第5章: テキスト生成AIの基礎とビジネス応用
1. テキスト生成AIの基礎
1.1 言語モデル (LM) とは
自然言語をコンピュータで扱うための確率モデル。文の並びが自然かどうかを評価・予測します。
- n-gramモデル: 直前のn個の単語から次を予測。高速だが文脈理解は苦手。
- ニューラル言語モデル: 単語の意味や文脈を学習し、より自然な生成が可能。
1.2 LLM (大規模言語モデル)
数十億以上のパラメータを持つ巨大なモデル。高い精度で要約、翻訳、生成などを行えます。
- 学習の2段階:
- Pre-training（事前学習）: 大量のデータから言語のパターンを学習する（教師なし学習）。
- Fine-tuning（微調整）: 特定のタスクや指示に対応できるように調整する（教師あり学習など）。
1.3 パラメータ設定
- Temperature: 生成のランダム性を制御（0～1）。高いと創造的（ランダム）、低いと論理的（確実）。
- Top-p: こちらもランダム性を制御するパラメータ。
2. プロンプトエンジニアリング
AIから最適な結果を引き出すための指示（プロンプト）の設計技術。
プロンプトの4つの要素
- Instruction (命令): 「要約して」「翻訳して」など。
- Context (文脈): 「あなたはプロのライターです」「初心者向けに」など。
- Input Data (入力データ): 処理対象の文章など。
- Output Indicator (出力指示): 「箇条書きで」「表形式で」など。
代表的な手法
- Zero-Shot: 例を示さずにいきなり質問する（「〜とは？」）。
- Few-Shot: 例をいくつか示してから質問する（精度が大幅に向上する）。
実践テクニック
- 役割を与える（ロールプレイ）: 「編集者として校正して」「10歳の子供にわかるように」
- 形式の変換: 文章を箇条書きに、箇条書きを文章に。
- 対象の変更: 読み手に合わせて難易度を調整。
3. ビジネス応用事例
テキスト生成AIは、オフィスワークの効率化に貢献します。
- メール作成: 要件を伝えるだけでビジネスメールを作成。
- アンケート作成・分析: 項目出しや、結果の分析・要約。
- キャッチコピー案: ターゲットを入力して大量の案を出す。
- タスク分解・抽出: 議事録からTo-Doを抽出したり、複雑な業務をステップ分けする。
- 翻訳・英語メール: ネイティブレベルのビジネス英語を作成。
- ブレインストーミング: 壁打ち相手としてアイデアを広げる。
4. テキスト生成AIの不得意なこと
- 最新情報の欠如: 学習データ以降の出来事は知らない（Web検索機能付きAIを除く）。
- 計算: 確率で次の単語を出すため、複雑な計算は間違えることが多い。
- 正確な文字数指定: トークン単位で処理するため、「ぴったり〇〇文字」は苦手。
- 芸術の批評: 感情や感性がないため、一般論になりがち。