生成AIとは
読み込み中
生成AIとは · 12分
要約文字起こし
このビデオでは、Claudeのような大規模言語モデルがどのように構築され、訓練されているか、そしてそれがビジネスで活用する際に確実にできること・できないことにとって何を意味するかを解説します。
重要なポイント
- 生成AIは、既存のデータを分析するのではなく、新しいコンテンツを作成します。
- 3つの進展が現代のLLMを可能にしました。トランスフォーマーアーキテクチャ、膨大な訓練データ、そして大規模な計算能力です。
- 訓練には2つの段階があります。 事前訓練では数十億の例からパターンを学習します。ファインチューニングでは、モデルが役立つように指示に従うことを教えます。
- 現在の強みには、タスク全般にわたる汎用性、会話の流暢さ、ツール使用が含まれます。
- 現在の限界には、知識のカットオフ、幻覚、そして信頼性の低い複雑な推論が含まれます。
- 最良の活用法は、あなたの判断力、創造性、監督をAIの速度とスケールと組み合わせることです。
演習
限界をテストする
この演習では、すでに熟知しているコーディング上の問題を使って、生成AIが得意とすることと不足する点について直接的な証拠を得ます。これにより、AIに何を任せるかを判断する際に、自分自身の観察に基づいた具体的な判断基準を持つことができます。
パートI:自己省察(一人で行う)
すぐにエラーに気づけるような、よく知っているコーディング領域を選んでください。以下を書き出します。
- トピック(例:あなたのレート制限ロジック、非同期状態の扱い方、先四半期に最適化したDBクエリなど)
- 有能なエンジニアなら正しく理解しているはずの、それに関する2〜3の事柄
- よくある誤解、または厄介な実装の詳細を1つ
- 最近変化した事柄を1つ — ライブラリの更新、非推奨化、新しいベストプラクティスなど
パートII:協働(AIと共に)
Claude(または好みのAIアシスタント)との会話を開き、3つの簡単なチャットを実行します。それぞれの後に気づいたことを書き留めてください。
- 汎用性テスト。 AIに、あなたのトピックを1つの回答の中で3通りの異なる方法で説明するよう依頼します。非技術系のPM向け、チームに加わる中堅エンジニア向け、コードレビューを行うシニアエンジニア向けの3パターンです。深さの変化は実際に的を射ていましたか、それとも単に語彙を変えただけでしたか?どのバージョンが最も優れていましたか?
- 幻覚テスト。 AIに、あなたのコーディング上の問題に対して具体的なライブラリ、パッケージ、またはドキュメントを推薦するよう依頼します。少なくとも1つを抜き打ちで確認してください。それは実在しますか?APIは正確ですか?バージョンは最新ですか?
- 知識のカットオフ+推論チェック。 あなたの領域について時間的制約のある質問をしてください。最近のフレームワークの更新、非推奨になったパターン、またはセキュリティパッチなどです。AIは自分の情報が古い可能性があることを示しますか、それとも古い情報を最新のものとして提示しますか?次に、パートIで書き出した厄介な実装の詳細について、AIに解決させてみてください。実際に混乱を解消しましたか、それとも正しい答えを繰り返しただけでしたか?
パートIII:振り返り
ビデオで紹介された能力のうち、最も明確に現れたのはどれですか?どの限界が表面化しましたか — そして、もしこれがよく知らない領域だったら、それに気づけたでしょうか?これを踏まえて、安心してAIに任せられるタスクを1つ、そしてより注意深く見守りたいタスクを1つ挙げてください。
発展課題: 同じトピックを別のAIツールにも試してみてください。エラーと強みは同じでしたか?
レッスンの振り返り
- これらのシステムがどのように訓練されているかを知ることで、それらとの関わり方はどう変わりますか?
- 生成AIの仕組みと、それが不足する点を踏まえると、どのような倫理的配慮が思い浮かびますか?
次のステップ
AIの限界を直接テストしたところで、次のレッスンでは最初のD、すなわち委任力について深く掘り下げます。実際の問題を定義し、ビルダーのツールキット全体にマッピングし、コードを1行も書く前に、AIがどこで役割を果たすかについて意図的な選択を行います。