はじめに
お疲れ様です。yuki_inkです。
気付けば3月末となってしまいました。
いろいろやることがあって、めちゃくちゃ忙しい！
そんな中でも記事の投稿はしたい！
よし、Bedrockに助けてもらおう！
という内容の省エネ系ネタ記事です。
やったこと
Qiitaの「Markdown記法 チートシート」をプロンプトでLLMに渡して、それっぽい記事を作ってもらう。
・環境：Bedrockのテキストプレイグラウンド
・利用したモデル：Claude 2.1
プロンプトは以下の通り。
Human:
あなたは生成AIの専門家です。
生成AIに関する最新技術の内容やその課題について、起承転結のあるブログ記事にまとめてください。
冒頭にこのブログ記事のタイトルを示し、その後に記事を作成してください。
記事の作成にあたっては、<rules></rules> に示すMarkdown記法に従い、必要に応じて、以下の対応をしてください。
・見出しの作成と見出しタイトルの付与
・コードの挿入
・文字の強調 など
<rules>
###### 以下、「Markdown記法 チートシート」の内容をコピペ ######
Code - コードの挿入
Code blocks - コードブロック
たとえば、「Ruby」で記述したコードをファイル名「qiita.rb」として投稿したいときは、 バッククオート（`） か チルダ（~） を使用して以下のように投稿するとシンタックスハイライトが適用されます。
コードブロック内でコードブロックを書きたい場合は異なる記号を使うことで書けます。
・・・
</rules>
Assistant:
結果
Assistant:の後に、生成された文章が表示されます。
「生成AIの最新技術とその課題」というタイトルのブログ記事ができました！
良い感じにMarkdown記法が使えており、内容もそれっぽく仕上がっています。
コードとしてimport generative_aiなどと書いていますが、そこはご愛嬌。。
※生成された文章は、この記事の最後にそのままコピペしておきます。
感想
Markdown記法に則った記事が、想像より遥かに良い感じの内容で出てきたので、正直驚きました。
RAGアーキテクチャなどと組み合わせて、様々なノウハウを簡単にブログに落とし込むことができそうです。
記事を書くことは、少なくとも私にとっては結構大変な作業でした。
記事の構成を考え章立てを決め、実際に文章を書くのって、かなり時間を使います。
生成AIの助けを借りることで、その負荷が下がり、アウトプットのハードルが下がるかなと思いました。
一方で、あくまで生成AIが作る文章。
その内容の正確性、信頼性にはまだまだ疑念が残ります。
Qiitaのコミュニティガイドラインでも案内されている通り、自分の目でしっかり内容を確認する必要があります。
☝ AIが生成した内容は正確性を確かめよう
記事等の執筆に便利なAIツールを活用することそのものは禁止していませんが、AIが生成した内容は、そのまま投稿するのではなく、正しいかどうかを検証した上で投稿するようにしましょう。 Qiitaで提供しているAI機能を利用する場合も同様です。 正確ではない情報が投稿されることは、コミュニティにとって望ましいことではありません。内容に責任をもって投稿しましょう。
今回作ってもらった記事
最後に、今回Bedrockで作ってもらった記事をそのまま貼っておきます。
以下の内容はClaude 2.1が生成したものをそのまま添付しているものになります。
内容の確からしさは確認しておりませんので、それを踏まえてお目通し下さい。
生成AIの最新技術とその課題
1. 生成AIとは
生成AIとは、テキスト、画像、動画などのコンテンツを自動生成するAIのことです。近年、大規模な学習データと計算資源の向上により、非常にリアルなコンテンツを生成できるようになってきています。
import generative_ai
text = generative_ai.generate_text("Hello!")
代表的な生成AIとしては、OpenAIのDALL・EやGitHub Copilot、Stable Diffusionなどがあります。
2. 生成AIの最新技術
生成AIの最新技術としては、以下のようなものがあります。
2-1. 大規模言語モデル(LLM)
LLMとは、膨大なテキストデータから言語の法則性を学習したAIモデルです。GPTシリーズやBLOOMなどが知られています。これらは自然な会話ができたり、コードを生成したりすることが可能です。
2-2. ディフュージョンモデル
ディフュージョンモデルは、ランダムノイズから徐々に画像などを生成していく手法です。Stable DiffusionやDALL・Eが採用しています。リアルな画像を生成できる反面、トレーニングデータのバイアスが結果に現れやすいという課題があります。
この手法は画像生成以外にも応用が期待されています。
3. 生成AIの課題
生成AIには以下のような課題があります。
3-1. 結果の信頼性
生成AIの結果が事実かフィクションか判断しづらいため、デマの拡散などの社会的影響が懸念されています。
3-2. トレーニングデータのバイアス
生成AIは膨大なデータから学習するため、データに含まれる偏見などが結果に現れる可能性があります。公平性や多様性への配慮が必要です。
生成AIの利用には倫理的な配慮が重要です!
4. 今後の展望
生成AIは高性能化と共に身近な技術となってきていますが、適切な利用のための議論とガイドライン作りが急務です。多角的な観点から技術革新と社会的影響を踏まえた対話が望まれます。