生成AIとは何か
AIの能力と限界 · 12分
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・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——にどう関係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だけでなく、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: 事前学習(数十億の例からパターンを学習する)とファインチューニング(指示に役立つ形で従うことを学習する)です。
- 現在の強みには、タスク全般にわたる汎用性、会話の流れ、外部ツールへの接続が含まれます。
- 現在の限界には、知識のカットオフ、ハルシネーション、コンテキスト ウィンドウのサイズ、複雑な多段階の推論が含まれます。
- 最良の活用法は人間とAIの強みを組み合わせることです——あなたの判断力、創造性、監督力とAIのスピードとスケールを組み合わせます。
演習
限界を試す
この演習では、生成AIが得意なことと苦手なことについて、あなた自身が直接確かめる証拠を得ることができます。自分の専門分野の内容を使い、リスクの低い方法で、ビデオで取り上げた具体的な能力と限界のいくつかを検証します——そうすることで、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直感的チェックができるようになります。
パートI:自己振り返り(一人で)
よく知っている分野を1つ選んでください。その分野なら、業者、サプライヤー、顧客が間違えた場合にすぐに気づけるはずです。次のことを書き出してください:
- トピック(例:あなたの利益率の計算、地域のゾーニング規則、業界の免許要件など)
- まともな情報源であれば正しく理解しているはずの、そのトピックに関する2〜3の事実
- 人々がそのトピックについて抱きがちな、よくある誤解を1つ
- うまく説明するのが本当に難しい点を1つ
これがあなたのテストの場です。実際に検証できる内容をAIがどう扱うかを見ていきます。
パートII:AIとの協働
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行ってください。それぞれの後に気づいたことを書き留めましょう。
- 汎用性テスト。 AIに、1回の応答の中であなたのトピックを3通りの異なる方法で説明するよう依頼してください:あなたのサービスについて何も知らない顧客向け、潜在的なビジネスパートナー向け、そしてオンボーディング中の新入社員向けです。対象者の違いは実際に反映されていましたか、それとも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?
- ハルシネーション テスト。 AIに、あなたのトピックに関連する具体的なリソースを2〜3つ推薦するよう依頼してください——業界団体、業界誌、規制機関、あるいはよく知られたサプライヤーなどです。そのうち少なくとも1つを抜き打ちで確認してください。その組織は実在しますか?ウェブサイトは正しいですか?連絡先情報は正確ですか?(ここで、AIがもっともらしく聞こえるが実在しない情報源を自信満々に作り出すかどうかがわかります。)
- 知識のカットオフ+推論チェック。 AIに、時事的またはローカルな事柄について質問してください:あなたの業界における最近の規制変更、主要な原材料の現在の価格動向、または地域の免許要件などです。AIは自分の情報が古いかもしれないと伝えてきますか?それとも、それに基づいて行動すれば損失につながりかねないような形で、注意書きを添えたり、推測したり、古い情報を最新のものとして提示したりしますか?次に、パートIで書き出したよくある誤解について、AIに説明させてみてください。実際の混乱点に対処しましたか、それとも正しい事実を繰り返しただけでしたか?
パートIII:振り返り
ビデオで取り上げた能力のうち、あなたが見たものの中で最もはっきりと表れたのはどれですか?どの限界が現れましたか——そして、もしこれがよく知っているトピックでなかったら、それに気づけたと思いますか?これを踏まえて、今すぐAIに任せても問題ないと感じるタスクを1つ、そしてもっと注意深く見ておきたいタスクを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(異なるモデルやプラットフォーム)で試してみてください。エラーや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、その限界を踏まえると、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
次のレッスンでは、AIを使ったリサーチを通じて、記述力と評価力の内側のループを探っていきます。