技術的視点から見る生成AIとその活用方法 / 2023-06-09

りそな銀行主催「AI導入のメリットを見極めるセミナー&個別相談会」で使用した資料です。

1. ٕज़తࢹ఺͔ΒݟΔੜ੒"*ͱͦͷ׆༻ํ๏ ੴؙ
   ᠳ໵
   େࡕެཱେֶ
   େֶӃ৘ใֶݚڀՊ
   ಛ೚ڭत
   
   %',*
   -BC
   +BQBO
   
   Γͦͳۜߦओ࠵ʮ"*ಋೖͷϝϦοτΛݟۃΊΔηϛφʔݸผ૬ஊձʯ
2. ੴؙ
   ᠳ໵
   4IPZB
   *TIJNBSV %JSFDUPS
   !1TZCFS-BC
   3FTFBSDI
   HSPVQ
   JO
   3156 $P%JSFDUPS
   !J2--BC
   -JWJOH
   MBC
   JO
   %',* $30
   !"MQIBCFO
   4NBSU
   SFBEJOH
   DPBDI
   BQQ • ݱࡏ
   
   
   
   େࡕެཱେֶ
   େֶӃ৘ใֶݚڀՊ
   ಛ೚ڭत
   • 
   υΠπͰ
   ത࢜՝ఔ೥ˠϙευΫ೥ˠେֶڭһ೥
   • υΠπਓ޻஌ೳݚڀηϯλʔ
   %',*
   4FOJPS
   3FTFBSDIFS
   • ΧΠβʔεϥ΢ςϧϯϥϯμ΢େֶ
   3156
   +VOJPS
   1SPGFTTPS
4. ΧΠβʔεϥ΢ςϧϯ
7. "*ٕज़Ͱਓͷ஌ੑΛ֦ு͢Δ • ઐ໳
   r
   ΞΠτϥοΩϯάɺ΢ΣΞϥϒϧίϯϐϡʔςΟϯάɺػցֶशɺߦಈม༰
   • ໰͍
   r
   ʮਓ͕ؒಓ۩Λൃ໌͠ɺಓ۩͕ਓؒΛൃలͤ͞Δʯͱ͍͏αΠΫϧͷதͰɺ"*ٕ ज़Λ਎ʹ·ͱͬͨਓؒ͸ࠓޙͲΜͳೳྗΛ֫ಘ͠ԿΛख์͍ͯ͘͠
   ΂͖
   ͩΖ͏͔ʁ
   • ׆ಈ
   r
   ஌ੑΛʮֶͿɾߟ͑Δɾ఻͑Δʯೳྗͱఆٛ͠ɺͦΕΒΛ֦ு͢Δٕज़Λݚڀ
8. ݚڀྫ
   ΠϯλϥΫςΟϒσδλϧڭՊॻ
   )ZQFS.JOE ڵຯ ཧղ౓ ೝ஌ෛՙ ΞΠτϥοΩϯά αʔϞάϥϑ ಡΈฦ͠ ඓ෦ද໘Թ౓ ஫ࢹ S. Ishimaru, et al. Cognitive State Measurement on Learning Materials by Utilizing Eye Tracker and Thermal Camera. Proc. ICDAR HDI 2017, pp. 32–36, 2017. S. Ishimaru, et al. Augmented Learning on Anticipating Textbooks with Eye Tracking. Positive Learning in the Age of Information (PLATO), pp. 387–398, 2018.
10. ݚڀ঺հσϞ
12. ΞΠτϥοΩϯά ςΩετ ਓͷ಺తঢ়ଶ
    ڵຯɾཧղ౓
    1MFBTF
    TVNNBSJ[F
    UIF
    GPMMPXJOH
    UFYU
    
    /PUF
    UIBU
    UIF
    SFBEFS
    JT
    JOUFSFTUFE
    JO
    
    ϓϩϯϓτ ࢓૊Έ
13. Ξ΢τϥΠϯ  • $IBU
    (15ͷݪཧ
    • ݴޠϞσϧͱ୯ޠྻੜ੒֬཰ͷܭࢉ
    • ݴޠϞσϧͷେن໛Խ
    (15
    $IBU(15
    • 'JOFUVOJOHͱ*ODPOUFYU
    MFBSOJOH
    • $IBU(15ͷ׆༻
    • ଞαʔϏεͱͷ࿈ܞ
    $IBU(15
    1MVHJOT
    • $IBU(15΁ͷ஌ࣝ௥Ճ
    0QFO"*
    "1*
    --BNB*OEFY ݚڀऀ໨ઢ ΤϯδχΞ໨ઢ ٕज़తࢹ఺͔ΒݟΔ
    ੜ੒"*ͱͦͷ׆༻ํ๏
14. Ξ΢τϥΠϯ  • $IBU
    (15ͷݪཧ
    • ݴޠϞσϧͱ୯ޠྻੜ੒֬཰ͷܭࢉ
    • ݴޠϞσϧͷେن໛Խ
    (15
    $IBU(15
    • 'JOFUVOJOHͱ*ODPOUFYU
    MFBSOJOH
    • $IBU(15ͷ׆༻
    • ଞαʔϏεͱͷ࿈ܞ
    $IBU(15
    1MVHJOT
    • $IBU(15΁ͷ஌ࣝ௥Ճ
    0QFO"*
    "1*
    --BNB*OEFY
15. ݴޠϞσϧ  • ςΩετͷଓ͖
    ͋ΔςΩετʹଓ͘୯ޠ
    Λ༧ଌ͢Δ֬཰Ϟσϧ
    • ୯ޠ
    τʔΫϯ
    ྻ
    
    ͷੜ੒֬཰
    
    ΛٻΊΔ y1 , . . . , yT P(y1 , . . . , yT ) y* = argmaxP(ӳࠃ, ͷ, ट౎, ͸, y)
    
    P(ӳࠃ, ͷ, ट౎, ͸, ౦ژ) = 0.00000043 P(ӳࠃ, ͷ, ट౎, ͸, ύϦ) = 0.00000082 P(ӳࠃ, ͷ, ट౎, ͸, ϩϯυϯ) = 0.00000103 Ԭ࡚, େن໛ݴޠϞσϧͷڻҟͱڴҖ, AIPγϯϙδ΢Ϝ੒Ռใࠂձ, 2023 https://speakerdeck.com/chokkan/20230327_riken_llm ΑΓൈਮ͠Ұ෦վม y* = ϩϯυϯ  $IBU
    (15ͷݪཧ ࠷େΛͱΔೖྗΛݟ͚ͭΔ
16. ੜ੒֬཰
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    ͷܭࢉ  • ઌ಄͔Β୯ޠΛॱʹੜ੒͢Δ৚݅෇͖֬཰ͷੵͰද͢͜ͱ͕Ͱ͖Δ P(y1 , . . . , yT ) = P(y1 )ɾP(y2 |y1 )ɾP(y3 |y1 , y2 )ɾɾɾP(yT |y1 , . . . , yT−1 ) ൪໨͔Β5൪໨ͷ୯ޠͷޙʹ5൪໨ͷ୯ޠ͕ग़ݱ͢Δ֬཰ P(yT |y1 . . . , yT−1 ) = #(y1 , . . . , yT−1 , yT ) #(y1 , . . . yT−1 ) • ৚݅෇͖֬཰͸େن໛ͳίʔύε
    ྫ
    ΢Σϒ্ͷจॻ
    Ͱਪఆ͢Δ͜ͱ͕Ͱ͖Δ ӳࠃͷट౎͸ϩϯυϯͰݕࡧ͢Δͱ݅ ӳࠃͷट౎͸
    
    
    
    Ͱݕࡧ͢Δͱ ݅ P(ϩϯυϯ|ӳࠃ, ͷ, ट౎, ͸) = 8 21,700 Ԭ࡚, େن໛ݴޠϞσϧͷڻҟͱڴҖ, AIPγϯϙδ΢Ϝ੒Ռใࠂձ, 2023 https://speakerdeck.com/chokkan/20230327_riken_llm ΑΓൈਮ͠Ұ෦վม $IBU
    (15ͷݪཧ P(y1 , . . . , yT )
17. ੜ੒֬཰Λܭࢉ͢Δͷ͸؆୯Ͱ͸ͳ͍  • σʔλεύʔεωε໰୊
    
    ୯ޠྻ͕௕͘ͳΔͱͦͷग़ݱճ਺͕ٸ଎ʹݮগ͠ɺ֬཰ͷਪఆ͕ࠔ೉ʹͳΔ
    ৽͍͠୯ޠ΍ϑϨʔζ͕೔ʑੜ·Ε͍ͯΔͨΊɺͲΜͳʹେن໛ͳσʔληοτͰ΋
    ͢΂ͯͷݴޠݱ৅ΛΧόʔ͢Δ͜ͱ͸ࠔ೉
    • ྨٛޠ໰୊
    
    ྨٛޠ΍ؔ࿈ޠ͕ݸผͷࣄ৅ͱͯ͠ѻΘΕͯ͠·͏
    ʮӳࠃͷट౎͸ϩϯυϯʯͱʮΠΪϦεͷट౎͸ϩϯυϯʯ͸ಉ౳ʹѻ͍͍ͨ
    • ͜ΕΒΛ͸͡Ίͱ͢Δ՝୊Λࠀ෰͢Δ΂͘ɺ༷ʑͳݚڀ͕ߦΘΕ͍ͯΔ Ԭ࡚, େن໛ݴޠϞσϧͷڻҟͱڴҖ, AIPγϯϙδ΢Ϝ੒Ռใࠂձ, 2023 https://speakerdeck.com/chokkan/20230327_riken_llm ΑΓൈਮ͠Ұ෦վม $IBU
    (15ͷݪཧ
18. ࣗવݴޠॲཧɾݴޠϞσϧݚڀͷྫ  OHSBN
    ݴޠϞσϧ 3//ܕχϡʔϥϧݴޠϞσϧ "UUFOUJPO
    ஫ҙػߏ
    ͱ5SBOTGPSNFS nグラム言語モデル（深層学習以前の言語モデル） 10  条件付き確率の条件部を𝑛𝑛 − 1個前までの単語で打ち切る 𝑃𝑃(𝑦𝑦𝑡𝑡 |𝑦𝑦0 , … , 𝑦𝑦𝑡𝑡−1 ) ≈ 𝑃𝑃(𝑦𝑦𝑡𝑡 |𝑦𝑦𝑡𝑡−𝑛𝑛+1 , … , 𝑦𝑦𝑡𝑡−1 ) = #(𝑦𝑦𝑡𝑡−𝑛𝑛+1 , … , 𝑦𝑦𝑡𝑡−1 , 𝑦𝑦𝑡𝑡 ) #(𝑦𝑦𝑡𝑡−𝑛𝑛+1 , … , 𝑦𝑦𝑡𝑡−1 )  データスパースネス問題をある程度回避できる  テキストの続きを予測する問題を3グラム言語モデルで解く場合 𝑃𝑃 𝑦𝑦 英国, の, 首都, は ≈ 𝑃𝑃 𝑦𝑦 首都, は = #(首都, は, 𝑦𝑦) #(首都, は) ❌ 長距離依存（離れた位置にある単語の関係性）を扱いにくい 𝑦𝑦𝑡𝑡 よりも前に ある全単語 𝑦𝑦𝑡𝑡 から𝑛𝑛 − 1個前 までの単語 どこの首都について聞かれて いるのか考慮できない！ 𝑃𝑃 東京 | 首都, は = 0.74 𝑃𝑃 パリ |首都, は = 0.03 𝑃𝑃 … … |首都, は = ⋯ 𝑃𝑃 ロンドン |首都, は = 0.05 𝑦𝑦∗ = 東京 RNN型ニューラル言語モデル (Mikolov+ 2010) 11 BOS softmax softmax softmax softmax softmax 英国 の 首都 は 𝑃𝑃 𝑦𝑦1 |BOS 𝑃𝑃 𝑦𝑦2 |英国 T Mikolov, M Karafiát, L Burget, J Černocký, S Khudanpur. 2010. Recurrent Neural Network Based Language Model. In INTERSPEECH, pp. 1045-1048. 𝑃𝑃 𝑦𝑦3 |英国の 𝑃𝑃 𝑦𝑦4 |英国の首都 𝑃𝑃 𝑦𝑦5 |英国の首都は ✅ 埋め込み表現（単語ベクトル）により類義語・関連語を考慮できる 😟😟 原理上は長距離依存を扱えるが、固定長のベクトルだけでは情報を覚えきれない 😟😟 ネットワークが単語位置方向に深くなるため、学習が難しくなる（勾配爆発・消失） 単語 ベクトル 隠れ状態 ベクトル 確率分布 ベクトル 勾配 消失 ニューラル機械翻訳（系列変換モデル）における進展 12 The capital of UK is + London BOS 英国 の 首都 は 英国 の 首都 は ロンドン  2014年頃から深層学習に基づく機械翻訳の研究が盛んに (Sutskever+ 2014)  機械翻訳モデルと言語モデルのアーキテクチャは似ている  大規模言語モデルの基盤となるアイディア（例：注意機構）が次々と生み出される ✅ 注意機構により、固定長のベクトルだけを用いるのではなく、入力単語の情報を柔軟に 参照しながら翻訳単語の予測を行えるようになり、長い入力文の翻訳精度が向上した 😟😟 入力文中の単語間、出力文中の単語間の長距離依存を考慮しにくい I Sutskever, O Vinyals, Q V Le. 2014. Sequence to Sequence Learning with Neural Networks. In NIPS, pp. 3104–3112. D Bahdanau, K Cho, Y Bengio. 2015. Neural Machine Translation by Jointly Learning to Align and Translate. In ICLR. 注意機構 (Bahdanau+ 2015) どの単語に着目するべきか 自動的に学習・決定される ৚݅෇͖֬཰ͷ৚݅෦Λ
    Oݸલ·Ͱͷ୯ޠͰଧͪ੾Δ ຒΊࠐΈදݱ
    ୯ޠϕΫτϧ
    XPSEWFD
    ʹΑͬͯྨٛޠɾؔ࿈ޠΛߟྀ͢Δ ೖྗ୯ޠͷ৘ใΛॊೈʹࢀরͯ͠
    ௕ڑ཭ґଘ໰୊Λղফ͢Δ Ԭ࡚, େن໛ݴޠϞσϧͷڻҟͱڴҖ, AIPγϯϙδ΢Ϝ੒Ռใࠂձ, 2023 https://speakerdeck.com/chokkan/20230327_riken_llm $IBU
    (15ͷݪཧ
19. • ਂ૚ֶशͰੜ੒֬཰Λਪఆ
    5SBOTGPSNFSͷσίʔμͱݺ͹ΕΔ෦෼ΛݴޠϞσϧͱֶͯ͠श
    • ຊ΍΢Σϒ͔Βऩूͨ͠େྔͷςΩετͰֶश͠ɺҰൠతͳ஌ࣝͷ֫ಘΛૂ͏
    • ύϥϝʔλ਺͸ڊେԽ܏޲
    (15
    ԯ
    ˠ
    (15
    dԯ
    (15͸ඇެ։ (FOFSBUJWF
    1SFUSBJOFE
    5SBOTGPSNFS
    (15  $IBU
    (15ͷݪཧ ࠷৽ɾ࠷ߴੑೳͷେن໛ݴޠϞσϧGPT-4͸Ռͨͯ͠ʮAIݚڀʯͳͷ͔ - εςʔτɾΦϒɾAI ΨΠυ https://ja.stateofaiguides.com/20230321-gpt4-explained/
20. ݴޠϞσϧͷେن໛Խ
    ύϥϝʔλ਺ԯ௒͑  Zhao, Wayne Xin, et al. "A survey of large language models." arXiv preprint arXiv:2303.18223 (2023). $IBU
    (15ͷݪཧ
21. • ΋ͱͱͳΔϞσϧ͸*OTUSVDU(15ͩͱݴΘΕ͍ͯΔ
    ৄࡉ͸ະެ։
    • ϓϩϯϓτͰ༩͑ΒΕͨਓؒͷࢦࣔʹैͬͯৄࡉͳԠ౴Λฦ͢Α͏ɺ
    ਓؒͷϑΟʔυόοΫʹΑΔڧԽֶश͕૊Έࠐ·Ε͍ͯΔ
    • 
    Ϣʔβʔͷೖྗʹରͯ͠ઐ໳Ո͕ճ౴Λॻ͍ͯ4VQFSWJTFE
    fi OFUVOJOH
    • 
    ػցֶशͰෳ਺ͷճ౴Λग़ͯ͠ϥϯΩϯάΛධՁ͢Δ3FXBSE
    NPEFM $IBU(15  $IBU
    (15ͷݪཧ L Ouyang, J Wu, X Jiang, D Almeida, et. al. 2022. Training Language Models to Follow Instructions with Human Feedback. arXiv:2203.02155. (15ͷճ౴ ϓϩϯϓτ Ϣʔβʔ ཧ૝తͳճ౴ Ξϊςʔλʔ ֶश 4VQFSWJTFE
    fi OFUVOJOH 3FXBSE
    NPEFM Ξϊςʔλʔ (15ͷճ౴ (15ͷճ౴ (15ͷճ౴ ճ౴ϥϯΩϯά ֶश (15ͷճ౴
22. 'JOFUVOJOH  • ॴ๬ͷλεΫ͕ղ͚ΔΑ͏ʹࣄલֶशࡁΈͷ
    ݴޠ
    ϞσϧΛௐ੔͢Δ͜ͱ
    • ݴޠʹؔ͢ΔҰൠతͳ஌ࣝΛϕʔεʹɺλεΫݻ༗ͷ஌ࣝΛ֫ಘ͢Δ
    • ଟ͘ͷࣗવݴޠॲཧλεΫͰ౰࣌ͷੈք࠷ߴੑೳΛߋ৽
    • ܽ఺ɿλεΫݻ༗ͷ૚ΛϞσϧʹ௥Ճ·ͨ͸ֶश͠௚͢ඞཁ͕͋Δ
    ίετେ $IBU
    (15ͷݪཧ
23. *ODPOUFYU
    MFBSOJOH  • ϓϩϯϓτΤϯδχΞϦϯάͱ΋ݺ͹ΕΔ
    • େن໛ݴޠϞσϧʹ༩͑ΔςΩετ
    ϓϩϯϓτ
    Λ޻෉ͯ͠ɺ
    ݴޠϞσϧͷΞʔΩςΫνϟΛมߋͤͣʹλεΫΛղ͘
    • λεΫͷઆ໌ʹΑΔϓϩϯϓτ
    [FSPTIPU
    ࣍ͷ࣭໰ʹ౴͍͑ͯͩ͘͞ɻӳࠃͷट౎͸Ͳ͜Ͱ͠ΐ͏͔ʁɹϩϯυϯ
    • λεΫͷઆ໌ͱղ͖ํͷྫΛ࿈݁ͨ͠ϓϩϯϓτ
    GFXTIPU
    ࣍ͷ࣭໰ʹ౴͍͑ͯͩ͘͞ɻ೔ຊͷट౎͸౦ژͰ͢ɻӳࠃͷट౎͸Ͳ͜Ͱ͠ΐ͏͔ʁɹϩϯυϯ
    • ܽ఺ɿ'JOFUVOJOHͱൺֱ͢ΔͱɺλεΫͷਖ਼ղ཰͕௿͍͜ͱ͕ଟ͍ $IBU
    (15ͷݪཧ
24. લ൒ͷ·ͱΊ • ݴޠϞσϧͱ͸ɺςΩετͷଓ͖Λ༧ଌ͢Δ֬཰ϞσϧͰ͋Δ
    • ਂ૚ֶशͷൃల
    5SBOTGPSNFS
    FUD
    ͱେྔͷֶशσʔλʹΑͬͯ
    (FOFSBUJWF
    1SFUSBJOFE
    5SBOTGPSNFS
    (15
    ͳͲͷେن໛Ϟσϧ͕஀ੜͨ͠
    • ͦͷ݁Ռɺ ୯ͳΔ
    ୯ޠ༧ଌػ͕༷ʑͳλεΫΛղ͍ͯɺিܸΛ༩͍͑ͯΔ
    • 'JOFUVOJOH΍*ODPOUFYU
    MFBSOJOHͰߋʹλεΫ΁ͷ࠷దԽ͕ՄೳͰ͋Δ  $IBU
    (15ͷݪཧ
25. Ξ΢τϥΠϯ  • $IBU
    (15ͷݪཧ
    • ݴޠϞσϧͱ୯ޠྻੜ੒֬཰ͷܭࢉ
    • ݴޠϞσϧͷେن໛Խ
    (15
    $IBU(15
    • 'JOFUVOJOHͱ*ODPOUFYU
    MFBSOJOH
    • $IBU(15ͷ׆༻
    • ଞαʔϏεͱͷ࿈ܞ
    $IBU(15
    1MVHJOT
    • $IBU(15΁ͷ஌ࣝ௥Ճ
    0QFO"*
    "1*
    --BNB*OEFY
26. $IBU(15
    1MVT $IBU(15 ੜ੒"*͕͍͢͝ͷ͸෼͔ͬͨɻ
    ΢ν͸ͲΕΛ࢖͑͹͍͍ʁ (15 #JOH"* -MBNB*OEFY &NCFEEJOH ϓϩϯϓτ "1* ϑΝΠϯνϡʔχϯά 1MVHJO ໨తʹ߹Θͤͯ $IBU(15ͷ׆༻ ΞϓϦ 1MVHJO "1* ʹ͍ͭͯղઆ
27. $IBU(15
    1MVT $IBU(15 ੜ੒"*͕͍͢͝ͷ͸෼͔ͬͨɻ
    ΢ν͸ͲΕΛ࢖͑͹͍͍ʁ (15 #JOH"* -MBNB*OEFY &NCFEEJOH ϓϩϯϓτ "1* ϑΝΠϯνϡʔχϯά 1MVHJO ໨తʹ߹Θͤͯ $IBU(15ͷ׆༻ ΞϓϦ ʹ͍ͭͯղઆ 1MVHJO "1*
28. ิ଍
    4/4ʹग़ճΔνΣϦʔϐοΫʹ஫ҙ  • ੜ੒"*ͷීٴʹΑͬͯʮϓϩڻ͖԰ʯ͕Πϯλʔωοτ্ʹٸ૿ͨ͠
    • ʮʓʓͷϓϩϯϓτ΍͹͗͢Δɻ˚˚͕ཁΒͳ͘ͳΔϨϕϧʯ͸େମ࠮ٗͰ͢
    • ʢ໨ཱ͍ͪͨɺ৘ใ঎ࡐΛച͓ͬͯۚΛՔ͍͗ͨͱ͍͏ಈػʣ
    • ༩͑ΔϓϩϯϓτΛޡຐԽ͍ͯ͠Δਓ͸͘͝Ұ෦ͩͱࢥ͏͕ɺ͍͔ͭ͘ੜ੒͠ ͨத͔Β͏·͍ͬͨ͘ྫͷΈΛެ։
    νΣϦʔϐοΫ
    ͢Δਓ͸ଟ͍ҹ৅
    • ͢΂ͯΛӏವΈʹͤͣࣗ෼ͰखΛಈ͔ͯ֬͠ೝ͢Δ͜ͱ͕େ੾ $IBU(15ͷ׆༻
29. $IBU(15ͷ׆༻ γφϦΦ
    ଞαʔϏεͷ࿈ܞ
30. 1MVHJO  • $IBU(15ʹػೳΛ௥ՃͰ͖ΔπʔϧɾϓϥοτϑΥʔϜ
    • ڧΈ
    ͦΕͧΕͷαʔϏε͕ࣗ਎ͷϦιʔεΛ$IBU(15ʹ઀ଓͰ͖Δɻྫ͑͹
    • ݴޠϞσϧͷֶश౰࣌
    ೥݄
    ΑΓޙͷ৘ใΛऔಘ͢Δ
    • ΦʔϓϯԽ͞Ε͍ͯͳ͍৘ใ
    ࣾ಺จॻͳͲ
    Λऔಘ͢Δ
    • νϟοτͰλεΫΛ࣮ߦ
    ஫จɺਤࣔɺಡΈ্͛ɺ
    • ೥݄࣌఺Ͱ͸$IBU(15
    1MVT
    ༗ྉϓϥϯ
    Ͱར༻Մೳ $IBU(15ͷ׆༻
31. ଟ࠼ͳ1MVHJO͕ʮ1MVHJO
    TUPSFʯͰެ։͞Ε͍ͯΔ  $IBU(15ͷ׆༻ 0QFO"*ʹΑΔ஫ҙॻ͖
    • ϓϥάΠϯ͕৴པͰ͖Δ΋ͷͰ͋Δ͜ͱΛ֬ೝ͢Δ͜ͱɻ
    • ϓϥάΠϯʹૹ৴͞Εͨ৘ใ͸ه࿥͞ΕΔ͜ͱ͕͋Δɻ
    • ϓϥάΠϯ͕࢖༻͞ΕΔλΠϛϯά͸$IBU(15͕ܾΊΔɻ
32. 8FCݕࡧ1MVHJO  ৘ใͷιʔε
    ϦϯΫ
    ΛਘͶΔ $IBU(15ͷ׆༻ ֶश࣌ʹ͸ଘࡏ͠ͳ͔ٕͬͨज़ʹ͍ͭͯฉ͘
33. 8FCهࣄ΍υΩϡϝϯτʹ͍ͭͯਘͶΔ  $IBU(15ͷ׆༻
34. γφϦΦ
    ࣗࣾ৘ใͷݕࡧ $IBU(15ͷ׆༻
35. OPOQVCMJD৘ใΛ$IBU(15ʹ௥Ճ͢Δ  ϓϩϯϓτʹͦͷ··ؚΊΔ
    ˞τʔΫϯ
    ৘ใྔ
    ͕গͳ͍৔߹ LlamaIndex https://gpt-index.readthedocs.io/en/latest/index.html OpenAI Cookbook - GitHub https://github.com/openai/openai-cookbook -MNB*OEFY
    ݕࡧ༻ͷΠϯσοΫεϓϩϯϓτΛੜ੒ $IBU(15ͷ׆༻
36. ࢲͷ೔ؒͷӡಈɾ৯ࣄɾਭ຾σʔλͰ͋ΔԼهͷDTWΛ׆༻ͯ͠ɺࢲͷ৯ੜ׆ʹ͍ͭͯΞυόΠε͍ͯͩ͘͠͞ɻ
    
    %BUF "DUJWF
    &OFSHZ
    LDBM "MDPIPM
    $POTVNQUJPO
    DPVOU "QQMF
    &YFSDJTF
    5JNF
    NJO "QQMF
    4MFFQJOH
    8SJTU
    5FNQFSBUVSF
    EFH$ "QQMF
    4UBOE
    )PVS
    DPVOU "QQMF
    4UBOE
    5JNF
    NJO #BTBM
    #PEZ
    5FNQFSBUVSF
    EFH$ #BTBM
    &OFSHZ
    #VSOFE
    LDBM #MPPE
    "MDPIPM
    $POUFOU
     #MPPE
    (MVDPTF
    NNPM- #MPPE
    0YZHFO
    4BUVSBUJPO
     #MPPE
    1SFTTVSF
    <4ZTUPMJD>
    NN)H #MPPE
    1SFTTVSF
    <%JBTUPMJD>
    NN)H #PEZ
    'BU
    1FSDFOUBHF
     #PEZ
    .BTT
    *OEFY
    DPVOU #PEZ
    5FNQFSBUVSF
    EFH$ $BMDJVN
    NH $BSCPIZESBUFT
    H $IMPSJEF
    NH $ISPNJVN
    NDH $PQQFS
    NH $ZDMJOH
    %JTUBODF
    LN %JFUBSZ
    #JPUJO
    NDH %JFUBSZ
    $B ff FJOF
    NH %JFUBSZ
    $IPMFTUFSPM
    NH %JFUBSZ
    &OFSHZ
    LDBM %JFUBSZ
    4VHBS
    H %JFUBSZ
    8BUFS
    N- %JTUBODF
    %PXOIJMM
    4OPX
    4QPSUT
    LN &OWJSPONFOUBM
    "VEJP
    &YQPTVSF
    E#"41- 'JCFS
    H 'MJHIUT
    $MJNCFE
    DPVOU 'PMBUF
    NDH 'PSDFE
    &YQJSBUPSZ
    7PMVNF
    
    - 'PSDFE
    7JUBM
    $BQBDJUZ
    - )BOEXBTIJOH
    T )FBEQIPOF
    "VEJP
    &YQPTVSF
    E#"41- )FBSU
    3BUF
    <.JO>
    DPVOU NJO )FBSU
    3BUF
    <.BY>
    DPVOUNJO )FBSU
    3BUF
    <"WH>
    DPVOUNJO )FBSU
    3BUF
    7BSJBCJMJUZ
    NT )FJHIU
    N )JHI
    )FBSU
    3BUF
    /PUJ fi DBUJPOT
    <.JO>
    DPVOU )JHI
    )FBSU
    3BUF
    /PUJ fi DBUJPOT
    <.BY>
    DPVOU )JHI
    )FBSU
    3BUF
    /PUJ fi DBUJPOT
    <"WH>
    DPVOU *OIBMFS
    6TBHF
    DPVOU *OTVMJO
    %FMJWFSZ
    *6 *PEJOF
    NDH *SPO
    NH *SSFHVMBS
    )FBSU
    3BUF
    /PUJ fi DBUJPOT
    <.JO>
    DPVOU *SSFHVMBS
    )FBSU
    3BUF
    /PUJ fi DBUJPOT
    <.BY>
    DPVOU *SSFHVMBS
    )FBSU
    3BUF
    /PUJ fi DBUJPOT
    <"WH>
    DPVOU -FBO
    #PEZ
    .BTT
    LH -PX
    )FBSU
    3BUF
    /PUJ fi DBUJPOT
    <.JO>
    DPVOU -PX
    )FBSU
    3BUF
    /PUJ fi DBUJPOT
    <.BY>
    DPVOU -PX
    )FBSU
    3BUF
    /PUJ fi DBUJPOT
    <"WH>
    DPVOU .BHOFTJVN
    NH .BOHBOFTF
    NH .JOEGVM
    .JOVUFT
    NJO .PMZCEFOVN
    NDH .POPVOTBUVSBUFE
    'BU
    H /JBDJO
    NH /VNCFS
    PG
    5JNFT
    'BMMFO
    DPVOU 1BOUPUIFOJD
    "DJE
    NH 1FBL
    &YQJSBUPSZ
    'MPX
    3BUF
    -NJO 1FSJQIFSBM
    1FSGVTJPO
    *OEFY
     1PMZVOTBUVSBUFE
    'BU
    H 1PUBTTJVN
    NH 1SPUFJO
    H 1VTI
    $PVOU
    DPVOU 3FTQJSBUPSZ
    3BUF
    DPVOUNJO 3FTUJOH
    )FBSU
    3BUF
    DPVOU NJO 3JCP fl BWJO
    NH 4BUVSBUFE
    'BU
    H 4FMFOJVN
    NDH 4FYVBM
    "DUJWJUZ
    <6OTQFDJ fi FE>
    DPVOU 4FYVBM
    "DUJWJUZ
    <1SPUFDUJPO
    6TFE>
    DPVOU 4FYVBM
    "DUJWJUZ
    <1SPUFDUJPO
    /PU
    6TFE>
    DPVOU 4JY.JOVUF
    8BMLJOH
    5FTU
    %JTUBODF
    N 4MFFQ
    "OBMZTJT
    <"TMFFQ>
    IS 4MFFQ
    "OBMZTJT
    <*O
    #FE>
    IS 4MFFQ
    "OBMZTJT
    <$PSF>
    IS 4MFFQ
    "OBMZTJT
    <%FFQ>
    IS 4MFFQ
    "OBMZTJT
    <3&.>
    IS 4MFFQ
    "OBMZTJT
    <"XBLF>
    IS 4PEJVN
    NH 4UBJS
    4QFFE
    %PXO
    NT 4UBJS
    4QFFE
    6Q
    NT 4UFQ
    $PVOU
    DPVOU 4XJNNJOH
    %JTUBODF
    N 4XJNNJOH
    4USPLF
    $PVOU
    DPVOU 5IJBNJO
    NH 5PPUICSVTIJOH
    T 5PUBM
    'BU
    H 70
    .BY
    NM LHuNJO 7JUBNJO
    "
    NDH 7JUBNJO
    #
    NDH 7JUBNJO
    #
    NH 7JUBNJO
    $
    NH 7JUBNJO
    %
    NDH 7JUBNJO
    &
    NH 7JUBNJO
    ,
    NDH 8BJTU
    $JSDVNGFSFODF
    DN 8BMLJOH
    
    3VOOJOH
    %JTUBODF
    LN 8BMLJOH
    "TZNNFUSZ
    1FSDFOUBHF
     8BMLJOH
    %PVCMF
    4VQQPSU
    1FSDFOUBHF
     8BMLJOH
    )FBSU
    3BUF
    "WFSBHF
    DPVOUNJO 8BMLJOH
    4QFFE
    LNIS 8BMLJOH
    4UFQ
    -FOHUI
    DN 8FJHIU
    
    #PEZ
    .BTT
    LH 8IFFMDIBJS
    %JTUBODF
    LN ;JOD
    NH
    
                                   
    
                                 
    
                                     
    
                                         
    
                                  
    
                                                 
    
                                    
    
                                    ϓϩϯϓτʹ௚઀ೖྗ͢Δྫ $IBU(15ͷ׆༻
37. ҎԼͷΠϕϯτ৘ใΛࣈͰ޿ใͯ͠Լ͍͞ɻ
    
    ʲΓͦͳۜߦʷେࡕެཱେֶʷ4P-BCPʳ"*ಋೖͷϝϦοτΛݟۃΊΔηϛφʔˍݸผ૬ஊձ։࠵
    גࣜձࣾ4P-BCP
    ೥݄೔
    ࣌෼
    גࣜձࣾ4P-BCPʢຊࣾɿ౦ژ౎ઍ୅ా۠ɺ୅දऔక໾ɿాݪ
    ޿ҰɺҎԼɺ4P-BCPʣ͸ɺେࡕެཱେֶ ຊ෦ɿେࡕ෎େࡕࢢɺֶ ௕ɿୢາ࠭
    ণ߂ ɺגࣜձࣾΓͦͳۜߦ ຊࣾɿେࡕ෎େࡕࢢɺ୅දऔక໾ࣾ௕ɿؠӬ
    লҰɺҎԼɺΓͦͳۜߦ ͕ڞ࠵͢Δɺੜ੒"* ΛςʔϚͱͨ͠ηϛφʔʹొஃ͍ͨ͠·͢ɻ
    ͓ਃ͠ࠐΈ63-ɿIUUQTCQSFTPOBHSDPKQQVCMJDBQQMJDBUJPOBEE
    ࠓ࿩୊ͷʮ$IBU(15ʯ΍ʮ#JSEʯͳͲͷੜ੒"*ΛςʔϚͱͨ͠ηϛφʔΛ݄೔ʹ։࠵͍ͨ͠·͢ɻ
    ຊηϛφʔͰ͸ɺੜ੒"*Λ׆༻ͯ͠Ͱ͖Δ͜ͱΛ஌Γ͍ͨਓɺۀ຿ར༻΁ͷՄೳੑΛ஌Γ͍ͨਓʹ޲͚ͯɺ"*ಋೖͰ޿͕ΔՄೳੑΛ ղઆ͠·͢ɻ
    ͜ͷΑ͏ͳํʹ͓͢͢Ί
    ɾ"*ಋೖΛ۩ݱԽ͍ͨ͠اۀ༷
    ɾੵۃతʹ"*ಋೖΛݕ౼͍ͨ͠اۀ༷
    ɾ"*ಋೖ͕Մೳ͔஌Γ͍ͨاۀ༷
    ։࠵֓ཁ
    ɾ։࠵೔࣌ɿ೥݄೔ ۚ ɹɿ ～
    ɾձ৔ɿΓͦͳϏδωεϓϥβ͓͓͔͞ ΦϯϥΠϯͷ৔߹͸;PPN
    ɾඅ༻ɿແྉ
    ɾਃࠐ63-ɿIUUQTCQSFTPOBHSDPKQQVCMJDBQQMJDBUJPOBEE
    ʲηϛφʔ಺༰ʳ
    ୈ෦ɿੜ੒"*ʹΑΔۀ຿ޮ཰Խͱ৽ͨͳՄೳੑ
    ୈ෦ɿٕज़తࢹ఺͔ΒݟΔੜ੒"*ͱͦͷ׆༻ํ๏
    ୈ෦ɿ"*ಋೖͰར༻Ͱ͖Δิॿۚɾॿ੒ۚ
    ηϛφʔऴྃޙɿݸผ૬ஊձ ࣄલਃࠐ੍ɾདྷ৔ऀͷΈ
    ˞དྷ৔ਃ͠ࠐΈͷํ͸ɺ౰೔ʹड෇Ͱ໊͓ࢗΛ͝ఏग़͍ͩ͘͞
    ɹఆһʹͳΓ࣍ୈɺకΊ੾Γ·͢ɻΩϟϯηϧ͞ΕΔ৔߹͸ඞͣ͝࿈བྷ͍ͩ͘͞ɻ
    ొஃऀ঺հ
    ɾԫ੉ߒҰࢯ
    ڭत
    େࡕެཱେֶӃ
    ৘ใֶݚڀՊ
    جװ৘ใֶઐ߈
    ڭत
    େࡕެཱେֶ
    ޻ֶ෦
    ৘ใ޻ֶՊ
    ݚڀ෼໺ʗ৘ใ௨৴ɾ஌֮৘ใॲཧɾ஌֮৘ใॲཧ
    ɾੴؙᠳ໵ࢯ
    ಛ೚ڭत
    େࡕެཱେֶ
    େֶӃ
    ৘ใֶݚڀՊ
    ؟ڸܕ΢ΣΞϥϒϧίϯϐϡʔςΟϯά΍ֶशࢧԉٕज़Λத৺ʹਓͷ஌ੑ֦ு͢Δٕज़ݚڀ
    ɾాݪ޿Ұ
    ୅දऔక໾
    גࣜձࣾ4P-BCP
    ࣄۀ಺༰ɿࢿۚௐୡαϙʔτɾิॿۚਃ੥αϙʔτ
    4P-BCPʹ͍ͭͯ
    ೝఆࢧԉػؔͱͯ͠ࢿۚௐୡࢧԉΛத৺ʹ݄ฏۉ ݅Ҏ্ͷ͓໰͍߹ΘͤʹରԠ͠ɺ͜Ε·Ͱʹྦྷܭ ݅Ҏ্ͷࢧԉΛߦͬ ͍ͯ·͢ɻ೥ΑΓࣄۀ࠶ߏஙิॿۚΛ͸͡Ίͱͨ͠ิॿۚਃ੥ࢧԉࣄۀΛڧԽͭͭ͠ɺૣظܦӦվળܭըͷࢧԉʹ΋ੵۃతʹ औΓ૊ΈΛ։࢝͠ɺࢿۚௐୡࢧԉͷ෯Λ֦େ͍ͯ͠·͢ɻ
    ࠓޙ͸ۚ༥ػؔ΍ϕϯνϟʔΩϟϐλϧɺ෭ۀࢧԉΛਪਐ͢Δاۀ౳ͱͷ࿈ܞ΍ڞಉηϛφʔࣄۀ౳ΛڧԽ͠ɺܦӦऀΛαϙʔτ͢ Δ࿮૊ΈΛ֦େͯ͠ߴ·Δ૬ஊधཁʹରԠͯ͠·͍Γ·͢ɻ
    ʲגࣜձࣾ4P-BCPɹձࣾ֓ཁʳ
    ઃཱ೥݄ɿ೥݄೔
    ࢿຊۚɿ  ԁʢࢿຊ४උؚۚΉʣ
    ୅දऀ໊ɿ୅දऔక໾ɹాݪ
    ޿Ұ
    ຊࣾॴࡏ஍ɿ౦ژ౎ઍ୅ా۠֎ਆాɹ৽ळ༿ݪϏϧ֊
    ࣄۀ಺༰ɿࢿۚௐୡαϙʔτɺิॿۚਃ੥αϙʔτɺ๏ਓɾ࢜ۀఏܞɺXFC੍࡞ɾӡӦɾ؅ཧɺXFCϚʔέςΟϯάɺγΣΞΦϑΟ ε
    63-ɿIUUQTTPMBCPDPKQ ϓϩϯϓτʹ௚઀ೖྗ͢Δྫ $IBU(15ͷ׆༻
38. -MBNB*OEFY  • OPOQVCMJDͳ৘ใ͢΂ͯΛϓϩϯϓτʹೖΕΔͷ͸τʔΫϯ਺ͷ੍໿ͰෆՄೳ
    • ೖྗͨ͠จͱྨࣅ౓ͷߴ͍৘ใ͚ͩΛநग़ͯ͠ϓϩϯϓτʹ௥Ճ͢Δ
    • खॱ
    OPOQVCMJDͳσʔλΛϕΫτϧσʔλϕʔεԽ
    &NCFEEJOH
    • खॱ
    Ϣʔβʔͷೖྗจ͔Βɺؔ࿈͢ΔσʔλΛநग़
    • खॱ
    நग़ͨ͠σʔλͱϢʔβʔͷೖྗΛϓϩϯϓτʹͯ͠$IBU(15ʹ౉͢
    • ςΩετҎ֎ͷܗ͔ࣜΒม׵͢ΔϥΠϒϥϦ΋-MBNB
    )VCͰެ։͞Ε͍ͯΔ $IBU(15ͷ׆༻
39. ྫ
    େࡕެཱେֶͷ৘ใݕࡧνϟοτϘοτΛ࡞Δ  ೥ʹઃཱ͞Εͨେࡕެཱେֶ͸
    ೥݄·Ͱͷֶशσʔλʹଘࡏ͠ͳ͍ $IBU(15ͷ׆༻
40. σϞ
    IUUQTHJUIVCDPNTIPZBDIBUHQUMMBNBJOEFYEFNP $IBU(15ͷ׆༻
41. $IBU(15Λ࢖ͬͨαʔϏεΛ։ൃ͢Δ  ϥΠϒϥϦ͕ఏڙ͞Ε͍ͯΔ
    "1*ͷΤϯυϙΠϯτʹ௚઀
    ϦΫΤετΛૹΔ͜ͱ΋Մೳ ύϥϝʔλͷࢦఆ TZTUFNͰ$IBU(15ͷϖϧιφΛࢦఆ VTFS
    BTTJTUBOUͷϖΞͰ૝ఆ͢Δճ౴΍
    աڈͷ΍ΓͱΓΛ$IBU(15ʹ༩͑Δ TUSFBN5SVFΛ༩͑ͨ৔߹͸
    8FC6*ͱಉ༷ʹ݁Ռ͕ஞ࣍ग़ྗ͞ΕΔ Ishimaru, chatgpt-slack-bot - GitHub https://github.com/shoya140/chatgpt-slack-bot $IBU(15ͷ׆༻
42. ޙ൒ͷ·ͱΊ • ϓϩϯϓτͷ޻෉΍ଞαʔϏεͷ࿈ܞʹΑͬͯɺ$IBU(15ͷػೳΛ֦ுͰ͖Δ
    • ແྉͷ
    ΞϓϦ
    ΋ͬͱ΋Β͍͠ճ౴ΛಘΒΕΔ
    • 1MVHJO
    طଘͷαʔϏεͱͷ࿈ܞͰ8FCݕࡧ΍λεΫͷ࣮ߦ͕Մೳ
    • "1*
    ࣗࣾ৘ใΛηΩϡΞʹѻ͑ͯɺ1MVHJOΑΓͰ͖Δ͜ͱ΋ଟ͍
    • ։ൃऀɾࣄۀऀ໨ઢ
    • 1MVHJO
    0QFO"*ͷϓϥοτϑΥʔϜʮ1MVHJO
    TUPSFʯͰ޿͘ެ։Ͱ͖Δ
    • "1*
    
    ϢʔβʔʹΑΓॊೈͳΠϯλʔϑΣΠεΛఏڙͰ͖Δ  $IBU(15ͷ׆༻
43. શମͷ·ͱΊ  • ੜ੒"*ͷҰ෦Ͱ͋Δจষੜ੒"*ʹ͍ͭͯɺ࢓૊Έͱ׆༻๏Λղઆ
    • ୯ͳΔ
    ςΩετͷଓ͖Λ༧ଌ͢Δ֬཰ϞσϧͰ͋ͬͨ΋ͷ͕ɺଟྔͷֶशσʔ λͱ'JOFUVOJOH
    *ODPOUFYU
    MFBSOJOHʹΑ༷ͬͯʑͳ༻్Ͱ࢖ΘΕ͍ͯΔ
    • $IBU(15ʹΑΔۀ຿ޮ཰ԽΛߟ͑Δͱɺେ͖͘෼͚ͯɺ
    ແྉͷ
    ΞϓϦɺ 1MVHJOͷར༻ɺ"1*Λ࢖ͬͨ։ൃͷछྨͷΞϓϩʔν͕͋Δ
    • ۩ମతͳ૬ஊΛ͝ر๬ͷํ͸ɺ͜ͷޙͷݸผઆ໌ձͰ͓੠͕͚Լ͍͞ɻ
    ·ͨ͸
    JTIJNBSV!PNVBDKQ
    ·Ͱ͝࿈བྷԼ͍͞ɻ
44. ٕज़తࢹ఺͔ΒݟΔੜ੒"*ͱͦͷ׆༻ํ๏ ੴؙ
    ᠳ໵
    େࡕެཱେֶ
    େֶӃ৘ใֶݚڀՊ
    ಛ೚ڭत
    
    %',*
    -BC
    +BQBO
    
    Γͦͳۜߦओ࠵ʮ"*ಋೖͷϝϦοτΛݟۃΊΔηϛφʔݸผ૬ஊձʯ