LLMの今後の方向性

大規模言語モデル（LLM）の基本

Vidhi Chugh

AI strategist and ethicist

これまで学んだこと

LLMの基礎

大規模言語モデル（LLM）の基本

これまで学んだこと

NLPにおけるLLMの応用

大規模言語モデル（LLM）の基本

これまで学んだこと

データ考慮事項、倫理、環境的懸念を含む学習プロセス

大規模言語モデル（LLM）の基本

これまで学んだこと

LLMの未来

大規模言語モデル（LLM）の基本

モデルの説明能力

  • どのようにして特定の出力に至るのか
  • 旅程の提案
    • なぜこのルートを選んだのか
    • なぜこのスポットをおすすめしたのか
  • 技術への信頼と透明性の構築
  • 偏りや誤りを発見して修正

信頼性と説明能力

1 Freepik
大規模言語モデル（LLM）の基本

効率化

  • 計算効率

    • 高品質な出力をより少ない電力で

  • より速く、効率的に

    • モデル圧縮
    • 最適化

  • メリット：効率的にストレージ管理、消費電力の削減

  • AIをより身近で持続可能なものに

    • 環境にやさしいAIを推進
    • 運用コストを削減

効率

1 Freepik
大規模言語モデル（LLM）の基本

教師なしのバイアス対処

  • バイアスのあるデータ -> 差別につながる

  • 教師なしバイアス対処

    • バイアスを自動的に検出して軽減する
    • 人間によるラベル付きデータ不要
    • パターンを分析・バイアスを特定して軽減

  • 懸念

    • 微妙で捉えにくい
    • 新たなバイアスを生む恐れ

教師あり学習

大規模言語モデル（LLM）の基本

創造性の強化

  • 文章や視覚的なアートの創造力
  • 芸術コンテンツ：学習されたパターンであり、感情的理解ではない
  • 芸術や感情を人間のように理解できない
  • 人間に近い感情的な振る舞い
  • 将来的には：感情を推測可能に？

AIによって生成された4枚の画像

1 https://arxiv.org/pdf/2302.09582.pdf
大規模言語モデル（LLM）の基本

練習しましょう！

大規模言語モデル（LLM）の基本

Preparing Video For Download...