生成AIの発展

ChatGPTを理解する

James Chapman

Curriculum Manager, DataCamp

次は...

生成AIでこれから何が起こるか？
どのような課題を克服しなければならないか？

性能の向上

より人間らしいコンテンツ
複雑な指示への対応
信頼性の向上

A graph of steadily increasing performance.

何が性能向上をもたらす？

大規模言語モデル（LLM）

巨大なテキストデータセットから学習
アルゴリズムがテキスト内のパターンを検出
回答評価でモデルを微調整

The three key components of a large language model: the training data, the algorithms to detect pattern in the training data, and a fine-tuning process.

何が性能向上をもたらす？

学習データ量の増加

A larger brick wall representing more training data.

何が性能向上をもたらす？

学習データ量の増加
使用データによる微調整

Usage data feeding into the fine-tuning of the model.

バランスの取れたデータセットの構築

課題データの品質とバランスの確保

データ量が多いため、学習前にバイアスを検出するのが難しい

目標: より安定したバイアス軽減手順

An icon demonstrating how a model can learn biases from the data it has seen.

悪用の可能性

AI生成コンテンツの不正表示
悪意のあるコンテンツの作成（例：スパム）

司法の介入:

規制によってAIの進歩が促進することも妨げられることもある

A statue of the scales of justice.

汎用から特化型へ

ChatGPTは汎用型のモデル
生成AIモデルは今後より_特化_していく
例: 長く複雑なコードを書くために設計された専用モデル

An example of using ChatGPT to generate code to scrape a table from a website.

その他の種類の生成AI

The three key components of a large language model: the training data, the algorithms to detect pattern in the training data, and a fine-tuning process.

¹ DALLE-3

すべての人にAIを！

アクセシビリティがChatGPTの成功の鍵
AIツールの民主化
- 誰もがAI技術の恩恵を受けられる

A selection of people from different cultures that could all benefit from AI tools.

練習しましょう！

ChatGPTを理解する