1 00:00:12,559 --> 00:00:23,920 では、生成AIに何ができて、何ができないのかを見ていきましょう。ClaudeのようなLLMに焦点を当てます。これは、新しい同僚と知り合うようなものだと考えてください。その強みと限界を理解することが、—— 2 00:00:23,920 --> 00:00:36,079 より効果的に協働する助けになります。まずは、これらのシステムが、とりわけ得意とすることに目を向けましょう。現代の言語モデルがどれほど多才かに、驚くかもしれません。言葉を扱う力は、—— 3 00:00:36,079 --> 00:00:49,039 ほんの数年前なら不可能に思えたほどです。あなたらしさを捉えたメールを書く、長いレポートを分かりやすい要約にまとめる、言語のあいだを翻訳する、そして—— 4 00:00:49,039 --> 00:00:59,359 微生物学からマーケティング戦略まで、数えきれない分野の複雑な話題を説明する。とりわけ注目すべきは、これらのモデルが、異なるタスクのあいだを—— 5 00:00:59,359 --> 00:01:11,920 追加の学習なしに行き来できることです。詩を書くのを手伝ったり、誕生日パーティーのアイデアを一緒に考えたりした、まさに同じシステムが、今度は量子コンピューティングの—— 6 00:01:11,920 --> 00:01:28,240 考え方を理解する手助けをしたり、四半期のビジネス動向を分析したり——すべて、ただの会話を通して。これらのモデルは、会話の流れを保つこともできます。前に話したことを覚えていて、その上に積み上げていくのです。 7 00:01:28,240 --> 00:01:38,240 たとえば、プロジェクトの締め切りをふと口にして、あとで会話のなかでそれに触れ直すと、AIはたいてい、あなたが何の話をしているかを理解します。ちょうど、人間の—— 8 00:01:38,240 --> 00:01:51,040 会話相手がそうするように。いまでは多くの現代のLLMが、外部のツールや情報源とつながることで、自分の知識を超えて手を伸ばせます。ウェブを検索したり、ファイルを処理したり、—— 9 00:01:51,040 --> 00:02:03,640 さらには別のアプリケーションを使ったりして、能力を広げられるのです。これにより、手伝える範囲が大きく広がります。ただし、どんな技術とも同じで、今日のLLMにも、いくつかの—— 10 00:02:03,640 --> 00:02:16,160 限界があります。まず、AIモデルは、その学習データに縛られています。LLMには、学習した時点にもとづく「知識のカットオフ」があります。それは、—— 11 00:02:16,160 --> 00:02:30,000 それ以降の世の中のことを、もともとは知らない、という区切りの時点です。たとえば、カットオフが2024年11月のモデルは、2024年11月より後のデータでは学習していない、ということです。ある時点で、インターネットのない—— 12 00:02:30,000 --> 00:02:41,200 隠れ家にこもった人を想像してみてください。その人は、自分が去ったあとに起きた出来事を知りません。モデルが最近の動きを知るには、ウェブ検索のようなツールが必要です。さらに、学習の—— 13 00:02:41,200 --> 00:02:52,480 プロセスでは、学習データのなかの事実を、一つひとつ検証しているわけではありません。つまりモデルは、学習データに含まれていた誤りを、ときに学び、再現してしまうことがあります。また、—— 14 00:02:52,480 --> 00:03:05,400 学んだ情報をつなぎ合わせようとするときに、誤りを犯すこともあります。これが、しばしば「ハルシネーション」と呼ばれるものにつながります。AIが、もっともらしく聞こえるけれど実際には—— 15 00:03:05,400 --> 00:03:18,640 間違っていることを、自信たっぷりに述べてしまう現象です。既存の文書をただ引いてくる検索エンジンと違い、LLMは統計的なパターンにもとづいて応答を生成するため、ときにハルシネーションを起こします。こんな友人を想像してみてください—— 16 00:03:18,640 --> 00:03:29,760 絶対の自信を持って話すのに、細部がまるごと間違っている友人を。AIも、ときにそうなり得ます。もう一つの大切な制約は、前に触れたコンテキストウィンドウです。—— 17 00:03:29,760 --> 00:03:40,239 おさらいすると、これはAIが一度に処理できる情報量のことです。どのLLMにも、一度のやり取りで考えられる情報量に、上限があります。この—— 18 00:03:40,239 --> 00:03:50,799 上限を超えると、AIはウィンドウの外にこぼれた情報を覚えていられません。たいていは、古いものから先に外れていきます（先入れ先出し）。モデルの大きさによっては、これが—— 19 00:03:50,799 --> 00:04:02,319 大きな文書を処理する力や、会話全体を覚えておく力を、制限することがあります。さらに、同じ入力には同じ出力を返す従来のソフトウェアと違い、LLMは、—— 20 00:04:02,319 --> 00:04:14,480 もともとある程度、予測がつきません。これは「非決定的」とも呼ばれます。同じ質問を2回しても、毎回少しずつ違う答えが返ってくることがあります。このばらつきは、—— 21 00:04:14,480 --> 00:04:25,240 これらのモデルが文章を生成するしくみそのものから生まれます。モデルは、学習データのパターンと、開発者が調整できるいくつかの設定にもとづいて、次にどんな文章が来るべきかを、確率的に決めているのです—— 22 00:04:25,240 --> 00:04:39,360 この創造的なばらつきは、ブレインストーミングや多様なアイデア出しには大きな強みになりますが、一貫性や正確さが欠かせないときには、意識しておく必要があります。一部のLLMのインターフェースには、—— 23 00:04:39,360 --> 00:04:51,040 必要なときにこのランダムさを抑える設定も用意されています。この設定は、しばしば「temperature（温度）」と呼ばれます。さらに、これらのモデルは急速に良くなってきてはいますが、これまでは、—— 24 00:04:51,040 --> 00:05:02,960 複雑な推論を要するタスク——とりわけ、複数の段階を踏む数学や論理の問題——を苦手としてきました。よい知らせは、新しい「推論モデル」や「拡張思考モデル」—— 25 00:05:02,960 --> 00:05:15,280 一歩ずつ考えるよう特別に設計されたモデルが、こうした分野で力強い進歩を見せていることです。そして最後に。Claudeのようなモデルは、いまでは外部ツールにアクセスできますが、それでも、—— 26 00:05:15,280 --> 00:05:26,160 特定のタスクに必要な、特定のデータ源や専門的なツールには、まだアクセスできないことがあります。これは、会社の社内データベースにアクセスできない、優秀な同僚がいるようなものです。その人の—— 27 00:05:26,160 --> 00:05:36,560 手伝う力は、どれほど賢くても限られてしまいます。ある質問に答えるのに必要なデータやツールに、モデルがアクセスできないなら、その質問に答えられなくても、—— 28 00:05:36,560 --> 00:05:48,320 驚くことではありません。生成AIの分野は、急速に進化しています。研究者たちは、いまの限界に対処しようと、さまざまな技術に取り組んでいます—— 29 00:05:48,320 --> 00:06:01,440 たとえば、モデルを外部の知識やデータ源につなぐ検索拡張生成（RAG）、ツールを使う力の拡張、そして推論能力の向上などです。 30 00:06:01,440 --> 00:06:13,560 とはいえ、いくつかの限界は、当分のあいだ残り続けるでしょう——それがどんな限界になるかは、正確には分からないとしても。AIに何ができて何ができないかを理解することは、—— 31 00:06:13,560 --> 00:06:23,919 AIフルーエンシーに欠かせません。それは、いつ・どのようにこれらのシステムを、仕事や日々の暮らしに効果的に取り入れるのがいちばんよいかを、見定める助けになります。最も効果的な活用は、—— 32 00:06:23,919 --> 00:06:36,800 人とAIの、補い合う強みを活かします。私たち人間は、批判的思考・判断・創造性・倫理的な見守りをもたらします——AIには再現しにくいものです。一方でAIは、速さ、規模、パターンの認識、そして—— 33 00:06:36,800 --> 00:06:48,160 膨大な情報を処理する力をもたらします。こうした補い合う強みは、技術の進化とともに変わっていきます。だからこそ、学び続け、試し続けることが、とても大切なのです。 34 00:06:48,160 --> 00:06:58,560 それが、こうした変化に遅れずについていき、新しい可能性を見つける助けになります。このコースの演習を通して、あなたはこれらの考え方を、—— 35 00:06:58,560 --> 00:07:11,559 Claudeとの会話を通じて、自分の手で確かめる機会を持てます。この直接の経験が、生成AIに何ができて、何ができないのか、そしてどう付き合うのがいちばんよいのかについて、直感的な感覚を育てる助けになります。