Slide 1
Slide 1 text
IoTが産み出すデータを「生成系AI」で
活かすテクニック
株式会社 ソラコム
ソリューションアーキテクト
内田 学
Slide 2
Slide 2 text
本日のハッシュタグ
#SORACOM
@SORACOM_PR
fb.com/soracom.jp
youtube.com/@SORACOM_Japan
instagram.com/soracom.official
使用例
他には…
• #SORACOM IoTやDXの話を聞きにきた
• キーノートは2日目！ #SORACOM
#SORACOM の検索で、最新情報が！
Slide 3
Slide 3 text
自己紹介
• 内田 学 / Manabu Uchida
• 株式会社ソラコム
• ソリューションアーキテクト
• Cloud / SRE / Developer
@uchimanajet7
Slide 4
Slide 4 text
このセッションについて
• IoT が産み出すデータから、生成系 AI を利用して価
値ある情報を得る手段を模索する。
• 生成系 AI の基本と API 使用による他システム連携の
簡単なデモを紹介します。
• この資料やデモは作成時点の情報に基づいています。
Slide 5
Slide 5 text
IoT が産み出すデータは2系統
「状態」と「時系列」
湿度
10:00 35.5%
10:15 41.6%
10:30 40.3%
今の湿度は？
= 状態
過去の傾向は？
= 時系列
マイコン等
10:00 35.5%
10:15 41.6%
10:30 40.3%
10:30現在
40.3%
Slide 6
Slide 6 text
時系列データを基に生成系 AI に
分析や未来予測をしてもらう
過去 現在 未来
時系列データ
35.5% 41.6% 40.3%
！
生成系 AI
Slide 7
Slide 7 text
時系列データ分析のキーポイント
過去 現在 未来
時系列データ
35.5% 41.6% 40.3%
欠損値
季節性と
トレンド
ノイズと
外れ値
大量の
データ
時間と共に
パターンが
変化
分析の
「ツール」と
「スキル」を
生成系 AIで
代用する
Slide 8
Slide 8 text
分析や未来予測に生成系 AI を用いる
利点
• 事前学習が不要
• 理由を回答させることで、妥当性を(人間が)検証可能
気を付けたい点
• 与えるデータサイズの調整
• 冪等性が無い (同じデータから別の予測が導き出される可能性がある)
Slide 9
Slide 9 text
LLM と生成系 AI
LLM (Large Language Model)
GPT-3 GPT-4
ChatGPT
GPT-3 based
ChatGPT
GPT-4 based
GPT-3.5
ChatGPT
GPT-3.5 based
Slide 10
Slide 10 text
ChatGPT の API を利用する
利点
• ChatGPT を API から呼び出せる
• システム・サービスに組み込んで利用できる
気を付けたい点
• 与えるデータサイズ (トークン数) の調整が必要
• 訓練データ外の必要な情報は別途与える必要がある
Slide 11
Slide 11 text
時系列データと ChatGPT
時系列データ アラート
予測モデル
クエリ
ChatGPT
データの
解釈と説明
異常検出の
アラート
自然言語
クエリ
利用者
ChatGPT を解説・翻訳のイン
ターフェースとして利用する
Slide 12
Slide 12 text
API を使ってチャットする
GPS マルチユニット
SORACOM Edition
IoT SIM
ユーザー
（*1）Google, Public domain, ウィキメディア・コモンズ経由で
API
SORACOM
Harvest
温度
湿度
Unified
Endpoint
Colaboratory (*1)
(*2)
（*2）https://slack.com/intl/ja-jp/media-kit
ChatGPT
(GPT-3.5 turbo)
Make
(iPaaS)
（*3）https://www.make.com/en/integromat-evolves-to-make
(*3)
Slide 13
Slide 13 text
ChatGPT API を使ったチャット
• Colaboratory (以下、 Colab)でチャット機能を確認する。
• 使用ライブラリは openai/openai-python
• モデルは GPT-3.5 系の gpt-3.5-turbo
• temperature や messages/role/system の
役割も合わせて確認する。
Slide 14
Slide 14 text
ChatGPT API を使ったチャット
GPS マルチユニット
SORACOM Edition
IoT SIM
ユーザー
（*1）Google, Public domain, ウィキメディア・コモンズ経由で
API
SORACOM
Harvest
温度
湿度
Unified
Endpoint
Colaboratory (*1)
(*2)
（*2）https://slack.com/intl/ja-jp/media-kit
ChatGPT
(GPT-3.5 turbo)
Make
(iPaaS)
（*3）https://www.make.com/en/integromat-evolves-to-make
(*3)
Slide 15
Slide 15 text
ChatGPT API を使ったチャット
Demo
Slide 16
Slide 16 text
No content
Slide 17
Slide 17 text
ChatGPT API を使ったチャット
• messages/role/system を使うと、回答に制約をつけら
れる。
• 指示した制約が必ず反映されるとは限らない。
• モデルによって挙動が異なる場合がある。
• temperature はランダム性を調整パラメータ。
• 0近づくほどランダム性は減る。
Slide 18
Slide 18 text
API を使って時系列データを準備する
• SORACOM API で SORACOM Harvest から時系列
データを取得する。
• トークン使用量の節約のため、Colab 上で温度と湿
度だけに編集する。
• Pandas 等のライブラリを利用して、編集や確認を
行いながらデータを準備する。
Slide 19
Slide 19 text
API を使って時系列データを準備する
GPS マルチユニット
SORACOM Edition
IoT SIM
ユーザー
（*1）Google, Public domain, ウィキメディア・コモンズ経由で
API
SORACOM
Harvest
温度
湿度
Unified
Endpoint
Colaboratory (*1)
(*2)
（*2）https://slack.com/intl/ja-jp/media-kit
ChatGPT
(GPT-3.5 turbo)
Make
(iPaaS)
（*3）https://www.make.com/en/integromat-evolves-to-make
(*3)
Slide 20
Slide 20 text
API を使って時系列データを準備する
Demo
Slide 21
Slide 21 text
No content
Slide 22
Slide 22 text
API を使って時系列データを準備する
https://platform.openai.com/tokenizer
1 時間分の編集済みデータでも多くの
トークンを消費する
Slide 23
Slide 23 text
API を使ってチャットの結果を連携する
GPS マルチユニット
SORACOM Edition
IoT SIM
ユーザー
（*1）Google, Public domain, ウィキメディア・コモンズ経由で
API
SORACOM
Harvest
温度
湿度
Unified
Endpoint
Colaboratory (*1)
(*2)
（*2）https://slack.com/intl/ja-jp/media-kit
ChatGPT
(GPT-3.5 turbo)
Make
(iPaaS)
（*3）https://www.make.com/en/integromat-evolves-to-make
(*3)
Slide 24
Slide 24 text
API を使ってチャットの結果を連携する
• 時系列データを用いてチャットし、結果を他サービ
スと連携する。
• JSON 形式の回答を指示し、Webhook で iPaaS の
Make と連携する。
• Slackへ結果が投稿される。
Slide 25
Slide 25 text
API を使ってチャットの結果を連携する
Demo
Slide 26
Slide 26 text
No content
Slide 27
Slide 27 text
No content
Slide 28
Slide 28 text
API を使ってチャットの結果を連携する
• プロンプトを工夫し未来予測、分析、モニタリング
値の提案等を得られた。
• 実利用は内容を含めて検証・確認が必要。
• JSON 形式指示は期待通りにならない場合もある。
• サービス連携で利用する場合は考慮が必要。
Slide 29
Slide 29 text
分析や未来予測に生成系 AI を用いる
利点
• 事前学習が不要
• 理由を回答させることで、妥当性を(人間が)検証可能
気を付けたい点
• 与えるデータサイズの調整
• 冪等性が無い (同じデータから別の予測が導き出される可能性がある)
Slide 30
Slide 30 text
まとめ
• AIの得意分野で上手く利用すると、手軽に効果が得ら
れる場合がある。
• 専門知識や勘所がなくても、新たな発見やアイデアを
試せる。
• データのインプット時には、トークン数の上限に注意。
Slide 31
Slide 31 text
SORACOM の願い
クラウド ⇒ 多くの Web サービス
SORACOM ⇒ 多くの IoT システム
日本から、世界から、たくさんの
IoT プレイヤーが生まれますように
Slide 32
Slide 32 text
IoTの「つなぐ」を簡単に
You Create. We Connect.