくのすごく大事なのかなというふうに思ったんですよ。
60年ぐらいかな、1960年代、70年代ぐらいに第一次AIブームというか、こういうものが人間の脳というか人間の思考みたいなものをコンピューター上で再現できるぞみたいな、
1960年代ぐらいにあと20年もすれば人間と同じように考えられるようなそういう伝達じゃないですけど、そういうものができるっていうふうに言われてたんですけど、全然できなくて。
それはパターン認識みたいな方向からAIを作ろうとしたらしいんですね。
その次、80年代ぐらいにいわゆるニューラルネット、人間の脳とか意識とかの研究も進んだから、いわゆる人間の脳自体をもう一回コンピューターで作れないかっていうものがまた進んで、
やっぱりそれも大きな楽端というか、すごい勉強させたのって専門家のことを、すごい専門的な情報をばーって勉強させて、その勉強させたものから答えを弾き出すみたいな。
でも、それ自体を維持するのがすごく大変っていうか人件費がめっちゃかかる。
それだったら専門家がいて、その人に聞いたほうが安いぐらいで、多分今ほどチップがよくなかったのもあるんだろうけど、それも80年代ぐらいにピューンって落ちちゃって。
だから、AI研究みたいなものって実はものすごくスポットライトを浴びてない。
むしろAIを勉強したいですっていうと、大丈夫みたいなことを言われるような時代が長かったらしいんですよね。
それから2000年代に入ってきたぐらいに、要するに半導体だとかチップとかそういうものがよくなってきたと。
性能が上がってきて、そのディープラーニングっていう、いわゆるビッグデータみたいなものを勉強させていく中で、今のAIの大元となるようなものが生まれて。
その後2017年だったかな。
Googleのトランスフォーマーっていう自然言語。
2017年だったかちょっと違ったかもしれないけど、今のチャットGPTもトランスフォーマーができてから生まれたものだらしいんですけど、
Googleがその大元を実は開発してるんですよね。
自然言語モデルみたいなもの。
自然言語でちゃんとコンピューターが動くかみたいな言葉を理解して、それを自在に操るAIっていうことですよね。
いちいちコマンドを打たなくても、今僕らチャットGPTで何について教えてって言ったら、ちゃんと会話ができるじゃないですか。
成り立ってますよね。
そういったものの大元の技術が2017年にできて、チャットGPTが22年の冬だったかな。
チャットGPTの3.5だったっけ。3が何かが出て、今こういう世の中になってきてるっていうことなんですよ。
本当にだから、そう考えたら2017年から2025年の変化だから、まだ10年も経ってないぐらいの。
でもそのトランスフォーマーができる前までのいろんな冬の時代とかも乗り越えて、研究が続いてたから、やっぱこうやって花が咲いてるっていうか、今もう生成AIがこんなことになってるっていうことなんですよね。
トランスフォーマーの影響
特にその中で全く全然知らなかったことが、言語の方向性みたいなものをベクトル表現化っていうのがあるんですよ。
これものすごく面白かったので、今日はそこを中心にシェアっていうか話したいんですけど、僕も完全に理解できてるわけじゃないんだけど、
いわゆるどういうふうに言葉をAIは認識してるのかってことなんですよ。僕らの生成AIはね。
例えばそうだな。ジェンダー、性別と王室と年齢とフード。ジェンダー、ロイヤル、エイジー、フードっていう単語と、
あと横にマン、ウォメン、キング、クイーン、アップル、オレンジかなっていう単語を並べたときに、これがどれぐらい関係してるかみたいなものを出すんだって。
例えばジェンダーっていう言葉とマンとウマンっていう言葉がどれぐらい関係してるかっていうと、マイナス1と1っていうふうになってるんですよね。
これは要するにすごく関連してる単語だっていうふうに考えるらしいです。
だけど、アップルとかオレンジとかとは全然0.00とか0.01とかで、ジェンダーっていう言葉はアップルとかオレンジとかとは全然あんまり関係性がないみたいな。
ベクトルの方向性で言葉の表現っていうか、言葉自体を認識してるらしいんですよ。
僕らそんなことしないじゃないですか。
別にいちいちパソコンとモグラっていったときに、違うものだねって一瞬で分かるよね。
でもこれを多分コンピューター上でちゃんと分からせるっていうか、認識するためには、
パソコンっていうものが大体こういうもので、モグラっていうのはこういうもので、
パソコンとモグラの関係性みたいなものは結構遠いところにあるよねみたいなことを、
いわゆる座標みたいな形で整理してるんだって。
だからいわゆるハルシネーション、嘘ついたりするとかっていうのも、
なんとなくこの話を聞くと納得できるというか、
確率論的なものでこれは出てるってことですよね。
例えば、この映画についてまとめてって言ったら、
まずこれっていうことで、この映画は映画でまた考えると。
映画について、ついて、教えて、教えてって全部、それぞれちゃんと認識するらしいんだけど、
要するにこの映画についてぐらい、
なんていうのかな、ちょっと僕もあんまり理解がこいついてないんだけど、
この映画について教えてって言ったときには、
大体多分その映画について聞いてるんだなみたいな。
ってことを多分確率論的に出していくらしいんですよね。
だから多分知識がないこととか、学習できてないことだったりすると、
やっぱり確率で出してるもんだから、やっぱ外れるみたいな。
ちょうど昨日、獣医学部のある加計学園の教授さんと学生さんと
たまたま層別会っていうか、バーベキューで会うことがあって聞いたら、
寄生虫の研究をされてるらしいんですけど、
寄生虫の研究とかでチャットGPTに聞くと、
もうマジでトンチン感なこと言うらしいんですよね。
へーって思って、だから僕らはどっちかというと、
例えば本の内容とかちゃんと出るし、
マーケティングの話もちゃんと出るし、
今のニュースを教えてたら大体出るけど、
それはやっぱり史上が大きい分、
すごく学習できるような内容みたいなブログを含めて、
多いらしいんですよ。
だけど寄生虫の研究ってそんなみんなが研究してるわけでもないし、
すごいディープラーニング仕様にも、
論文の数も多分少ないと思うんですよね。
ってなった時に、少ない情報で確率論的なもので、
結局予測をして答えを出すもんだから、
やっぱトンチン感になるよねっていうので、
全然違う分野業種とか、
違う仕事だった時に、
チャットGPTの信頼度みたいなものって全然変わるんだなという、
面白いですよね。
だから聞いたらやっぱメールを作ったりとかする、
こういうメールを作ってたら、
それはすごい使ってるから、
事務的なものでチャットGPTを割と使ってるっていうことでした。
だから研究用のLLMとかそういうものが、
細かいテーマごとに見ていったらあると思うんですけど、
なるほど、そういうふうな世界が広がっていて、
自分とはまた違うチャットGPTの感覚があるんだなというのを、
知ったということでございます。
だから僕もこの本を読み進めて、
もうちょっとより分かりやすく、
チャットGPTのこととか、
生成AIのこととか話せるようになりたいんだけど、
いかんせん難しいですね。
数学的なところだったりとかもあるので、
めっちゃ苦手な分野なんだけど、
ちょっと勉強をしていこうかなと思います。
生成AI、チャットGPTを支える技術は、
どのようにビジネスを変え、人間の創造性を揺るがすのかという、
小林さんの本でございます。
今日はリンクつけておきますので、
気になる方は見てみてください。
今日も聞いていただいてありがとうございます。
この後も心地いい時間お過ごしください。
バイバイ。
