ChatGPTを使いこなす力の構成要素とは
ChatGPTを使いこなすために必要なこと=LLMから精度の高い回答を引き出す能力について考察したい。
1.LLMから精度の高いアウトプットを引き出すために必要な事は?
一般に以下が言われていると思う。
①対話のドメインを指定すること
②手順を指示すること
③成果物の形式を指示すること
それぞれのステップで精度を上げる手法をちょびっとブレストしてみる
①対話のドメインを指定すること
・業界、分野、レイヤー、役割、、、、
②手順を指示すること
・Chain of Thoughts、Tree of Thoughts、stepbystep、self consistency、中間生成物定義、深さ優先、幅優先、STEP-BACK Prompting、エージェント対話型、、、
手順に基づいて情報を出力させることを一般化してみる。
・発散(縦、横、斜)
ー縦:導出ステップを考えて
ー横:他に何か必要な要素ある?、大事なことを列挙して。
ー斜:意外な観点から考えると?
・収束(縦、横、斜)
ー縦:一連のフローをまとめると?
ー横:共通の要素でまとめると?
ー斜:つながりを別の軸でまとめると?
③成果物の形式を指示すること
・トーン、形式、回答の分野に対する知識レベル
なんだか、眺めていると…結局、シュンスケ式プロンプト、とか、深津式プロンプトとかに行き着くのでは?
でも、大事なことは、
「型や分析手法の選択肢は沢山持ちつつ、それに縛られないように臨機応変に「会話」しながら回答を求めること」だと思う。
2.そしてそのうえで、さらに精度を上げるには、やっぱりドメイン知識
なぜかと言うと、以前、「Advanced Data Analysisでアンケート分析」を実施した時、困ったことがあって。それは、「どの切り口を深掘れば良いか」、がわからなかった。
実際に、ToT的に、深さ優先、幅優先探索、を対話的にやったが、うまくいかなかった。ChatGPTなら自動で、複数の切り口を比較することは出来る。でも自然言語分析は、思ったより膨大な切り口があって、有用な切り口をなかなか見つけることが出来なかった。
推測に過ぎないが、ドメイン知識があれば、より有用な切り口が見つけられたのではないかと思う。
また、自動でプロンプトを改善、最適化する研究も多くあるけれど、探索範囲が大きい問題も絡んで、結局分析のポイントを絞り込むには、ドメイン知識がある方が有利と感じる。
もっと言うと、ドメイン知識も、「学習に使われるデータセットが想像出来る」とさらに良い。画像で言えば、「画像とキャプション、EXifテキスト」のセットから予想される最適なプロンプトなど。
すなわち、より固有の細分化されたドメインとコンテキスト、その学習データセットがわかる人が、より細分化されたニーズにマッチする切り口をプロンプトで指定できるはず。
それは今後、LLMのデータや性能が拡大しても、変わらないと思う。
3.アウトプット=ChatGPTx自分というLLM の化学反応。
これまでの考察を踏まえて、アウトプットを強化する能力を考えてみた。以下のような感じではないだろうか?
![](https://assets.st-note.com/img/1698141974176-YrYlTDboRX.png?width=1200)
もう少し分解してみると
![](https://assets.st-note.com/img/1698142146711-IsmYp66VjU.png?width=1200)
色んな切り口はあると思うけど、自分の中では、「自分の強み」の項目がより整理出来た気がします。
次は、「自分の強み」にもう少しフォーカスしてみたい。
※おまけ
実用性は不明!今回の考察中に、ChatGPTに作ってもらったもの
「プロンプトの設計や最適化を考える際の包括的なフレームワーク」
プロンプトの設計や最適化を考える際の包括的なフレームワークとして、以下のような構造を提案します:
1. **目的・役割(Objective & Role)**
- **目的(Objective)**: プロンプトの最終的な目標や意図。何を達成したいのか、何を知りたいのかを明確にする。
- **役割(Role)**: プロンプトが果たすべき機能や役職。情報提供者、アドバイザー、クリエイター、アナリストなど。
2. **焦点を絞る(Focusing)**
- **知識ドメイン指定(Domain-Specificity)**:特定の分野やトピックに焦点を絞る。
- **問い狭め(Question Narrowing)**:具体的な問いや疑問に焦点を絞る。
- **文脈指定(Contextualization)**:特定の文脈や背景に焦点を絞る。
3. **発散(Divergent)**
- **縦(Vertical)**:逐次的、因果関係を追求する。
- **横(Horizontal)**:関連性やカテゴリーを追求する。
- **斜(Oblique)**:新しい視点や異なる文脈から考える。
4. **収束(Convergent)**
- **縦(Vertical)**:線形的に情報やアイデアを整理・集約する。
- **横(Horizontal)**:共通性や関連性を基に情報を整理・集約する。
- **斜(Oblique)**:従来の枠組みからはみ出した視点で情報を整理・集約する。
5. **成果物(Outcome)**
- **情報型(Informational)**:事実やデータを提供する回答。
- **解析型(Analytical)**:情報の分析や解釈を伴う回答。
- **生成型(Generative)**:新しい内容やアイディアを生成する回答。
- **指導型(Guidance)**:手順やアドバイスを提供する回答。
この記事が気に入ったらサポートをしてみませんか?