![見出し画像](https://assets.st-note.com/production/uploads/images/84571083/rectangle_large_type_2_b0f28f86d3f02781e3f82daf05717c0c.png?width=800)
これから、"Prompt Engineering"の話をします…
こんにちは、Choimirai Schoolのサンミンです。
【主要なアップデート】
(2022.09.11)Prompt Engineeringマガジンへのリンクを追加
0 はじめに
人工知能の発達によって注目を集めている分野が「プロンプトエンジニアリング(Prompt Engineering)」です。
AI分野で注目を集めているのが「Prompt Engineering」。言語モデルの入力文を工夫することでタスクの精度を改善する手法。GPT-3への入力文をいじるだけで精度が最大61%も爆上げしたという研究結果↓。AIが持つ本来の力を引き出すためにも英語で考えて、英語で書くのは重要🤖。https://t.co/FyzSxfasPT
— sangmin.eth @ChoimiraiSchool (@gijigae) May 29, 2022
プロンプトエンジニアリングは人工知能の思考を人間が助けるための手法。いくらAIが発達しても、使う側の能力に見合う結果しか出せません。AIが持つ本来の力を引き出すためにも、次代を生きる人にとってプロンプトエンジニアリングは最大の財産となるはずです。
プロンプトエンジニアリング(PE)はいわば、AIの思考を人間が助けるための手法です。巨大言語モデルでは質問の仕方が、人工知能が返す回答の質を劇的に向上させることがわかってきている。PEとはつまり、AIによる思考の助けとなる質問(時には回答例も)を人間が工夫して考えてやること、です🤖。 https://t.co/hcZK412ldS
— sangmin.eth @ChoimiraiSchool (@gijigae) August 9, 2022
いくつかのnoteにわけて、実例を挙げながらプロンプトエンジニアリングについて紹介する予定です。ご興味のある方は他のnoteも合わせて参考にしてください。
1 プロンプトエンジニアリングの対象モデル、及びサービス
今はGPT-3に加え、CohereやBloomなど利用できる人工知能モデルも増えています。
GPT-3の本と関連して新しく発見した LLM(Large Language Model)サービスが、 @CohereAI 。新しくアカウントを作る(👉https://t.co/dfrBQo9BYB)と$75のクレジットがもらえるのでご興味のある方はどうぞ。
— sangmin.eth @ChoimiraiSchool (@gijigae) July 26, 2022
これからもこうした言語モデルは増え続ける。自分に合ったモデルを見つけるのは大事です。 pic.twitter.com/p2nPRlL0S1
テキストを生成するモデルとしては「GPT-3のtext-davinci-002」を画像を描いてくれるモデルとしては「Stable Diffusion」を利用します。
昨日からベータ版が始まった、 @StabilityAI 。AIを使って絵を描くサービスは他にも多い中、Stable Diffusionの最大の特徴は「seed」値が指定できる点。この特徴を活かすため様々な「seed」値をまとめたサイト(👉https://t.co/fY10mOTJhZ)も登場。同じseed値を使えば再現性を高めることができる🤖。 pic.twitter.com/WAzXRTbPXe
— sangmin.eth @ChoimiraiSchool (@gijigae) August 7, 2022
コード生成には「Codex」をベースとして使います。
. @OpenAI Codexのベータ版が使えるようになった。Codexと@Replitの組み合わせでプログラミングを学ぶハードルはぐっと下がる🚧。
— sangmin.eth @ChoimiraiSchool (@gijigae) August 24, 2021
①自分の意図をCodexに教える
②Codexがコードを書く
③Replitでコードを実行する
④修正箇所があれば直す→①へ戻る
この循環はPythonを使ったデータ分析でも応用可。 pic.twitter.com/K4EKlLT9Lx
2 なぜ今、プロンプトエンジニアリングの話?
2022年8月からベータ版をスタートしたStable Diffusionの場合、一日で170万枚以上の画像を生成しています。
これはすごい🤖!#stablediffusion で生成される画像数は、一日で170万枚。アート作品の鑑賞で満足していた人たちが人工知能の力を借りて創作側に参加すると起きる変化。A Iの発達と普及で時代は、知的消費から知的生産へと変わりつつある。この変化は他の分野でも現れるはず。 pic.twitter.com/43VlyxpMjs
— sangmin.eth @ChoimiraiSchool (@gijigae) August 10, 2022
2021年6月の時点で、OpenAIのGPT-3によって書かれている単語数は一日平均で45億個を超えている。
OpenAIのAPIは公開から1年が経つ。その間、世界中の何万人もの開発者がAPIを利用して、300を超えるアプリが開発されている。現在、OpenAIのAPIによって生成されている文章は "1日あたり平均45億単語" 😮。このAPIにCodexが追加されると想像するだけでワクワクする。https://t.co/oXwuSp01Qt
— sangmin.eth @ChoimiraiSchool (@gijigae) June 30, 2021
そして、2022年6月から一般に公開されたGitHub Copilotを考えますと人工知能によって創作されるコンテンツの量は今後劇的に増えていくと思っています。
今週から一般に公開された GitHub Copilot🤖!今後、開発者だけでなくプログラミングを学ぶ人にも欠かせないツールとなる。Copilotを試しているけど、"Create two models, Question and Answer ..." とコメントを書いただけでそれぞれのモデルを書いてくれる。灰色が Copilotが提案してくれたコード😮 pic.twitter.com/GZRRigU0y7
— sangmin.eth @ChoimiraiSchool (@gijigae) June 25, 2022
こうした日々進化し続けているAIを味方にするためには適切な指示を出すことがとても重要です。
①間違った聞き方をする
↓
②求めてた情報が引き出せない
↓
③人工知能はまだ使えないものだと判断
Prompt Engineeringを理解していればこのような結果に至らず、より効果的に人工知能と協力し作業を進めることができます。
例えば、GPT-3に次のような質問をしますと
Take the last letter of each word in "machine, learning" and concatenate them.
答えとして「ng」が返ってきます。
AIから必要な情報を引き出すときは質問の書き方がとても大事。例えば、
— sangmin.eth @ChoimiraiSchool (@gijigae) August 1, 2022
Take the last letter of each word in "machine, learning" and concatenate them.
と書くと、AIは「learning」の最後の2文字の「ng」を返す。一方で、"Let's think step by step" を加えると正しい答えを教えてくれる🤖。 pic.twitter.com/jvSqRhSptd
一方で、次のような聞き方をしますと、正しい答えである「eg」を返してくれます。
Q: Take the last letter of each word in "machine, learning" and concatenate them.
A: Let's think step by step:
GPT-3のような巨大言語モデルでは質問の仕方によって、人工知能が返す回答の質を劇的に向上することがわかってきています。人間側がAIの思考を助けることでより適切な答えを引き出すことができるということです。
質問の仕方によって、人工知能が返す回答の質を劇的に向上する
これから「プロンプトエンジニアリング」の話をしていきたい理由もここにあります。Prompt Engineeringの存在を知っていれば、AIとのコミュニケーションが向上され、AIが持つ本来の力を引き出すことができます。
3 プロンプトエンジニアリングと生産性
ゴールドマンサックスが2021年アメリカの経済成長率を前年比6.8%と予測したと報じる NY Times の記事です。この成長を支えているのは、新型コロナ禍で培った生産性向上のスキル。働き方改革によって多様な人材が活躍できることは企業にとっても社会にとってもメリットが大きいです。
また、人工知能の発達でビジネスでの生産性は飛躍的に改善されるはず。こうした変化を味方にするためにも「Prompt Engineering」を身につけるのは大事です。
スイスのIMDが毎年発表している世界競争力ランキング。2022年、日本の順位は3つ下げて34位。2018年には25位だったのに対し、アジアの中での地盤沈下も鮮明で、順位を下げた主な理由は政府とビジネスの生産性です。特にビジネスの生産性は63ヶ国中51位。
![](https://assets.st-note.com/img/1660313017349-34bNSVvuaL.png?width=800)
AIを上手く活用できる国とそうでない国では、生産性面でも絶望的なくらい差が開くと思っています。
4 プロンプトエンジニアリングは未来のバイリンガル
2018年1000億円を投じてAIに特化した大学を設立したMIT。同校の学長は、専門知識と人工知能のスキルを併せ持った人材のことを「未来のバイリンガル」と呼んでいます。
MITは1000億円を投じてAIに特化した大学を設立。学長は機械学習(Machine Learning、ML)のスキルと専門知識を兼備した人材を「未来のバイリンガル」と呼んでる。
— sangmin.eth @ChoimiraiSchool (@gijigae) October 29, 2019
物理 + ML
生物 + ML
化学 + ML
歴史 + ML
言語 + ML
…
この変化について行くためにも英語で学んで欲しい。https://t.co/HSMFyblcZl
そこから早送りして、時は2022年。人工知能から必要な情報を取り出すための「Prompt Engineering」こそが社会が求める「21世紀のバイリンガル」になると信じています。
「Prompt Engineering」こそが社会が求める「21世紀のバイリンガル」
5 まとめ
日本の生産性は先進国の中でもダントツに低い。最新の人工知能を活用するためには「Prompt Engineering」を英語で活用するのが重要。英語力を鍛えプロンプトエンジニアリングを覚えるまでは時間がかかるので早く始めて欲しいです。
/// 以下宣伝です///
Choimirai Schoolでは最新の人工知能と英語多読を活用して「Prompt Engineering」を身につけられるプログラムを運用しています。
この記事が気に入ったらサポートをしてみませんか?