/ / Copilot呼び方統一 +生成AIから考えるMicrosoft 365 Copilot 2024 25 09 なんでもCopilot LT大会 

Copilot呼び方統一 

3 3 【呼び方統一】Copilotの種類整理 Copilotの種類から3つの呼び方にまとめてみる アプリ 01 動作場所 アプリ用Copilot 01 職場用Copilot （組織内情報取得） 02 Web用Copilot （組織外情報取得） 03 動 作 種 別 Excel等 Teams 組み込みCopilot Copilot.microsoft.com 等 Edgeサイドバー ブラウザ 02 Edgeサイドバー 03 WebContent プラグイン Copilot.microsoft.com 等 Edgeサイドバー ア ク シ ョ ン 情 報 取 得 Excel等 Teams 組み込みCopilot WebContent プラグイン この3つの呼び方でいろいろまとめる 

4 4 【呼び方統一】Copilotの呼び方変遷 Copilotの種類から区分を考えてみる 期間 初期/EAP (2023/9~2023/11) GA (2023/11~2024/9/16) Wave2 (2024/9/17~) 製品群 Microsoft 365 Copilot Copilot for Microsoft 365 (Microsoft Copilot for Microsoft 365) Microsoft 365 Copilot アプリ用Copilot Copilot in XXX (例: Copilot in Outlook) Copilot in XXX (例: Copilot in Outlook) Microsoft 365 Copilot in XXX (例: Microsoft 365 Copilot in Outlook) 職場用Copilot BizChat 名無し BizChat ※Web＋職場が統合⇒Copilot Pagesと連携 Web用Copilot Bing Chat Enterprise Microsoft Copilot Microsoft Copilot オリジナル Copilot - Microsoft Copilot Studio Microsoft Copilot Studio 

生成AIから考えるMicrosoft 365 Copilot ~イケコパとがっかりコパが生まれる背景~ 

6 6 AIの分類と特徴 人工知能 機械学習 ディープラーニング ジェネレーティブ AI 人工知能 機械学習 ディープラーニング ジェネレーティブAI 1956年～人間の知性を複製または超えることができるインテ リジェントな機械の作成を目指すコンピュータサイエンス分野 1997年～機械が既存のデータから学習し、そのデータを改善 して意思決定や予測を行うことを可能にするAIのサブセット 2017年～ニューラルネットワークの層を使用して データを処理し、意思決定を行う機械学習技術 2021年～プロンプトまたは既存のデータに基づいて、 書類、画像、音声、プログラムなどのコンテンツを作成 ※Microsoft資料より一部引用 人間の脳を模して 生成する 

7 7 生成AIとは 識別 生成 生成AI以前のAI 生成AI ミニチュアシュナウザーの絵を描いて どちらが犬の画像？ 画像や言語が生成できるようになった 

8 8 ニューラルネットワークから考える生成の仕組み 入力 X 出力 Y ニューラルネットワーク（人間の脳を模したもの） ミニチュアシュナウザー の絵を描いて 入力に対して関係があるものが点灯するイメージ。 その経路に応じて出力内容が異なる 

9 9 ニューラルネットワークから考える生成の仕組み 入力 X 出力 Y ニューラルネットワーク（人間の脳を模したもの） シンガプーラの絵を描いて 学習＝線を太くする ⇒ある入力Xに対して出力Yの経路を再び通りやすくなる 線の太さ、数＝パラメータ数 

10 10 ニューラルネットワークから考える生成の仕組み 入力 X 出力 Y XからYの生成を繰り返すことで言語を生成している。 Yは確率的に高いものを出力する。 文章の場合 Microsoft Coilot は生成AIである。 Microsoft Coilot は生成AI Microsoft Coilot は X Y X Y X Y 

11 11 ニューラルネットワークから考える生成の仕組み より確率の高い用語を選ぶ Temperatureとは Microsoft Coilotのメーカーは X Y 95％ 2.5 ％ レドモンド本社 Coilotのメーカーは サティア・ナデラ Coilotのメーカーは Amazonである。 Coilotのメーカーは Googleである。 Coilotのメーカーは 2.5 ％ 0 ％ 0 ％ Microsoft Coilotのメーカーは X Y 34％ 33％ レドモンド本社 Coilotのメーカーは サティア・ナデラ Coilotのメーカーは Amazonである。 Coilotのメーカーは Googleである。 Coilotのメーカーは 33％ 0 ％ 0 ％ Temperature=0 Temperature=1 より確率の低い用語にも可能性を与える(重みづけ） オレンジ枠の用語の可能性を高める ⇒本来確率が低いものも選択肢になる ※Temperatureの用語自体を覚えることにあまり意味はありません。概念さえ理解できればOK 

12 12 ニューラルネットワークから考える生成の仕組み Temperature=0 Temperature=1 確実性 柔軟性 ※Temperatureの実際の数字は不明でイメージである。あと、個人的な意見としては厳密とクリエイティブは反対の位置に配置したほうがわかりやすい 95％ 2.5 ％ 2.5 ％ 0 ％ 0 ％ 34％ 33％ 33％ 0 ％ 0 ％ Microsoft Copilotに当てはめると クリエイティブ 1. ブレインストーミング 2. 物語 3. 創作 4. 革新的 5. コーディング バランス 1. 学習 2. 要約 3. 疑問解明 4. 詳細説明 5. ガイド 厳密 1. 研究 2. 学問的 3. 定義 4. 事実確認 5. 最適化 

13 13 ニューラルネットワークから考える生成の仕組み Generative Pre-trained Transformer ミニチュアシュナウザー の絵を描いて 入力 X 出力 Y 生成可能な 事前学習済みの 変換器 

14 14 GPTってなんだっけ？ 生成AI 自然言語生成AI 画像生成AI DALL-E など 音声生成AI VALL-E など 音楽生成AI Jukebox など 大規模言語モデル（LargeLanguageModel） GPT：LLMの一種。他にはBardなど 今までの説明はどちらかというとLLMの説明をしていましたが、そこの正確な正しさよりもわかりやすさを優先してGPTを元に説明 ここからもLLM＝GPTとして説明します 

15 15 生成AIで変わったこと 生成AI以前 生成AI以後 検索用AI 要約用AI 対話用AI それぞれのモデルを個別に 開発していた 検索用AI 要約用AI 対話用AI 汎用LLM ChatGPT Microsoft Copilot データ 事前学習 微調整 汎用LLMを利用して ファインチューニング（微調整）する ※特定のタスクに特化させたり、データセット に適応させること イメージ：プロサッカー選手として育てる/ 野球選手として育てるなど イメージ：原っぱを走らせて基礎能力を上げ てから少しサッカーをやらせてプロ選手にする GPT-3 GPT-3.5 GPT-4 

16 16 生成AIで変わったこと 生成AI以後 検索用AI 要約用AI 対話用AI 汎用LLM Microsoft Copilot データ 事前学習 微調整 LLMが進化すれば性能が上がる ⇒LLMの性能を前提とした製品になっている Microsoft Copilotの利用 ユーザの入力 による再学習 再学習がないため、動作はLLMの 性能と開発次第となる Microsoftの開発次第 GPT-3 GPT-3.5 GPT-4 

17 17 RAG(Retrieval Augmented Generation)について 検索用AI 要約用AI 対話用AI 汎用LLM GPT-3 GPT-3.5 GPT-4 Microsoft Copilot データ 事前学習 微調整 事前学習していないことを答えるのは無理である。 そのため、最新の情報を取り込む仕組みとして RAGがある。 Web用Copilot 職場用Copilot 組織内情報 組織外情報 情報取得 

18 18 イケコパ/がっかりコパとは？ 検索用AI 要約用AI 対話用AI 汎用LLM GPT-3 GPT-3.5 GPT-4 Microsoft Copilot データ 事前学習 微調整 Web用Copilot 職場用Copilot 組織内情報 組織外情報 情報取得 入力 X 出力 Y 検索(RAG) R アプリ独自機能 Z X Y ⇒ R Z LLMはX⇒Yは大得意 つまりはテキストの生成、要約であり、 問合せ対応などが得意。ついでR(検索) ※PowerPointなどもここに当たる イケコパ がっかりコパ X⇒Y Teams R Web用Copilot Z PowerPoint/Excel 

No content