【AIニュース】英語解説を日本語で読む【2023年5月24日｜@WorldofAI】
RecurrentGPTというテキスト生成モデルについて説明しています。Prompt engineeringと長期および短期メモリを組み合わせて、より文脈に即した出力を生成します。動画ではフレームワークやRecurrenGPTの利点、制限、実験結果について紹介されます。最後には、RecurrenGPTを使用してファンタジー小説の段落を自動生成するデモも行われます。
公開日：2023年5月24日
※動画を再生してから読むのがオススメです。
Hey, what is up guys?
やあ、みんな元気かい？
Welcome back to another YouTube video at the WorldofAI.
WorldofAIのYouTubeビデオにようこそ戻ってきました。
In today's video, we're going to be focusing on a project which is called the RecurrentGPT.
今日のビデオでは、RecurrentGPTと呼ばれるプロジェクトに焦点を当てたいと思います。
Now, RecurrentGPT is a special kind of model that can generate paragraphs of text.
RecurrentGPTは、テキストの段落を生成することができる特別な種類のモデルです。
Now, this is something that ChatGPT is limited to doing as it's not able to give you a large output of contextual generative content.
ChatGPTでは、文脈に沿った生成コンテンツを大量に出力することができないため、このような機能は限定的です。
Now, what RecurrentGPT does is that it uses a technique called prompt engineering to make it more like a regular LSTM neural network, which is a long or short-term memory system which utilizes in its neural network.
RecurrentGPTが何をするかというと、それはプロンプトエンジニアリングというテクニックを使用して、それを一般的なLSTMニューラルネットワーク、つまりそのニューラルネットワークで使用される長期または短期記憶システムのようにします。
Now, instead of using numbers to represent information, it uses paragraphs of text.
ここでは、情報を表現するために数字を使う代わりに、テキストの段落を使います。
Now, at each step, RecurrentGPT gets the new paragraph of text and a short-term plan for the next paragraph and then looks at all previous paragraphs it has generated and picks the ones that are more relevant, using special search methods to give you more context as well as more information.
現在、各ステップで、RecurrentGPTは新しいテキストの段落と次の段落の短期計画を取得し、それが生成したすべての以前の段落を見て、より関連性のあるものを選び出します。これは特殊な検索方法を使って、より多くのコンテキストと情報を提供します。
Now, RecurrentGPT also has a short-term memory that keeps track of important information from recent steps.
さて、RecurrentGPTには、最近のステップから重要な情報を記録しておく短期記憶もあります。
It uses the memory alongside with the current paragraph to plan and to ask the large language model for a new paragraph.
これは、新しいパラグラフを計画し、大規模な言語モデルに依頼するために、現在のパラグラフと並行してメモリを使用します。
Now, it also updates its long-term memory by remembering the important parts of what it had generated for its previous steps.
また、長期記憶も、前のステップで生成したもののうち、重要な部分を記憶して更新します。
And this is a little breakdown as to how it's able to give you such an amazing, as well as such a larger output compared to what ChatGPT can do.
これが、ChatGPTができることと比較して、どのように素晴らしい、そして大きなアウトプットを提供することができるのか、そのちょっとした内訳です。
And this is something that we're going to be showcasing in today's video.
今日のビデオで紹介するのはこれです。
We're going to be going a little bit more in depth to the framework that illustrates what current RecurrentGPT can do.
現在のRecurrentGPTができることを示すフレームワークについて、もう少し深く説明するつもりです。
Also, going to be showing you some types of examples, as well as the demo as to how you can actually use this and utilize the tool for different use cases.
また、実際にどのようにこのツールを使って、さまざまなユースケースに活用できるのか、デモを交えて、いくつかの例を紹介します。
So, guys, if you guys haven't followed my Twitter page, please do so.
まだ私のツイッターをフォローしていない方は、ぜひフォローしてください。
Turn on the notification bell and you'll get the most latest AI news over here.
通知ベルをオンにすれば、最新のAIニュースをここで入手できます。
If you guys haven't subscribed, please do so as I'm going to be continuously posting the most latest updates on my channel of different types of AI content.
まだ購読していない方は、ぜひ購読してください。私は常に私のチャンネルにAIコンテンツの最新のアップデートを投稿していきます。
So definitely do so by subscribing and turning on the notification bell.
チャンネル登録をして、通知ベルをオンにしてください。
And it would mean the whole world to me, guys, if you guys can go like this video as it will definitely help the algorithm out.
そして、このビデオに「いいね！」してもらえると、アルゴリズムの助けになるので、とてもうれしいです。
And if you guys haven't seen any of my previous videos, please do so as there's a lot of content and a lot of value that you will definitely benefit from.
そして、もしまだ私の以前のビデオをご覧になっていないのなら、ぜひそうしてください。大量のコンテンツと価値があり、間違いなく皆さんの役に立つでしょう。
So with that thought, let's get right into the video.
では、さっそくビデオに入りましょう。
Before we actually get into the video, I want to give you a more in-depth understanding of what happens with the RecurrentGPT.
実際にビデオに入る前に、RecurrentGPTで何が起こっているのか、より深く理解していただきたいと思います。
Now, at each time step, as it formulates as well as utilizes the system to give you an output, what RecurrentGPT does is that it receives two inputs: a paragraph of text and a brief plan outlining the content of the next paragraph.
RecurrentGPTは、各時間ステップで、システムを定式化し、利用することでアウトプットを出しますが、その際、2つのインプットを受け取ります：テキストのパラグラフと、次のパラグラフの内容を概説する簡単なプランです。
And this is something that we highlighted at the intro.
これは、イントロで強調したとおりです。
Now, these inputs are generated in the previous time step.
これらの入力は、前の時間ステップで生成されたものです。
Now, the model then leverages an alternative attention mechanism to access the long-term memory, which then contains summaries of all previous generative paragraphs.
そして、このモデルは、別の注意メカニズムを利用して長期記憶にアクセスします。長期記憶には、以前のすべての生成パラグラフの要約が含まれています。
And from this, the long-term memory can be stored on hard drives, which then utilizes short-term memory to give you a more efficient way of creating a new paragraph that entails the best ways to generate a larger, as well as a more contextual representation of what you're trying to look for with RecurrentGPT.
そして、この長期記憶をハードディスクに保存し、短期記憶を利用して、より大きなパラグラフを生成するための最適な方法と、RecurrentGPTで探そうとしているもののより文脈に沿った表現を含む、新しいパラグラフをより効率的に生成する方法を提供することができるのです。
And this is how this actual application actually optimizes itself to function.
このように、実際のアプリケーションは、自分自身を最適化して機能させるのです。
And this is something that we're going to be showcasing in today's video.
本日のビデオでは、これを紹介します。
Now, before we actually get into the gist of all the things that we're going to talk about, I want to go a little bit more in depth as to writing or giving, emphasizing a little bit more on the architecture of this application.
今、私たちが話し合うことになるすべてのことの核心に入る前に、私はこのアプリケーションのアーキテクチャについてもう少し詳しく説明したいと思います。
Now, in this framework, it basically shows that it's able to enable recurrent prompting with language models, and this is by stimulating a recurrent neural network.
このフレームワークでは、基本的に言語モデルでリカレントプロンプティングを可能にすることを示し、これはリカレントニューラルネットワークを刺激することで実現されています。
Now, what it does is that it utilizes natural language components and it defines the recurrent computation graph with different prompts.
自然言語コンポーネントを利用し、さまざまなプロンプトでリカレント計算グラフを定義しています。
Now, in a way, this is an application that is just utilizing prompt engineering to get you larger outputs.
これはある意味、より大きな出力を得るためにプロンプトエンジニアリングを利用したアプリケーションと言えるでしょう。
Now, I'm going to explain a little bit more as to how you're able to get these outputs that are larger.
では、どのようにしてより大きな出力を得ることができるのか、もう少し詳しく説明します。
Now, in this paper, if you guys get a chance to read it, I'll leave it in the description below, but the paper mentions that some previous works have attempted to add recurrent mechanisms to Transformers, which are the base architecture for many large language models.
今、この論文については、あなたが読む機会があれば、私はそれを下の説明に残しますが、その論文は、一部の先行研究がTransformersに再帰メカニズムを追加しようと試みたことを述べています。Transformersは、多くの大規模な言語モデルの基本アーキテクチャです。
While they attempted to have shown promises in modeling and generating long texts, they often require significant architectural changes that may not scale really well when they are outputting larger context.
これらの研究は、長いテキストのモデリングと生成に有望であったが、多くの場合、アーキテクチャの大幅な変更を必要とし、より大きなコンテキストを出力する場合には、本当にうまくスケールしないかもしれない。
Now, most current language models still rely on an original Transformer architecture with minimal modifications.
現在、ほとんどの言語モデルは、最小限の変更でオリジナルのTransformerアーキテクチャに依存しています。
But in this case, with RecurrentGPT as a large language-based approach, what it does is that it mimics the recurrence mechanism of different RNNs.
しかし、この場合、大規模言語ベースのアプローチであるRecurrentGPTは、さまざまなRNNの再帰メカニズムを模倣しているのです。
Now, in this figure, we're able to see that it provides an illustration of this concept.
さて、この図では、このコンセプトの図解を見ることができます。
In RecurrentGPT, you're able to see that the elements of long and short-term memory are using a thing called cell state, as well as in Hidden State and input and output State.
RecurrentGPTでは、長期記憶と短期記憶の要素が、Hidden StateとInput and Output Stateと同様に、Cell Stateというものを使用していることがわかります。
Now, what that means is that it replaces the natural language representation of different paragraphs that are inputted into the actual prompts.
これはどういうことかというと、実際のプロンプトに入力されるさまざまなパラグラフの自然言語表現を置き換えているのです。
And through this, there's a recurrence mechanism that is being played around in the back, which stimulates different types of prompt engineering to get you a larger output, which you can see over here.
そして、これによって、より大きな出力を得るために、さまざまなタイプのプロンプト工学を刺激する再帰メカニズムが背後で再生されています。
Now, at each time step, what RecurrentGPT does is that, as I talked about previously, it receives a paragraph of text.
さて、各時間ステップでRecurrentGPTが行うことは、前回お話したように、テキストのパラグラフを受け取ることです。
It has a brief plan for the next paragraph.
次の段落の簡単な計画があります。
And from the inputs that are generated from the previous steps, it utilizes those previous steps to get you the framework, to get you the best output for the next paragraph.
そして、前のステップから生成された入力から、それはそれらの前のステップを利用してあなたにフレームワークを提供し、次の段落の最良の出力を提供します。
And that is how it functions, as an output is chosen and then it's sent to the next paragraph, which chooses the same types of steps that I created to formulate that original paragraph to generate the next paragraph by using different things and leveraging the power of the language model to generate text, which combines the inputs very effectively.
そしてそれがどのように機能するかというと、出力が選択されて次の段落に送られ、それが私が元の段落を作り出すために作成した同じタイプのステップを選び、次の段落を生成するために異なるものを使って言語モデルの力を活用し、入力を非常に効果的に組み合わせてテキストを生成します。
And it's very cheap and very efficient to use.
しかも、非常に安く、非常に効率的に使うことができます。
So now, with this case, guys, now we now that we have a better understanding of what the actual architecture is, let's go more in depth as to understanding a little bit more about the inputs and outputs.
だから、このケースでは、みんな、私たちは実際のアーキテクチャについてより良い理解を持つことができました。さらに詳しく入力と出力について理解しましょう。
If you scroll down a little bit, you'll get a heading which talks about the language-based building blocks.
少し下にスクロールすると、言語ベースのビルディングブロックについて説明する見出しが表示されます。
Now, in RecurrentGPT, there are two main components which you can see inputs and outputs at each step of the process.
RecurrentGPTには2つの主要コンポーネントがあり、プロセスの各ステップで入力と出力を見ることができます。
And the first input is obviously going to be the paragraph that you input within the system.
最初の入力は、明らかにシステム内で入力した段落です。
Now, this is where it adds the final output text, and this paragraph is referred to as the content.
ここで最終的な出力テキストが追加され、この段落はコンテンツと呼ばれます。
Now, the second is the input that outlines for the next paragraph that is going to be used to generate.
次に、2つ目の入力は、次の段落を生成するためのアウトラインを示す入力である。
And that is what is called a plan, which we see over here.
これはプランと呼ばれるもので、こちらで見ることができます。
And the content is typically made up of around 200 to 400 words, which basically is already in a readable format.
コンテンツは通常、200～400字程度で構成され、基本的にはすでに読みやすい形式になっています。
And it contains the main information as well as the ideas that will be included in the final text.
そして、主な情報や最終的な文章に盛り込まれるアイデアが書かれています。
On the other hand, you have the plan that is shorter as the outline consists of three to five sentences, approximately.
一方、アウトラインは3～5文程度で構成されるため、より短いプランがあります。
Which is something that they stated over here.
これは、こちらで述べていることです。
It serves as a guideline as to what the next paragraph will be able to generate.
次の段落で何を生み出せるか、その指針になるものです。
Now, at each step, the content and the plan generate a previous step, and those are called the return GPT.
さて、各ステップで、コンテンツとプランが前のステップを生成し、それらはリターンGPTと呼ばれます。
Hence why it is named RecurrentGPT, as it allows the model to build upon the previous steps of the information that is given.
それゆえ、RecurrentGPTと名付けられたのは、与えられた情報の前のステップを基にモデルが構築することができるからです。
It generates new content based on the given prompts.
与えられたプロンプトに基づき、新しいコンテンツを生成します。
Now, with the RecurrentGPT, it's specifically designed to not only produce content but also generate plans.
RecurrentGPTでは、コンテンツを生成するだけでなく、プランも生成するように特別に設計されています。
That's one thing that is really a key feature of this actual application, as you're able to get a plan as to what you're trying to generate for future context.
これは、このアプリケーションの重要な特徴のひとつで、将来のコンテクストのために何を生成しようとしているのか、計画を立てることができます。
Now, this is done obviously by enhancing the interpretability of the generated text.
これは、明らかに生成されたテキストの解釈可能性を高めることで実現されています。
What it does is that it facilitates interaction between the human as well as the actual computer that is running the application.
これは、人間だけでなく、アプリケーションを実行している実際のコンピュータとの相互作用を促進するものです。
By providing the plans, you as a user can understand and edit the actual generic content more easily, which gives you an easy prompting for better user experience when utilizing ChatGPT as well as RecurrentGPT.
計画を提供することで、ユーザーは実際の一般的なコンテンツをより簡単に理解し、編集することができます。これは、ChatGPTやRecurrentGPTを利用する際に、より良いユーザー体験のための簡単な促しを提供します。
Let us now take a look at some of the advantages of RecurrentGPT.
それでは、RecurrentGPTの長所をいくつか見てみましょう。
As you know, it offers a unique approach to generating long texts.
ご存知のように、RecurrentGPTは長文を生成するためのユニークなアプローチを提供します。
But what are some actual ways that it does?
しかし、実際にどのような方法があるのでしょうか？
Obviously, these are some of the pointers that they talked about.
もちろん、これは彼らが語ったいくつかのポイントです。
They talked about efficiency, which basically shows that you're able to reduce human effort by making progress of a bigger context that is generated using AI.
彼らは効率性について話しましたが、これは基本的にAIを使用して生成されるより大きなコンテキストの進捗を作ることで人間の労力を減らすことができることを示しています。
In this case, with RecurrentGPT, you're able to easily get larger contents of what you're trying to generate very easily and efficiently.
この場合、RecurrentGPTを使えば、非常に簡単かつ効率的に、生成しようとする内容の大きなものを簡単に得ることができます。
Now, the interpretability is also another big advantage as users are able to directly observe the internal language-based states of RecurrentGPT.
また、RecurrentGPTの言語ベースの内部状態をユーザーが直接観察できるため、解釈しやすいことも大きな利点です。
This is basically through the transparency that is given and allows the people who use the actual application to understand how the model is generating the text and make a more informed decision about the content.
これは、基本的に透明性が確保されているためで、実際のアプリケーションを使用する人は、モデルがどのようにテキストを生成しているかを理解し、コンテンツについてより詳しい判断を下すことができるのです。
This is something that we'll see from this actual demo because you're able to see where the content is being used to create the next paragraph, as well as the plan that is being used to help you create the next formulated response.
これは、この実際のデモからわかることですが、コンテンツが次の段落を作るために使われているところや、次の定型応答を作るために使われているプランがわかるようになっているのです。
The third advantage is the interactivity of RecurrentGPT as it enables interaction between humans and the model.
3つ目の利点は、RecurrentGPTのインタラクティブ性で、人間とモデルとのインタラクションが可能です。
You're able to get more of a specific type of response as you're able to edit and modify the generated text using natural language.
自然言語を用いて生成されたテキストを編集・修正することができるため、より特定のタイプの回答を得ることができます。
You can edit as well as see through what the actual AI is trying to plan for the next paragraph and get a better response that could be more specific to an individual as well as being more related to your own preference.
あなたは編集することも、AIが次の段落に対してどういった計画をしているかを見通すこともできます。そして、それは個々の人物により具体的であるだけでなく、自分の好みにもより関連したより良い応答を得ることができます。
Lastly, is this customizable feature which basically means that users have the flexibility to customize your current GPT by easily modifying these prompts.
最後に、カスタマイズ機能ですが、これは、プロンプトを簡単に変更することで、現在のGPTをカスタマイズする柔軟性があることを意味します。
You can just change one word to get a more different type of or like a more unique type of response.
単語を1つ変えるだけで、もっと違うタイプの回答や、もっとユニークなタイプの回答を得ることができるのです。
This is basically allowed to users to take the time to tailor the model to their own specific interests as well as their own needs.
これは、基本的には、ユーザーが自分の特定の興味やニーズに合わせてモデルを調整するために時間を取ることを許可しています。
You can do this by adjusting the style of the generated text, playing around with the parameters, and you can do that using the actual application.
生成されるテキストのスタイルを調整したり、パラメータをいじったり、実際のアプリケーションを使用してこのようなことを行うことができます。
Now, I want to focus a little bit more on some of the actual experimental results because it basically shows you some of the key results that put the experimental GPT or RecurrentGPT over other types of models that try to emphasize the same type of thing.
ここで、実際の実験結果にもう少し焦点を当てたいと思います。なぜなら、実験的なGPTやRecurrentGPTが、同じ種類のものを強調しようとする他のタイプのモデルよりも優れている主要な結果を示しているからです。
Now, in this case, you're able to see that there's an improved efficiency as the use of RecurrentGPT led to an increase in efficiency and generating longer text compared to conventional computer-assisted writing systems.
今回の場合、RecurrentGPTの使用が効率を上げ、従来のコンピュータ支援執筆システムと比較してより長いテキストを生成することで、効率が改善されたことが見て取れます。
And this is because the app is allowing users to make paragraphs or a chapter-level progress that results in reduced human labor and faster writing outputs.
これは、このアプリが段落や章単位での進捗を可能にすることで、人手を減らし、より速く文章を出力できるようになったからです。
You can see that there are different genres that give you better types of results in horror, sci-fi, romance, fantasy, mystery, as well as thriller.
ホラー、SF、ロマンス、ファンタジー、ミステリー、スリラーなど、より良い結果をもたらすジャンルがあることがおわかりいただけると思います。
You're able to get these advanced types of improved efficiency results.
このような高度な効率化の結果を得ることができるのです。
Another metric that I want to talk about is the enhanced interpretability, and this is because RecurrentGPT has been able to demonstrate high interpretability, which allows users to observe the internal language model.
私が話したい別の指標は、解釈性の向上です。これは、RecurrentGPTが高い解釈性を示すことができ、ユーザーが内部言語モデルを観察することを可能にしているからです。
It gives you a greater insight into the decision-making process and a way to understand how the generated text is being outputted.
意思決定のプロセスをより深く理解することができ、生成されたテキストがどのように出力されているのかを理解することができます。
Lastly, I want to talk a little bit more about the increased interactivity, which basically means that the app is able to facilitate an interactive experience compared to other types of applications that are trying to achieve the same type of goal that recurrent GPC is trying to do.
最後に、対話性の向上についてもう少しお話ししたいと思います。基本的には、リカレントGPCがやろうとしているのと同じタイプの目標を達成しようとしている他のタイプのアプリケーションと比較して、対話的な体験を促進することができることを意味します。
And this is something that we can see in this research paper.
これは、この研究論文で確認できることです。
So if you have time, definitely take the time to read this as there are a lot of different types of things that you can get a better idea of.
時間があるなら、ぜひこの記事を読んでみてください。さまざまなタイプのことをよりよく理解するための情報がたくさんあります。
Now, I'm lastly going to focus on the limitations, and basically, the only limitations that I was actually able to think about and what they emphasize is that recurrentivity is still generating a lot of different types of errors.
さて、最後に限界に焦点を当てますが、基本的に、私が実際に考えることができた唯一の限界で、それらが強調することは、再帰性がまだ多くの異なるタイプのエラーを発生させているということです。
Sometimes it's not able to give you the most accurate information, and this is like one of the things that are hindering it from succeeding.
時々、最も正確な情報を提供できないことがあり、これが成功を妨げている要素の一つです。
But obviously, every type of application in the AI world has things that provide inaccurate types of information, so this is just a small problem that will be fixed later on as the AI world progresses.
しかし、AIの世界ではどのようなアプリケーションにも不正確な情報を提供するものがありますから、これは小さな問題で、AIの世界が進歩するにつれて後で修正されるでしょう。
And it's just something you want to keep in mind when using this application.
このアプリケーションを使う際には、ぜひ覚えておいていただきたいことです。
Now, if you actually go on your repo on the actual repo link for RecurrentGPT, you can see that there are a couple of examples that you can play around with as well as get a better idea of.
RecurrentGPTのレポリンクからレポを開くと、いくつかのサンプルがあるので、それを使って遊んでみると、より良いアイデアが得られるでしょう。
Now, there's a prompt engineering tab which shows you how the actual outputs of the paragraphs are sent out to make the next plan for the paragraph.
プロンプトエンジニアリングタブでは、段落の実際の出力が、段落の次の計画を作るためにどのように送信されるかを見ることができます。
You can see how prompt engineering is used to get a different type of paragraph for the next queue.
プロンプトエンジニアリングが、次のキューで異なるタイプの段落を得るためにどのように使われるかを見ることができます。
This next example in figure 2 shows that the research paper presents a qualitative analysis of using RecurrentGPT as both an interactive writing assistant as well as an interactive fiction generator.
この図2の次の例は、研究論文がRecurrentGPTをインタラクティブなライティングアシスタントとして、またインタラクティブなフィクションジェネレーターとして使用した場合の質的分析を示しています。
Now, this figure is showcasing that the highlighted plans or the choices that were selected by human users during the actual experiment.
この図では、ハイライトされた計画や選択肢が、実際の実験中に人間のユーザーによって選択されたことを披露しています。
One aspect I want to talk about is the effectiveness of RecurrentGPT in generating very long text.
ここで、RecurrentGPTが非常に長い文章を生成するのに有効であるという点についてお話したいと思います。
This is something that ChatGPT is not actually able to do because, in this case with RecurrentGPT, it demonstrates its capabilities to handle and produce coherent and engaging content for contextual writing tasks.
これはChatGPTが実際にはできないことで、この場合、RecurrentGPTはコンテキストライティングタスクのための一貫性のある魅力的なコンテンツを扱い、生成する能力を示しています。
Now, this is by finding a significant source to showcase the types of ways to generate the text, and it showcases that the model's ability to maintain quality and consistency during the extended text generation.
これは、テキストを生成する方法の種類を示す重要なソースを見つけることで、拡張テキスト生成中に品質と一貫性を維持するモデルの能力を示しています。
Additionally, the figure also shows that it indicates human annotators prefer using RecurrentGPT across various novel genres.
さらに、この図は、人間のアノテーターが様々な小説のジャンルでRecurrentGPTを好んで使用していることも示しています。
Now, let's actually take a look at the demo of RecurrentGPT as well as getting a more in-depth larger response being generated using RecurrentGPT.
では、実際にRecurrentGPTのデモを見てみましょう。RecurrentGPTを使って生成された、より詳細な大きな応答も見てみましょう。
Now, there are two types of tabs: auto-generation as well as human in the loop, which gives you instructions as to what will be created for the next paragraph.
さて、タブには2つのタイプがあります：自動生成と人間がループ内、これは次の段落で何が作成されるかについての指示を提供します。
In this case, I'm just going to be showcasing auto-generation right now.
今回は、自動生成についてだけ紹介します。
Let's say, in this case, I want to create a horror film, maybe or not a horror.
例えば、この場合、ホラー映画を作りたいのですが、多分、ホラーではないでしょう。
Let's say, fantasy, and let's say, give me, write me a novel based off, uh, fantasy world that has mushrooms and magical beasts.
ファンタジーで、例えば、キノコや魔獣が出てくるようなファンタジーの世界を題材にした小説を、私にください、書いてくださいとしましょう。
Not what you can, then once you give it the description, obviously, this is just one tiny little prompt, but you can give it the generation, and it'll start generating.
あなたがそれに説明を与えると、明らかにこれはただの小さなプロンプトですが、それに生成を指示することができ、それが生成を始めます。
Now, once this is done, I'll be right back.
さて、これが終わったら、すぐに戻ってきます。
Now, if finished generating, we can see that it's been able to write.
さて、生成が終わると、書き込みができるようになったことが確認できます。
This is just the current step.
これはあくまで現在のステップです。
It is able to generate.
生成できるようになったのです。
Now, you can actually give it different instructions to give you a revised type of paragraph for the next output, and you can see that this is just the current one step, and this is able to generate such large types of content.
さて、実際にはそれに異なる指示を与えて次の出力のための改訂されたタイプの段落を提供させることができます。そして、これが現在の1ステップであり、これによって大規模なコンテンツを生成することが可能であることがわかります。
Now, imagine what you can do in the human Loop where you can play around with each step of a generative paragraph.
さて、人間のループで何ができるかというと、生成段落の各ステップを弄ることができるのです。
So, this is the beauty of RecurrentGPT, as it's able to give you a larger context of AI generative content, and this is why I really want to cover this because ChatGPT hinders this type of generation, and it's quite easy to use as it's completely free, and this demo will give you a better idea of how you can actually utilize this tool.
だから、これがRecurrentGPTの美しいところで、AI生成コンテンツのより大きなコンテキストを提供することができ、これが私が本当にこのテーマを取り上げたい理由で、なぜならChatGPTはこのタイプの生成を妨げ、完全に無料で使いやすいからです。このデモは、このツールを実際にどのように活用できるかのより良い理解を得るのに役立ちます。
So, I hope you found this video quite informative, guys, because it's an amazing tool that will definitely be used for a lot of different use cases.
だから、このビデオがかなり有益だと感じたことを願っています、皆さん。なぜなら、これは多くの異なる用途に確実に使用される素晴らしいツールだからです。
Now, overall, I definitely see that RecurrentGPT is a clever model that combines the best of both long-term and short-term networks, as well as utilizing different types of language models, and I definitely see this as a quite useful tool for generating larger text.
さて、全体として、RecurrentGPTは、長期ネットワークと短期ネットワークの両方の長所を組み合わせ、さまざまなタイプの言語モデルを利用した賢いモデルであり、より大きなテキストを生成するための非常に有用なツールであると確信しています。
So, I'm definitely going to be using this for different use cases whenever I'm trying to generate different types of scripts or types or larger context of contextual generative AI.
ですから、私は、さまざまなタイプのスクリプトやタイプ、より大きな文脈の文脈的生成AIを生成しようとするときは、必ずこれをさまざまな使用ケースに使用するつもりでいます。
And with that thought, guys, thank you so much for watching.
ということで、ご視聴ありがとうございました。
I really, really appreciate it.
本当に、本当にありがとうございました。
Make sure you give this a follow.
フォローをお願いします。
If you guys haven't subscribed, please do so as it would mean the whole world to me, guys.
もしまだ購読していないなら、ぜひ購読してください、私にとって大きな意味があります。
And if you guys haven't seen any of my previous videos, you should definitely do so as there's a lot of content that will help you get ahead in the AR world.
もし皆さんが私の以前のビデオをまだご覧になっていないのなら、ぜひそうしてください。AR世界で先を行くために役立つ多くのコンテンツがあります。
And with that thought, guys, make sure you like this video, have an amazing day, spread positivity, have a bright smile, and I'll see you guys next time.
その思考で、皆さん、このビデオを気に入っていただけたら、素晴らしい一日をお過ごしいただき、ポジティブさを広め、明るい笑顔を振りまき、次回お会いしましょう。
Thank you so much for watching.
ご覧いただき、ありがとうございました。
I'll see you later.
また会いましょう。
Peace.
ピース。
この記事が気に入ったらサポートをしてみませんか？