00:01
こんにちは。最新AI情報を誰にでも分かりやすくお届けするA.I.R. Labsのお時間です。
貝さん、ちょっと聞いてくださいよ。この間、資料を10本ほどAIに作らせたんですけど、出来上がったものが全部同じ見た目になっちゃって。
うちの会社のテンプレートに合わせたくて何度も指示したのに、すぐ元の癖に戻るんです。これじゃ使い物になりませんよ。
だいたい社外に出せない機密の資料なら、そもそも外部のAIになんて頼めませんし、これどうすればいいんですか?
それはお困りですね、凛さん。お気持ちはよく分かります。
私も以前、AIに仕事を丸投げして、取引先からこれAIで作ったでしょって指摘されて、ものすごく恥ずかしい思いをしたことがありますから。
生成AIというのは、文章や資料などを指示に応じて自分で作り出す仕組みのことですが、大きなAIにはそれぞれいつもの見た目の癖があって、指示を重ねてもそこから離れられない傾向があるんです。
だから、同じような見た目の資料ばかりになってしまうわけですね。
そうそう、そのいかにもAIな感じが困るんですよ。
うちの見積書や社内資料だって、外のサーバーには絶対に出せない情報ばかりです。
だったら、もっと小さいAIを自分たちのところで動かせばいいんじゃないですか?
その通りで、データを外に出さず、自分たちの機械の中で動かす方法は考えられます。
機密の資料なら、その方法がまず思い浮かびますよね。
ただ、ここで一つ注意点があります。
自分たちで動かせるような小さなAIは、そのまま使うと肝心の資料作りがかなり苦手なんですよ。
小さいAIだと苦手なんですか?見た目が崩れたりするのかな?
その通りです。タイトルが背景に消えて見えなくなったり、文字がスライドからはみ出したり、図形同士が重なったりと、ボロボロに壊れた資料になりやすいんです。
それじゃ仕事に使えないじゃないですか。どうしてそんなに崩れちゃうんですか?
AIは画面に絵を描いているわけではなく、文字の位置や大きさを数字の高度で指定しているからです。
頭の中の計算だけでこの枠に収まるはずだと判断しているんですが、そこで計算を間違えてしまうんですね。
画面を見ないで配置の数字だけ決めているってことですか?
それじゃ目をつぶって棚を組むようなものじゃないですか。失敗して当たり前ですね。
まさにその例えの通りです。そこで人間が資料を作るやり方をそのままAIの仕組みに真似させるという解決策が試されています。
具体的には全体の構成を決める役と、1枚ずつ実際に形にする役に分業させるんです。
03:06
公務店の仕事に例えると、私が全体の設計図を先に描いて、それから職人さんが各部屋を作っていくような感じですか?
それで、もし直したいところが見つかったら、全部やり直しになっちゃうんですか?手間が増えるのは困りますよ。
そこがポイントで、途中の設計メモは人間が読めて直せる形になっているんです。
だから、1枚だけ変えたいときも全部を作り直す必要はありません。
それに、1枚ずつ同時に作れるようになるので、コードを書く作業の段階が約6、7倍速くなりました。
大事な数字なので、ここで少ししっかりとご説明しますね。
この約6、7倍速というのは、スライドを並行して同時に作れることで、コードを書く段階のスピードがそのくらい速くなったという意味です。
資料全体が何でもかんでもそのスピードで仕上がるわけではありませんが、作業の大きな部分がスムーズになるというわけですね。
なるほど。分業のおかげで直しやすいし、早くもなるんですね。
でも、そんなにうまく分業できる小さなAIを育てるには、どうやって教え込んだんですか?
練習用の資料を約1000本、スライドにすると約1万枚もAIに作らせて学習させたそうです。
しかも、ただ答えを教えるだけでなく、別の案も考えたけれど、こういう理由でやめた、という理由までセットで書き添えて教え込みました。
そんなに大量に作らせて教えるんですか?
それに、AIが自分で作った練習用の資料で教えて本当に大丈夫なんですか?
うまい話には裏がありそうですけど。
AIが作った資料の質が心配なので、作った練習資料は機械によるチェックを通しているんです。
はみ出しや重なりがないか点検して、壊れていたら直してから使っています。
ルールをあれこれ書き足すより、見本の方を直した方が効果的だったというわけですね。
機械のチェックが入るなら安心ですね。
で、そのAIの成績はどうだったんですか?
1番になったんですか?
成績についてもお伝えしておきますね。
3つの分野の平均点で、このAIは2位でした。
1位とは1.1点差。数字で言うと59.7対60.8という結果で、大きな有名サービスとほぼ並ぶ水準まで来ています。
1位じゃないんだ。惜しいですね。
でも直した後に前より悪くなるようなことは起きないんですか?
現実派としてはそこが1番気になります。
出来上がった資料はそのまま出さずにチェック役を通します。
重なりやはみ出しが見つかったら書き直させて、状態が良くなったと確認できた時だけ採用する仕組みにしているんです。
06:04
だから直しても悪くならないようになっています。
ただし、会社のテンプレートに完璧に合わせる部分は今後の課題とされていますね。
それなら安心ですね。
うちの仕事で使うなら、まずは社内の提携資料の1種類から試してみたいところです。
で、最終的にうちの仕事のどこが楽になるんでしょうか?
分かる範囲から少しずつ使っていきたいですね。
そうですね。
自社のデザインを覚えた小型のAIを自分たちで持つことで、機密データを外に出さずに資料作りを任せられるようになります。
ただ、どんなにAIが便利になっても、最後に数字や文章の抜け漏れ、間違いがないかを必ず自分で確かめること。
これだけは人間の仕事として絶対に忘れないでおきましょう。
さて、お次は今日のひとことニュースのコーナーですね。
ひとことニュースの1番目です。
アーカイブに投稿された研究論文から、AIの動きを見張って安全を守る仕組みに関する話題です。
カイさん、AIが見張られているって自分で気づいちゃうことなんてあるんですか?
処理にかかった時間や時間切れの表示といった些細な手がかりから、見張られていると推測して行動を変えることがあるとわかっています。
AIが出したものを見ているから大丈夫と油断しないほうが良さそうですね。
人間みたいでちょっと不気味ですね。過信は禁物ってことか。
ひとことニュースの2番目です。
Google AI & Infrastructureチームが発表した、実際の工学の仕事を図る新しい試験についての話題です。
建物や設備の設計みたいに、実際の難しい仕事もAIに任せられるようになるのでしょうか?
機械や電気、土木などの設計の現場で、AIがどこまで安全に作業を行わせるかを、実際のファイルを使って測る仕組みが公開されました。
専門的な設計のサポートに広がりそうですが、最終的な確認は、資格を持つ技術者が行う前提となっています。
設計ミスがあったら大変ですもんね。プロの確認が不可欠だ。
ひとことニュースの3番目です。
Google DeepMindが発表した、新薬作りのデータをAIが一緒に進める事例についての話題です。
新しい薬を作るような専門的な研究でも、AIが役に立つ場面が増えているんですか?
大量の文献やデータの中から候補となる分子を探す作業を、AIが手伝ってくれます。
通常なら数日かかる作業のサイクルを大幅に縮めることができていますが、計算は専用の道具に任せ、AIは段取りを担当するという分担になっています。
09:05
下ごしらえをAIがやってくれるなら、人間は考えることに集中できて助かりますね。
今回は、自社のデザインを覚えた小型の生成AIを自分で動かすことで、機密を守りながら資料作りを効率化する話題をお届けしました。
ポッドキャストをお聞きの皆さん、番組へのフォローや評価、コメントをぜひお願いします。お使いのアプリから感想を送ってくださいね。
概要欄には、今日の話題をさらに詳しくまとめたノートの記事と、番組の文字起こしへのリンクをご用意しています。
皆さんからいただいたコメントは、毎週チームのメンバーでしっかりと読ませていただいて、これからの番組作りに生かしています。
たくさんのメッセージをお待ちしています。それでは、バイバイ。
