👦本日のセミナーイベントページ
👦謝辞
本当は「DeepResearchの使い方」みたいな話をしたかったのですが、色々やってみるとベストプラクティスを見つけるのが大変そうだ、という事が分かったため「実は一週間DeepResearchを触っただけでは使い方わかりません!」っていう話に切り替えました
👦いつものように、スライドは公開してます。
https://qiita.com/nomurasan/items/ab3e73c1bf7ba1ae8b1e
👦発表後追記・資料の読み方
- 発表を前提にしているので、読んだだけでは内容が細かく食い違っています
- 発表用に作ったこともあり、意図的にそうしています
これは「AIの生成結果」に対して「使用した感覚」を強く補足する形で所感を入れて話そうとしていたからです。
当該スライドについて
- 👦:叩き台を作る
- 💻:叩き台は学習させずにDeepResearchについて生成した結果
- 👦:生成結果の随所に叩き台を手動で組み込む
という作り方をしています。
見出しにどちらが作成したものかを明示するため、「👦」「💻」アイコンを入れてあります
:::
👦自己紹介(今回の発表用に抜粋)
- システムエンジニア/IT講師
- 生成AIの使い方
- 普段はシステム設計書やコードを書かせたり、研修計画を練ったり教材作成が目的
- ハルシネーションに対しては寛容。 間違ってても後で修正したり、口頭解説でフォローすれば良いと思っている
- 情報の出典やエビデンスに対しては寛容。 出元がなんであれ結果が合っていれば話者は誰でも良いという考え方
- 「今までのAIの使い方でDeepResearchを入れたらどう変わるのか?」あるいは「DeepResearchを入れることで生成結果がどのように変わったか」には興味がある
🟢 誤解を恐れずに言えば「本来はDeepResearchを必要としないAIユーザー目線でDeepResearchに触れたらどう見えるか」という話をします
💻DeepResearchとは?
- AIによる 専門情報の検索・要約・引用提示ツール
- 自然言語での質問を理解し、関連する学術論文や技術文献を提案
- 文献の要約・出典表示・引用もワンクリックで可能
🟢 研究者向けに見えるけど、UIはかなり親切設計
👦DeepResearchは、 従来のAIに検索機能を強化したもの」である
💻使い方は、ほんとうにシンプル
- 調べたいテーマをそのまま入力
例:「生成AIは教育現場でどう使われているか?」 - 論文リストが要約付きで表示される
- 気になる文献を開いて、詳細や引用元をチェック
- さらに関連文献を追って深掘りもできる
🔍 「キーワードをどう選ぶか」で悩まなくていいのが嬉しい
以下、所感(次ページ)
👦所感(1ページに収まらなかったので外出し)
- DeepResearchで得た結果を使って、きちんと分析・推論をするならGPT o1-proにするなどモデルは選んだ方がいいです
- DeepResearchモードは実行する前にユーザーに細かいヒアリングをしてくれるため、こちらからキーワードで悩む事はないかもしれないですが、キーワードの引き出し方(ChatGPTからの質問内容)には過不足がある可能性があります
- キーワードに悩まない、というよりはキーワードを事前に詰めて(壁打ちして)決めておかないと調査結果も正しいものにはならないかも
- DeepResearchした結果に対して、さらに掘り下げてDeepResearchを実施すると精度が高くなっていく印象。これは上述の内容をDeepResearchで実施しているため?
💻ChatGPTとの違いって?
項目 | ChatGPT | DeepResearch |
---|---|---|
回答の即時性 | ◎ | ◯ |
出典・根拠の明示 | △ | ◎ |
専門性・信頼性 | △〜◯ | ◎ |
文献との連携 | × | ◎ |
💡 ChatGPTは「発想・広がり」向き、DeepResearchは「裏付け・深掘り」向き
💻使ってみて感じた「意外とすごい」ところ
- 専門知識がなくても、それなりに高度な検索ができてしまう
- 文献ごとに要約があるので、効率が爆上がり
- 出典付きでChatGPTより「信頼できる説明」に転用しやすい
🟢 情報探索のストレスが、明らかに減りました
👦所感
1.2.は確かにそう。
3.は疑問で、言われたらそんな気はするけど、結局出典自体について調べないと事実かどうか断言しにくい
↑出典自体を調べやすくなった、という意味ではそうなのかも🤔
💻こんな人・場面に向いている
- ✅ 教育・研究の場で引用元付きの調査をしたい
- ✅ 技術動向をざっくり把握したいエンジニア
- ✅ ChatGPTの出力に「根拠が欲しい」と感じている人
🎯 知的生産の質を上げたい人すべてに刺さる可能性あり
👦所感
ChatGPTが考える「向いている人の選び方」が私になっているのは、事前に私の情報を学習したからかもしれません
- 一度は使ってみて手に馴染むかどうか判断するフェーズはあった方がいいです
- DeepResearchでも提供した外部リンクを読む事はできないため、参考情報はテキストかファイルで渡した方がよさそうです
- コピーが難しい場合はスクショを貼って送るとか
- DeepResearchの結果を見ると、ユーザーが提供した外部リンクの参照には失敗しているが、その後間違えたリンク先の要約は正しくできている
- (勉強会資料より)引き継ぎ用のプロンプトでコピーできる形式のテキスト・ファイルを生成させて、次のスレッドに貼り付けて進行するのが正解っぽい
💻あえておすすめしたい理由
- 専門家こそ、「どこを信じるか」で情報選別しているはず
- DeepResearchは**“AIと人の中間”**のようなツール
- むしろプロ視点で活用すれば、さらに化けるかも?と感じています
👦所感
これは補足が必要。
「中間」というのがポイントで、「AIによる分析」と「DeepResearchによる検索」は別であることを認識しておかないと、DeepResearchは使えない、と誤解してしまう可能性がある。
考察系はモデル自体の性能評価の話になるし、検索系(情報収集)がDeepResearchの本領発揮
当該スレッドのうちであればDeepResearchで調べた情報を学習データにして引き続き会話できるし、引き継ぎ用のプロンプトを作ってファイル化すればモデルを変えて検証できる(実施中
💻まとめ:DeepResearchがもたらすもの
🟢 情報検索が「速く」「深く」「正確に」なる
🟢 文献を“使える形”に変換してくれる
🟢 専門家・非専門家問わず、新しい思考の土台になる
🔗 https://www.deepresearch.xyz/
↑リンク先は間違っているが、そのまま置いておく
👦DeepResearchは、 従来のAIに検索機能を強化したもの」である
👦この後やりたいこと
「業界の未来予測」という課題を設定した
- 同じ事象を同じ視点で調べた場合の差異を取る
- 事前のプロンプトにより生成結果が変わるか?➡️大きくは変わらなさそう
- もちろん、前提条件を変えたり要素を強めに調べるように指示した場合は異なる
- 中立なデータがほしいか、偏ったデータがほしいかによる?
参考