Copilot活用ワークショップ

[Audio] ２．AIとは AI（人工知能）とはなにか？ 人工知能(Artificial Intelligence)について 大多数の研究家において以下の意見は一致 「推論、認識、判断など、 人間と同じ知的な処理能力を持つ機械(情報処理システム)」 しかし、専門家の間で共有されている定義は　ありません。 なぜなら・・・ そもそも「知性」や「知能」自体の定義がないので 「人間と同じ知的な処理能力」の解釈が研究者によって異なるから ディープラーニングG検定公式テキストより抜粋 本番の説明に入ります。まずはAIです。 人工知能　Artificial Intelligenceに対して、推論、認識、判断など、人間と同じ知的な処理能力を持つ機械　情報処理システムであるという認識は、研究家たちの間で共通しています。 しかし、実は共有された定義はないそうです。 これは、そもそも人間の持つ知性や知能の定義がないからだそうです。 たしかに私たちは、人間が考えている　という状態が、どのような物理現象であるか・・・　脳の中で何が起きているかなどを、まだ正確に知りえていません。 意識と呼ばれるものがどこから来ているのか・・・まだ私たちは知らないのです。 このため、人間と同じ知的な　といっても、その解釈は人によって異なります。 このため共有された定義がないということにるそうです。 ちなみに現在のAIは大量のデータをもとに出力を生成しますが、意識や感情、自己認識といった人間の知性の根幹を持っているわけではありません。.

[Audio] ２．AIとは 大まかな分類 レベル1:すべての振る舞いがあらかじめ決められている(エアコン,洗濯機) レベル2:探索・推論・知識データを利用することで、 状況に応じてきわめて複雑なふるまいをする(掃除ロボ,診断プログラム) レベル3:非常に多くのサンプルデータをもとに入力と出力の関係を学習 (検索エンジン,交通渋滞予測) レベル4: 次ページへ・・・ とはいえ、既に社会実装されている仕組みなので、共通のカテゴリー分けなどが存在します。 これはディープラーニング協会が出しているジェネラリスト検定向けの教材から抜粋した大まかなAIのレベルわけです。 レベル1はAIというより制御工学に属します。　シンプルな制御によりすべての振る舞いがあらかじめ決められているものです。全自動洗濯機などをイメージしてください。 レベル２からAIらしくなります。古典的な人工知能と呼ばれ、探索・推論・知識データを利用することで状況に応じ複雑なふるまいをする、お掃除ロボットをイメージしてください。 レベル３に機械学習という技術が入ります。ビックデータ時代といわれた時代に発展んし、非常に多くのサンプルデータをもとに入力と出力の関係を学習させてつくられます。検索エンジンをイメージしてください。 レベル4に、機械学習の技術の一種であるディープラーニングが入ります。これは次のページで説明します。.

[Audio] ２． AIとは ディープラーニングを取り入れた人工知能とは ディープラーニング 機械学習 特徴量も学習する 特徴量が定義されている ニューラルネットワークの層を使用してデータを処理し、意思決定を行う機械学習技術 機械が既存のデータから学習し、そのデータを改善して意思決定や予測を行うことを可能にするAIのサブセット 特徴量とは… 特徴量とは、学習結果に影響を与える、変数です。 例えば、土地の価格を予想するための学習を行う場合… 土地の広さ、駅からの距離、地区、といった“特徴”が重要だと分かっている これらの値と土地の価格のサンプルを、大量に学習させると、 価格を予測することができるようになる。 従来の機械学習とディープラーニングの違いを一言で説明すると、従来は特徴量が定義された学習であり、ディープラーニングとは特徴量も学習する仕組みです。 特徴量とは学習結果に影響を与える変数を指します。 例えば土地の価格を予測するための学習を行わせる際、あらかじめ土地の広さや駅からの距離といった特徴が価格に影響を与える重要な値であることがわかっています。 これらの値と実際の土地の価格をセットにしたデータを大量に学習させることで、場所をいえば価格が予測できるようになります。 ディープラーニングでは、ニューラルネットワークの層を使用して様々なデータを与え処理させることで、意思決定を行うことができるようになる学習方法です。 では、ニューラルネットワークとは何でしょうか？ ニューラルネットワークは、人間の脳　脳細胞とそれらをつなぐシナプスを模したものだと分かります。 あくまで数理的なモデルとして構成されているものですが、学習の過程で情報と情報をつなぐシナプスのようなものを作っていくことで、予測や分類を行うことができるようになります。 「脳の働きを模倣して、データから学ぶコンピュータの仕組み」と考えるとわかりやすいかもしれません。.

[Audio] ２． AIとは 翻訳を例にしたディープラーニングの例 実は、一意に意味が決まらない文章が存在する。 その時、人間は経験などの知識から解釈を補っている 統計的機械翻訳 (機械学習)ではこちらになる 彼は望遠鏡で、庭で女性を見た He saw a woman in the garden with a telescope. ニューラル機械翻訳 (ディープラーニング)ではこちらになる 彼は望遠鏡で、庭にいる女性を見た 人間の感覚では、こちらの翻訳が自然 なぜなら「望遠鏡を持っているのは男性の方が多い」 「庭が好きなのは女性の方が多い」という知識がある ディープラーニングについて、もう一つその特徴を表す例を見てみましょう 翻訳を行うAIでの例です。 He saw a woman in the garden with a telescope. という英単語があります。　テレスコープは望遠鏡のことですね。 実はこの英文、一意に意味が定まらないあいまいな文章です。 従来の統計的機械翻訳では上の［彼は望遠鏡で、庭で女性を見た］　グーグル翻訳のようなニューラル機械翻訳では下の［彼は望遠鏡で、庭にいる女性を見た］と翻訳されるようです。 人間がこの文章を見た時、多くはニューラル機械翻訳の結果の方がしっくりした印象を受けるそうです。 なぜなのか？ それは、人間には英文にかかれていない自分の常識で判断しているからです。 この場合だと、「庭が好きなのは女性の方が多い」といった常識という知識によって、下の翻訳を選びます。 ニューラル機械翻訳もまた、様々な学習をさせることで、この常識を学び、人に近い自然な翻訳を実現しています。.

[Audio] ２． AIとは 生成AI　大規模言語モデルとは　全体の歴史 さて、振り返ってみましょう 人工知能、と一言で言ってもとても広い範囲を指すことが分かりましたね。 その中の技術の一つとして機械学習というものが開発され、機械学習の一つであるディープラーニングという技術が存在します。 さらに、このディープラーニングの技術で学習させることで作られたのが、CopilotをはじめとするジェネレーティブAI　生成AIです。 生成AIはプロンプト又は既存のデータに基づいて、新しい書類、画像、および音声のコンテンツを作成することができます。.

[Audio] ３．Copilotの仕組み 生成AI　大規模言語モデル　とは 大規模言語モデル（LLM）は、コンピューターが言葉を理解し、新しい文章を作るための技術です。以下のように考えてみてください： 単語： 言語モデルは、文章を構成する単語の意味を理解します。 例えば、「猫」、「犬」、「走る」などの単語です。 ベクトル： 言語モデルは、各単語を数値の集まり（ベクトル）に変換します。 これにより、コンピューターは単語を数学的に扱えるようになります。 例えば、「猫」はあるベクトル、「犬」は別のベクトルとして表されます。 距離： ベクトル同士の距離を計算することで、単語同士の類似性を理解します。 例えば、「猫」と「犬」のベクトルは近い距離にあり、「猫」と「車」のベクトルは遠い距離にあります。 これにより、言語モデルは単語の意味や文脈を学習します。 このようにして、言語モデルは文章の意味を捉え、新しい文章を生成することができます。簡単に言えば、単語を数値に変換し、その数値の関係性を使って言葉を理解する仕組みです 生成AIのうち、言葉を扱うものを大規模言語モデル（LLM）といいます。これはコンピューターが言葉を理解し、新しい文章を作るための技術です。 あくまでイメージですが、個々の単語があり、それを数値化するためにベクトル、距離と方向に変換します。 そして数値として扱えるベクトル同士の距離を学習によって学びます。例えば犬と猫は近いが犬と車は遠いといった形です。 これにより言語モデルは単語の意味や文脈を理解します。 単語を数値化し、その数値の関係性を使って言語を理解する仕組みです。 もう少し詳細を加えると、ベクトルの距離は意味の近さを示しますが、LLMはさらに文全体の文脈を考慮して、最も自然な次の単語を選びます。 また、今回は単語と表現していますが、厳密には「単語」ではなく「トークン」（単語の一部や記号）単位で処理します。 LLMは、単語（実際にはトークン）を数値ベクトルに変換し、それらの関係性（距離）を学習します。 さらに、文全体の文脈をニューラルネットワークで処理することで、自然な文章を生成します。.

[Audio] ３．Copilotの仕組み概要　1 もう少しわかりやすいイメージも見てみましょう。 これはマイクロソフトのエバンジェリストである西脇さんが、アボット向けの研修で使用したスライドです。 わかりやすいように、きわめて単純化していますが、例えば「日本」「の」「首都」「は」という単語が続いたとき 生成AIは、これまで学習した大量の文書の中から、「東京」が続く文章が多かった、なので「東京」という単語を選ぶのです。.

[Audio] ３．Copilotの仕組み概要　2 同様に、むかしむかし・・・　で始まるこの文章も、「おじいちゃん」「は」の後には「山へしば刈りに」「おばあちゃんは」を選びます。 これもまた、これまで学習した文章の中で最も多かった次の単語を選んでいるのです。.

[Audio] ４． Copilot活用 活用レベル Now さて、理屈はともあれ生成AIは誰にでも使用できるツールとなりました。 ここからは生成AIをどうしたらうまく使えるかについて学びましょう。 これも西脇さんのスライドを拝借しました。 企業での生成AIの活用レベルをステップに示すとこのようになります。 「禁止している」から、「一部利用してる」そして「全従業員へ提供」と進みます。アボットは今このレベルですね。 そして次に上る階段こそ「従業員が質の高いプロンプトを投げている」なのです。 このステップを経て初めて、「生産性と働き方に変化が起きている」という段階に進めます。 つまり、いま私たちがすべきことは質の高いプロンプトの作り方を学び、それを従業員みんなに広めていくことです。.

[Audio] ４． Copilot活用 プロンプト作成　ステップ　バイ　ステップ２． では、質の高いプロンプトを作るためにはどうしたらよいでしょうか？ ２つの例と、大原則について学んでいきます。 まず１つ目の例です。 「７月に食べる料理を考えてください」というプロンプトを投げてみます。 Copilotは「冷やし中華」「素麺」「冷たい豆腐」といった答えを返してくるでしょう。 でも、もしあなたがこれから家族のための晩御飯を作るために、メニューを考えようとしていたらどうでしょうか？ すこし物足りない気がしますね。.

[Audio] そんな時は、Copilotに役割を与えてみましょう。 今回は「料理が好きな家庭の主婦」です。 まるで違う回答が現れてきます。これなら作り甲斐もあるし、きっと家族も喜んでくれるでしょう。.

[Audio] 例： なぜ役割が重要か？ Copilotに以下の質問をしてみましょう ・あなたは生物学者です。生命という現象について簡単に答えてください。 生命とは、環境からエネルギーや物質を取り込み、自己を保ちながら増え、進化し続けるシステムの総称です。 ・あなたは詩人です。生命という現象について簡単に答えてください。 生命とは、宇宙の静けさに灯る、ひとすじの揺らめき。 石よりはかなく、風よりたくましく、水面に生まれる波紋のように、触れあいながら形を変え、続いていく奇跡。 ひとつの事柄も、それぞれの立場で回答が異なります。 それらはどれも間違ってはいません。その人にとっての真実です。 さて、Copilotに２つの質問を投げてみてみましょう！ 「あなたは生物学者です。生命という現象について簡単に答えてください。」 そして 「あなたは詩人です。生命という現象について簡単に答えてください。」 いかがですか？まるで違う回答を返してきましたね。 ひとつの事柄もそれぞれの立場で回答が異なります。 そしてそれらはどちらも間違っていません。その人にとっての真実です。 人間が過去の経験や知識に基づいて形成される、情報を整理し理解するための心の枠組みをスキーマと呼びます。 スキーマが違えば回答は異なります。 Copilotなどの生成AIは、あらかじめ学習した膨大な文書の中から、与えられた役割や文脈に応じて、最も自然な出力を選びます。 これは、人間がスキーマを使って情報を整理・理解する様子に似ています。 ※ただし、AIは意識や経験を持たず、あくまで統計的なパターンに基づいて出力を生成しています。.

[Audio] ４．Copilot活用 プロンプト作成　ステップ　バイ　ステップ３． 続いて例示です 「猫について教えてください」というプロンプトを投げると、詳細な猫に関する情報を返してくれます。 でも、あなたが猫の鳴き声を知りたかったのであれば、この情報の中から自分で探し出さないといけなくなってしまいます。 では、回答の例を示してみるとどうでしょう。 「下の例にならって」と加え、回答の例を与えます。 するとCopilotは回答の例にならって答えを返してくれます。 このように例示することで回答の形をコントロールすることができるようになります。.

[Audio] ４．Copilot活用 プロンプト作成　まとめ このように、欲しい回答を得るためには、プロンプトを作るうえでいくつかのポイントがあります。 特に重要なのは、役割、追加情報、例示です。 例えば営業担当とやり取りを進めるためのメールをドラフトしてもらう場合でも、自分がどの立場で連絡するのか、相手の営業担当がどのような役割・背景の方なのか、そしてその連絡を通じて最終的にどんな成果につなげたいのか――こうした情報を少し詳しく添えていただくことで、より状況に合ったドラフトをお返しできます。 つまるところ、良いプロンプトを作るということは、自分自身の希望をきちんともれなく言語化するということなのかもしれません。 とはいえ、言語化って難しいですよね。 自分の希望を漏れなくちゃんと伝わる文章で、一回で書ききれる人はそういません。多少の抜けや曖昧さがあっても大丈夫です！ 説明は以上となります。.